DETEKSI SUDUT MENGGUNAKAN KODE RANTAI UNTUK PENGENALAN BANGUN DATAR DUA DIMENSI
|
|
- Herman Johan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 DETEKSI SUDUT MENGGUNAKAN KODE RANTAI UNTUK PENGENALAN BANGUN DATAR DUA DIMENSI Ahmad Fashiha Hastawan, Achmad Hidayatno, R. Rizal Isnanto Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia aha_fashiha@yahoo.com ABSTRAK Sistem computer vision yang handal diperlukan untuk melakukan sistem pengenalan yang konsisten terhadap beberapa kemungkinan gangguan, terutama untuk pengenalan objek yang memiliki karakteristik khusus, seperti bangun datar dua dimensi. Dengan Salah satu metode yang diterapkan adalah dengan menggunakan deteksi sudut (corner detection). Terdapat beberapa macam algoritma deteksi sudut, salah satunya adalah dengan menggunakan kode rantai (chain code). Dalam Tugas Akhir ini sistem pendeteksian sudut menggunakan kode rantai untuk pengenalan bangun datar dua dimensi ini dibuat dengan menggunakan software Matlab dengan memperhatikan beberapa faktor yang mempengaruhi kehandalan sistem. Perancangan dilakukan dengan membuat sistem pengenalan yang memiliki beberapa tahap diantaranya adalah tahap prapengolahan, tahap ekstraksi ciri, tahap identifikasi ciri,serta tahap pengenalan. Dalam tahap prapengolahan dilakukan proses konversi keabuan dan proses reduksi derau dengan menggunakan tapis median dan Wiener. Pada tahap ekstraksi ciri dilakukan proses binerisasi dengan algoritma pengambangan adaptif dan proses deteksi tepi dengan algoritma Canny. Pada tahap identifikasi ciri dilakukan dengan penelusuran kode rantai dan proses deteksi sudut dengan menggunakan algoritma perhitungan matematika. Pada tahap pengenalan dilakukan proses identifikasi akhir melalui seleksi terhadap bentuk bangun yang telah didefinisikan. Dari hasil pengujian terhadap sistem, setiap tahap proses dalam sistem pengenalan menghasilkan keluaran sesuai yang diharapkan. Untuk pengujian sistem terhadap data yang diuji, didapatkan persentase pengujian bentuk bangun datar dua dimensi terhadap variasi warna adalah sebesar 100%, pengujian terhadap variasi ukuran adalah sebesar 95,24%, pengujian terhadap variasi posisi adalah sebesar 100%, pengujian terhadap variasi jarak hasil capture kamera webcam sebesar 88,09%, pengujian terhadap keakuratan deteksi sudut bangun tak beraturan sebesar 90%, dan pengujian terhadap variasi warna dan latar objek sebesar 100%. Kata Kunci : Datar Dua Dimensi,, Kode Rantai ABSTRACT Solid vision computer system is needed to do a consistent recognizing system through some disturbance possibilities, especially for object recognitions which has special characteristic such as two dimensions shape. By this two dimensions shape recognition system, it is approximated can ease robot or shape recognition automatic hardware in doing its job. One of the used method is corner detection. There are some corner detection algorithms. One of them is chain code. This corner detection system using chain code for two dimensions shape recognition system is built by Matlab software with giving special attention to some factors that influence the system solidity. Designing is done by building recognition system that has some stages, such as pre-processing stage, feature extraction stage, and recognition stage. In the pre-processing stage to convert image to grayscale image and the noise reduction process by using median filter and Wiener. In the feature extraction stage of the process is carried binary image floating adaptive algorithms and processes Canny edge detection algorithm. In the identification phase characteristics is done by tracing the chain code and the detection angle using mathematical algorithms. At this stage of the introduction of the final identification process is done through the selection of the shape that has been defined. From the system testing, every stage process gives expected results. Testing of two dimensions shape with color varying gives 100%, testing of size varying gives 95.24%, testing of position varying gives 100%, testing of object distance captured by webcam gives 88.09%,testing the accurancy of the detection angle irregular shape gives 90%, and testing of object and background color variations gives 100%. Key Words : Two dimensions shape, corner detection, chain code.
2 I. Pendahuluan 1.1 Latar Belakang sudut atau corner detection merupakan sebuah metode sebagai tahap awal dalam mencari sudut (corner) suatu objek pada citra dua dimensi. Sistem pengenalan bentuk objek dengan menggunakan deteksi sudut merupakan dasar dari computer vision untuk mengekstraksi beberapa jenis fitur dan menyimpulkan isi dari suatu gambar yang kemudian akan digunakan sebagai dasar pengambilan keputusan dari perintah yang diberikan. Pada penelitian sebelumnya oleh Neeta Nain [14][15], deteksi sudut dilakukan dengan menggunakan representasi kode rantai untuk mengetahui efektivitas penggunaan metode kode rantai dibandingkan dengan metode lain. Kode rantai mempresentasikan citra dalam bentuk kode yang mewakili hubungan dua buah piksel berdekatan dengan arah tertentu yang kemudian dapat dianalisa menggunakan suatu metode untuk menentukan bentuk objek yang diamati. Salah satu aplikasi dari kode rantai dapat digunakan sebagai dasar untuk melakukan pengenalan karakter tangan [17][18]. Metode deteksi sudut menggunakan kode rantai sangat bergantung pada proses prapengolahan dan deteksi tepi yang dilakukan terlebih dahulu sebelum proses penelusuran kode rantai. Penelitian sebelumnya memaparkan bahwa deteksi tepi dapat digunakan untuk beberapa hal seperti klasifikasi bentuk ruas daun [2] serta deteksi tepi untuk membedakan antara uang asli dan palsu [4]. Pada tugas akhir ini akan dibahas analisis mengenai pengenalan terhadap hasil pengujian bangun datar dua dimensi menggunakan deteksi sudut berbasis kode rantai sebagai dasar pengenalan objek bangun datar dua dimensi, sehingga dapat diketahui tingkat keakuratan dari sistem yang dibuat. 1.2 Tujuan Tujuan dari Tugas Akhir ini adalah untuk membuat sistem pengenalan bentuk bangun datar dua dimensi dengan algoritma deteksi sudut menggunakan kode rantai. 1.3 Batasan Masalah Untuk menyederhanakan pembahasan, masalah pada tugas akhir ini disederhanakan sebagai berikut: 1. Perancangan aplikasi ini menggunakan bahasa pemrograman Matlab 2. Aplikasi ini menentukan nama bangun datar berdasarkan jumlah sudut pada bangun sesuai dengan kriteria yang telah didefinisikan 3. Citra uji yang digunakan merupakan citra bitmap 24 bit dan objek pada citra uji yang digunakan minimal berukuran 60x60 Piksel 4. Citra uji yang digunakan memiliki warna latar belakang hitam atau warna yang lebih gelap daripada objeknya II. Dasar Teori 2.1 Citra Digital Suatu citra adalah fungsi intensitas 2 dimensi f(x,y), yang mana x dan y adalah koordinat spasial dan f pada titik (x,y) merupakan tingkat kecerahan (brightness) suatu citra pada suatu titik. Citra digital dapat dibayangkan sebagai suatu matriks yang mana baris dan kolomnya menunjukkan tingkat keabuan di titik tersebut. Elemen-elemen dari citra digital tersebut biasanya disebut dengan pixel, yang merupakan singkatan dari picture elements. Dalam satu bidang gambar, sepenuhnya terdiri dari piksel-piksel. Karena itu, berkas yang menyimpan citra biasa disimpan dengan nama BMP. Untuk mengurangi ukuran dari berkas, biasanya berkas citra dimampatkan dengan menggunakan teknik tertentu, misal yang terkenal yaitu JPEG atau GIF [3] [9] [22]. 2.2 Pemulihan Citra Pemulihan Citra atau restorasi citra adalah proses penghilangan atau pengurangan degradasi pada citra yang terjadi karena proses akuisisi citra. Degradasi yang dimaksud adalah derau atau efek optis misalnya kabur (blur) akibat kamera yang tidak fokus atau karena gerakan kamera. Teknik restorasi citra meliputi operasi ketetanggaan dan juga penggunaan proses-proses pada domain frekuensi. Restorasi citra juga bertujuan menghilangkan atau meminimalkan cacat pada citra. Contoh-contoh operasi restorasi citra [11] [21] : a. penghilangan kesamaran (deblurring). b. penghilangan derau (noise) 2.3 Segmentasi Citra Terdapat dua pendekatan utama dalam segmentasi citra yaitu didasarkan pada tepi (edge based) dan didasarkan pada wilayah (region based). Segmentasi didasarkan pada tepi membagi citra berdasarkan diskontinuitas di antara subwilayah (sub-region), sedangkan segmentasi yang didasarkan pada wilayah bekerjanya berdasarkan keseragaman yang ada pada sub-wilayah tersebut. dari segmentasi citra adalah sekumpulan wilayah yang melingkupi citra tersebut, atau sekumpulan kontur yang diekstrak dari citra (pada deteksi tepi). Tiap piksel dalam suatu wilayah mempunyai kesamaan karakteristik atau properti yang dapat dihitung (computed property), seperti: warna (color), intensitas (intensity), dan tekstur (texture) [12]. 2.4 Datar datar adalah bangunan geometri yang seluruh bagiannya terletak pada satu bidang [26] adalah bangun datar yang terjadi dari tiga ruas garis dan ujung dari dua ruas garisnya saling bertemu. Tiap ruas garis yang membentuk segitiga disebut sisi [25]. Pertemuan ujung-ujung ruas garis disebut titik sudut [20]. Dalam pengertian lain segitiga adalah suatu bangun datar yang jumlah sudutnya 180 dan dibentuk dengan cara menghubungkan tiga buah titik yang tidak segaris dalam satu bidang [26]. Jenis-jenis segitiga antara lain adalah segitiga sama sisi, segitiga sama kaki, segitiga siku-siku, dan segitiga sembarang.
3 2.4.2 Segiempat Segiempat Segiempat adalah bangun datar yang dibentuk dengan menghubungkan empat buah titik yang tidak segaris [26]. Jenis-jenis bangun segiempat antara lain adalah sebagai berikut : a. Bujur Sangkar (Persegi sama sisi) b. Persegi Panjang c. Jajaran Genjang d. Belah upat e. Layang-Layang f. Trapesium a) Trapesium Sama Kaki b) Trapesium Siku-Siku Lingkaran Lingkaran adalah kurva tertutup sederhana yang bentuknya segi-n beraturan dengan n tak berhingga. Lingkaran didefinisikan sebagai tempat kedudukan titik-titik yang berjarak sama terhadap sebuah titik (pusat lingkaran) [25] Poligon Poligon dapat dikelompokan ke dalam poligon beraturan dan poligon tidak beraturan. Poligon beraturan adalah bangun geometri dua dimensi yang panjang sisi-sisinya sama dan besar sudut-sudutnya sama besar. Sedangkan poligon tidak beraturan adalah bangun geometri dua dimensi yang tidak memiliki sifat tersebut. Poligon beraturan misalnya segitiga sama sisi, persegi, segilima beraturan, segienam beraturan dan sebagainya [25]. 2.5 Kode Rantai Algoritma Kode Rantai Freeman (Freeman Chain Code) pertama kali diperkenalkan oleh Freeman pada tahun Tujuan dari Kode Freeman adalah untuk memberitahukan representasi batasan dari suatu obyek. Kode rantai Freeman merupakan algoritma sederhana tetapi memiliki kinerja yang tinggi. Kode rantai didasarkan pada kenyataan bahwa titik berurutan pada kurva kontinyu yang saling berdekatan satu sama lain, dan bahwa masing masing titik data secara berurutan berbatasan dengan salah satu dari delapan kode rantai yang mengelilingi titik data tersebut. Kode rantai digunakan untuk merepresentasikan batas tepi dengan urutan garis lurus yang terhubung dengan ukuran dan arah tertentu. Biasanya, kode rantai direpresentasikan dengan 4 arah atau 8 arah mata angin. Arah dari suatu mata angin dikodekan dengan menggunakan skema penomoran seperti terlihat di Gambar 1 (a) untuk 4 arah mata angin dan Gambar 1 (b) untuk 8 arah mata angin [6]. Dan untuk ilustrasi penelusuran kode rantai dapat dilihat pada Gambar 2. Gambar 2 Ilustrasi Penelusuran Kode Rantai Dari hasil penelusuran kode rantai pada Gambar 3 didapatkan kode rantai sebagai berikut. 2.6 atau Corner Detection merupakan sebuah metode sebagai tahap awal dalam mencari sudut (Corner) suatu objek pada citra dua dimensi [10]. Metode Menggunakan kode rantai merupakan metode yang digunakan untuk mendeteksi sudut yang ada pada objek dengan menggunakan operasi integer sehingga lebih sederhana dan efisien dalam implementasinya. Metode ini berbasis pada representasi kontur kode rantai (chain code), yang mana hasil dari representasi kode rantai ini yang nantinya akan diolah dengan menggunakan perhitungan tertentu untuk mengetahui posisi sudut yang ada pada objek. Metode deteksi sudut menggunakan kode rantai memiliki algoritma dengan beberapa tahap yang dikerjakan secara urut. Tahap pertama dari metode ini adalah melakukan penelusuran kode rantai pada objek yang diuji yang sudah melewati proses morfologi citra terlebih dahulu. dari penulusuran kode rantai ini kemudian akan disebut sebagai Boundary Chain (BC). Pada tahap penulusuran Boundary Chain ini memiliki beberapa kemungkinan kesalahan akibat hasil dari proses deteksi tepi. Untuk mengatasi permasalahan yang terjadi maka dilakukan tahap kedua yaitu Smoothing Boundary Chain (Smoothing BC). Pada tahap penulusuran proses Smoothing BC ini dilakukan dua proses meliputi penggantian kode dengan ketentuan tertentu. Pada tahap berikutnya yaitu tahap ketiga, hasil dari Smoothing Boundary Chain (Smoothing BC) ini akan dimodifikasi dan dilakukan pembentukan kode baru kemudian hasilnya disebut Modified Chain (MC). (a) (b) Gambar 1 (a) Skema 8 arah mata angina (b) Skema 4 arah mata angin Pada tahap keempat, yaitu tahap perhitungan kurva terhadap perhitungan Difference Codes, dimana Difference Codes ini diperoleh dari hasil Modified Chain (MC). Tahap ini merupakan tahap yang dilakukan untuk menghindari kesalahan deteksi sudut serta untuk menentukan letak sudut yang benar. dari proses ini disebut DC [15].
4 III. Perancangan Sistem 3.1 Gambaran Umum Perancangan sistem merupakan tahap yang penting dalam mengaplikasikan suatu konsep, baik dalam bentuk program ataupun alat agar dalam pembuatannya dapat berjalan secara sistematis, terstruktur, dan rapi sehingga hasil program dapat berjalan sesuai dengan apa yang dikehendaki. Dalam perancangan, aspek yang diperhatikan meliputi kemungkinan pengembangan di masa depan, efektifitas dan efisiensi program, kemampuan program dan kemudahan untuk dipahami pengguna (user friendly) yang diwujudkan dalam tampilan grafis (Graphical User Interface). Secara umum pembuatan program ini mengikuti alur sesuai yang ditunjukan dalam Gambar 4. Pada Gambar 3 terlihat bahwa terdapat empat tahap dalam perancangan sistem ini. Tahap pertama yaitu tahap prapengolahan. Pada tahap prapengolahan ini terdapat dua proses yaitu proses konversi citra menjadi citra keabuan (grayscale) dan proses restorasi citra berupa proses reduksi derau. Proses reduksi derau dilakukan dengan menggunakan tapis median dan tapis Wiener. Tahap kedua adalah tahap ekstraksi ciri. Tahap ini terdiri dari dua proses yaitu proses binerisasi otomatis menggunakan algoritma pengambang lokal adaptif dan proses deteksi tepi menggunakan algoritma deteksi tepi Canny. Algoritma pengambangan lokal adaptif digunakan dengan tujuan untuk meminimalisasi ketidakrataan cahaya pada objek. Untuk deteksi tepi, metode Canny digunakan untuk menghasilkan lebar tepi sebesar satu pikse. Tahap ketiga adalah tahap identifikasi ciri. Pada tahap ini terdiri dari proses penelusuran kode rantai dan proses deteksi sudut. Proses deteksi sudut meliputi proses identifikasi kode rantai, proses smoothing kode rantai, modifikasi kode rantai, serta perhitungan akhir bentuk kode rantai sebagai dasar penentuan posisi sudut. Kode rantai yang digunakan adalah kode rantai 8 arah mata angin. Proses identifikasi kode rantai diawali dengan melakukan penelusuran posisi awal koordinat penelusuran. Tahap keempat adalah tahap pengenalan. Tahap pengenalan ini berupa proses identifikasi akhir. Proses identifikasi akhir akan menggunakan jumlah sudut dan koordinat posisi sudut hasil dari proses deteksi, yang kemudian akan dicocokkan dengan karakteristik bangun datar sebagai dasar pengambilan keputusan hasil akhir bentuk objek. Dalam proses identifikasi akhir ini, ada beberapa parameter yang akan dibandingkan antara lain letak posisi/koordinat sudut, panjang diagonal, serta panjang sisi-sisi objek. Sebagai dasar penentuan kemiripan ukuran panjang diagonal, sisi, maupun posisi sudut digunakan nilai toleransi sebesar 10. Bagan umum sistem dapat dilihat pada Gambar 3 berikut. Gambar 3 Bagan Umum Sistem 3.2 Tahap Prapengolahan (Preprocessing) Proses prapengolahan perlu dilakukan untuk menyesuaikan hal-hal yang dibutuhkan dalam proses-proses selanjutnya. Langkah pertama dalam tahap prapengolahan ini adalah mengubah citra RGB menjadi citra aras keabuan (grayscale). Proses tersebut dilakukan pada setiap piksel citra, dengan cara ini setiap piksel memiliki satu jenis warna dengan intensitas yang berbeda-beda. Setelah proses ini dilakukan proses selanjutnya adalah proses penapisan terhadap citra hasil konversi aras keabuan. Proses penapisan berguna untuk meminimalisir derau yang terdapat dalam citra masukan serta mengurangi resiko terjadinya pengambangan yang tidak sempurna akibat adanya derau pada citra hasil proses konversi aras keabuan. Pada proses penapisan ini digunakan filter linier rata-rata dan filter adaptif wiener. 3.3 Tahap Ekstraksi Ciri Proses ekstraksi ciri merupakan proses untuk mencari, menandai, dan menyimpan semua fitur dari segmen bangun datar. Ciri adalah semua informasi atau karakteristik bentuk dari segmen yang bisa dijadikan sebagai tanda pengenal dari bentuk segmen bangun datar tersebut. Oleh karena itu ciri harus unik untuk tiap bentuk bangun datar. Tahap ekstraksi ciri ini berguna untuk memperoleh suatu ciri dari citra bangun datar yang telah mengalami tahap prapengolahan. Metode ekstraksi ciri yang dilakukan adalah proses binerisasi otomatis dan proses deteksi tepi. 3.4 Tahap Identifikasi Ciri Proses identifikasi ciri merupakan proses mengolah fitur yang telah disimpan pada tahap ekstraksi ciri untuk mendapatkan informasi yang diharapkan. Proses identifikasi ciri pada tahap ini meliputi dua proses yaitu proses penelusuran kode rantai dan proses deteksi sudut.
5 Metode penelusuran kode rantai ini menggunakan delapan arah kode rantai dengan arah penandaan berlawanan jarum jam (0 s/d 7). Gambar 4(a) menunjukkan bentuk kode rantai yang digunakan. Untuk penentuan titik awal penelusuran kode rantai ini, dilakukan pelacakan piksel dari kanan ke kiri serta dari bawah ke atas dengan mencari piksel berwarna putih yang pertama kali ditemukan. Gambar 4(b) menunjukkan ilustrasi penentuan titik awal penelusuran kode rantai. Gambar 5 Tampilan program utama (a) (b) Gambar 4 (a) Skema 8 arah mata angin (b) Ilustrasi penentuan titik awal penelusuran kode rantai 3.7 Tampilan Tahap Prapengolahan Dalam tahap ini akan dilakukan proses konversi citra masukan menjadi citra keabuan (grayscale) dan proses reduksi derau. Fungsi untuk proses konversi citra masukan menjadi citra keabuan ini sudah terdapat dalam function di Matlab, sehingga cukup menggunakan function rgb2gray dalam pengkodean. Gambar 8 menunjukkan citra masukan sebelum dilakukan proses konversi citra keabuan, dan Gambar 6 menunjukkan citra hasil konversi citra keabuan. 3.5 Tahap Pengenalan Tahap pengenalan ini berupa proses identifikasi akhir. Proses identifikasi akhir akan menggunakan koordinat posisi sudut hasil dari proses deteksi sudut, yang kemudian akan dicocokan dengan karakteristik bangun datar sebagai dasar pengambilan keputusan hasil akhir bentuk objek. Dalam proses identifikasi akhir ini ada beberapa parameter yang akan dibandingkan antara lain letak posisi/koordinat sudut, panjang diagonal, serta panjang sisi-sisi objek. Perhitungan panjang sisi dan diagonal dilakukan dengan proses aritmatika bangun datar. Sebagai dasar penentuan kemiripan ukuran panjang diagonal, sisi, maupun posisi sudut digunakan nilai toleransi sebesar 10. dari perhitungan yang didapat akan dicocokan dengan aturan kriteria masing-masing bangun untuk menentukan keluaran dari proses pengenalan. 3.6 Tampilan Program Utama Program yang dibuat hanya memiliki satu bagian utama yaitu GUI Pengenalan dimana dalam GUI Pengenalan tersebut terdiri dari beberapa menu yang digunakan untuk masing-masing tahap. Menu yang disajikan diantaranya adalah menu untuk tahap prapengolahan, menu untuk tahap ekstraksi ciri, menu untuk tahap identifikasi ciri, serta menu untuk tahap pengenalan. Gambar 5 menunjukkan tampilan program utama (a) Gambar 6 (a) Citra Masukan (b) Citra Konversi Keabuan (b) 3.8 Pengujian Tahap Identifikasi Ciri Dalam tahap ini akan dilakukan proses konversi citra hasil proses reduksi derau menjadi citra biner dan proses deteksi tepi. Proses konversi citra biner ini dilakukan dengan menggunakan metode pengambangan adaptif untuk meminimalisasi ketidakrataan cahaya pada gambar. Gambar 7 menunjukkan citra hasil konversi citra biner. Gambar 7 Citra hasil konversi citra biner Dalam proses pendeteksian tepi terhadap citra biner, proses konversi pendeteksian tepi ini dilakukan dengan menggunakan metode Canny. Fungsi deteksi tepi ini sudah terdapat dalam function di Matlab, sehingga cukup menggunakan function edge dalam pengkodean. Citra biner sesudah proses deteksi tepi dapat dilihat pada Gambar 8.
6 dapat dilihat contoh hasil dari pengujian terhadap variasi ukuran objek. Gambar 8 Citra hasil deteksi tepi IV. Pengujian dan Analisis 4.1 Pengujian Tahap Pengenalan Dalam tahap ini akan dilakukan pengujian pengenalan bentuk bangun berdasarkan hasil deteksi jumlah sudut. Proses pengenalan ini dilakukan dengan menggunakan metode deteksi sudut hasil penelusuran kode rantai. Pengujian dilakukan terhadap beberapa kriteria diantaranya adalah pengujian terhadap variasi warna objek, pengujian terhadap variasi ukuran objek, pengujian terhadap variasi posisi objek, dan pengujian hasil capture kamera webcam Pengujian Terhadap Variasi Warna Objek Pada pengujian ini dilakukan dengan menguji masing-masing bentuk bangun dua dimensi dalam tiga warna yang berbeda. Jumlah objek yang diuji sebanyak 42 variasi. Pada Tabel 1 dapat dilihat contoh hasil dari pengujian terhadap variasi warna objek. Tabel 1. Contoh hasil pengujian terhadap variasi warna objek Nama 1 Sama Kaki 2 Sama Kaki Pengenalan Sama Kaki Sama Kaki Jmlh Tabel 2. Contoh hasil pengujian terhadap variasi ukuran objek Nama 1 Sikusiku 2 Sikusiku 3 Sikusiku Dari hasil pengujian dapat dikalkulasi ternyata banyak bangun datar yang teridentifikasi benar adalah 40 serta banyak seluruh bangun datar yang diuji adalah 42. Maka persentase keberhasilan pengenalan data uji adalah sebesar 95,24% Pengujian Terhadap Variasi Posisi Objek Pada pengujian ini dilakukan dengan menguji masingmasing bentuk bangun dua dimensi dalam tiga warna yang berbeda. Jumlah objek yang diuji sebanyak 42 variasi. Pada Tabel 3 dapat dilihat contoh hasil dari pengujian terhadap variasi posisi objek. Tabel 3. Contoh hasil pengujian terhadap variasi posisi objek Nama Pengenala n Pengenalan 1 Layanglayang Layanglayang Jumlah Jumlah 3 Sama Kaki Sama Kaki 2 Layanglayang Layanglayang Dari hasil pengujian dapat dikalkulasi ternyata banyak bangun datar yang teridentifikasi benar adalah 42 serta banyak seluruh bangun datar yang diuji adalah 42. Maka persentase keberhasilan pengenalan data uji adalah sebesar 100% Pengujian Terhadap Variasi Ukuran Objek Pada pengujian ini dilakukan dengan menguji masing-masing bentuk bangun dua dimensi dalam tiga ukuran objek yaitu kecil, sedang, dan besar. Jumlah objek yang diuji sebanyak 42 variasi.pada Tabel 2 3 Layanglayang Layanglayang Dari hasil pengujian dapat dikalkulasi ternyata banyak bangun datar yang teridentifikasi benar adalah 42 serta banyak seluruh bangun datar yang diuji adalah 42. Maka persentase keberhasilan pengenalan data uji adalah sebesar 100% Pengujian Variasi Jarak Capture Kamera Webcam Pada pengujian ini dilakukan dengan menguji masingmasing bentuk bangun dua dimensi hasil capture kamera
7 webcam dengan jarak pengambilan objek yang berbeda. Jumlah objek yang diuji sebanyak 42 variasi. Pada Tabel 4 dapat dilihat hasil dari pengujian jarak terhadap hasil capture kamera webcam. Tabel 4. Contoh hasil pengujian terhadap variasi capture kamera webcam Nama 1 Trapesium Pengenalan Trapesium Jmlh Dari hasil pengujian dapat dikalkulasi ternyata banyak bangun datar yang teridentifikasi benar adalah 37 serta banyak seluruh bangun datar yang diuji adalah 42. Maka persentase keberhasilan pengenalan data uji adalah sebesar 88.09% Pengujian Keakuratan Terhadap Tidak Beraturan Pada pengujian ini dilakukan dengan menguji keakuratan hasil deteksi sudut dari beberapa bentuk bangun dua dimensi yang tidak beraturan. Jumlah objek yang diuji sebanyak 10 variasi. Pada Tabel 5 dapat dilihat hasil dari pengujian terhadap keakuratan dateksi sudut dari beberapa bentuk bangun dua dimensi yang tidak beraturan. 2 Segilima Segilima 5 Benar 3 Segi Delapan Segi Delapan 8 Benar Pengujian Variasi Warna dan Latar Belakang Objek Pada pengujian ini dilakukan dengan menguji masingmasing bentuk bangun dua dimensi dengan kombinasi warna objek dan warna latar belakang yang berbeda berbeda. Jumlah objek yang diuji sebanyak 10 variasi. Pada Tabel 6 dapat dilihat hasil dari pengujian variasi warna dan latar belakang objek. Tabel 6. Contoh hasil pengujian terhadap variasi warna dan latar belakang objek erangan 1 Webcam Objek : Putih Latar : Merah 2 Webcam Objek : Putih Latar : Biru 3 Webcam Objek : Putih Bermotif Latar : Biru Pengenalan Bujur Sangkar Jajaran Genjang Siku-Siku Jmlh Dari hasil pengujian dapat dikalkulasi ternyata banyak bangun datar yang teridentifikasi benar adalah 10 serta banyak seluruh bangun datar yang diuji adalah 10. Maka persentase keberhasilan pengenalan data uji adalah sebesar 100%. 4.4 Analisis Terhadap Pengujian Dari hasil pengujian diatas dapat ditampilkan grafik perbandingan hasil pengujian seperti pada Gambar 9. Tabel 5. Contoh hasil pengujian terhadap keakuratan bentuk bangun tidak beraturan Jumlah erangan 1 7 Benar 2 10 Benar 3 10 Benar Dari hasil pengujian dapat dikalkulasi ternyata banyak bangun datar yang teridentifikasi benar adalah 9 serta banyak seluruh bangun datar yang diuji adalah 10. Maka persentase keberhasilan pengenalan data uji adalah sebesar 90%. Gambar 9 Grafik hasil pengujian Terlihat bahwa hasil pengujian pengenalan bangun datar dua dimensi terhadap perubahan warna objek memiliki akurasi pengenalan sebesar 100%, akurasi pengujian terhadap perubahan ukuran objek adalah sebesar 95,24%, akurasi pengujian terhadap perubahan posisi objek adalah sebesar 100%, akurasi pengujian terhadap variasi jarak hasil capture kamera webcam adalah sebesar 88,09%, akurasi pengenalan terhadap keakuratan deteksi sudut bangun tidak beraturan 90%, dan akurasi pengenalan variasi warna dan latar objek adalah 100%. Hal ini menunjukkan bahwa sistem pengenalan yang telah dirancang ini berjalan dengan baik sesuai harapan perancang sistem. Namun tidak dapat dipungkiri terdapat beberapa faktor-faktor yang sangat memengaruhi kesalahan dalam hasil pengenalan terhadap citra bangun datar tersebut. Faktor-faktor yang
8 mempengaruhi kesalahan hasil pengenalan citra bangun datar diantaranya adalah tingkat kecerahan, kurang maksimalnya hasil deteksi tepi citra, ketidakakuratan hasil penelusuran kode rantai, algoritma modifikasi kode rantai untuk deteksi sudut, serta faktor penentuan parameter toleransi perbedaan piksel dan panjang toleransi kode rantai (l). V. Penutup Dari hasil penelitian dan pembahasan pada bab sebelumnya dapat ditarik beberapa kesimpulan antara lain adalah pada Tahap Prapengolahan, dengan penambahan beberapa derau seperti derau Gaussian, speckle, dan salt-and-pepper, dapat diatasi dengan menggunakan tapis median dan tapis Wiener. Kemudian pada tahap pengujian pengenalan bangun datar berdasarkan variasi warna menghasilkan persentase pengenalan 100% untuk keseluruhan data yang diuji. Pada tahap pengujian pengenalan bangun datar berdasarkan variasi ukuran menghasilkan persentase pengenalan 95,24% untuk keseluruhan data yang diuji. Pada tahap pengujian pengenalan bangun datar berdasarkan variasi posisi menghasilkan persentase pengenalan 100% untuk keseluruhan data yang diuji. Dan pada tahap pengujian pengenalan bangun datar berdasarkan variasi citra hasil capture kamera webcam menghasilkan persentase pengenalan 88,09% untuk keseluruhan data yang diuji. Adapun saran yang dapat diberikan sehubungan dengan pelaksanaan penelitian ini antara lainadalah dalam hal untuk meningkatkan efektivitas penggunaan sistem deteksi sudut menggunakan kode rantai untuk pengenalan bangun datar dua dimensi ini, sebaiknya dilakukan pengembangan lebih lanjut menggunakan software tertentu yang dapat diintegrasikan dalam perangkat sederhana seperti handphone berkamera. Kemudian dalam hal meminimalisir pengaruh tingkat kecerahan pada citra bangun datar terutama pada pengujian terhadap hasil capture kamera webcam, sebaiknya membuat tempat pengujian objek yang permanen semacam kotak uji dengan pencahayaan yang merata terhadap objek yang akan diamati. DAFTAR PUSTAKA [1]. Ahmad, Usman Pengolahan Citra Digital & Teknik Pemrogramannya. Graha Ilmu. Yogyakarta. [2]. Arifin, A. Z., B. Bagus, D. A. Navastara, Klasifikasi Online Citra Daun Berdasarkan Fitur dan Ruas Daun, Jurusan Teknik Informatika ITS, Surabaya, 2009 [3]. Gea, K. N., Pengenalan Plat mor Polisi Kendaraan Bermotor dengan Menggunakan Metode Jaringan Syaraf Tiruan, Skripsi-S1, Jurusan Teknik Informatika Universitas Komputer Indonesia, Bandung, 2006 [4]. Ginting, E. D., Tepi Menggunakan Metode Canny dengan Matlab Untuk Membedakan Uang Asli dan Uang Palsu, Skripsi-S1, Jurusan Teknik Informatika Universitas Gunadarma, Depok, 2012 [5]. Hakim, A. W., Penghapusan ise Pada Citra dengan Filter Adaptive-Hierarchical, Skripsi-S1, Fakultas Teknologi Informasi ITS, Surabaya, 2006 [6]. Handariningsih, R. P., Application Of Recognation And Analysis Of Handwriting Character Using Freeman Chain Code Method, Skripsi-S1, Faculty of Industrial Engineering Gunadarma University, Depok, 2011 [7]. Hendry, J., Menghaluskan Citra dengan Filter Spasial n-linear: Median, Mean, Max, Min Pada Pengolahan Citra Digital, Jurusan Teknik Elektro UGM, Yogyakarta, 2009 [8]. Isnandi, D., Aplikasi Temu-Kembali Poligon Berdasarkan Kemiripan, Skripsi-S1, Fakultas Matematika Dan Ilmu Pengetahuan Alam IPB, Bogor, 2009 [9]. James, Identifikasi Plat mor Mobil dengan Skeletonisasi Menggunakan Jaringan Syaraf Tiruan, Skripsi-S1, Jurusan Teknik Elektro UI, Jakarta, 2008 [10]. Marsetio, S. A., Pada Gambar 2D Berurutan dengan Menggunakan Metode Harris/Plessey Corner Detector, Skripsi-S1, Jurusan Teknik Informatika Politeknik Elektronika Negeri Surabaya ITS, Surabaya [11]. Munir, Rinaldi., Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika. Bandung [12]. Murinto, A. H., Segmentasi Citra Menggunakan Watershed Dan Intensitas Filtering Sebagai Pre Processing, Jurusan Ilmu Komputer UPN, Yogyakarta, 2009 [13]. Murni, A. D., Chahyati, Segmentasi Citra, Fakultas Ilmu Komputer UI, Jakarta, 2000 [14]. Nain, N., V. Laxmi, A. K. Jain, and R. Agarwal, Morphological Edge Detection and Corner Detection Algorithm Using Chain-Encoding, Departement of Computer Engineering Malaviya National Institute of Technology, India, 2006 [15]. Nain, N., V. Laxmi, B. Bhadviya, and C. Singh, Corner Detection Using Difference Chain Code as Curvature, International MultiConference of Engineers and Computer Scientists 2008 Vol 1, Hongkong, March 2008 [16]. Niam, B., Analisis Citra Berdasarkan Perbaikan Kualitas Citra, Skripsi-S1, Jurusan Teknik Elektro UNDIP, Semarang, 2011 [17]. Nuryuliani, L. C. Munggaran, S. Madenda, dan M. Paindavoine, Pengkodean Segmen Menggunakan Kode Rantai Sebagai Dasar Pengenalan Karakter Tulisan Tangan Secara On-Line, Seminar on Application and Research in Industrial Technology (SMART), Yogyakarta 22 Juli 2009 [18]. Nuryuliani, L. C. Munggaran, S. Madenda, dan M. Paindavoine, Pendekatan Kode Rantai Sebagai Dasar Pengenalan Karakter, Fakultas Ilmu Komputer Universitas Gunadarma, Depok, 2009 [19]. Purnama, N. D., Implementasi Perhitungan Rangka Manusia Menggunakan Matlab 7, Skripsi-S1, Fakultas Teknologi Industri Universitas Gunadarma, Depok, 2012 [20]. Suharjana, A., Pengenalan Datar dan Sifat- Sifatnya di SD, Pusat Pengembangan dan Pemberdayaan Pendidik dan Tenaga Kependidikan Matematika, Yogyakarta, 2008 [21]. Susilawati, I., Teknik Pengolahan Citra: Restorasi Citra, Jurusan Teknik Elektro Universitas Mercu Buana, Yogyakarta, 2009 [22]. Utami, S. E., Pembacaan Plat mor Kendaraan Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation Berbasis Image Processing, Proyek Akhir, Jurusan Teknik Telekomunikasi, PENS ITS, Surabaya, 2009 [23]. Wicaksana, R. P., Pengenalan Plat mor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas, Skripsi- S1, Jurusan Teknik Elektro ITS, Surabaya, 2010 [24]. Yuwono, B., Image Smoothing Menggunakan Mean Filtering, Median Filtering, Modus Filtering dan Gaussian Filtering, Jurusan Teknik Informatika UPN, Yogyakarta, 2000.
9 [25]. Bahan Belajar Mandiri 2, file.upi.edu, September 2012 [26]. Datar, September 2012 [27]. Pengantar Pengolahan Citra, September 2012 BIODATA PENULIS Ahmad Fashiha Hastawan (L2F008003) Lahir di Semarang, 10 Februari 1988, Menempuh pendidikan di SD Negeri Banyumanik 02, SMP N 21 Semarang, SMA N 4 Semarang, dan melanjutkan pendidikan Strata-1 di jurusan Teknik Elektro Universitas Diponegoro Semarang, konsentrasi Elektronika dan Telekomunikasi. Menyetujui dan Mengesahkan, Pembimbing I, Achmad Hidayatno, S.T., M.T. NIP Tanggal... Pembimbing II, R. Rizal Isnanto, S.T., M.M., M.T. NIP Tanggal...
APLIKASI KODE RANTAI UNTUK MENENTUKAN KELILING DAN LUAS SUATU BANGUN DATAR DUA DIMENSI
APLIKASI KODE RANTAI UNTUK MENENTUKAN KELILING DAN LUAS SUATU BANGUN DATAR DUA DIMENSI Mirna Tria Pratiwi *), Imam Santoso, Ajub Ajulian Z Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendeteksian objek dalam suatu citra merupakan hal mendasar dalam banyak aplikasi analisis citra (image analysis). Manusia bisa langsung mengenali objek yang dilihatnya
Lebih terperinciPENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA
PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno, and R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl.
Lebih terperinciAPLIKASI METODE KODE RANTAI UNTUK MENENTUKAN PANJANG DAN KELILING OBJEK DUA DIMENSI TIDAK BERATURAN
APLIKASI METODE KODE RANTAI UNTUK MENENTUKAN PANJANG DAN KELILING OBJEK DUA DIMENSI TIDAK BERATURAN Pinkan Dyah Bathari *), Imam Santoso, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciAPLIKASI METODE KODE RANTAI UNTUK MENGHITUNG PANJANG PERBATASAN DAERAH DAN LUAS PULAU DI INDONESIA. Abstrak
APLIKASI METODE KODE RANTAI UNTUK MENGHITUNG PANJANG PERBATASAN DAERAH DAN LUAS PULAU DI INDONESIA Alia Rizkinawati *), Imam Santoso, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro
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 terperinciSISTEM PENGENALAN PLAT NOMOR POLISI KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERAMBATAN BALIK
SISTEM PENGENALAN PLAT NOMOR POLISI KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN PERAMBATAN BALIK M Nur Taufiq 1), Achmad Hidayatno 2), Rizal Isnanto 2) Abstract In parking system,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih 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 terperinciPENGENALAN PLAT NOMOR SEPEDA MOTOR DENGAN MENGGUNAKAN METODE JARAK EUCLIDEAN
PENGENALAN PLAT NOMOR SEPEDA MOTOR DENGAN MENGGUNAKAN METODE JARAK EUCLIDEAN Taufiqurrohman *), Achmad Hidayatno, ST., MT., Ajub Ajulian Zahra, S.T., MT. Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciPENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE
PENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE Muhammad Luqman Afif - A11.2009.04985 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang ABSTRAK Program
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
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 terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
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 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 terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciPENGENALAN ABJAD AKSARA LATIN PADA KOMPUTER MENGGUNAKAN METODE SKELETONING
PENGENALAN ABJAD AKSARA LATIN PADA KOMPUTER MENGGUNAKAN METODE SKELETONING Elisa Cahyadi dan Joan Santoso Teknologi Informasi Sekolah Tinggi Teknik Surabaya elisa@stts.edu dan joan@stts.edu ABSTRAK Pada
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih 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 terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
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. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciAPPLICATION OF HANDWRITING CHARACTER CLASSIFICATION USING CHARACTER EXTRACTION BASED ON CHAIN CODE AND SEGMENT PATTERN
APPLICATION OF HANDWRITING CHARACTER CLASSIFICATION USING CHARACTER EXTRACTION BASED ON CHAIN CODE AND SEGMENT PATTERN Ulva Choyriyanie, Nuryuliani Undergraduate Program, Faculty of Industrial Engineering,
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 terperinciMAKALAH SEMINAR TUGAS AKHIR IDENTIFIKASI OBJEK BERDASARKAN BENTUK DAN UKURAN Dika Adi Khrisna*, Achmad Hidayatno**, R.
MAKALAH SEMINAR TUGAS AKHIR IDENTIFIKASI OBJEK BERDASARKAN BENTUK DAN UKURAN Dika Adi Khrisna*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Salah satu bidang yang berkaitan dengan pengolahan citra adalah
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo & Mulyanto, 2009). Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciKlasifikasi Karakter Tulisan Tangan berdasarkan pola segmen
Klasifikasi Karakter Tulisan Tangan berdasarkan pola segmen 20 Nopember 2010 Nuryuliani, Lulu C Munggaran Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Universitas Gunadarma Depok,
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciDeteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity
54 Integer Journal, Vol 1, No 1, Maret 2016: 54-59 Deteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity Hendro Nugroho Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciPENGENALAN PLAT NOMOR SEPEDA MOTOR DENGAN MENGGUNAKAN METODE JARAK EUCLIDEAN
PENGENALAN PLAT NOMOR SEPEDA MOTOR DENGAN MENGGUNAKAN METODE JARAK EUCLIDEAN Taufiqurrohman *), Achmad Hidayatno, and Ajub Ajulian Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciEKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :
EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciDETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA
DETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA Triyanto Adi Saputro., Elha Dhanny H, Andriansyah Ramadhan, Afi Muftihul Situmorang, M Fajar Lazuardi. Teknik Informatika, Fakultas Program
Lebih terperinciMENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET
MENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET Purnomo Adi Setiyono Program Studi Teknik Informatika-S1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro (Udinus) Semarang
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
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 terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciPERBAIKAN METODE B.GATOS UNTUK RESTORASI CITRA DOKUMEN KUNO NON-LINIER. Arliansyah J2A
PERBAIKAN METODE B.GATOS UNTUK RESTORASI CITRA DOKUMEN KUNO NON-LINIER Arliansyah J2A 604 006 Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Pada Jurusan Matematika JURUSAN MATEMATIKA
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciAPLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS
APLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS Apri 1, Herlina 2, Ade 3 1,2 Jurusan Teknik Informatika Sekolah
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciFitur bentuk merupakan fitur dasar dalam visual content
7407030059 1 KLASIFIKASI CIRI BENTUK MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM Mala Alfiyah Ningsih; Setiawardhana, S.T; Nana Ramadijanti, S.Kom,M.Kom Abstract Fitur bentuk merupakan fitur dasar dimana
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciPENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA
PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno dan R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Pro
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciIdentifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia
Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia Imam Subekti, I Ketut Eddy Purnama, Mauridhi Hery Purnomo. Jurusan Teknik Elektro FTI - ITS Penelitian ini mengidentifikasi
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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciII. LANDASAN TEORI I. PENDAHULUAN
MAKALAH SEMINAR TUGAS AKHIR IDENTIFIKASI CACAT PADA KEPING PCB MENGGUNAKAN PENCOCOKAN MODEL (TEMPLATE MATCHING) Kris Adhy Nugroho*, R. Rizal Isnanto **, Achmad Hidayatno ** Abstrak Inspeksi secara automatis
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciDETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS
MAKALAH SEMINAR TUGAS AKHIR DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS Sulistono*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Kadangkala hasil
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih 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 terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih 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 terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciBinarisasi Citra Menggunakan Pencocokan Piksel
Binarisasi Citra Menggunakan Pencocokan Piksel Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia Jl. Lodan Raya No.2, Daerah Khusus Ibukota
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 terperinciPerbandingan Efektivitas Algoritma Blind-Deconvolution, Lucy-Richardson dan Wiener-Filter Pada Restorasi Citra. Charles Aditya /
Perbandingan Efektivitas Algoritma Blind-Deconvolution, Lucy-Richardson dan Wiener-Filter Pada Restorasi Citra Charles Aditya / 0322026 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinci1. Pendahuluan Bentuk tubuh manusia adalah sesuatu yang unik dimana setiap orang tidak akan ada yang sama satu sama lain meskipun dia kembar. Perbedaa
Implementasi Perhitungan Sudut Rangka Manusia Menggunakan Matlab 7 Nugroho Dian Purnama Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok Telp: (021) 78881112
Lebih terperinciPerancangan Prototipe Sistem Pencarian Tempat Parkir Kosong dengan Kamera Web Sebagai Pemantau
Perancangan Prototipe Sistem Pencarian Tempat Parkir Kosong dengan Kamera Web Sebagai Pemantau Bobby Wirawan / 0522010 E-mail : Leon_bobby@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof.
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinci