Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
|
|
- Vera Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama ( ) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung, Indonesia Abstrak Makalah ini mengajukan ulasan tentang metode pengenalan karakter huruf dan angka dengan metode sintaktik. Algoritma Otsu digunakan untuk melakukan proses thresholding citra huruf dan angka, sementara algoritma Zhang-suen dipakai untuk melakukan proses thinning agar citra tersebut siap diproses lebih lanjut. Setelah itu proses ekstraksi fitur dilakukan dengan menggunakan algoritma Depth First Search (DFS). Hasilnya menunjukkan bahwa metode sintaktik ini efektif digunakan untuk membedakan pola karakter yang secara fitur dapat dibedakan dengan jelas. Kata kunci otsu, zhang suen, depth first search, sintaktik, citra, huruf, angka I. Pendahuluan Pengenalan pola karakter adalah suatu aktifitas yang saat ini banyak dipelajari oleh banyak orang. Pengenalan pola karakter merupakan salah satu bidang pengenalan pola yang bisa dibilang paling sukses untuk diterapkan dalam aplikasi pengenalan pola otomatis. Sejak tahun 1950, pengenalan pola karakter ini telah menjadi bidang riset dan pengembangan yang aktif [3]. Proses pengolahan citra mulai dari pre-processing hingga proses ekstraksi fitur menjadi hal yang sangat penting, karena proses tersebut saling berurutan dan memiliki keterkaitan. Pre-processing yang bagus akan menghasilkan data umpan yang bagus untuk diolah, sehingga fitur-fitur yang didapatkan juga akan representatif terhadap interpretasi maksud citra yang sebenarnya. Dalam makalah ini diajukan sebuah kerangka kerja yang terdiri dari beberapa langkah untuk melakukan pengenalan pola karakter menggunan metode sintaktik. Gambar 1. Tahapan pengolahan data Kerangka kerja pengolahan data dibagi menjadi tiga bagian, yaitu preprocessing, ekstraksi fitur, dan klasifikasi. Preprocessing dibagi menjadi dua tahap, yaitu thresholding dan thinning. Pada proses thresholding digunakan algoritma Otsu thresholding yang akan dibahas pada sub bab II. Untuk proses skeletonizing/thinning digunakan algoritma thinning Zhang-Suen yang akan dibahas pada sub bab III. Untuk tahapan selanjutnya adalah ekstraksi fitur yang akan dibahas pada sub bab III dengan menggunakan algoritma DFS. Kemudian proses klasifikasi akan dilakukan berdasarkan fitur-fitur yang sudah didapatkan dari proses ekstraksi fitur. II. Otsu Thresholding Otsu thresholding merupakan suatu metode untuk yang membantu untuk melakukan segmentasi citra digital dengan cara mencari threshold menggunakan analisa statistik histogram. Secara definitif, proses tresholding adalah proses untuk mengubah citra grayscale multi value, menjadi citra biner bivalue (dua nilai saja). Proses tersebut dapat di simbolkan dengan notasi matematis berikut: 1 if f(x, y) T g(x, y) { 0 if f(x, y) < T di mana g(x,y) adalah nilai pixel hasil threshold pada baris x dan kolom y, f(x,y) adalah nilai pixel dari citra input asal pada baris x dan kolom y, sedangkan T adalah nilai threshold sebagai batas nilai keabuan untuk mengkonversi nilai pixel f(x,y) menjadi nilai pixel g(x,y). Otsu tresholding didasarkan pada ide untuk menemukan threshold yang meminimasi bobot variansi within-class. Hal tersebut sama saja dengan memaksimal variansi beetwen-class. Otsu tresholding bekerja pada citra dengan model warna grayscale. Berikut ini adalah algoritma untuk menghitung threshold menggunakan metode Otsu: public void findthreshold() { /*hist.lv[3] adalah histogram citra dalam model warna grayscale*/ double sum = 0; for (int i = 1; i < 256; ++i)
2 sum += i * hist.lv[3][i]; double sumb = 0; double wb = 0; double wf = 0; double mb; double mf; double max = 0.0; double between = 0.0; double threshold1 = 0.0; double threshold2 = 0.0; for (int i = 0; i < 256; ++i) { wb += hist.lv[3][i]; if (wb == 0) continue; wf = hist.totalpix - wb; if (wf == 0) break; sumb += i * hist.lv[3][i]; mb = sumb / wb; mf = (sum - sumb) / wf; between = wb * wf * (mb - mf) * (mb - mf); if ( between >= max ) { threshold1 = i; if ( between > max ) { threshold2 = i; max = between; thresholdvalue = (int)(( threshold1 + threshold2 ) / 2.0); Setelah nilai threshold didapatkan dengan algoritma otsu tresholding, maka selanjutnya nilai threshold ini tinggal dimasukkan saja sebagai inputan bagi fungsi threshold untuk melakukan binerisasi pada setiap pixel yang ada dalam citra tersebut. Untuk hasil tresholding yang didapatkan akan sangat bergantung pada histogram citra input. Gambar 2 menunjukkan hasil tresholding dari citra input. Gambar 2. Citra Input (kiri)-hasil Threshold (kanan) III. Zhang-Suen Dalam hal ini skeletonizing digunakan untuk melakukan penipisan citra. Tujuannya adalah agar citra yang menjadi umpan untuk input algoritma zhang-suen memiliki ketebalan sebesar 1 pixel sebagai outputnya. Hal tersebut dapat mempermudah dan menyederhanakan proses ekstraksi fitur. Proses yang dilakukan dalam algorima zhang suen adalah sebagai berikut : Algoritma beroperasi pada pixel warna hitam P1 yang mempunyai 8 tetangga dengan urutan sebagai berikut: Gambar 3. Kernel operasi Zhang-suen A(P1) adalah jumlah transisi dari putih ke hitam dalam urutan P2, P3, P4, P5, P6, P7, P8, P9, P2. B(P1) adalah jumlah pixel berwarna hitam yang menjadi tetangga dari P1. Step Pertama, pastikan kondisi-kondisi berikut terpenuhi untuk 1 : 1. P1 adalah pixel hitam dan memiliki 8 tetangga B(P1) 6 3. A(P1) = 1 4. Setidaknya satu diantara P2, P4, P6 adalah 5. Setidaknya satu diantara P4, P6, P8 adalah Setelah dilakukan iterasi total terhadap citra, semua pixel yang memenuhi kondisi step pertama, maka pixel di ubah menjadi putih. Step Kedua, semua pixel di tes lagi dan dipastikan kondisi-kondisi berikut terpenuhi untuk P1: 1. P1 adalah pixel hitam dan memiliki 8 tetangga B(P1) 6 3. A(P1) = 1 4. Setidaknya satu diantara P2, P4, P8 adalah 5. Setidaknya satu diantara P2, P6, P8 adalah Setelah dilakukan iterasi terhadap seluruh pixel pada image, maka pixel yang memenuhi kondisi pada step kedua akan diubah menjadi putih. Setelah itu lakukan iterasi step pertama dan step kedua secara berurutan hingga tidak ada pixel yang bisa dirubah didalam image tersebut. Dalam implementasinya, algoritma Zhang-suen ini tidak selalu menghasilkan output dengan ketebalan 1 pixel, sehingga hal ini akan menjadi kendala pada proses ekstraksi fitur. Oleh karena itu, diperlukan beberapa perbaikan lebih lanjut dengan menghilangkan pixel-pixel yang masih bisa untuk dikikis agar ketebalannya menjadi benar-benar 1 pixel.
3 Proses untuk melakukan pengikisan tersebut dibagi menjadi dua tahap. Misal terdapat delapan jenis kernel yang akan dipakai untuk melakukan pengikisan, ke delapan kernel tersebut adalah sebagai berikut: Gambar 4. Secara berturut turut Kernel1-Kernel2-Kernel3-Kernel4- Kernel5-Kernel6-Kernel7-Kernel8 Untuk melakukan perbaikan lebih lanjut dengan menggunakan delapan kernel tersebut adalah dengan melakukan dua tahap sebagai berikut: Step pertama, semua pixel dites dan dipastikan memenuhi kondisi berikut: 1. Jika pixel berwarna hitam maka cek ketetanggaannya 2. Jika pixel dan tetangganya bersesuaian dengan Kernel8 atau Kernel7 atau Kernel6 atau kernel5 maka pixel tersebut diubah menjadi putih Step kedua, semua pixel dites kembali dan dipastikan memenuhi kondisi berikut: 1. Jika pixel berwarna hitam maka cek ketetanggaannya 2. Jika pixel dan tetangganya bersesuaian dengan Kernel4 atau Kernel3 atau Kernel2 atau Kernel1 maka pixel tersebut diubah menjadi putih Pada akhirnya, proses deteksi perubahan citra biner menjadi citra dengan skeleton dapat dilihat pada Gambar 5. Gambar 5. Binnary image (kiri) dan Skeleton image (kanan) IV. Ekstraksi Fitur Algoritma DFS (Depth First Search), digunakan untuk menelusuri skeleton dan fitur-fitur yang dibutuhkan. Fitur tersebut semisal jumlah intersection dalam skeleton beserta jumlah simpangannya, letak intersection, jumlah ujung dan posisi tiap ujung dari skeleton, dan lubang yang terdapat dalam skeleton. Jumlah intersection menyatakan banyaknya cabang yang ada dalam suatu karakter. Misalnya pada huruf A terdapat dua buah intersection. Sedangkan simpangan menyatakan banyaknya cabang dalam satu intersection. Misalnya pada intersection pertama huruf A terdapat 3 simpangan. Pada intersection kedua pun juga terdapat 3 intersection. Sedangkan letak intersection menyatakan posisi intersection. Misal pada huruf A letak intersection pertama berada diposisi kiri bawah, sedangkan intersection kedua berada diposisi kanan bawah. Jumlah ujung menyatakan banyaknya ujung yang ada pada satu huruf. Misalnya pada huruf A terdapat dua buah ujung. Kemudian letak ujung menyatakan posisi dimana ujung-ujung huruf tersebut berada. Misal pada huruf A ujung pertama terletak di kiri bawah, sedangkan ujung kedua terletak di kanan bawah. Lubang menyatakan jumlah bangun ruang tertutup yang terdapat dalam huruf tersebut. Misal, pada huruf A terdapat satu buah lubang di tengah yang berbentuk segitiga. Pada huruf B terdapat dua buah lubang. Cara kerja ekstraksi fitur ini adalah dengan melakukan penelusuran pada skeleton. Setiap kali penelusuran dilakukan akan dicatat nilai x maksimum, x minimum, y maksimum dan y minimum. Informasi tersebut dijadikan acuan letak suatu titik. (x maksimum, y maksimum) berarti referensi letak kanan bawah. (x maksimum, y minimum) berarti referensi untuk letak kanan atas. (x minimum, y maksimum) sebagai referensi letak kiri bawah, dan yang terakhir adalah (x minimum, y minimum) yang menandakan referensi kiri atas. Pada setiap kali penelusuran, DFS juga menyimpan titik yang menjadi intersection dan titik yang menjadi ujung. Penyimpanan informasi ini dengan harapan dapat dibandingkan dengan titik referensi yang telah dijelaskan sebelumnya, sehingga titik tersebut letaknya menjadi lebih jelas saat dibandingkan dengan titik referensi. Dalam proses ekstraksi fitur yang disebut ujung adalah titik yang hanya mempunyai satu tetangga dengan warna yang sama (dalam hal ini adalah warna foreground). Intersection adalah pixel yang memiliki jumlah transisi dari warna background ke warna foreground di mana jumlah transisi tersebut adalah lebih dari 2. Jumlah simpangan bisa didapatkan dengan cara menghitung jumlah transisi yang telah dihitung saat mencari intersection. Sementara itu lubang dinyatakan sebagai kondisi dimana penelusuran kembali ke titik yang pernah ditelusuri oleh DFS sebelumnya, sehingga membentuk bangun ruang tertutup dalam karakter yang sedang diamati. Hal ini dapat dilakukan dengan syarat tebal dari citra maksimal adalah 1 pixel.
4 V. Pengenalan Huruf dan Angka Pengenalan huruf dan angka dapat dilakukan setelah semua fitur telah didapatkan. Pengenalan dilakukan dengan membanding-bandingkan fitur dengan model fitur yang sesunggunya. Misal pada huruf A yang sebenarnya maka model pembandingnya adalah fitur 2 ujung dikiri bawah dan dikanan bawah, 1 lubang, 2 intersection dengan letak di kiri bawah dan kanan bawah, dan masing-masing intersection memiliki 3 simpangan. Apabila saat melakukan uji coba terhadap suatu citra ternyata fitur citra tersebut sama dengan model fitur yang dimiliki oleh huruf A maka citra yang diuji tersebut akan diklasifikasikan sebagai huruf A. Hal yang sama juga berlaku untuk mengklasifikasikan pola angka. VI. Implementasi Untuk implementasi dalam aplikasinya, hal yang harus dilakukan adalah sebagai berikut: 1. Pilih tab OCR 2. Klik Browse untuk mencari file input yang akan diproses 3. Klik Convert to Skeleton untuk mendapatkan hasil akhir (hasil skeleton dan hasil klasifikasinya).
5 Referensi [1] K. Dikky, Implementasi Threshold Metode Otsu untuk Segmentasi Citra dan Algoritma Mountain Function untuk Deteksi Gambar [2] J. Miss Hetal, B.Ashtha, A Review on Otsu Image Segmentation Algorithm, International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), Volume 2, Issue 2, February [3] T. Due, K. Anil, T.Torfinn, Feature Extraction Methods for Character Recognition, Department of Informatics, University of Oslo, P.O.Box 1080 Blindern, N-0316 Oslo, Norway, Department of Computer Science, Michigan State University, A714 Wells Hall, East Lansing, MI , USA [4] T. Zhang, C. Suen, A Fast Parallel Algorithm for Thinning Digital Patterns, Communication of ACM, March 1984 Volume 27, Number 3
BAB 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 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 terperinciMILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Thinning atau penipisan citra adalah suatu operasi untuk mereduksi citra biner dalam suatu objek menjadi rangka (skeleton) yang menghampiri sumbu objek.
Lebih terperinciPENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING
PENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING Michael Ryan dan Novita Hanafiah School of Computer Science, Bina Nusantara, Jl. Kebon Jeruk Raya No. 27,Kebon Jeruk, Jakarta
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
56 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Prosedur Klasifikasi Dalam sistem Pengenalan Tulisan Tangan ini input berupa sebuah citra karakter, yang akan diproses menjadi fitur yang merupakan
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciAPLIKASI PENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR DENGAN LEARNING VECTOR QUANTIZATION
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 APLIKASI PENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR DENGAN LEARNING VECTOR QUANTIZATION Ng Poi Wong 1), Hardy 2), Ade Maulana
Lebih terperinciPENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN
PENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN Chairisni Lubis 1) Yuliana Soegianto 2) 1) Fakultas Teknologi Informasi Universitas Tarumanagara Jl. S.Parman
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bahasa Lampung merupakan bahasa tradisional masyarakat Lampung. Masyarakat Lampung sering menggunakan Bahasa Lampung sebagai bahasa komunikasi sehari-hari. Biasanya,
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
Lebih terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra.
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 terperinciHUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION
HUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION Harjono, Didik Warasto Politeknik Pratama Mulia Surakarta
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
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 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 terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciANALISA PERBANDINGAN METODE SEGMENTASI CITRA PADA CITRA MAMMOGRAM
INFORMATIKA, Vol.3 September 2016, pp. 156~163 ISSN: 2355-6579 E-ISSN: 2528-2247 156 ANALISA PERBANDINGAN METODE SEGMENTASI CITRA PADA CITRA MAMMOGRAM Toni Arifin 1 1 Universitas BSI Bandung Jalan sekolah
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 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 terperinciPERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION
Jurnal Komputer dan Informatika (KOMPUTA) 29 PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION Raden Sofian Bahri 1, Irfan Maliki 2 1,2 Program Studi Teknik
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
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 terperinciBAB 3 PERANCANGAN SISTEM
21 BAB 3 PERANCANGAN SISTEM 3.1 Arsitektur Sistem Template Formulir Sample Karakter Pengenalan Template Formulir Pendefinisian Database Karakter Formulir yang telah diisi Pengenalan Isi Formulir Hasil
Lebih terperinciAnalisis Pengaruh Automatic Thresholding dalam Pemrosesan Citra Batupasir Berea
Analisis Pengaruh Automatic Thresholding dalam Pemrosesan Citra Batupasir Berea Chris Evan Sebastian 1,a), Chandra Winardhi 1,b), Fourier Dzar Eljabbar Latief 1,c) 1 Laboratorium Fisika Batuan, Kelompok
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciALGORITMA IMAGE THINNING
ALGORITMA IMAGE THINNING Oleh Zurnawita dan Zulharbi Suar Staf Pengajar Teknik Elektro Politeknik Negeri Padang ABSTRACT Using image thinning algorithm, various example of application is processing image
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciBAB 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 terperinciPendahuluan. Dua operasi matematis penting dalam pengolahan citra :
KONVOLUSI Budi S Pendahuluan Dua operasi matematis penting dalam pengolahan citra : Operasi Konvolusi (Spatial Filter/Discret Convolution Filter) Transformasi Fourier Teori Konvolusi Konvolusi 2 buah fungsi
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciBAB 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 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas mengenai teori pendukung dan penelitian sebelumnya yang berhubungan dengan metode ekstraksi fitur, serta metode klasifikasi Support Vector Machine dalam
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem mutlak dilakukan analisis terhadap sistem yang akan dibangun, analisis yang dilakukan untuk membangun aplikasi perbandingan
Lebih 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 terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciRESTORASI TOPOLOGI HASIL THINNING CITRA MAZE
RESTORASI TOPOLOGI HASIL THINNING CITRA MAZE Risma Septiana 1), Indah Soesanti 2), Ahmad Fashiha Hastawan 3) 1), 2),3) Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada Yogyakarta
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan
Lebih terperinciIDENTIFIKASI FOKUS MIKROSKOP DIGITAL MENGGUNAKAN METODE OTSU
Berkala Fisika ISSN : 1410-9662 Vol. 17, No.4, Oktober 2014, hal 139-144 IDENTIFIKASI FOKUS MIKROSKOP DIGITAL MENGGUNAKAN METODE OTSU Ari Bawono *, Kusworo Adi dan Rahmat Gernowo Jurusan Fisika, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI. Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks
BAB 2 LANDASAN TEORI 2.1 Pengenalan Teks Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Aplikasi dari teknologi pengenalan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
Lebih terperinciDesain dan Implementasi Algoritma Thinning Paralel untuk Pengolahan Citra (Studi Kasus: Thinning Paralel pada Citra Sidik Jari)
Jurnal Teknologi Informasi-Aiti, Vol. 4. No. 2, Agustus 2007: 101-200 Desain dan Implementasi Algoritma Thinning Paralel untuk Pengolahan Citra (Studi Kasus: Thinning Paralel pada Citra Sidik Jari) Edna
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 terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih 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 terperinciPengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas
Pengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas. Riza Prasetya Wicaksana Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh Nopember Suarabaya
Lebih terperinciMengenal Lebih Jauh Apa Itu Point Process
Mengenal Lebih Jauh Apa Itu Point Process Faisal Ridwan FaizalLeader99@yahoo.com Lisensi Dokumen: Copyright 2003-2007 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciAPLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE
APLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE 1 Rudy Adipranata 2 Fauzi Josephine Desiree 3 Andreas Handojo 1, 2, 3 Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBy Emy. 2 of By Emy
2 1 3 Kompetensi Mampu menjelaskan dan operasi morfologi Mampu menerapkan konsep morfologi untuk memperoleh informasi yang menyatakan deskripsi dari suatu benda pada citra mampu membangun aplikasi untuk
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciPENGENALANAN KARAKTER MANDARIN DENGAN BACKPROPAGATION NEURAL NETWORK
PENGENALANAN KARAKTER MANDARIN DENGAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1), Tony 2), Ardy Kuncoro 3) 1), 2), 3) Fakultas Teknologi Informasi Universitas Tarumanagara Jalan S.Parman No.1 Jakarta
Lebih terperinciPERBANDINGAN IDENTIFIKASI GAMBAR HURUF YANG TELAH DI MANIPULASI MENGGUNAKAN ALGORITMA ALBP & CHAIN CODE
PERBANDINGAN IDENTIFIKASI GAMBAR HURUF YANG TELAH DI MANIPULASI MENGGUNAKAN ALGORITMA ALBP & CHAIN CODE Daniel Setiawan Cahyono 1, Shinta Estri Wahyuningrum 2 1,2 Progam Studi Teknik Informatika, Fakultas
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 terperinciPengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour. Yustar Pramudana
Pengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour Yustar Pramudana Program Studi Teknik Informatika, Departemen Informatika Telkom University Jl. Telekomunikasi
Lebih terperinciPerbaikan Citra X-ray Gigi Menggunakan Contrast Stretching
Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Ima Kurniastuti 1, Tri Deviasari Wulan 1, I Ketut Eddy Purnama 2, Mauridhi Hery Purnomo 2, Margareta Rinastiti 3, Fatmala Agustina 1 1 Sistem
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB 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 III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
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 IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Musik merupakan hal yang paling banyak disukai oleh kebanyakan orang di seluruh dunia ini. Ada berbagai aliran musik yang tercipta dari berbagai belahan dunia.
Lebih terperinciEkstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak
Ekstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak Limanyono Tanto 1,Liliana 2 Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciPENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU
PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU Oleh: Amilia Khoiro Masruri 1210 100 029 Dosen Pembimbing: Dr. Budi Setiyono, S.Si, MT JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
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 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciKONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR
KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR Thiang, Felix Pasila, Agus Widian Electrical Engineering Department, Petra Christian University 121-131 Siwalankerto,
Lebih terperinciOperasi Morfologi. Kartika Firdausy - UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Morfologi Kartika Firdausy - UAD pvisual@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi prosedur operasi morfologi menerapkan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinci3 BAB III METODE PENELITIAN
20 3 BAB III METODE PENELITIAN 3.1 Metode penelitian Penenelitian ini merupakan penelitian eksperimen, dengan melalui beberapa tahapan sebagai berikut : 1. Pengumpulan data Tahapan ini merupakan langkah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Batik Besurek 2.1.1 Sejarah Batik Besurek Bengkulu Kain Batik Besurek merupakan salah satu bentuk batik hasil kerajinan tradisional daerah Bengkulu yang telah diwariskan dari
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Studi Pada penelitian ini, peneliti menggunakan beberapa jurnal sebagai tinjauan studi, yaitu sebagai berikut : a. Pengenalan Huruf Bali Menggunakan Metode Modified
Lebih terperinciSEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING DIGITAL FISH IMAGE SEGMENTATION BY THRESHOLDING METHOD
SEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING Max R. Kumaseh 1), Luther Latumakulita 1), Nelson Nainggolan 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat,
Lebih terperinci