SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

Ukuran: px
Mulai penontonan dengan halaman:

Download "SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION"

Transkripsi

1 SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof. DR. M. Isa Irawan, MT. Abstrak Salah satu cara yang digunakan manusia dalam menyandikan sejumlah data secara unik adalah dengan barcode. Data yang disandikan biasanya data yang berhubungan dengan informasi suatu barang. Suatu barang yang diberi label barcode akan memudahkan dalam proses pemeriksaan. Perangkat input yang digunakan untuk membaca barcode membutuhkan posisi sudut barcode yang tepat agar dapat dibaca dan sering juga kita jumpai bahwa kode barcode tersebut mengalami goresan atau noise yang mengakibatkan alat pembaca barcode yang biasa tidak dapat mengenali barcode tersebut. Dari uji coba yang dilakukan metode klasifikasi JST- LVQ mamiliki tingkat akurasi pengenalan terhadap barcode yang sangat baik, dimana dari 100 macam barcode yang telah diujikan 96% barcode normal bisa dikenali dan 92% barcode dengan noise kurang dari 20% bisa dikenali. Kata kunci : barcode, perangkat input, noise, metode learning vector quantization. 1. PENDAHULUAN Pada saat ini perkembangan teknologi sangat pesat sekali, seiring dengan kemajuan jaman dan perkembangan ilmu pengetahuan. Teknologi yang canggih memberikan kemudahan bagi pekerjaan manusia yang sifatnya memberatkan, sehingga pekerjaan yang dahulu masih didominasi oleh tenaga manusia maka sekarang bisa dialihkan dengan tenaga mesin. Salah satu hasil cipta teknologi yang memberikan kemudahan bagi pekerjaan manusia adalah komputer, dimana sekarang ini aplikasi dari komputer sudah banyak diterapkan dalam berbagai bidang kehidupan, misalnya bidang militer, kedokteran, industri, perdagangan, dan lain sebagainya, sehingga komputer menjadi alat bantu yang handal bagi manusia. Dalam bidang perdagangan, komputer memberikan peran yang cukup besar yaitu dalam kalkulasi harga barang secara cepat, database, juga dalam pembacaan pola citra barcode. Barcode adalah garis-garis hitam yang dibuat menurut kode tertentu, umumnya digunakan sebagai identifikasi terhadap suatu objek atau barang. Data yang biasa disandikan adalah nama barang, jenis barang, jumlah, harga, periode suatu barang, dan lain sebagainya. Semua informasi yang dibutuhkan untuk keperluan tertentu mengenai suatu barang akan dijadikan suatu kode yang mempunyai bentuk batang dengan warna hitam/gelap. Aplikasi dari barcode selain untuk penyandian suatu barang juga dapat digunakan untuk penyandian sistem keamanan, seperti doorlock system. Aplikasi barcode yang biasa dijumpai yaitu pada supermarket, dimana kode barcode yang tertera pada barang mengandung kode jenis barang dan kode produsen. Salah satu metoda yang dapat digunakan untuk identifikasi pola citra adalah Jaringan Syaraf Tiruan. Jaringan syaraf tiruan merupakan sebuah sistem pemroses informasi yang mempunyai karakteristik sama dengan jaringan syaraf biologis manusia. Secara umum jaringan syaraf tiruan dikembangkan pada model-model matematis dari cara berfikir manusia dan jaringan syaraf tiruan mampu melakukan generalisasi terhadap data-data yang dijadikan sebagai bahan belajar dengan cara menyimpan data hasil pelatihan dalam bobot koneksi antar unit, sehingga jaringan syaraf tiruan mampu mengenali objek yang dinamis ataupun objek yang statis, serta mampu mengenali pola citra yang berbedabeda. Kemampuan inilah yang dapat digunakan 1

2 dalam mengidentifikasi pola citra barcode, sebab citra barcode yang tertera dalam setiap barang mempunyai pola yang berbeda-beda maka pola inilah yang dapat digunakan untuk mencirikan satu barang dengan barang yang lain. Dalam tugas akhir ini digunakan metode JST-LVQ untuk melakukan tugas pengenalannya. Untuk mendapatkan input data yang lebih baik maka digunakan tehnik pengolahan citra untuk pra-pengolahan data barcode. Tujuan dari tugas akhir ini adalah mengimplementasikan sebuah program yang dapat mengenali barcode dalam kondisi normal maupun kondisi rusak. 2. Tinjauan Pustaka 2.1 Studi Penelitian Sistem pengenalan barcode adalah suatu sistem yang mampu mengenali code barcode dimana code ini digunakan untuk menyandikan suatu barang atau buku. Sistem ini banyak digunakan untuk penyandian sistem keamanan, seperti doorlock system dan aplikasi perkembangan sistem barcode ini sering dijumpai yaitu pada supermarket. Pada tahun 1994, Yuan Liao, Jen Liu dan Rong Tyan melakukan penelitian mengenai sistem pengenalan barcode dengan menggunakan jaringan syaraf tiruan backpropagation. Pada penelitian ini masih terdapat kekurangan pada saat akuisisi citra barcode dan masih kesulitan ketika mengenali barcode ketika dalam keadaan melengkung misalnya pada code barcode pada botol. Pada penelitian ini, akan dikembangkan perangkat lunak pengenalan barcode secara offline dengan menggunakan metode LVQ untuk klasifikasi. Dari perangkat lunak yang dihasilkan akan dilihat kemampuan metode LVQ dari segi akurasi terhadap pengenalan barcode dan waktu yang diperlukan untuk pelatihan pola barcode tersebut. Proses pra-pengolahan citra barcode menggunakan beberapa metode yang ada pada pengolahan citra digital. 2.2 Barcode dan Aturan Pembacaannya Barcode adalah garis-garis hitam yang dibuat menurut kode tertentu, umumnya digunakan sebagai identifikasi terhadap suatu objek atau barang. Dalam masyarakat modern, barcode yang banyak digunakan pada sebagian besar komoditas. Barcode konvensional terdiri dari dua bagian yaitu pertama adalah kelompok garis dan yang lain terdiri dari angka-angka di bawah garis-garis tersebut. Ada dua jenis barcode yaitu pertama barcode satu dimensi, barcode ini terdiri dari garis-garis yang berwarna putih dan hitam, warna putih untuk nilai 0 dan warna hitam untuk nilai 1. Yang kedua yaitu barcode dua dimensi, barcode ini sudah tidak berupa garis-garis lagi, akan tetapi seperti gambar sehingga informasi yang tersimpan di dalamnya akan lebih besar. Dalam tugas akhir ini menggunakan contoh barcode satu dimensi dengan tipe EAN 13 (Europe Article Number) tipe ini sering kita jumpai untuk kode suatu barang di supermarket. Tipe EAN 13 dipakai untuk pengkodean barang-barang atau produk yang dikomersialkan, tipe ini sendiri terdiri dari 13 digit dan masing-masing digit memiliki arti. Untuk dua digit pertama melambangkan kode negara, lima digit berikutnya melambangkan kode produsen yang memproduksi barang dan lima digit berikutnya melambangkan kode barang yang diberikan produsen serta satu digit terakhir berfungsi sebagai digit pemeriksaan yang artinya digit ini dipergunakan untuk memeriksa kebenaran sistem dalam pembacaan barcode dengan barang yang memuat kode tersebut (Yuan, 1994). Aturan pembacaan barcode secara manual dapat dilihat pada gambar 2.1 berikut : Gambar 2.1 Contoh Aturan Pembacaan Barcode 2

3 2.3 Pengolahan Citra Digital Proses pengolahan citra digital bermacam-macam tergantung pada kebutuhan dan keluaran yang diinginkan, diantaranya deteksi tepi (edge detection), grayscaling, thresholding. a Deteksi Tepi (Edge Detection) Deteksi Tepi (Edge Detection) adalah suatu proses yang menghasilkan tepi-tepi dari objek-objek gambar. Suatu titik (x, dikatakan suatu tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangga. Macam-macam metode untuk proses deteksi tepi, antara lain sebagai berikut : 1. Metode Robert Metode Robert adalah nama lain dari teknik differensial, yaitu differensial pada arah horizontal dan differensial kearah vertikal, dengan ditambahkan proses konversi biner setelah dilakukan differensial. Kernel filter yang digunakan dalam metode Robert adalah sebagai berikut : mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Kernel filter yang digunakan adalah sebagai berikut : Dalam penelitian ini menggunakan metode sobel. Proses Edge Detection citra barcode seperti tampak pada Gambar Metode Prewitt Metode Prewitt merupakan pengembangan metode robert dengan menggunakan filter High Pash Filter (HPF) yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kernel filter yang digunakan adalah sebagai berikut : 3. Metode Sobel Metode Sobel merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini Gambar 2.10 Proses Edge Detection Pada Citra Barcode b Grayscalling Grayscaling adalah teknik yang digunakan untuk mengubah citra berwana menjadi bentuk grayscale atau tingkat keabuan (dari hitam - putih). Pengubahan dari citra berwarna ke bentuk grayscale mengikuti aturan sebagai berikut : x, y, f ( x, x, y, I( x, R( i, j) G( i, j) B( i, j) I( i, j) 3 Keterangan : f(x, = nilai intensitas yang lama I(x, = nilai intensitas yang baru c Thresholding Thresholding digunakan untuk mengubah intensitas piksel menjadi salah satu dari dua nilai, a 1 atau a 2. Hasil dari proses 3

4 thresholding ditentukan oleh suatu parameter yang disebut nilai threshold. Proses thresholding menggunakan fungsi sebagai berikut : x, y, f ( x, x, y, g( x, a1, f ( x, T g( x, a2, f ( x, T Keterangan : f(x, = nilai intensitas yang lama g(x, = nilai intensitas yang baru T = nilai threshold nilai threshold didapat dengan cara menghitung nilai rata-rata derajat keabuan citra atau dengan persamaan : n m 1 T f ( i, j) mxn i 1 j 1 Keterangan : m = panjang citra n = lebar citra f ( i, j ) = nilai intensitas pada koordinat ( i, j ) Jika a 1 = 0 dan a 2 = 1, maka proses thresholding mengubah citra grayscale menjadi citra biner. 2.4 Metode JST-LVQ Motivasi untuk sebuah algoritma yang diterapkan pada jaringan syaraf LVQ adalah untuk menemukan unit output yang terdekat dengan vektor input. Hal tersebut akan berakhir, jika x dan w berada pada kelas yang sama, maka bobot dipindahkan ke vektor input yang baru dan jika x dan w berada pada kelas yang berbeda, maka bobot akan dipindahkan dari vektor input. Ada beberapa notasi yang akan digunakan, yaitu : x vektor pelatihan ( x1,..., xi,..., x n) T kategori atau kelas yang benar untuk w j j vektor pelatihan vektor bobot untuk unit output j ( w,..., w,..., w ) 1 j ij nj c kategori atau kelas yang direpresentasikan oleh unit output j x w j jarak Euclidean antara vektor input (vektor bobot) dan unit output j Adapun algoritma dari LVQ adalah: Langkah 1. Inisialisasikan vektor referensi dan learning rate, (0) Langkah 2. Selama kondisi berhenti bernilai salah, kerjakan 1. Untuk masing-masing pelatihan vektor input x 2. Temukan j sehingga x wj bernilai minimum 3. Perbaiki w j dengan : 1. jika T= c j maka wj ( baru) wj ( lama) x wj ( lama) jika T maka c j wj ( baru) wj ( lama) x wj ( lama) 4. Kurangi learning rate 5. Tes kondisi berhenti 3. Metodologi Penelitian Proses pengerjaan tugas akhir ini terbagi menjadi dua bagian besar, yaitu proses pengolahan citra digital dan pengenalan citra barcode dengan menggunakan jaringan syaraf tiruan. 3.1 Pengolahan Citra Digital Alur proses pengolahan citra digital yang dikerjakan dapat digambarkan sebagai berikut : Gambar 3.1 Alur Proses Pengolahan Citra Digital 4

5 3.1.1 Tahap Preprocessing Citra yang diperoleh pada saat akuisisi data seringkali tidak sesuai untuk digunakan sebagai data input klasifikasi. Bentuk citra yang digunakan berupa citra biner sehingga pada data input harus dilakukan proses edge detection, grayscalling dan thresholding. Untuk mendapatkan input yang cocok untuk jaringan syaraf tiruan. secara keseluruhan sebab ciri khusus dari barcode adalah sama untuk setiap baris. 3.2 Jaringan Syaraf Tiruan Jaringan syaraf tiruan dirancang untuk mengenali pola citra barcode yang telah di ekstraksi kebentuk numerik. Dari data tersebut selanjutnya akan diklasifikasi ke dalam kelas-kelas yang telah ditentukan sebelumnya dengan menggunakan metode jaringan syaraf tiruan LVQ. Gambar 3.2 Diagram Alir Pencarian Nilai Threshold Pada proses pencarian nilai threshold, data input berupa citra untuk selanjutnya dilakukan proses edge detection untuk memperjelas tepi-tepi citra barcode serta memberikan efek smoothing, sehingga citra yang dihasilkan bersih dari noise, kemudian dicari total derajat keabuaan dari citra tersebut. Nilai threshold didapat dengan cara membagi total derajat keabuaan dengan ukuran citra input. Gambar 3.3 Digram Alir Training LVQ Pada tahap training LVQ, input berupa data array hasil dari ekstraksi ciri. Setelah proses training memenuhi kondisi berhenti maka dihasilkan output berupa bobot akhir yang digunakan untuk proses testing Ekstraksi Ciri Pada tahap ini citra barcode yang akan dimasukkan ke dalam jaringan akan diproses lebih lanjut, yaitu diambil nilai perpikselnya yang selanjutnya akan diubah ke bentuk numerik 0 dan 1 atau disebut juga dengan proses normalisasi. Tidak seluruh piksel citra barcode diambil nilainya, tetapi hanya niali piksel citra secara horizontal. Letak pengambilan secara horizontal ini bisa dilakukan pada bagian atas, tengah atau bawah. Pengambilan ini tidak dilakukan 5

6 jenis barang dan harga barang dari citra barcode yang telah diuji Gambar 2.4 Diagram Alir Testing LVQ 3.3 Proses Pengujian Data Citra Barcode Dalam proses pengujian barcode ini, data citra barcode yang akan diuji meliputi citra normal dan citra yang memiliki noise. Maka diperlukan beberapa langkah-langkah khusus untuk melakukan proses pengujiannya. a. Langkah-Langkah Dalam Pengujian Citra Barcode yang Normal 1. Citra barcode diambil dari data yang telah tersedia. 2. Kemudian data citra tersebut langsung diuji di dalam sistem. 3. Sehingga akan didapatkan sebuah output yang terdiri dari nama barang, jenis barang dan harga barang dari citra barcode yang telah diuji. b. Langkah-Langkah Dalam Pengujian Citra Barcode yang Memiliki Noise 1. citra barcode diambil dari data citra barcode normal yang telah disediakan. 2. Citra barcode tersebut kemudian akan diberi noise dahulu sebelum diuji di dalam sistem. Proses pemberian noise ini misalnya bisa dilakukan dengan menggunakan aplikasi pada Paint. 3. Setelah proses pemberian noise telah dilakukan, kemudian citra barcode dengan noise tersebut bisa diuji di dalam sistem. 4. Sehingga akan didapatkan sebuah output yang terdiri dari nama barang, 4. Uji Coba dan Pembahasan 4.1 Pengujian Masing-Masing Proses dari Sistem Dalam melakukan uji coba perangkat lunak, digunakan sebuah notebook dengan spesifikasi Processor Intel Pentium Core 2 Duo 2.00 GHz, Memory DDR2 2 GB, Hardisk 250 GB dan VGA Card 128 Mb. Sedangkan untuk perangkat lunak yang digunakan adalah sistem oprasi Windows Vista Home Basic, Adobe Photoshop CS 4 dan Java Netbeans 6.8 sebagai tool untuk membuat perangkat lunak. Proses dalam sistem pengenalan barcode ini dibagi menjadi beberapa proses besar, yaitu proses pengolahan citra, proses training dan testing dengan jaringan syaraf tiruan. Berikut ini adalah penjelasan pengujian dari proses yang terdapat dalam sistem : Pengujian Proses Pengolahan Citra a. Pengujian Deteksi Tepi (Edge Detection) Pada proses deteksi tepi ini citra barcode yang akan menjadi inputan diolah sehingga tepi citra barcode tampak lebih jelas serta memberikan efek smoothing sehingga citra bersih dari noise. Seperti tampak pada Gambar 4.1 berikut ini : Gambar 4.1 Barcode Hasil Proses Deteksi Tepi b. Pengujian Grayscalling dan Thresholding Setelah citra barcode mengalami proses deteksi tepi lalu citra mengalami 6

7 proses grayscalling, nilai dari hasil grayscalling digunakan untuk proses thresholding untuk mengubah nilai piksel menjadi 2 macam yaitu 0 dan 1. Seperti tampak pada Gambar 4.2 berikut ini : Gambar 4.2 Barcode Hasil Proses Grayscalling dan Thresholding c. Pengujian Ekstraksi Ciri Nilai-nilai piksel dari proses grayscalling dan thresholding yang masih berukuran besar tidak diambil secara keseluruhan tetapi diambil hanya nilai piksel pada bagian tengah citra secara horizontal. Setiap citra diambil nilai piksel dengan ukuran 1 x 250 piksel sudah dalam bentuk array. Seperti tampak pada Gambar 4.3 berikut : semakin besar maka persentase akurasi semakin kecil. Nilai learning rates terbaik dengan persentase akurasi paling tinggi adalah 0,05. b. Uji Coba Jaringan Syaraf Tiruan LVQ Proses trainning menggunakan data citra barcode berjumlah 500 data citra. Dari data tersebut diubah menjadi data array biner (0 dan 1), selanjutnya di gunakan untuk input JST. Dengan memberikan nilai learning rate 0.05 dan maksimum iterasi 100. Dari data citra barcode yang telah dilatihkan dan dilakukan pengujian untuk 100 data citra barcode normal maupun citra dengan noise < 20 % diperoleh hasil seperti terlihat pada tabel 5.2 : Tabel 5.2 Hasil Uji Coba JST-LVQ dalam Pengenalan Barcode. Gambar 5.3 Piksel Hasil Ekstraksi Ciri 4.2 Pengujian Jaringan Syaraf Tiruan a. Pengaruh Learning Rates Untuk mengetahui pengaruh learning rates terhadap akurasi maka akan dilakukan percobaan dengan mengambil nilai learning rates : 0.05, 0.1, 0.5, 1. Dengan menggunakan metode JST-LVQ diperoleh hasil uji coba sebagai berikut : Tabel 5.1 Pengaruh Learning Rate terhadap Akurasi Pada Tabel 5.1 dapat disimpulkan bahwa dengan mengambil nilai learning rates 7

8 Berdasarkan hasil percobaan di atas, dengan menggunakan rumus : persentase_akurasi= maka persentase akurasi pengenalan barcode menggunakan jaringan syaraf tiruan LVQ adalah untuk citra barcode yang normal memiliki tingkat akurasi sebesar 96%, sedangkan untuk citra barcode dengan noise kurang dari 20 % memiliki tingkat akurasi 92%. 5. Penutup 5.1 Kesimpulan Dari hasil uji coba yang telah dilakukan dapat diambil beberapa kesimpulan sebagai berikut : 1. Penggunaan Jaringan Syaraf Tiruan LVQ untuk proses klasifikasi barcode dalam kondisi normal maupun dalam kondisi rusak memberikan hasil yang sangat baik. Yaitu untuk barcode yang normal memiliki akurasi pengenalan mencapai 96% sedangkan untuk barcode yang rusak dengan tingkat kerusakan kurang dari 20% memiliki akurasi pengenalan mencapai 92%. 2. Rancangan algoritma pengolahan dan ekstraksi ciri data citra barcode berhasil diimplementasikan dalam sebuah sistem. 3. Algoritma klasifikasi jaringan syaraf tiruan LVQ berhasil diimplementasikan dalam sebuah sistem yang mampu melakukan pengenalan data barcode. 8

9 6.1 Saran Dari hasil yang telah dicapai dalam penelitian tugas akhir ini, terdapat beberapa hal yang perlu dipertimbangkan untuk melakukan pengembangan pada penelitian ini, diantaranya sebagai berikut : 1. Proses pengenalan barcode ini dilakukan secara offline. Untuk pengembangan selanjutnya akan lebih baik jika pengenalan dilakukan secara real time. 2. Diharapkan penelitian selanjutnya akan lebih baik menggunakan metode jaringan syaraf tiruan yang lain. DAFTAR PUSTAKA 1. Ahmad, Usman.,(2005), Pengolahan Citra Digital dan Teknik Pemrogramannya.Yogyakarta : Graha Ilmu. 2. Budi R, Imam H dan Arif H.,(2007), Mudah Belajar Java. Bandung : Informatika Bandung. 3. Fausett, L.,(1994), Fundamental of Neural Networks, Architecture, Algorithms dan Aplication, Prentice Hall. 4. Java Tutorial, atalogjava.htm 5. Kristanto, Andri.,(2004), Jaringan Syaraf Tiruan. Yogyakarta : Gava Media. 6. "Mengenal dan Mempelajari Barcode", 7. Siang, JJ.,(2005), Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta : Andi Offset. 8. Sigit, R., Basuki, A., Ramadijanti, N. (2005). Step by Step Pengolahan Citra Digital. Yogyakarta : CV. Andi Offset. 9. Yuan L, Jen L and Rong T., (1994), A Bar-Code Recognation System Using Backpropagation Neural Networks, pp ,

ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS

ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,

Lebih terperinci

PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME

PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS

Lebih terperinci

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan

Lebih terperinci

SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Oleh: Bakhtiar Arifin (1206 100 722) Dosen Pembimbing: Prof. DR. M.

Lebih terperinci

Oleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.

Oleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S

Lebih terperinci

Program 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 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 terperinci

BAB III METODOLOGI PENELITIAN. Desain penelitian adalah tahapan-tahapan dalam penelitian. Berikut di bawah

BAB III METODOLOGI PENELITIAN. Desain penelitian adalah tahapan-tahapan dalam penelitian. Berikut di bawah BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian adalah tahapan-tahapan dalam penelitian. Berikut di bawah merupakan gambar desain penelitian: Pengumpulan Data Grayscalling Pustaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma

BAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan

Lebih terperinci

Oleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.

Oleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN

Lebih terperinci

IMPLEMENTASI 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 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 terperinci

Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya

Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika

Lebih terperinci

BAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.

BAB 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 terperinci

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner

Algoritma 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola

Lebih terperinci

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu

Lebih terperinci

BAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra

BAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar

Lebih terperinci

PENERAPAN METODE SOBEL UNTUK PENGUKURAN TINGGI BADAN MENGGUNAKAN WEBCAM

PENERAPAN METODE SOBEL UNTUK PENGUKURAN TINGGI BADAN MENGGUNAKAN WEBCAM PENERAPAN METODE SOBEL UNTUK PENGUKURAN TINGGI BADAN MENGGUNAKAN WEBCAM Ade Noversi Putra, Agus Basukesti, Dwi Nugraheny Jurusan Teknik Informatika Sekolah Tinggi Teknologi Adisutjipto Yogyakarta informatika@stta.ac.id

Lebih terperinci

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

Klasifikasi 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 terperinci

PENGENALAN AKSARA JAWA MENGGUNAKAN OPERATOR PREWITT

PENGENALAN AKSARA JAWA MENGGUNAKAN OPERATOR PREWITT PENGENALAN AKSARA JAWA MENGGUNAKAN OPERATOR PREWITT SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelas Sarjana Komputer (S.Kom.) Pada Program Studi Teknik Informatika

Lebih terperinci

3.2.1 Flowchart Secara Umum

3.2.1 Flowchart Secara Umum BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau

Lebih terperinci

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui tahapan awal didalam sebuah sistem pendeteksian filter sobel. Didalam aplikasi filter sobel ini

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan

Lebih terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com

Lebih terperinci

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

Penggunaan 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 terperinci

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,

Lebih terperinci

Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel

Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Sri Enggal Indraani, Ira Dhani Jumaddina, Sabrina Ridha Sari Sinaga (enggal24@gmail.com, Ira.dhani5393@gmail.com,

Lebih terperinci

EKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Angga Sukma Prinata 3 Adiwijaya 12 Departemen Teknik Informatika

Lebih terperinci

IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME

IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan

Lebih terperinci

PENGENALAN 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 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 terperinci

APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Hamsina 1, Evanita V Manullang 1, Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,

Lebih terperinci

BAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.

BAB 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 terperinci

PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)

PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF) Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF

Lebih terperinci

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,

Lebih terperinci

BAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala

BAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala 52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah

Lebih terperinci

TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR

TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector

BAB 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 terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah

BAB 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 terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Tanda Tangan Tanda tangan atau dalam bahasa Inggris disebut signature berasal dari latin signare yang berarti tanda atau tulisan tangan, dan biasanya diberikan gaya tulisan

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam implementasi persamaan Pulse

Lebih terperinci

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner

MKB3383 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 terperinci

APLIKASI 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 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 terperinci

PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI

PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp

Lebih terperinci

SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )

SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik

Lebih terperinci

HASIL DAN PEMBAHASAN. Generalisasi =

HASIL DAN PEMBAHASAN. Generalisasi = 6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10

Lebih terperinci

Batra Yudha Pratama

Batra Yudha Pratama Pendeteksian Tepi Pengolahan Citra Digital Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB III PERANCANGAN SISTEM

BAB 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 terperinci

Perbandingan Metode Sobel, Metode Prewitt dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital

Perbandingan Metode Sobel, Metode Prewitt dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital Perbandingan Metode, Metode dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital Apriyana (meikk_cttzz@yahoo.co.id), Delta Sri Maharani (delta.maharani@gmail.com)

Lebih terperinci

KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION

KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK

PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis

Lebih terperinci

SISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON

SISTEM 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 terperinci

DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1, Yoestinus 2 1 Fakultas Teknologi Informasi, Universitas Tarumanagara-Jakarta, Chairisni.fti.untar@gmail.com

Lebih terperinci

corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I

corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi

Lebih terperinci

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

PENERAPAN 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 terperinci

BAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.

BAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2. BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.

Lebih terperinci

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam

Lebih terperinci

BAB 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 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 terperinci

BAB 3 METODE PERANCANGAN

BAB 3 METODE PERANCANGAN BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor

Lebih terperinci

BAB I PENDAHULUAN. Citra digital adalah gambaran dari suatu objek yang bersifat analog berupa

BAB I PENDAHULUAN. Citra digital adalah gambaran dari suatu objek yang bersifat analog berupa BAB I PENDAHULUAN I.1 Latar Belakang Citra digital adalah gambaran dari suatu objek yang bersifat analog berupa sinyal-sinyal video pada monitor teleovisi, atau bersifat digital yang dapat langsung disimpan

Lebih terperinci

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 7 BAB II TINJAUAN PUSTAKA Penelitian maupun pembuatan aplikasi mengenai pengenalan karakter / pengenalan pola ataupun yang berhubungan dengan Jaringan Syaraf Tiruan terlebih dengan metode Backpropagation

Lebih terperinci

DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1

DETEKSI 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 terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran BAB III METODE PENELITIAN Permasalahan yang akan dijawab atau tujuan yang ingin dicapai pada penelitian ini adalah untuk melakukan prakiraan beban listrik jangka pendek atau untuk

Lebih terperinci

Tujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.

Tujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN. Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN

BAB III ANALISA DAN PERANCANGAN BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahap analisis merupakan tahapan yang paling awal dalam sistem sebuah pendeteksian tepi pada citra digital. Analisis sistem dilakukan dengan tujuan untuk

Lebih terperinci

PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL

PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak

Lebih terperinci

BAB I PERSYARATAN PRODUK

BAB I PERSYARATAN PRODUK BAB I PERSYARATAN PRODUK Pemrosesan gambar secara digital telah berkembang dengan cepat. Pengolahan gambar ini didukung dengan kemajuan teknologi perangkat keras yang signifikan. Produk produk pengolah

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Jaringan Saraf Tiruan Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem saraf secara biologis, seperti proses informasi pada otak manusia.

Lebih terperinci

PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL

PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Oleh : ACHMAD FAUZI ARIEF 1203 109 007 Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM

BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem adalah penguraian dari suatu sistem yang utuh ke dalam bagian-bagian komponennya dengan tujuan mengidentifikasikan dan mengevaluasi

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Fungsi utama perancangan program aplikasi tugas akhir ini adalah melakukan konversi terhadap citra dengan format raster atau bitmap ke format vektor dengan tipe

Lebih terperinci

BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-

BAB 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 terperinci

IDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

IDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION IDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Erni Seniwati 1. 1 Program Studi Sistem Informatika STMIK AMIKOM Yogyakarta Email : erni.s@amikom.ac.id

Lebih terperinci

IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)

IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan

Lebih terperinci

APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE

APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE Matheus Supriyanto Rumetna 1*, Marla Pieter, Monica Manurung 1 1 Fakultas Ilmu Komputer dan Manajemen, Universitas Sains

Lebih terperinci

NON-PHOTOREALISTIC RENDERING UNTUK SCENE ANIMASI 3D MENGGUNAKAN ALGORITMA CEL-SHADING

NON-PHOTOREALISTIC RENDERING UNTUK SCENE ANIMASI 3D MENGGUNAKAN ALGORITMA CEL-SHADING TESIS NON-PHOTOREALISTIC RENDERING UNTUK SCENE ANIMASI 3D MENGGUNAKAN ALGORITMA CEL-SHADING Nugrahardi Ramadhani, S.Sn. 2208205725 DOSEN PEMBIMBING Mochamad Hariadi, ST., M.Sc., Ph.D. NIP : 196912091997031002

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi

BAB 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa

Lebih terperinci

PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6

PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6 PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6 Siti Mujilahwati 1, Yuliana Melita Pranoto 2 1 Mahasiswa Magister Teknologi Informasi,

Lebih terperinci

BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL

BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL 3.1 Tepi Objek Pertemuan antara bagian obyek dan bagian latar belakang disebut tepi obyek. Dalam pengolahan citra, tepi obyek

Lebih terperinci

BAB IV HASIL DAN PENGUJIAN. telah dibuat. Pengujian yang dilakukan adalah menguji proses region of interest

BAB 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 terperinci

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi

Lebih terperinci

IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA

IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Hal : -29 IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Asmardi Zalukhu Mahasiswa Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Deteksi

Lebih terperinci

ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR

ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB 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 terperinci

dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. akurasi =.

dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. akurasi =. dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. Gambar 5 Macam-macam bentuk partisi citra. Ekstraksi Fitur Pada tahap ini semua partisi dari citra dihitung

Lebih terperinci

Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan

Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam

Lebih terperinci