Pengenalan Image Wajah Dengan Menggunakan Metode Template Matching. Abstraksi
|
|
- Ratna Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pengenalan Image Wajah Dengan Menggunakan Metode Template Matching Moh. Khayat Subkhan 1, Yuliana Melita Pranoto 2 1 Mahasiswa Magister Teknologi Informasi, Sekolah Tinggi Teknik Surabaya 2 Dosen Magister Teknologi Informasi, Sekolah Tinggi Teknik Surabaya aanmks@rocketmail.com, ymp@stts.edu Abstraksi Dewasa ini pengolahan citra menjadi trend baru dalam dunia kecerdasan buatan, kemampuannya dalam menginterprestasikan sebuah image dinilai sangat memudahkan aktifitas manusia. Salah satunya image processing dalam pengenalan wajah. Metode template matching merupakan salah satu metode pengenalan citra yang populer saat ini. Komputasinya yang relative sederhana dan akurasinya yang cukup baik, membuat metode ini banyak digunakan. Dalam penelitian ini, dengan sampling wajah sekitar 60 image didapatkan hasil ketepatan mencapai 85%. Faktor jarak, pencahayaan dan pose obyek sangat mempengaruhi hasil dari pengenalan image wajah. Template matching menghasilkan sebuah angka yang akan diperbandingkan jaraknya dengan image training yang sudah dipersiapkan sebelumnya. Jarak eigenvalue dari image testing yang terpendek akan direkomendasikan sebagai image yang paling mendekati faktor kecocokannya. Keyword : Pengolahan citra, image processing, template matching, eigenvalue PENDAHULUAN Dalam teknologi informasi, biometrics biasanya merujuk kepada teknologi untuk mengukur dan menganalisa karakteristik tubuh manusia seperti sidik jari, retina, mata, pola suara dan pola wajah yang terutama sekali digunakan untuk proses otentikasi. Pengenalan wajah manusia mendapatkan banyak perhatian beberapa tahun terakhir ini. Hal ini disebabkan banyak aplikasi yang menerapkannya. Proses pengenalan wajah yang dilakukan oleh komputer tidak semudah dan secepat dengan proses pengenalan yang dilakukan oleh manusia. Manusia dengan mudah dapat mengenali wajah seseorang dengan cepat tanpa rasa harus berpikir. Manusia juga tidak terpengaruh oleh orientasi wajah orang tersebut. Kesulitan dalam pembuatan proses pola pun terutama adalah karena kekompleksan dari kondisi wajah, yaitu dalam hal kualitas gambar yang ditangkap, dari segi warna, pencahayaan, hingga posisi gambar yang tertangkap, maupun dalam hal perubahan geometrinya. Untuk mengetahui kemampuan sebuah metode, baik atau kurangnya sebuah metode tidak hanya dilihat dari sisi teoritis, namun diperlukan pengujian dan akan lebih baik jika metode tersebut dilakukan pembanding dengan metode lain yang memiliki kemampuan untuk digunakan dalam sistem pengenalan pola wajah. Menurut Achmad Basuki, Jozua F. Palandi dan Fatchurrochman (2005 : 1), pengolahan citra (image processing) merupakan suatu sistem dimana proses dilakukan dengan masukan berupa citra (image). Pada awalnya pengolahan citra ini dilakukan untuk memperbaiki kualitas citra, namun dengan berkembangnya dunia komputasi yang memungkinkan manusia dapat mengambil informasi dari suatu citra, maka image processing tidak dapat dilepaskan dengan bidang computer vision Dalam perkembangan lebih lanjut dari ilmu komputasi yang memanfaatkan pengolahan citra, ternyata untuk mengidentifikasikan seseorang tidak hanya dengan sidik jari, tetapi juga dilakukan dengan pengenalan wajah (face recognition) atau pengenalan iris pada mata (iris recognition). Dalam model pengenalan wajah dan pengenalan iris, proses pengolahan citra yang dilakukan menjadi tidak sederhana, baik dari sisi capture atau pengambilan citra, sampai pada ekstraksi cirinya. 371
2 Template Matching Menurut Darma Putra (2010 : 227), Template Matching adalah proses mencari suatu objek (template) pada keseluruhan objek yang berasal dalam suatu citra. Template dibandingkan dengan keseluruhan objek yang belum diketahui pada citra tersebut maka objek tersebut ditandai sebagai template. Perbandingan antara template dengan keseluruhan objek pada citra dapat dilakukan dengan menghitung selisih jaraknya, seperti berikut. Dengan f(j,k) menyatakan citra tempat objek yang akan dibandingkan dengan template T(j,k) sedangkan D(m,n) menyatakan jarak antara template dengan objek pada citra. Pada umumnya ukuran template jauh lebih kecil dari ukuran citra. Secara ideal, template dikatakan cocok dengan objek pada citra bila D(m,n) = 0, namun kondisi seperti ini sulit dipenuhi apalagi bila template merupakan suatu citra grayscale. Oleh karena itu, aturan yang digunakan untuk menyatakan template cocok dengan objek adalah bila D(m,n) < (m,n) D(m,n) = [ f (j,k) T(j-m,k-n) dengan (m,n) merupakan nilai Threshold. Euclidean Distance Rumus dari Euclidean distance Menurut Darma Putra (2010 : 311), Jarak digunakan untuk menentukan tingkat kesamaan (similiarity degree) atau ketidaksamaan (dismiliarity degree) dua vektor fitur. Tingkat kesamaan berupa suatu nilai (score) dan berdasarkan skor tersebut dua vektor fitur akan dikatakan mirip atau tidak. Euclidean distance adalah metrika yang paling seraing digunakan untuk menghitung kesamaan 2 vektor. Euclidean distance menghitung akar dari kuadrat perbedaan 2 vektor (root of square differences between 2 vectors). Contoh : Terdapat 2 vektor ciri berikut. A = [0, 3, 4, 5] B = [7, 6, 3, -1] Euclidean distance dari vektor A dan B adalah : Euclidean distance adalah kasus istimewa dari Minskowski distance dengan λ = 2 Eigenvalue, Eigenvektor dan Eigenface Menurut Hanif Al Fatta (2009 : 10), Transformasi ruang seperti translasi, rotasi, refleksi, strechting dan kompresi atau kombinasi dari transformasi ini, dapat divisualisasikan dengan efek yang dihasilkan pada vektor. Vektor divisualisasikan sebagai panah yang menunjuk 1 titik ke titik yang lain. Eigenvector dari suatu transformasi adalah vektorvektor yang tidak mengalami perubahan atau hanya dikalikan dengan scalevector setelah transformasi. Eigenvalue dari suatu eigenvector adalah scalevector dimana eigenvector dikalikan. Misalnya akan menghitung eigenvalue dari suatu matriks yang diberikan. Jika matriks yang diberikan kecil, maka dapat menghitungnya secara simbolis dengan karakteristik polynomial. Akan tetapi 372
3 ini mustahil untuk matriks dengan ukuran yang lebih besar. Pada penelitian ini akan digunakan metode numerik. Mencari Eigenvalue Salah satu tool penting dalam mendeskripsikan eigenvalue dari suatu matriks bujursangkar adalah Fungsi p(λ) = det (A - λi) adalah sebuah polynomial dalam λ karena determinan dengan perhitungan sum of product. Semua eigenvalue dari suatu matriks A dapat dihitung dengan menyelesaikan persamaan det (A - λi) = 0 polynomial karakteristik : jika λ adalah eigenvalue dari A maka akan ekuivalen dengan persamaan linear (A - λi) v = 0 (dimana I adalah matriks identitas) yang memiliki pecahan non zero v (suatu eigenvector), sehingga akan ekuivalen dengan determinan : pa(λ) = 0. Jika A adalah matriks ukuran n x n, maka pa memiliki derajat n dan A paling banyak n buah eigenvalue. Mencari Eigenvector Ketika eigenvalue λ diketahui, eigenvector dapat dicari dengan memecahkan : (A - λi)v = 0. Dalam beberapa kasus bisa dijumpai beberapa matriks tanpa eigenvalue misalnya A: Dimana karekteristik polinomialnya adalah λ2 + 1 sehingga eigenvalue-nya adalah bilangan kompleks i, -i. Eigenvector yang berasosiasi juga tidak riil. Perhatikan lagi contoh berikut ini. Jika diberikan matriks A : Maka polynomial karakteristiknya dapat dicari sebagai berikut det = Ini adalah persamaan kuadrat. Akarnya adalah λ = 2 dan λ = 3 yaitu: = (2. -λ). (3. λ) (0. -1) = (2. 3) + (2. -λ) + (-λ. 3) + (-λ. - λ) (0) = 6-2λ - 3λ + λ2 0 = 6-5λ = - 5λ + 6 = 0 Adapun eigenvector yang bisa didapat ada 2 buah. eigenvector yang berasosiasi dengan eigenvalue λ = Eigenvector pertama dicari dengan mensubsitusikan 3. Set Yo dengan nilai: λ = 3 ke dalam persamaan. Misalnya Yo adalah Subsitusikan Yo dengan v pada persamaan: maka akan mendapatkan: (A - λi) v = 0 373
4 Kita bisa sederhanakan menjadi: Atau bisa disederhanakan menjadi: Sehingga eigenvector untuk eigenvalue = 3 adalah Eigenface Eigenface adalah kumpulan dari eigenvector yang digunakan untuk masalah computer vision pada pengenalan wajah manusia. Banyak penulis lebih menyukai istilah eigenimage. Teknik ini telah digunakan pada pengenalan tulisan tangan, pembacaan bibir, pengenalan suara dan pencitraan medis. Dalam istilah layman, eigenface adalah sekumpulan standardized face ingredient yang diambil dari analisis statistik dari banyak gambar wajah. Suatu wajah manusia dapat dipandang sebagai kombinasi dari wajah-wajah standar ini. Wajah seseorang bisa saja terdiri dari 10% dari = wajah 1, 20% wajah 2, dan seterusnya sehinga jika ingin merekam wajah seseorang untuk pengenalan wajah maka biasa digunakan jauh lebih sedikit fitur dari pada yang ditangkap oleh foto digital. Untuk menghasilkan eigenface, sekumpulan besar citra digital dari wajah manusia diambil dari kondisi pencahayaan yang sama kemudian dinormalisasi setelah itu diolah pada resolusi yang sama (misalnya m x n), dan kemudian diperlakukan sebagai vector dimensi mn dimana komponennya diambil dari nilai pikselnya. Untuk menentukan eigenface dari sekumpulan citra wajah, banyak alternatif cara yang digunakan. Analisis Komponen Sistem Sistem pengenalan wajah ini terdiri dari beberapa komponen yang dapat digambarkan dalam suatu model seperti pada gambar dibawah ini : BAHAN DAN METODE PENELITIAN Webcam Capture Citra Antar Muka Pengguna Komponen Sub- Sistem Pengenalan Wajah File Wajah Komponen Basis Data Gambar 1. Model Sistem Pengenalan Wajah a. Komponen Webcam : piranti masukan yang digunakan dalam sistem dengan 2 fungsi yaitu : 1. Digunakan untuk melengkapi data personal dengan foto, dimana foto ini akan disimpan 374
5 dalam database, yang nantinya digunakan untuk proses pencocokan dengan citra wajah yang di-capture. 2. Digunakan untuk meng-capture citra wajah personal. Dengan menggunakan webcam citra wajah ini akan disimpan dalam bentuk file pada harddisk. b. Komponen capture citra : ini berfungsi untuk melakukan mekanisme pengambilan citra wajah dengan media webcam, baik untuk disimpan dalam bentuk file citra wajah maupun untuk citra wajah yang digunakan sebagai input. c. Komponen antarmuka : komponen ini berfungsi untuk menjembatani komunikasi antara pengguna dengan sistem pengenalan wajah, baik untuk proses input data personal ataupun proses pengenalannya. Subsistem Pengenalan Wajah : pengenalan wajah dilakukan dengan mencocokkan citra wajah yang di-capture webcam dengan citra wajah yang ada pada database personal. Proses Identifikasi Citra wajah Langkah-langkah pencocokkan citra wajah yang dicapture dengan data citra yang terdapat dalam database dapat dilihat pada gambar 2 berikut: Webcam Normalisasi Citra Kalkulasi Eigen Value Eigen Vector Eigen value Database Citra Wajah Proses Matching Keterangan gambar : Kalkulasi Eigen Vector Cari Nilai pada eigen vector yang paling mendekati Eigen value citra input (Distance) Gambar 2. Langkah-langkah proses identifikasi citra wajah 1. Citra wajah di-capture menggunakan webcam. Hasil dari capturing ini adalah file gambar yang bertipe.bmp 2. Citra wajah ini kemudian dinormalisasi dengan beberapa tahapan. Pertama, citra diturunkan kualitas warnanya menjadi grayscale. Ukuran dari citra wajah juga diseragamkan, menjadi berukuran 80x80 piksel. 3. Setelah didapatkan citra wajah yang ternormalisasi, hitung nilai eigen dari citra wajah tersebut, misalnya diperoleh nilai x. 4. Pada data personal juga terdapat file citra wajah yang telah disimpan pada folder images. Dengan itu masing-masing citra dikalkulasi nilai eigen-nya dan dikumpulkan dalam vektor yang dinamakan eigenvector. Misalkan nilai yang didapatkan (x1, x2, x3,.xn). Proses matching dilakukan dengan mencocokkan nilai x dengan nilai-nilai pada eigenvector dan mencari nilai yang paling mendekati. Jika nilai yang mendekati sudah ditemukan, cari data personal yang berkorespondensi dengan nilai tadi. Proses Pemasukan Data ke dalam Database Proses pemasukan data/citra wajah personal ke dalam database dapat duraikan dengan algoritma berikut. Inisialisasi webcam Proses ini adalah dengan melakukan penginstalan driver kamera yang akan digunakan. Setelah melakukan penginstalan driver kamera akan dikenali PC sehingga kamera dapat digunakan. Setting resolusi webcam dengan ukuran resolusi 160 x 120 piksel. Proses capture obyek wajah 375
6 Pada proses ini obyek wajah akan di capture dengan cara wajah menghadap kamera dan posisi tegak lurus dengan kamera. Crop citra Proses ini untuk penyeragaman dengan file yang ada pada database dengan meng-crop citra wajah menjadi ukuran 80 x 80 pixel. Proses Grayscale Proses merubah citra wajah normal diturunkan nilai intensitas warnanya menjadi citra berwarna grayscale (keabuan). Pemasukan citra dalam database Citra yang telah dinormalisasi atau proses dari crop citra dan grayscale akan dimasukkan dalam database dalam bentuk file berformat.jpg ke dalam folder image. Untuk lebih jelasnya keterangan dapat dilihat pada gambar 3 berikut Mulai Inisialisasi webcam Capture wajah Crop citra 80x80 pixel Grayscale Database Selesai Gambar 3. Flowchart pemasukan data citra ke database Proses Euclidean Pada proses ini citra wajah yang di-capture berupa file.bmp akan diproses menjadi matrik dan akan dikalkulasi menggunakan metode Eigenface dan Euclidean Distance. Adapun algoritmanya dimulai dengan membuat matriks kolom dari wajah yang diinput ke dalam database. Rata-rata vector citra (mean) dari matriks kolom dihitung dengan cara membaginya dengan jumlah banyaknya citra yang disimpan di dalam database. Contoh perhitungan eigenvalue 2 (dua) citra: a.) Penyusunan flatvector matriks citra Seperti pada pembahasan sebelumnya telah dijelaskan langkah-langkah pengenalan wajah dengan pendekatan eigenvalue dan eigenvector, representasikan semua matriks training menjadi matriks dengan bentuk n 1 atau matriks linier seperti yang ditunjukkan berikut ini : 376
7 Wajah training-1 Wajah training-2 Dari kedua matriks training tersebut, diperoleh matriks n 1 dari matriks A dan matriks B sebagai berikut: b.) Perhitungan rataan flatvector (mean) matriks citra Dari flatvector yang diperoleh, jumlahkan seluruh barisnya sehingga diperoleh matriks berukuran 1 x (W x H). Setelah itu bagi matriks dengan jumlah citra (N) yang dalam contoh adalah dua untuk mendapatkan rataan flatvector (mean) sebagai berikut: Dari kedua matriks tersebut akan diperoleh matriks ψ yang diperoleh dengan cara : = Jadi mean flatvector adalah = ( ) Nilai flatvector citra akan digunakan untuk menghitung nilai eigenface citra wajah untuk training (pembelajaran). 377
8 c.) Perhitungan Nilai Eigenface Dengan memakai nilai mean citra di atas nilai eigenface untuk matriks flatvector yang sudah disusun tersebut dapat dihitung dengan mengurangi baris-baris pada matriks flatvector dengan nilai mean flatvector. Jika diperoleh nilai negatif, maka ganti nilainya dengan 0 (nol). Perhitungan nilai eigenface adalah sebagai berikut: Matriks citra wajah -1 Mean flat vector Matriks citra wajah Mean flat vector Matriks x-1 sampai matriks x-2 digabung untuk mendapatkan matriks eigenface untuk pembelajaran (training) dalam proses pengenalan. d.) Penghitungan Euclidean Distance matriks testface dengan cara sebelumnya untuk Untuk mengenali citra tes (testface), langkah penentuan nilai eigenface dan flatvector citranya. identifikasinya adalah hitung nilai eigenface untuk Matriks yang Citra tesface-1 ( ) Matriks yang Citra testface-1 Citra tesface-2 ( ) Citra testface-2 378
9 Selanjutnya flatvector yang diperoleh testface dikurangi dengan mean flatvector : Nilai eigenvalue citra tesface Jadi nilai eigen dari testface-1 adalah Sedangkan nilai eigen dari testface-2 adalah Citra testface-1 dan testface-2 merupakan citra capture, citra testface-2 adalah citra yang belum ada di dalam database. Nilai eigen (eigenvalue) dari testface digunakan untuk identifikasi dengan menentukan jarak Nilai eigenvalue citra tesface-2 terpendek dengan eigenface dari eigenvector training dengan cara menentukan nilai absolut dari pengurangan baris i pada matriks eigenface training citra dengan eigenface dari testface dan jumlahkan dengan elemen penyusun vector yang dihasilkan dari pengurangan dan didapat jarak d indeks i dan cari nilai d yang paling kecil Eigenvalue citra wajah-1 Eigenface training Eigenvalue citra wajah-2 Perhitungan jarak pada testface-1 Perhitungan jarak antara Citra Wajah-1 dengan testface-1 : = 8 Perhitungan jarak antara Citra Wajah-2 dengan testface-1: Dari perhitungan tersebut diperoleh : a. Jarak citra-1 dengan testface-1 = = 1-379
10 b. Jarak citra-2 dengan testface-1 = 1 Perhitungan jarak pada testface-2 Perhitungan jarak antara Citra Wajah-1 dengan testface-2 : = 18 Perhitungan jarak antara Citra Wajah-2 dengan testface-2 : Dari perhitungan tersebut diperoleh : a. Jarak citra-1 dengan testface-2 = 18 b. Jarak citra-2 dengan testface-2 = = 9 Proses Template matching Dilakukan pencocokan hasil citra wajah yang telah di-capture dan diubah bentuk matrik dengan database yang awalnya capture wajah berupa file.bmp menjadi matrik. Pada proses ini terdapat proses pencocokkan antara hasil capture wajah. dengan database yaitu dengan dari hasil perhitungan, diperoleh jarak citra wajah-1 dan wajah-2 memiliki nilai yang terkecil. Citra yang paling mirip dengan testface-1 dan testface-2 adalah citra wajah wajah-2, ambil citra tersebut sebagai citra wajah yang paling mirip dengan citra testface seperti pada gambar berikut: Gambar Citra wajah yang paling mirip dengan citra testface-1 dan testface-2 IMPLEMENTASI DAN EVALUASI Pada pengujian ini dilakukan percobaan individual dengan menggunakan database yang terdiri dari 60 citra wajah. Pada pengetesan ini jarak subjek dengan kamera dibuat konstan yaitu 30 sampai 35 cm. Dengan percobaan yang telah dilakukan didapatkan beberapa analisis sebagai berikut: 1. Perubahan pose tidak terlalu mempengaruhi akurasi pengenalan wajah. 2. Pengenalan pada pencahayaan yang kurang memberikan hasil yang lebih baik, ini disebabkan pada pencahayaan yang tinggi, 380
11 detail wajah yang lebih jelas, sehingga kompleksitas warna wajah lebih tinggi. Kompleksitas ini menyebabkan sensitivitas pengenalan meningkat karena algoritma eigenface menitikberatkan pada ciri warna dari objek sehingga muncul citra wajah lain atau data lain dengan nilai yang paling mendekati. 3. Pengenalan pada pencahayaan yang normal ternyata memberikan hasil yang lebih baik, Dari sini bisa ditentukan hasil analisisnya, yaitu bahwa keberhasilan pengenalan dipengaruhi beberapa hal, diantaranya: 1. Jarak antara subjek dan kamera Untuk pengenalan yang baik, jarak antara subjek dan kamera sebaiknya dibuat konstan. 2. Pencahayaan Pencahayaan yang terlalu tinggi akan membuat detail gambar yang lebih rumit, mengakibatkan matriks dari gambar menjadi lebih kompleks, sehingga pengenalan menjadi lebih sensitif dan menurunkan kualitas pengenalan wajah. 3. Pose Wajah Untuk pengenalan pose wajah dari diam ke ekspresif dan aksesoris seperti kacamata tidak terlalu mempengaruhi hasil pengenalan. Sedangkan distorsi pose (menghadap ke kiri atau ke kanan 45 dan ke atas atau ke bawah), jika sudut kemiringan cukup banyak, akan menurunkan kualitas pengenalan wajah. DAFTAR PUSTAKA 1) R. C. Gonzales and R. E. Woods, Digital Image Processing (third edition), Reading, Massachusetts:Addision-Wesley, ) Torralba A, Fergus, W. T. Freeman. 80 million tiny images: a large dataset for nonparametric object and scene recognition. In press, IEEE Transaction on Pattern Analysis and Machine Intellligence, ) Riyanto Sigit, Sistem Pengenalan Ekspresi Wajah Secara Real Time, Tesis, Teknik Informatika ITS, ) Quoc Le, Morgan Quigley and Andrew Y. Ng. Visual Servoing by Template Matching. 5) preprocessing. 381
12 Halaman ini sengaja dikosongkan 382
SISTEM 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 IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB III ANALISIS SISTEM. Sistem absensi berbasis webcam adalah sistem yang melakukan absensi anggota
BAB III ANALISIS SISTEM 3.1. Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi anggota berdasarkan input citra hasil capture webcam. Sistem akan melakukan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciPENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan
PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih terperinciSISTEM PRESENSI KARYAWAN BERBASIS PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE
SISTEM PRESENSI KARYAWAN BERBASIS PENGENALAN WAJAH DENGAN ALGORITMA EIGENFACE Hanif Al Fatta STMIK AMIKOM Yogyakarta Hanivonitch@yahoo.com ABSTRACT Computer technology brings us to a new way of preventing
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciBAB 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 terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Analisa merupakan tahapan yang sangat penting dalam melakukan penelitian. Tahap analisa yaitu proses pembahasan persoalan atau permasalahan yang dilakukan sebelum
Lebih terperinciPENGENALAN WAJAH PELANGGAN TOKO
PENGENALAN WAJAH PELANGGAN TOKO Semuil Tjiharjadi Jurusan Sistem Komputer, Universitas Kristen Maranatha Jl. Suria Sumantri 65, Bandung 40164 E-mail: semuiltj@gmail.com 1 ABSTRAK Pada era persaingan yang
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciRANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM
RANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM RULIAH Jurusan Sistem Informasi STMIK Banjarbaru Jl. Jend. Ahmad Yani Km. 33.3 Loktabat Banjarbaru twochandra@gmail.com
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciIDENTIFIKASI WAJAH PADA SISTEM KEAMANAN BRANKAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS
IDENTIFIKASI WAJAH PADA SISTEM KEAMANAN BRANKAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS Dadang Ardiansyah #1, Edi Satriyanto, S.Si, M.Si, #2, Eru Puspita, ST, M.Kom, #3, Budi Nur Iman, S.Si, M.Kom #4
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Kecerdasan Buatan Artificial Intelligent (AI) atau kecerdasan buatan merupakan cabang dari ilmu komputer yang konsern dengan pengautomatisasi tingkah laku cerdas. Pernyataan tersebut
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPROTOTIPE SISTEM PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN METODE CBIR
PROTOTIPE SISTEM PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN METODE CBIR Irawan Program Studi Teknik Informatika, STIKOM Dinamika Bangsa, Jambi Jl. Jendral Sudirman Thehok - Jambi E-mail: irawanirend@stikom-db.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
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 terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN : PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE
PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE Nunu Kustian Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email: kustiannunu@gmail.com Abstrak
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciPengenalan wajah dengan algorithma Eigen Face Oleh: Hanif Al Fatta
Pengenalan wajah dengan algorithma Eigen Face Oleh: Hanif Al Fatta Abstraksi Pengenalan wajah (face recognition) yang merupakan salah satu penerapan image processing, kini telah dipakai untuk banyak aplikasi.
Lebih terperinciPENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN
PENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN Bagus Fadzerie Robby 1), Resty Wulanningrum 2) 1), 2) Universitas Nusantara PGRI Kediri 1), 2) Jl. KH. Achmad Dahlan 76, Kediri, Jawa Timur 64112 Email
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
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 terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciImplementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA)
46 Implementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA) Iwan Setiawan setiawanise@yahoo.com, Welly Iskand welly.iskand@gmail.com, Fauzi Nur Iman
Lebih terperinciPENGEMBANGAN SISTEM PENCATAT PEMAKAIAN KOMPUTER LAB DENGAN BIOMETRIKA PENGENAL WAJAH EIGENFACE. Oleh
PENGEMBANGAN SISTEM PENCATAT PEMAKAIAN KOMPUTER LAB DENGAN BIOMETRIKA PENGENAL WAJAH EIGENFACE Oleh Kadek Ananta Satriadi 1, Made Windu Antara Kesiman,S.T.,M.Sc., I Gede Mahendra Darmawiguna,S.Kom.,M.Sc.
Lebih terperinciBAB I PENDAHULUAN. Sistem biometrik merupakan penerapan teknologi yang mempelajari
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrik merupakan penerapan teknologi yang mempelajari karakteristik biologi yang menjadi keunikan tersendiri pada manusia. Salah satu bagian sistem biometrik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file). Sedangkan
Lebih terperinciJURNAL SISTEM IDENTIFIKASI CITRA TANDA TANGA MENGGUNAKAN METODE 2D-PCA (TWO DIMENSIONAL PRINCIPAL COMPONENT ANALISYS)
JURNAL SISTEM IDENTIFIKASI CITRA TANDA TANGA MENGGUNAKAN METODE 2D-PCA (TWO DIMENSIONAL PRINCIPAL COMPONENT ANALISYS) SIGNATURE RECOGNITION USING 2D-PCA (TWO DIMENSIONAL PRINCIPAL COMPONENT ANALISYS) Oleh:
Lebih terperinciANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS
ANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS Fetty Tri Anggraeny, Wahyu J.S Saputra Jurusan Teknik Informatika, Universitas
Lebih terperinciRANCANG BANGUN SISTEM PENGENALAN WAJAH DENGAN METODE PRINCIPAL COMPONENT ANALYSIS
RANCANG BANGUN SISTEM PENGENALAN WAJAH DENGAN METODE PRINCIPAL COMPONENT ANALYSIS Salamun 1, Firman Wazir 2 Program Studi Teknik Informatika, Fakultas Teknik, Univbersitas Abdurrab Pekanbaru Jl. Riau Ujung
Lebih terperinciMenurut Ming-Hsuan, Kriegman dan Ahuja (2002), faktor-faktor yang mempengaruhi sebuah sistem pengenalan wajah dapat digolongkan sebagai berikut:
BAB 2 LANDASAN TEORI Bab ini akan menjelaskan berbagai landasan teori yang digunakan oleh penulis dalam penelitian ini dan menguraikan hasil studi literatur yang telah dilakukan penulis. Bab ini terbagi
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI PADA PT FLORINDO LESTARI
SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE UNTUK ABSENSI PADA PT FLORINDO LESTARI Indra Fakultas Teknologi Informasi, Universitas Budi Luhur, Jakarta 12260 E-mail : indra@budiluhur.ac.id ABSTRAK Absensi
Lebih terperinciFace Identification For Presence Applications Using Violajones and Eigenface Algorithm
Face Identification For Presence Applications Using Violajones and Eigenface Algorithm Chandra Kirana Jurusan Teknik Informatika, STMIK Atma Luhur Pangkalpinang Jl. Jend. Sudirman Pangkalpinang (0717)
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH DENGAN METODE EIGENFACE PADA SISTEM ABSENSI
Volume 3, No. 1 (215). Hal 41-5 ISSN : 2338-493X IMPLEMENTASI PENGENALAN WAJAH DENGAN METODE EIGENFACE PADA SISTEM ABSENSI [1] Muhammad Rizki Muliawan, [2] Beni Irawan, [3] Yulrio Brianorman [1] [2] [3]
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH DENGAN METODE EIGENFACE PADA SISTEM ABSENSI
IMPLEMENTASI PENGENALAN WAJAH DENGAN METODE EIGENFACE PADA SISTEM ABSENSI [1] Muhammad Rizki Muliawan, [2] Beni Irawan, [3] Yulrio Brianorman [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciCalculati Alfi Jannati Mujiono Pembimbing : Dr. Singgih Jatmiko, SSi., MSc
ANALISIS PERBANDINGAN METODE EIGENFACE DENGAN FISHERFACE PADA PROSES PENGENALAN WAJAH Calculati Alfi Jannati Mujiono 51410506 Pembimbing : Dr. Singgih Jatmiko, SSi., MSc Latar Belakang Perkembangan Teknologi
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Menurut arti secara harfiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas
Lebih terperinciPEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI
Artikel Skripsi PEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciPROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA)
PROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA) Jemmy E.Purwanto Jemmy.e.Purwanto@Gmail.com Pembimbing I :
Lebih terperinciSistem Penitipan Barang berdasarkan Pola Tanda Tangan Dengan menggunakan Metode Ekstraksi Ciri Nia Saurina SST., M.Kom
Sistem Penitipan Barang berdasarkan Pola Tanda Tangan Dengan menggunakan Metode Ekstraksi Ciri Nia Saurina SST., M.Kom ABSTRAK Sistem penitipan barang yang umum digunakan adalah secara manual, penjaga
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 terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menjelaskan mengenai Latar Belakang, Identifikasi Masalah, Tujuan Tugas Akhir, Lingkup Tugas Akhir, Metodologi Tugas Akhir dan Sistematika Penulisan Tugas Akhir. 1.1 Latar Belakang
Lebih terperinciSISTEM PENGAMANAN HANDPHONE MENGGUNAKAN FACE RECOGNITION BERBASIS ANDROID
Jurnal... Vol. XX, No. X, Bulan 20XX, XX-XX 1 SISTEM PENGAMANAN HANDPHONE MENGGUNAKAN FACE RECOGNITION BERBASIS ANDROID Mirna Astria 1, Juni Nurma Sari 2, Mardhiah Fadhli 3 Program Studi Teknik Informatika
Lebih terperinciIMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION
IMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION Garibaldy W Mukti 13506004 Teknik Informatika ITB alamat : Srigading 29, Bandung 40132 email: subghost1802000@yahoo.com ABSTRAK
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPENGENALAN 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 terperinciSISTEM ABSENSI MENGGUNAKAN SCAN KONTUR MATA STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN JATIM
SISTEM ABSENSI MENGGUNAKAN SCAN KONTUR MATA METODE EIGENFACE STUDI KASUS PEGAWAI/KARYAWAN UPN VETERAN JATIM SKRIPSI Oleh : DONNY RAHMAD HARTANTO NPM : 0834010022 TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
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 terperinciPEMANFAATAN DAN PEMBUATAN ALAT PENYEDIAAN DAYA LISTRIK SECARA OTOMATIS DENGAN MENGGUNAKAN INVERTER 12V DC MENJADI 220V AC
212 PEMANFAATAN DAN PEMBUATAN ALAT PENYEDIAAN DAYA LISTRIK SECARA OTOMATIS DENGAN MENGGUNAKAN INVERTER 12V DC MENJADI 220V AC Suharijanto1 1) Dosen Fakultas Teknik Prodi Elektro Universitas Isalam Lamongan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini menjelaskan landasan teori dari metode yang digunakan dalam proses pengenalan wajah, yaitu terdiri atas: metode Eigenface, dan metode Jarak Euclidean. Metode Eigenface digunakan
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 355~360 355 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE Abdul Hamid
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciYOGI 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 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 terperinciTidak ada tepat satu teori untuk menyelesaikan problem pengenalan pola Terdapat model standar yang dapat dijadikan teori acuan
Terdapat banyak jenis pola: Pola visual Pola temporal Pola logikal Tidak ada tepat satu teori untuk menyelesaikan problem pengenalan pola Terdapat model standar yang dapat dijadikan teori acuan Statistik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih terperinciDAFTAR ISI ABSTRAK... KATA PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN Latar Belakang... 1
ABSTRAK Saat ini komputer dan piranti pendukungnya telah masuk dalam setiap aspek kehidupan dan pekerjaan. Komputer yang ada sekarang memiliki kemampuan yang lebih dari sekedar perhitungan matematik biasa.
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 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 terperinciAPLIKASI REKAM KEHADIRAN DENGAN DETEKSI WAJAH MENGGUNAKAN METODE EIGNFACE PADA KEJAKSAAN TINGGI SULAWESI SELATAN
Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM Yogyakarta, 6-8 Februari ISSN : -8 APLIKASI REKAM KEHADIRAN DENGAN DETEKSI WAJAH MENGGUNAKAN METODE EIGNFACE PADA KEJAKSAAN TINGGI SULAWESI
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi
Lebih terperinciPENERAPAN ALGORITMA PRINCIPLE COMPONENT ANALYSIS (PCA) DAN FITUR RGB UNTUK PELACAKAN JENIS DAN WARNA BUAH
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA PRINCIPLE COMPONENT ANALYSIS (PCA) DAN FITUR RGB UNTUK PELACAKAN JENIS DAN WARNA BUAH 1 Suta Wijaya, 2 Hendri, 3 Gasim Jurusan
Lebih terperinciBAB 3. ANALISIS dan RANCANGAN. eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses
BAB 3 ANALISIS dan RANCANGAN 3.1 Analisa metode Secara garis besar, tahap pada pengenalan wajah dengan metode eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses yang dilakukan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dewasa ini pengolahan citra digital telah mengalami perkembangan pesat dengan semakin banyak penelitian tentang pengenalan objek dari sebuah citra. Pengenalan suatu
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciVerifikasi 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Home security saat ini sudah menjadi kebutuhan setiap pemilik rumah yang menginginkan tingkat keamanan yang baik. Salah satu sistem keamanan konvensional yang masih
Lebih terperinciJurusan 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 terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciSeminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
Lebih terperinciImplementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
Nusantara of Engineering/Vol. 2/ No. 1/ISSN: 2355-6684 65 Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia Rina Firliana, Resty Wulanningrum, Wisnu Sasongko Jurusan Teknik
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciSistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa Menggunakan Metode PCA Dan DTW
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Sistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa
Lebih terperinciANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR
ANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR Shinta Puspasari MDP Computer and Informatics Management Institute Jl. Rajawali 14, Palembang, 30113, Indonesia e-mail : shinta@stmik-mdp.net ABSTRAKSI
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciPengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface
Pengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface (Studi Kasus pengenalan wajah pada manusia di teknik informatika universitas malikussaleh) Muthmainnah, Rahayu Dosen Teknik Informatika
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 terperinciPENGENALAN WAJAH MANUSIA MENGGUNAKAN ALGORITMA EIGENFACE SKRIPSI. Disusun oleh : RULLY GITA HARTANTYO NPM
PENGENALAN WAJAH MANUSIA MENGGUNAKAN ALGORITMA EIGENFACE SKRIPSI Disusun oleh : RULLY GITA HARTANTYO NPM. 0934010219 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL
Lebih terperinciPEMANFAATAN GUI DALAM PENGEMBANGAN PERANGKAT LUNAK PENGENALAN CITRA WAJAH MANUSIA MENGGUNAKAN METODE EIGENFACES
PEMANFAATAN GUI DALAM PENGEMBANGAN PERANGKAT LUNAK PENGENALAN CITRA WAJAH MANUSIA MENGGUNAKAN METODE EIGENFACES Ni Wayan Marti Jurusan Manajemen Informatika, Fakultas Teknik dan Kejuruan,Universitas Pendidikan
Lebih terperinci