SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH ABSTRAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH ABSTRAK"

Transkripsi

1 SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH * I Putu Putra Astawa, Agus Zainal Arifin, Bilqis Amaliah Program Magister Teknik Informatika, Institut Teknologi Sepuluh Nopember (ITS) - Surabaya Kampus ITS, Jl Raya ITS, Sukolilo, Surabaya, ptr_astawa@yahoo.co.id ABSTRAK Pada sistem biometrik berbasis iris mata, salah satu tahap yang paling kritis dan mendasar adalah tahap segmentasi untuk menentukan lokasi batas luar dan dalam, dari pola iris mata. Segmentasi yang akurat menjadi salah satu faktor untuk meningkatkan kehandalan sistem, dalam berbagai lingkungan yang mengandung noise. Meningkatkan akurasi segmentasi iris mata dilakukan dengan cara melokalisasi posisi iris mata dengan metode berbasis transformasi non-separable wavelet dan transformasi randomized hough, kemudian menghilangkan noise. Transformasi non-separable wavelet memiliki kelebihan dalam pemetaan tepi objek lingkaran dan transformasi randomized hough merupakan pengembangan dari transformasi hough dalam proses komputasi. Pada penelitian ini langkah langkah yang dilakukan adalah pengambilan sampel citra mata, pemetaan tepi citra, mendeteksi batas luar dan dalam iris mata, kemudian menghapus noise dan terakhir mengukur kinerja algoritma dengan mengukur tingkat akurasi. Dalam proses uji coba mengukur tingkat akurasi segmentasi iris mata digunakan dataset CASIA-IrisV3 Hasil uji coba pada 40 citra mata menunjukkan bahwa segmentasi iris mata berbasis transformasi non-separable wavelet dan transformasi randomized hough, mampu mencapai akurasi rata rata 98.4 %. Kata kunci : Segmentation, iris, noise, transformasi non-separable wavelet, transformasi randomized hough. 1. Pendahuluan Sistem biometrik berkembang pesat di berbagai bidang aplikasi komersial seperti sistem keamanan. Hal ini mempengaruhi penelitian-penelitian yang mengarah pada peningkatan kemampuan metode yang dikembangkan, untuk menjamin tingkat akurasi dan kehandalan dalam berbagai kesulitan pada lingkungan yang mengandung noise (Jang. dkk, 2003). Salah satu tahap yang paling kritis dan mendasar dalam sistem pengenalan iris mata adalah lokalisasi atau batasan luar dan dalam dari pola iris mata di dalam citra input, sehubungan dengan berbagai varian yang mungkin terjadi saat pengambilan citra. Varian yang dimaksud seperti posisi iris mata, posisi mata dalam citra, noise yang meliputi pemakaian kacamata, bulu mata, kelopak mata, pengaruh blurring dan variasi ukuran iris mata. Beberapa penelitian dilakukan untuk mengatasi masalah diatas seperti (Xu. dkk, 2006) menentukan batas luar dan dalam dari iris mata berdasarkan estimasi. (Li dan Liu, 2008). Peningkatan akurasi segmentasi iris mata dengan mentukan pusat lingkaran

2 dalam iris dan mengestimasi secara kasar radius lingkaran luar sepanjang dua segmen garis horizontal tetapi tidak akurat pada citra mengandung noise dan kualitas citra rendah karena pengaruh iluminasi. (Labati dan Scotti, 2009) berbasis intro-diferrential untuk melokalisasi batasan iris dengan melakukan proses pencarian pada region of interest tetapi tidak menghasilkan segmentasi yang akurat. Pada penelitian ini diusulkan meningkatkan akurasi segmentasi iris mata yang mengandung noise, dengan cara melokasisasi posisi iris mata menggunakan metode berbasis transformasi non-separable wavelet dan transformasi randomized hough. Transformasi non-separable wavelet yang diusulkan memiliki kelebilan dalam pemetaan citra iris dengan berbagai varian dan transformasi randomized hough merupakan metode pengembangan dari transformasi hough yang menekankan pada kecepatan komputasi dalam proses deteksi batasan iris. 2. Metode Metode yang dikembangkan dalam penelitian ini dibagi dalam tiga tahap. Tahap pertama pemetaan tepi citra bertujuan untuk menghasilkan citra tepi. Proses pemetaan mulai dari input citra, mencari titik pusat pupil dan menghitung koefisien modulus nonseparable wavelet. Tahap kedua adalah melakukan proses segmentasi dengan mendeteksi batas luar dan dalam iris mata berbasis transformasi hough, output berupa lokasi iris mata. Tahap terakhir adalah mengukur kinerja algoritma segmentasi menggunakan metode ground truth, dimana dihitung tingkat akurasi dengan cara membadingkan citra ground truth yang di segmen secara manual oleh user dengan citra hasil segmentasi sistem. 2.1 Iris mata Iris mata (selaput pelangi) merupakan daerah berbentuk gelang pada mata yang dibatasi oleh pupil dan sclera(bagian putih dari mata). Struktur permukaan mata disajikan pada Gambar 2.1. Tektur visual dari iris terbentuk dari proses chaotic morphogenetic selama proses perkembangan embrio(matnoni D., 2003). Iris mata berfungsi untuk mengendalikan cahaya yang masuk melalui pupil.ukuran rata -rata diameter iris mata adalah 12 mm dan ukuran pupil bisa bervariasi dari 10% sampai 80% diameter iris mata (Daugman.,J. 2002). Iris berbeda dan unik setiap orang, termasuk yang kembar identik (Matnoni D., 2003). Salah satu fitur iris yang penting adalah iris mata terletak dibelakang konea mata sehingga sangat sulit untuk dimodifikasi atau dipalsukan karena beresiko merusak organ mata. (a) (b) Gambar 2.1 Struktur permukaan mata. (a) citra mata dari atas, (b) citra mata dari samping.

3 2.2 Menentukan Titik Pusat Pupil Dalam menentukan titik pusat pupil metode yang digunakan adalah moment (µ). Metode ini dilakukan dengan cara menghitung luas pupil, kemudian dengan menggunakan rumus moment ( ).seperti dibawah., ( 2.1 ) dimana x dan y adalah koordinat titik, a xy menyatakan intensitas titik dan (x, y ) merupakan titik pusat objek. 2.3 Menghitung Modulus Koefisien Non-Separable Wavelet Non-separable wavelet transform direkonstruksi menggunakan symetric matric terpusat. Dengan symetric pusat 4 x 4 dan matrik ortogonal U (α,β) yang didefinisikan sebagai berikut (Zhenyu He. dkk, 2009) dan (Jie W. dkk, 2008):, (2.2) dimana α dan β berupa atribut bilangan real. Dari symetric matric terpusat sebelumnya, diperoleh class pada non-separable yang menghasilkan filter wavelet sebagai berikut low-pass filter m o (z 1, z 2 ) didefinisikan sebagai berikut:, dimana D={ z : z 1} dan D={ z : z =1}. Dan tiga high-pass filter mj( dengan berdasarkan low-pass filter diatas, mo( ) menjadi. (2.3) ), j=1, 2, 3 j=1,2,3, dimana Vo= (1,1,1,1) T, V 1 = (1,-1,1,-1), V 2 = (1,1,-1,-1) T, V 3 = (1,-1,-1,1) T, (2.4) U (αk,βk) adalah symmetric terpusat, matrik orthogonal yang didefinisikan pada persamaan (2.4) dan D( ) adalah matrik pada polinomial trigonometri dibawah ini (2.5) cara menghitung modulus dari transformasi wavelet. Diasumsikan I(x,y) adalah sebuah citra iris mata yang diperoleh pada ukuran M x N piksel. Pada setiap sekala j

4 dengan j > 0 dan = I(x,y), non-separable wavelet transform memisahkan citra ke dalam low pas bands Dan tiga high pass bands,,karena bands dari wavelet transform digunakan untuk menemukan tepi, maka pemisalah wavelet adalah non-sub sample wavelet. Oleh karena itu empat sub bands, pada sekala j adalah ukuran M x N piksel, yang mana sama dengan gambar citra aslinya. Karena m 1 dan m 2 adalah filter anti-symmetric dan filter anti-symmetric cocok untuk mendeteksi nilai lokal ekstrim sebagai titik tepi, modulus dari transformasi non- separable wavelet dihitung dengan.. (2.6) Gambar 2.2 Pemisahan Wavelet (Komponen High Frequency Dikuantisasi Dalam Citra Biner) non-separable Wavelet. 2.4 Deteksi Batasan Dalam dan Luar Iris Mata. Dalam mendeteksi batasan luar dan dalam iris mata menggunakan randomized hough transform. Transformasi hough digunakan untuk mendeteksi bentuk yang spesifik. Dalam hal ini adalah bentuk melingkar iris mata. Tahapan yang dilakukan untuk mendeteksi iris mata adalah sebagai berikut: memilih n piksel secara random dari sebuah citra, menentukan kurva paremeter secara fit, piksel yang fit dimasukkan ke akumulator dan ditambahkan skor, diseleksi nilai maksimum dari sekumpulan piksel pada akumulator,paramenter ini dijadikan dikan representasi bentuk melingkar dari iris mata. 3. Hasil Eksperiment Data uji coba yang digunakan pada penelitian ini menggunakan data database CASIA-IrisV3 IrisV3 yang dapat di akses pada Database ini disediakan oleh Chinese Academy of Sciences. Jumlah citra lebih dari Semua citra iris mata adalah graylevel dengan jenis file JPEG, dengan resolusi 320 x 280 piksel Dalam uji coba mendeteksi titik pusat pupil dilakukan dengan mengubah input kedalam citra biner kemudian, menggunakan operasi morphology untuk menghitung luas pupil, selanjutnya menggunakan metode moment untuk menentukkan koordinat titik pusat pupil. Hasil uji coba menentukan titik pusat pupil ditunjukkan pada Gambar 3.1. Tahap selanjutnya adalah memetakan tepi citra menggunakan transformasi nonseparable wavelet, selanjutnya hasil transformasi dilakukan proses hysterisis thresholding menggunakan dua nilai threshold T 1 dan T 2 untuk menghasilkan tepi citra yang diinginkan. Hasil pementaan tepi citra iris mata ditujukkan pada Gambar 3.2.

5 (a) (b) Gambar 3.1 Citra hasil penentuan titik pusat pupil. (a) mata kiri, (b) mata kanan Tabel. 3.1 Uji Coba Deteksi titik pusat Pupil Mata. No Sampel Koordinat X Koordinat Y Luas Pupil Titik pusat (Piksel) (X c, Y c ) (156, 116) (160, 130) (130, 140) (177, 146) (156, 147) (165, 152) Gambar 3.2 citra hasil pemetaan tepi dengan objek iris mata kanan dan kiri Hasil citra segmentasi dengan mendeteksi batasan luar dan dalam dari iris mata, seperti pada gambar 3.3. Gambar 3.3 Citra hasil segmentasi.

6 Tabel 3.2. Hasil Pengujian Akurasi Segmentasi Iris Mata. Nomor sampel Akurasi Hasil Segmentasi (%) Diskusi Dalam proses segmentasi iris mata, pengembangan penelitian yang diharapkan adalah pengembangan metode yang mampu menentukan radius iris mata yang optimal. Juga diperlukan metode yang handal untuk mengatasi pengaruh noise seperti pemakaian kacamata, blurring dan pengambilan sampel citra dalam ukuran yang berbeda. 5. Kesimpulan Tingkat akurasi segmentasi iris mata sangat dipengaruhi oleh ketepatan sistem dalam menentukan titik pusat pupil. Semakin tepat posisi titik pusat hasil segmentasi semakin akurat. Dari hasil uji coba hasil segmentasi akurasi untuk seluruh sampel menghasilkan rata rata akurasi 98.4 % dengan rata rata kesalahan 1.6 % Daftar Pustaka Chen.Y., Adjouadi. M., Han.C., Wang.J., Barreto.A., Rishe. N., dan Andrian.J, (2009), A Highly Accurate And Computationally Efficient Approach For Unconstrained Iris Segmentation, Image And Vision Computing, (Inpress). Daugman., J.( 2002), How iris recognition works. IEEE Transactions On Circuits And Systems For Video Technology, Vol. 14, No. 1. Darma Putra IKG,(2009), Sistem Biometrika Konsep Dasar, Teknik Analisa Citra, dan Tahapan Membangun Aplikasi Sistem Biometrika, Andi Offset. Gonzalez, R.C., Woods, R.E(2008), Digital Image Processing, Third Edition, Prentice Hall, New Jersey Inverso.S.,Gaborski.R.S. (2002), Ellipse Detection Using Randomized Hough Transform, Introduction to computer Vision Jie W., Xinge Y., Yuan Y., Yiu-ming C.,(2008), Palmprint Identification Based on Non-separable Wavelet Filter Banks, , IEEE

7 Jing.H., Xinge.Y., YuanY.T., LiangDu, Yuan Y.,(2009), A novel iris segmentation using radial-suppression edge detection, Signal Processing Kong.W.K., Zhang.D. (2001). Accurate iris segmentation based on novel reflection and eyelash detection model. Proceedings of 2001 International Symposium on Intelligent Multimedia, Video and Speech Processing, Hong Kong Labati, R.D., Scotti, F., (2009), Noisy Iris Segmentation With Boundary Regularization And Reflections Removal, Image And Vision Computing, (Inpress). Li,P., Liu,X., Xiao.L., dan Song.Q, (2009), Robust And Accurate Iris Segmentation In Very Noisy Iris Images, Image And Vision Computing, (inpress). Li.P., Liu.X,(2008), An Incremental Method for Accurate Iris Segmentation School of Computer Science and Technology,China Libor Masek (2003), Biometric Identification System Based on Iris Patterns. The School of Computer Science and Software Engineering, The University of Western Australia. McLaughlin.R.A.,(1998), Randomized Hough Transform: Improved ellipse detection with comparison, Pattern Recognition Letters 19, Matnoni D., Maio D., Jain A.K., Prabhakar S.,( 2003), Handbook of fingerprint recognition, Springer-verlag Wanpeng. C., Rensheng.C.,Dong.Y,(2008), An illumination-independent edge detection and fuzzy enhancement algorithm based on wavelet transform for nonuniform weak illumination images, Pattern Recognition Letters 29, Xu,L.,Oja,E. (2009), Randomized Hough transform,ecyclopedia of artificial intelligence,igi Global. Xu, G.Z., Zhang,Z.F., Ma, Y.D. (2006), Automatic Iris Segmentation Based On Local Areas, in: 18th International Conference on Pattern Recognition, vol. 4, pp Zhenyu He., Xinge Y., YuanY.,(2009), Texture image retrieval based on non-tensor product wavelet filter banks, Signal Processing 89, Ziet,L.,Farid.D.,Ilhem,H.,(2006), An effective iris identification system using segmentation and hough transform, Asian jurnal of Information technology 5(9): Ziauddin,S., Matthew N., Dailey, Iris Recognition Performance Enhancement Using Weighted Majority Voting, Computer Science And Information Management Asian Institute Of Technology,Thailand

SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH ABSTRAK

SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH ABSTRAK SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH * I Putu Putra Astawa, Agus Zainal Arifin, Bilqis Amaliah Program Magister Teknik Informatika, Institut

Lebih terperinci

PENERAPAN METODE DETEKSI BULUMATA UNTUK PENINGKATAN AKURASI PENGENALAN PERSONAL BERBASIS CITRA IRIS

PENERAPAN METODE DETEKSI BULUMATA UNTUK PENINGKATAN AKURASI PENGENALAN PERSONAL BERBASIS CITRA IRIS PENERAPAN METODE DETEKSI BUUMATA UNTUK PENINGKATAN AKURASI PENGENAAN PERSONA BERBASIS CITRA IRIS Andi Patombongi*, Rully Soelaiman ** Program Pasca Sarjana Jurusan Teknik Informatika Fakultas Teknologi

Lebih terperinci

Identifikasi Lokasi Iris Mata Berbasis Tranformasi Hough dan Deteksi Tepi Canny

Identifikasi Lokasi Iris Mata Berbasis Tranformasi Hough dan Deteksi Tepi Canny EKSPLORA INFORMATIKA 81 Identifikasi Lokasi Iris Mata Berbasis Tranformasi Hough dan Deteksi Tepi Canny I Putu Putra Astawa, Ida Ayu Putu Febri Imawati STMIK DENPASAR Putuputraastawa@gmail.com Abstrak

Lebih terperinci

SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si

SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono

Lebih terperinci

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram

Modifikasi 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 terperinci

SEGMENTASI IRIS MATA DENGAN MENGGUNAKAN TRANSFORMASI HOUGH

SEGMENTASI IRIS MATA DENGAN MENGGUNAKAN TRANSFORMASI HOUGH SEGMENTASI IRIS MATA DENGAN MENGGUNAKAN TRANSFORMASI HOUGH Yanuangga G.H.L 1, YulianaMelita, M.Kom 2 MahasiswaPascaSarjanaTeknologiInformatika 1 Dosen Teknologi Informatika 2 STTS Surabaya e-mail: 1 yanuangga_id@yahoo.com,

Lebih terperinci

Bulu mata. Generalisasi= Jumlah pola dikenali dengan benar x 100% Jumlah total pola

Bulu mata. Generalisasi= Jumlah pola dikenali dengan benar x 100% Jumlah total pola Generalisasi Hasil penelitian ini diukur menggunakan nilai konvergen dan generalisasi. Nilai konvergen adalah tingkat kecepatan jaringan untuk mempelajari pola input yang dinyatakan dalam satuan iterasi

Lebih terperinci

Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough

Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough Okta Silvia M 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. H.R.

Lebih terperinci

PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA

PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226

Lebih terperinci

SEGMENTASI 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 ) 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 terperinci

JUDUL THRESHOLDING DENGAN PEMILIHAN WINDOW SECARA ADAPTIVE BERBASIS PENGUKURAN TINGKAT KETAJAMAN CITRA

JUDUL THRESHOLDING DENGAN PEMILIHAN WINDOW SECARA ADAPTIVE BERBASIS PENGUKURAN TINGKAT KETAJAMAN CITRA PRESENTASI TESIS JUDUL THRESHOLDING DENGAN PEMILIHAN WINDOW SECARA ADAPTIVE BERBASIS PENGUKURAN TINGKAT KETAJAMAN CITRA OLEH I Made Darma Susila 5108.201.014 PEMBIMBING Dr. Agus Zainal, SKom., M.Kom. Isye

Lebih terperinci

FAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016

FAKULTAS 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 terperinci

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040

Lebih terperinci

1. BAB I PENDAHULUAN Latar Belakang

1. BAB I PENDAHULUAN Latar Belakang 1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54 Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)

Implementasi 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 terperinci

APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA

APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan

Lebih terperinci

Gambar 15 Contoh pembagian citra di dalam sistem segmentasi.

Gambar 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 terperinci

Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson

Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai

Lebih terperinci

Deteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna

Deteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna F7 bentuk [5]. Pendekatan berbasis bentuk bibir menggunakan Deteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna Shinta Puspasari, STMIK lobal Informatika MDP Abstrak Metode yang

Lebih terperinci

SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina)

SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina) PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina) Penyusun Tugas Akhir : Diandra

Lebih terperinci

Least Square Estimation

Least Square Estimation Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan

Lebih terperinci

Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation

Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation th Seminar on Intelligent Technology and Its Applications, SITIA 00 ISSN: 087-33X Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation Cahyo Darujati,3 Rahmat Syam,3 Mochamad Hariadi

Lebih terperinci

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen

Lebih terperinci

PERBAIKAN KUALITAS CITRA IRIS MATA UNTUK PENGENALAN POLA (BIOMETRIC) RINGKASAN

PERBAIKAN KUALITAS CITRA IRIS MATA UNTUK PENGENALAN POLA (BIOMETRIC) RINGKASAN PERBAIKAN KUALITAS CITRA IRIS MATA UNTUK PENGENALAN POLA (BIOMETRIC) Dadang Heksaputra, Dhina Puspasari Wijaya, Sri Nilawati Jurusan Farmasi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas

Lebih terperinci

PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA

PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat

Lebih terperinci

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang

Lebih terperinci

BAB VI KESIMPULA dan SARA

BAB VI KESIMPULA dan SARA BAB VI KESIMPULA dan SARA 6. Kesimpulan dan Saran Pada bab ini dijelaskan mengenai kesimpulan yang didapat setelah melakukan serangkaian uji coba. Dalam bab ini pula dijelaskan mengenai saran pengembangan

Lebih terperinci

IMPLEMENTASI 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 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 terperinci

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel 1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut

Lebih terperinci

PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE

PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba

Lebih terperinci

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,

Lebih terperinci

PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)

PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik

Lebih terperinci

Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik

Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik JURNAL ILMIAH SEMESTA TEKNIKA Vol. 17, No. 2, 157-165, Nov 2014 157 Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik (Software Design for Feature Extraction and Classification

Lebih terperinci

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran

Lebih terperinci

Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM

Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley

Lebih terperinci

SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL

SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan

Lebih terperinci

Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram

Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,

Lebih terperinci

Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login

Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari

Lebih terperinci

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi

Lebih terperinci

SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET

SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET Seminar Nasional Aplikasi Teknologi Informasi 27 (SNATI 27) ISSN: 197-522 Yogyakarta, 16 Juni 27 SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET Maimunah 1), Agus Harjoko 2)

Lebih terperinci

Implementasi 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 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 terperinci

BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC

BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia memiliki kemampuan visual dalam satu sistem yang utuh. Sistem visual manusiatersebut terdiri atas gabungan dari proses perekaman dan pendeteksian obyek. Oleh

Lebih terperinci

PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU

PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU Oleh: Amilia Khoiro Masruri 1210 100 029 Dosen Pembimbing: Dr. Budi Setiyono, S.Si, MT JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM

DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University

Lebih terperinci

PENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA ABSTRAK

PENERAPAN 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 terperinci

1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas

1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda

Lebih terperinci

PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION

PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University

Lebih terperinci

corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I

corak 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 terperinci

Arga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT

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 terperinci

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital 4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital

Lebih terperinci

PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS

PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS 081401039 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI

Lebih terperinci

Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT)

Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT) Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT) Dwi Puspitasari 1 *, Handayani Tjandrasa 2 Jurusan Teknik Elektro,

Lebih terperinci

Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor

Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor 1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Lebih terperinci

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas

Lebih terperinci

Muhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe

Muhammad 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 terperinci

PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL

PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL MAKALAH SEMINAR TUGAS AKHIR PERIODE JUNI-JULI PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL Ana Wahyu Hakim 1, Handayani Tjandrasa 2, Bilqis Amalia 3 Teknik Informatika, Fakultas Teknologi

Lebih terperinci

PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI

PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp

Lebih terperinci

KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER

KLASIFIKASI 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 terperinci

PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA

PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)

Lebih terperinci

Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan

Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,

Lebih terperinci

Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts

Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts JURNAL DIGIT, Vol.1, No., November 011, pp. 13~131 ISSN: 088-589X 13 Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts Marsani Asfi Program Studi Sistem Informasi Sekolah

Lebih terperinci

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

Segmentasi 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 terperinci

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset

Lebih terperinci

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

PEMANFAATAAN 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 terperinci

PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL

PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.

Lebih terperinci

Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference

Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference Putu Desiana Wulaning

Lebih terperinci

IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK

IDENTIFIKASI 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 terperinci

SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK

SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta

Lebih terperinci

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.

Lebih terperinci

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad

Lebih terperinci

LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto

LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi

Lebih terperinci

BAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara

BAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mengontrol akses menuju suatu wilayah atau material yang dilindungi, dibutuhkan teknik pengenalan individu yang handal. Seiring dengan perkembangan zaman dan

Lebih terperinci

Image Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010

Image Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010 Image Processing Nana Ramadijanti Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010 Referensi 1. Rafael C. Gonzales E.Woods, Digital Image Processing,2 nd Edition,Prentice Hall,2001 2. Wanasanan Thongsongkrit,

Lebih terperinci

Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching

Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Ima Kurniastuti 1, Tri Deviasari Wulan 1, I Ketut Eddy Purnama 2, Mauridhi Hery Purnomo 2, Margareta Rinastiti 3, Fatmala Agustina 1 1 Sistem

Lebih terperinci

Karakteristik Spesifikasi

Karakteristik Spesifikasi Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling

Lebih terperinci

YOGI WARDANA NRP

YOGI WARDANA NRP PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN

Lebih terperinci

Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra

Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah

Lebih terperinci

Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)

Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur

Lebih terperinci

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,

Lebih terperinci

APLIKASI PENGENALAN SELAPUT PELANGI (IRIS) MENGGUNAKAN TRANSFORMASI HAAR WAVELET

APLIKASI PENGENALAN SELAPUT PELANGI (IRIS) MENGGUNAKAN TRANSFORMASI HAAR WAVELET APLIKASI PENGENALAN SELAPUT PELANGI (IRIS) MENGGUNAKAN TRANSFORMASI HAAR WAVELET I Gede Arta Wibawa Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam,

Lebih terperinci

Review Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis

Review 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 terperinci

DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK

DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh

Lebih terperinci

Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya

Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika

Lebih terperinci

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG

SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi

Lebih terperinci

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,

Lebih terperinci

FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA

FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam

Lebih terperinci

WATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL

WATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection

Rancang 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 terperinci

PENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE

PENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE PENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE Ronald Ommy Y 1), Achmad Rizal, ST., MT 2), M. Ary Murti, ST., MT 3) Departemen Teknik Telekomunikasi,

Lebih terperinci

CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET

CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu

Lebih terperinci

SYSTEM 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) 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 terperinci

BAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi

BAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para

Lebih terperinci