SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
|
|
- Ratna Liana Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar 4.1 Diagram Konteks Sistem Dari diagram konteks tampak bahwa program yang dibangun terdiri atas sistem identifikasi dan satu entitas luar, yaitu user. User memasukkan citra berisi karakter
2 31 numerik dan menghasilkan keluaran berupa karakter angka yang dikenali/tidak dikenali. User juga memiliki peran sebagai pengendali keseluruhan sistem. Gambar 4.2 Gambaran Keseluruhan Sistem Sistem yang dibangun terdiri dari beberapa subsistem yang saling terkait satu sama lain seperti tampak dalam Gambar 4.2 di atas. Melalui user interface, user memasukkan citra yang akan diuji berupa citra diam dua dimensi. Selanjutnya citra input mengalami pengkonversian ke dalam gray-scale. Terhadap citra gray-scale tersebut kemudian dilakukan proses thresholding dengan nilai ambang 200 sehingga dihasilkan citra biner yang hanya terdiri dari warna hitam dan putih saja. Citra hitamputih ini kemudian diteruskan ke dalam blok processing. Di sini, citra tersebut mengalami segmentasi baris (line segmentation) sehingga didapatkan nilai batas baris atas (top line) dan baris bawah (bottom line) yang memuat karakter yang akan
3 32 dideteksi. Setelah didapatkan nilai baris atas dan bawah, maka dilakukan segmentasi vertikal dan horizontal untuk tiap karakter yang terdapat di antara kedua nilai ini. Selanjutnya dilakukan tahap ekstraksi terhadap masing-masing karakter hasil segmentasi, sehingga didapatkan data pola untuk masing-masing karakter. Proses ekstraksi dilakukan dengan cara mengambil nilai pixel pada posisi tertentu yang dianggap mewakili nilai pixel-pixel tetangganya. Data pola yang dihasilkan dari proses ekstraksi ini kemudian dikonversikan ke desimal dan menjadi pola pelatihan pada proses rekognisi. Hasil rekognisilah yang akan mengenali apakah karakter dikenali atau tidak. Proses rekognisi dilakukan dengan menyocokkan karakter yang dikenali dengan karakter yang terdapat di dalam data base. Untuk lebih jelasnya, keseluruhan proses di atas dapat diilustrasikan dalam data flow diagram level 0 pada halaman berikutnya.
4 33 USER 1 Citra Angka 2 Preprocessing Data Base 3 Image Processing 4. Perceptron 6 Hasil 5 Rekognisi Gambar 4.3 DFD Level 0 Sistem
5 34 DFD level 0 tersebut dapat diuraikan secara lebih rinci dalam blok struktur seperti Gambar 4.4 di bawah ini. Gambar 4.4 Blok Struktur Sistem Rekognisi Karakter Numerik 4.2 Pengolahan Citra Preprocessing Seperti yang telah dijelaskan di atas, pada proses pre-processing dilakukan binarisasi terhadap citra masukan dengan menggunakan nilai ambang 200. Tentunya sebelum dilakukan binarisasi, citra masukan telah dikonversi ke dalam bentuk gray-scale dengan menggunakan formula berikut [8]: Grayscale = α R + βg + γb (Persamaan 4.1)
6 35 Melalui proses gray-scale ini warna citra diproses dengan cara merata-ratakan warna primer (red, green, blue) sehingga menjadi citra hitam-putih dengan intensitas 0 hingga 255 (hitam hingga putih). Nilai bobot yang digunakan pada proses gray-scale tersebut adalah α = 0.299, β = 0.587, dan γ = Proses gray-scale bertujuan untuk menyederhanakan tampilan dan komponen-komponen warna pembentuk citra masukan sehingga proses selanjutnya dapat dilakukan dengan mudah. Setelah melewati tahap preprocessing, citra mengalami proses binarisasi yaitu pengkonversian citra masukan sehingga citra tersebut hanya terdiri dari dua warna yaitu hitam (0) dan putih (1). Pada binarisasi ini dilakukan thresholding atau penyeleksian berdasarkan nilai ambang. Jadi, apabila nilai gray-scale per pixel lebih kecil dari 200, maka citra hasil binarisasinya bernilai 0 (hitam). Sebaliknya, jika nilainya lebih besar dari 200, maka citra tersebut bernilai 1 (putih). Hasil dari proses binarisasi dapat dilihat dari Gambar 4.5 berikut. (a) (b) Gambar 4.5 (a) Citra Masukan (Atas) dan (b) Citra Hasil Binarisasi
7 Segmentasi Gambar 4.6 Segmentasi Baris dan Karakter Segmentasi bertujuan untuk memisahkan tiap karakter dari baris teks. Untuk mendapatkan masing-masing karakter dari teks ini dilakukan dua kali segmentasi, segmentasi baris dan karakter. Dari segmentasi baris dihasilkan nilai batas baris atas dan bawah yang memuat karakter yang akan dideteksi. Setelah didapatkan nilai baris atas dan bawah, maka dilakukan segmentasi untuk tiap karakter yang terdapat di antara kedua nilai ini. Untuk melakukan segmentasi per karakter juga dilakukan dua kali segmentasi, yaitu segmentasi karakter secara vertikal dan horizontal. Dari proses segmentasi secara vertikal didapatkan batas kanan dan kiri karakter, sedangkan dari segmentasi horizontal dihasilkan batas atas dan bawah karakter. Untuk lebih jelasnya, dapat dilihat Gambar 4.5 di atas.
8 37 Algoritma yang digunakan dalam segmentasi baris adalah sebagai berikut: 1. Segmentasi dimulai dari pixel x dan y pertama dari citra biner(0,0). 2. Scan tiap pixel di sepanjang sumbu x sampai lebar citra biner dalam y yang sama. a. Jika terdeteksi pixel hitam, maka simpan y sebagai batas_atas_baris. b. Jika tidak, lanjutkan ke pixel berikutnya. c. Jika tidak ada pixel hitam yang terdeteksi, maka perbesar nilai y dan set ulang nilai x untuk melakukan scanning baris horizontal berikutnya. 3. Dimulai dari batas atas pertama yang terdeteksi dan pixel pertama di sepanjang sumbu x (0, batas_atas_baris). 4. Scan tiap pixel di sepanjang sumbu x sampai lebar citra biner dalam y yang sama. a. Jika tidak ada pixel hitam yang terdeteksi, simpan y-1 sebagai batas_bawah_baris. Perbesar nilai y dan scan baris horizontal berikutnya. b. Jika terdeteksi pixel hitam, perbesar nilai y dan set ulang nilai x. 5. Jika pixel hitam terakhir dari citra biner di sepanjang lebar citra telah terdeteksi, maka segmentasi garis dihentikan.
9 38 Algoritma yang digunakan dalam segmentasi karakter adalah: 1. Dimulai dari batas atas baris dan pixel pertama di sepanjang sumbu x (0, batas_atas_baris). 2. Scan tiap pixel sepanjang sumbu x sampai lebar citra biner dalam y yang sama. a. Jika terdeteksi pixel hitam, simpan nilai y sebagai batas_atas_karakter pertama. b. Jika tidak ada pixel hitam yang terdeteksi, maka lanjutkan ke pixel berikutnya. 3. Dimulai dari batas atas karakter yang terdeteksi dan pixel pertama di sepanjang sumbu x (0, batas_atas_karakter). 4. Scan tiap pixel di sepanjang sumbu y sampai batas_bawah_baris untuk nilai x yang sama. a. Jika terdeteksi pixel hitam, simpan x sebagai batas_kiri_karakter. b. Jika tidak, lanjutkan ke pixel berikutnya. c. Jika tidak ada pixel hitam yang terdeteksi, perbesar nilai x dan set ulang y untuk melakukan scan pada baris vertikal berikutnya. 5. Dimulai dari batas_kiri_karakter yang terdeteksi dan batas_atas_baris, pixel(batas_kiri_karakter, batas_atas_baris). 6. Scan setiap pixel di sepanjang sumbu y sampai lebar citra biner untuk nilai x yang sama.
10 39 a. Jika tidak ada pixel hitam yang terdeteksi, simpan x-1 sebagai batas_kanan_karakter. b. Jika terdeteksi pixel hitam, maka perbesar nilai y dan set ulang nilai x untuk melakukan scan pada baris vertikal berikutnya. 7. Dimulai dari batas_bawah_baris dan batas_kiri_karakter, pixel(batas_kiri_karakter, batas_bawah_baris). 8. Scan sampai batas_kanan_karakter untuk nilai y yang sama. a. Jika terdeteksi pixel hitam, simpan y sebagai batas_bawah_karakter. b. Jika tidak ada pixel hitam yang terdeteksi, perkecil nilai y dan set ulang nilai x untuk melakukan scan baris vertikal berikutnya. 9. Lakukan segmentasi hingga seluruh karakter terdeteksi. Hasil dari penerapan algoritma segmentasi baris dan karakter dapat dilihat pada Gambar 4.7 di bawah ini. Gambar 4.7 Hasil Proses Segmentasi
11 Ekstraksi dan Rekognisi Menggunakan Algoritma Perceptron Gambar 4.8 Hasil Proses Ekstraksi dari Citra Input untuk Angka 0 Proses ekstraksi bertujuan untuk menangkap ciri tertentu dari citra input. Di dalam sistem rekognisi karakter numerik yang dibangun dalam tugas akhir ini, proses tersebut bertujuan untuk menangkap pola data dan menyimpannya dalam array. Sebagai contoh dapat dilihat pada Gambar 4.8 di atas yang merupakan hasil ekstraksi dari citra karakter hasil segmentasi. Data yang mewakili pola diberi nilai 1 sedangkan nilai 0 menunjukkan latar belakang. (background). Tahap ekstraksi dikenakan terhadap masing-masing karakter hasil segmentasi, sehingga didapatkan data pola untuk masing-masing karakter. Proses ekstraksi dilakukan dengan cara mengambil nilai pixel pada posisi tertentu yang dianggap mewakili nilai pixel-pixel tetangganya. Posisi-posisi tersebut didapat dengan cara membagi lebar karakter dengan faktor 10 dan tinggi karakter dengan pembagi 14.
12 41 Nilai pixel yang diambil berjumlah 10 x 14 pixel. Data pola yang dihasilkan dari proses ekstraksi ini kemudian dikonversikan ke desimal dan menjadi pola pelatihan pada proses rekognisi. Algoritma yang digunakan dalam proses ekstraksi di atas adalah: 1. Hitung lebar dan tinggi citra karakter. 2. Bagi lebar citra karakter dengan pembagi 10 dan tinggi dengan faktor Untuk lebar karakter. a. Petakan pixel pertama (0,y) dan terakhir (lebar,y) ke posisi pertama (0,y) dan terakhir (10,y) pola karakter. b. Cari posisi tiap pixel yang akan diambil disepanjang sumbu x. Posisi tersebut didapat dengan cara menambahkan posisi awal dengan bilangan bulat yang didapat dari hasil langkah 2. c. Posisi kelima dapat dicari dengan menambahkan posisi pixel sebelumnya dengan bilangan bulat hasil langkah 2 dan ditambah dengan sisa pembagian lebar. 4. Untuk tinggi karakter. a. Petakan pixel pertama (x,0) dan terakhir (x,tinggi) ke posisi pertama (x,0) dan terakhir (y,14) pola karakter.
13 42 b. Cari posisi tiap pixel yang akan diambil disepanjang sumbu y. Posisi tersebut didapat dengan cara menambahkan posisi awal dengan bilangan bulat yang didapat dari hasil langkah 2. c. Posisi ke tujuh dapat dicari dengan menambahkan posisi pixel sebelumnya dengan bilangan bulat hasil langkah 2 dan ditambah dengan sisa pembagian tinggi. d. Scan tiap sumbu x di sepanjang y yang sama. Jika pixel bernilai 1, maka konversikan nilai tersebut ke desimal dengan cara mengalikannya dengan 2 9-indeks. e. Jumlahkan nilai di tiap tinggi dan bagi dengan f. Simpan nilai baru hasil pembagian ke dalam array. Nilai ini akan digunakan sebagai pola pelatihan jaringan Perceptron pada proses rekognisi. Setelah proses ekstraksi selesai, dilakukan proses rekognisi untuk mengetahui apakah karakter tersebut dikenali atau tidak. Proses rekognisi dibagi ke dalam dua bagian yaitu pelatihan dan pengujian. Apabila jaringan yang akan digunakan telah dirancang, maka hal pertama yang dilakukan dalam proses pelatihan jaringan adalah mempersiapkan parameter-parameter pendukung.
14 43 Parameter-parameter tersebut antara lain: 1. Jumlah data pola yang hilang pada proses ekstraksi. 2. Berapakah nilai-nilai yang sesuai untuk laju pembelajaran. 3. Berapa epoch atau jumlah iterasi yang dibutuhkan untuk mengenali pola input. 4. Berapa nilai error ambang yang diinginkan. Nilai error ambang ini akan menentukan tingkat akurasi dari sistem yang dibangun. Arsitektur jaringan perceptron yang digunakan dapat dilihat dari Gambar 4.9 berikut. Gambar 4.9 Arsitektur Perceptron yang Digunakan Jaringan terdiri 14 unit input, bias, dan 4 unit output. Nilai bobot dan bias didapat secara acak pada range (-0.5, 0.5). Algoritma pelatihan jaringan pada proses rekognisi lebih lanjut dapat dilihat pada Bab III dan dapat digambarkan dalam diagram alir berikut ini.
15 44 Gambar 4.10 Diagram Alir Pelatihan
16 45 Algoritma yang digunakan dalam proses pengujian lebih sederhana daripada proses pelatihan jaringan. Algoritma tersebut adalah: 1. Masukkan citra yang akan diuji. 2. Olah citra. 3. Untuk tiap karakter: a. Analisa dan konversi karakter ke dalam bentuk array. b. Umpankan array input ke jaringan dan hitung output. c. Tampilkan karakter yang dikenali. 4.4 Post-processing Tahap terakhir dari keseluruhan sistem rekognisi karakter numerik ini adalah postprocessing. Pada tahap ini dilakukan evaluasi kinerja sistem OCR yang telah dibangun dengan menggunakan ketiga faktor berikut: 1. Recognition rate, yaitu jumlah dari karakter yang berhasil dikenali. 2. Rejection rate, yaitu jumlah dari karakter yang tidak berhasil dikenali. 3. Error rate, yaitu jumlah dari karakter gagal atau error saat dikenali. Misalkan tidak dapat dideteksi oleh sistem karena karakter tersebut rusak pada saat dilakukan pemindaian.
17 46 Apabila hasil rekognisi menunjukkan bahwa karakter tersebut tidak berhasil dikenali, maka karakter tersebut dijadikan pola baru dan dimasukkan ke dalam data base pola pelatihan. 4.5 Pengujian dan Analisa Sistem Rekognisi Karakter Numerik Menggunakan Algoritma Perceptron Pengolahan citra (a) (b) (c)
18 47 (d) Gambar 4.11 Hasil Pengujian Blok Pengolahan Citra Gambar 4.11 merupakan hasil pengolahan citra dan pelatihan sistem rekognisi karakter numerik yang telah dibangun. Dari gambar tersebut tampak bahwa karakter pertama pada citra uji berhasil dideteksi meskipun terjadi ketidakakuratan pada masing-masing karakter saat dilakukan proses segmentasi. Gambar (a) menunjukkan bahwa proses binarisasi gagal dilakukan untuk karakter yang berwarna kuning. Akan tetapi, citra uji mampu di konversikan dengan baik ke citra hitam putih meskipun derajat keabuan citra tersebut cukup rendah (perhatikan angka 9 pada Gambar 4.11.b) sehingga proses segmentasi per karakter dapat berjalan dengan baik. Citra input pada Gambar (c) dan (d) berasal dari tulisan tangan yang ditulis diselembar kertas dan dipindai. Kedua input ditulis menggunakan alat tulis yang berbeda, yaitu pena biasa (Gambar (c)) dan spidol (Gambar (d)). Sebagian karakter hasil binarisasi citra input yang ditulis menggunakan pena biasa mengalami kerusakan pada saat dilakukan binarisasi sedangkan citra input yang ditulis menggunakan spidol dapat dikonversikan dengan baik tanpa mengalami kerusakan karakter di dalamnya.
19 48 Bagian karakter yang rusak umumnya adalah bagian lekukan, seperti bagian tengah angka 0, dan hal ini terjadi dikarenakan tipisnya lebar garis tarikan karakter. Itulah sebabnya mengapa kualitas hasil binarisasi karakter yang ditulis dengan menggunakan spidol lebih baik dibandingkan hasil binarisasi karakter yang ditulis dengan menggunakan pena biasa. Selain faktor tersebut, intensitas cahaya juga menjadi faktor penyebab rusaknya karakter pada proses binarisasi. Garis horizontal biru pada citra hasil binarisasi merupakan posisi batas atas dan batas bawah teks angka numerik yang dideteksi melalui proses segmentasi baris. Citra karakter yang terdeteksi pada gambar di atas menunjukkan bahwa algoritma segmentasi yang digunakan berhasil melakukan segmentasi baris dan segmentasi vertikal. Apabila diperhatikan lebih rinci, tampak dari citra karakter hasil segmentasi bahwa algoritma segmentasi yang digunakan berhasil mendeteksi pixel hitam pertama dan terakhir pada segmentasi vertikal sehingga nilai pixel yang tidak mewakili pola karakter atau biasa disebut dengan noise dapat direduksi. Meskipun segmentasi vertikal dan horizontal telah berhasil dilakukan dengan baik, segmentasi horizontal terutama dalam mendeteksi pixel hitam terakhir dari karakter yang terdeteksi masih mengalami ketidakakuratan. Pada karakter input hasil tulisan tangan, hal ini disebabkan karena terdapat garis tarikan yang terputus sebagai akibat proses binarisasi (Gambar 4.11.c).
20 Rekognisi Pengujian blok rekognisi bertujuan untuk mengetahui apakah sistem yang telah dibangun berhasil mengenali karakter nol atau tidak. Selain dengan input uji berupa citra yang memuat karakter nol, pengujian juga dilakukan dengan citra input yang tidak memuat kerakter nol. Pengujian secara acak terhadap karakter numerik lain (bukan nol) menunjukkan bahwa umumnya pola uji tidak dikenali sebagai angka 0. Contoh hasil pengujian blok rekognisi dapat dilihat pada Gambar 4.12 dan Tabel 4.1 berikut. (a)
21 50 (b) Gambar 4.12 Screenshot Program Sistem Rekognisi Karakter Numerik Tabel 4.1 di bawah merupakan hasil pengujian sistem rekognisi karakter numerik dengan input uji berupa citra yang memuat angka 0. Angka 1 menunjukkan pola uji dikenali sedangkan angka 0 menunjukkan pola uji tidak dikenali sebagai angka 0. Font yang digunakan sebagai pola pelatihan adalah Arial, Comic San, dan Tahoma dengan tinggi karakter sebesar 72 point. Hasil pengujian menunjukkan, dari 10 pola uji yang diberikan, sistem mampu mengenali 4 pola. Tiga pola merupakan pola yang sama dengan pola pelatihan dan satu pola lainnya pola di luar pola pelatihan (Impact).
22 51 Tabel 4.1 Hasil Rekognisi Sistem Rekognisi Karakter Numerik Uji/Pelatihan Arial Comic San Tahoma Arial Book Antiqua Comic San Courier Impact Joe Hand MS San Serif Tahoma Times New Roman Tulisan Tangan Pengujian tersebut gagal disebabkan karena kesalahan pada proses segmentasi terutama pada pendeteksian batas bawah karakter sehingga data pola yang didapat setelah proses ekstraksi menjadi terganggu. Kesalahan ini umumnya terjadi apabila karakter yang terdapat dalam citra uji berupa karakter tunggal.
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciRekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang
17 BAB II REKOGNISI KARAKTER NUMERIK 2.1 Gambaran Singkat Rekognisi Karakter Optik Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang dirancang untuk menerjemahkan teks baik berupa
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem mutlak dilakukan analisis terhadap sistem yang akan dibangun, analisis yang dilakukan untuk membangun aplikasi perbandingan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bahasa Lampung merupakan bahasa tradisional masyarakat Lampung. Masyarakat Lampung sering menggunakan Bahasa Lampung sebagai bahasa komunikasi sehari-hari. Biasanya,
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
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 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 terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
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 terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih 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 terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciMETODE JARINGAN SARAF TIRUAN PENJEJAKAN BALIK UNTUK PENGENALAN HURUF CETAK PADA CITRA DIGITAL
METODE JARINGAN SARAF TIRUAN PENJEJAKAN BALIK UNTUK PENGENALAN HURUF CETAK PADA CITRA DIGITAL Fauziah, M Iwan Wahyuddin Jurusan Teknik Informatika, Fakultas Teknologi Komunikasi dan Informatika, Universitas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
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 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih 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 terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih 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 terperinciIMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI
IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI Andi Harmin Program Studi : Teknik Komputer STMIK Profesional Makassar andiharmin1976@gmail.com
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
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 terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
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 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi
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 terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciPERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION
Jurnal Komputer dan Informatika (KOMPUTA) 29 PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION Raden Sofian Bahri 1, Irfan Maliki 2 1,2 Program Studi Teknik
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f(x,y) dua dimensi, dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
Lebih terperinciMILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Thinning atau penipisan citra adalah suatu operasi untuk mereduksi citra biner dalam suatu objek menjadi rangka (skeleton) yang menghampiri sumbu objek.
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Proses masking terhadap citra bertujuan sebagai penandaan tempat pada citra yang akan disisipkan pesan sedangkan filtering bertujuan untuk melewatkan nilai pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih 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 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 terperinciBAB 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi yang terus berkembang membuat sistem komputerisasi bergerak dengan cepat, namun hal ini tidak seimbang dengan kemampuan manusia memindahkan data secara manual
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Masalah dalam sisitem ini adalah bagaimana agar sistem ini dapat membantu pengguna sistem untuk melakukan pengamanan data (data security). Dalam
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 03, No.2 (2015), hal ISSN : x
IDENTIFIKASI TEKS DOKUMEN MENGGUNAKAN METODE PROFILE PROJECTION DAN TEMPLATE MATCHING [1] Erwin Wahyudi, [2] Dedi Triyanto, [3] Ikhwan Ruslianto [1][2][3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciPENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN
PENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN Chairisni Lubis 1) Yuliana Soegianto 2) 1) Fakultas Teknologi Informasi Universitas Tarumanagara Jl. S.Parman
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperincidan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. akurasi =.
dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. Gambar 5 Macam-macam bentuk partisi citra. Ekstraksi Fitur Pada tahap ini semua partisi dari citra dihitung
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih 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 terperinciGambar 4.1 Diagram Percobaan
BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB 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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilakukan
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih 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 terperinciPENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING
PENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING Michael Ryan dan Novita Hanafiah School of Computer Science, Bina Nusantara, Jl. Kebon Jeruk Raya No. 27,Kebon Jeruk, Jakarta
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciBAB I PENDAHULUAN 1.2. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Pendahuluan Sejak awal penemuan teknologi komputer sebagai lompatan mutakhir dalam dunia ilmu pengetahuan, komputer telah banyak berperan dalam membantu manusia dalam melakukan berbagai
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL
PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL Silviana Utari, Tjut Awaliyah, M.Kom, Irma Anggraeni, M.Kom
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam implementasi persamaan Pulse
Lebih terperinciIV. RANCANG BANGUN SISTEM. Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk
IV. RANCANG BANGUN SISTEM 4.1 Analisis dan Spesifikasi Sistem Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk menyisipkan label digital, mengekstraksi label digital, dan dapat
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Studi Pada penelitian ini, peneliti menggunakan beberapa jurnal sebagai tinjauan studi, yaitu sebagai berikut : a. Pengenalan Huruf Bali Menggunakan Metode Modified
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.. Analisa Penelitian ini terdiri dari analisa kebutuhan data dan analisa proses identifikasi watermark untuk mendeteksi ada atau tidaknya watermark pada citra uang kertas
Lebih terperinciBAB 4 PENGUJIAN DAN ANALISIS SISTEM
BAB 4 PENGUJIAN DAN ANALISIS SISTEM Bab ini akan membahas mengenai proses pengujian dari sistem yang dirancang terhadap beberapa citra dijital replika kulit. Pengujian terhadap sistem ini dilakukan untuk
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. dilanjutkan dengan rancangan cetak biru untuk program yang akan dibangun.
BAB 3 PERANCANGAN PROGRAM Pada bab 3 ini, akan dijelaskan proses rancangan program aplikasi pengurangan noise pada citra digital. Dimulai dari analisa kebutuhan sistem yang akan dirancang, dilanjutkan
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 terperinciEKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Angga Sukma Prinata 3 Adiwijaya 12 Departemen Teknik Informatika
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 terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinci