BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
|
|
- Sri Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU 1.5 GHz 1.5 GHz 2) Ram 1 GB 3) Hardisk 250 GB b. Sistem operasi menggunakan Windows 7 Professional. c. Perangkat lunak untuk perancangan sistem menggunakan Delphi Bahan Penelitian Bahan dari penelitian ini merupakan dokumen gambar dalam bentuk.bmp yang akan dikenali menjadi sebuah karakter teks dan diubah menjadi dokumen dalam bentuk.doc sehingga dapat dilakukan penyuntingan seperti penambahan, penghapusan, atau perubahan karakter untuk kebutuhan selanjutnya. 42
2 3.2 Desain Sistem Secara garis besar perencanaan program dibagi menjadi 3 tahap, yaitu : image preprocessing, image document analysis dan character recognition. Ketiga tahapan tersebut dapat dilihat dari gambar 3.1 dibawah ini. Image Preprocessing Grayscale Thresholding Image Input : Document Image (.bmp) Image After Preprocessing Image Document Analysis Segmentasi Baris Segmentasi Karakter Character Image Template Image Character Template Character Recognition Normalisasi Template Matching Teks Output : Document Teks (.doc) Gambar 3.1 Garis Besar Perencanaan Program 43
3 3.3 Metode Penelitian Dalam skripsi ini metode yang digunakan dalam penelitian meliputi metode pengumpulan data dan pengembangan perangkat lunak Metode Pengumpulan Data Metode pengumpulan data dalam skripsi ini adalah studi literatur. Studi literatur dilakukan dengan mengumpulkan dan mempelajari literatur atau kepustakaan yang berkaitan dengan skripsi ini, seperti teori dan konsep template matching dan pembahasan mengenai masalah pengenalan dokumen gambar melalui literatur-literatur seperti buku (textbook), paper, dan sumber ilmiah lain seperti situs internet ataupun artikel dokumen teks yang berhubungan dengan penelitian Metode Pengembangan Perangkat Lunak Dalam pengembangan perangkat lunak, penulis menggunakan model Prototype. Untuk lebih jelasnya dapat dilihat pada gambar 3.2 dibawah ini. Siklus Prototype Kebutuhan Pembuatan Prototype Evaluasi Prototype Pengujian Pengembangan perangkat lunak akhir Gambar 3.2 Model Pengembangan Perangkat Lunak 44
4 Adapun aktivitas-aktivitas yang dilalui sebagai berikut: a. Analisis Kebutuhan Pada tahap awal dilakukan analisis kebutuhan, proses ini dilakukan untuk mengetahui informasi, model, dan spesifikasi dari sistem yang dibutuhkan. b. Pembuatan Prototype Pada tahap ini, akan dilakukan pembuatan prototype sesuai dengan kebutuhan. c. Evaluasi Prototype Tahap dimana prototype dievaluasi apakah sudah cocok atau belum dengan kebutuhan. d. Pengembangan perangkat lunak akhir Melakukan pembuatan perangkat lunak yang telah cocok sesuai dengan kebutuhan sekaligus melakukan penyelesaian pengembangan perangkat lunak. e. Pengujian (Testing) Tahapan selanjutnya adalah proses pengujian perangkat lunak, proses pengujian ini dilakukan untuk memastikan perangkat lunak yang telah dibuat telah sesuai dengan kebutuhan. Pengujian menggunakan metode blackbox. 3.4 Model yang Dikembangkan Model yang dikembangkan dalam penelitian ini terdiri dari tiga proses besar yaitu; image preprocessing, image document analysis, dan optical character recognition sedangkan metode yang digunakan untuk pengenalan karaker dalam penelitian ini adalah feature extraction dan template matching. 45
5 3.4.1 Zoning Gambar 3.3 Metode Zoning Perhatikan gambar 3.3, teknik pengambilan feature yang digunakan dalam tugas akhir ini adalah zoning. Metode zoning membagi karakter N x M wilayah. Dari setiap wilayah, feature diekstraksi untuk membentuk featuree vector. Tujuan zoning adalah memperoleh karakteristik lokal disamping karakteristik global. Pola karakter disimpan sebagai sebuah matriks. Setiap sel menyimpann informasi yang berkaitan dengan setiap pixel dari karakter tertentu. Nilai pixel dapat berupa 1 (mengindikasikan piksel hitam) untuk pixel yang dilalui oleh huruf yang akan dikenali ataupun 0 (mengindikasikan piksel putih) untuk pixel yang tidak dilalui oleh huruf. Hasil akhir dari proses ini adalah dokumen gambar menjadi kotak-kotak yang sudah ditentukan guna mengelompokan pixel. 46
6 3.4.2 Image Preprocessing Salah satu proses yang penting dalam pengenalan objek yang tersaji secara visual (berbentuk gambar) adalah image preprocessing. Image preprocessing di dalam citra bertujuan memisahkan wilayah (region) objek dengan wilayah latar belakang. Selanjutnya, wilayah objek yang telah tersegmentasi digunakan untuk proses berikutnya (image document analysis dan character recognition). Metode image preprocessing yang umum adalah pengambangan citra (image thresholding). Operasi pengambangan mensegmentasikan citra menjadi dua wilayah, yaitu wilayah objek dan wilayah latar belakang [1]. Wilayah objek diset berwarna putih sedangkan sisanya diset berwarna hitam (atau sebaliknya). Hasil dari operasi pengambangan adalah citra biner yang hanya mempunyai dua derajat keabuan: hitam dan putih Grayscaling Proses grayscaling bertujuan mengubah dokumen gambar yang berwarna menjadi gambar yang terdiri dari warna putih dan gradasi warna hitam dengan menggunakan representasi warna RGB (perhatikan gambar 3.4). Pengubahan gambar ke dalam bentuk grayscale ini dilakukan dengan mengambil nilai pixel dari dokumen gambar yang kemudian dihitung dengan persamaan yang ada yaitu : Tingkat kecerahan X = (max R,G,B) + (min R,G,B) / 2.. (1) 47
7 Rata-rata nilai warna X = (R + G + B) / 3... (2) Gradasi keabuan (tingkat keabuan) X = 0.21R G B.....(3) Hasil dari ketiga persamaan diatas akan menghasilkan suatu warna baru yang terdiri dari tingkat kecerahan, rata-rata nilai warna setiap pixel, dan tingkat keabuan, dapat dilihat dari persamaan (4) dibawah ini, Warna baru = RGB (X,X,X).....(4) Persamaan (3) dipilih berdasarkan referensi dari dan disebutkan dapat menghasilkan keluaran warna keabuan yang lebih baik Thresholding Tresholding bertujuan memisahkan wilayah (region) objek dengan wilayah latar belakang agar objek di dalam citra mudah dianalisis dalam rangka mengenalisa objek. Proses thesholding dilakukan dengan cara memeriksa apakah nilai intensitas dari sebuah pixel berada dibawah atau di atas sebuah nilai intensity 48
8 threshold yang telah ditentukan. Jika nilai pixel tersebut berada di atas batas nilai yang telah ditentukan, maka pixel tersebut akan diubah menjadi putih yang berarti bahwa pixel tersebut merupakan background, dan sebaliknya bila pixel tersebut berada di bawah batas nilai yang ditentukan maka pixel tersebut akan diubah menjadi hitam yang berarti dianggap sebuah karakter. Dokumen gambar yang berformat bitmap akan diubah ke dalam sebuah matrik yang berukuran sesuai dengan ukuran pixel dari masukan dokumen gambar tersebut. Selanjutnya akan dilakukan perubahan ke dalam vektor matrik biner yang hanya bernilai 0 atau 1 pada setiap pixel nya. Setelah didapatkan nilai grayscale kemudian nilai pada setiap pixel hasil grayscale akan dilakukan proses thresholding yang akan menyebabkan setiap pixel hanya bernilai 0 atau 1 (perhatikan gambar 3.4). 49
9 To Grayscale = (0.21R G B) Gambar 3.4 Ilustrasi Proses Grayscaling dan Thresholding Sumber : Andriansyah Zakaria,
10 3.4.3 Image Document Analysis Proses image document analysis terdiri dari proses segmentasi baris dan segmentasi karakter. Proses segmentasi berfungsi memetakan jumlah titik hitam setiap baris pada dokumen gambar. Setiap koordinat karakter hasil segmentasi disimpan dalam variabel array TRect (persegi) yang sudah disiapkan. Dalam hal ini terjadi dua proses segmentasi, yaitu; segmentasi baris dan segmentasi karakter Segmentasi Baris Segmentasi baris merupakan proses awal dari modul proses segmentasi karakter. Proses yang dilakukan pada tahap segmentasi baris ini adalah dengan memetakan keseluruhan gambar yang berisi rangkaian karakter pada sumbu-y untuk mendapatkan posisi dan tinggi dari tiap-tiap baris (gambar tersebut diasumsikan gambar yang hanya berisi rangkaian karakter). Hal ini dilakukan dengan menghitung jumlah pixel yang bernilai 1 (pixel hitam) pada sumbu-y. Selanjutnya dari hasil perhitungan pixel terhadap sumbu-y tersebut akan diperoleh posisi baris (posisi awal dan posisi akhirnya) dan tinggi setiap baris rangkaian karakter yang ditentukan berdasarkan jumlah pixel yang muncul pada setiap baris pixelnya. 51
11 Gambar 3.5 Ilustrasi Proses Segmentasi Baris Sumber : Andriansyah Zakaria, 2009 Dari gambar 3.5 dapat kita lihat bahwa jumlah baris yang akan dikenali adalah 2. a. Baris ke-1 1) Posisi awal i = 2 2) Posisi akhir i = 15 3) Tinggi karakter = (Posisi akhir posisi awal + 1) = ( ) = 14 52
12 b. Baris ke-2 1) Posisi awal i = 20 2) Posisi akhir i = 33 3) Tinggi karakter = (Posisi akhir posisi awal + 1) = ( ) = Segmentasi Karakter Segmentasi karakter merupakan proses pengisolasian karakter-karakter individual agar dapat melewati fase pengenalan. Segmentasi karakter merupakan langkah yang paling penting dan juga sulit. Proses segmentasi yang buruk menghasilkan penolakan atau kesalahan pengenalan. Segmentasi karakter dilakukan dengan membuat sebuah pola berbentuk persegi dengan tinggi dan lebarnya adalah tinggi dan lebar maksimal karakter yang diperoleh dari segmentasi baris (perhatikan gambar 3.6 a). Pola ini dibuat untuk memperkecil area segmentasi sehingga proses pengisolasian karakter lebih akurat. Pengisolasian setiap karakter akan berbeda-beda sesuai dengan tinggi dan lebar karakter tersebut. Hasil dari proses segmentasi ini adalah posisi, lebar dan tinggi untuk masing-masing karakter seperti terlihat pada gambar 3.6 b. 53
13 a a b c (a) (b) Gambar 3.6 Pola yang dibuat oleh sistem untuk memperkecil area segmentasi (a) dan hasil pengisolasian setiap karakter (b) Character Recognition Character recognition atau pengenalan karakter dilakukan dengan mencocokan karakter yang diinvestigasi dengan character image pada template image. Character recognition terdiri dua tahapan proses yaitu, normalisasi dan template matching Normalisasi Data yang dihasilkan dari proses image document analysis dapat berbedabeda dimensinya. Oleh karena itu untuk mendapatkan data yang seragam, akurat dan konsisten dari setiap sampel, character image hasil image document analysis akan dinormalisasikan menjadi dokumen gambar ukuran 14 x 16 pixel. Dengan demikian tinggi dan character image akan sama ukurannya. Normalisasi dilakukan dengan cara menentukan skala untuk memperbesar atau memperkecil suatu character image dengan catatan tinggi dan lebarnya sudah diketahui. 54
14 Mencari tinggi dan lebar character image : gh = (posisi paling bawah posisi paling atas) + 1. (1) gw = (posisi paling kanan posisi paling kiri) + 1 Keterangan : gh : tinggi character image gw : lebar character image Mencari skala normalisasi : HScale = (gw 1) / (FGlyphWidth 1) (2) VScale = (gh 1) / (FGlyphHeight 1) Keterangan : HScale VScale gh gw : skala horizontal : skala vertikal : tinggi character image : lebar character image FGlyphWidth : lebar karakter normalisasi (14 pixel) FGlyphHeight : tinggi karakter normalisasi (16 pixel) Proses normalisasi akan dihadapkan dalam empat kondisi karakter yang berbeda, diantaranya : a. Lebar (horizontal) dan tinggi (vertikal) character image lebih kecil dari lebar dan tinggi karakter yang berada di template image. Jika kondisi ini yang didapatkan, normalisasi dilakukan dengan cara : 55
15 1) Mencari tinggi y = FGlyphHeight 1 = 16 1 = 15 ny = yvscale 2) Mencari lebar x = FGlyphWidth 1 = 14 1= 13 nx = xhscale b. Lebar (horizontal) character image lebih besar dari lebar karakter di template image dan tinggi (vertikal) character image lebih kecil dari tinggi karakter yang berada di template image. Jika kondisi ini yang didapatkan, normalisasi dilakukan dengan cara : 1) Mencari tinggi y = FGlyphHeight 1 = 16 1 = 15 ny = yvscale 2) Mencari lebar x = gw 1 nx = xhscale 56
16 c. Lebar (horizontal) character image lebih kecil dari lebar karakter di template image dan tinggi (vertikal) character image lebih besar dari tinggi karakter yang berada di template image. Jika kondisi ini yang didapatkan, normalisasi dilakukan dengan cara : 1) Mencari tinggi y = gh 1 ny = yvscale 2) Mencari lebar x = FGlyphWidth 1 = 14 1= 13 nx = xhscale d. Lebar (horizontal) dan tinggi (vertikal) character image lebih besar dari lebar dan tinggi karakter yang berada di template image. Jika kondisi ini yang didapatkan, normalisasi dilakukan dengan cara : 1) Mencari tinggi y = gh 1 ny = yvscale 2) Mencari lebar x = gw 1 nx = xhscale 57
17 Template Matching Proses template matching dilakukan dengan cara membandingkan charater image dengan character template. Perbandingan dilakukan untuk melihat derajat kesamaan antara kedua karakter tersebut. Derajat kesaamaan suatu charater image dilakukan dengan memberikan nilai untuk setiap pixel yang dibandingkan. Cara untuk menghitung derajat kesamaan pada tahap ini adalah sebagai berikut : a. Apabila pixel character template pada posisi (x,y) sama dengan pixel character image pada posisi (x,y) diberi nilai 1. b. Apabila pixel character template pada posisi (x,y) tidak sama dengan pixel character image pada posisi (x,y) diberi nilai 0. Selanjutnya banyaknya nilai salah (0) dibagi dengan jumlah pixel hasil pengotakan normalisasi (16 x 14 pixel = 224 pixel). Melalui derajat kesamaan ini dapat diketahui kemiripan suatu character image dengan character template. Jika hasil penjumlahan nilai salah lebih besar sama dengan 1 maka sistem tidak akan mengenali character image tersebut. Sistem dapat mentolerir kesalahan dengan rentang nilai antara 0 sampai 1, semakin nilai salah mendekati 1 akan semakin kecil keakuratan sistem dalam mengenali suatu character image. Semakin sedikit nilai salah (0) yang diperoleh, akan semakin besar peluang sistem dalam mengenali suatu character image. 58
18 3.4.5 Deteksi Kemiringan Dokumen yang akan dikenali dalam proses yang telah disebutkan diatas tidak boleh memiliki suatu sudut kemiringan karena akan mempengaruhi keakuratan pengenalan karakter. Oleh karena itu, sistem akan memberi peringatan ketika dokumen gambar yang dimasukan memiliki sudut kemiringan lebih dari 1 o. Deteksi sudut kemiringan dilakukan dengan melakukan scan terhadap dokumen gambar mulai dari koordinat (0,0) dengan kelipatan sudut 0.9 o ( < 90 o ) sampai menemukan titik hitam sejumlah 63. Nilai 63 ini ditentukan untuk mengetahui apakah titik hitam itu berupa noise (gangguan) atau suatu karakter yang akan dikenali. Sudut θ suatu dokumen gambar ditentukan melalui persamaan berikut, (1) Sumber : Danny Setiawan, 2004 Keterangan : xi yj n B : koordinat x ke-i dari pixel hitam : koordinat y ke-j dari pixel hitam : jumlah pixel hitam : slope 59
19 θ = tan -1 (B)..(2) Keterangan : B : slope, nilai B diperoleh dari persamaan (1) θ : derajat kemiringan 3.5 Fokus Penelitian Fokus penelitian ini adalah : a. Pembacaan dokumen gambar dalam bentuk bitmap untuk diubah menjadi dokumen teks word. b. Pengaruh noise (gangguan) berupa guratan/coretan garis terhadap keakuratan proses pengenalan karakter. 60
BAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciBAB 1 PENDAHULUAN. Saat ini, teknologi komputer telah berkembang dengan pesat dan telah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, teknologi komputer telah berkembang dengan pesat dan telah banyak alat yang diciptakan untuk mendukung penggunaan komputer. Salah satu alat tersebut adalah
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB I PENDAHULUAN 1.2. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Pendahuluan Sejak awal penemuan teknologi komputer sebagai lompatan mutakhir dalam dunia ilmu pengetahuan, komputer telah banyak berperan dalam membantu manusia dalam melakukan berbagai
Lebih terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciBAB 2 LANDASAN TEORI. Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks
BAB 2 LANDASAN TEORI 2.1 Pengenalan Teks Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Aplikasi dari teknologi pengenalan
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f(x,y) dua dimensi, dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian adalah tahapan-tahapan dalam penelitian. Berikut di bawah
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian adalah tahapan-tahapan dalam penelitian. Berikut di bawah merupakan gambar desain penelitian: Pengumpulan Data Grayscalling Pustaka
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem mutlak dilakukan analisis terhadap sistem yang akan dibangun, analisis yang dilakukan untuk membangun aplikasi perbandingan
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciBAB 1 PENDAHULUAN. bahasanya, digunakannya berbagai macam huruf dengan kepentingannya masing-masing
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Bahasa Arab menggunakan beragam jenis karakter untuk sistem penulisan bahasanya, digunakannya berbagai macam huruf dengan kepentingannya masing-masing benar
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Spesifikasi Perangkat Keras Spesifikasi perangkat keras yang digunakan dalam pembuatan program ini adalah sebagai berikut: Prosesor Intel Atom 1,6
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi yang terus berkembang membuat sistem komputerisasi bergerak dengan cepat, namun hal ini tidak seimbang dengan kemampuan manusia memindahkan data secara manual
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
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 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas mengenai teori pendukung dan penelitian sebelumnya yang berhubungan dengan metode ekstraksi fitur, serta metode klasifikasi Support Vector Machine dalam
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi komputer yang semakin canggih, membuat para ahli
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi komputer yang semakin canggih, membuat para ahli komputer berkeinginan menciptakan komputer yang berkemampuan hampir sama dengan otak
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu bagian yang wajib dimiliki oleh kendaraan bermotor resmi di Indonesia adalah bagian plat nomor. Plat nomor ini memberi informasi tentang dari mana asal wilayah
Lebih terperinciRekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang
17 BAB II REKOGNISI KARAKTER NUMERIK 2.1 Gambaran Singkat Rekognisi Karakter Optik Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang dirancang untuk menerjemahkan teks baik berupa
Lebih terperinciPengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour. Yustar Pramudana
Pengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour Yustar Pramudana Program Studi Teknik Informatika, Departemen Informatika Telkom University Jl. Telekomunikasi
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Topik yang sering mendapat perhatian khusus dalam bidang Digital Image Processing adalah mengenai pengenalan pola (pattern recognition). Sistem pengenalan pola tidak
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
Lebih terperinciDAFTAR ISI. DAFTAR ISI... vii. DAFTAR GAMBAR... x. DAFTAR TABEL... xii I. PENDAHULUAN Latar Belakang Rumusan Masalah...
DAFTAR ISI Halaman DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii I. PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah... 2 1.4 Tujuan... 3 1.5 Manfaat...
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciMILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Thinning atau penipisan citra adalah suatu operasi untuk mereduksi citra biner dalam suatu objek menjadi rangka (skeleton) yang menghampiri sumbu objek.
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, antara lain kemudahan dalam mendapatkan
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciIII METODOLOGI PENELITIAN
13 III METODOLOGI PENELITIAN 3.1 Kerangka Penelitian Penelitian dilakukan dalam lima tahapan utama, yaitu ekstraksi frame video, ekstraksi fitur SIFT dari seluruh frame, pembentukan kantong kata visual
Lebih terperincidengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan
dengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan Gambar 8 Struktur PNN. 1. Lapisan pola (pattern layer) Lapisan pola menggunakan 1 node untuk setiap data pelatihan yang digunakan.
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Uang didefinisikan sebagai alat tukar yang dapat diterima secara umum oleh setiap orang di masyarakat dalam proses pertukaran barang dan jasa. Uang sendiri
Lebih terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih 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 terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengenalan kata dalam dunia teknologi informasi merupakan suatu permasalahan yang tidak asing dalam bidang kecerdasan buatan. Pengenalan kata dalam bidang kecerdasan
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinci2 BAB II TINJAUAN PUSTAKA
9 2 BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait Secara umum penelitian pengenalan plat nomor kendaraan terdiri dari tiga tahapan [1][7][11], yaitu deteksi plat nomor kendaraan, segmentasi karakter,
Lebih terperinciBAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih 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 terperinciJurnal Coding, Sistem Komputer Untan Volume 4, No. 2, Hal ISSN : x
PENGENALAN MOTIF BATIK INDONESIA MENGGUNAKAN DETEKSI TEPI CANNY DAN TEMPLATE MATCHING [1] Fera Flaurensia, [2] Tedy Rismawan, [3] Rahmi Hidayati [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciPERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME
PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS
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 terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra merupakan representasi digital dari objek gambar, yang tidak lepas dari kebutuhan manusia. Pada umumnya representasi citra membutuhkan memori yang cukup besar,
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian menjelaskan bagaimana langkah-langkah atau tahapantahapan yang akan dilakukan dalam penelitian untuk dapat menjawab rumusan masalah penelitian. Tahapan
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL
BINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia, Jakarta e-mail : tmulyana@bundamulia.ac.id,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Steganografi Steganografi adalah mekanisme penanaman atau penyisipan pesan (m) kedalam sebuah cover objek (c) menggunakan kunci (k) untuk berbagi rahasia kepada orang lain,
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih terperinciPERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION
Jurnal Komputer dan Informatika (KOMPUTA) 29 PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION Raden Sofian Bahri 1, Irfan Maliki 2 1,2 Program Studi Teknik
Lebih terperinciBAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi
Lebih terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciBAB 1 PENDAHULUAN. Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses pengolahan citra digital. Hal ini dilakukan karena citra yang akan diolah kemungkinan memiliki
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciBAB IV DESAI SISTEM. Tabel 4.1 Lingkungan Desain Perangkat Lunak Prosesor : Core 2 Duo, 2 GHz Memori : 2 GB
BAB IV DESAI SISTEM Pada bab ini akan dibahas mengenai perancangan dan pembuatan aplikasi perangkat lunak. Perangkat lunak yang akan dibuat pada tugas akhir ini adalah aplikasi HVF Pada perancangan sistem
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Pada penelitian ini dilakukan kombinasi edges detectionpada citra manuscripts kuno dengan mengimplementasikan metode gradientedges detection operator Sobel dengan
Lebih terperinci