PROSIDING. Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi
|
|
- Susanto Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Organized by : Pokja TI IsDB Institut Agama Islam Negeri Sumatera Utara PROSIDING KeTIK 2014 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi Strategi Penerapan Teknologi Informasi dan Komunikasi dalam Dunia Pendidikan Editor: Dr. M. Ridwan, MA Zuhrinal M. Nawawi, MA Asrizal, S.Kom Supported by : APTIKOM
2 KeTIK 2014 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi Medan, 8 Nopember 2014 Editor: Dr. M. Ridwan, MA Zuhrinal M. Nawawi, MA Asrizal, S.Kom 2014
3 USU Press Art Design, Publishing & Printing Gedung F, Pusat Sistem Informasi (PSI) Kampus USU Jl. Universitas No. 9 Medan 20155, Indonesia Telp ; Fax usupress.usu.ac.id USU Press 2014 Hak cipta dilindungi oleh undang-undang; dilarang memperbanyak menyalin, merekam sebagian atau seluruh bagian buku ini dalam bahasa atau bentuk apapun tanpa izin tertulis dari penerbit. ISBN Perpustakaan Nasional: Katalog Dalam Terbitan (KDT) Ketik 2014 : / M. Ridwan [et.al.]. Medan : USU Press, 2014 x, 148 p.; ilus.: 24 cm Bibliografi ISBN: Teknologi Informasi 2. Komunikasi I. Judul Dicetak di Medan, Indonesia
4 KeTIK 2014 ISBN: MULTI OBJECT TRACKING BERBASIS VISI KOMPUTER DENGAN METODE FRAME DIFFERENCE DAN DETEKSI TEPI Muhammad Ikhsan #1, Samsudin #2 #1 Fakultas Ekonomi dan Bisnis Islam, UIN Sumatera Utara. #2 Fakultas Ushuluddin, UIN Sumatera Utara 1, 2 ABSTRAK Closed-circuit television (CCTV) adalah kamera pengawas yang umum digunakan saat ini.selain memiliki fitur untuk merekam suatu kejadian pada area tertentu, kamera pengawas dapat pula kita manfaatkan sebagai data input pada visi komputer untuk melakukan proses multi object tracking.dalam hal ini object yang akan dideteksi adalah pergerakan manusia sebagai unit masukan. Pada penelitian ini akan mepresentasikan bagaimana metode frame difference dapat digunakan untuk proses multi object tracking. Metode frame difference yaitu teknik untuk menghitung selisih antara dua frame yang selanjutnya dilakukan proses thresholdinglalu deteksi tepi untuk menghasilkan tepi objek citra. Selanjutnya hasil deteksi tepi dari proses frame difference akan merepresentasikan pergerakan objek dan tentunya hal ini dapat digunakan untuk proses berikutnya, misalkan deteksi gerak, menghitung jumlah pengunjung,mengetahuitrafik lalu lalang pengunjung pada sebuah fasilitas publik, dan hal lainnya. Kata kunci: Multi Object Tracking, Frame Difference, Edge Detection, Computer Vision. 1.PENDAHULUAN Pemasangan kamera pada tempat tempat yang membutuhkan pengawasan ketat mulai diminati oleh banyak pihak. Karena dianggap mampu melingkupi wilayah yang luas sehingga diharapkan dapat meningkatkan keamanan. Karena lebih efektif dalam pemakaian tenaga manusia dan juga lebih efisien. Selain untuk aspek pengawasan kamera pengawas dapat pula dimanfaatkan untuk melihat trafik pengunjung, bahkan malakukan perhitungan secara akurat jumlah orang yan berlalu-lalang pada areal tertentu. Karena berhubungan dengan gerakan, maka yang menjadi input dalam sistem deteksi adalah klip video atau kumpulan frame image berukuran n m yang merekam dan merepresentasikan gerakan manusia. Besarnya dimensi image frame tentunya memperlambat proses komputasi, oleh karenanya biasanya video frame yang digunakan adalah video yang beresolusi rendah dan telah dikonversi terlebih dahulu. Salah satu cara untuk mengetahui selisih perbedaan frame adalah dengan menghitung perbedaan nilai-nilai intensitas pada suatu piksel dari dua frame gambar yang diambil secara berturut-turut yang kemudian dilakukan proses thresholding untuk menentukan adanya perubahan objek atau tidak. Thresholding adalah memisahkan antara objek dan latar belakangnya. Sedangkan untuk melakukan deteksi pada tepi objek dilakukan dengan proses Edge detection. Dan kemudian akan diproses dengan pengolahan citra dan computer vision sehingga kita dapat mengetahui perbedaan pada setiap frame-nya. 2.CITRA DIGITAL Secara umum, pengolahan citra digital merujuk pada pemrosesan gambar dua dimensi menggunakan komputer. Dalam konteks yang lebih luas pengolahan citra digital mengacu pada pemrosesan setiap data dua dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun komplek yang direpresentasikan dengan deretan bit tertentu. 3.COMPUTER VISION Computer Vision adalah sebuah disiplin ilmu yang mempelajari proses menyusun deskripsi tentang objek yang terkandung pada suatu gambar atau mengenali objek yang ada pada gambar. Computer Vision berusaha menerjemahkan citra menjadi deskripsi atau suatu informasi yang merepresentasikan citra tersebut. Jadi, input-nya berupa citra, sedangkan output-nya berupa informasi. Pengertian Computer Vision telah banyak dikemukakan para ahli atau pakar, antara lain : Ballard dan Brown (1982:1) mendefinisikan Computer Vision sebagai suatu kegiatan awal pengotomatisan dan pengintregasian suatu pemrosesan dan representasi sebagai suatu persepsi visual dengan tahap-tahap tertentu. Definisi lain yaitu dari Boyle dan Thomas (1988:1) memberi pengertian bahwa Computer Vision lebih dari hanya sekedar image recognition. Mereka juga menghadirkan operasi low level processing sebagai suatu algoritma pengolahan citra yang dapat kita sebut purely yang kemudian mengategorikan citra tersebut didalam suatu computer vision. Saat ini kebutuhan akan aplikasi computer vision semakin meningkat. Hal ini didukung oleh munculnya prosesor berkecepatan tinggi dengan harga terjangkau serta kinerja kamera yang prima. Computer vision dipakai sebagai pengganti mata bagi komputer sehingga dapat menyelesaikan tugas yang sebelumnya tak dapat dilakukan. 336
5 ISBN: KeTIK KONVERSI CITRA BERWARNA (RGB) MENJADI CITRA GRAYSCALE Citra berwarna memiliki nilai warna merah (red = R ), warna hijau (green = G ) dan warna biru (blue = B ) pada tiap pixel nya. Nilai warna tersebut tidak bisa kita lihat dengan kasat mata, sehingga kita harus memakai sebuah program untuk mengetahuinya. Dalampenelitian ini di gunakan software MATLAB 2014 untuk mengetahui nilai R, G, dan B pada tiap matriks yang terdapat pada citra. Setelah kita mengetahui nilai R,G, dan B pada tiap matriks yang terdapat pada citra tersebut, maka kita akan melakukan proses perubahan citra warna menjadi citra grayscale dengan menggunakan rumus dibawah ini ; Citra Gray = R + G + B. (1) 3 Untuk menghitung nilai tersebut, pada prinsip nya masing masing nilai tersebut memiliki dimensi larik pada dimensi, yaitu red (R) pada dimensi 1, green (G) pada dimensi 2 dan Blue (B) pada dimensi 3. Sebagai contoh akan dihitung konversi RGB ke grayscale pada citra berikut ini dengan matriks 7x7, seperti pada gambar dibawah ini : Gambar 2.Nilai RGB Citra matrik 7x7 Misalnya pada citra tersebut nilai R, G dan B untuk pixel pada koordinat (x,y) =180,75 adalah : R=117, G=100, B=125 Maka konversi citra warna menjadi citra grayscale pada pixel tersebut berdasarkan persaman (1) adalah : Citra gray = R + G + B 3 = = 342 = Maka hasil konversi citra warna menjadi citra grayscale untuk pixel koordinat (180,75) pada citra tersebut adalah 114. Dan begitu juga pada matriks lainnya sehingga menghasilkan nilai grayscale sebagai berikut : Tabel 1. Konversi RGB ke grayscale pada citra di atas Gambar 1. Citra RGB dengan matrik 7x7 Adapun nilai intensitas RGB dari koordinat citra di atas adalah sebagai berikut: 5. METODE FRAME DIFFERENCE Setelah merubah frame berwarna menjadi frame grayscale, maka tahap selanjutnya adalah melakuan proses frame difference. Secara umum frame difference adalah mengurangkan nilai intensitas warna masing-masing pixel dari dua buah frame dan hasil pengurangan di bandingkan dengan nilai threshold (T = 127). DD(xx, yy) = 1, ff kk(xx, yy) ff kk 1 (xx, yy) TT 0, ff kk (xx, yy) ff kk 1 (xx, yy) < TT (2) Nilai antara 0 sampai 127 pada citra grayscale akan diubah menjadi 0 atau warna hitam pada frame difference, sedangkan nilai antara 128 sampai 255 pada citra grayscale akan diubah menjadi 1 atau warna putih pada frame difference. 337
6 KeTIK 2014 ISBN: Sebagai contoh akan dihitung nilai frame difference pada gambar berikut ini dengan matriks 7x7 pada gambar dibawah ini : Tabel 2.Nilai Matrik Frame-1 Setelah kita mendapatkan dua buah gambar frame dan nilai matriknya, maka kita akan melakukan proses perhitungan frame difference dengan menggunakan rumus persamaan (2). DD(1,1) = ff 2(204) ff 1 (65) (139) TT = 1 DD(1,2) = ff 2(240) ff 1 (100) (140) TT = 1 DD(1,3) = ff 2(213) ff 1 (43) (170) TT = 1 DD(1,4) = ff 2(245) ff 1 (100) (145) TT = 1 DD(1,5) = ff 2(200) ff 1 (147) (170) TT = 1 DD(1,6) = ff 2(249) ff 1 (121) (128) TT = 1 DD(1,7) = ff 2(151) ff 1 (23) (128) TT = 1 DD(1,8) = ff 2(209) ff 1 (43) (166) TT = 1 DD(1,9) = ff 2(184) ff 1 (45) (139) TT = 1 DD(1,10) = ff 2(190) ff 1 (31) (159) TT = 1... (dst) Dari perhitungan di atas maka di peroleh hasil perhitungan frame difference dengan nilai 0 hitam dan 1 putih di bawah ini. Tabel 3.Nilai Matrik Frame-2 Gambar 3.Hasil Perhitungan Frame Difference 6. PROSES EDGE DETECTION Proses akhir nya adalah melakukan edge detection yaitu operasi ini digunakan untuk menentukan lokasi titik-titik yang merupakan tepi obyek citra. Secara umum, tepi suatu obyek dalam citra dinyatakan sebagai titik yang nilai warnanya berbeda cukup besar dengan titik yang ada 338
7 ISBN: KeTIK 2014 disebelahnya. Operator yang digunakan adalah prewitt. Bentuk kernel dari operator prewitt adalah : Proses ini dilakukan seterusnya hingga seluruh pixel di masking. Operator prewitt tidak menekankan pembobotan pada piksel-piksel yang lebih dekat dengan titik pusat kernel. 1. Nilai intensitas warna citra awal f(1,1) f(3,3) di kali dengan operator Gx(1,1) Gx(3,3): Px = (-1*8) + (-1*5) + (-1*2) + (1*9) + (1*112) + (1*98) = Nilai intensitas warna citra awal f(1,1) f(3,3) di kali dengan operator Gy(1,1) Gy(3,3): Py = (1*2) + (1*94) + (1*98) + (-1*8) + (-1*5) + (- 1*9) = 172 P = = PENGUJIAN Dalam pengujian ini akan diambil 5 gambar pergerakan objek manusia untuk dianalisa perbedaan antara frame dan hasil akan ditunjukkan melalui 2 (dua) buah tampilan video, dimana video pertama untuk menampilkan tampilan multi object tracking dan yang kedua untuk menampilkan hasil perhitungan perbedaan frame (frame difference) antara dua objek. Video tersebut juga akan ditampilkan seperti yang ditunjukan pada gambar dibawah ini. 1. Frame difference di ambil pada menit ke 02:20 detik. 2. Frame difference di ambil pada menit ke 02:23 detik. 3. Nilai intensitas warna citra awal f(2,1) f(4,3) di kali dengan operator Gx(1,1) Gx(3,3): Px = (-1*5) + (-1*2) + (-1*7) + (1*112) + (1*98) + (1*103) = Nilai intensitas warna citra awal f(2,1) f(4,3) di kali dengan operator Gx(1,1) Gx(3,3): Py = (1*7) + (1*106) + (1*103) + (-1*5) + (- 1*93) + (-1*112) = 6 P = = Frame difference di ambil pada menit ke 02:27 detik. 339
8 KeTIK 2014 ISBN: Frame difference di ambil pada menit ke 02:36 detik. 8. KESIMPULAN Berdasarkan dari hasil analisa dan uraian data pada penelitian ini serta implementasi metode frame difference makadiperoleh beberapa kesimpulan, yaitu: 1. Frame difference adalah salah satu metode yang dapat digunakan untuk melakukan proses multi object tracking, yang mampu memprediksi pergerakan manusia melalui input video dari kamera pengawas (CCTV). 2. Hasil dari metode Frame Difference yang diproses kembali dengan Edge Detection metode Prewitt mampu melakukan proses deteksi pergerakan manusia dengan komputasi yang tidak terlalu tinggi. 3. Penerapan metode Multi Object Tracking ini dapat digunakan untuk menghitung jumlah pengunjung (visitor) dari sebuah publik area, melihat deteksi pergerakan, mengetahui traffic pengunjung dan sebagainya. DAFTAR PUSTAKA Bovik A, C., (2009). The Essential Guide to Video Processing, Academic Press USA. Castleman, Kenneth R., (2004). Digital Image Processing, Vol. 1, Ed.2, Prentice Hall,New Jersey. Gonzalez. R. C, Woods. R. E.,(2008). Digital Image Processing third Edition, Pearson Prentice Hall, New Jersey. Jahne, B., Haubecker, H., Geibler, P., (1999). Handbook Of Computer Vision And Applications, Volume 2, Signal Processing and Pattern Recognition, Accademic Press. Jain, A.K., (1989). Fundamental of Digital Image Processing, Prentice Hall, Inc.,Singapore. Low, A.,(1991). Introductory Computer Vision andimage Processing, McGraw Hill, UK. Munir, R., (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika Bandung. Murni, A. dan S. Setiawan, (1992). Pengantar Pengolahan Citra, Elex Media Komputindo, Jakarta. Nixon, M, S., Aguado, A, S., (2008). Feature Extractionand Image Processing second edition., Academic Press. Pitas, I., (1993). Digital Image Processing Algorithms, Prentice Hall, Singapore. Robert Laganiere, (2011) OpenCV 2 Computer Vision Application Programming Cook Book, Packt Publishing, Birmingham, UK. 340
9 Organized by : Pokja TI IsDB Institut Agama Islam Negeri Sumatera Utara Supported by : APTIKOM ISBN
Aplikasi Deteksi Tepi pada Realtime Video menggunakan Algoritma Canny Detection
Aplikasi Deteksi Tepi pada Realtime Video menggunakan Algoritma Canny Detection Edy Winarno Program Studi Teknik Informatika, Universitas Stikubank email: edywinarno3@gmail.com Abstract Real time video
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
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 terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
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 terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciSISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT
SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT Ardi Satrya Afandi art_dhi@yahoo.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl.
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciRANCANG BANGUN APLIKASI PENGABURAN GAMBAR
RANCANG BANGUN APLIKASI PENGABURAN GAMBAR Muhammad Sholeh 1, Avandi Badduring 2 1, 2 Teknik Informatika, Fakultas Teknologi Industri Institut Sains & Teknologi AKPRIND Yogyakarta Jl. Kalisahak 28 Komplek
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciPengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial
Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciKLASIFIKASI GAMBAR FOTO BERDASARKAN TEMPAT PENGAMBILAN DENGAN MENGGUNAKAN TRANSFORMASI HOUGH
KLASIFIKASI GAMBAR FOTO BERDASARKAN TEMPAT PENGAMBILAN DENGAN MENGGUNAKAN TRANSFORMASI HOUGH 1) Moch. Ali Rokhib, 2) Endang Setyati 1) Akademi Komunitas Negeri Sidoarjo PDD Politeknik Negeri Jember Jl.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperincicorak 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 terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
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 terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih 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 terperinciBAHAN AJAR. Mata Kuliah Pengolahan Citra. Disusun oleh: Minarni, S. Si., MT
BAHAN AJAR Mata Kuliah Pengolahan Citra Disusun oleh: Minarni, S. Si., MT JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih 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 terperinciImplementasi Deteksi Tepi Canny pada Citra Mammografi
JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
Lebih terperinciPEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI
PEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI Erdhi Widyarto Nugroho Teknik Elektro Universitas Katolik Soegijapranata Semarang e-mail : Erdhi@unika.ac.id ABSTRACT Kamera CCTV adalah suatu kamera yang secara
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciLaporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F
Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciOTOMASI TAGIHAN LISTRIK DENGAN CITRA DIGITAL. Abstrak
OTOMASI TAGIHAN LISTRIK DENGAN CITRA DIGITAL Titik Rahmawati Program Studi Manajemen Informatika STMIK Jenderal Achmad Yani Yogyakarta rahmawati.titik@gmail.com Abstrak Perusahaan listrik negara (PLN)
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI
BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut
Lebih terperinciANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY
Jurnal Riset Komputer (JURIKOM), Volume :, Nomor: 1, Februari 2016 ISSN : 2407-89X ANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY Linda Herliani Harefa Mahasiswa Program
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 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 terperinciSEGMENTASI CITRA TELUR AYAM BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN LAB
SEGMENTASI CITRA TELUR AYAM BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN LAB Putu Desiana Wulaning Ayu 1, Gede Angga Pradipta 2 Program Studi Sistem Informasi, STMIK STIKOM BALI Jl.Raya Puputan Renon No.86,
Lebih terperinciRANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA
ISSN : 2442-5826 e-proceeding of Applied Science : Vol.2, No.1 April 2016 Page 383 RANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA Luki Wahyu Hendrawan 1 Mohammad Ramdhani, S.T.,M.T
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
Lebih terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciTEKNIK 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 terperinciAnalisa dan Perancangan Sistem Deteksi Cacat Produksi
Analisa dan Perancangan Sistem Deteksi Cacat Produksi Arif Setiawan 1 Diterima : 7 Agustus 2012 disetujui : 6 November 2012 diterbitkan : 11 Desember 2012 ABSTRACT Has been developed analysis and design
Lebih terperinciSIMULASI MONITORING OBJEK YANG MASUK DAN KELUAR UNTUK MENGONTROL KETERSEDIAAN LAHAN MENGGUNAKAN VIDEO PROCESSING
SIMULASI MONITORING OBJEK YANG MASUK DAN KELUAR UNTUK MENGONTROL KETERSEDIAAN LAHAN MENGGUNAKAN VIDEO PROCESSING MONITORING SIMULATION OF INCOMING AND OUTGOING OBJECT TO CONTROL FIELD AVAILABILITY WITH
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciBINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL
BINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia, Jakarta e-mail : tmulyana@bundamulia.ac.id,
Lebih terperinciIDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA
IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciAPLIKASI PENGOLAHAN CITRA SEBAGAI PENDETEKSI JARI PADA VIRTUAL KEYPAD
APLIKASI PENGOLAHAN CITRA SEBAGAI PENDETEKSI JARI PADA VIRTUAL KEYPAD Akuwan Saleh, Haryadi Amran D, Ahmad Bagus L Dept. Teknik Elektro, Program Studi Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
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 1 Ety Sutanty, 2 Ari Rosemala 1,2 Universitas Gunadarma, Jurusan Sistem Informasi, Depok, Indonesia
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
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 terperinciPengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM
Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley
Lebih terperinciPenerapan Gaussian Filter pada Edge Detection
Penerapan Gaussian Filter pada Edge Detection Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinci