SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION
|
|
- Hendri Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION Abdul Fadlil dan Surya Yeki Program Studi Teknik Elektro, Fakultas Teknologi Industri, Univesitas Ahmad Dahlan, Kampus III UAD Jl. Prof. Dr. Soepomo, Janturan, Umbulharo, Yogyakarta Telp ,3853, Fax Abstrak Verifikasi waah merupakan salah satu teknologi biometrika yang menadi perhatian para peneliti. Banyak sekali sistem aplikasi yang berbasis kepada verifikasi waah misalnya: akses pintu, akses mesin ATM, sistem presensi kehadiran, dll. Pada makalah ini akan dibahas perancangan dan pembuatan sistem verifikasi waah manusia menggunakan metode ekstraksi menggunakan metode SPCA (Simple Principle Component Analysis) dan teknik klasifikasi aringan saraf tiruan Learning Vector Quantization. Data citra waah yang digunakan berasal dari 5 orang yang terdiri masing-masing sebanyak 0 citra waah untuk proses pelatihan dan uga masingmasing sebanyak 0 waah untuk proses penguian. Hasil penguian unuk kera sistem didapat nilai FRR rata-rata 0% dan FAR rata-rata,55%. Kata kunci : verifikasi waah, SPCA, learning vector quantization. PENDAHULUAN Mengenali waah seseorang merupakan suatu hal yang mudah dilakukan oleh manusia. Seseorang akan dengan mudah mengenali waah orang yang dikenali sebelumnya walaupun ekspresi waah orang tersebut berbeda dari ekspresi waah ketika dia bertemu bahkan dalam kondisi terang ataupun gelap. Namun tidak demikian bagi sebuah mesin atau komputer yang belum dilengkapi sistem cerdas. Dalam era perkembangan sains dan teknologi, para ahli mencoba untuk menggantikan sistem kera otak manusia atau lebih dikenal dengan aringan saraf tiruan ke dalam sistem komputer. Dengan cara ini diharapkan pada suatu saat nanti akan dapat tercipta suatu komputer yang dapat menimbang dan mengambil keputusan sendiri sebagaimana layaknya manusia. Salah satu metode klasifikasi aringan saraf tiruan yang sering digunakan untuk klasifikasi adalah Learning Vector Quantization (LVQ). Salah satu contoh sistem pengenalan pola (pattern recognition) adalah sistem pengenalan biometrika. Penggunaan teknologi biometrika untuk mengenali seseorang pada dasarnya telah digunakan seak ribuan tahun yang lalu. Waah seseorang telah digunakan untuk pengenalan selain suara, sidik ari maupun cara alan. Bahkan saat ini berbagai karakteristik biometrika lain secara aktif masih dikembangkan oleh para peneliti seperti: DNA, tanda tangan, telapak tangan, retina mata, dll. Penggunaan biometrika untuk sistem pengenalan mempunyai banyak keunggulan dibandingkan sistem tradisional seperti: penggunaan password, PIN, kartu, dan kunci yang telah banyak diaplikasikan pada: akses pintu, presensi kehadiran, mesin ATM, dll. Sedangkan untuk aplikasi pemerintahan misalnya: kartu penduduk/paspor, SIM, dan imigrasi (Jain et al, 004). 480
2 . KAJIAN PUSTAKA Telah banyak usaha-usaha yang dilakukan oleh para peneliti untuk membangun suatu sistem berbasis pengenalan waah dengan menggunakan berbagai metode yang berbeda-beda meliputi pemilihan ekstraksi ciri dan teknik klasifikasi. Walaupun sudah banyak teknik-teknik pengenalan waah telah dikemukakan dan uga telah menunukkan hasil yang cukup signifikan, namun pengenalan waah yang handal masih sukar didapatkan (Paul and Michael, 004, Zhao et al, 005). Studi awal pengenalan waah telah dilakukan dengan suatu pendekatan sederhana program sederhana. Pada sistem pengenalan waah yang telah dibuat menggunakan dua fungsi arak yaitu Manhattan (L) dan Euclidean (L) serta aringan saraf tiruan sebagai pengklasifikasi (Fadlil, 007, Fadlil, 006, Wilson and Tony, 997). Secara umum diagram blok sistem pengenalan waah sebagaimana digambarkan sebagai berikut (Zhao et al, 005): Citra / video Deteksi waah Secara simultan Ekstraksi ciri waah Pengklasifikasi Identifikasi / verifikasi Gambar : Diagram blok sistem pengenalan waah Pada Gambar, ditunukkan bahwa sistem pengenalan waah meliputi tiga tahap/bagian yaitu:. deteksi dan normalisasi waah secara kasar. ekstraksi ciri dan normalisasi waah secara lebih akurat 3. pengklasifikasi untuk mendapatkan hasil identifikasi atau verifikasi. Masalah umum pada sistem pengenalan waah adalah dimulai dari pemberian masukan berupa citra/gambar selanutnya dilakukan identifikasi atau verifikasi satu atau beberapa orang dari gambar-gambar yang tersimpan pada database. Penyelesaian masalah ini dapat dilakukan dengan prose-proses yang meliputi segmentasi waah atau deteksi waah dari gambar, ekstraksi ciri dari waah yang telah diketahui lokasinya, dan 48
3 pengenalan. Tuuan deteksi waah adalah untuk menentukan ada atau tidaknya muka didalam gambar (Yang, et al, 00). Kadang-kadang perbedaan pembagian ini tidak sepenuhnya terpisah, sebagai contoh ciri waah (mata, hidung, mulut) digunakan untuk pengenalan waah namun sering uga digunakan dalam deteksi waah. Deteksi waah dan ekstraksi ciri dapat dicapai secara simultan sebagaimana ditunukkan pada Gambar. Kebayakan penelitian yang telah dilakukan sampai dengan pertengahan 990an ditekankan pada segmentasi satu-waah dari latar belakang gambar yang simpel atau kompleks. Berbagai pendekatan pada metode ini meliputi: penggunaan template keseluruhan-waah, template berbasis ciri, warna dan aringan syaraf tiruan. Deteksi waah otomatis yang telah dilakukan oleh Rowley, dkk. pada tahun 998 dengan membandingkan metode berbasis ciri dan template-matching. Satu pendekatan berbasis template telah dikai oleh Yuille, dkk. pada tahun 99, untuk mendeteksi mata-mata dan mulut pada gambar waah. Metode deteksi waah yang lebih baru lagi yaitu dengan satu pendekatan yang didasarkan pada pelatihan sampel-sampel waah dan bukan waah (Paul and Michael, 004, Roberto and Tomaso, 993). Metode ekstraksi ciri terdiri dari tiga macam yang dapat dibedakan menadi:. metode umum berdasarkan pada tepi, garis dan kurva. metode yang berdasarkan pada template ciri yang digunakan untuk mendeteksi ciri-ciri waah seperti mata. 3. metode matching struktural Banyak metode pengenalan waah telah diusulkan selama kurun waktu lebih dari 30 tahun. Pengenalan waah merupakan masalah penting yang belum berhasil dengan memuaskan sehingga masih menadi perhatian para peneliti yang mempunyai latar belakang disiplin ilmu yang berbeda-beda: psikologi, pengenalan pola, aringan syaraf, visi komputer dan komputer grafik. Seperti halnya pada sistem pengenalan biometrik yang lain, pengenalan waah uga terdiri dari dua mode operasi yaitu identifikasi dan verifikasi (Jain et al, 004). Pada mode identifikasi atau dikenal dengan mode satu-ke-banyak (one to many), gambar waah seseorang yang belum diketahui dibandingkan dengan template waah banyak orang yang tersimpan dalam database. Sedangkan pada mode verifikasi atau dikenal dengan mode satu-ke-satu (one to one), sistem membuat validasi identitas seseorang dengan cara membandingkan gambar waah dengan template waah kepunyaannya yang telah tersimpan dalam database. Analisis unuk kera sistem untuk mode identifikasi diperoleh melalui proses penguian menggunakan data penguian (testing set) sehingga diperoleh akurasi pengenalan. Pada mode verifikasi unuk kera sistem dikenal dua istilah yaitu FRR (False Reection Rate) dan FAR (False Acceptance Rate. FRR adalah nilai kemungkinan sistem gagal atau menolak pengguna yang sebenarnya. Sedangkan FAR (False Acceptance Rate) adalah nilai kemungkinan sistem gagal atau menerima pemalsu (Jain, 004, Prabhakar, et al, 003). 48
4 3. METODE PENELITIAN Secara garis besarnya sistem verifikasi waah yang dirancang terdiri dari fase yaitu pelatihan dan penguian. Diagram blok sistem verifikasi waah pada fase pelatihan sebagaimana ditunukkan pada Gambar. Input Waah (database) Pemroses awal Segmentasi Nilai bobot untuk proses penguian Pengklasifikasi (LVQ) Ekstraksi Ciri (SPCA) Gambar. Blok diagram sistem verifikasi waah pada fase pelatihan (training) Sedangkan diagram blok sistem verifikasi waah pada fase penguian sebagaimana ditunukkan pada Gambar 3. ID Input Waah Diterim a/ Pemroses awal Pengklasifikasi Segmentasi Ekstraksi Ciri bobot Gambar 3. Blok diagram sistem waah pada fase penguian (test) Input waah (Database) dan Pemroses Awal Data citra waah yang digunakan saat pelatihan adalah berupa citra waah dari lima orang yang masing-masing terdiri dari 0 citra pelatihan dan 0 citra penguian. Citra. Pada pemroses awal dilakukan konversi dari citra true color ke dalam bentuk keabuan (grayscale). Segmentasi daerah waah Citra yang diambil melalui webcam merupakan citra utuh dengan resolusi tertentu (60x0 piksel). Dalam citra utuh masih terdapat obyek background dan obyek waah. Sebelum masuk pada tahap pengambilan ciri waah sebagai input ke aringan maka perlu dilakukan pemisahan obyek waah dari obyek background. Untuk memisahkan obyek waah dari background digunakan metode analisis proyeksi citra. Dari proyeksi citra abu-abu yang diperoleh, selanutnya dilakukan proses cropping waah. Proses ini dilakukan untuk menentukan bagian mana dari citra yang termasuk 483
5 waah dan bagian mana yang termasuk background. Bagian yang termasuk waah akan diwakili oleh windows capture dan bagian background akan diwakili oleh diluar windows capture. Penentuan nilai windows capture dapat lakukan dengan memanfaatkan bentuk segiempat panang dengan menunggu masukkan dengan menggunakan mouse sebagai perintah pengambilan gambarnya. Ekstraksi ciri Ekstraksi ciri adalah proses pemilihan ciri citra waah yang digunakan sebagai input ke dalam JST. Ekstraksi ciri merupakan satu tahap yang dilakukan sebelum melakukan klasifikasi. Proses ini berkaitan dengan kuantisasi karakteristik citra ke dalam sekelompok nilai ciri yang sesuai. Ciri citra waah diekstraksi dalam bentuk vektor ciri [4]. Berikut adalah tahap-tahap ekstraksi ciri: Tahap : Hadirkan citra waah yang akan dilatihkan ke aringan I, I, LI N Tahap : Normalisasi citra waah dari segi format, ukuran, dan dimensi citra. Hal ini dilakukan karena citra hasil segmentasi tidak memiliki dimensi yang identik antara yang satu dengan yang lainnya. Pengektraksian ciri citra dengan dimensi yang berbeda-beda menyebabkan kerancuan dalam pengambilan ciri. Tahap 3 : Representasikan citra waah I i ke dalam bentuk vektor Γ i seperti pada Gambar 4. Gambar 4. Representasi citra sebagai vektor Tahap 4: Hitung rerata seluruh vektor citra waah pelatihan Rerata pola citra didefinisikan dengan persamaan: N ψ Γ N i i Dimana m adalah umlah elemen vektor dan N adalah umlah sampel citra Γ + Γ + Γ3 + Γ4 + Γ5 + L +Γ n Γ + Γ + Γ3 + Γ4 + Γ5 + L +Γn rerata( Ψ) M M M M Γm + Γm + Γm3 + Γm 4 + Γm5 + L +Γmn Tahap 5 : Untuk mendapatkan vektor ciri, kurangkan nilai vektor citra waah dengan nilai rerata seluruh sampel citra waah. Φ Γ ψ i i Φ i merupakan pola hasil ekstraksi ciri yang akan digunakan sebagai input pada pengklasifikasi aringan syaraf tiruan. 484
6 Φ Γ Γ M Γ m, Φ M m Γ Γ M Γ m M m, Φ 3 Γ Γ M 3 3 cm 3 M m,, Φ n Γ Γ M Γ n n mn M m Pengklasifikasi Pengenalan adalah kemampuan untuk mengklasifikasi pola-pola input. Sedangkan klasifikasi adalah proses penetapan pola input ke dalam klas berdasarkan pada ciri dengan menggunakan teknik klasifikasi aringan saraf tiruan LVQ. Dalam sebuah pola sangat memungkinkan adanya klas dan ciri yang lebih dari satu. Banyak klas dalam suatu pola tergantung pada umlah obyek-obyek di dalam citra yang akan diklaskan. Algoritma pembelaarannya adalah sebagai berikut (Fauset, 994): x : vektor pelatihan (x,..., x i,..., x n ) T : klas atau kategori vektor pembelaaran w : vektor bobot unit output; (w,..., w i,, w n ) C : kategori atau klas yang berikan oleh unit output x-w : arak euclidean antara vektor input dan vektor L0. Inisialisasi vektor referensi Inisialisasi lau pembelaaran α(0) L. Selama syarat berhenti false kerakan langkah -6 L. Untuk setiap vektor input pembelaaran x, kerakan langkah 3-4 L3. Cari J sehingga x-w minimum L4. Perbarui w : Bila T C, maka w ( baru) w ( lama) + α. x w ( lama) [ ] Bila T C, maka w ( baru) w ( lama) α. x w ( lama) [ ] L5. Kurangi lau pembelaaran L6. Ui syarat berhenti; Syaratnya: spesifikasi cacah iterasi atau lau pembelaaran mencapai nilai yang cukup kecil. 4. HASIL DAN PEMBAHASAN Keseluruhan database citra yang akan digunakan untuk pengembangan dan penguian unuk kera sistem verifikasi waah ditunukkan pada Tabel. Citra yang digunakan pada proses fase pelatihan tidak akan digunakan dalam proses fase penguian. Tabel. Database citra yang digunakan Sumber Citra Citra Pelatihan Citra Penguian Ukuran Format Citra webcam 50 citra waah 50 citra waah 60x0.pg Asli Citra webcam Cropping (0 citra per orang) 50 citra waah (0 citra per orang) (0 citra per orang) 50 citra waah (0 citra per orang) 80x60.pg 485
7 Data yang digunakan saat penguian terbagi menadi dua, yaitu data milik orang yang sebenarnya dan data milik para pemalsu. Jumlah citra yang digunakan pada tahap ini untuk masing-masing orang berumlah 0 citra. Penggunaan variasi parameter-parameter diatas akan menghasilkan nilai FAR dan FRR yang dapat digunakan untuk mengetahui tingkat unuk kera optimal/terbaik dari sistem yang dirancang. FRR (False Reection Rate) merupakan kemungkinan sistem gagal melakukan verifikasi dan menolak pengguna sebenarnya, sedangkan FAR (False Acceptance Rate) adalah kemungkinan perancangan sistem menerima pemalsu. Hasil penguian sistem verifikasi sebagaimana ditunukka pada Tabel dan Tabel 3. Tabel. Hasil penguian FRR dengan variasi lau pembelaaran User ID FRR (%) 0, 0, 0,3 0,4 0,5 0,6 0,7 0,8 0, User ID 0 0,4 0,6,4,6,, 0,8 0,8 Tabel 3. Hasil penguian FAR dengan variasi lau pembelaaran FAR (%) 0, 0, 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0,56 8,33 3,33,78 3,33 3,33 3,88 4,44,77,77 0, ,66 67,77 3 3,86,,67,, 8,33 33,33 5,77 56, ,56 0,56 0,56 0,56 3,33 3,33 3,88 4, 53,33 58,33 5,,67 0,65 5,55 8,88,77 5 7, 7,77 Ratarata Ratarata,55,55 3,,,66 0,77 4,77,66 37,3 44,3 Berdasarkan dari hasil-hasil eksperimen sebagaimana ditunukkan pada Tabel dan Tabel 3 diatas, dengan memvariasi nilai lau pembelaaran didapatkan hasil penguian unuk kera sistem didapat nilai FRR rata-rata 0% dan FAR rata-rata,55% pada nilai lau pembelaaran 0,3. Hasil yang telah diperoleh ini menunukkan bahwa sistem mempunyai unuk kera yang baik dan dapat dikembangkan untuk aplikasi real. Namun upaya untuk lebih meningkatkan unuk kera sistem masih perlu dilakukan misalnya dengan melakukan proses yang mencoba menggunakan teknik-teknik lain pada tahap pemroses awal, ekstraksi ciri maupun pengklasifikasi. 486
8 5. SIMPULAN Simpulan yang dapat diambil dari penelitian ini adalah bahwa sistem verifikasi waah menggunakan metode ekstraksi SPCA (Simple Principle Component Analysis) dan teknik klasifikasi aringan saraf tiruan Learning Vector Quantization yang telah dibuat dapat bekera dengan baik. Hasil-hasil eksperimen dari penguian sistem didapatkan hasil penguian unuk kera sistem didapat nilai FRR rata-rata 0% dan FAR rata-rata,55% pada nilai lau pembelaaran 0,. Pada penelitian selanutnya dapat dikembangkan suatu sistem verifikasi waah dengan cara menemukan metode ekstaksi ciri yang mampu menaamkan perbedaan untuk citra waah yang berbeda dan adanya kemiripan untuk citra waah orang yang sama. Selain itu dapat dilakukan dengan menggunakan teknik-teknik klasifikasi pola yang lebih sesuai. DAFTAR PUSTAKA Fadlil, A., 006. Program Sederhana Sistem Pengenalan Waah Menggunakan Fungsi Jarak, Jurnal TELKOMNIKA Vol. No., Teknik Elektro UAD, Desember 006, Yogyakarta. Fadlil, A., 007. Perbandingan Pengklasifikasi Fungsi Jarak Dan Jaringan Syaraf Tiruan Pada Sistem Pengenalan Waah, Prosiding SNATI 007, Yogyakarta. Fauset L., Fundamentals of Neural Networks, Prentice Hall Inc., USA, 994. Jain, A. K., Ross, A., and Prabhakar, A., 004. An Introduction to Biometric Recognition, IEEE Transactions on Circuits and Systems for Video Technology, vol. 4, no., January 004, pp Prabhakar, S., Pankanti, S.,Jain, A.K., 003. Biometric Recognition: Security and Privacy Concerns, Security & Privacy Magazine, IEEE, Volume:, Issue:, Mar- Apr 003, pp Roberto, B. and Tomaso, P., 993. Face Recognition: Features versus Templates, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 5, no. 0, October 993, pp Wilson, D. R. and Tony R. M., 997. Improved Heterogeneous Distance Functions, Journal of Artificial Intelligence Research, vol 6, pp Yang, M., Kriegman, D. J., and Ahua, N., 00. Detecting Face in Images: A Survey, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 4, no., January 00, pp Zhao, W., Chellappa, R., Phillips, P. J., and Rosenfeld, A., 005, Face Recognition: A Literature survey, ACM Computing Surveys, Vol. 35, No. 4, pp
SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY
SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY 1 Devi Puspita Sari (08018272), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik
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 terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciKOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN
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 terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 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 terperinciKLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciSISTEM IDENTIFIKASI CITRA JENIS CABAI (Capsicum Annum L.) MENGGUNAKAN METODE KLASIFIKASI CITY BLOCK DISTANCE
SISTEM IDENTIFIKASI CITRA JENIS CABAI (Capsicum Annum L.) MENGGUNAKAN METODE KLASIFIKASI CITY BLOCK DISTANCE 1 Nur Tyas Anggraeni (08018126), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik Informatika
Lebih terperinciMuhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com
Lebih 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 terperinciAdiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER
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 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 terperinciUNJUK KERJA METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DENGAN LEARNING VECTOR QUANTIZATION (LVQ) PADA APLIKASI PENGENALAN WAJAH
ISSN : 1693 1173 UNJUK KERJA METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DENGAN LEARNING VECTOR QUANTIZATION (LVQ) PADA APLIKASI PENGENALAN WAJAH Yustina Retno Wahyu Utami 1), Teguh Susyanto 2). Abstract
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih 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 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 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 terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciPENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Muhammad Nasir 1 dan
Lebih terperinciPENGEMBANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGEMBANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) Indra Hermawan) ) ) Sekolah Tinggi Teknologi Terpadu Nurul Fikri Jl. Margonda Raya No. 522, Jawa
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 terperinciSISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Oleh: Bakhtiar Arifin (1206 100 722) Dosen Pembimbing: Prof. DR. M.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciPENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2)
PENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2) SKRIPSI Disusun Sebagai Salah Satu Syarat Menyelesaikan Program Studi
Lebih terperinciAPLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE
APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE Matheus Supriyanto Rumetna 1*, Marla Pieter, Monica Manurung 1 1 Fakultas Ilmu Komputer dan Manajemen, Universitas Sains
Lebih terperinciSEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si
APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono
Lebih terperinciOPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK
OPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK ABSTRAK Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Algoritma umum metode propagasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manuasia. Namun mata manusia memiliki keterbatasan
Lebih terperinciIDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)
IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinciAplikasi Pengenalan Citra Chord Gitar Menggunakan Learning Vector Quantization (LVQ)
95 Aplikasi Pengenalan Citra Chord Gitar Menggunakan Learning Vector Quantization (LVQ) Imam Suderajad *), Tamam Asrori **), Mohammad ***), Dwi Prananto ****) Teknik Elektro, Universitas Panca Marga Email:
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
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 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 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 terperinciENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5
MAKALAH SEMINAR TUGAS AKHIR ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5 Sunaryo 1, Budi Setiyono 2, R. Rizal Isnanto 2 Abstrak - Biometrik merupakan
Lebih terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciANALISA PREDIKSI TINGKAT PENGANGGURAN DENGAN JARINGAN SYARAF TIRUAN
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 907-5022 Yogyakarta, 6 Juni 2007 ANALISA PREDIKSI TINGKAT PENGANGGURAN DENGAN JARINGAN SYARAF TIRUAN Prisa Marga Kusumantara, I Gede
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Identitas sangat penting sebagai bukti bahwasanya manusia yang satu dengan yang lainnya adalah berbeda. Pada beberapa aplikasi yang membutuhkan pengidentifikasian seseorang
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 terperinciMagister Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta 2. Program Studi Teknik Elektro, Universitas Ahmad Dahlan, Yogyakarta 3
Sistem Identifikasi Jamur Menggunakan Metode Ekstraksi Ciri Statistik Orde 1 dan Klasifikasi Jarak Mushroom Identification System Using the 1st Order Statistic Characteristic Extraction and Distance Classification
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih 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 I PENDAHULUAN. perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini. 1.1
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tomat merupakan salah komoditas di pertanian Indonesia saat ini, tomat sudah menjadi kebutuhan pokok penunjang pangan di indonesia akan tetapi cara mengidentifikasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciBAB I PENDAHULUAN. berbeda antara manusia satu dengan yang lain. Manusia mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini teknologi pengenalan wajah semakin banyak diaplikasikan karena wajah merupakan suatu bagian tubuh manusia yang biasa digunakan sebagai pengenalan identitas,
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 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 terperinciKlasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ
Klasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ Gilang Ramadhan *, Esmeralda C Djamal, Tedjo Darmanto Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl.
Lebih terperinciPERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION
PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION (Forecast The Number of Vehicle in Jakarta Using Backpropagation Neural Net ) Zumrotus Sya diyah Universitas Darussalam Ambon,
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 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan
Lebih terperinciIdentifikasi Unsur-unsur Radioaktif dengan Menggunakan Jaringan Syaraf Tiruan
Identifikasi Unsur-unsur Radioaktif dengan Menggunakan Jaringan Syaraf Tiruan Rokhmadi 1 dan R. Muhammad Subekti 1 1. Pusat Pengembangan Teknologi Reaktor Riset (P2TRR) BATAN, Serpong Abstrak Jaringan
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciPengamanan Laptop Menggunakan Pengenalan Wajah Berbasis Triangle Face Laptop Security Using Face Recognition Based on Triangle Face
22 ISSN: 1978-1520 Pengamanan Laptop Menggunakan Pengenalan Wajah Berbasis Triangle Face Laptop Security Using Face Recognition Based on Triangle Face Muhammad Miftah 1, Aripin 2 1,2 Jurusan Teknik Informatika,
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 terperinciKEAMANAN DENGAN SISTEM BIOMETRIK Oleh : Krisnawati
1 KEAMANAN DENGAN SISTEM BIOMETRIK Oleh : Krisnawati Abstrak Saat ini teknologi yang umum untuk mengenali seseorang di dunia digital adalah pasangan user ID dan password. Teknologi ini dirasakan memiliki
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
Lebih terperinciSISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR
SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciBAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem
1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika
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 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 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 terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Artificial Intelligence Artificial Intelligence adalah studi tentang bagaimana komputer melakukan sesuatu dimana saat itu orang melakukannya lebih baik. (Rich dan Knight, 1991).
Lebih terperinciJARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB,
JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB, sigitkus@ub.ac.id ABSTRAKSI Salah satu kelemahan umum pada pengenalan pola untuk
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih terperinciBAB 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 terperinciz_in ( ) dan mengaplikasikan fungsi aktivasi untuk menghitung sinyal output ( ) Propagasi balik:
LAMPIRAN 4 Lampiran Algoritma aringan syaraf tiruan propagasi balik Langkah 0 Inisialisasi bobot Langkah Selama kondisi berhenti bernilai salah, lakukan langkah -9. Langkah Untuk setiap pasangan, lakukan
Lebih terperinciBAB I PENDAHULUAN. identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi biometrik merupakan teknologi yang memanfaatkan identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau kunci dalam kontrol akses ke
Lebih terperinciVERIFIKASI CITRA WAJAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM UNTUK APLIKASI LOGIN
VERIFIKASI CITRA WAJAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM UNTUK APLIKASI LOGIN Dimas Achmad Akbar Kusuma (1), Fernando Ardilla (), Bima Sena Bayu Dewantara () (1) Mahasiswa Program Studi Teknik
Lebih terperinciSISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Pradityo Utomo Program Studi D3 Manajemen Informatika Universitas Merdeka Madiun pradityou@gmail.com ABSTRACT Information
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
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 terperinciIdentifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation
Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation Destri Wulansari, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad
Lebih terperinciPENGENALAN POLA ALPHABET TULISAN TANGAN SECARA ON-LINE DENGAN JST-BP
ISSN: 693-693 35 PENGENALAN POLA ALPHABET TULISAN TANGAN SECARA ON-LINE DENGAN JST-BP Tole Sutikno, Andhy Fathurrakhman Program Studi Teknik Elektro Universitas Ahmad Dahlan Kampus III Jln. Prof Soepomo,
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 I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinci