Identifikasi Tumbuhan Berdasarkan Minutiae Tulang Daun Menggunakan SOM Kohonen
|
|
- Yuliana Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Identifikasi Tumbuhan Berdasarkan Minutiae Tulang Daun Menggunakan SOM Kohonen Arga Wahyumianto 1, Dr. I Ketut Eddy Purnama, ST., MT 2, Christyowidiasmoro, ST., MT 2 1 Mahasiswa S1 Teknik Elektro Institut Teknologi Sepuluh Nopember 2 Staf Pengajar, Teknik Elektro Institut Teknologi Sepuluh Nopember Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya 60111, Indonesia Abstract- In this final project, a simple application have been made based on Matlab GUI to identify plant species based on the features of bone leaves. The method used for feature extraction for leaves bones (vein leaf) is fingerprint minutiae extraction. With this method, it will be detected bone branching leaf on leaf picture. It will obtained amount bone branch of leaves. From these data, tried to do the classification of images of leaves. From the examination that has been done, the average success rate of applications in classifying the leaf image using Kohonen neural network to determine the fourth class of plant leaves, amounting to % for guava, % for green eggplants, local peppers % and % for sweet potatoes. Keywords: Leaf Identification, minutiae extraction, Kohonen Neural Network, vein leaf I. PENDAHULUAN Daun yang dimiliki oleh tumbuhan merupakan salah satu biometric dari tumbuhan. Hal ini disebabkan karena daun pada tiap jenis tumbuhan memiliki bentuk dan ruas daun yang berbeda yang dapat digunakan sebagai fitur yang didapatkan melalui serangkaian proses pengolahan citra untuk dilakukan klasifikasi citra daun. Fitur ruas daun (tulang daun) belum sepenuhnya dieksploitasi sebagai ukuran kemiripan daun. Yang menarik adalah beberapa spesies tumbuhan mempunyai pola kontur yang hampir sama. Contoh, Nuphar Japonicum dan Nuphar Pumilum adalah anggota dari family Nymphaeaceae. Struktur tulang daun (pola venasi) merupakan fitur unik lain yang membedakan jenis tumbuhan dalam proses identifikasi spesies memainkan peran penting. Meskipun tulang daun yang khas dan permanen selama beberapa waktu sebelumnya tidak dapat dianggap sebagai biometrik yang dapat diandalkan karena tidak universal (beberapa spesies tidak menunjukkan pola venasi jelas) dan juga ekstraksi pola venasi dari gambar daun yang tidak mudah. Namun, dalam beberapa tahun terakhir, beberapa studi dapat dilihat pada venasi dan ekstraksi vena seperti studi, CLOVER: A Mobile Content-Based Leaf Image Retrieval System, Nam et al. (2005b) mencoba untuk memasukkan representasi tulang daun ke dalam sistem biometrik mereka. Dari gambar 1, ditunjukkan pola venasi yang berbeda yang telah mereka coba kenali dari gambar daun. Gambar 1 Perbedaan pola venasi (Diadopsi dari Nam et al. (2005b)) Sebuah sistem klasifikasi berbasis tulang daun diperkenalkan oleh Park et al. (2006) menggunakan gambar dari buku "Flora Illustrated Korea". Fu & Chi (2003) mengusulkan pendekatan dalam dua tahap (segmentasi awal berdasarkan histogram intensitas gambar daun dan menggunakan classifier jaringan saraf buatan) untuk mengekstrak pola venasi dua puluh satu gambar daun yang berbeda dan memperoleh hasil yang lebih baik daripada penggunaan detektor tepi konvensional. Penelitian yang telah dilakukan dalam ekstraksi tulang daun ini menggunakan fourier dan pemodelan b-spline oleh Rahmadhani M. and Yeni Herdiyeni dalam papernya Shape and Vein Extraction on Plant Leaf Images Using Fourier and B-Spline Modeling. Sedangkan pada penelitian ini, akan mencoba untuk melakukan identifikasi terhadap citra daun. Metode ekstraksi yang dilakukan yakni metode ekstraksi minutiae pada sidik jari. Algoritma tersebut nantinya akan mendeteksi cabang dari tulang daun. Dari cabang tulang daun, akan dijadikan data training oleh Jaringan Saraf Kohonen. Citra daun yang akan digunakan dalam penelitian merupakan jenis daun tunggal dengan tulang daun menyirip. II. DESAIN Alur identifikasi pada penelitian ini secara garis besar ditunjukkan pada Gambar 2 :
2 III. PENGOLAHAN CITRA A. Pre-processing dan segmentasi Pre-processing merupakan tahap persiapan untuk proses berikutnya. Input berupa image daun. Preprocessing meliputi konversi dari rgb ke gray. Tahap ini perlu dilakukan untuk memudahkan proses thresholding. Segmentasi yang dilakukan adalah thresholding. Dengan adanya thresholding, akan didapatkan citra tulang daun dalam bentuk biner. Gambar 2 Gambaran umum sistem Algoritma Sistem Ada banyak metode yang diterapkan dalam setiap tahapan identifikasi tulang daun. Dalam setiap tahapan tersebut, diterapkan metode-metode yang telah disesuaikan untuk keperluan proses selanjutnya. Untuk lebih jelasnya, algoritma sistem identifikasi tulang daun digambarkan dalam bagan di bawah ini. Citra Daun Citra Grayscale Thresholding Morphology : Dilasi, Erosi Thinning Roipoly Fitur Tulang Daun Ekstraksi Minutiae 1 1 Jml cabang tulang daun Kohonen Klasifikasi B. Morfologi Morfologi dapat disebut sebagai fungsi untuk merubah bentuk objek pada suatu citra 1. Dilasi Dilasi adalah operasi untuk mengembangkan atau menebalkan objek pada citra biner. 2. Erosi Erosi merupakan proses penghapusan titik-titik batas objek menjadi bagian dari latar, berdasarkan structuring element yang digunakan Parameter-parameter dalam morfologi yaitu panjang pixel(length) untuk dilasi maupun erosi serta derajat kemiringan sudut(deg). Gambar 4 length = 9, deg = 0 o C. Thinning Untuk metode thinning menggunakan fungsi thinning yang terdapat di matlab. Algoritmanya adalah : 1. Membagi gambar menjadi dua subbidang berbeda dalam pola kotak-kotak. 2. Dalam subiteration pertama, hapus pixel p dari subfield pertama jika dan hanya jika kondisi G1, G2, dan G3 telah terpenuhi. 3. Dalam subiteration kedua, menghapus pixel p dari subfield kedua jika dan hanya jika kondisi G1, G2, dan G3 telah terpenuhi. KONDISI G1 : X H (p) = 1 b i = 1 ( =1 =1) (1) 0 = (2) X 1, X 2,..., X 8 adalah nilai-nilai dari delapan tetangganya p, dimulai dengan tetangga timur dan sesuai dengan nomor dengan urutan berlawanan arah jarum jam. Gambar 3 Proses yang dilalui dalam setiap tahapan identifikasi Gambar 5 Matriks window 3x3
3 KONDISI G2 : 2 (), () 3 (3) Dengan : ()= (4) ()= (5) KONDISI G3 : ( ) =0 (6) KONDISI G3 : V( ) =0 (7) IV. EKSTRAKSI FITUR Pada tahap ini, citra yang berupa fitur tulang daun akan dideteksi pola percabangan tulang daunnya dengan menggunakan metode ekstraksi minutiae seperti pada sidik jari. Langkah-langkah dalam ekstraksi cabang tulang daun prinsipya sama dengan ekstraksi minutiae pada sidik jari. Hal yang dilakukan antara lain : 1. Menggunakan Crossing Number (CN), dimana CN adalah metode untuk mencari cabang bifurcations. Dengan memeriksa tetangga lokal dari setiap piksel yang mengalami percabangan menggunakan window 3x3 =0,5 (8) Dengan P i adalah nilai pixel dari tetangga P. Untuk pixel P, ada 8 nilai pixel tetangga akan discan berlawanan dengan arah jarum jam. Gambar 7 Hasil Ekstraksi minutiae Dari gambar 8 percabangan tulang daun ditunjukkan oleh titik warna biru. Dari titik biru ini dapat diperoleh informasi koordinat dari cabang tersebut dan jumlah percabangan yang ada di fitur tulang daun tersebut. V. POLA CABANG TULANG DAUN Untuk bisa diproses dalam tahap selanjutnya, diperlukan suatu pola agar pada masing-masing daun memiliki ciri sehingga bisa untuk diidentifikasi. Tahapan untuk membuat pola ini adalah sebuah percobaan, karena ada banyaknya jenis dan macam daun. Pola yang dicoba yakni menghitung banyaknya cabang pada tulang daun yang berada pada daerah tertentu dalam citra daun. Pembagian daerah tersebut berdasarkan height resolution dari citra daun. Pembagian tersebut sebagai berikut : Level 0 : cabang tulang daun yang berada di tulang daun primer Level 1 : cabang tulang daun yang berada pada di atas daerah level 0 atau berada di bawah level 0 Level 2 : cabang tulang daun yang berada pada di atas daerah level 1 atau berada di bawah level 1 Level 2 Level 0 2. Setelah melakukan scanning dan komputasi. Maka, pixel dapat digolongkan menurut nilai properties dari CN. Seperti yang ditunjukkan pada gambar 6 Level 1 Gambar 8 Pola Cabang Gambar 6 CN = 3 3. Dari setiap titik ekstraksi minutiae, akan didapatkan koordinat letak titik tersebut. Dengan adanya koordinat tersebut, bisa dijadikan suatu pola cabang tulang daun. Dari informasi banyaknya cabang tulang daun yang berdasarkan level tersebut, maka akan diperoleh data. Data tersebut akan dijadikan data training untuk melakukan pembelajaran dengan metode kohonen. VI. KOHONEN NEURAL NETWORK Algoritma Kohonen Self Organizing yang digunakan untuk pengelompokan data(clustering) antara lain : 1. Menetapkan : a. Input data yang dinormalisasi b. Jumlah kelas
4 2. Inisialisasi : a. Bobot Input (wij) dengan nilai sembarang atau dengan menggunakan rumus : = + 2 (9) Dengan : wij = bobot antara variabel input ke-j dengan neuron pada kelas ke-i. MinXi = nilai minimum pada variabel input ke-i. MaxXi= nilai maksimum dari variabel input ke-i. b. Set parameter learning rate (α). c. Set maksimum epoh (MaxEpoh). 3. Set Epoh = 0 4. Kerjakan jika Epoh < MaxEpoh a. Epoh = Epoh + 1 b. Pilih data secara acak, misalnya data terpilih data ke-j. c. Cari jarak antara data ke-j dengan tiap bobot input ke-i (Dj) : = d. Cari bobot yang terkecil (pemenang) e. Update bobot yang baru : (10) = + ( ) (11) VII. PENGUJIAN Setelah melalui proses desain dan pembuatan serta analisa, maka aplikasi ini memerlukan proses pengujian. Pengujian ini bertujuan untuk mengamati dan menganalisa terhadap hasil penelitian. Pengujian ini meliputi: 1. Pengamatan hasil proses pengolahan citra yakni pengamatan terhadap parameter morfologi 2. Pengamatan hasil ekstraksi 3. Pengamatan terhadap hasil identifikasi dengan metode kohonen. A. Hasil Morfologi Pengujian dalam proses ini, yakni mencari parameter yang tepat agar mendapatkan fitur tulang daun yang nantinya bisa mendapatkan hasil ekstraksi yang bagus. Hasil percobaan mendapatkan parameter yang tepat ditunjukkan pada tabel 1. Parameter tersebut adalah length (panjang elemen(dalam pixel)) dan deg(sudut dari length(dalam derajat)) Pengujian dilakukan pada sampel citra daun jambu biji dengan nilai threshold yakni 90. Tabel 1 Pengujian parameter morfologi Citra Daun Dilasi Erosi Jambu6.jpg Length : 2 Length : 8 Deg : 45 Deg : 45 Hasil Morfologi Dari tabel 1 didapatkan hasil yang berbeda untuk tiap parameter yang nilainya berbeda. Hasil yang bagus diperoleh ketika parameter untuk dilasi yakni length = 8 dengan deg = 90 dan erosi yakni length = 5 dengan deg = 90. Parameter yang juga menghasilkan citra yang bagus saat length = 5,deg = 90 untuk dilasi dan length = 5, deg = 45 untuk erosi. B. Ekstraksi Citra Tulang Daun Pengujian dilakukan dengan mengamati hasil ekstraksi dengan penghitungan manual jumlah cabang tulang daun. Hasilnya bisa dilihat pada tabel 2, tabel 3 dan tabel 4. Tabel 2 Presentase error ekstraksi pada citra daun jambu biji Hasil Perhitungan Error Citra Daun Threshold Ekstraksi Manual (%) , , , , ,6 Dari tabel 2, diperoleh error yang bervariasi. Error paling besar diperoleh pada citra daun baris ke-5 yakni sebesar 45%. Error sebesar itu dikarenakan nilai thresholding terlalu besar, sehingga banyak informasi yang hilang. Apabila nilai threshold tersebut diganti dengan 100, error yang didapatkan yakni 9%.
5 Tabel 3 Presentase error ekstraksi pada citra daun terong hijau Citra Daun Threshold Hasil Ekstraksi Perhitungan Manual Pada tabel 3, terdapat error di atas 100% yakni pada citra daun pada baris ke-5, baris ke-6, dan baris ke-7. Dan error di atas 50% pada citra daun baris ke- 3. Nilai thresholding ke-4 citra tersebut kurang tepat, sehingga terjadi error yang besar. Tabel 4 Presentase error ekstraksi pada citra daun cabai lokal Citra Daun Hasil Perhitungan Error Threshold Ekstraksi Manual (%) , , Error (%) , , , , , , , , , ,4 Pada ekstraksi daun cabai lokal, error yang kurang dari 50% terdapat pada citra daun baris ke-3 dan ke-6. Selain kedua citra tersebut, errornya lebih dari 50%, bahkan lebih dari 100%. Dengan nilai threshold sebesar 90, ternyata belum mampu mendeteksi cabang tulang daun secara maksimal. C. Hasil Klasifikasi Kohonen Untuk inisialisasi dalam Jaringan Saraf Tiruan Kohonen, parameter-parameter jaringan telah diset sebagai berikut : Inisialisasi awal : W 1 = [0,58 0,4 0,65] W 2 = [0,6 0,3 0,8] W 3 = [0,4 0,5 0,75] W 4 = [0,3 0,4 0,5] α = 0,8 Ket : W 1 : bobot awal untuk daun jambu biji W 2 : bobot awal untuk daun terong hijau W 3 : bobot awal untuk daun cabai lokal W 4 : bobot awal untuk daun ubi jalar α : learning rate Setelah dilakukan pembelajaran dengan inisialisasi awal dan dengan data training daun, maka akan dihasilkan bobot-bobot baru. Dengan bobot baru tersebut, data uji akan di-learning sehingga nantinya akan dapat diklasifikasikan. Tabel 5 Hasil pengujian proses identifikasi Kebenaran (%) Percobaan Kelompok Kelompok ,404 33,03 89,488 86, ,834 32,618 89,314 88, ,571 35,858 89,475 79, ,404 33,03 89,488 86, ,433 40,627 88,692 72, ,674 53,965 86,312 60,226 94,386 38,188 88,79 78, ,564 92,991 82,749 44, ,162 83,506 76,575 57, ,378 90,334 78,842 49, ,074 91,048 83,897 41, ,544 89,469 80,515 48,426 60,799 80,232 85,134 73,833 71,128 73,739 78,08 77,05
6 Percobaan Kelompok Kebenaran (%) Kelompok ,657 88,938 48,627 61,321 73,339 89,519 75,909 67,756 77,991 85,417 68,854 74,915 40,839 84,388 99,9 74,148 41,282 84,266 99,756 76,86 38,4 85,36 99,37 73,348 43,28 83,38 99,9 74,817 40,950 84,348 99,731 Tabel 5 menunjukkan tingkat keberhasilan klasifikasi kohonen untuk menentukan kelas keempat daun tumbuhan yakni kelompok 1 untuk jambu biji, kelompok 2 untuk terong hijau, kelompok 3 untuk cabe lokal dan kelompok 4 untuk ubi jalar. KESIMPULAN 1. Untuk mengekstraksi fitur tulang daun bisa digunakan algoritma metode ekstraksi minutiae pada sidik jari untuk mendeteksi cabang tulang daun. 2. keberhasilan aplikasi dalam klasifikasi menggunakan kohonen untuk menentukan kelas ketiga daun tumbuhan yakni 94,386% untuk jambu biji, 89,469% untuk terong hijau, 85,417% untuk cabai lokal dan 99,731% untuk ubi jalar. [5] Iqbal, Muhammad Dasar Pengolahan Citra dengan MATLAB. [6] Putra, Darma PENGOLAHAN CITRA DIGITAL. ANDI YOYAKARTA. [7] M, Rahmadhani, Herdiyeni, Yeni Shape and Vein Extraction on Plant Leaf Images Using Fourier and B-Spline Modeling. IPB [8] R. C. Gonzalez, R. E. Woods, and S. L. Eddins, Digital Image Processing Using MATLAB. Prentice Hall, 2004 [9] Zainal Arifin, Agus, Bagus, Bayu, Navastara, Dini Adni. Klasifikasi Online Citra Daun berdasarkan Fitur Bentuk dan Ruas Daun. FTIF-ITS. [10] Lam, L., Seong-Whan Lee, and Ching Y. Suen, "Thinning Methodologies-A Comprehensive Survey," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 14, No. 9, September 1992, page 879, bottom of first column through top of second column. [11] (2007) Matlab images processing toolbox documentation. MathWorks. Inc. [Online]. Available: ox/images/ref/bwmorph.html [12] (2007) Matlab images processing toolbox documentation. MathWorks. Inc. [Online]. Available: ox/images/ref/roipoly.html [13] (2009) Matlab GUI Tutorial. [online]. Available : PUSTAKA [1] Yusuf, Muhammad Taufik MEMBEDAKAN OBJEK MENGGUNAKAN METODE THRESHOLDING DAN FUNGSI MORFOLOGI, Departemen Teknik Elektro, Fakultas Teknik Universitas IndonesiaKampus Baru UI, Depok 16424, Indonesia [2] Pahalawatta, KK PLANT SPECIES BIOMETRIC USING FEATURE HIERARCHIES, Department of Computer Science and Software Engineering University of Canterbury. [3] Thai, Raymond Fingerprint Image Enhancement and Minutiae Extraction, School of Computer Science and Software Engineering, The University of Western Australia. [4] Azman, Mohd ANALYSIS OF FINGERPRINT PERFORMANCE AMONG LEFT HANDED AND RIGHT HANDED PEOPLE, UNIVERSITI TEKNOLOGI MALAYSIA.
Arga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciKLASIFIKASI BENTUK DAUN MENGGUNAKAN METODE KOHONEN ABSTRAK
KLASIFIKASI BENTUK DAUN MENGGUNAKAN METODE KOHONEN Safwandi. ST., M.Kom 1, Yenni Maulida, S.T ABSTRAK Penelitian ini menjelaskan tentang suatu metode klasifikasi bentuk daun berdasarkan input berupa bentuk
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciIDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET
IDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET Anang Setiaji *), Achmad Hidayatno, and Yuli Christyono Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciKlasifikasi Online Citra Daun berdasarkan Fitur Bentuk dan Ruas Daun
Klasifikasi Online Citra Daun berdasarkan Fitur Bentuk dan Ruas Daun Agus Zainal Arifin 1, Bayu Bagus, Dini Adni Navastara 3 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION Nasep Muhamad Ramdan (0522135) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciPEMETAAN SEBARAN MUTU PENDIDIKAN DASAR MENGGUNAKAN METODE SELF ORGANIZING MAPS
PEMETAAN SEBARAN MUTU PENDIDIKAN DASAR MENGGUNAKAN METODE SELF ORGANIZING MAPS Ahmad Mulla Ali Basthoh 1, Surya Sumpeno 2, dan I Ketut Eddy Purnama 3 Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS
Lebih terperinciReza Fajar Rachmanda¹, Dr Ir Bambang Hidayat Dea², Rita Purnamasari³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2013 ANALISIS SISTEM PENGIDENTIFIKASIAN JENIS-JENIS TANAMAN HIAS ALOCASIA MELALUI BENTUK DAN WARNA DAUN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN (SELF ORGANIZING
Lebih terperinciDETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Sri Suwarno 1, Sri Hartati 2 1 Program Studi Teknik Informatika UKDW Yogyakarta 2 Program Studi Ilmu Komputer Fakultas
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciPENGENALAN WAJAH MELALUI WEBCAM DENGAN METODA GABOR WAVELET-KERNEL FISHER ANALYSIS
PENGENALAN WAJAH MELALUI WEBCAM DENGAN METODA GABOR WAVELET-KERNEL FISHER ANALYSIS HERON P HAREFA NRP : 0222187 PEMBIMBING : IR. AAN DARMAWAN, MT. UNIVERSITAS KRISTEN MARANATHA FAKULTAS TEKNIK JURUSAN
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciAPLIKASI PENGENALAN DAUN UNTUK KLASIFIKASI TANAMAN DENGAN METODE PROBABILISTIC NEURAL NETWORK
APLIKASI PENGENALAN DAUN UNTUK KLASIFIKASI TANAMAN DENGAN METODE PROBABILISTIC NEURAL NETWORK 1 Gregorius Satia Budhi 2 Tok Fenny Handayani 3 Rudy Adipranata 1, 2, 3 Teknik Informatika Universitas Kristen
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciIdentifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia
Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia Imam Subekti, I Ketut Eddy Purnama, Mauridhi Hery Purnomo. Jurusan Teknik Elektro FTI - ITS Penelitian ini mengidentifikasi
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciMuhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com
Lebih terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciKLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI
KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciIMPLEMENTASI PROGRAM DETEKSI TEPI DAUN MENGGUNAKAN ANT COLONY OPTIMIZATION
ABSTRAK IMPLEMENTASI PROGRAM DETEKSI TEPI DAUN MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO), PERBANDINGAN RASIO PANJANG DAN LEBAR DAUN, PERBANDINGAN JUMLAH PIKSEL UNTUK MENGIDENTIFIKASI POLA BENTUK DAUN Disusun
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciKlasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 2010 : 38-41 Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra Vera Yunita, Yeni Herdiyeni Departemen Ilmu
Lebih terperinciUCAPAN TERIMAKASIH. Denpasar, Agustus Penulis
UCAPAN TERIMAKASIH Segenap puja dan puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa sebagai sumber dari segala sumber pengetahuan, karena atas asung kertha wara nugrahanya Tesis yang
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciVERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY ABSTRAK
VERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY Disusun oleh : Fabiola Zita Devy C. 0722085 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha
ABSTRAK Content-Based Image Retrieval (CBIR) adalah proses untuk mendapatkan suatu citra berdasarkan konten-konten tertentu, konten yang dimaksud dapat berupa tekstur, warna, bentuk. CBIR pada dasarnya
Lebih terperinciPengukuran Blok Window Terbaik Berdasarkan MSE...
Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciPERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME
PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS
Lebih terperinciRealisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen
Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen David Novyanto Candra/0322003 Email: dave_christnc@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION Roland Stefanus Weku (0822092) Jurusan Teknik Elektro email: rolandweku@gmail.com ABSTRAK Pembuluh darah
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciAPLIKASI PENGOLAHAN CITRA DIGITAL DALAM MENGHITUNG JUMLAH SUATU OBJEK PADA SUATU DAERAH PENGAMATAN ABSTRAK
i APLIKASI PENGOLAHAN CITRA DIGITAL DALAM MENGHITUNG JUMLAH SUATU OBJEK PADA SUATU DAERAH PENGAMATAN Rubinhut Sihar / 0322161 Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri 65, Bandung
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciJURNAL INFORMATIKA PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Institut Teknologi Nasional Bandung ABSTRAK
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciKOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM)
KOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM) Bambang Trianggono *, Agus Zainal Arifin * Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciPENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA ABSTRAK
PENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA Yuliana Melita Pranoto 1, Endang Setyati 2 1) Teknik Informatika, Sekolah Tinggi Teknik Surabaya Jl. Ngagel Jaya Tengah 73-77
Lebih terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciBAB IV PREPROCESSING
BAB IV PREPROCESSING 4.1 Langkah yang Dilakukan Interpretasi visual citra Pap smear merupakan hal yang sangat rumit. Hal ini disebabkan karena citra Pap smear memberikan hasil sel yang beragam mulai dari
Lebih terperinciP E N D A H U L U A N Latar Belakang
KLASIFIKASI KEKERAPAN KUNJUNGAN LOKASI BERBASIS LOCATION BASED SERVICE (LBS) MENGGUNAKAN SELF-ORGANIZING MAP (SOM) Oleh : Dhanang Fitra Riaji (NRP : 2208205737) PROGRAM MAGISTER JURUSAN TEKNIK INDUSTRI
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciTeknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari
Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Okta Hadi Saputra, Irawan Jurusan Teknik Elektro FTI - ITS Abstrak Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK ABSTRAK Dwi Putra Alexander (0722067) Jurusan Teknik
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
Lebih terperinciDAFTAR ISI. ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI...v DAFTAR GAMBAR...viii DAFTAR TABEL...x
ABSTRAK Dalam suatu sistem biasanya diperlukan suatu otentikasi berupa Personal Identification Number (PIN) atau password. Sehingga ada kemungkinan password dan PIN ini hilang atau diketahui orang lain.
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
Lebih terperinci