BAB 2 LANDASAN TEORI
|
|
- Ratna Hartanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 6 BAB 2 LANDASAN TEORI 2.1. Artificial Intelligence Artificial Intelligence adalah studi tentang bagaimana komputer melakukan sesuatu dimana saat itu orang melakukannya lebih baik. (Rich dan Knight, 1991). Artificial Intelligence (AI) didefinisikan sebagai kecerdasan yang dibuat oleh manusia. Sistem seperti ini biasa diasumsikan sebagai komputer. Meskipun AI memiliki makna Science Fiction, AI merupakan salah satu jenis cabang yang sangat penting bagi perkembangan ilmu komputer, yang mempelajari masalah kecerdasan tingkah laku, pembelajaran dan adaptasi pada suatu mesin. Penelitian yang dilakukan pada AI ditujukan untuk menghasilkan suatu mesin yang bias menirukan pekerjaan yang membutuhkan kebiasaan yang cerdas. Beberapa diantara tugas tersebut adalah Kontrol, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa (sistem pakar). Sekarang ini AI digunakan di bidang ekonomi, pengobatan, teknik, dan militer, juga digunakan pada berbagai aplikasi komputer rumahan dan video games (Anonymous, 2006 a ) Artificial Intelligence adalah ilmu pengetahuan dan bagaimana cara membuat mesin yang cerdas, terutama program komputer yang cerdas. Hal tersebut berhubungan dengan bagaimana menggunakan komputer dalam memahami kecerdasan manusia, tetapi AI tidak hanya terbatas pada terhadap metode yang hanya bisa di observasi secara biologi saja. (McCarthy, 2004).
2 7 Artificial Intelligence memiliki banyak sekali bidang terapan lanjutan yang mengintegrasikan kecerdasan buatan, antara lain : Neural Network, Computer Vision, Fuzzy Logic, Natural language Processing, Expert Systems, Pattern Recognition, dll. Mereka meiliki fungsi dan tugas masing-masing dalam menciptakan kemiripan dengan fungsi organ-organ pada manusia. 2.2.Computer Vision Computer Vision adalah studi dan metode aplikasi yang memungkinkan komputer untuk memahami suatu isi dari image atau isi dari data dengan banyak dimensi secara umum. Istilah memahami ini berarti bahwa ada informasi khusus yang di hasilkan dari data citra yang akan digunakan untuk tujuan tertentu: baik untuk mempresentasikan citra terhadap operator manusia (seperti, jika sel kanker telah diditeksi dari citra microscopy), atau untuk mengkontrol beberapa proses (seperti, sebuah industri robot atau kendaraan otomatis). Data citra yang diberikan kepada sistem komputer vision sering merupakan citra digital keabu-abuan atau citra berwarna, tetapi juga bisa dalam bentuk 2 atau lebih citra seperti (seperti, dari pasangan kamera stereo), adegan dari video, atau bentuk 3D (seperti, alat tomography). Dalam kebanyakan aplikasi komputer vision yang praktikal, komputer di progam ulang untuk mengatasi beberapa tugas yang sama, tetapi metode yang digunakan berdasarkan pembelajaran yang sekarang telah berkembang menjadi sangat umum. (Anonymous, 2006 b ) 2.3. Citra Definisi citra menurut Kamus Webster adalah suatu representasi, kemiripan, atau imitasi dari suatu obyek atau benda. Hal ini menunjukkan bahwa citra dari suatu
3 8 individu mewakili entitas diri dari individu itu sendiri didepan kamera. Foto sinar-x thorax mewakili keadaan bagian dalam tubuh seseorang, dan data dalam suatu file GIF mewakili apa yang dicitrakannya. Citra dapat dikelompokkan menjadi citra tampak dan citra tak tampak. Banyak contoh citra tampak dalam kehidupan sehari-hari: foto keluarga; citra anak sekolahan; lukisan seniman besar; apa yang nampak dimonitor televisi; dan hologram (citra optis). Sedangkan citra tak nampak misalnya: data citra dalam file (citra digital), dan citra yang direpresentasikan menjadi fungsi matematis. Di samping itu ada juga citra fisik tak nampak, misalnya citra distribusi panas dikulit manusia serta peta densitas dalam suatu material. Untuk dapat dilihat mata manusia, citra tak nampak ini harus diubah menjadi citra tampak, misalnya dengan menampilkannya di monitor, dicetak diatas kertas, dan sebagainya. Di antara jenis-jenis citra tersebut, hanya citra digital yang dapat diolah menggunakan komputer. jenis citra lain, jika hendak diolah dengan komputer, harus diubah dulu menjadi citra digital, misalnya foto dipindai (scan) dengan scanner, persebaran panas tubuh ditangkap dengan kamera infra merah dan diubah menjadi informasi numeris, informasi densitas dan komposisi bagian dalam tubuh manusia ditangkap dengan bantuan pesawat sniar-x dan system deteksi radiasi menjadi informasi digital. Kegiatan untuk mengubah informasi citra fisik non digital menjadi digital disebut sebagai pencitraan (imaging).
4 Operasi Pengolahan Citra Pengolahan citra pada dasarnya dilakukan dengan cara memodifikasi setiap titik dalam citra tersebut sesuai keperluan. Secara garis besar, modifikasi tersebut dikelompokkan menjadi: Operasi titik, dimana setiap titik diolah secara tidak gayut terhadap titik-titik yang lain, Operasi global, dimana karakteristik global (biasanya berupa sifat statistic) dari citra digunakan untuk memodifikasi nilai setiap titik, Operasi temporal/berbasis bingkai, dimana sebuah citra diolah dengan cara dikombinasikan dengan citra lain, Operasi geometri, dimana bentuk, ukuran, atau orientasi citra dimodifikasi secara geometris, Operasi banyak titik bertetangga, dimana data dari titik-titik yang bersebelahan (bertetangga) dengan titik yang ditinjau ikut berperan dalam mengubah nilai, Operasi morfologi, yaitu operasi yang berdasarkan segmen atau bagian dalam citra yang menjadi perhatian Citra skala keabuan (gray scale) Citra skala keabuan memberi kemungkinan warna yang lebih banyak daripada citra biner, karena ada nilai-nilai lain diantara nilai minimum (biasanya = 0) dan nilai maksimumnya. Kemungkinan yang dihasilkan pun tidak sebanyak dengan kemungkinan
5 10 dari citra true color yang berformat 24bit. Oleh karena itu citra skala keabuan akan lebih memudahkan dalam proses pengenalan suatu citra khususnya wajah Operasi Cropping Cropping adalah memotong satu bagian dari citra sehingga diperoleh citra yang berukuran lebih kecil. Operasi ini pada dasarnya adalah operasi translasi, yaitu menggeser koordinat titik citra. Rumus yang digunakan untuk operasi ini adalah: x = x x L untuk x = x L sampai x R y = y y T untuk y = y T sampai y B (x L, y T ) dan (x R, y B ) masing-masing adalah koordinat titik pojok kiri atas dan pojok kanan bawah bagian citra yang hendak di-crop. Ukuran citra berubah menjadi: h = y B y T dan transformasi baliknya adalah: x = x + x L y = y + y T untuk x = 0 sampai w -1 untuk y = 0 sampai h Face Recognition (Pengenalan Wajah) Menurut Lu (Lu, 2003) Proses pengenalan wajah bisa dikelompokkan menjadi 2 tipe, yaitu verifikasi wajah/autentifikasi (Face Verification) dan identifikasi wajah/pengenalan (Face Identification). Face Verification ( Am I who I say I am? ). Adalah perbandingan one-to-one antara query dari citra wajah dengan template dari citra wajah terhadap individu yang telah diberi data. Untuk
6 11 mengevaluasi performa dari verifikasi, verification rate (rate dimana user yang sah diberi kontrol) vs. false accept rate (rate dimana imposters diberi akses) di plot kan, yang disebut dengan kurva ROC. Sistem verifikasi yang bagus seharusnya bisa menjaga keseimbangan antar kedua nilai rate tersebut berdasarkan operasi yang dibutuhkan. Face identification ( Who am I? ) adalah proses pengenalan one-to-many yang membandingkan query dari citra wajah terhadap semua template citra dalam database wajah yang menentukan identitas dari citra yang ada di query. Proses pengenalan citra dilakukan dengan mencari citra didatabase yang memiliki kesamaan terbesar dengan citra yang mau dikenali. Proses pengenalan citra disebut juga dengan closed tes, yang berarti proses pengenalan merupakan pencarian dari individu yang sebelumnya berada di database. Bagian-bagian dari subjek tes dibandingkan dengan bagian bagian dari citra lain yang berada pada database dan dicari nilai kesamaannya untuk masing masing perbandingan. Nilai dari kesamaan yang diperoleh ini biasanya diurutkan secara descending. Nilai kesamaan yang paling tinggi itulah yang selanjutnya disebut sebagai identitas yang paling sesuai bagi citra yang mau dikenali. Proses pengenalan wajah ini bisa dicitrakan sebagai berikut:
7 12 Gambar 2.1. Proses Pengenalan wajah 2.8. PCA (Principal Component Analysis) Principal Components Analysis (PCA) adalah teknik yang digunakan untuk memudahkan pembuatan set data, lebih formal lagi ini merupakan transformasi linear yang memilih koordinat sistem untuk set data seperti yang mengandung varians oleh projeksi dari set data terhadap sumbu pertama, varians kedua diambil dari sumbu ke dua dan seterusnya. PCA bisa digunakan untuk mengurangi dimensi dari set data sementara mengekstrak karakteristik yang dimiliki oleh set data tersebut yang berhubungan dengan varians utamanya dengan menghilangkan bagian-bagian yang memiliki hubungan kurang penting secara prinsipal. (Anonymous, 2005)
8 ICA (Independent Component Analysis) ICA merupakan metode pengenalan wajah yang merupakan generalisasi dari metode PCA. Metode ini dianggap memiliki sensitifitas yang lebih tinggi pada relasi tingkat tinggi diantra pixel-pixel. Hal ini dianggap penting karena relasi tersebut merupakan faktor utama yang menghasilkan informasi yang dibutuhkan. Bartlet membagi ICA kedalam 2 arsitektur, yaitu statistically independent basis images (arsitektur 1/orde 1) dan factorial code representation (arsitektur 2/orde 2), dimana pada arsitektur 1 citra dari wajah dikelompokkan menjadi beberapa bagian kecil (antara lain mata, alis, hidung, mulut). Berhubung dengan sifat pengelompokan ICA orde 1, maka metode ini dianggap baik dalam mengenali perubahan ekspresi pada wajah, namun kurang baik dalam mengenali perubahan image pada wajah (seperti goresan luka), juga kurang baik dalam mengenali wajah dalam keadaan pencahayaan yang berbeda. Sedangkan pada arsitektur 2 citra dari wajah tetap dipertahankan keutuhannya untuk menghilangkan kemungkinan hilangnya keterkaitan informasi antar bagian (High Order Relationship). (Delac et al, 2004) Proses pembelajaran yang akan dilakukan adalah mencari citra image baru dari setiap individu dengan menghitung citra rata-rata dari beberapa citra individu tersebut, kemudian citra baru dari setiap individu tersebut diberi data tentang individu tersebut. Setelah semua individu telah diperoleh data barunya, maka proses pengenalan pun bisa dilakukan. Setelah melalui proses pembelajaran tersebut, selanjutnya dilakukan proses pengenalan. Pengenalan dengan menggunakan citra baru dilakukan, dan citra baru tersebut dilakukan perbandingan dengan semua citra rata-rata yang sudah ada di dalam database. Perbandingan tersebut dilakukan dengan mehitung jarak antara nilai
9 14 eigenspace input dengan nilai eigenspace pada proses pembelajaran dari setiap obyek yang ada, dengan rumus : d(x,y) = absolut (x- y) Dimana : x : nilai eigenspace input y : nilai eigenspace hasil pembelajaran per obyek Setelah diperoleh hasil perhitungan jarak antara citra baru dengan citra rata-rata dari masing-masing obyek, maka dilakukan perhitungan rata-rata jarak untuk masingmasing obyek. Nilai terkecil dari rata-rata jarak tersebut menunjukkan bahwa identitas citra baru tersebut paling mendekati kemiripan dengan citra rata-rata yang memiliki nilai rata-rata jarak terkecil dengannya, dan proses pengenalan pun telah selesai dilakukan. Dalam Pemrosesannya ICA melewati beberapa tahapan pemrosesan, yaitu proses pengolahan citra (dalam hal ini proses normalisasi dari citra), pencarian rata-rata untuk setiap citra yang ada, penyimpanan citra kedalam basis pengetahuan (database), hingga sampai ke proses pengenalan dari citra penguji. Hal ini bisa dilihat pada citra berikut: (Delac et al, 2004)
10 15 Gambar 2.2 Proses Pembelajaran Gambar 2.3 Proses Identifikasi Citra Proses yang ditunjukkan pada Gambar 2.2 dan Gambar 2.3 menunjukkan prosesproses yang secara umum digunakan dalam metode pengenalan wajah, secara sederhana digunakan rangkaian yang ditunjukkan pada Gambar 2.4 untuk pembuatan prototype aplikasi pengenalan wajah menggunakan metode ICA ini.
11 16 Matrix citra pelatihan ICA ORDE 2 Pencarian citra ratarata dan pemrosesan citra DATABASE Tempat penyimpanan N galeri citra Matrix citra penguji PENGHITUNGAN JARAK d(x,y) = absolut (x- y) min(r) x : nilai eigenspace input y : nilai eigenspace hasil pembelajaran r = jumlah d(x,y) / jumlah image per obyek r : rata-rata d per obyek Hasil Pengenalan Gambar 2.4 Proses Pengenalan Wajah
PEMANFAATAAN 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 terperinciPERTEMUAN - 2 PENGOLAHAN CITRA
PERTEMUAN - 2 PENGOLAHAN CITRA EDY WINARNO fti-unisbank-smg 24 maret 2009 Citra = gambar = image Citra, menurut kamus Webster, adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda
Lebih terperinciTeknik Pengolahan Citra. by Kartika Firdausy
Teknik Pengolahan Citra by Kartika Firdausy 081.328.718.768 tpcitra@ee.uad.ac.id TUJUAN Mahasiswa mampu: Menggunakan berbagai teknik pengolahan untuk memperoleh kualitas citra digital yang sesuai dengan
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2.1 Pengertian Citra Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciPENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA. Abstract
PENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA Kusrini 1, Agus Harjoko 2 1 Dosen STMIK AMIKOM Yogyakarta 2 Dosen FMIPA Universitas Gadjah Mada Yogyakarta Abstract There are two
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciPERBEDAAN GRAFIKA COMPUTER DAN IMAGE PROCESSING. by Ocvita Ardhiani
PERBEDAAN GRAFIKA COMPUTER DAN IMAGE PROCESSING by Ocvita Ardhiani Perbedaan grafika computer dan image processing Pengolahan citra (image processing) Berorientasi pixel Mengolah data citra untuk mendapatkan
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra dapat dikelompokkan menjadi citra tampak dan citra tak tampak.
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 II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
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 terperinciBAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem
1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika
Lebih 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 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 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 II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciKECERDASAN BUATAN Artificial Intelligence (AI)
KECERDASAN BUATAN Artificial Intelligence (AI) Pengertian AI Putu Putra Astawa S.Kom.,M.kom Ptputraastawa@gmail.com Ptputraastawa.wordpress.com Kedudukan Ilmu Kecerdasan Buatan Kecerdasan? Kecerdasan berasal
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciPengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface
Pengenalan Bentuk Wajah Manusia Pada Citra Menggunakan Metode Fisherface (Studi Kasus pengenalan wajah pada manusia di teknik informatika universitas malikussaleh) Muthmainnah, Rahayu Dosen Teknik Informatika
Lebih terperinciBAB 1 PENDAHULUAN Latar belakang masalah
BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
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 terperinciIntensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata.
Pembentukan Citra oleh Sensor Mata Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
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 terperinciPENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak
PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL Annisa Hayatunnufus [1], Andrizal,MT [2], Dodon Yendri,M.Kom [3] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas
Lebih terperinciTipe dan Jenis Layar Komputer Grafik. By Ocvita Ardhiani.
Tipe dan Jenis Layar Komputer Grafik By Ocvita Ardhiani. PENGERTIAN GRAFIKA KOMPUTER Grafika komputer adalah bidang dari komputasi visual dimana penggunaan komputer akan menghasilkan gambar visual secara
Lebih terperinciKECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A.
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) By :Suthami A. Definisi Kecerdasan buatan (Artificial Intelligence) : Bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan
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 terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciRika Oktaviani
Operasi Operasi Dasar Pengolahan Citra Digital Rika Oktaviani rika.jtk11@gmail.com Lisensi Dokumen: Copyright 2003 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan
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 terperinciDATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim)
Pengantar DATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim) Citra : gambar pada bidang 2D. Secara matematis : citra
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jalan merupakan salah satu sarana transportasi darat yang penting untuk menghubungkan berbagai tempat seperti pusat industri, lahan pertanian, pemukiman, serta sebagai
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciPERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA
PERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA Bharasaka Krisnandhika 51412445 Dr. Dewi Agushinta
Lebih terperinciMetode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciBAB 1 PENDAHULUAN. di bidang pendidikan, keamanan, perkantoran, bahkan pada bidan g
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarangini dunia berada di era digital. Era dimana hampir setiap aspek dalamkehidupan manusia sangat berhubungan erat dengan teknologi komputasi baik di bidang pendidikan,
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB I PENDAHULUAN. robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia robot dewasa ini menunjukkan betapa besar peran bidang robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia teknologi
Lebih terperinciMata indera yang dimiliki manusia sehingga suatu citra (gambar) memegang peranan penting dalam prespektif manusia. Pengolahan Citra Digital * Citra suatu representasi (gambaran/ gambar), kemiripan atau
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciIMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION
IMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION Garibaldy W Mukti 13506004 Teknik Informatika ITB alamat : Srigading 29, Bandung 40132 email: subghost1802000@yahoo.com ABSTRAK
Lebih terperinciPENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS
PENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS Fricles Ariwisanto Sianturi Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No 1 Medan-Sumatera
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciAPLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI
APLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI OLEH: FARIS SANTA EKA WIARTA NPM : 0736010025 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK INDUSTRI - FTI UNIVERSITAS
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 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 terperinciPengenalan Kecerdasan Buatan (KB)
Pengenalan Kecerdasan Buatan (KB) Pengertian Kecerdasan Buatan VS Kecerdasan Alami Komputasi KB VS Komputasi Konvensional Sejarah KB Lingkup KB Soft Computing Referensi Luger & Stubblefield - bab 1 Sri
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS. Skripsi
PENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS Skripsi Di susun oleh : M. RIDHO MAJIDI (0934010056) PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVESITAS PEMBANGUNAN
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciPENDETEKSIAN TITIK TITIK JANGKAR UNTUK VERIFIKASI FACE 3D
PENDETEKSIAN TITIK TITIK JANGKAR UNTUK VERIFIKASI FACE 3D Dahlan Abdullah 1, Safwandi 2 Dosen Teknik Informatika Universitas Malikussaleh Abstract This paper outlines methods to detect key anchor points
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 terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciBAB 4 ANALISA HASIL SISTEM
BAB 4 ANALISA HASIL SISTEM 4.1. Umum Pada bab ini akan dilakukan mengenai pengujian terhadap prosentase kemiripan dari sistem aplikasi yang telah dirancang. lingkup uji coba sistem aplikasi ini adalah
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN
BAB V IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang implementasi dan pengujian dari sistem yang dikembangkan berdasarkan hasil perancangan yang didapat pada BAB IV. V.1 Implementasi V.1.1 Spesifikasi
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ).
BAB 2 TINJAUAN PUSTAKA Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ). 2.1. Algoritma Algoritma adalah urutan langkah-langkah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 6 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
Lebih terperinciCS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra
CS3214 Pengolahan Citra - UAS CHAPTER 1. Pengantar Pengolahan Citra Fakultas Informatika IT Telkom CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis) = fungsi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciPENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL
PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL Mawaddah Aynurrohmah, Andi Sunyoto STMIK AMIKOM Yogyakarta email : andi@amikom.ac.id Abstraksi Perkembangan teknologi
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dibidang transportasi darat khususnya kendaraan bermotor, semakin membantu masyarakat penggunanya, sehingga menjadikan kendaraan bermotor sebagai
Lebih terperinciSekilas Tentang Kecerdasan Buatan
Sekilas Tentang Kecerdasan Buatan Oleh: Entin Martiana Penyaji: Setiawardhana Definisi Kecerdasan Buatan Banyak cara untuk mendefinisikan Kecerdasan Buatan, diantaranya adalah : Suatu studi yang mengupayakan
Lebih terperinciARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan)
ARTIFICIAL INTELLIGENCE / AI (Kecerdasan Buatan) Definisi : - Awalnya komputer difungsikan sebagai alat hitung. - Seiring dengan perkembangan jaman, komputer diharapkan dapat diberdayakan untuk mengerjakan
Lebih terperinci1. PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
1. PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) 1.1 DEFINISI KECERDASAN BUATAN Definisi Kecerdasan Buatan H. A. Simon [1987] : Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian,
Lebih terperinciKlasifikasi Kecantikan Wanita Aceh Pada Citra Menggunakan Metode Adaptive Resonance Theory (ART1)
Klasifikasi Kecantikan Wanita Aceh Pada Citra Menggunakan Metode Adaptive Resonance Theory (ART1) (Studi Kasus Mengklasifikasikan kecantikan wanita aceh di teknik informatika universitas malikussaleh)
Lebih terperinciArtificial Intelegence. Eka Yuniar
Artificial Intelegence Eka Yuniar DEFINISI Awalnya komputer difungsikan sebagai alat hitung. Seiring dengan perkembangan jaman, komputer diharapkan dapatdiberdayakan untuk mengerjakan segala sesuatu yang
Lebih terperinciPENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA. Anna Dara Andriana, S.Kom., M.Kom
PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA Anna Dara Andriana, S.Kom., M.Kom 1 ANNA DARA ANDRIANA, S.Kom.,M.Kom 081-221-794-565 ( 8.00 14.00 ) Email : annadaraandriana@yahoo.com Subject : kelas_nama/kelompok_tugas
Lebih terperinciANALISA PERANCANGAN SISTEM
Gambar 2.16. Black Bo Pengujian black bo adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak
Lebih terperinci