Sistem Pengenalan Plat Nomor Mobil Dengan Metode Principal Components Analysis
|
|
- Sucianty Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis [Resmana Lim, et a.] Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis Resmana Lim, Lukman Vendy W. 2, Kartika Gunadi 2 Fakutas Teknoogi Industri, Jurusan Teknik Eektro, Universitas Kristen Petra 2 Fakutas Teknoogi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra e-mai: resmana@petra.ac.id, kgunadi@petra.ac.id Abstrak Paper ini membahas sistem pengenaan pat nomor mobi menggunakan teknik computer vision. Image mobi diambi dari kamera, dan seanjutnya diidentifikasi secara otomatis dengan cara mencari okasi pat nomor mobi tersebut, mensegmentasi setiap karakter yang ada dari pat tersebut dan kemudian meakukan pengenaan pada setiap karakter dengan metode feature reduction PCA. Apikasi ini dibangun menggunakan Microsoft Visua C++ 6.0, Microsoft DirectShow, Inte Image Processing Library dan Open Source Computer Vision Library. Apikasi ini teah diimpementasikan dan dapat mendeteksi etak pat nomor serta mengenainya pada PC Pentium II/400 MHz. Sistem teah diujicobakan pada suatu basis data yang mewakii 26 karakter (0-9, A-Z) yang masing-masing terdiri dari beberapa variasi gambar mobi. Hasi uji coba menunjukkan tingkat keberhasian yang cukup menggembirakan, dimana tingkat keberhasian mencapai ±82%. Sistem cukup prospektif digunakan sebagai saah satu sistem kontro dan sekuriti pada area parkir. Kata kunci : deteksi pat nomor mobi, pengenaan pat nomor, PCA, pengenaan poa, OpenCV. Abstract The paper describes a vehice pate recognition system based on computer vision technique. The vehice image/video was taken from a digita camera and then the vehice pate automaticay identified, segmented and recognized by the system. The feature reduction technique of Principa Components Anaysis (PCA) was used in the system. This appication was buit using Microsoft Visua C++ 6.0, Microsoft DirectShow, Inte Image Processing Library and Open Source Computer Vision (OpenCV) Library. The appication has been impemented and was abe to detect vehice pate position and recognize it using a PC Pentium II/400 MHz. The recognition rate of ±82% was achieved based on recognition of hundreds aphanumeric images (aphanumeric A-Z, 0-9). This sistem is prospective enough to be used for contro and security system in parking area. Keywords : Vehice Pate Detection, Car Pate Recognition, PCA, pattern recognition, OpenCV. Pendahuuan Sistem deteksi dan pengenaan pat nomor kendaraan bermotor secara otomatis teah menjadi suatu apikasi yang sangat penting daam bidang computer vision. Sistem yang dibuat disini bekerja dengan 2 tahap yaitu modu deteksi mobi dan modu pengenaan pat nomor. Mobi yang ewat akan terdeteksi bia ia berada pada kisaran image window tertentu, dan hasi deteksi berupa pengambian image digita yang seanjutnya diproses untuk dikenai nomornya. Proses pengenaan karakter pada paper ini diakukan dengan menggunakan motode ekstraksi feature Principa Components Anaysis (PCA). Daam fase pembeajaran (training), sejumah image karakter sampe digunakan Catatan: Diskusi untuk makaah ini diterima sebeum tangga Juni Diskusi yang ayak muat akan diterbitkan pada Jurna Teknik Eektro voume 3, nomor 2, September untuk mencari eigen object (image basis) yang seanjutnya digunakan untuk mentrasformasi setiap image karakter training/database menjadi feature yang ebih sedikit (kompak). Sistem berawa dari pencarian posisi kandidat pat nomor dari sebuah image input, yang kemudian dianjutkan dengan meakukan segmentasi karakter pada pat nomor yang ditemukan tersebut. Seanjutnya diakukan ekstraksi feature menggunakan PCA pada image hasi segmentasi tersebut. Proses akhir adaah pengenaan karakter dengan metode kasifikasi sederhana yaitu K- Nearest Neightbor. Sistem yang teah berhasi diimpementasikan menggunakan patform PC Windows dengan memanfaatkan ibrary OpenCV. Sistem teah diujicobakan pada suatu basis data yang mewakii 26 karakter (0-9, A-Z) yang masingmasing terdiri dari beberapa variasi gambar. Hasi uji coba menunjukkan tingkat keberhasian 3
2 Jurna Teknik Eektro Vo. 3, No., Maret 2003: 3-38 yang cukup menggembirakan, dimana tingkat keberhasian mencapai ±82%. Berikutnya paper ini disusun sebagai berikut: pada pasa 2 akan dijeaskan tentang sistem secara keseuruhan. Hasi-hasi percobaan diberikan pada pasa 3 dan ditutup dengan diskusi/kesimpuan pada pasa 4. Deskripsi Sistem Secara bok diagram sistem yang dibuat adaah seperti gambar. Gambar. Bok Diagram Sistem. Sistem ini dibagi menjadi menjadi empat bagian modu yaitu video capturing, database training, pate detection, dan character recognition. Bagian modu video capturing terdiri atas proses input kamera atau video dan peroses untuk menangkap (capture) objek. Modu pate detection terdiri atas image pre-processing, digit ocation, pate area ocation, dan fina pate area ocation. Modu character recognition meiputi character segmentation dan cassifier. Dan untuk modu database trainning meiputi perhitungan eigen object dan average object serta perhitungan transformasi image menjadi feature yang seanjutnya akan dimasukkan ke daam database Untuk proses ini, pertama kai adaah membuat beberapa variabe dengan tipe data objek yang disediakan oeh ibrary directshow, antara ain: IGraphBuider*m_CamBuider Berfungsi sebagai interface dari Fiter Graph Manager. IMediaContro*m_CamContro Berfungsi untuk menangani kontro terhadap stream yang sedang berangsung. IVideoWindow* m_camview Berfungsi untuk membangun interface output video window. IBaseFiter* m_cam, m_camtrans Berfungsi untuk pengontro fiter dan pada apikasi berfungsi untuk menspesifikasikan pin dan query informasi fiter. IFiterGraph* m_camgraph Berfungsi untuk membangun fiter. Pada apikasi digunakan untuk menambahkan fiter pada graph, menghubungkan dan memutuskan hubungan dengan fiter, menghapus fiter, dan meakukan beberapa operasi dasar ainnya. Program apikasi DirectShow yang dibuat daam sistem ini, berdasarkan sumber inputnya (source fiter) secara garis besar dapat dibagi menjadi dua bagian, yaitu: input dari fie berupa AVIFie, dan input dari kamera. Bagian input AVIFie dibangun dengan pendekatan pertama, sedangkan bagian input kamera dibangun dengan menggunakan pendekatan ketiga. Kedua bagian ini secara garis besar memiiki prosedur utama yang hampir sama. Berikut diagram air dari bagian input :. Video Capturing DirectShow Process Modu ini bertujuan untuk meakukan pengambian gambar yang berasa dari kamera atau dari fie video. Daam proses ini terdiri dari dua sub program, yang pertama adaah proses untuk menerima input baik dari kamera atau dari fie video dan yang kedua adaah proses untuk meakukan pengambian gambar (grabbing) dari input tersebut. Kedua proses tersebut menggunakan fasiitas ibrary yang teah disediakan oeh Microsoft DirectShow. Penggunaan ibrary ini sangat bermanfaat karena proses input dapat berangsung secara reatime. Gambar 2. Proses Input Kamera. 32
3 Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis [Resmana Lim, et a.] 2. Database Training PCA Agorithm Bagian ini adaah proses untuk meakukan proses training PCA pada kumpuan image database. Dimana database ini berupa sekumpuan gambar karakter aphanumeric yang terdiri dari beberapa macam variasi untuk masing-masing karakternya (0-9 dan A-Z). Database yang digunakan sebanyak ± 600 gambar. Daam modu training ini dihasikan output berupa Eigen Object dan Average Object serta bobot masing masing karakter yang terdapat daam database, hasi bobot ini disimpan ke daam suatu ist array. Principa Components Anaysis (PCA)[] digunakan untuk mereduksi dimensi image menjadi feature yang ebih sedikit. Ini diakukan dengan mentransformasi ruang image kedaam basis atau sistem koordinat yang baru dengan representasi yang ebih kompak. Basis-basis image didapatkan dari sekumpuan karakterkarakter yang diatihkan (training aphanumeric). Feature yang baru tersebut akan dibentuk meaui kombinasi bobot inear daam ruang eigen (basis image). Komponen dari feature ruang eigen ini tidak saing berkoreasi dan akan memaksimakan perbedaan yang ada di daam ruang asinya. Maksud dari Principa Components Anaysis adaah untuk menangkap variasi tota di daam kumpuan karakter yang diatihkan, dan untuk merepresentasikan variasi ini dengan variabe yang ebih sedikit. Suatu image yang direpresentasikan dengan variabe yang sedikit akan ebih mudah untuk ditangani dan dimengerti daripada jika direpresentasikan dengan raw pixe yang banyak dari image tersebut. Apabia didefinisikan sebuah objek u = {u, u 2, u 3,...,u n } sebagai vektor pada n dimensi. Objek u dapat berupa suatu gambar dan mempunyai komponen u, u 2, u 3,...,u n, dimana u, u 2, u 3,...,u n adaah niai pixe dari gambar tersebut. Dengan kondisi ini maka n dapat diartikan sebagai jumah pixe (=panjang x ebar) yang terdapat daam gambar. Kemudian, apabia objek tersebut ditambah dengan objek-objek yang ain hingga menjadi sekumpuan atau sekeompok objek i i i i maka : u = {u, u 2,...,u n }, dimana i =,...m dan m<<n. Niai rata-rata atau mean objek: u = {u, u 2,...,u n } dapat dideskripsikan sebagai berikut: u () m k i = u i m k= Berikut ini adaah contoh gambar average image dari proses perhitungan diatas: Gambar 3. Average Training Image. Covariance Matrix c = [ c ij] adaah sebuah matrix simetris m x m, dimana tiap eemennya mempunyai persamaan: c i j n = = i j ( u u ) ( u u ) (2) Image basis atau Eigen Object e i i i i = {e,e 2,..., en}, i =,, m m (seperti gambar 4) dari sekumpuan image training dapat dihitung dengan persamaan 3. m i i k e = vk ( u u ) (3) ë i k= Dimana ë i dan v i i i i = {v,v2,...,v m} adaah eigen vaue dan eigen vector dari matrik c yang didapat dengan metode Jacobi. Gabmar 4 dibawah ini adaah beberapa contoh gambar eigen object hasi dari perhitungan persamaan 3: Gambar 4. Tujuh Eigen Objects pertama. Semua input objek u (image training) dan image testing ainnya seanjutnya dikomposisikan di daam ruang eigen m menghasikan bobot/ feature baru (w) yang dihitung dengan persamaan 4. Bobot w ini yang seanjutnya digunakan untuk pengenaan poa. ( u u ) i w e (4) = n i = 3. Pate Finder Agorithm Berikut ini adaah proses diagram air secara sederhana dari agoritma Pate Finder: 33
4 Jurna Teknik Eektro Vo. 3, No., Maret 2003: 3-38 Gambar 5. Diagram Pendeteksian Pat Nomor Pada bagian ini, sistem akan menggunakan gambar yang dihasikan pada proses capture dari kamera atau gambar dari input user. Gambar ini kemudian di konversi dari gambar berwarna menjadi gambar grayscae. Seanjutnya diakukan proses threshoding pada gambar grayscae tersebut menghasikan gambar biner (hitam dan putih saja). Tahap seanjutnya adaah mencari kandidat angka/digit pada gambar biner ini (Digit Location). Semua kemungkinan objek yang berupa aphanumeric dari gambar akan dicari pada tahap digit ocation ini. Agoritma ini akan mencari pada setiap pixe yang terdapat pada gambar dan meakukan pengecekan pada setiap iterasi dengan menggunakan sejumah aturan, dimana apakah terdapat sebuah kandidat digit pada posisi pixe yang bersangkutan. Proses ini terdiri dari dua angkah, yaitu: Adaptive size bounding box searching Proses ini dibagi agi menjadi tiga tahap:. Sebuah mode yang berbentuk L terbaik akan digerakkan pada gambar. Mode L terbaik ini memiiki tinggi 20 pixe dan ebar 2 pixe. Niai ini didapat dari hasi rata-rata setiap gambar kendaraan yang ada. Pada setiap posisi pixe beberapa ha berikut diakukan: (a) Jika tidak terdapat pixe (putih) pada posisi garis vertika atau horisonta dari mode L yang terbaik, maka tidak ada digit yang terdeteksi pada posisi ini. (b) Jika terdapat pixe (putih) tepat pada posisi atas dan kiri dari mode L, maka berarti ada terdeksi digit pada posisi ini. Jika suatu posisi memenuhi kondisi ini maka dapat diartikan bahwa teah ditemukan posisi pojok kiri atas dari suatu digit. Dibawah ini adaah visuaisasi cara kerja dari mode L terbaik: Gambar 6. Deteksi Karakter. 2. Garis vertika yang kedua digerakkan, untuk tiap pixe demi pixe, ke arah kanan, dari posisi terakhir yang ditemukan pada tahap sebeumnya. Garis vertika ini digerakkan hingga tidak ditemukan satu pixe putih pun sepanjang garis vertika ini. Daam ha ini panjang dari kandidat digit yang ditemukan dihitung, dan apabia panjang dari kandidat digit ini meebihi batas rata-rata dari suatu digit, maka posisi akan didiskuaifikasi. 3. Pada tahap ini, garis horisonta yang kedua dengan panjang yang teah ditemukan pada tahap sebeumnya, digerakkan ke bawah hingga tidak ditemukan satu pixe putih pun sepanjang garis horisonta ini. Jika tinggi dari kandidat digit ini memenuhi kondisi tinggi rata-rata suatu digit, maka proses dapat meanjutkan pada tahap seanjutnya, jika tidak maka proses akan kembai pada tahap yang pertama. Pixe Coverage Checking Seteah posisi suatu kandidat digit ditemukan maka, niai semua pixe putih yang terdapat pada posisi ini akan dihitung semua. Jika niai pixe memenuhi kondisi maka posisi ini akan disimpan sebagai kandidat karakter, jika tidak memenuhi akan didiskuaifikasi. Tujuan dari proses ini adaah untuk menghiangkan suatu kandidat yang terau besar atau terau keci. Seteah semua kandidat digit ditemukan maka seanjutnya adaah mencari okasi kandidat pat nomor kendaraan (Pate Area Location). Logika pada bagian ini adaah menggunakan posisi objek karakter yang ditemukan pada bagian sebeumnya untuk menentukan etak pat nomor. Langkah pertama adaah membangun suatu mode yang berbentuk persegi panjang (pate bounding box). Panjang dan ebar mode ini teah diatur berdasarkan rata-rata dari image kendaraan yang ada (ebar 20 pixe dan tinggi 33 pixe). Mode ini akan digerakkan muai dari 34
5 Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis [Resmana Lim, et a.] posisi kandidat digit pertama yang ditemukan pada tahap sebeumnya hingga pada posisi terakhir kandidat digit yang ditemukan. Berikut ini adaah visuaisasi dari mode persegi panjang yang digunakan untuk mencari okasi pat. Gambar 7. Lokaisasi Karakter. Pada setiap iterasi akan diakukan pengecekan apakah pada daerah sekitar mode persegi panjang ini terdapat berapa banyak kandidat digit. Kandidat digit yang ada harus terdiri dari minima tiga atau maksima deapan digit. Ha ini diasumsikan bahwa pat nomor standart yang ada di negara kita memiiki kondisi yang demikian. Seain diakukan pengecekan banyaknya kandidat digit, juga diakukan pengecekan terhadap posisi dari masing masing kandidat digit tersebut. Ha ini diakukan sebagai pencegahan terhadap pengambian kandidat digit yang saah. Apabia posisi teratas antara kandidat digit yang satu dengan yang ain terpaut sangat jauh, maka posisi kandidat ini akan didiskuaifikasi. Posisi mode persegi panjang yang dapat diterima adaah posisi dimana terdapat kandidat digit yang ebih dari dua dan kurang dari sembian, serta memiiki posisi yang tingginya tidak terpaut jauh antara satu dengan yang ainnya. Posisi yang benar akan disimpan daam suatu ist array. Seteah semua kandidat pat nomor ditemukan, maka seanjutnya adaah mencari okasi sebenarnya dari kandidat-kandidat pat nomor yang ditemukan pada tahap sebeumnya (Fina Pate Location). Pada tahap ini akan meakukan iterasi terhadap seuruh kandidat pat nomor yang ditemukan pada tahap sebeumnya. Umumnya seteah memasuki tahap terakhir ini kandidat pat nomor yang ada sering menghasikan satu kandidat saja. Dan apabia kandidat pat nomor yang dihasikan ternyata ebih dari satu, maka pat nomor yang dipiih adaah kandidat yang memiiki posisi paing bawah pada image. Pada okasi yang ditemukan tersebut kemudian diakukan proses cropping. Hasi dari cropping tersebut disimpan ke daam sebuah fie yang digunakan ebih anjut untuk proses pengenaan. 4. Character Recognition: dengan Nearest Neighbour Cassifier Pada tahap akhir ini, image pat nomor yang ditemukan akan diakukan segmentasi karakter terebih dahuu. Proses segmentasi karakter diakukan untuk mengekstraksi masing masing karakter yang terdapat pada pat nomor. Pada tahap ini agoritma yang diakukan adaah menggunakan metode seperti pada modu deteksi etak pat nomor tetapi dengan meakukan perubahan pada agoritmanya. Perubahan yang diakukan adaah apabia mode L terbaik teah menemukan kandidat digit, maka pada setiap posisi tersebut diakukan proses cropping dan diakukan proses resize pada kandidat digit ini. Proses resize ini bertujuan agar semua karakter yang akan dikenai memiiki ukuran yang sama. Resize diakukan dengan ukuran 20 pixe untuk ebar dan 30 pixe untuk tingginya (disesuaikan dengan data image pada database). Hasi cropping tersebut disimpan kedaam ist. Pada bagian ini apabia terdapat kandidat digit yang saing berhubungan kemungkinan akan dapat terektraksi bersama. Seteah proses cropping seesai maka dianjutkan pada proses seanjutnya, yaitu pengenaan karakter menggunakan Nearest Neighbour Cassifier. Pada Nearest Neighbour Cassifier perhitungan yang diakukan adaah dengan mengkakuasi semua bobot niai yang ada pada sekumpuan image training W d = (w,..., wd m d ) dengan menggunakan metode PCA. Perhitungan juga diakukan pada karakter yang akan di tes W = m t (w,..., t wt). Jarak antara bobot image training dengan tes kemudian dihitung dengan menggunakan persamaan Eucidean Distance ( ) pada m-dimensi yaitu: m i= ( ) 2 i i = w d wt (5) Dimana m adaah banyaknya jumah feature bobot (principa components). Dari hasi ini kemudian dicari jarak paing keci diantara set jarak tersebut. Hasi ini dicari pada database yang mempunyai niai pada posisi yang bersangkutan. karakter pada posisi yang memiiki jarak minimum adaah hasi dari pengenaan tersebut. 35
6 Jurna Teknik Eektro Vo. 3, No., Maret 2003: 3-38 Processing Library menyediakan sekumpuan fungsi-fungsi C sangat teroptimasi yang mengimpementasikan fungsi-fungsi image processing pada prosessor berarsitektur Inte. Gambar 8. Pencarian Jarak Minimum. 5. Open Source Computer Vision (OpenCV) Impementasi sistem yang dikerjakan disini menggunakan patform Windows dengan bahasa pemrograman Visua C++. Di sini digunakan ibrary perangkat unak Open Source Computer Vision (OpenCV). OpenCV muai dikembangkan sejak tahun 999 oeh Visua Interactivity Group didaam Inte's Microprocessor Research Lab [4]. Proyek ini dibuat dengan tujuan untuk mendirikan sebuah komunitas open source vision dan menyediakan sebuah situs dimana usaha terdistribusi dari komunitas dapat dikonsoidasikan dan performance-nya dapat dioptimakan. Library ini ditujukan untuk digunakan oeh peneiti dan pengembang software komersia. Open Source Computer Vision Library dibuat berdasarkan fungsi-fungsi dasar yang terdapat pada Inte Performance Library. Keungguan ibrary ini adaah semua fungsi-fungsinya teah dioptimasi untuk prossesor Inte sehingga dapat berjaan jauh ebih cepat. Hasi-Hasi Percobaan Pengujian sistem diakukan menggunakan image diam maupun fie video dengan resousi 640x480 pixe. Image diam terdiri dari 257 buah memuat beberapa tipe kendaraan. Pengambian image posisi kendaraan pun bervariasi (terihat dari arah depan, beakang, miring kiri, miring kanan serta variasi jarak) Gambar 9 adaah contoh tampian program pengenaan pat nomor yang dibuat. Open Source Computer Vision Library Committee terdiri dari beberapa orang antara ain Dr. Gary Bradski, Prof. Trevor Darre, Prof. Irfan Essa, Prof. Jitendra Maik, Prof. Pietro Perona, Prof. Stan Scaroff, dan Prof. Caro Tomasi [4]. Berikut adaah beberapa area dari fungsi umum yang dapat didukung oeh Open Source Computer Vision Library Committee : Geometric Methods Recognition Measures Segmentation Utiities Features Image Pyramids Camera Tracking Fitting Matrix Image Processing Open Source Computer Vision Library dibuat berdasarkan fungsi-fungsi dasar dan ibrary dari Inte Image Processing Library. Inte Image Gambar 9. Contoh Tampian Program. 36
7 Sistem Pengenaan Pat Nomor Mobi Dengan Metode Principa Components Anaysis [Resmana Lim, et a.] Pada proses pencarian etak pat nomor (Pate Finder), hasi yang didapat adaah sebagai berikut: Tabe. Hasi Proses Pencarian Pat Nomor. Posisi Kendaraan Tota (Depan/Be akang/mir ing) Jm. Kenda Hasi Proses Pate Finder Berhasi raan Tepat Kurang Saah 257 Depan 75 Beakang 82 Miring (Depan/Be akang) (69,26%) 24 (9,33%) 27 (72,57%) 5 (8,57%) 5 9 (62,9%) (0,97%) 40 (6,53%) 7 (0,76%) 4 (,55%) 2 (,4%) 2 (2,43%) 2 (3,07%) Tidak Berhasi 5 (9,84%) 3 (7,7%) 20 (24,39%) 6 (24,6%) Pengujian seanjutnya adaah dengan meakukan proses segmentasi terhadap 202 pat yang ditemukan tersebut. Hasinya adaah sebagai berikut: Gambar. Contoh Hasi Sementasi Yang Sempurna. Pengujian seanjutnya adaah menguji dari 05 karakter yang terbaca apakah dapat dikenai sistem dengan benar. Hasinya adaah sebagai berikut: Tabe 4. Hasi Pengenaan Karakter. Jumah Karakter Benar Saah (94,67%) 56 (5,37%) Berikut adaah contoh proses pengenaan yang kurang sempurna: Tabe 2. Hasi Keberhasian Segmentasi. Jumah Pat Tepat Kurang (58,9%) 83 (4,09%) Dari 202 pat nomor yang ditemukan, karakter yang ada pada pat nomor tersebut adaah sebanyak 224 karakter. Pengujian seanjutnya adaah menguji kondisi (terbaca atau tidak) 224 karakter yang disegmentasi dari proses sebeumnya. Hasinya adaah sebagai berikut: Tabe 3. Hasi Pembacaan Segmentasi. Jumah Karakter Terbaca Tidak Terbaca (85,87%) 73 (4,3%) Berikut ini adaah contoh dari hasi proses segmentasi karakter yang kurang sempurna: Gambar 0. Contoh Hasi Sementasi Yang Gaga. Sedangkan berikut ini adaah contoh dari proses segmentasi yang sempurna: Gambar 2. Contoh Pengenaan Yang Gaga. Sedangkan dibwah ini adaah contoh proses pengenaan yang sempurna: Gambar 3. Contoh Pengenaan Yang Sempurna. Secara keseuruhan dari hasi pengujian menggunakan fie gambar, performance dari sistem ini memberikan beberapa hasi sebagai berikut: Tabe 5. Hasi Keseuruhan Sistem. Keterangan Sistem mendeteksi etak pat dengan sempurna dan mensegmentasi serta mengenainya dengan benar (dari 257 kendaraan) Pendeteksian etak pat nomor secara sempurna (dari 257 kendaraan) Proses segmentasi pat nomor kendaraan secara sempurna (dari 202 pat) Proses segmentasi karakter secara sempurna (dari 224 karakter) Proses pengenaan karakter dengan benar (dari 05 karakter) Tingkat Keberhasian 42,80% 69,26% 58,9% 85,86% 94,67% 37
8 Jurna Teknik Eektro Vo. 3, No., Maret 2003: 3-38 Disini tampak Nearest Neighbour Cassifier dengan bantuan pengoahan feature menggunakan metode PCA, memiiki keakuratan pengenaan karakter sebesar 94,67% dari 05 karakter yang dicoba untuk dikenai. [5] Open SourceComputer Vision Library Reference Manua, Inte Corporation, 200. [6] S. Draghici, A Neura Network Based Artificia Vision System for License Pate Recognition. Kesimpuan. Sistem ini secara keseuruhan dapat mendeteksi dan mengenai pat nomor kendaraan dengan akurasi 42,80% (0 kendaraan) dengan jumah database sebanyak 609 karakter untuk pengujian sebanyak 257 kendaraan (tanpa memperhatikan kondisi kendaraan). 2. Pendeteksian etak pat nomor kendaraan secara sempurna menghasikan akurasi sebesar 69,26% (78 kendaraan) dari 257 kendaraan yang diujikan. 3. Agoritma pendeteksian etak pat nomor kendaraan dan segmentasi pat nomor ini sangat dipengaruhi sekai oeh beberapa faktor berikut : Posisi kendaraan (miring, terihat atas/ bawah, depan/beakang) Variasi cahaya sekitar Kondisi pat nomor kendaraan (cat yang tidak jeas/kusam, karakter yang saing terhubung, rusak, dan sebagainya) Dan apabia pada proses segmentasi terdapat karakter yang saing berhubungan maka akan dapat terekstraksi bersama. Ha ini tentu saja dapat menyebabkan proses pengenaan yang saah. 4. Metode PCA ini terbukti cukup handa digunakan sebagai metode ekstraksi feature. Jumah variasi image training yang banyak akan membuat sistem pengenaan menjadi ebih baik. Daftar Pustaka [] C. Coetzee, C. Botha and D. Weber, PC Based Number Pate Recognition System. [2] J.Chang and N.C. Griswod, A Hierarchica Mutiayer Perceptron Neura Network for The Recognition of the Automobie License Pate Number, Proc. SPIE, vo. 2664, pp , 996. [3] Jesús Moina, Jose M. Mossi and Antonio Abio, Deveopment Of A Pate Reader For A Surveiance System. [4] Inte Image Processing Library Reference Manua., Inte Corporation,
BAB IV HASIL DAN PEMBAHASAN
71 BAB IV HASIL DAN PEMBAHASAN 4.1 Pembuatan Basis Data Langkah pertama daam membangun apikasi adaah meakukan instaasi apikasi server yaitu menggunakan SQLite manager yang di insta pada browser Mozia Firefox.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Untuk menunjang peaksanaan peneitian ini diakukan tinjauan pustaka mengenai tinjauan studi yang berisi peneitian-peneitian terkait dengan pengenaan kuaitas buah, median fitering,
Lebih terperinciDeteksi Tumor Otak dengan Ektrasi Ciri & Feature Selection mengunakan Linear Discriminant Analysis (LDA) dan Support Vector Machine (SVM)
Deteksi Tumor Otak dengan Ektrasi Ciri & Feature Seection mengunakan Linear Discriminant Anaysis (LDA) dan Support Vector Machine (SVM) rain Tumor s Detection With Feature Extraction & Feature Seection
Lebih terperinciOutline. Pengertian Dasar Arsitektur Tugas Data Mining Contoh Penggunaan Data Mining
Outine Pengertian Dasar Arsitektur Tugas Data Mining Contoh Penggunaan Data Mining Latar Beakang 3 Mengapa harus Data Mining? Definisi Data Mining Pengertian Yang Saah Imu Data Mining Arsitektur Data Mining
Lebih terperinciRANCANGAN ANIMASI INTERAKTIF PENGENALAN ALAT-ALAT TRANSPORTASI UNTUK SISWA TAMAN KANAK-KANAK ISLAM AL AZZAM CILEDUK TANGERANG
SNIPTEK 2016 ISBN: 978-602-72850-3-3 RANCANGAN ANIMASI INTERAKTIF PENGENALAN ALAT-ALAT TRANSPORTASI UNTUK SISWA TAMAN KANAK-KANAK ISLAM AL AZZAM CILEDUK TANGERANG Indah Puspitorini AMIK BSI Bekasi J. Raya
Lebih terperinciPEMODELAN TARIKAN PERJALANAN PADA RUMAH SAKIT DI KOTA PADANG
No. Vo. Thn. XIV Apri 00 ISSN: 84-84 PEMODELAN TARIKAN PERJALANAN PADA RUMAH SAKIT DI KOTA PADANG Hendra Gunawan ),Titi Kurniati ),Dedi Arnadi ) )Staf Pengajar Jurusan Teknik Sipi Universitas Andaas )Mahasiswa
Lebih terperinciFOURIER Oktober 2014, Vol. 3, No. 2,
FOURIER Oktober 2014, Vo. 3, No. 2, 98 116 PENYELESAIAN MATCHING GRAF DENGAN MENGGUNAKAN METODE HUNGARIAN DAN PENERAPANNYA PADA PENEMPATAN KARYAWAN DI SUATU PERUSAHAAN Auia Rahman 1, Muchammad Abrori 2,
Lebih terperinciManajemen Kinerja Pokok Bahasan:
Manajemen Kinerja Pokok Bahasan: Manajemen Kinerja: Peatihan dan Penghargaan Sub Pokok Bahasan Pengertian Peatihan Proses pembeajaran dan pengembangan individu Jenis-jenis peatihan karyawan Manfaat peatihan
Lebih terperinciPENENTUAN CADANGAN PREMI MENGGUNAKAN METODE FACKLER PADA ASURANSI JIWA DWI GUNA
Buetin Imiah Mat. Stat. dan Terapannya (Bimaster) Voume 02, No. 2 (203), ha 5 20. PENENTUAN CAANGAN PREMI MENGGUNAKAN METOE FACKLER PAA ASURANSI JIWA WI GUNA Indri Mashitah, Neva Satyahadewi, Muhasah Novitasari
Lebih terperinciGambar 3.1 Lokasi Museum Konperensi Asia Afrika Sumber :
BAB III METODOLOGI PENELITIAN A. Lokasi dan Objek Peneitian Lokasi peneitian ini diaksanakan di Museum Konperensi Asia Afrika berokasi di Gedung Merdeka, jaan Asia Afrika No. 65 Bandung, Keurahan Braga,
Lebih terperinciSistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Integral Proyeksi
Sistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Sigit Wasista, Siwi Dian Priyanti Jurusan Teknik Elektronika Politeknik Elektronika Negeri Surabaya- Institut Teknologi
Lebih 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 terperinciANALISIS FOURIER. Kusnanto Mukti W./ M Jurusan Fisika Fakultas MIPA Universitas Sebelas Maret. Abstrak
ANALISIS FOURIER Kusnanto Mukti W./ M0209031 Jurusan Fisika Fakutas MIPA Universitas Sebeas Maret Abstrak Anaisis fourier adaah cara matematis untuk menentukan frekuensi dan ampitudo harmonik. Percobaan
Lebih terperinciJurnal Akademis dan Gagasan matematika Edisi Ke Dua Tahun 2015 Halaman 1 hingga 8
Jurna Akademis dan Gagasan tetika Edisi Ke Dua Tahun 2015 Haan 1 hingga 8 PEMBELAJARAN MATEMATIKA MENGGUNAKAN NUMBERED HEADS TOGETHER (NHT) DENGAN MEDIA POWERPOINT DAN BAGAN DITINJAU DARI KEMAMPUAN MEMORI
Lebih terperinciKata kunci: Fuzzy Adaptif, Air Fuel Ratio, duty cycle, sensor lambda.
KONTROL AIR FUEL RATIO PADA SPARK IGNITION ENGINE SISTEM EFI SEKUENSIAL MENGGUNAKAN KONTROL FUZZY ADAPTIF DAPAT MENEKAN BEAYA OPERASIONAL KENDARAAN Abdu Hamid, Ari Santoso Jurusan Teknik Eektro-FTI ITS
Lebih terperinciBAB II TINJAUAN PUSTAKA. utamanya adalah menentukan struktur yang mendasari keterkaitan (korelasi)
BAB II TINJAUAN PUSTAKA. Anaisis aktor Menurut Hair, et a. (995) anaisis faktor adaah sebuah nama umum yang diberikan kepada sebuah keas dari metode statistika mutivariat yang tujuan utamanya adaah menentukan
Lebih terperinciPERHITUNGAN CADANGAN PADA ASURANSI JIWA BERJANGKA MENGGUNAKAN METODE FACKLER DENGAN PRINSIP PROSPEKTIF
PERHITUNGAN ADANGAN PADA ASURANSI JIWA BERJANGKA MENGGUNAKAN METODE FAKLER DENGAN PRINSIP PROSPEKTIF Riaman, Kankan Parmikanti 2, Iin Irianingsih 3, Sudradjat Supian 4 Departemen Matematika, Fakutas MIPA,
Lebih terperinciAnalisis Pengaruh Semen Konduktif Sebagai Media Pembumian Elektroda Batang
Anaisis Pengaruh Semen Konduktif Sebagai Media Pembumian Eektroda Batang I M Yuistya Negara, Daniar Fahmi, D.A. Asfani, Bimo Prajanuarto, Arief M. Jurusan Teknik Eektro Institut Teknoogi Sepuuh Nopember
Lebih terperinciModel Optimasi Penjadwalan Proses Slitting Material Roll dengan Multi Objective Programming
Mode Optimasi Penjadwaan Proses Sitting Materia Ro dengan Muti Objective Programming Dina Nataia Prayogo Jurusan Teknik Industri, Universitas Surabaya Jaan Raya Kairungkut, Surabaya, 60293 Te: (031) 2981392,
Lebih terperinciANALISIS DANA TABARRU ASURANSI JIWA SYARIAH MENGGUNAKAN PERHITUNGAN COST OF INSURANCE
Buetin Imiah Math. Stat. dan Terapannya (Bimaster) Voume 05, No. (206), ha 53-60. ANALISIS DANA TABARRU ASURANSI JIWA SYARIAH MENGGUNAKAN PERHITUNGAN COST OF INSURANCE Amanah Fitria, Neva Satyahadewi,
Lebih terperinciBab III Metode Akuisisi dan Pengolahan Data
Bab III Metode Akuiii dan Pengoahan ata III.1 Pembuatan Mode Fii Bagian paing penting dari peneitian ini iaah pemodean fii auran fuida yang digunakan. Mode auran ini digunakan ebagai medium airan fuida
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN
37 BAB III OBJEK DAN METODE PENELITIAN 3.1 Objek Peneitian Peneitian ini menggunakan pendekatan manajemen pemasaran khususnya mengenai pengaruh service exceence terhadap kepuasan konsumen. Adapun yang
Lebih terperinciKlasifikasi K-NN Dan Naive Bayes Terhadap Pelacakan Ujung Jari Berbasis Camera Smartphone
POLITEKNOSAINS, Vo. XVI, No 1, Maret 2017 13 Kasifikasi K-NN Dan Naive Bayes Terhadap Peacakan Ujung Jari Berbasis Camera Smartphone Sudarno 1, Agus Kristanto 2, Taman Ginting 3 1 Teknik Eektro, Poiteknik
Lebih terperinciANIMASI INTERAKTIF PEMBELAJARAN PENANGGULANGAN BANJIR UNTUK SISWA SD
Konferensi Nasiona Imu osia & Teknoogi (KNiT) Maret 016, pp. 56~6 ANIMAI INTERAKTIF PEMBELAJARAN PENANGGULANGAN BANJIR UNTUK IWA D 56 Desy Yekti A 1, Nani Purwati 1 AMIK BI Yogyakarta e-mai: mbesesek@gmai.com,
Lebih terperinciSISTEM PENGENALAN PLAT NOMOR MOBIL UNTUK APLIKASI INFORMASI KARCIS PARKIR
SISTEM PENGENALAN PLAT NOMOR MOBIL UNTUK APLIKASI INFORMASI KARCIS PARKIR Andy Setiawan (1), Sigit Wasista (2), Dwi Kurnia Basuki (2) (1) Mahasiswa Program Studi Teknik Komputer, (2) Dosen Program Studi
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 terperinciMANAJEMEN KINERJA. Pokok Bahasan: Proses Manajemen Kinerja
MANAJEMEN KINERJA Pokok Bahasan: Proses Manajemen Kinerja Manajemen kinerja sebagai proses manajemen Preses manajemen kinerja menurut Wibowo (2007:19) mencakup suatu proses peaksanaan kinerja dan bagaimana
Lebih terperinciSEMINAR NASIONAL PENDIDIKAN FISIKA 2018
ISSN : 2527 5917, Vo.3 Impementasi Pendidikan Karakter dan IPTEK untuk Generasi Mienia Indonesia daam Menuju SDGs 2030 KAJIAN DINAMIKA FLUIDA PADA ALIRAN AIR TERJUN TUJUH BIDADARI KABUPATEN JEMBER BERBASIS
Lebih terperinciFrekuensi Alami Rangka Batang Semi-Kaku dengan Efek Gaya Aksial Ruly Irawan 1,a*
Frekuensi Aami Rangka Batang Semi-Kaku dengan Efek Gaya Aksia Ruy Irawan 1,a* 1 Program Studi Teknik Sipi,Fakutas Teknik, Universitas Sarjanawiyata Tamansiswa a nawari007@yahoo.com Abstrak Artike ini menyajikan
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN EMBEDDED ZEROTREE WEVELET(EZW) Jl. Prof. H. Soedarto, S.H., Tembalang Semarang
KOMPRESI CITRA MEDIS MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN EMBEDDED ZEROTREE WEVELET(EZW) Khairi Anwar 1, Aris Sugiharto dan Priyo Sidik Sasongko 3 1,, 3 Jurusan Matematika FMIPA UNDIP J Prof
Lebih terperinciWater Hammer Press Untuk Pengurangan Kadar Air Komoditas Onggok
Water Hammer Press Untuk Pengurangan Kadar Air Komoditas Onggok A. Yudi Eka Risano 1, Indra Mamad Gandidi 2 1,2 Teknik Mesin Konversi Energi, Fakutas Teknik Universitas Lampung J. Prof. Soemantri Brojonegoro
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperincisistem InformasI GgeoGgrafIs Widiastuti
sistem InformasI GgeoGgrafIs Widiastuti Universitas Gunadarma 2015 Pertemuan Ketiga Komponen Sistem Informasi Geografis Data dan Informasi.. Data menjadi Informasi Data Pemrosesan, Pengoahan, Konversi
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
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 terperinciSelanjutnya rancangan perkuliahan setiap pertemuan adalah sebagai berikut: Jenis Tugas TR CBR CJR MR RI PJCT M K M K M K M K M K M K T P L
Seanjutnya rancangan perkuiahan setiap pertemuan adaah sebagai berikut: Pert. Ke Aktivitas Perkuiahan Softski yang Diharapkan 1 Learning Contract - - - - - - - - - - - - Ketekunan Kedisipinan 1 Dosen membagikan
Lebih terperinciSISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM
SISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM Billy Buana Putra NRP : 1122055 Email : billy_buana@yahoo.com ABSTRAK Pengenalan pelat nomor kendaraan secara
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN BERPRESTASI DENGAN MENGGUNAKAN METODE FUZZY DATABASE MODEL TAHANI
DINAMIKA INFORMATIKA Vo.6 No. 1, Maret 2014 ISSN 2085-3343 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN BERPRESTASI DENGAN MENGGUNAKAN METODE FUZZY DATABASE MODEL TAHANI Teguh Khristianto, Bayu Surarso,
Lebih terperinciBAB IV Persamaan Matematika IV.1 Model Perkiraan Limpasan Permukaan
68 BAB IV Persamaan Matematika IV.1 Mode Perkiraan Limpasan Permukaan Sudjono (1995) menguraikan konsep runoff yang teah diubah secara idea pada segmen keci, berdasar pada prinsip keseimbangan air. Mode
Lebih terperinciPENGEMBANGAN MODEL SISTEM DINAMIK TERHADAP KETERSEDIAN AIR BERSIH DI KABUPATEN KUTAI TIMUR PROVINSI KALIMANTAN TIMUR
JIEM Vo.1 No. 2, Oktober 216 E-ISSN: 2541-39, ISSN Paper: 253-143 PENGEMBANGAN MODEL SISTEM DINAMIK TERHADAP KETERSEDIAN AIR BERSIH DI KABUPATEN KUTAI TIMUR PROVINSI KALIMANTAN TIMUR Dimas Primadian N,
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciPENGATURAN FUNGSI PENYERAPAN DARI MODEL DIFUSI KADAR AIR PENYIMPANAN PADI DENGAN METODE BEDA HINGGA SKEMA IMPLISIT
JIMT Vo. 12 No. 1 Juni 2015 (Ha. 92 103) Jurna Imiah Matematika dan Terapan ISSN : 2450 766X PENGATURAN FUNGSI PENYERAPAN DARI MODEL DIFUSI KADAR AIR PENYIMPANAN PADI DENGAN METODE BEDA HINGGA SKEMA IMPLISIT
Lebih terperinciProsiding Matematika ISSN:
Prosiding Matematika ISS: 2460-6464 Mode Matematika Cadangan Premi Asuransi Kesehatan Perawatan Rumah Sakit Menggunakan Metode Prospektif Mathematica Modes of Cacuation of The Heath Insurance Premium Backup
Lebih terperinciANALISIS ALGORITMA PREDIKSI UNTUK MENGHASILKAN PREDIKSI BEBAN LISTRIK JANGKA PENDEK
JURNAL ILMU PENGETAHUAN VOL. 3. NO. 1 AGUSTUS 2017 ANALISIS ALGORITMA PREDIKSI UNTUK MENGHASILKAN PREDIKSI BEBAN LISTRIK JANGKA PENDEK Veti Apriana 1 ; Rani Irma Handayani 2 1 Komputerisasi Akuntansi AMIK
Lebih terperinciDeployment Wireless Sensor Network (WSN) Berdasarkan Konsumsi Energi Sensor Node
A Jazari Journa of Mechanica ngineering ISSN: 2527-3426 A Jazari Journa of Mechanica ngineering 1 (1) (2016) 12-17 Depoyment Wireess Sensor Network (WSN) Berdasarkan Konsumsi nergi Sensor Node Hani Rubiani
Lebih terperinciJurnal Ilmiah Keperawatan STIKes Medika Cikarang
FAKTOR FAKTOR YANG BERHUBUNGAN DENGAN KEBERHASILAN TOILET TRAININGPADA BATASAN USIA - TAHUN DI DUSUN II DESA KARANG RAHAYU KECAMATAN KARANG BAHAGIA KABUPATEN BEKASI TAHUN 6 Apriina Sartika ABSTRAK Toiet
Lebih terperinciManajemen Operasional KEPUTUSAN PERENCANAAN STRATEGI
Manajemen Operasiona KEPUTUSAN PERENCANAAN STRATEGI Putri Irene Kanny Putri_irene@staff.gunadarma.ac.id Sub Pokok bahasan pertemuan ke-2 Formuasi strategi Prioritas bersaing Peran operasi daam strategi
Lebih terperinciImplementasi Fuzzy Inference System Mamdani Pada Proses Penentuan Kelulusan Calon Mahasiswa
Impementasi Fuzzy Inference System amdani Pada Proses Penentuan Keuusan Caon ahasiswa (Studi Kasus : Penerimaan ahasiswa Baru Poiteknik Negeri Lhokseumawe Jaur UPN) Rahmad Hidayat Dosen Teknik Informatika
Lebih terperinciRANCANG BANGUN BENT MONOCHROMATOR UNTUK PENINGKATAN INTENSITAS NEUTRON PADA SAMPEL HRPD
RANCANG BANGUN BENT MONOCHROMATOR UNTUK PENINGKATAN INTENSITAS NEUTRON PADA SAMPEL HRPD Herry Mugirahardjo, Trihardi Priyanto, M. Rifai Musih, A. Ramadhani mugirahardjo@gmai.com Pustek Bahan Industri Nukir
Lebih terperinciModel Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan. Andry Jonathan ( )
Model Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan Andry Jonathan (1122041) Email: andry.jonathan1234@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciYAGI ANTENNA DESIGN FOR WIRELESS LAN 2,4 GHZ
YAGI ANTENNA DESIGN FOR WIRELESS LAN 2,4 GHZ Tito Tuwono,ST, M.Sc Program Studi Teknik Eektro, Fakutas Teknoogi Industri, Universitas Isam Indonesia Jaan Kaiurang km 14,5 jogjakarta 55501 titoyuwono@yahoo.com,
Lebih terperinciKajian Peningkatan Akurasi Matriks Asal-Tujuan yang Dihasilkan dari Data Arus Lalulintas pada Kondisi Keseimbangan
PROC. ITB Sains & Tek. Vo. 39 A, No. 1&2, 2007, 23-39 23 Kajian Peningkatan Akurasi Matriks Asa-Tujuan yang Dihasikan dari Data Arus Lauintas pada Kondisi Keseimbangan Ofyar Z. Tamin 1 & Rusmadi Suyuti
Lebih terperinciTABEL MORTALITAS. Ratna Novitasari, S.Si., M.Si. Jurusan Matematika Universitas Diponegoro
TABEL MORTALITAS Ratna Novitasari, S.Si., M.Si. Jurusan Matematika Universitas Diponegoro TUJUAN Mahasiswa diharapkan mampu: 1. Memahami tabe mortaitas 2. Menjeaskan hubungan antara ajur-ajur tabe mortaitas
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciBAB III METODE PENELITIAN
42 BAB III METODE PENELITIAN 3. Teknik Peneitian Peneitian dengan metode perbandingan eksperimenta berisikan kegiatan yang direncanakan dan diaksanakan oeh peneiti, maka dapat diperoeh bukti-bukti yang
Lebih terperinciAPLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES
APLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES Tiananda Widyarini, Budi Santosa Jurusan Teknik Industri Institut Teknoogi Sepuuh Nopember (ITS) Surabaya Kampus ITS Sukoio Surabaya 60111 Emai:
Lebih terperinciAnalisis beban pendingin cold storage PT. Sari Tuna Makmur Aertembaga Bitung, Sulawesi Utara
Jurna Imu dan Teknoogi Perikanan Tangkap 2(2): 9-93, Desember 2015 ISSN 2337-4306 Anaisis beban pendingin cod storage PT. Sari Tuna Makmur Aertembaga Bitung, Suawesi Utara Cooing oad anaysis of cod storage
Lebih terperinciBERITA ACARA PEMBERIAN PENJELASAN PEKERJAAN Nomor : 38 /ULP-POKJA KONSTRUKSI.II/2011
PEMERINTAH KABUPATEN KOTAWARINGIN BARAT UNIT LAYANAN PENGADAAN Jaan Sutan Syahrir Nomor 02 No. Tep. (0532) 23759 Pangkaan Bun 74112 BERITA ACARA PEMBERIAN PENJELASAN PEKERJAAN Nomor : 38 /ULP-POKJA KONSTRUKSI.II/2011
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciPROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA)
PROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA) Jemmy E.Purwanto Jemmy.e.Purwanto@Gmail.com Pembimbing I :
Lebih 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 terperinciNUMERICAL APPROACH OF BOUNDED STATE AND CRITICAL PHENOMENON OF YUKAWA POTENTIAL AT TWO NUCLEON INTERACTION USING FINITE DIFFERENCE METHOD
Pendekatan Numerik Keadaan Terikat. (Arif Gunawan) 179 PENDEKATAN NUMERIK KEADAAN TERIKAT DAN FENOMENA KRITIS POTENSIAL YUKAWA PADA INTERAKSI DUA NUKLEON MENGGUNAKAN METODE BEDA HINGGA (FINITE DIFFERENCE
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 terperinciOPTIMALISASI JUMLAH BUS TRAYEK MANGKANG- PENGGARON DENGAN PENDEKATAN COMPROMISE PROGRAMMING
OPTIMALISASI JUMLAH BUS TRAYEK MANGKANG- PENGGARON DENGAN PENDEKATAN COMPROMISE PROGRAMMING Diana Puspita Sari, Arfan Backtiar, Heny Puspasri Industria Engineering Department, Diponegoro University Emai
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 terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciPREMI DANA PENSIUN DENGAN METODE ENTRY AGE NORMAL PADA STATUS GABUNGAN BERDASARKAN DISTRIBUSI EKSPONENSIAL
PREMI DANA PENSIUN DENGAN METODE ENTRY AGE NORMAL PADA STATUS GABUNGAN BERDASARKAN DISTRIBUSI EKSPONENSIAL Adhe Afriani 1*, Hasriati 2, Musraini 2 1 Mahasiswa Program S1 Matematika 2 Dosen Jurusan Matematika
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 terperinciPREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION
PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Lisa Yui Kurniawati 1*), Handayani Tjandrasa 2), Isye Arieshanti 3) 1,2,3) Teknik Informatika, Fakutas Teknoogi Informasi Institut
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 terperinciJl. A. Yani Km 36, Banjarbaru, Kalimantan Selatan, 70714, Indonesia
SEBARAN POTENSI AIR TANAH DI KECAMATAN CEMPAKA MENGGUNAKAN METODE GEOLISTRIK TAHANAN JENIS KONFIGURASI SCHLUMBERG DISTRIBUTION OF GROUND WATER POTENTIALS IN CEMPAKA SUBDISTRICT USING GEOLISTRIC METHOD
Lebih terperinciJEMBATAN WHEATSTONE. , r KEGIATAN BELAJAR 2 A. LANDASAN TEORI
KEITN BELJ 2. LNSN TEOI JEMBTN WHETSTONE aam kegiatan beajar anda teah mempeajari pengukuran hgambatan dengan menggunakan ohmmeter dan menggunakan ampermeter dan votmeter dengan metoda amper-vot-meter
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciOPTIMISASI MULTIOBJEKTIF UNTUK PEMBENTUKAN PORTOFOLIO. Abdul Hoyyi 1, Dwi Ispriyanti 1. Abstract
Optimisasi (Abdu H) OPTIMISASI MULTIOBJEKTIF UNTUK PEMBENTUKAN PORTOFOLIO Abdu Hoyyi 1, Dwi Ispriyanti 1 1 Staf Pengajar Jurusan Statistika FSM UNDIP Abstract Investing in asset such as stock; besides
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 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 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 terperinciAnalisis 9 Saham Sektor Industri di Indonesia Menggunakan Metode SVR
Anaisis 9 Saham Sektor Industri di Indonesia Menggunakan Metode SVR Nur Adhi Nugroho1,a, Acep Purqon1,b 1 Laboratorium Fisika Bumi, Keompok Keahian Fisika Bumi dan Sistem Kompeks, Fakutas Matematika dan
Lebih terperinciManajemen Kinerja Pertemuan ke-lima. Pokok Bahasan: Penilaian Kinerja
Manajemen Kinerja Pertemuan ke-ima Pokok Bahasan: Peniaian Kinerja Manajemen Kinerja, 2 sks CHAPTER 5 PENILAIAN KINERJA 1 Pokok Bahasan: Pengertian peniaian kinerja Proses peniaian kinerja Faktor-faktor
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 terperinciAbstrak. Kata-kata kunci: pemodelan transportasi, matriks asal-tujuan, metode estimasi, distribusi perjalanan, pemilihan rute
PEGARUH JEIS MEODE ESIMASI DALAM ESIMASI MARIKS ASAL UJUA (MA) MEGGUAKA DAA ARUS LALULIAS PADA KODISI PEMILIHA RUE KESEIMBAGA (EQUILIBRIUM ASSIGME) Rusmadi Suyuti Mahasiswa Program S3 Pascasarjana eknik
Lebih terperinciProblem Based Instruction sebagai alternatif Model Pembelajaran Fisika di SMA
Prayekti, Probem Based Instruction sebagai aternatif Mode Pembeajaran Fisika di SMA Probem Based Instruction sebagai aternatif Mode Pembeajaran Fisika di SMA Prayekti FKIP-Universitas Terbuka, emai: prayekti@mai.ut.ac.id
Lebih terperinciSCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING
SCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING Erick Alfons Lisangan Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Alamat email : erick_lisangan@lecturer.uajm.ac.id
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinciLAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah
LAPORAN PENELITIAN DOSEN MUDA Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah Oleh : Endah Sudarmilah, S.T, M.Eng Umi Fadlillah, S.T Dibiayai oleh Koordinasi Perguruan Tinggi Swasta Wilayah
Lebih terperinciKLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126
pissn: 2442-3386 eissn: 2442-4293 Vo 1 No 2 Jui 2015, 1-6 1-8 KLASIFIKASI KEBUTUHAN NON-FUNGSIONAL MENGGUNAKAN FSKNN DENGAN PENGEMBANGAN SINONIM DAN HIPERNIM BERBASIS ISO/IEC 9126 Denni Adi Ramadhani 1,
Lebih terperinciPENERAPAN MANAJEMEN KINERJA DI PERUSAHAAN MANAJEMEN KINERJA PERTEMUAN KETIGA
PENERAPAN MANAJEMEN KINERJA DI PERUSAHAAN MANAJEMEN KINERJA PERTEMUAN KETIGA PENERAPAN MANAJEMEN KINERJA Daam pertemuan pekan ini pokok bahasan kita adaah penerapan manajemen kinerja di perusahaan, dampaknya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih 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 terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
7 UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PERANCANGAN APLIKASI PENGENAL PLAT NOMOR KENDARAAN BERMOTOR DENGAN PENDEKATAN BACKPROPAGATION
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 terperinciEKSPRESI KREATIF. Pengantar Hak Cipta dan Hak Terkait untuk Usaha Kecil dan Menengah. Number: 4 WORLD INTELLECTUAL PROPERTY ORGANIZATION
Inteectua Property for Business Series Number: 4 EKSPRESI KREATIF Pengantar Hak Cipta dan Hak Terkait untuk Usaha Keci dan Menengah. WORLD INTELLECTUAL PROPERTY ORGANIZATION Pubikasi-pubikasi yang tersedia
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciPENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS
PENGGUNAAN MODEL GRAVITY (GR) DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALULINTAS Rusmadi Suyuti Staf Pengajar Jurusan Teknik Sipi Universitas Muhammadiyah Jakarta Jn. Cempaka Putih
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciT E K U K A N. Gambar 7.1. Pembebanan Normal Negatif
1/5/016 T E K U K N 7.1. Terjadinya Tekukan Tekukan terjadi apabia batang tekan memiiki panjang tertentu yang yang jauh ebih besar dibandingkan dengan penampang intangnya. Perhatikan Gambar 7.1 di bawah,
Lebih terperinciDAFTAR ISI. BAB 3 PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Alir Utama Kamera Web iii
Aplikasi Kamera Web Untuk Mengidentifikasi Plat Nomor Mobil Jemmy / 0322042 E-mail : kaiser_jemmy@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria
Lebih terperinciBAB 4. Sistem Yang Diusulkan
61 BAB 4 Sistem Yang Diusulkan 4.1 Kerangka Sistem Pada bagian ini dijelaskan lebih lanjut mengenai kerangka sistem yang diusulkan serta urut-urutan sistem berjalan. 4.1.1 Pengambilan Data Pada proses
Lebih terperinciImplementasi Sistem Pengenalan Kata pada Mikrokontroler Keluarga MCS51
Ipeentasi Siste Pengenaan Kata pada Mikrokontroer Keuarga MCS51 Thiang Jurusan Teknik Eektro, Universitas Kristen Petra Siwaankerto 121-131, Surabaya eai : thiang@petra.ac.id Abstrak-Makaah ini eaparkan
Lebih terperinci