PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION

Ukuran: px
Mulai penontonan dengan halaman:

Download "PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION"

Transkripsi

1 PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada, Yogyakarta Jl. Grafika No.2, Kampus UGM, Yogyakarta 55281, Indonesia adhadi.k_s2te12@mail.ugm.ac.id, wmustika@ugm.ac.id, suning.kusuma69@gmail.com Abstrak Paper ini membahas pelacakan level ketinggian air berdasarkan warna dengan background subtraction. Pelacakan level ini akan melacak ketinggian air dengan skala penunjukan warna. Pelacakan ini menggunakan IP kamera yang merekam dan menyimpan dalam bentuk file video. Hasil rekaman dalam bentuk video ini akan dianalisis dengan menggunakan Matlab. Pengujian dilakukan terhadap proses pendeteksian level ketinggian air yang meliputi jarak jangkauan IP kamera dan sudut dan juga posisi ketinggian IP kamera dengan intensitas cahaya. Hasil dari penelitian ini berupa jarak jangkauan IP kamera dan sudut didapatkan jarak yang optimal dalam mendeteksi dan melacak skala penunjukan level ketinggian air dan posisi ketinggian IP kamera dengan intensitas cahaya. Dalam mendeteksi dan melacak level skala penunjukan ketinggian air pada jarak jangkauan IP kamera dan sudut 50 cm dengan 30,45 dan 60 derajat. Sedangkan ketinggian IP kamera dan intensitas cahaya pada ketinggian cm dengan intensitas cahaya Jika ketinggian dibawah 50 cm, IP kamera tidak dapat mendeteksi dan melacak skala penunjukan level ketinggian, begitu juga pada intensitas cahaya jika di bawah 500 karena intensitas cahaya dibawah itu menujukan kondisi gelap. Kata kunci: Pelacakan Level; Background Substraction; Pengolahan Citra 1. Pendahuluan Banjir merupakan fenomena yang hampir selalu terjadi setiap tahun. Beberapa penyebab musibah banjir adalah tingginya curah hujan yang tinggi dan luasnya sungai yang tidak lagi mampu menampung aliran air. Hujan deras yang mengguyur dalam hitungan menit saja mampu menciptakan genangan air dimana-mana. Seluruh aktivitas warga pun lumpuh, mengakibatkan dampak sosial dan ekonomi semakin tak terkendali. Penelitian [1] mengembangkan VoIP untuk telemetri sistem peringatan dini banjir. Dalam sistem peringatan dini banjir terdapat dua stasiun yaitu stasiun monitoring dan stasiun peringatan yang tidak dalam satu lokasi, oleh karena itu dengan memanfaatkan VoIP yang fungsinya untuk telepon dapat difungsikan sebagai telemetri, sehingga dapat memberikan peringatan dini bencana banjir. Penelitian serupa memanfaatkan basis data dari berbagai sumber dari situs internet. Penelitian berbasis tracking objek oleh [2] mendeteksi objek bergerak dengan menggunakan metode background substraction dan kalman filter. Hasil yang didapat adalah metode background substraction dapat mendeteksi gerak objek pada video dan kalman filter dapat mengestimasi pergerakan objek. Selain itu penelitian yang lain [3] menggunakan background substraction dan teknik frame differencing mendeteksi gerakan. Hasil yang didapat adalah mampu mendeteksi gerakan yang terjadi, metode ini juga peka terhadap nilai threshold dan perubahan cahaya dianggap objek yang bergerak. Bendungan dibuat dengan tujuan sebagai peringatan dini atas air yang mengalir ke wilayah tertentu seperti bendungan Katulampa. Bendungan Katulampa adalah sebuah sistem informasi dini terhadap bahaya banjir sungai Ciliwung yang akan masuk ke wilayah Jakarta. Data ketinggian air di bendungan Katulampa ini memperkirakan bahwa sekitar 3-4 jam kemudian air akan sampai ke daerah Depok [4]. Salah satu indikator banjir adalah meningkatnya volume jumlah air pada sungai ataupun di bendungan, oleh karena itu pada penelitian ini fokus pada monitoring level ketinggian air. Monitoring ini dengan melakukan pelacakan level ketinggian air, pelacakan level ketinggian ini pada skala penunjukkan ketinggian berdasarkan warna, sehingga pelacakan akan dilakukan dengan melacak warna, selain itu juga dengan dilakukan teknik background substraction. Teknik ini diharapkan dapat meningkatkan kemampuan dalam melacak level ketinggian air. Berdasarkan latar belakang diatas maka perumusan masalah pada penelitian ini adalah informasi level indikator ketinggian air dengan memanfaatkan citra video dari IP Kamera. Pada penelitian [5] berkaitan dengan deteksi ketinggian air berdasarkan warna sudah dilakukan dengan mengukur ketinggian air saja tanpa menambahkan jumlah air, pada penelitian kali ini mengusulkan ditambahkannya teknik background subtraction untuk meningkatkan kemampuan dalam proses pelacakan ketinggian berdasarkan warna. Teknik background subtraction adalah teknik untuk menemukan objek pada gambar dengan cara membandingkan gambar yang ada dengan sebuah model latar belakang [6]. Penelitian ini bertujuan untuk mengembangkan sistem pelacakan level ketinggian air dengan memanfaatkan skala penunjukkan level ketinggian berdasarkan warna dengan background subtraction. Pengembangan sistem 3.2-1

2 ini akan melakukan analisis terhadap video yang telah dibuat menggunakan IP kamera. Keluaran dari analisis ini yaitu informasi level ketinggian air pada kondisi normal dan kondisi berbahaya, sehingga pada instansi yang terkait dapat menginformasikan kepada yang masyarakat. Pada bidang pengolahan citra secara digital menjadi diminati di awal tahun Seiring berkembangnya teknologi komputer yang sanggup memenuhi suatu kecepatan proses dan kapasitas memori yang dibutuhkan oleh berbagai algoritma pengolahan citra. Sejak itu mulai aplikasi pengolahan citra berkembang. Sistem komputer vision dimana salah satunya, komputer vision dimanfaatkan dalam membantu manusia dalam proses pengenalan atau deteksi objek. Dalam proses pengenalan dan deteksi objek diperlukan suatu pemisahan bagian atau segment tertentu dalam citra yang akurat, proses pemisahan tersebut dikenal sebagai proses segmentasi. 1.1 Pengolahan Citra Digital Pengolahan citra digital merupakan sebuah disiplin ilmu yang mempelajari tentang teknik-teknik dalam mengolah citra. Citra yang dimaksud di sini adalah citra diam (foto) atau gambar bergerak, sedangkan digital di sini adalah pengolahan citra yang dilakukan oleh komputer [7]. Sebuah citra digital dapat diwakili oleh sebuah matriks yang terdiri dari M kolom dan N baris, dimana perpotongan antara kolom dan baris disebut pixel. Pixel mempunyai dua parameter, yaitu parameter koordinat dan intensitas atau warna. Nilai yang terdapat pada koordinat (x, y) adalah f(x, y) yaitu besar intensitas atau warna dari pixel di titik itu. Oleh sebab itu, sebuah citra digital dapat ditulis dalam bentuk persamaan matriks pada persamaan 1 f(0,0) f(0,1) f (0, M-1) (x, y)= f(1,0) f (1, M-1)... (1) f (N-1,0) f(n-1,1) f (N-1, M-1) Berdasarkan Persamaan 1 matriks citra digital, suatu citra f(x, y) dalam fungsi matematis dapat ditulis dalam persamaan 2 sebagai berikut: 0 x M-1 0 y N-1 0 f(x, y) G-1... (2) Dimana: M = Jumlah pixel baris (Row) pada array citra N = Jumlah pixel kolom (Colomn) pada array citra G = Nilai skala keabuan Besarnya nilai m, n dan k adalah bilangan bulat positif. Interval (0, G) disebut skala keabuan. Besar G tergantung pada proses digitalisasi. Biasanya keabuan 0 (nol) menyatakan intensitas hitam dan 1 (satu) menyatakan intensitas putih, untuk citra 8 bit, nilai G sama dengan 28 = 256 warna (derajat keabuan) [6]. 1.2 Video Digital Video digital pada dasarnya tersusun atas serangkaian frame. Rangkaian frame tersebut ditampilkan pada layar dengan kecepatan tertentu, tergantung pada frame rate yang diberikan dalam satuan frame per second (fps). Jika frame rate cukup tinggi, mata manusia tidak dapat menangkap gambar atau frame yang saling bersambung. Karakteristik suatu video digital ditentukan oleh resolusi atau dimensi gambar, aspect ratio, bit depth, frame rate, dan pixel video tersebut. Karakteristik ini yang menentukan kualitas video dan jumlah bit yang dibutuhkan untuk mengambilnya. Pemrosesan citra biasanya dapat diartikan sebagai pemrosesan gambar digital. Sebuah gambar dapat dilakukan berbagai macam image prosessing, begitu pula dengan video. Pada dasarnya video terdiri atas beberapa gambar yang saling berganti atau bisa disebut frame. Pada video biasanya dalam 1 detik terdapat 12 frame atau gambar yang bergantian, pergantian frame ini berlangsung secara cepat sehingga memungkinkan mata tidak dapat melihat pergantian tersebut. 1.3 Background Substraction Beberapa metode yang telah digunakan untuk mendeteksi objek bergerak secara otomatis. Metode ini dapat diklasifikasikan dalam tiga kategori besar yaitu background substraction, temporal different based, dan pendekatan berbasis kemungkinan. Setiap metode diatas memiliki kelebihan dan kekurangan. Pada penelitian ini selain melacak warna pada skala penunjukkan level ketinggian juga mengusulkan ditambahkannya metode background substraction untuk melacak level ketinggian air berdasarkan warna. Penggunaan kedua teknik ini dikombinasikan dengan penentuan nilai ambang batas ( threshold) yang sudah ditentukan. Selain nilai ambang batas, penelitian juga melibatkan intensitas cahaya, jarak IP kamera terhadap skala penunjukkan, sudut kamera dan ketinggian IP kamera. Pada skala penunjukkan level ketinggian air ini juga dibuat 3 bagian dengan masing-masing tingginya 8 cm. Pengembangan sistem ini melacak level ketinggian air, saat air yang ditampung pada baskom menunjukkan skala penunjukkan 3 bagian tadi menandakan bahwa kondisi masih normal/aman, tetapi ketika 1 bagian telah tertutupi oleh air sehingga terlihat 2 bagian maka kondisi dalam keadaan siaga. Kondisi ini menunjukkan tingkat yang kurang aman, sehingga dapat diwaspadai pada kondisi ini. Lain halnya jika 2 bagian telah tertutupi air sehingga hanya terlihat 1 bagian saja yang terlihat, sehingga kondisi menunjukkan bahwa kondisi sudah waspada sehingga harus dilakukan tindakan yang lebih lanjut kepada pihak pengambil keputusan. Gambar 1 dibawah ini menunjukkan skala penunjukkan level ketinggian air. Posisi peletakannya pada dinding baskom 3.2-2

3 Gambar 1. Skala Penunjukkan Level Ketinggiaan Air 2. Pembahasan Waspada Siaga Normal 2.1 Perancangan Pelacakan Level Ketinggian Air Pada perancangan pelacakan level ketinggian dibuat skala level ketinggian air. Skala penunjukkan ini terlihat pada Gambar 1. Gambar 1 ini menujukkan bahwa level ketinggian dibagi menjadi 3 bagian yang mana masingmasing bagian dengan tinggi 8 cm. Level masing-masing bagian menunjukkan level dengan kondisi normal, siaga, dan waspada. Pada analisis sistem akan melacak level ketinggian air, saat air yang ditampung pada baskom menunjukkan skala penunjukkan 3 bagian tadi menandakan bahwa kondisi masih normal/aman, tetapi ketika 1 bagian telah tertutupi oleh air sehingga terlihat 2 bagian maka kondisi dalam keadaan siaga. Kondisi ini menunjukkan tingkat yang kurang aman, sehingga dapat diwaspadai pada kondisi ini. Lain halnya jika 2 bagian telah tertutupi air sehingga hanya terlihat 1 bagian saja yang terlihat, sehingga kondisi menunjukkan bahwa kondisi sudah waspada sehingga harus dilakukan tindakan yang lebih lanjut kepada pihak pengambil keputusan. Alur dari sistem analisis untuk melacak level ketinggian air dapat dilihat pada Gambar 2. a. Menangkap Citra dari IP kamera. Perekaman objek dilakukan manual dengan resolusi IP kamera di setting terlebih dahulu. b. Pada citra video yang telah dibuat, maka dilakukan pelacakan skala penunjukkan warna merah. c. Pada proses tracking color, tracking objek warna ini menggunakan deteksi blob dimana mendeteksi kumpulan titik-titik pixel yang memiliki warna berbeda dari background dan menyatukannya dalam suatu region. Proses blob dapat dilakukan dengan melakukan analisis piksel bertetangga. Piksel bertetangga pada sebuah piksel ditentukan sebagai piksel yang berjarak 1 dari piksel asal. Setelah mendapatkan region maka dengan memberikan label pada region-region yang didapat sebelumnya. Tiap region yang telah ditandai pada citra yang terdapat pada tiap frame, akan membentuk sebuah objek ditandai sebuah kotak ( box), ukuran kotak akan berubah sesuai dengan region objek. d. Pada pelacakan level ketinggian air juga dilakukan teknik background substraction. Prosesnya dalam background susbtraction dengan melakukan pengurangan terhadap gambar saat ini dengan gambar sebelumnya. e. Saat air yang ditampung pada baskom menunjukkan skala penunjukkan 3 bagian menandakan bahwa kondisi masih normal/aman, tetapi ketika 1 bagian telah tertutupi oleh air sehingga terlihat 2 bagian maka kondisi dalam keadaan siaga. Kondisi ini menunjukkan tingkat yang kurang aman, sehingga dapat diwaspadai pada kondisi ini. Lain halnya jika 2 bagian telah tertutupi air sehingga hanya terlihat 1 bagian saja yang terlihat, sehingga kondisi menunjukkan bahwa kondisi sudah waspada sehingga harus dilakukan tindakan yang lebih lanjut kepada pihak pengambil keputusan. Pengembangan sistem pelacakan level ketinggian air ini menggunakan matlab. Gambar 2. Flowchart Pelacakan Level ketinggiaan Air Berdasarkan Warna dengan Background Substraction Konfigurasi penempatan posisi IP kamera sendiri pada perancangan ini menjadi hal sangat penting, dimana posisi akan menunjukkan kemampuan dalam melacak level ketinggian air. Oleh kareana itu maka parameter yang dijadikan pengujian dalam penelitian ini adalah intensitas cahaya, jarak IP kamera terhadap skala penunjukkan level, ketinggian posisi IP kamera dan sudut kemiringan posisi IP kamera. Gambar

4 menunjukkan penempatan IP kamera dan skala penunjukkan level ketinggian air. mendeteksi skala penunjukan ketinggian air, sehingga analisis dapat melacak level ketinggian air (a) Gambar 3. (a) Posisi IP Kamera Terhadap Skala Penunjukkan Level Ketinggian Air, (b) Penempatan Skala Penunjukkan Level Ketinggian Air 2.2 Pengujian Pelacakan Level Ketinggian Air Pada pengujian yang dilakukan diujikan dengan menggunakan IP kamera, IP kamera ini nantinya digunakan untuk merekam level ketinggian air dimana sebelumnya telah diletakkan skala penunjukan level ketinggian air pada dinding baskom. Spesifikasi IP kamera yang digunakan adalah IP kamera jenis outdoor, dengan 1 MP, dengan resolusi 320x240. Sedangkan untuk analisisnya menggunakan Matlab Pengujian dilakukan pada luar ruangan dimana intensitas cahaya cukup bervariasi. Pada pengujian dilakukan sore hari pada pukul Pada pengujian ini intensitas cahaya dibatasi dengan range intensitas cahaya lux. Intensitas ini didapat dengan mengukur intensitas cahaya menggunakan sensor cahaya di sore hari. Pengujian ini juga dilakukan dengan mengatur jarak IP kamera terhadap skala penunjukan, ketinggian IP kamera dan sudut dari IP kamera tersebut. Posisi IP kamera terhadap skala penunjukan terlihat pada Gambar 3 (a) P engujian ini bertujuan untuk penempatan IP kamera dalam mengenali skala penunjukan level ketinggian. 2.3 Pengujian Jarak IP Kamera dengan Skala Penunjukan dan Sudut IP Kamera. Pengujian pengukuran jarak IP kamera dengan sudut berdasarkan identifikasi pengenalan IP kamera terhadap skala penunjukan dan sudut IP kamera. Pada pengujian ini membagi dua kategori jangkauan, yaitu: 1. Jarak jangkauan dan sudut yang tidak dapat dideteksi. Jarak jangkau IP kamera dan sudut tidak dapat mendeteksi skala penunjukan ketinggian air, dan analisis tidak dapat melacak level ketinggian air. 2. Jarak jangkauan dan sudut yang baik. Jarak jangkauan dan sudut yang baik merupakan jarak jangkauan IP kamera dan sudut yang dapat (b) Pengukuran jarak jangkauan dan sudut juga diujikan untuk mendapatkan jarak jangkauan dan sudut minimum dan jarak jangkauan dan sudut maksimum. Jarak jangkauan dan sudut minimum adalah jarak ambang terdekat IP kamera masih dapat mendeteksi skala penunjukkan dan jarak jangkauan dan sudut maksimum merupakan jarak terjauh dan sudut maksimum dimana IP kamera tidak dapat mendeteksi skala penunjukan level ketinggian. Pengujian pertama berupa pengujian jarak minimum IP kamera. Adapun langkah-langkah pengujian pencarian jarak minimum, yaitu: - Mengarahkan IP kamera ke skala penunjukan level ketinggian air. - Posisi IP kamera digerakkan mendekati ke skala penunjukan level ketinggian hingga jarak minimum. - Kemudian dianalisis pada Matlab yang telah dibuat programnya terlebih dahulu. - Proses ini dilakukan sebanyak 20x. Dari pengujian pencarian jarak minimum pengenalan penanda didapatkan jarak minimum yaitu 50 cm. Pengujian jarak maksimum IP kamera terhadap skala penunjukan level ketinggian air dilakukan dengan menggerakkan IP kamera menjauh dari skala penunjukan dan dilakukan berulang kali sebanyak 20x. Jarak maksimum yang didapat dari pengujian ini yaitu sebesar 150 cm. Jarak jangkauan dan sudut berdasarkan identifikasi pengenalan IP kamera terhadap skala penunjukan terdapat pada Gambar 4 dan Gambar 5. Jarak jangkauan IP kamera dengan skala penunjukan level ketinggian kurang dari 50 cm dan lebih dari 150 cm merupakan jarak jangkauan IP kamera tidak dapat melakukan pelacakan ketinggian level ketinggian air, sedangkan untuk sudut yang digunakan adalah 15, 30, 45 dan 60 derajat. Pada jarak 50 cm dengan sudut 30, 45, dan 60 derajat skala penunjukkan dapat terdeteksi dan dapat dianalisis, pada jarak 100 cm sudut yang dapat terdeteksi dan terlacak adalah 45 dan 60 derajat, jarak 150 cm sudut yang terdeteksi dan terlacak hanya 60 derajat, tetapi pada jarak 200 cm sudut tidak terdeteksi dan terlacak. Hasil Pengujian jarak IP kamera dan sudut dapat dilihat pada Tabel 1 dibawah ini

5 Gambar 4. Jarak Jangkauan Pengenalan Penanda didapatkan, dikarenakan ukuran skala penunjukan menjadi kecil dan area warna juga sulit ditangkap oleh IP kamera. Ketinggian dari cm merupakan area yang dapat ditangkap oleh IP kamera secara penuh sehingga dalam mendeteksi dan melakukan pelacakan dapat dilakukan dengan baik. Tabel 1. Pengujian Ketinggian IP Kamera dan Intensitas Cahaya Gambar 5. Sudut IP Kamera Tabel 1. Pengujian Jarak Jangkauan IP Kamera dan Sudut Sudut (º) Jarak (Cm) X X X X 30 V X X X 45 V V X X 60 V V V X V = Terdeteksi X = Tidak Terdeteksi 2.4 Pengujian Ketinggian IP Kamera dan Intensitas Cahaya Pengujian ketinggian IP kamera dan intensitas cahaya dilakukan untuk mengetahui pengaruh dari penempatan posisi yang tepat terhadap intensitas cahaya. Pengujian penempatan IP kamera dan intensitas cahaya dilakukan bervariasi. Langkah dari pengujian posisi penempatan IP kamera dilakukan dengan membagi ketinggian posisi IP kamera menjadi dua level ketinggian, yaitu; 1. Level Rendah. Ketinggian dengan level rendah merupakan ketinggian dimana IP kamera dapat mendeteksi dan melacak skala penunjukan level ketinggian air. 2. Level Tinggi. Ketinggian dengan level tinggi ini sulit dalam mendeteksi dan melacak skala penunjukan level ketinggian air, sehingga dalam menganalisisnya tidak mendeteksi dan melacak skala penunjukan. Tinggi Intensitas Cahaya (lux) (cm) V V V V V V V 60 V V V V V V V 70 V V V V V V V 80 X V X X X X X 90 X X X X X X X 100 X X X X X X X 110 X X X X X X X 120 X X X X X X X 130 X X X X X X X 140 X X X X X X X 150 X X X X X X X V = Terdeteksi X = Tidak Terdeteksi Pada Gambar 6 menunjukkan posisi ketinggian IP kamera pada ketinggian ini dapat dibagi dua level ketinggian, dimana pada warna hijau merupakan level rendah. Posisi level rendah ini adalah posisi yang optimal dalam menempatkan posisi IP kamera, sehingga skala penunjukan secara penuh terdeteksi dan terlacak. Sedangkan warna hitam merupakan level tinggi, posisi level tinggi ini IP kamera dapat menangkap skala penunjukan akan tetapi pada saat dianalisis tidak dapat mendeteksi dan melacak skala penunjukkan sehingga level tinggi ini adalah posisi yang tidak optimal dalam menempatkan IP kamera. Pada penelitian ini, posisi ketinggian IP kamera di batasi dengan ketinggian cm sedangkan intensitas cahaya dibatasi antara lux. Hasil pengujian ketinggian posisi IP kamera dan intensitas cahaya ditunjukkan pada Tabel 2. Jika ketinggian IP kamera dengan intensitas cahaya yang cukup, maka analisis dalam mendeteksi dan melacak skala penunjukkan ketinggian air dapat dilakukan. Ketinggian posisi IP kamera lebih dari 70 cm merupakan level tinggi sehingga dapat menganalisis skala penunjukkan sulit 3.2-5

6 3. Kesimpulan Gambar 6. Posisi Ketinggian IP Kamera Paper ini menampilkan pelacakan level ketinggian air berdasarkan warna dengan background subtraction. Pada pengujian pelacakan ini menampilkan kondisi air pada kondisi normal dan kondisi bahaya. Dalam mendeteksi dan melacak level skala penunjukan ketinggian air pada jarak jangkauan IP kamera dan sudut 50 cm dengan 30, 45 dan 60 derajat. Sedangkan ketinggian IP kamera dan intensitas cahaya pada ketinggian cm dengan intensitas cahaya Jika ketinggian dibawah 50 cm, IP kamera tidak dapat mendeteksi dan melacak skala penunjukan level ketinggian, begitu juga pada intensitas cahaya jika di bawah 500 karena intensitas cahaya dibawah itu menujukan kondisi gelap. menjadi Dosen di Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada, Yogyakarta. Sri Suning Kusumawardani, S.T., M.T., memperoleh gelar Sarjana Teknik (S.T.), Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada, Yogyakarta, lulus tahun Memperoleh gelar Magister Teknik (M.T.), Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada, Yogyakarta, lulus tahun Kandidat Doktor Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada, Yogyakarta, tahun Saat ini menjadi Dosen di Jurusan Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada, Yogyakarta. Daftar Pustaka [1] M. Ulfiyanto and I. L. E. Nugroho, "PENGEMBANGAN PROTOTIPE VOIP UNTUK TELEMETRI SISTEM PERINGATAN DINI BANJIR," Universitas Gadjah Mada, [2] N. R. B.S.L and D. F. Akbar, "Object Tracking Berbasis Background Substraction dan Kalman Filter " [3] K. D. Irianto and G. Ariyanto, "MOTION DETECTION USING OPENCV WITH BACKGROUND SUBTRACTION AND FRAME DIFFERENCING TECHNIQUE," [4] Wikipedia. (22 September 2 014). Available: [5] A. Kurniawan, I. W. Mustika, and S. S. Kusumawardani, "Pengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air," CITEE, Yogyakarta, [6] E. Ardhianto, W. Hadikurniawati, and Z. Budiarso, "Implementasi Metode Image Subtracting dan Metode Regionprops untuk Mendeteksi Jumlah Objek Berwarna RGB pada File Video," Dinamik-Jurnal Teknologi Informasi, vol. 18, [7] R. D. Kusumanto, A. N. Tompunu, and W. S. Pambudi, "Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV," JURNAL ILMIAH ELITE ELEKTRO, vol. 2, SEPTEMBER Biodata Penulis Adhadi Kurniawan, S.T, memperoleh gelar Sarjana Teknik (S.T), Jurusan Teknik Elektro Universitas Bengkulu, lulus tahun Saat ini sedang menyelesaikan Program Pasca Sarjana Magister of Engineering di Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gajah Mada Yogyakarta Dr. I Wayan Mustika, S.T., M.Eng., memperoleh gelar Sarjana Teknik (S.T.), Jurusan Teknik Elektro Universitas Gadjah Mada Yogyakarta, lulus tahun Memperoleh gelar Master of Engineering (M.Eng.), Jurusan Teknik Komputer, KMITL, Thailand, lulus tahun Memperoleh gelar Doktor (Dr.), Departemen Komunikasi dan Teknik Komputer, Universitas Kyoto, Jepang, lulus tahun Saat ini 3.2-6

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Banjir merupakan fenomena yang hampir selalu terjadi setiap tahun. Banjir salah satu musibah yang biasa dialami oleh penduduk kota besar atau penduduk yang menempati

Lebih terperinci

Pengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air

Pengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air Pengujian Tracking Color Menggunakan IP untuk Deteksi Ketinggian Air Adhadi Kurniawan, I Wayan Mustika, dan Sri Suning Kusumawardani Laboratorium Sistem Elektronis, Jurusan Teknik Elektro dan Teknologi

Lebih terperinci

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

DETEKSI 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 terperinci

IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL

IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL OLEH : ANDI MUHAMMAD ALI MAHDI AKBAR Pembimbing 1: Arief Kurniawan, ST., MT Pembimbing 2: Ahmad Zaini, ST., M.Sc. Page 1

Lebih terperinci

Pertemuan 2 Representasi Citra

Pertemuan 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 terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah menjelaskan seluruh kegiatan selama berlangsungnya penelitian untuk menghasilkan informasi yang lebih akurat sesuai dengan permasalahan yang akan

Lebih terperinci

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

BAB 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 terperinci

RANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA

RANCANG 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 terperinci

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

COMPUTER 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 terperinci

Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam

Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,

Lebih terperinci

Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video

Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video Abstrak Mochamad Faisol Baharun¹, T.Sutojo, SSi., M.Kom² Program Studi S1

Lebih terperinci

APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN

APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN Kuncoro Adi D, Lukas B. Setyawan, F. Dalu Setiaji APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN Kuncoro Adi D 1,

Lebih terperinci

BAB I PENDAHULUAN. berbagai macam aplikasi seperti digunakan untuk sistem pengawasan (monitoring

BAB I PENDAHULUAN. berbagai macam aplikasi seperti digunakan untuk sistem pengawasan (monitoring BAB I PENDAHULUAN 1.1 Latar Belakang Sistem pendeteksi yang menitik beratkan pada konteks deteksi keberadaan dan arah pergerakan merupakan suatu sistem yang bertujuan untuk berbagai macam aplikasi seperti

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA

Lebih terperinci

Analisis 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 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 terperinci

BAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang

BAB 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Akhir akhir ini teknologi yang berbasis " Sound and Video Capture Device " telah banyak berkembang. Para ilmuwan ataupun perusahaan yang bergerak di bidang IT memanfaatkan

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram

Lebih terperinci

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra

Lebih terperinci

ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK (Hasil Penelitian)

ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK (Hasil Penelitian) ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK ( Penelitian) Oleh : Wahyu Supriyatin 1, Yeniwarti Rafsyam 2, Jonifan 3 1,3 Universitas Gunadarma Jakarta, Jalan

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,

Lebih terperinci

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel 1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut

Lebih terperinci

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

PENDETEKSI 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 terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat. Graphic Card dengan memory minimum 64 mb

BAB 4 IMPLEMENTASI DAN EVALUASI. Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat. Graphic Card dengan memory minimum 64 mb BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Driver 4.1.1 Spesifikasi Perangkat Keras Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat menjalankan driver ini adalah: Prosesor Pentium

Lebih terperinci

Model Citra (bag. 2)

Model Citra (bag. 2) Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi

Lebih terperinci

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI. GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen penting dalam dunia multimedia karena memiliki peranan penting dalam hal menyajikan suatu informasi dalam bentuk gambar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

SEGMENTASI 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 ) 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 terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,

Lebih terperinci

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra

Lebih terperinci

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL

BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,

Lebih terperinci

PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik

Lebih terperinci

PERANCANGAN SISTEM PENGENALAN OBJEK VISUAL UNTUK PENGAMANAN DAN PEMANTAUAN FASILITAS PLTA

PERANCANGAN SISTEM PENGENALAN OBJEK VISUAL UNTUK PENGAMANAN DAN PEMANTAUAN FASILITAS PLTA PERANCANGAN SISTEM PENGENALAN OBJEK VISUAL UNTUK PENGAMANAN DAN PEMANTAUAN FASILITAS PLTA Oleh : Abdillah Triningtyas 2209106060 Dosen Pembimbing : Dr. Ir. Achmad Affandi, DEA Dr. Ir. Wirawan, DEA LATAR

Lebih terperinci

1. Pendahuluan. 1.1 Latar Belakang

1. Pendahuluan. 1.1 Latar Belakang 1. Pendahuluan 1.1 Latar Belakang Pada saat ini pengamatan atau pemantauan suatu kondisi tempat ataupun ruangan melalui video sudah banyak diterapkan. Pengembangan dari sistem pengamatan berbasis video

Lebih terperinci

BAB 3 IMPLEMENTASI SISTEM

BAB 3 IMPLEMENTASI SISTEM BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan

Lebih terperinci

Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)

Pengenalan 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 terperinci

ANALISA PERANCANGAN SISTEM

ANALISA PERANCANGAN SISTEM Gambar 2.16. Black Bo Pengujian black bo adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak

Lebih terperinci

APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT

APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk

Lebih terperinci

Pembentukan Citra. Bab Model Citra

Pembentukan Citra. Bab Model Citra Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit

Lebih terperinci

BAB II Tinjauan Pustaka

BAB II Tinjauan Pustaka 23 BAB II Tinjauan Pustaka II.1. Pengolahan Citra Digital Citra yang diperoleh dari lingkungan masih terdiri dari warna yang sangat komplek sehingga masih diperlukan proses lebih lanjut agar image tersebut

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL 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 terperinci

Representasi Citra. Bertalya. Universitas Gunadarma

Representasi Citra. Bertalya. Universitas Gunadarma Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima

Lebih terperinci

PENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN

PENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN PENERAPAN GRABBERPADA OPTICAL FLOWUNTUK MENGGERAKKAN CURSORMOUSEMENGGUNAKAN BOLPOIN PENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN Anton Setiawan Honggowibowo,

Lebih terperinci

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya

BAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya 5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada

Lebih 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

SAMPLING DAN KUANTISASI

SAMPLING 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 terperinci

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian

BAB 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 terperinci

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

Muhammad 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah

Lebih terperinci

BAB II CITRA DIGITAL

BAB II CITRA DIGITAL BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar

Lebih terperinci

BAB VI HASIL DAN PEMBAHASAN

BAB VI HASIL DAN PEMBAHASAN BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting

Lebih terperinci

IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH

IMPLEMENTASI 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 terperinci

BAB 2 TINJAUAN TEORETIS

BAB 2 TINJAUAN TEORETIS BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Object Tracking Berbasis Background Substraction dan Kalman Filter. Kata kunci: object tracking, Kalman filter, Substraction background.

Object Tracking Berbasis Background Substraction dan Kalman Filter. Kata kunci: object tracking, Kalman filter, Substraction background. Object Tracking Berbasis Background Substraction dan Kalman Filter Nasrulloh Ratu B.S.L 115060800111076 satrialoka@gmail.com Deby Faisol Akbar 115060800111065 lastace22@gmail.com Abstrak Dalam proses pendeteksian

Lebih terperinci

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

Analisa 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu bentuk dari digitalisasi yang sedang berkembang saat ini adalah teknologi 3D Scanning yang merupakan proses pemindaian objek nyata ke dalam bentuk digital.

Lebih terperinci

PENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING

PENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING PENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING ELVA SUSIANTI 2209204802 Pembimbing: 1. ACHMAD ARIFIN, ST., M. Eng., Ph.D 2. Ir. DJOKO PURWANTO, M. Eng., Ph.D. Bidang Keahlian Teknik Elektronika

Lebih terperinci

BAB 4 HASIL DAN ANALISA

BAB 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 terperinci

Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan

Fitur 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 terperinci

PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK

PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I

Lebih terperinci

Analisis 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 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang

Lebih terperinci

JURNAL IT STMIK HANDAYANI

JURNAL IT STMIK HANDAYANI Syamsu Alam 1), Mirfan ) Sistem Komputer STMIK Handayani 1), Teknik Informatika STMIK Handayani ) syams.hs@gmail.com 1), mirfan@gmail.com ) Abstrak Penelitian ini bertujuan untuk merancang sistem pendeteksi

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

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad

Lebih terperinci

KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,

KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar, KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com

Lebih terperinci

DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL

DETEKSI 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 terperinci

IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL

IMPLEMENTASI 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 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

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

BAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.

BAB 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 terperinci

PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING

PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING PRESENTASI TESIS (P3) PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING HEROE POERNOMO 4108204006 LATAR BELAKANG Pengaruh getaran terhadap

Lebih terperinci

Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra

Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas

Lebih terperinci

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

Pengenalan 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 terperinci

Analisa Gerakan Manusia Pada Video Digital

Analisa Gerakan Manusia Pada Video Digital Analisa Gerakan Manusia Pada Video Digital Abstrak - Pengenalan cara bergerak tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance (pengawasan), dunia hiburan,

Lebih terperinci

Implementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET

Implementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET Muhammad Redha, Dwi

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen

Lebih terperinci

TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION

TRACKING 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 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 II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering

Lebih terperinci

Analisa 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 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 terperinci

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium

Lebih terperinci

Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation

Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

BAB 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 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh

Lebih terperinci

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

DAFTAR 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 terperinci

Gambar 4.1 Diagram Percobaan

Gambar 4.1 Diagram Percobaan BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang

Lebih terperinci

PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN

PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor

Lebih terperinci

Jobsheet 3 Cara Kerja Sistem CCTV

Jobsheet 3 Cara Kerja Sistem CCTV Jobsheet 3 Cara Kerja Sistem CCTV I. Tujuan Praktikum 1.Mahasiswa mengetahui cara mengoperasikan CCTV. 2.Mahasiswa dapat mengoperasikan CCTV. 3.Mahasiswa mengetahui cara kerja sistem CCTV. II. Deskripsi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci