IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
|
|
- Suhendra Tan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN: IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat Banjarbaru twochandra@gmail.com BAB II TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN 2.1 Tinjauan Pustaka Penelitian yang dilakukan Supriadi pada tahun 2011 tentang pengenalan objek berupa simbol rambu-rambu lalu lintas secara real-time dengan algoritma Backpropagation pada Jaringan Syaraf Tiruan menggunakan webcam sebagai perangkat keras pengambil citra simbol rambu-rambu lalu lintas yang diujikan secara real-time. Untuk proses pelatihan jaringan syaraf tiruannya digunakan 10 kelas citra simbol rambu-rambu lalu lintas yang memiliki 10 variasi pada setiap kelasnya. Proses pelatihannya menggunakan traingdx yang sudah disediakan pada matlab. Jaringan syarafnya memiliki 10 neuron 1 output, 1 input wieght, 1 layer weight, dengan ferforma trainning sse, nilai goal 0,1, batas maksimal epochs sebanyak 5000 iteration dan menggunakan 2 bias vektor. Didalam pengujiannya citra diperoleh melalui perangkat webcam kemudian diolah dengan mengubah citra dari RGB ke Greyscale (abu-abu), Tresholding (biner 01), dengan segmentasi dengan cara memotong-motong gambar yang diproses menjadi beberapa bagian untuk kemudian diproses dengan metode Backpropagation untuk mentraining maupun menguji agar dapat mengenali simbol rambu-rambu lalu lintas. Hasil penelitian menunjukkan jaringan syaraf tiruan dengan algoritma Backpropagation menghasilkan tingkat akurasi untuk mengenali citra yang diambil menggunakan webcam secara real-time rata-rata sebesar 80% pada pengujian citra per kelas, dan 86,20% pada saat pengujian dengan bersamaan 9 objek sekaligus. Kemudian ada penelitian yang dilakukan oleh Sri Wahyono, Eko dan Ernastuti pada tahun 2010 yang mengunakan LVQ (Learning Vector Quantization). Penelitian ini bertujuan untuk mensimulasikan metode pengolahan citra untuk mengidentifikasi Identifikasi Rambu-Rambu Lalu Lintas Menggunakan Learning Vector Quantization (Ruliah)
2 2 ISSN: nomor polisi mobil guna menggantikan sistem manual yang dilakukan oleh manusia. Input berupa citra foto yang dihasilkan oleh kamera digital. Citra diproses melalui prapengolahan agar citra memiliki kualitas yang lebih baik dan lebih siap untuk pemrosesan ekstraksi ciri. Selanjutnya dilakukan proses pengenalan pola pada citra untuk mendapatkan ciri yang terdapat pada citra tersebut. Fitur-fitur yang diperoleh dari pengolahan citra berupa vektor yang merepresentasikan ciri karakteristik dari suatu huruf atau angka. Fitur ciri kemudian diuji untuk proses klasifikasi menggunakan Jaringan syaraf tiruan metode LVQ (Learning Vector Quantization). LVQ mengklasifikasikan vektor uji dengan cara mambandingkannya dengan bobot setiap kelas sehingga menghasilkan jarak. Jarak akan menentukan kelas dari ciri yang diuji. Penelitian ini hanya dilakukan pada nomor polisi mobil. Percobaan dilakukan dengan mengumpulkan data berupa foto nomor polisi. Dari data yang dikumpulkan kemudian dikelompokkan berdasarkan karakter huruf atau angka untuk dibuat template. Hasil percobaan menunjukkan keberhasilan sebesar 78% dari pola karakter yang dikenal dan yang tidak dikenal Disamping itu ada penelitian lain yang dilakukan Ratna Fitriani tahun 2011 mengenai penerapan algoritma LVQ (Learning Vector Quantization). Dalam penelitian ini menggunakan metode dalam mengenali citra tandatangan seseorang jika menggunakan 2 device yang berbeda serta alternative penggunaan simple preprocessing dengan tetap memperhatikan biaya komputasi, dan target akurasi identifikasi yang maksimal. Penelitian ini bertujuan untuk melakukan identifikasi tandatangan terhadap data yang diambil dari 2 device yang berbeda dan hasil identifikasi data uji dari tiap device yang digunakan akan dibandingkan untuk diketahui yang terbaik. Data citra tandatangan yang digunakan diambil menggunakan device scanner dan Kamera digital. Kedua Device diatur nilai resolusinya sehingga mempunyai ukuran resolusi yang sepadan. Setiap data dari masing-masing device akan melalui tahapan proses konversi ruang warna citra tandatangan menjadi grayscale, melakukan threshold sehingga data citra berada pada ruang warna hitam putih. Dan Learning Vector Quantization digunakan untuk melakukan identifikasi tandatangan. Hasil identifikasi adalah untuk mengenali tandatangan uji milik seseorang dan yang pernah dilatih dalam sistem. Sistem tidak melakukan verifikasi tandatangan tersebut palsu atau tidak. Hasil identifikasi data uji dari tiap device yang digunakan pada penelitian ini akan JUTISI Vol. 1, No. 1, April 2012 : 731 hlm_akhir
3 JUTISI ISSN: dibandingkan untuk diketahui yang terbaik. Hasil penelitian menunjukkan tingkat akurasi identifikasi dengan benar menggunakan tahapan pada penelitian ini terhadap citra data tandatangan local menggunakan 54 data uji dengan device scanner pada resolusi 457 dpi dan 1080 x 1920 pixel adalah %., sementara dengan device kamera digital pada resolusi 1080 x 1920 pixel adalah %. 2.2 Landasan Teori Pengolahan Citra Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optis berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Citra digital merupakan suatu larik dua-dimensi atau suatu matriks yang elemen-elemennya menyatakan tingkat keabuan setiap elemen gambar. Jadi informasi yang terkandung bersifat diskret. Citra digital tidak selalu merupakan hasil langsung data rekaman suatu objek. Kadang-kadang hasil rekaman data bersifat kontinyu seperti gambar pada monitor televisi analog, foto sinar-x, dan lain sebagainya. Dengan demikian untuk mendapatkan suatu citra digital dari citra analog diperlukan suatu proses konversi sehingga citra tersebut selanjutnya dapat diproses dengan komputer. Pengolahan Citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital merupakan barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit tertentu. Citra digital dapat diperoleh secara otomatis dari sistem penangkap citra membentuk suatu matriks yang elemen-elemennya menyatakan nilai intensitas cahaya atau tingkat keabuan setiap piksel. Citra f(x,y) disimpan dalam memori komputer (bingkai penyimpan citra/frame grabber) dalam bentuk larikan N x M cuplikan (sample) diskret dengan jarak yang sama sebagai berikut : Identifikasi rambu-rambu lalu lintas menggunakan metode LVQ (Ruliah)
4 4 ISSN: (2.1) Setiap citra diubah ke bentuk digital agar dapat disimpan dalam memori komputer atau media lain. Ketika suatu citra sudah diubah ke dalam bentuk digital (selanjutnya disebut citra digital), bermacam-macam proses pengolahan citra dapat dilakukan terhadap citra tersebut. Pengolahan citra merupakan pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih tinggi sesuai yang diinginkan. Data citra rambu-rambu lalu lintas pelatihan maupun pengujian diambil hanya pada area image rambu-rambu saja. Citra rambu-rambu tersebut berada pada sebuah ruang yang disebut bidang gambar / ruang lingkup citra (image space). Sebuah citra tersusun atas pixel-pixel yang memiliki nilai. Untuk citra abu-abu (gray scale), sebuah pixel memiliki nilai dari Warna pada Pengolahan Citra Cahaya tampak sering disebut dengan cahaya saja, merupakan sebagian kecil spektrum gelombang elektromagnetik yang memiliki rentang panjang gelombang antara 400 nm sampai dengan 700 nm. Pada spektrum cahaya tampak terdapat beberapa bagian cahaya dengan warna berbeda seperti merah, ungu dan lain sebagainya, dengan demikian warna merupakan fungsi panjang gelombang cahaya. Dapat juga didefinisikan bahwa warna suatu objek merupakan fungsi panjang gelombang cahaya yang dipantulkan oleh obyek yang bersangkutan ke mata manusia. Panjang gelombang pada kisaran cahaya tampak memiliki luminans dan saturasi (jumlah cahaya putih yang ditambahkan) dijaga tetap, sehingga seseorang yang memiliki penglihatan warna normal akan dapat membedakan kira-kira 128 warna. Persepsi warna dalam pengolahan citra tergantung pada tiga faktor, yaitu: spectral reflectance (menentukan bagaimana suatu permukaan memantulkan warna), spectral JUTISI Vol. 1, No. 1, April 2012 : 731 hlm_akhir
5 JUTISI ISSN: content (kandungan warna dari cahaya yang menyinari permukaan) dan spectral response (kemampuan merespon warna dari sensor dalam imaging system). Suatu warna tertentu dapat dihasilkan dari pencampuran warna primer. Gambar 1. menunjukkan sistem aditif yang memiliki tiga komponen warna primer, yaitu merah, hijau, dan biru. Dari gambar tampak bahwa pencampuran warna merah, hijau dan biru pada takaran yang tepat akan menghasilkan warna putih. Dua warna disebut komplementer jika kedua warna tersebut dicampur pada takaran yang tepat akan menghasilkan warna putih, sebagai contoh warna magenta dicampur dengan warna hijau pada takaran yang tepat akan menghasilkan warna putih. Oleh karena itu warna magenta merupakan 20 komplemen untuk warna hijau. Informasi dari suatu objek dapat diwakili oleh warna yang dipantulkan oleh objek yang bersangkutan ke mata.(1) Gambar 2.1. Pencampuran warna (a) aditif, dan (b) subtraktif [1] Tingkat pantulan warna suatu objek ke mata dinyatakan dengan luminans, kontras dan kecerahan. Luminans menyatakan banyaknya cahaya yang dipantulkan oleh permukaan obyek yang dinyatakan dalam satuan lilin per meter persegi, semakin besar luminans suatu obyek, maka rincian obyek yang dapat dilihat oleh mata semakin banyak. Kontras menyatakan hubungan antara cahaya yang dipantulkan oleh suatu obyek dengan cahaya dari latar belakang obyek tersebut. Kontras juga didefinisikan sebagai selisih antara luminans obyek dengan latar belakangnya dibagi dengan luminans latar belakangnya. Nilai kontras positif akan diperoleh jika cahaya yang dipancarkan oleh suatu obyek lebih besar dibanding yang dipancarkan latar belakangnya. Nilai kontras negatif dapat menyebabkan obyek yang sesungguhnya "terserap" oleh latar belakang, sehingga obyek menjadi tidak tampak. Kecerahan merupakan tanggapan Identifikasi rambu-rambu lalu lintas menggunakan metode LVQ (Ruliah)
6 6 ISSN: subjektif pada cahaya. Tidak ada arti khusus dari tingkat kecerahan seperti luminans dan kontras, tetapi luminans yang tinggi berimplikasi pada kecerahan yang tinggi pula. Citra disusun oleh sejumlah piksel yang membentuk matriks. Dengan demikian piksel merupakan komponen terkecil citra yang mengandung informasi (Arymurthy, 1992). Setiap piksel citra berwarna mengandung tiga komponen warna dasar yaitu komponen warna merah (red), komponen warna hijau (green), dan komponen warna biru (blue) yang sering disebut dengan komponen RGB. Atas dasar tersebut citra berwarna disusun oleh tiga buah matriks komponen warna, yaitu matriks komponen warna R, matriks komponen warna G, dan matriks komponen warna B untuk sistem ruang warna RGB. Ada beberapa sistem ruang warna yang diciptakan untuk keperluan tertentu atau diciptakan khusus untuk platform perangkat-keras tertentu, seperti yang didefinisikan oleh Burdick (1997) berikut : 1. Sistem ruang warna RGB diciptakan untuk menampilkan citra pada layar CRT yang memiliki tiga buah pospor warna yang akan menghasilkan tiga buah warna dasar, yaitu merah, hijau, dan biru. 2. Sistem ruang warna CMY (Cyan, Magenta, Yellow) diciptakan untuk keperluan mencetak citra berwarna (color printing). 3. Sistem ruang warna luminans-crominans yaitu YIQ dan LUV diciptakan untuk keperluan penyiaran televisi. 4. Sistem ruang warna HIS (hue, intensity, and saturation) merupakan sistem ruang warna yang banyak digunakan untuk pengolahan citra seni (artists) Sistem Ruang Warna RGB Sistem ruang warna RGB (Red Green Blue) merupakan sistem ruang warna dasar. diperkenalkan oleh National Television System Committee (NTSC) yang banyak digunakan untuk menampilkan citra berwarna pada monitor CRT (Jain, 1989). Sistem ini diilustrasikan menggunakan sistem koordinat tiga dimensi seperti Gambar 2.1. Pada Gambar 2.2. tampak bahwa setiap warna akan diwakili oleh tiga buah nilai dalam koordinat tersebut yang menyatakan komponen warna RGB, sebagai misal warna merah akan diwakili oleh titik (255,0,0). Rentang nilai untuk setiap sumbu berkisar dari 0 JUTISI Vol. 1, No. 1, April 2012 : 731 hlm_akhir
7 JUTISI ISSN: sampai 255. Pada gambar tersebut tampak juga bahwa warna cyan, magenta dan kuning merupakan komplemen warna merah, hijau, dan biru. Gambar Sistem ruang warna RGB NTSC (Burdick,1997)[1] Model warna RGB yang dapat dinyatakan dalam bentuk indeks warna RGB dengan cara menormalisasi setiap komponen warna dengan persamaan sebagai sebagai berikut : ( 2.2 ) Konversi Citra RGB ke Grayscale Untuk mengubah citra berwarna rgb ke warna keabu-abuan bisa menggunakan perintah berikut ini Contoh: gambar=imread('data1_1.jpg'); gray=rgb2gray(gambar); imshow(gambar) figure, imshow(gray) Identifikasi rambu-rambu lalu lintas menggunakan metode LVQ (Ruliah)
8 8 ISSN: Konversi Citra Ke Biner Binerisasi citra merupakan salah satu proses penting yang biasanya dilakukan dalam pemrosesan image, MATLAB menyediakan beberapa fungsi untuk melakukan proses ini. Sebagai contoh proses tersebut seperti pada langkah dibawah ini: gambar=imread('data1_1.jpg'); gray=rgb2gray(gambar); thresh=graythresh(gray); imbw=im2bw(gray,thresh); imshow(gambar) figure, imshow(imbw) Deteksi Tepi Seleksi objek biasanya selanjutnya dilakukan langkah deteksi tepi dalam proses pengolahan citra, di MATLAB proses pendeteksian tepi dilakukan dengan perintah/fungsi edge. Ada beberapa metode yang dapat dilakukan pada deteksi tepi menggunakana MATLAB yaitu metode sobel, prewitt, roberts, laplacian of gaussian, metode zero cross, dan Canny. Yang penting diperhatikan pada deteksi tepi bahwa hanya dapat dilakukan menggunakan citra grayscale atau citra 2-D. Contoh penggunaan metode deteksi tepi: I = imread('data1_1.jpg'); gray=rgb2gray(i); BW1 = edge(gray,'prewitt'); BW2 = edge(gray,'canny'); BW3 = edge(gray,'sobel'); BW4 = edge(gray,'roberts'); imshow(bw1); figure, imshow(bw2) figure, imshow(bw3) figure, imshow(bw4 JUTISI Vol. 1, No. 1, April 2012 : 731 hlm_akhir
9 JUTISI ISSN: Vector dan Ruang Citra Data citra pelatihan dan pengujian berada pada sebuah ruang yang disebut bidang gambar/ ruang lingkup citra (image space). Sebuah citra tersusun atas pixelpixel yang memiliki nilai. Setiap pixel citra dalam ruang warna RGB mengandung tiga komponen warna dasar yaitu komponen warna merah (red), komponen warna hijau (green), dan komponen warna biru (blue). Untuk citra dengan ukuran 8 bit per pixel, sebuah pixel memiliki nilai dari pada setiap komponen warnanya. Untuk proses pengolahan citra, sebuah citra hasil segmentasi yang memiliki ukuran lebar dan tinggi dinyatakan dengan (w x h = n). Dan untuk proses berikutnya notasi matrik dinyatakan dalam (b x k) dengan b adalah baris dan k kolom. Untuk proses pengolahan citra, data tersebut diubah bentuk menjadi sebuah VECTOR kolom (n x 1). Yaitu dengan meletakkan nilai kiri atas citra hasil segmentasi pada awal vector dan nilai kanan bawah citra rambu-rambu lalu lintas pada akhir vector Learning Vector Quantizationa (LVQ) LVQ (Learning Vector Quantization) adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektor vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut ke dalam kelas yang sama. Berikut ini adalah algoritma pelatihan jaringan LVQ jika diberikan (n) buah data dengan (m) buah variable input. Dan data tersebut dibagi dalam sebuah K kelas. 1. Tetapkan: a) Bobot awal variable input ke-j menuju ke kelas ke i yaitu W ij, dengan i = 1,2,.., K dan J = 1,2,., m. b) Maksimum epoh = Maxepoh. c) Parameter learning rate = α. d) Pengurungan learning rate = Dec α. e) Minimal learning rate yang diperbolehkan = Min α. Identifikasi rambu-rambu lalu lintas menggunakan metode LVQ (Ruliah)
10 10 ISSN: Masukkan: a) Data input X ij dengan i = 1,2,,n dan j = 1,2,.., m. b) Target berupa kelas, yaitu T k dengan k = 1, 2,..,n. 3. Tetapkan kondisi awal epoh, yaitu epoh=0 4. Kerjakan jika (epoh < Maxepoh) dan (α > Min α) a) Epoh =epoh+1 b) Kerjakan untuk i = 1 sampai n - Tentukan J sedemikian sehingga X i - W j minimum dengan j= 1, 2,, K. - Perbaiki W j dengan ketentuan: Jika T = C j maka W j + α ( X j W j ) Jika T C j maka W j + α ( X j W j ) c) Setelah nilai α (pengurangan nilai α bisa dilakukan dengan α = α- Dec α atau dengan cara α = α*dec α) Setelah dilakukan pelatihan akan diperoleh bobot-bobot akhir. Bobot-bobot inilah yang nantinya akan digunakan untuk melakukan pengujian atau simulasi dengan data yang berbeda (tidak sama dengan data yang digunakan untuk pelatihan). Adapun Algoritma Pengujian LVQ sebagai berikut : 1. Masukkan data yang akan di uji, misalnya X ij dengan i = 1, 2,, np dan j = 1, 2,, m. 2. Kerjakan untuk i = 1 sampai np a) Tentukan J sedemikina sehingga X i - W j minimum dengan j= 1, 2,, K. b) J adalah kelas untuk X i JUTISI Vol. 1, No. 1, April 2012 : 731 hlm_akhir
11 JUTISI ISSN: Kerangka Pemikiran Gambar Kerangka Pemikiran Penelitian References Fitriani, R. (2011). Identifikasi Tanda Tangan Berbasis Jaringan Syaraf Tiruan Dengan Metode Learning Vector Quantization Pada Dua Device Yang Berbeda. Program Pasca Sarjana Magister Teknik Informatika UDINUS Semarang. Indrawan, F. (2010). Aplikasi Pengenalan Pola Daun Menggunakan Jaringan Syaraf Learning Vector Quantization Untuk Penentuan Tanaman Obat. Seminar Nasional Informatika 2010 (semnasif 2010) UPN "Veteran" Yogyakarta. Yogyakarta. Identifikasi rambu-rambu lalu lintas menggunakan metode LVQ (Ruliah)
12 12 ISSN: Irawan, M. I., & Satriyono, E. (2010). Virtual Pointer Untuk Identifikasi Tangan Sebagai Pengendali Gerakan Robot Secara Real Time. Surabaya: Polikteknik Elektronika Negeri Surabaya. Kusumadewi, S. (2004). Membangun Jaringan Syaraf Tiruan (menggunakan MATLAB & Excel Link). Yogyakarta: Graha Ilmu. Paulus, E., & Nataliani, Y. (2007). GUI matlab. Yogyakarta: ANDI Publisher. Siang, J. (2004). Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi Yogyakarta. Supriyadi. (2011). Penerapan Algoritma Backpropagation Untuk Pengenalan Rambu- Rambu Lalu Lintas Secara Realtime. Program Strata 1 Teknik Informatika STMIK Banjarbaru, (pp. 1-84). Banjarbaru. Wahyono, E. S., & Ernastuti. (2010). Identifikasi Nomor Polisi Mobil Menggunakan Metode Jaringan Syaraf Buatan learning Vector Quantization. Wijaya, M. C., & Prijono, A. (2007). Pengolahan Citra Digital Menggunakan Matlab. Bandung: INFORMATIKA. JUTISI Vol. 1, No. 1, April 2012 : 731 hlm_akhir
IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciGrafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16
Pengolahan Citra : Representasi Citra Universitas Gunadarma 006 Pengolahan Citra : Representasi Citra /6 Representasi Citra dalam File (/3) Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar,
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tanda Tangan Tanda tangan atau dalam bahasa Inggris disebut signature berasal dari latin signare yang berarti tanda atau tulisan tangan, dan biasanya diberikan gaya tulisan
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 terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciKLASIFIKASI KUALITAS BUAH GARCINIA MANGOSTANA L. MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
KLASIFIKASI KUALITAS BUAH GARCINIA MANGOSTANA L. MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Endi Permata 1), Andri Suherman 2) 1) Pendidikan Teknik Elektro Universitas Sultan Ageng Tirtayasa Banten
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciBAB II DASAR TEORI. Pencarian citra merupakan permasalahan yang menarik untuk dicari
BAB II DASAR TEORI 2.1 Tinjauan Pustaka Pencarian citra merupakan permasalahan yang menarik untuk dicari alternatif penyelesaiannya. Berikut ini adalah penelitian yang sebelumnya dilakukan seputar pencarian
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciPengolahan Citra Berwarna
MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinciIDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Erni Seniwati 1. 1 Program Studi Sistem Informatika STMIK AMIKOM Yogyakarta Email : erni.s@amikom.ac.id
Lebih terperinciAdobe Photoshop CS3. Bagian 2 Bekerja dalam Photoshop
Adobe Photoshop CS3 Bagian 2 Bekerja dalam Photoshop Mengapa Photoshop? Adobe Photoshop adalah perangkat lunak yang menjadi standar dalam industri digital imaging. Sekarang, memiliki keahlian dalam menggunakan
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciPENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana
PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing Tugas Ujian Sarjana. Penjelasan Learning Vector Quantization (LVQ) Learning
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Citra Digital Gambar atau citra merupakan informasi yang berbentuk visual. Menurut kamus Webster citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau
Lebih terperinciAplikasi Teori Kombinatorial Dalam Penomeran Warna
Aplikasi Teori Kombinatorial Dalam Penomeran Warna Felix Terahadi - 13510039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinci1.1 Intensitas. 1.2 Luminansi. 1.3 Lightness. 1.4 Hue. 1.5 Saturasi
1.Definis Warna Dalam ilmu fisika warna didefinisikan sebagai gelombang elektromagnetik cahaya, sedangkan dalam bidang ilmu seni rupa dan desain warna didefinisikan sebagai pantulan tertentu dari cahaya
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciBAB 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 terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih 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 terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
Lebih terperinciIDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)
IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik
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 terperinciAPLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Hamsina 1, Evanita V Manullang 1, Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB 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 terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciImplementasi Algoritma Kompresi Shannon Fano pada Citra Digital
Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital Muhammad Khoiruddin Harahap Politeknik Ganesha Medan choir.harahap@yahoo.com Abstrak Algoritma kompresi Shannon-Fano merupakan salah satu
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciIntensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata.
Pembentukan Citra oleh Sensor Mata Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana
Lebih terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciCOLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP
Lebih terperinciDETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA
DETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA Triyanto Adi Saputro., Elha Dhanny H, Andriansyah Ramadhan, Afi Muftihul Situmorang, M Fajar Lazuardi. Teknik Informatika, Fakultas Program
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciCitra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo
Citra Digital Petrus Paryono Erick Kurniawan erick.kurniawan@gmail.com Esther Wibowo esther.visual@gmail.com Studi Tentang Pencitraan Raster dan Pixel Citra Digital tersusun dalam bentuk raster (grid atau
Lebih terperinciIDENTIFIKASI NOMOR POLISI MOBIL MENGGUNAKAN METODE JARINGAN SARAF BUATAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI NOMOR POLISI MOBIL MENGGUNAKAN METODE JARINGAN SARAF BUATAN LEARNING VECTOR QUANTIZATION Eko Sri Wahyono,1) Ernastuti, 2) Jurusan Teknik Informatika, Universitas Gunadarma Jl. Margonda Raya,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
Lebih terperinciALGORITMA BACK PROPAGATION NEURAL NETWORK UNTUK PENGENALAN POLA KARAKTER HURUF JAWA
Nazla Nurmila, Aris Sugiharto, Eko Adi Sarwoko ALGORITMA BACK PROPAGATION NEURAL NETWORK UNTUK PENGENALAN POLA KARAKTER HURUF JAWA Nazla Nurmila, Aris Sugiharto, dan Eko Adi Sarwoko Prodi Ilmu Komputer
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ).
BAB 2 TINJAUAN PUSTAKA Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ). 2.1. Algoritma Algoritma adalah urutan langkah-langkah
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan
Lebih terperinciKULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS
KULIAH TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS Matriks merupakan sebuah susunan segiempat siku-siku dari bilanganbilangan, dalam baris dan kolom. Bilangan-bilangan tersebut disebut entri atau elemen
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Studi Berikut ini adalah beberapa studi terkait yang pernah melakukan penelitian identifikasi citra kendaraan: 1. KLASIFIKASI KENDARAAN MENGGUNAKAN LEARNING VECTOR
Lebih terperinciPENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak
PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Dini Fakta Sari Teknik Informatika STMIK AKAKOM Yogyakarta dini@akakom.ac.id Abstrak Tenaga
Lebih terperinciBAB II. Computer vision. teknologi. yang. dapat. Vision : Gambar 2.1
BAB II LANDASAN TEORI Computer vision adalah bagian dari ilmu pengetahuan dan teknologi yang membuat mesin seolah-olah dapat melihat. Komponen dari Computer Vision tentunya adalah gambar atau citra, dengan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciBAB II LANDASAN TEORI. Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam
BAB II LANDASAN TEORI 2.1 Teori Dasar Pengolahan Citra Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam bidang dua dimensi, dengan (x,y) menyatakan koodinat citra dan nilai f pada koodinat
Lebih terperinci