PENERAPAN ILMU GRAFOLOGI DALAM MEMBANGUN PIRANTI PENGANALISA TULISAN TANGAN MELALUI EKSTRAKSI FITUR BENTUK
|
|
- Doddy Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN ILMU GRAFOLOGI DALAM MEMBANGUN PIRANTI PENGANALISA TULISAN TANGAN MELALUI EKSTRAKSI FITUR BENTUK Dian Pratiwi 1), Anung Barlianto Ariwibowo. 2) 3) Fetty Octaviyanti 1) Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Trisakti 2) Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Trisakti 3) Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Trisakti Abstrak Penelitian ini dilakukan dengan tujuan untuk merancang sebuah alat bantu berupa perangkat lunak yang dapat menganalisis tulisan tangan berdasarkan ilmu grafologi dengan mempergunakan teknologi komputer dari hasil digitasi sekumpulan bentuk tulisan tangan. Metode yang diterapkan dalam penelitian ini terdiri dari beberapa tahap, yaitu tahap pengumpulan data tulisan tangan, tahap digitasi dan pre-processing, segmentasi atau pembentukan grid-grid, ekstraksi fitur/ciri bentuk tulisan, pembentukan cluster pola tulisan dengan fuzzy c-means, dan perhitungan persentase serta analisa melalui similarity measure. Dari penelitian ini, hasil akhir menunjukkan bahwa pengujian dari 162 data tulisan training dan 84 data tulisan non-training memiliki persentase keberhasilan antara %. Sehingga dapat disimpulkan bahwa sistem penganalisa tulisan tangan yang dikembangkan cukup berhasil dalam mengidentifikasi ciri atau karakterisitik bentuk dari setiap tulisan tangan yang diujikan dan dapat dipergunakan sebagai alat bantu dalam mengenali/mengetahui kepribadian seseorang Kata kunci: Grafologi, fuzzy c-means, similarity measure, ekstraksi fitur, tulisan tangan Pendahuluan Saat ini perkembangan berbagai jenis teknologi komputer telah berkembang pesat mengikuti berbagai kebutuhan yang ada. Teknologi komputer tidak lagi asing dan hanpir setiap individu telah mempergunakannya dalam kehidupan sehari-hari, seperti dalam penggunaan notebook, atau laptop. Kemajuan ini juga berdampak pula pada perkembangan di piranti perangkat lunaknya (software), seperti pada piranti penganalisa tulisan tangan (handwriting analyzer). Piranti penganalisa tulisan tangan hingga kini masih sangat terbatas dan belum banyak dikembangkan. Di Indonesia bahkan baru tercatat hanya satu orang saja yang telah menjadi seorang Grafolog, yaitu Deborah Dewi, yang sudah mendapatkan sertifikasi dari American Association of Handwriting Analyst (AAHA) dan American Handwriting Analysis Foundation (AHAF). Hal ini dapat dikarenakan teknik pembacaan karakter dari sebuah tulisan tangan di dalam grafologi masih cukup sulit diinterpretasikan ke dalam teknologi komputer. Salah seorang pakar Grafologi lainnya dari Amerika yang bernama Clifford Howard, di dalam bukunya yang berjudul Graphology memberikan penjelasan bahwa ciri khas sebuah tulisan tangan dapat mendeskripsikan banyak hal mengenai sifat serta kepribadian seseorang. Tidak hanya perilaku, namun kesehatan psikis, mental serta kelebihan dan kekurangan yang ada pada diri seseorang dapat tergambar dalam sebuah tulisan tangan. Hal inilah yang kemudian peneliti coba kembangkan dan implementasikan dalam bentuk perangkat lunak guna membantu mempermudah menganalisis tulisan tangan, melalui teknik ekstraksi fitur dan clustering. Hasil pola tulisan yang dihasilkan dari proses ekstraksi dan clustering ini akan dibandingkan dengan analisa bentuk tulisan tangan yang ada di dalam ilmu grafologi, yang kemudian diinterpretasikan menjadi gambaran informasi kepribadian, karakter dan ciri khas bentuk tulisan tangan yang dominan. Penelitian mengenai grafologi pada dasarnya sudah pernah dikembangkan oleh beberapa peneliti dunia sebelumnya. Seperti pada penelitian yang dilakukan oleh Coll R. et al pada tahun 2009 yang berjudul Graphological Analysis of Handwriting Text Documents for Human Resources Recruitment, telah berhasil menunjukkan adanya keterkaitan antara tulisan tangan dengan kepribadian seseorang dengan tingkat akurasi sebesar 89% melalui metode Backpropagation Artificial Neural Network. Penelitian yang hampir sama juga pernah dilakukan oleh Kamath V. et al pada tahun 2011 dengan judul Development of An Automated Handwriting Analysis Sistem, dimana penelitian ini menghasilkan akurasi sebesar 80% melalui metode Image 82-1
2 Processing dan Trait Acquisition setelah dibandingkan dengan hasil analisa secara manual. Kedua penelitian tersebut memberikan acuan kepada penulis untuk dapat lebih mengembangkan lagi ilmu grafologi ke dalam teknologi komputer, dimana sisi pengembangannya akan terlihat dari penggunaan metode yang berbeda yaitu melalui metode Shape Based Feature Extraction dan Clustering, serta cara pengujiannya yang dapat dilakukan secara online melalui bantuan alat Digitizer sehingga tulisan tangan yang akan dianalisa karakternya dapat dimasukkan dan dianalisa secara langsung tanpa perlu dilakukan pre-processing maupun scanning tulisan terlebih dahulu seperti pada penelitian sebelumnya. Kemampuan piranti handwriting analyzer ini pada penggunaannya diharapkan dapat dimanfaatkan oleh para pakar grafologi, kriminalogi, personalia maupun psikolog untuk membantu mereka dalam mengenali dan menganalisis kepribadian seseorang. Studi Pustaka Di dalam penelitian ini, terdapat beberapa teori penunjang yang digunakan, yaitu : 1 Pra-Pengolahan (Pre-Processing) Merupakan tahap awal yang perlu dilakukan untuk mendapatkan data tulisan berbentuk digital dengan ukuran piksel dan nilai gray level yang sama dari sekumpulan tulisan tangan analog yang telah didigitasi melalui alat digitizer maupun scanner. a) Konversi warna RGB ke Greyscale Konversi warna RGB ke greyscale merupakan tahap untuk nilai warna 24 bit menjadi 8 bit, sehingga ukuran warna yang dihasilkan akan lebih kecil dengan interval antara 0 hingga 255 [Pratiwi D, 2012]. b) Thresholding Thresholding merupakan proses untuk memisahkan daerah objek dengan daerah latar belakangnya melalui nilai ambang tertentu [Pratiwi D, 2011]. Pada penelitian ini, nilai ambang atau threshold ditentukan pula dengan cara trial and error. 2 Pembentukan ROI atau Grid (Gridding) Pembentukan ROI (Region of Interest) merupakan teknik yang umumnya dilakukan untuk membantu analisis dari objek yang akan diamati, seperti pada analisis citra fmri yang dilakukan oleh peneliti dari UCLA-Los Angeles, Russell A. Poldrack tahun 2007 [Poldrack R.A, 2007]. Teknik ini dapat meningkatkan keberhasilan pada tahap pengenalan, karena dengan pembentukan ROI, proses ekstraksi fitur yang akan dilakukan hanya terbatas pada region atau wilayah tertentu yang sudah dibatasi. Gambar 1. Contoh Ekstraksi melalui ROI [Kim G, 2009] 3 Ekstraksi Ciri (Feature Extraction) Ektraksi ciri merupakan tahap penting dari aplikasi pengenalan maupun analisis pola. Tahap ini akan memberikan hasil berupa nilai-nilai fitur yang akan diukur atau dikenali sebagai pola. Dengan adanya ekstraksi fitur atau ciri, informasi penting dari sebuah data (yang di dalam penelitian ini adalah berupa data citra berisi tulisan tangan) akan dapat diambil dan disimpan dalam vektor fitur atau vektor ciri (feature vector) [Pratiwi D, 2011]. Fitur-fitur yang dapat diekstrak di dalam data citra diantaranya berupa fitur warna, bentuk, dan tekstur. Dan dalam penelitian ini, fitur yang akan diekstrak adalah berdasarkan representasi bentuk tulisan tangan. Nilai-nilai fitur dari ekstraksi tulisan tangan berbasis bentuk akan berupa nilai-nilai biner (bernilai 0 atau 1 ) terhadap setiap grid untuk masing-masing citra, dimana nilai 0 akan diberikan jika representasi grid merupakan objek background, dan nilai 1 jika representasi grid adalah objek foreground dengan minimal 15% dari total piksel masing-masing grid adalah objek foreground [Lu G, 1999]. 4 Pembentukan Kluster (Clustering) Pembentukan cluster digunakan pada penelitian ini untuk mengelompokkan hasil ekstraksi fitur bentuk, sesuai dengan jumlah cluster bentuk tulisan tangan yang diacu pada ilmu grafologi. 82-2
3 Metode yang digunakan adalah Fuzzy C-Means, yaitu metode pengembangan dari Hard K-Means dimana perolehan pusat cluster ditentukan dari pencarian nilai-nilai keanggotan secara berulang dengan jarak yang minimal. Fuzzy C-Means dalam pemanfaatannya juga dapat digunakan untuk melakukan segmentasi citra medis yang ingin dianalisa, sehingga mempermudah proses diagnosa seperti pada penelitian Zhou et al [Zhou H et al, 2009]. Rumus Fuzzy C-Means adalah sebagai berikut : (1) Dimana Xi adalah citra tulisan tangan ke-i dengan N total vektor fitur, Vk adalah pusat kelas (centroid) ke-k dari c total class, dan J adalah kuantitatif jarak yang diperoleh. Untuk inisialisasi awal, pusat kelas (V) akan dipilih secara acak dari keseluruhan total citra tulisan tangan yang digunakan. Sedangkan u adalah nilai vektor fitur dari pusat kelas dari k hingga total m pusat kelas. 5 Pengenalan Pola (Pattern Recognition) Pengenalan pola merupakan salah satu teknik dari ilmu kecerdasan buatan atau Artificial Intelligence (AI) yang bertujuan untuk mengenali fitur atau ciri-ciri khusus dari sekumpulan data (baik berupa dokumen teks maupun citra) dan mengklasifikasikannya [Absultanny Y.A, 2003]. Pengenalan pola dapat dilakukan dengan beberapa cara, salah satunya yaitu dengan menggunakan metode Similarity Measures. Similarity measures merupakan metode yang dapat digunakan untuk mencari kesamaan dari objek yang satu dengan yang lainnya, melalui penghitungan jarak diantaranya [Huang A, 2008]. Seperti pada penelitian yang dilakukan Anna Huang pada tahun 2008, penelitian ini juga mempergunakan teknik similarity measures dalam mengenali pola-pola tulisan tangan melalui perhitungan jarak diantara pola-pola tersebut dengan menggunakan rumus euclidean distance [Huang A, 2008]. 6 Interpretasi Grafologi (Graphology) Grafologi adalah suatu ilmu yang mempelajari teknik pembacaan karakter manusia melalui tulisan tangan dari berbagai sudut pandang [Howard C, 1922]. Penelitian tentang ilmu grafologi telah banyak dipergunakan untuk membantu mencari tahu kepribadian dan karakter seseorang. Para ahli grafologi (graphologist) menyatakan bahwa sebuah tulisan tangan dapat memberikan informasi mengenai kekuatan dan kelemahan karakter seseorang, tingkah laku seseorang dalam menghadapi situasi tertentu, dan kondisi kesehatan psikologi, mental, dan kemampuan interaksi seseorang pada situasi terkini. Dalam memberikan analisa, ilmu grafologi memiliki beberapa sudut pembacaan dari kategori bentuk tulisan tangan, seperti kemiringan tulisan, tekanan, ukuran, dan jarak tulisan [Ludvianto B, 2013]. Setiap kategori tulisan tangan tersebut memiliki analisa kepribadian dan karakter yang berbeda-beda pula. 7 Perhitungan Persentase Keberhasilan Pengenalan Pola (Accuracy) Tahap ini merupakan tahap akhir, dimana setiap data citra tulisan tangan yang diuji akan dilihat tingkat keberhasilan pengenalannya. Rumus yang digunakan yaitu : Metodologi Penelitian Pada tahap awal penelitian ini, sekumpulan tulisan tangan yang dipergunakan di dalam pengujian awal (training) dan pengujian akhir (testing) didigitasi menjadi kumpulan tulisan tangan digital. Bila sudah dalam bentuk digital, kemudian dilakukan tahap pemilihan kata dari setiap lembaran data tulisan tangan. (2) 82-3
4 Berikut merupakan tabel yang berisikan jumlah data yang berhasil dikumpulkan untuk setiap class dan sub-class nya setelah tahap pemilihan kata dan pre-processing : Tabel 1. Pembagian Class, Sub-Class dan Jumlah Data Tulisan Tangan yang Dikumpulkan dari 22 Narasumber berdasarkan buku Graphology Class Sub-Class Amount of Data Besar 12 Ukuran (Size) Medium 29 Kecil 18 Miring ke Kanan 37 Kemiringan (Slant) Miring ke Kiri 13 Vertikal/Tegak 14 Datar 47 Garis Dasar (Baseline) Naik 8 Turun 9 Jeda Huruf (Breaks) Putus-putus 7 Tersambung/Terhubung 52 Setelah tahap pre-processing selesai, setiap wilayah citra kemudian dilakukan proses gridding atau pembentukan grid-grid. Setiap citra yang berukuran 400x1000 piksel akan dibagi menjadi grid-grid dengan ukuran masing-masing grid sebesar 100x100 piksel. Hasil dari proses gridding ini akan memberikan total grid sebanyak 4x10 grid untuk setiap citra tulisan tangan. Masing-masing grid dari setiap citra tulisan tangan kemudian akan dilakukan proses ekstraksi fitur berdasarkan bentuk, dimana piksel-piksel setiap grid-nya akan dianalisis dengan aturan : Jika Piksel Foreground >= 15% Grid adalah Objek Foreground Grid bernilai biner 1 Jika Piksel Foreground < 15% Grid adalah Objek Background Grid bernilai biner 0 Setelah tahap ekstraksi ciri selesai, maka kemudian dilakukan pengelompokkan pola dari setiap bentuk tulisan tangan menjadi 4 class, dimana setiap class akan memiliki centroid sebagai analisa dominan yang terlihat dari bentuk tulisan. Setiap class tersebut akan memiliki nilai karakter tulisan yang berbeda, yang disesuaikan dengan analisa bentuk pola tulisan tangan pada ilmu grafologi. Setiap centroid kemudian akan dihitung nilai jarak perbedaannya dengan sejumlah data pengujian melalui metode similarity measure. Jika jarak yang didapatkan semakin kecil, maka tulisan tangan tersebut akan semakin cocok atau mirip. Persentase tingkat keberhasilan dari hasil analisa pada penelitian ini kemudian bisa dihitung melalui perbandingan jumlah keseluruhan citra tulisan tangan yang berhasil dicocokkan dengan kepribadian asli pemilik tulisan berdasarkan teknik grafologi terhadap total data tulisan tangan yang diuji. Hasil dan Pembahasan Secara keseluruhan, total data yang dipergunakan di dalam penelitian ini berjumlah 246 tulisan tangan (setelah melalui tahap pre-processing) dari 22 narasumber (plate) yang tersedia di dalam buku acuan Graphology karya Clifford Howard. Jumlah data tulisan tangan digital tersebut kemudian dibagi menjadi dua kategori data, yaitu data pengujian awal (training) sebanyak 162 buah, dan data pengujian akhir (testing) sebanyak 84 buah. Dari 162 data pengujian awal, dilakukan tahap pencarian nilai centroid untuk setiap subclass atau sub-cluster nya melalui metode Fuzzy C-Means. Nilai-nilai centroid tersebut akan digunakan sebagai acuan dalam menguji setiap tulisan tangan (baik data training maupun testing) dalam menentukan class yang sesuai dan analisa kepribadiannya. 82-4
5 Tabel 2. Persentase Akurasi Pengujian Awal Data Training Tulisan Tangan Dari tabel 2 terlihat bahwa persentase akurasi tertinggi didapat pada pengenalan bentuk tulisan berdasarkan class Baseline yaitu sebesar 73.8%, sedangkan akurasi terendah didapat pada pengenalan bentuk tulisan berdasarkan class Size yaitu sebesar 46%. Dengan persentase rata-rata keberhasilan mencapai 62.3%, pengujian ini kemudian dilakukan kembali terhadap data-data tulisan tangan non-training untuk mendapatkan nilai akurasi akhir pada sistem yang dibangun. Tabel 3. Persentase Akurasi Pengujian Awal Data Training Tulisan Tangan Pada tabel 3 di atas menunjukkan bahwa akurasi tertinggi dari pengujian akhir didapat pada class Breaks dengan persentase mencapai 94.4%, sedangkan akurasi terendah didapat pada pengenalan bentuk tulisan berdasarkan class Size yaitu sebesar 41%. Jika dibandingkan dengan pengujian awal, hasil rata-rata akurasi tersebut tidak jauh berbeda yaitu sebesar 63.3% (hanya selisih 1%). Sehingga dari pengujian ini dapat disimpulkan bahwa akurasi sistem pada penelitian ini berkisar antara 62.3 hingga 63.3%, dan dapat digunakan sebagai piranti dalam menganalisa tulisan tangan untuk diketahui kepribadiannya. Gambar 2. Tampilan Pengujian Akhir dalam Menganalisa Tulisan Tangan Digital 82-5
6 Kesimpulan Dari hasil penelitian ini, didapat beberapa kesimpulan diantaranya : a) Fitur yang paling tepat untuk dijadikan sebagai ciri-ciri utama dalam mengenali kepribadian seseorang dari tulisan tangan adalah fitur Breaks, dengan persentase keberhasilan pengklasifikasian paling tinggi yaitu sebesar 94,4%. Hal ini dapat dikarenakan fitur ini paling mudah diidentifikasi, baik secara sistem maupun visual jika dibandingkan dengan jenis fitur lainnya b) Fitur yang memiliki persentase pengujian paling rendah dalam sistem penganalisa tulisan tangan adalah fitur Size,yaitu akurasi hanya sebesar 46% (dari pengujian awal atau training) dan 41% (dari hasil pengujian akhir atau testing). Hal ini bisa karena fitur ini paling sulit untuk diidentifikasi oleh sistem akibat kemungkinan perubahan ukuran dari tahap pre-processing yang dilakukan, serta belum memiliki standar pengukuran yang jelas dalam mengidentifikasi ukuran tersebut dan hanya terbatas oleh pengukuran secara visual oleh pandangan pakar grafologi c) Rata-rata persentase tingkat keberhasilan dari pengujian akhir sebanyak 84 data pada sistem analisis tulisan tangan ini adalah sebesar 63,3%, dan memiliki selisih hanya 1% dari hasil pengujian awal atau training dari 162 data yaitu sebesar 62,3%. Sehingga dapat disimpulkan bahwa sistem penganalisa tulisan tangan yang dikembangkan cukup berhasil dalam mengidentifikasi ciri atau karakterisitik bentuk dari setiap tulisan tangan yang diujikan dan dapat dipergunakan sebagai alat bantu dalam mengenali/mengetahui kepribadian seseorang Daftar pustaka Absultanny, Y.A Pattern Recognition using Multilayer Neural Genetic Algorithm. Neurocomputing Elseiver Science Coll, R. Fornes, A. Llados, J Graphological Analysis of Handwritten Text Documents for Human Resources Recruitment, International Conference on Document Analysis and Recognition, IEEE Computer Society, DOI : /ICDAR Howard, C Graphology. The Pen Publishing Company. Philadelphia Huang, A Similarity Measures for Text Document Clustering. New Zealand Computer Science Research Student Conference. Christchurch, New Zealand. Kamath, V. et al, 2011, Development of An Automated Handwriting Analysis System, Asian Research Publishing Network (ARPN) Journal of Engineering and Applied Sciences, Vol. 6, No.9, ISSN : Kim, G. Torralba, A Unsupervised Detection of Region of Interest Using Iterative Link Analysis. Massachusetts Institute of Technology Ludvianto, B. 2013, Analisis Tulisan Tangan, PT Gramedia Pustaka Utama. Jakarta Lu, G Multimedia Database Management Systems. Artech House Inc. Poldrack, R.A Region of Interest Analysis for fmri. Oxford Journal. Vol.2. Issue 1. Pp Los Angeles, USA. Pratiwi, D The Use of Self Organizing Map Method and Feature Selection in Image Database Classification System, International Journal of Computer Science Issues (IJCSI), Vol. 9, Issue 3, No.2, ISSN: Pratiwi, D. Santika, D. D, Pardamean, B An Application of Backpropagation Artificial Neural Network Method for Measuring The Severity of Osteoarthritis. International Journal of Engineering & Technology (IJET-IJENS), Vol. 11, No.3. ISSN : Zhou, H. Schaefer, G and Shi, C Fuzzy C-Means Techniques for Medical Image Segmentation. Fuzzy System in Bioinformatics and Computational Biology Studies in Fuzziness and Soft Computing. Vol Pp : Springer-Verlag Berlin. ISSN :
Gambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
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 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 terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
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 terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciPENERAPAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MENGUKUR TINGKAT KEPARAHAN PENYAKIT OSTEOARTHRITIS
PENERAPAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MENGUKUR TINGKAT KEPARAHAN PENYAKIT OSTEOARTHRITIS RESEARCH DIAN PRATIWI (1012400496) Program Pascasarjana Ilmu Komputer PROGRAM STUDI TEKNIK
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
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 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 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciPENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE
PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciDAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i. DAFTAR TABEL... vi. DAFTAR GAMBAR... vii
DAFTAR ISI KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i DAFTAR TABEL... vi DAFTAR GAMBAR... vii BAB I PENDAHULUAN... Error! Bookmark not defined. 1.1 Latar Belakang... Error! Bookmark
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
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 terperinciSYSTEMIC Vol. 1, No. 1, Agustus 2015, PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI.
SYSTEMIC Vol. 1, No. 1, Agustus 2015, 14-19 PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI Ahmad Yusuf 1) 1) Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel
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 terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK ABSTRAK Dwi Putra Alexander (0722067) Jurusan Teknik
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 CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
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 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 terperinciEKSTRAKSI FITUR AKSARA BALI MENGGUNAKAN METODE ZONING
44 Teknologi Elektro, Vol. 14, No.2, Juli Desember 2015 EKSTRAKSI FITUR AKSARA BALI MENGGUNAKAN METODE ZONING I Wayan Agus Surya Darma 1, I Ketut Gede Darma Putra 2, Made Sudarma 3 Abstract Feature extraction
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciPenerapan Metode Jaringan Syaraf Tiruan Backpropagation dalam Mengukur Tingkat Keparahan Penyakit Osteoarthritis
PAPER ID : 017 Penerapan Metode Jaringan Syaraf Tiruan Backpropagation dalam Mengukur Tingkat Keparahan Penyakit Osteoarthritis Dian Pratiwi 1) Diaz D. Santika 2) Bens Pardamean 3) 1) Magister Teknik Informatika
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciEKSTRAKSI FITUR SITUS BERITA ONLINE UNTUK KALEIDOSKOP BERITA TAHUNAN
EKSTRAKSI FITUR SITUS BERITA ONLINE UNTUK KALEIDOSKOP BERITA TAHUNAN Afri Yosela Putri 1, Faisal Rahutomo 2, Ridwan Rismanto 3 1, 2, 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika, Politeknik
Lebih terperinciAPLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI
APLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi
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 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 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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciPENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
PENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Adiatandy Geovani (0722091 ) Jurusan Teknik Elektro email: adiatandy.mail@gmail.com
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
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 terperinciUNIVERSITAS BINA NUSANTARA ANALISIS DAN PERANCANGAN SISTEM PENGENAL KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR DENGAN PENDEKATAN LOGIKA FUZZY
UNIVERSITAS BINA NUSANTARA ANALISIS DAN PERANCANGAN SISTEM PENGENAL KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR DENGAN PENDEKATAN LOGIKA FUZZY Josua Napitupulu 0800737821 Daniel Marshall 0800749020 Mahargono
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 terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
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 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 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 terperinciPemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts
JURNAL DIGIT, Vol.1, No., November 011, pp. 13~131 ISSN: 088-589X 13 Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts Marsani Asfi Program Studi Sistem Informasi Sekolah
Lebih terperinciPerancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik
JURNAL ILMIAH SEMESTA TEKNIKA Vol. 17, No. 2, 157-165, Nov 2014 157 Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik (Software Design for Feature Extraction and Classification
Lebih terperinciPENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR
PENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR Angga Lisdiyanto (1), Lukman Zaman P.C.S.W (2) Teknik Informatika, Universitas Islam Lamongan (1) Teknik Informatika, Sekolah
Lebih terperinci(Adaptive Neuro- akurasi 58,33% untuk 9 kelas output
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan hasil dari pikiran bawah sadar manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Ilmu yang mempelajari tentang tulisan
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
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 terperinciUCAPAN TERIMAKASIH. Denpasar, Agustus Penulis
UCAPAN TERIMAKASIH Segenap puja dan puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa sebagai sumber dari segala sumber pengetahuan, karena atas asung kertha wara nugrahanya Tesis yang
Lebih terperinciPengaruh Jumlah Layer Simetris Terhadap Akurasi Sistem Handwriting Recognition offline
22 POLITEKNOSAINS, Vol. XVI, No 1, Maret 2017 Pengaruh Jumlah Layer Simetris Terhadap Akurasi Sistem Handwriting Recognition offline Harjono 1, Heru Widayat 2 1,2) Manajemen Informatika - Politeknik Pratama
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciBAB IV HASIL DAN PENGUJIAN. telah dibuat. Pengujian yang dilakukan adalah menguji proses region of interest
BAB IV HASIL DAN PENGUJIAN Bab ini menjelaskan tentang seluruh hasil pengujian dari aplikasi yang telah dibuat. Pengujian yang dilakukan adalah menguji proses region of interest (ROI) yaitu suatu proses
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB 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 terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector
BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko
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 terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciDATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim)
Pengantar DATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim) Citra : gambar pada bidang 2D. Secara matematis : citra
Lebih terperinciBAB I PENDAHULUAN. banyak kemungkinan tulisan dengan huruf yang khas mempunyai histories
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Keberadaan sebuah tulisan bagi masyarakat, merupakan hal yang penting untuk berkomunikasi dengan orang lain selain dengan bahasa (lisan). Disisi lain banyak
Lebih terperinciSegmentasi pada Citra Panoramik Gigi dengan Metode Two-Stage SOM dan T-CLUSTER
Segmentasi pada Citra Panoramik Gigi dengan Metode Two-Stage SOM dan T-CLUSTER Khoirul Umam 1, Fidi Wincoko Putro 2, Gulpi Qorik Oktagalu Pratamasunu 3 Program Studi Magister Teknik Informatika, Jurusan
Lebih terperinciKlasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 2010 : 38-41 Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra Vera Yunita, Yeni Herdiyeni Departemen Ilmu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
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 terperinciABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha
PENGENALAN POLA HURUF t DARI TULISAN TANGAN UNTUK MENENTUKAN KARAKTER SESEORANG DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN ALGORITMA BACKPROPAGATION ABSTRAK Michael Parlindungan (0722017) Jurusan
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 terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih 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 terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
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 terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciPENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR
PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR Ardilla Ayu Dewanti Ridwan, Ivanna K. Timotius, Iwan Setyawan PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA
Lebih terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciSISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON
SISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON I Made Gede Sunarya Program Studi Pendidikan Teknik Informatika Fakultas Teknik dan Kejuruan Universitas
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
Lebih terperinciDeteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT)
Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT) Dwi Puspitasari 1 *, Handayani Tjandrasa 2 Jurusan Teknik Elektro,
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciINTEGRASI PERINGKAS DOKUMEN OTOMATIS SEBAGAI FEATURE REDUCTION PADA CLUSTERING DOKUMEN
INTEGRASI PERINGKAS DOKUMEN OTOMATIS SEBAGAI FEATURE REDUCTION PADA CLUSTERING DOKUMEN Abu Salam 1, Catur Supriyanto 2, Amiq Fahmi 3 1,2 Magister Teknik Informatika, Univ. Dian Nuswantoro Email: masaboe@yahoo.com
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinci