PERBANDINGAN PERFORMANCE IMAGE MATCHING MENGGUNAKAN KESAMAAN LANGSUNG DAN KESAMAAN SETELAH SEGMENTASI
|
|
- Teguh Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar asional Ilmu Komputer dan eknologi Informasi 003 PERBADIGA PERFORMACE IMAGE MACHIG MEGGUAKA KESAMAA LAGSUG DA KESAMAA SEELAH SEGMEASI AA RAMADIJAI, ACHMAD BASUKI Jurusan eknologi Informasi Lab Image Processing Politeknik Eletronika egeri Surabaya IS Institut eknologi Sepuluh opember Surabaya Kampus PES-IS, Keputih, Sukolilo, Surabaya 60, Indonesia nana@eepis-its.ed basuki@eepis-its.edu ABSRAK Salah satu tahapan yang harus dilalui pada sistem image retrieval adalah proses matching diantara citra query dengan citra pada database. Metode matching yang digunakan pada proses image retrieval dapat menpengaruhi hasil citra yang akan ditampilkan dalam hal kemiripannya dengan citra query. Pada paper ini metode matching yang akan dibandingkan dan diamati hasilnya adalah metode matching berdasarkan perhitungan kesamaan langsung dan matching yang didahului segmentasi citra thresholding pada citra gray level query dengan citra gray level database. ilai kemiripan diantara citra query dengan citra database dihitung dari ratarata selisih dari citra query dengan citra databse terhadap nilai. Dari data sample citra berjumlah 0 diantara bermacam-macam kelas citra yang ada didapatkan bahwa kedua metode matching langsung dan matching dengan segmentasi dapat menghasilkan nilai kemiripan citra query dengan citra database 00% pada citra yang persis sama. Sedangkan pada citra yang mirip dengan citra query diharapkan metode matching yang didahului proses segmentasi biner dapat memberikan hasil yang lebih baik dibandingkan metode matching berdasarkan pengukuran kesamaan secara langsung. Kata Kunci : citra query, citra database, matching dengan kesamaan langsung, matching segmentasi, nilai kemiripan. PEDAHULUA Pada bidang komputer vision, teknik matching menjadi salah satu metode yang digunakan pada banyak aplikasi di bidang pattern recognition, dan yang lebih luas lagi di bidang content based image retrieval untuk menampilkan citra yang mirip dengan citra query, yang kemudian digunakan untuk pencarian data berbasis image. Proses matching dilakukan untuk mencari ada tidaknya ciri suatu obyek citra query pada citra database. Metode matching yang baik mempunyai nilai kemiripan yang tinggi untuk citra yang query yang mirip dengan citra database dan nilai kemiripan yang kecil untuk citra query yang berbeda dengan citra database. Metode untuk mendapatkan nilai similarity yang sesuai dengan kemiripan citra berdasarkan kelasnya merupakan permasalahan tersendiri, yang membutuhkan perbandingan beberapa metode matching yang terbaik. Metode matching langsung dan metode matching dengan segmentasi adalah metode matching yang banyak digunakan pada system pencocokan pola, untuk mendapatkan hasil yang baik pada proses berikutnya, nilai similarity dari dua metode matching ini akan dibandingkan pada beberapa kelas citra yang terdapat pada citra database.. DEEKSI DA PECOCOKA CIRA Plate matching, adalah salah satu metode dasar deteksi dan pencocokan citra. Metode ini membandingkan obyek pada plate dengan unknown obyek pada suatu citra dan memperhatikan bahwa obyeknya adalah obyek yang sama dengan yang ada di plate. Penggunaan proses plate matching, plate discaning pada citra
2 Seminar asional Ilmu Komputer dan eknologi Informasi 003 target dan diukur derajat kemiripannya sesudah posisinya digeser. Kemiripan didefinisikan sebagai nilai hubungan R(v). Misalkan ukuran plate adalah x dan ukuran citra target adalah M xm. F(i, adalah nilai gray level citra pada titik (i, yang discaning. (k,l) adalah nilai gray level plate pada titik (k,l). Dan hubungan (correlation) diantara semuanya adalah : R ( u, v ) = i = j = i = j = ( u, v ) F ( i + u, j + v ) ( i, j ) F ( i + u, j + v ) i = j = Ekspresi persamaan R(v) dalam matrik: R( v) = F F v v ilai terbesar dari correlasi adalah, yang muncul hanya selama pencocokan diantara plate dan citra target persis sama. Pada kenyataannya, nilai correlasi biasanya kurang dari karena noise pada citra dan pengaruh perubahan obyek plate atau rotasi. R(v) adalah nilai yang terbesar hanya pada Algoritma MAD : kasus yang paling besar kemiripannya diantara citra obyek dengan citra plate. Dua jenis metode perhitungan ketidaksamaan yaitu algoritma mean square distortion (MSD) dan algoritma mean absolution distortion (MAD). Algoritma MSD : ( ) [ ( ) ( ] u v = F i + j + v i, j D s, ) i= j= Perbedaan pada hasil perhitungan ketika obyek sub citra dicocokkan dengan plate, dari nilai R(v) dan Da(v) atau Ds(v). R(v) adalah nilai terbesar, Da(v) dan Ds(v) adalah nilai terkecil. Algoritma MSD dan MAD menyatakan perbedaan diantara sub- citra dengan plate, karena it dia menjadi minimum.. Jika D a (v) lebih kecil dari nilai threshold pada posisi (v) = La. Apabila nilai threshold La dapat dinyatakan menurut hasil sebenarnya, idealnya D a, ( v) = F( i + j + v) ( i pencocokan yang cepat diberikan. Ketika nilai ketidakcocokan lebih besar dibanding La selama proses akumulasi titik diantara sub citra dan plate, perhitungan dihentikan dan mulai pada scaning citra posisi berikutnya. Dan metode ini disebut serangkaian algoritma deteksi kemiripan (sequence similar detection algorithm).
3 Seminar asional Ilmu Komputer dan eknologi Informasi PROSES MACHIG LAGSUG Pada pencocokan langsung ini, akan dikerjakan dengan tahapan :. Masukan adalah citra query yang akan dicari kemiripannya diantara sekumpulan database citra. Citra query diwakili dengan F(i,, Ukuran citra query nx * ny.. Proses berikutnya citra query berwarna kita konversi dahulu ke dalam citra gray level 3. ahap berikutnya citra gray level dirubah lagi ke dalam bentuk citra biner, dengan alasan penyederhanaan proses komputasi. Proses binarisasi dilakukan dengan global threshold dari citra If F(i, h then FB(i, = If F(i, < h then FB(i, = 0 4. Setelah mendapatkan matrik citra biner dari citra query, kita ulangi lagi langkah nomer dan 3 pada masing-masing citra database. Citra database ini di wakili dengan (i, If (i, h then B(i, = If (i, < h then B(i, = 0 5. Hitung nilai perbedaan diantara dua citra citra query dan satu citra pada database menggunakan MAD. Semakin mirip citra database dengan citra query maka nilai perbedaannya akan kecil atau minimal Beda = FB( i + j + v) B( i, 6. Dari nilai perbedaan selanjutnya dihitung nilai kesamaannya (similaritynya) dengan mengurangkan dengan (nilai kesamaan yang maksimum) ( Beda ) Similarity = nx * ny 7. Ulangi pada keseluruhan citra database proses nomer 4 sampai dengan nomer PROSES MACHIG SEGMEASI Pada pencocokan langsung ini, akan dikerjakan dengan tahapan :. Masukan adalah citra query yang akan dicari kemiripannya diantara sekumpulan database citra. Citra query diwakili dengan F(i,. Proses berikutnya citra query berwarna kita konversi dahulu ke dalam ( citra gray level Beda ) Similarity = nx * ny 3. Lakukan proses segmentasi dengan membagi lebar dan tinggi citra query dengan, sehingga area citra yang akan dibandingkan menjadi lebih besar mx = nx dan my = ny 4. ilai area citra per delapanan ini diwakili dengan nilai rata-rata gray level dari seluruh area perdelapanan ini FMean(n,n) = i= j= F( i, n* n 5. ahap berikutnya citra gray level yang sudah disegmentasi per delapanan area dirubah lagi ke dalam bentuk citra biner, dengan alasan untuk penyederhanaan proses komputasi. Proses binarisasi dilakukan dengan global threshold dari citra If FMean(i, h then FB(i,= If FMean(i,<h then FB(i,= 0 6. Setelah mendapatkan matrik citra biner dari citra query, kita ulangi lagi langkah nomer dan 3 pada masing-masing citra database. Citra database ini di wakili dengan (i, ( i, i= j= Mean(n,n) = n* n If Mean(i, h then B(i,= If Mean(i,<h then B(i,= 0 7. Hitung nilai perbedaan diantara dua citra citra query dan satu citra pada database menggunakan MAD. Semakin mirip citra database dengan citra query maka nilai perbedaannya akan kecil atau minimal Beda = FB( i + j + v) B( i,. Dari nilai perbedaan selanjutnya dihitung nilai kesamaannya (similaritynya) dengan mengurangkan dengan (nilai kesamaan yang maksimum) 9. Ulangi pada keseluruhan citra database proses nomer 6 sampai dengan nomer.
4 Seminar asional Ilmu Komputer dan eknologi Informasi HASIL PERCOBAA Data citra yang digunakan pada percobaan ini adalah sejumlah 0 citra non texture dan 00 citra texture. Pengamatan dilakukan dari citra sejenis, citra yang beragam, dari masing-masing metode matching berdasarkan kesamaan langsung dan metode matching setelah dilakukan proses segmentasi baru dihitung kesamaan. Perhatikan gambar sampai dengan gambar 4 sebagai contoh hasil yang didapatkan. Gambar. a) Citra Asli b) Citra Biner Hasil Matching - Hasil Retrieve Citra Dengan Metode Matching Langsung ( Citra bertanda adalah Citra Query, dan ilai yang ditampilkan adalah nilai kemiripan - similarity Citra database menggunakan citra yang mirip dengan citra query) Gambar. a) Citra Asli b) Citra Biner Hasil Retrieve Citra Dengan Metode Matching Segmentasi ( Citra bertanda adalah Citra Query, dan ilai yang ditampilkan adalah nilai kemiripan - similarity Citra database menggunakan citra mirip dengan citra query)
5 Seminar asional Ilmu Komputer dan eknologi Informasi 003 Gambar 3. a) Citra Asli b) Citra Biner Hasil Retrieve Citra Dengan Metode Matching Langsung ( Citra bertanda adalah Citra Query, dan ilai yang ditampilkan adalah nilai kemiripan - similarity Citra database dan citra query menggunakan citra texture) Gambar 4. a) Citra Asli b) Citra Biner Hasil Retrieve Citra Dengan Metode Matching Segmentasi ( Citra bertanda adalah Citra Query, dan ilai yang ditampilkan adalah nilai kemiripan - similarity Citra database dan citra query menggunakan citra texture) 5. KESIMPULA Berdasarkan hasil percobaan pada beberapa citra non tekstur dan citra tekstur dapat disimpulkan sebagai berikut : Metode matching langsung maupun matching didahului segmentasi dapat mengenali citra query dengan nilai similarity. idak terdapat perbedaan yang signifikan pada perbandingan hasil nilai similaritynya baik matching langsung maupun matching dengan didahului proses segmentasi. Penggunaan citra biner dapat menyederhanakan proses komputasi pada saat matching. Lebih sederhana lagi pada saat citra biner yang terbentuk didahului proses segmentasi. 6. DAFAR PUSAKA []Gonzales, Digital Image Processing,Addison Wesley Publishing Company,993 [] G.J. Awcock and R.homas, Applied Image Processing, MacGraw-Hill 996 [3] John Eakins,Margaret Graham, Contentbased Image Retrieval : A Report to the JISC echnology Applications Program l, University of orthumbria at ewcastle,october 999 [4] J.R. Parker, Algorithms For Image Processing and Computer Vision, Wiley Computer Publishing,997 [5] Luo Qiang,Ren Qingli, Luo Li, Luo Jingti, Genetic Algorithm Used on the Image Detecting and Matching,Xidian University [6] ueries.htm: database citra non tekstur [7] database brodatz citra texture
Deteksi dan Menghitung Jumlah Obyek Gambar Menggunakan Simulated Annealing
Deteksi dan Menghitung Jumlah Obyek Gambar Menggunakan Simulated Annealing Nana Ramadijanti, Achmad Basuki, Miftahul Huda Politeknik Elektronika Negri Surabaya E-mail: {nana,basuki,huda}@eepis-its.edu
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 terperinciKata kunci : Pemilihan gambar, Pencocokan Graph
ALGORITMA PENCOCOKAN OBJEK GEOMETRI CITRA BERBASIS GRAPH UNTUK PEMILIHAN KEMBALI (RETRIEVAL) Yureska Angelia 867 Email : angelia.yureska@gmail.com Bidang Studi Telekomunikasi Multimedia Jurusan Teknik
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciSISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG * Iman Sapuguh, Daniel O Siahaan, dan Chastine Fatichah Program Magister Teknik
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 terperinciKlasifikasi Daun Dengan Centroid Linked Clustering Berdasarkan Fitur Bentuk Tepi Daun
Klasifikasi Daun Dengan Centroid Linked Clustering Berdasarkan Fitur Bentuk Tepi Daun Febri Liantoni 1, Nana Ramadijanti, Nur Rosyid Mubtada i 3 Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciCONTENT 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 terperinciPENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Dewi Wulansari, S.ST 1, Entin Martiana K, M.Kom 2, Nana Ramadijanti,
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih terperinciMETODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN
METODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN Febriliyan Samopa Program Studi Sistem Informasi, Fakultas Teknologi
Lebih terperinciIMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciKOMBINASI 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 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 terperinciSISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA
SISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA Nana Ramadijanti, Achmad Basuki Politeknik Eletronika Negeri Surabaa, Institut Teknologi Sepuluh Nopember Surabaa Kampus PENS-ITS, Keputih, Sukolilo, Surabaa
Lebih terperinciPengenalan 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 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 terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 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 terperinciTEKNIK PENGOLAHAN CITRA DIGITAL TPE 418
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418 OLEH: Dr. ANDASURYANI, S.TP, M.Si PROGRAM STUDI TEKNIK PERTANIAN JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif
Lebih terperinciALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR
Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciTIP 243 Computer Vision. 3 SKS Semester 5 and up Prasyarat disarankan: Pengolahan Citra Digital Dosen: Aditya Wikan Mahastama
TIP 243 Computer Vision 3 SKS Semester 5 and up Prasyarat disarankan: Pengolahan Citra Digital Dosen: Aditya Wikan Mahastama Computer Vision Mata kuliah ini bersifat 'inspiring subject' yang memperkenalkan
Lebih terperinciAPLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE
APLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE 1 Rudy Adipranata 2 Fauzi Josephine Desiree 3 Andreas Handojo 1, 2, 3 Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP. Rosida Vivin Nahari 1*, Riza Alfita 2 2 1,2
Simposium Nasional Teknologi Terapan (SNTT) 5 017 ISSN:339-08X ESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP Rosida Vivin Nahari 1*, Riza Alfita 1, Fakultas Teknik, Universitas Trunojoyo
Lebih terperinciPENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE
PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE Aeri Rachmad Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya
Lebih terperinciPENCARIAN 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 terperinciPERBANDINGAN 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 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 terperinciIMPLEMENTASI METODE MODIFIED HAUSDORFF DISTANCE DALAM MENILAI KEMIRIPAN CITRA. Andi Shahreza Harahap 1 Dini Sundani 2 Dewi Agushinta R 3.
IMPLEMENTASI METODE MODIFIED HAUSDORFF DISTANCE DALAM MENILAI KEMIRIPAN CITRA Andi Shahreza Harahap 1 Dini Sundani 2 Dewi Agushinta R 3 1, 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
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 terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciGambar 1.1 Tahapan Penelitian
BAB 1 PENDAHULUAN Latar Belakang Masalah Content Based Image Retrieval (CBIR) atau dikenal sebagai query dengan konten image dan pengambilan informasi visual berbasis konten merupakan penerapan teknik
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinciPencocokan Citra Berbasis Graph untuk Pengenalan dan Pemilihan Kembali (Retrieval) Oleh: Yureska Angelia ( )
Pencocokan Citra Berbasis Graph untuk Pengenalan dan Pemilihan Kembali (Retrieval) Oleh: Yureska Angelia (867) Dosen Pembimbing Dr. Ir. Wirawan, DEA Latar Belakang Teknik pemodelan struktur graph telah
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAHAN AJAR. Mata Kuliah Pengolahan Citra. Disusun oleh: Minarni, S. Si., MT
BAHAN AJAR Mata Kuliah Pengolahan Citra Disusun oleh: Minarni, S. Si., MT JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN
Lebih terperinciPENGENALAN 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 terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciSISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON
SISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON Nurissaidah Ulinnuha 1), Halimatus Sa dyah 2) Fakultas Sains dan Teknologi, Universitas
Lebih terperinciPengantar Mata Kuliah Pengolahan Citra
Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Pengantar Mata Kuliah Pengolahan Citra Content: 1. Tujuan mata kuliah Pengolahan Citra 2. Apa saja yang bisa dikerjakan dengan
Lebih terperinciSistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Integral Proyeksi
Sistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Sigit Wasista, Siwi Dian Priyanti Jurusan Teknik Elektronika Politeknik Elektronika Negeri Surabaya- Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM
1 CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM Venny Mar atul Jannah Ismail 1, Arip Mulyanto 2, Abd. Aziz Bouty 3 1 Mahasiswa
Lebih terperinciDeteksi 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 terperinciImplementasi 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 terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
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 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 terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinciALGORITMA PENGUKURAN KESAMAAN CITRA BERDASARKAN GRAPH MATCHING Engga Wisesa
ALGORITMA PENGUKURAN KESAMAAN CITRA BERDASARKAN GRAPH MATCHING Engga Wisesa 2208100613 Email : en994@yahoo.com Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciPENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING
PENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING Rendra Pranadipa 1, Vika Novitasari 2, Maya Kurniawati 3, Nurlia Puspitasari 4, Yana Bonita 5 Informatika,, Malang E-mail: 1 rendradipa19@gmail.com,
Lebih terperinciPENJEJAKAN POSISI BOLA PADA MODUL PHYCORE IMX31 MENGGUNAKAN EMBEDDED OPENCV
PENJEJAKAN POSISI BOLA PADA MODUL PHYCORE IMX31 MENGGUNAKAN EMBEDDED OPENCV Aditya Pratama 1, Bima Sena Bayu. D 2, Setiawardhana 2 1 Mahasiswa D4 Teknik Komputer, 2 Dosen Teknik Komputer Politeknik Elektronika
Lebih terperinciPENENTUAN THRESHOLD CITRA MULUT DENGAN METODE NORMAL PROBABILITY DENSITY FUNCTION (NPDF) GUNA MENDETEKSI MULUT PEMELAJAR
ISSN cetak 087-76 ISSN online 548-777 ILKOM Jurnal Ilmiah Volume Nomor Agustus 07 PENENTUAN THRESHOLD CITRA MULUT DENGAN METODE NORMAL PROBABILITY DENSITY FUNCTION (NPDF) GUNA MENDETEKSI MULUT PEMELAJAR
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciAnalisa 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 terperinciPENCARIAN 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 terperinciAnalisa dan Perancangan Sistem Deteksi Cacat Produksi
Analisa dan Perancangan Sistem Deteksi Cacat Produksi Arif Setiawan 1 Diterima : 7 Agustus 2012 disetujui : 6 November 2012 diterbitkan : 11 Desember 2012 ABSTRACT Has been developed analysis and design
Lebih terperinciPENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)
ISSN: 1693-6930 177 PENGENALAN WAJAH MANUSIA DENGAN MEODE PRINCIPLE COMPONEN ANALYSIS (PCA) Murinto Program Studi eknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus III UAD Jl Prof Dr. Supomo,
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciPerancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam
Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,
Lebih terperinciBAB 3 METODOLOGI. untuk mengurangi adanya false positive dan false negative. False positive dalam hal ini
34 BAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah Dalam proses diagnosis kanker payudara dibutuhkan akurasi yang tinggi untuk mengurangi adanya false positive dan false negative. False positive dalam
Lebih terperinciPemisahan 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 terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciPENGGUNAAN 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 terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciImage 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 terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciJurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE
ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,
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 terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinciSistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera
Sistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera Sandy Prayogi, Eru Puspi,ST, M.Kom, Ronny Susetyoko S.Si, M.Si # Jurusan Teknik Elektronika, Politeknik
Lebih terperinciAlgoritma Brute Force dalam Pattern Matching pada Aplikasi Pendeteksian Potongan Citra
Algoritma Brute Force dalam Pattern Matching pada Aplikasi Pendeteksian Potongan Citra Ananta Pandu Wicaksana 13510077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAbstrak. Kata Kunci : Citra, kerahasiaan, enkripsi, piksel citra
Abstrak ENKRIPSI GAMBAR MENGGUNAKAN ALGORITMA SECURE IMAGE PROTECTION Tri Hariyono Reiza Hafidz 1, Isbat Uzzin Nadhori 2, Nana Ramadijanti 2 Mahasiswa 1, Dosen 2 Politeknik Elektronika Negeri Surabaya
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 terperinciJURNAL PENGENALAN POLA KAKI O DAN KAKI X MENGGUNAKAN METODE BRAY-CURTIS DISTANCE
JURNAL PENGENALAN POLA KAKI O DAN KAKI X MENGGUNAKAN METODE BRAY-CURTIS DISTANCE Recognition pattern of foot o and foot x using method bray-curtis distance Oleh: FATHUL MU ARIF 12.1.03.02.0091 Dibimbing
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciPenjejakan Posisi Bola Pada Modul Phycore IMX31 Menggunakan Embedded OpenCV
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Penjejakan Posisi Bola Pada Modul Phycore IMX31 Menggunakan
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 II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciTemplate Matching pada Citra E-KTP Indonesia
Template Matching pada Citra E-KTP Indonesia Sugeng Widodo,M.Kom STIKI, sugen@stiki.ac.id Ir. Gunawan, M.Kom STTS, gunawan@stts.edu ABSTRAK Penelitian ini berisi tentang ekstrasi tulisan pada E-KTP Indonesia,
Lebih terperinciBAB 4 ANALISA HASIL SISTEM
BAB 4 ANALISA HASIL SISTEM 4.1. Umum Pada bab ini akan dilakukan mengenai pengujian terhadap prosentase kemiripan dari sistem aplikasi yang telah dirancang. lingkup uji coba sistem aplikasi ini adalah
Lebih terperinciAchmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005
Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinci