Analisis Perbandingan Transformasi Wavelet pada Pengenalan Citra Wajah
|
|
- Widya Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Vol.5 No. (Juli 00) JURNAL GENERIC 5 Analisis Perbandingan Transformasi Wavelet pada Pengenalan Citra Waah Sutarno, Fakultas Ilmu Komputer, Universitas Sriwiaya Abstract Citra merupakan dimensi spatial berisi infor-masi warna dan tidak bergantung waktu. Transformasi citra merupakan proses perubahan bentuk citra untuk mendapatkan suatu informasi tertentu (fitur) yang tidak tersedia sebelumnya, salah satunya adalah transformasi wavelet. Wavelet merupakan fungsi matematis yang mampu mengelompokan energi citra terkosentrasi pada sekelompok kecil koefisien, sedangkan kelompok koefisien lainnya hanya mengandung sedikit energi yang dapat dihilangkan. Penelitian ini bertuuan untuk mengui tingkat keakuratan informasi hasil trans-formasi pada citra waah menggunakan enis wavelet Haar, Daubechies dan Coiflet, kemudian diterapkan pada sistem pengenalan waah menggunakan metode Learning Vector Quatization (LVQ). Hasil penguian, dapat dilihat bahwa transformasi pada citra dengan wavelet daubechies orde- (db) sebesar 79,7% sebandingkan dengan dekomposisi wavelet haar uga sebesar 79,7%, sedangkan dekomposisi dengan wavelet coiflet orde- (coif) unukkera sistem menurun 9% atau 70,00%. Kata Kunci Citra, Transformasi Citra, Transformasi Wavelet, Learning Vector Quantization. D I. PENDAHULUAN ewasa ini perkembangan ilmu pengetahuan dan teknologi berlangsung sangat pesat, hal ini banyak membantu manusia dalam mengatasi keterbatasannya, salah satunya membantu membebaskan manusia dari keterbatasan fisiknya. Teknik pengolahan citra merupakan bidang kaian yang berkembang pesat dan telah terapkan dalam berbagai aplikasi. Pengolahan citra adalah pemrosesan citra, khususnya menggunakan komputer untuk menghasilkan citra manipulasi yang kualitasnya lebih baik dari citra sebelumnya, sehingga citra tersebut lebih mudah diinterpretasikan baik oleh manusia maupun mesin. Transformasi merupakan proses pengubahan data atau sinyal ke dalam bentuk lain agar lebih mudah dianalisis, seperti transformasi fourier yang mengubah sinyal ke dalam beberapa gelombang sinus atau cosinus dengan frekuensi yang berbeda, sedangkan transformasi wavelet (wavelet transform) mengubah sinyal ke dalam berbagai bentuk wavelet basis (mother wavelet) dengan berbagai pergeseran dan penyekalaan (Kadir, 998). Menurut Susanto (004), transformasi merupakan sarana atau proses bantu agar ciri khusus suatu data atau sinyal dapat tampil lebih nyata atau elas, dan sekaligus mereduksi ukuran data tersebut. Zhang (004) menerangkan bahwa pendekatan berdasarkan wavelet pada problem linear terbaik dalam pengolahan citra. Dalam pendekatan ini, baik citra maupun Sutarno adalah staf pengaar dan peneliti di Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas Sriwiaya, Inderalaya, Ogan Ilir, Sumatera Selatan ( tarno@unsri.ac.id). operator linear yang akan dibalikkan (inverted) ditunukkan dengan perluasan wavelet, yang menghasil-kan representasi matriks multiresolusi yang arang pada pemecahkan masalah balik. Keterbatasan dalam penyelesaian (solution) yang teratur, diatasi melalui koefisien perluasan wavelet. Ciri unik pendekatan wavelet adalah kerangka yang umum dan konsisten untuk mewakili suatu operator yang diperlukan dalam pemecahan yang beragam, problem penting dalam pemrosesan (multigrid/multiresolution). Hal ini dan kelangkaan dalam representasi, memunculkan algoritma multigrid. Pendekatan yang diusulkan diui berdasarkan kemampuan/keunggulan perbaikan citra dan memberikan hasil yang baik. A. Pengolahan Citra II. TINJAUAN PUSTAKA Citra (image) adalah gambar pada bidang dua-dimensi, maka sebuah citra merupakan dimensi spasial atau bidang yang berisi informasi warna yang tidak bergantung waktu (Munir, 004). Ditinau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) atas intensitas cahaya pada bidang dua dimensi. Sumber cahaya menerangi obek, obek memantulkan kembali seluruh atau sebagian berkas cahaya kemudian ditangkap oleh alat optis atau elektro-optis (Murni dkk, 99). Citra terdiri atas sekumpulan titik-titik gambar, yang disebut piksel. Titik-titik tersebut menggambarkan posisi koordinat dan mempunyai intensitas yang dapat dinyatakan dengan bilangan yang disimbolkan dengan f(x,y), yang dalam hal ini: (x,y) merupakan koordinat pada bidang duadimensi dan f(x,y) intensitas cahaya (brightness) pada titik (x,y). Munir (004), karena cahaya merupakan bentuk energi, maka intensitas cahaya bernilai antara 0 sampai takhingga atau (0 f(x,y) < ). Nilai f(x,y) sebenarnya adalah hasil kali atas: ) i(x,y) sebagai energi cahaya yang datang dari sumbernya (illumination), dengan nilai dari 0 sampai takhingga, dan ) r(x,y) mewakili deraat kemampuan obek memantulkan cahaya (reflection) dengan nilai antara 0 dan yaitu nilai 0 mengidikasikan penyerapan total, sedangkan nilai mengidikasikan pemantulan total. Pada Gambar memperlihatkan proses pembentukan intensitas cahaya. Sumber cahaya menyinari obek, umlah ISSN: (print) / (online) 00 JURNAL GENERIC
2 6 JURNAL GENERIC Sutarno pancaran cahaya yang diterima obek pada koordinat (x,y) adalah i(x,y), kemudian obek memantulkan cahaya yang diterima dengan deraat pemantulan r(x,y). Hasil kali antara i(x,y) dan r(x,y) menyatakan intensitas cahaya pada koordinat (x,y) yang ditangkap oleh sensor visual pada sistem optis. Jadi, f(x,y) = i(x,y). r(x,y) dalam hal ini, 0 i(x,y) <, dan 0 r(x,y), sehingga 0 f(x,y) < Gambar. Proses pembentukan citra Pra-pengolahan citra (image pre-prosessing), proses prapengolahan citra dilakukan untuk mendapatkan citra yang kualitasnya lebih baik daripada citra sebelumnya dengan cara memanipulasi parameter-parameter citra, sehingga menghasilkan bentuk yang lebih cocok terhadap nilai-nilai piksel citra tersebut untuk proses selanutnya. B. Transformasi Wavelet Wavelet merupakan alat analisis yang biasa digunakan untuk menyaikan data atau fungsi atau operator ke dalam komponen-komponen frekuensi yang berlainan, dan kemudian mengkai setiap komponen dengan suatu resolusi yang sesuai dengan skalanya. (Daubechies, 995). Menurut Sydney (998), Wavelet merupakan gelombang mini (small wave) yang mempunyai kemampuan mengelompokkan energi citra dan terkonsentrasi pada sekelompok kecil koefisien, sedangkan kelompok koefisien lainnya hanya mengan-dung sedikit energi yang dapat dihilangkan tanpa mengurangi nilai informasinya. Wavelet merupakan keluarga fungsi yang dihasilkan oleh wavelet basis ψ(x) disebut mother wavelet. Dua operasi utama yang mendasari wavelet adalah: ) penggeseran, misalnya ψ(x-), ψ(x-), ψ(x-b), dan ) penyekalaan, misalnya ψ(x), ψ(4x) dan ψ( x). Kombinasi kedua operasi inilah menghasilkan keluarga wavelet. Secara umum, keluarga wavelet sering dinyatakan dengan formula: ψ a,b (x) = x b ψ a a dengan: a,b R; a 0 (R = bilangan nyata), a adalah paremeter penyekalaan (dilatasi), b adalah perameter penggeseran posisi (translasi) pada sumbu x, dan a adalah normalisasi energi yang sama dengan energi induk. permukaan r(x,y) i(x,y) normal f(x,y) Wavelet induk diskalakan dan digeser melalui pemisahan menurut frekuensi menadi seumlah sub-sub bagian. Untuk mendapatkan sinyal kembali dilakukan proses rekonstruksi wavelet. Beberapa contoh keluarga wavelet adalah Haar, Daubechies, Symlets, Coiflets, BiorSplines, ReverseBior, Meyer, DMeyer, Gaussian, Mexican_hat, Morlet, Complex Gaussian, Shannon, Frequency B-Spline, Complex Morlet, Riyad, dan lain sebagainya. Transformasi wavelet merupakan pengubahan sinyal ke dalam berbagai wavelet basis dengan berbagai pergeseran dan penyekalaan, oleh karena itu koefisien wavelet dari beberapa skala atau resolusi dapat dihitung dari koefisien wavelet pada resolusi tinggi berikutnya. Hal ini memungkinkan mengimplementasikan transformasi wavelet menggunakan struktur pohon yang dikenal sebagai algoritma piramid (pyramid algorithm). Transformasi wavelet merupakan suatu proses pengubahan data dalam bentuk lain agar lebih mudah dianalisis. Transformasi wavelet menghasilkan energi citra yang terkosentrasi pada sebagian kecil koefisien transformasi dan kelompok lain yang mengandung sedikit energi. Proses transformasi wavelet dapat dilakukan dengan konvolusi atau dengan proses pererataan dan pengurangan secara berulang. Proses ini banyak digunakan pada proses dekomposisi, deteksi, pengenalan (recognition), pengam-bilan kembali citra (image retrieval), dan lainnya yang masih dalam penelitian (Zhang dkk., 004). Salah satu alasan mengapa transformasi wavelet menadi begitu penting dalam berbagai bidang adalah karena sifat-sifat berikut: ) Waktu kompleksitasnya bersifat linear. Transformasi wavelet dapat dilakukan dengan sempurna dengan waktu yang bersifat linear. ) Koefisien-koefisien wavelet yang terpilih bersifat arang. Secara praktis, koefisien-koefisien wavelet kebanyakan bernilai kecil atau nol. Kondisi ini sangat memberikan keuntungan terutama dalam bidang kompresi atau pemampatan data. 3) Wavelet dapat beradaptasi pada berbagai enis fungsi, seperti fungsi tidak kontinyu, dan fungsi yang didefinisikan pada domain yang dibatasi. Transformasi wavelet mempunyai penerapan yang luas pada aplikasi pengolahan isyarat dan pengolahan citra. Ada berbagai enis transformasi wavelet, akan tetapi pada bagian ini lebih menitikberatkan pada transformasi wavelet diskret diantaranya adalah transformasi Discrete Wavelet Transform (DWT) -dimensi (-D), dan transformasi wavelet -dimensi (-D). (.7) Transformasi wavelet -D membagi sinyal menadi dua bagian, frekuensi tinggi dan frekuensi rendah berturut-turut dengan tapis lolos-rendah (low-pass filter) dan tapis lolostinggi (high-pass filter). Frekuensi rendah dibagi kembali menadi frekuensi tinggi dan rendah. Proses diulang sampai sinyal tidak dapat didekomposisi lagi atau sampai pada level yang memungkinkan. Sinyal asli dapat dipulihkan kembali melalui rekonstruksi dari sinyal yang telah didekomposisi dengan menerapkan Inverse Discrete Wavelet Transform (IDWT). Transformasi wavelet -dimensi (-D) merupakan
3 Vol.5 No. (Juli 00) JURNAL GENERIC 7 generalisasi transformasi wavelet satu-dimensi. DWT untuk - D pada citra x(m,n) dapat digambarkan sama dengan implementasi DWT -D, untuk setiap dimensi m dan n secara terpisah dan membagi citra ke dalam sub-sub bidang frekuensi, sehingga menghasilkan struktur piramid. Langkahlangkah transformasi wavelet -D dapat diilustrasikan dengan Gambar berikut ini. takhingga, namum dalam penerapannya proses transformasi wavelet dilakukan sampai umlah data koefisien detil adalah satu. Hal ini korelasi dengan kandungan informasi minimum sinyal hasil transformasi yang memungkinkan proses pengembalian sinyal asli atau biasa disebut entropy. Persamaan yang berkorelasi dengan entropy adalah sebagai berikut (Kadir, 998). citra masukan high_pass low_pass high_pass low_pass high_pass low_pass HH HL LH LL Level maks = ln(panang data/panang filter) ln( ) Jadi untuk citra ukuran piksel 8x8 akan dialihragamkan menggunakan tapis wavelet Haar (x), level maksimum yang diperbolehkan adalah 6 level, berarti citra tersebut pada level-6 menadi berukuran x. horisontal filtering vertical filtering Gambar. Ilustrasi Transformasi wavelet -dimensi (-D) Pada gambar di atas langkah pertama citra x(m,n) ditapis pada arah horisontal. dengan tapis lolos-rendah yang merupakan fungsi penyekalan (scaling function) dan tapis lolos-tinggi yang merupakan fungsi wavelet (wavelet function). Hasil penapisan selanutnya dicuplik turun pada dimensi m dengan faktor. Hasil kedua proses ini adalah suatu citra lolos-rendah dan suatu citra lolos-tinggi. Proses selanutnya masing-masing citra ditapis dan dicuplik turun dengan faktor sepanang dimensi n. Kedua proses akhir ini akan membagi citra ke dalam seumlah sub-sub bidang yang dinotasikan dengan LL, HL, LH, HH. Bidang LL merupakan perkiraan kasar atau koefisien aproksimasi dari citra asli, bidang HL dan LH merekam perubahan pada citra sepanang arah horisontal dan vertikal secara berurutan dan bidang HH menunukkan komponen frekuensi tinggi pada citra. HL, LH, HH disebut uga koefisien detail. Dekomposisi level- dilakukan proses dekomposisi (DWT- ) kembali pada bidang LL, sehingga akan membagi bidang LL menadi 4 sub bidang yakni LL, LH, HL, dan HH. Gambar 3 berikut ini menggambarkan proses dekomposisi wavelet level- menggunakan wavelet Haar. Transformasi Wavelet Haar Subbab ini secara khusus membahas tentang transformasi wavelet Haar, karena tipe ini dipergunakan dalam proses transformasi pada penelitian ini. Wavelet Haar merupakan salah satu tipe wavelet yang paling sederhana yang dapat diterapkan pada transformasi signal (-dimensi) dan transformasi pada citra (signal -dimensi). Transformasi Wavelet Haar -Dimensi Fungsi basis ruang V disebut dengan fungsi skala dan disimbolkan sebagai φ. Salah satu fungsi basis sederhana dinyatakan sebagai berikut: dengan i (x) φ :=φ ( x-), i = 0,..., - () φ (x):= φ 0, untuk 0 x 0, untuk x yang lainnya Fungsi diatas disebut uga sebagai fungsi kotak (box function). Sebagai contoh fungsi kotak pembentuk basis dalam ruang V akan terdapat atau = 4 potongan fungsi konstan pada angkauan [0,] seperti terlihat pada Gambar 4 berikut ini. φ 0 ½ 0 ½ φ φ 3 (a) (b) (c) 0 ½ 0 ½ Gambar 3. Dekomposisi wavelet level- (DWT-) (a) citra original (RGB) ukuran piksel 8 x 8; (b) citra setelah diubah menadi citra hitam putih (8 x 8); (c) citra hasil dekomposisi (kiri atas) ukuran piksel 6 x 6 Ilustrasi di atas menunukkan bahwa semakin tinggi level dekomposisi, ukuran piksel citra hasil dekompo-sisinya semakin kecil atau setengah dari ukuran citra level sebelumnya, sehingga citra semakin kehilangan cirinya. Transformasi wavelet dapat dilakukan sampai level Gambar 4. Fungsi basis pada ruang V Fungsi wavelet yang sesuai dengan fungsi penyekalaan diatas disebut dengan wavelet haar, yang diberikan dengan persamaan. ψ ( x) = ψ ( x ), i=0,,..., - () ISSN: (print) / (online) 00 JURNAL GENERIC i
4 8 JURNAL GENERIC Sutarno dengan i hingga level yang diinginkan. Kemudian transformasi wavelet -D untuk setiap kolomnya. Sedangkan pada, untuk 0 x / dekomposisi tidak standar, transformasi wavelet -dimensi -, untuk / x (.) 0, untuk x yang l ψ (x):= untuk baris kemudian transformasi wavelet -dimensi untuk kolom levelnya, hal ini dilakukan berulang setiap levelnya hingga level yang diinginkan. Pada gambar 6 menunukkan proses dekomposisi wavelet (-dimensi) standar dan tak standar. Wavelet basis lainnya sering digunakan dalam pengolahan ½ ψ 0 citra atau sinyal -dimensi adalah sebagai berikut: 0 0 ½ ) Daubechies ψ 0 Ingrid Daubechies merupakan salah satu dari bintang paling cemerlang dalam bidang penelitian wavelet. Panang tapis untuk semua keluarga daubechies adalah Gambar 5. Fungsi wavelet haar pada W dbn = N, dan lebarnya N-. Misalnya db, panang tapisnya adalah 4. Tapis lolos-bawah (φ) db yang telah Jika fungsi basis ini dinormalisasi, maka persamaan () melalui normalisasi = [ ], dan persamaan () akan menadi. dan tapis lolos-tinggi (ψ) = [ φ i (x) := / φ ( x i) 0.94]. (.3) / ψ (x) : = ψ( x i), ) Coiflets (.4) Tapis lolos-bawah (scale function) dan tapis lolos-tinggi (wavelet function) wavelet haar yang telah dinormalisasi adalah: tapis lolos-bawah (φ) = [ ], dan tapis lolos-tinggi (ψ) = [ ]. Transformasi Wavelet Haar -Dimensi Transformasi sinyal -dimensi atau citra dalam mentransformasikan nilai-nilai pikselnya dapat dilakukan dengan dua cara, yaitu metode dekomposisi standar (standard decompositions), dan metode dekomposisi tidak standar (non standard decompositions). Dibangun oleh daubechies atas permintaan coifman. Panang tapis untuk wavelet coiflet adalah 6N, dan lebarnya 6N-. Misalnya coif, maka panang tapisnya adalah 6. Tapis lolos-bawah (φ) coif yang dinormalisasi = [ ], dan tapis lolos-tingginya (ψ) = [ ]. Keluarga wavelet coiflet yang uga memiliki dua dan tiga momen yang lenyap. Pada Gambar 7 diperlihatkan beberapa keluarga wavelet yang berbeda-beda (Graps, 995).. transformasi baris (a). transformasi baris 4. transformasi kolom 3. transformasi kolom. transformasi baris hasil dekomposisi (b). transformasi kolom 3. transformasi baris Gambar 7 Beberapa keluarga wavelet yang berbeda (Graps, 995). 4. transformasi kolom hasil dekomposisi Gambar 6. Proses dekomposisi wavelet (-dimensi) level-, (a) dekomposisi wavelet standar; (b) dekomposisi wavelet tak standar Dekomposisi standar dimulai dengan transformasi wavelet -dimensi untuk setiap baris dari setiap nilai piksel citra C. Pengenalan Pola Waah Menurut Munir (004), pola merupakan entitas yang terdefinisi dan dapat diidentifikasi melalui ciri-cirinya (feature), ciri-ciri tersebut digunakan untuk membedakan suatu pola dengan pola lainnya. Ciri yang baik adalah ciri yang memiliki daya pembeda yang cukup tinggi, sehingga pengelompokan pola memiliki tingkat keakuratan yang tinggi. Bentuk ekspresi waah di atas didasarkan pada gerakan muka dan aktivitas otot waah. Sistem identifikasi waah yang terdiri atas enam bagian titik pada mata, mulut dan alis mata yang masih dianggap paling dapat dipercaya menghasilkan
5 Vol.5 No. (Juli 00) JURNAL GENERIC 9 kinera yang paling baik dalam mengenali waah. Titik-titik tersebut seperti terlihat pada Gambar 8 berikut ini. alis mata bola mata sudut mulut Gambar 8. Enam unsur corak utama waah D. Learning Vector Quantization (LVQ) LVQ merupakan suatu metode untuk melakukan proses pembelaaran terhadap lapisan-lapisan kompetitif yang terawasi. Lapisan kompetitif akan belaar secara otomatis untuk melakukan klasifikasi terhadap vektor input yang diberikan. Jika terdapat beberapa vektor input memiliki arak yang sangat berdekatan, maka vektor-vektor input tersebut akan dikelompokkan dalam kelas yang sama. 4. Masukan data yang akan diui, (x i).. Kerakan untuk i= sampai n. tentukan sedemikian hingga x i-w minimum; dengan =,,...,k. adalah kelas untuk x i. III. HASIL DAN PEMBAHASAN Penelitian ini bertuuan untuk mengetahui tingkat keberhasilan sistem identifikasi waah menggunakan transformasi wavelet, uga untuk mengetahui pengaruh transformasi dengan berbagai metode wavelet citra masukan terhadap unukkera sistem identifikasi waah. Citra waah untuk penguian diambil di lapangan menggunakan kamera digital. Berikut beberapa sampel citra waah hasil pemotretan sebelum dilakukan pra-pengolahan yang dapat dilihat pada Gambar 9 berikut ini. Algortima Pembelaaran Jaringan LVQ Langkah-langkah pembelaaran pada aringan syarat dengan metode pembelaaran vektor kuantisasi dapat dituliskan algoritma pembelaaran sebagai berikut (Kusumadewi, 004). Inisialisasi: a. bobot awal variable input ke- menuu ke kelas (cluster) ke-i: w i, dengan i=,,...,k; dan =,,...,m. b. maksimum iterasi: MaxIterasi. c. parameter learning rate: α. d. pengurangan learning rate: Decα. e. minimal learning rate yang diperbolehkan: Minα.. Masukan: a. data input: x i; dengan i=,,...,n; dan =,,...,m. b. target berupa kelas: T k; dengan k=,,...,n.. Inisialisasi kondisi awal: iterasi = 0; 3. Kerakan ika; (iterasi MakIterasi) dan (α Minα) a. iterasi = iterasi +; b. kerakan untuk i = sampai n i. tentukan D (distance) sedemikian hingga x i-w minimum; dengan =,,...,k. ii. perbaiki w dengan ketentuan: ika T=C maka: w = w + α(x i-w ) ika T C maka: w = w - α(x i-w ) c. kurangi nilai α, pengurangan α dilakukan dengan persamaan berikut. α = α - α (Decα). Gambar 9. Citra waah sebelum pengolahan A. Pra Pengolahan Citra Proses pra-pengolahan citra pada dasarnya untuk mempersiapkan citra atau memanipulasi citra menadi citra yang memiliki sebaran informasi warna yang lebih baik, deraunya berkurang dan lebih taam batas tepi obeknya. Gambar 0 menunukkan hasil proses pra-pengolahan citra masukan. (a) (b) (c) (d) (e) (f) (g) Gambar 0. Proses pra-pengolahan (pre processing) citra masukan (a) citra masukan; (b) citra skala keabuan; (c) citra setelah pengurangan derau; (d) citra setelah pengubahan kecerahan (brightness); (e) citra setelah pererataan histogram; (f) citra setelah operasi penapisan atau penaaman, dan (g) citra dikonversi menadi citra hitamputih. Algoritma Penguian Jaringan LVQ Setelah dilakukan pembelaaran, akan diperolah bobotbobot akhir (w). Bobot-bobot ini nantinya akan digunakan untuk melakukan simulasi atau penguian. Berikut ini algoritma penguian yang digunakan: Ekstraksi ciri atau proses untuk memunculkan ciri citra yang dapat dipercaya untuk mencirikan citra tersebut. Tahapan ekstraksi ciri pada penelitian ini terdiri atas prapengolahan, transformasi wavelet untuk mereduksi dimensi citra dan memunculkan ciri citra. Tahapan proses ekstraksi ciri citra masukan dapat dilihat pada Gambar. ISSN: (print) / (online) 00 JURNAL GENERIC
6 0 JURNAL GENERIC Sutarno dekomposisi wavelet Daubechies (db) sebesar 79,7% atau teradi peningkatan unukkera 4% dari dekomposisi wavelet Haar. Sedangkan ika dibandingkan dengan dekomposisi wavelet Coiflet (coif) unukkera identifikasi mengalami penurunan sebesar 4%, sehingga dapat disimpulkan bahwa dimensi citra masukan hasil dekomposisi wavelet yang berbeda tidak berpengaruh secara signifikan terhadap unukkera sistem identifikasi waah. Gambar menunukkan unuk kera sistem dengan citra masukan hasil dekomposisi wavelet Haar, Daubechies, dan Coiflet. Gambar. Proses ekstraksi ciri pada citra waah B. Penguian Dengan Berbagai Dekomposisi Wavelet Pada penguian awal proses transformasi citra masukan menggunakan wavelet Haar hingga level-3. Pada proses penguian selanutnya transformasi citra masukan akan menggunakan keluarga wavelet Daubechies (db) dan Coiflets (coif). Dimensi citra dekomposisi yang dihasilkan terhadap citra berukuran 8x8 piksel masing-masing adalah 8x8 piksel untuk db dan 0x0 piksel untuk coif, dengan demikian dimensi citra masukan pada sistem akan berbeda dengan penguian sebelumnya (6x6). Untuk mengetahui pengaruh metode ekstraksi ciri terhadap unukkera sistem dengan transformasi wavelet yang berbeda dapat dilihat pada Tabel berikut ini. TABEL. NILAI UNJUK KERJA SISTEM IDENTIFIKASI DENGAN DEKOMPOSISI WAVELET HAAR, DAUBECHIES DAN COIFLET Penurunan lau pelatihan 0,0 0,5 0,50 0,75 Lau pelatihan Unukkera (%) dengan Wavelet awal Daubechie Haar s Coiflet 0, 69,7 69,7 64,7 0,0 75,00 79,7 66,67 0,00 59,7 67,50 6,67 0,000 46,67 4,67 40,83 0, 69,7 74,6 70,83 0,0 66,67 77,50 67,50 0,00 55,83 60,83 64,7 0,000 45,00 36,67 39,7 0, 63,33 63,33 60,00 0,0 6,50 7,50 65,83 0,00 5,50 5,67 5,50 0,000 4,67 37,50 40,00 0, 54,7 60,00 46,67 0,0 60,83 67,50 6,67 0,00 49,7 45,00 47,50 0,000 40,00 37,50 40,00 0, 3,33 9,6 4,7 0,0 5,50 55,00 54,7 0,00 46,67 4,50 4,50 0,000 40,00 37,50 40,00 Data pada Tabel di atas menunukkan bahwa unukkera sistem identifikasi tertinggi diperoleh menggunakan Unukkera (%) Grafik unukkera sistem identifikasi dengan enis wavelet dekomposisi berbeda Ha ar Da ubechies Co iflet Penurunan lau pelatihan Gambar. Unukkera sistem identifikasi terhadap penurunan lau pelatihan dengan berbagai dekomposisi wavelet IV. KESIMPULAN Transformasi pada citra dengan wavelet daubechies orde- (db) sebesar 79,7% sebandingkan dengan dekomposisi wavelet haar uga sebesar 79,7%, sedangkan dekomposisi dengan wavelet coiflet orde- (coif) unuk kera sistem menurun 9% atau 70,00%. Variasi dimensi dan level dekomposisi citra dengan wavelet haar memberikan peningkatan unuk kera sistem sebesar 3% atau 79,7% untuk dimensi 3x3 dibandingkan dengan dimensi 6x6 sebesar 75,83%. REFERENSI Kusumadewi, Sri, 003, Artificial Intelligence: Teknik dan Aplikasinya, Graha Ilmu, Yogyakarta. Kusumadewi, Sri, 004, Membangun Jaringan Syaraf Tiruan (Menggunakan Matlab dan Excel Link), Graha Ilmu, Yogyakarta. Munir, Rinaldi, 004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika, Bandung. Murni, Aniati A., S. Setiawan, 99, Pengantar Pengolahan Citra, PT. Alex Media Komputindo, Gramedia, Jakarta. Susanto, Adhi, 004, Catatan Kuliah Pengolahan Citra [tidak dipublikasikan], Program Pascasarana Teknik Elektro Universitas Gadah Mada, Yogyakarta. 55
7 Vol.5 No. (Juli 00) JURNAL GENERIC Sydney, Burrus C., A.G. Remesg, G. Haito, 998, Introduction to Wavelets and Wavelet Transform, Prentice-Hall International, Inc. Zhang, Bai-Ling, Haihong Z., and Shuzi S.G., 004, Face Recognition by Apllying Wavelet Subband Representation and Kernel Associtive Memory, IEEE Transactions of Neural Network, Vol. 5. No.. ISSN: (print) / (online) 00 JURNAL GENERIC
BAB 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 terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciIDENTIFIKASI EKSPRESI WAJAH MENGGUNAKAN ALIHRAGAM GELOMBANG SINGKAT (WAVELET) DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATONS (LVQ)
IDENTIFIKASI EKSPRESI WAJAH MENGGUNAKAN ALIHRAGAM GELOMBANG SINGKAT (WAVELET) DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATONS (LVQ) Sutarno Jurusan Sistem Komputer Universitas Sriwijaya Indralaya
Lebih terperinciPencocokan Citra Digital
BAB II DASAR TEORI II.1 Pencocokan Citra Digital Teknologi fotogrametri terus mengalami perkembangan dari sistem fotogrametri analog hingga sistem fotogrametri dijital yang lebih praktis, murah dan otomatis.
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124
BAB I PENDAHULUAN 1.1 Latar Belakang Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124 dan 128 E. Terletak di Asia Tenggara, Pulau Timor merupakan bagian dari Asia Tenggara Maritim,
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciBAB II TI JAUA PUSTAKA
BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.
Lebih terperinciPERBANDINGAN ANTARA ALGORITMA DEKOMPOSISI STANDAR HAAR DAN ALGORITMA DEKOMPOSISI STANDAR RIYAD UNTUK PEMAMPATAN DATA CITRA
ISSN: 1693-6930 3 PERBANDINGAN ANTARA ALGORITMA DEKOMPOSISI STANDAR HAAR DAN ALGORITMA DEKOMPOSISI STANDAR RIYAD UNTUK PEMAMPATAN DATA CITRA Riyad Mubarak Abdullah Jurusan Teknik Informatika Fakultas Teknik
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 terperinciKLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *
KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
Lebih terperinciMKB Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi. Genap 2016/2017
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Genap 2016/2017 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah (Lowpass Filter) Filter Lolos-Tinggi
Lebih terperinciIMPLEMENTASI STEGANOGRAFI PADA BERKAS AUDIO WAV UNTUK PENYISIPAN PESAN GAMBAR MENGGUNAKAN METODE LOW BIT CODING
Expert ISSN 2088-5555 Jurnal Manajemen Sistem Informasi Dan Teknologi Volume 05, Nomor 01, Juni 2015 Judul PEMANFAATAN ANIMASI DUA DIMENSI UNTUK PEMBELAJARAN BAHASA JEPANG TINGKAT DASAR IMPLEMENTASI STEGANOGRAFI
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 terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Fotogrametri adalah suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan sekitarnya melalui proses
Lebih terperinciPERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET
PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET Sarwosri, Rully Soelaiman, dan Esther Hanaya Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
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 terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
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 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 terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Pengolahan data pada penelitian ini meliputi tahapan pengambilan data, penentuan titik tengah area yang akan menjadi sampel, pengambilan sampel, penentuan ukuran window subcitra
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET
SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET Benni Agung Nugroho, Irna Wijayanti dan Agus Widayanti Jurusan Teknik Informatika, Politeknik Kediri e-mail : benni.nugroho@gmail.com Abstrak Sistem pengenalan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciRESTORASI BAR CODES 2-D PADA CITRA HASIL KAMERA MENGGUNAKAN METODE WAVELET
RESTORASI BAR CODES 2-D PADA CITRA HASIL KAMERA MENGGUNAKAN METODE WAVELET M. Mahaputra Hidayat Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bhayangkara Surabaya Jl. A. Yani 114, Surabaya.
Lebih terperinciBAB II STUDI PUSTAKA. T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement
5 BAB II STUDI PUSTAKA 2.1 Tinjauan Pustaka T. C. Ling, dkk., (2008) dalam penelitiannya Automated Pavement Imaging Program (APIP) for Pavement Cracks Classification and Quantification A Photogrammetric
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciBAB II Tinjauan Pustaka
BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Supatman (2008), dalam penelitian yang berjudul Identifikasi Tekstur Citra Bubuk Susu Menggunakan Alihragam Gelombang-Singkat Untuk Mendeteksi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
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 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
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 terperinciMuhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciKata kunci: Fourier, Wavelet, Citra
TRANSFORMASI FOURIER DAN TRANSFORMASI WAVELET PADA CITRA Oleh : Krisnawati Abstrak Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA 2.1. Klasifikasi Klasifikasi adalah tugas pembelaaran yang memetakan setiap himpunan atribut x ke salah satu label kelas y yang telah didefinisikan sebelumnya. Klasifikasi dapat
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980 IDENTIFIKASI DAN KLASIFIKASI KEMURNIAN SUSU SAPI BERDASARKAN PENGOLAHAN SINYAL VIDEO MENGGUNAKAN METODE DISCRETE WAVELET
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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciSISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION
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
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan
Lebih terperinciDETEKSI SIDIK JARI BERBASIS ALIHRAGAM GELOMBANG-SINGKAT (wavelet) DAN JARINGAN SYARAF TIRUAN (JST) KHUSUS KOTA MATARAM DAN SEKITARNYA
DETEKSI SIDIK JARI BERBASIS ALIHRAGAM GELOMBANG-SINGKAT (wavelet) DAN JARINGAN SYARAF TIRUAN (JST) KHUSUS KOTA MATARAM DAN SEKITARNYA Jurusan Teknik Elektro Fakultas Teknik Universitas Mataram Jl. Majapahit
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Tahap sebelum perancangan berhubungan dengan proses penglihatan awal. Tujuan utama dari prapemrosesan adalah untuk menggembangkan gambaran yang berguna dari bentuk
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 1 NO. 1 MARET 2010
IDENTIFIKASI SIDIKJARI DENGAN EKSTRAKSI CIRI BERBASIS TRANSFORMASI WAVELET HAAR Minarni 1 ABSTRACT This research investigated a possible fingerprint identification system. The fingerprint images were preprocessed
Lebih terperinciTRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 01 (2014), pp. 95 104. TRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM Yedidia Panca, Tulus, Esther Nababan Abstrak. Transformasi
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 terperinciDAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...
ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.
Lebih terperinciPENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI. by Emy 2
Copyright @2007 by Emy 1 PENINGKATAN MUTU CITRA (IMAGE ENHANCEMENT) PADA DOMAIN FREKUENSI Copyright @2007 by Emy 2 Kompetensi Mampu membedakan teknik image enhancement menggunakan domain spatial dan frekuensi
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian, penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub Citra Acuan (SCA)
Lebih terperinciANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION
ANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION Bambang Robi in eure_bbg@yahoo.com Akademi Teknik PIRI Yogyakarta Abstrak Indonesia merupakan negara yang
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciWatermarking Video Menggunakan Transformasi Wavelet Diskrit
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 198~208 ISSN: 1907-4093 (Print), 2087-9814 (online) 198 Watermarking Video Menggunakan Transformasi Wavelet Diskrit Merlin Felyana 1 1 Program Studi Teknik
Lebih terperinciSISTEM PENGENALAN KUALITAS INDUK GURAME DENGAN METODE WAVELET DAN K-NN
ISBN : 978-979-19888-1-0 Prosiding : SEMINAR NASIONAL 2012 SISTEM PENGENALAN KUALITAS INDUK GURAME DENGAN METODE WAVELET DAN K-NN Fitri Astutik1 1, IKG Darma Putera2 2, I Nyoman Satya Kumara3 3, Budi Darmawan4
Lebih terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
Lebih terperinciDAFTAR TABEL. Tabel 4.1 Struktur Neural Network Backpropagation Tabel 4.2 Hasil Pengujian Identifikasi Data Uji... 34
DAFTAR TABEL Tabel 4.1 Struktur Neural Network Backpropagation... 9 Tabel 4. Hasil Pengujian Identifikasi Data Uji... 34 Tabel 4.3 Hasil Pengujian Sistem... 37 xi BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan
Lebih terperinciAPLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL
Sriani, ISSN : Ali 9780 Ikhwan, Yusnidah, Aplikasi Metode Transformasi Wavelet Diskrit APLIKASI METODE TRANSFORMASI WAVELET DISKRIT UNTUK KOMPRESI CITRA PADA PENGOLAHAN CITRA DIGITAL Sriani *, Ali Ikhwan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra 2.1.1 Pengertian Citra Digital Secara harfiah, citra ( image) adalah gambar pada bidang dwimatra (duadimensi). Ditinjau dari sudut pandangan matematis, citra
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 terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciAnalisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005 / 2006 Analisis dan Perancangan Transformasi Wavelet Untuk Jaringan Syaraf Tiruan pada Pengenalan Sidik
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD
ANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD Eva Haryanty, S.Kom. ABSTRAK Kompresi data adalah proses mengubah suatu input data menjadi data lain dengan format berbeda dan ukuran yang lebih
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
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 terperinciBAB II TINJAUAN PUSTAKA. terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
BAB II TINJAUAN PUSTAKA 2. Nada dan Solmisasi 2.. Nada Apa yang dapat kita tangkap dengan pendengaran, disebut suara. Suara terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
Lebih terperinciWATERMARKING PADA BEBERAPA KELUARGA WAVELET
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB IV ANALISIS. Tabel IV-1 Perbandingan Nilai Korelasi Antar Induk Wavelet pada Daerah Homogen. Wavelet
BAB IV ANALISIS IV.1 Perbandingan Nilai Antar Induk Pada daerah homogen, penggunaan transformasi satu dimensi hanya meningkatkan sedikit nilai korelasi, dilihat dari nilai korelasi sebelum dilakukan transformasi
Lebih terperinciPEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET. Sufiatul Maryana, Lita Karlitasari, Arie Qur ania
Pemanfaatan K-Nearest Neighbor (KNN) / Sufiatul Maryana PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET Sufiatul Maryana, Lita Karlitasari, Arie Qur ania
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN PADA SISTEM PRESENSI
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN PADA SISTEM PRESENSI Afrizal Mohamad Riandy *), R. Rizal Isnanto, and Ajub Ajulian Zahra
Lebih terperinciIMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL
IMPLEMENTASI TRANSFORMASI WAVELET DAUBECHIES PADA KOMPRESI CITRA DIGITAL Suma inna 1 dan Gugun Gumilar 2 1,2 Program Studi Matematika Fakultas Sains dan Teknologi UIN Syarif Hidayatulallah Jakarta ABSTRAK
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB IV. Analisis Pada bab ini dibahas mengenai analisis terhadap citra aproksimasi dan hasil ekstraksi jalan pada citra aproksimasi tersebut untuk mendapatkan gambaran mengenai keterkaitan antara proses
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 terperinci