PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
|
|
- Herman Gunawan
- 7 tahun lalu
- Tontonan:
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 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 terperinciPengujian 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 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 terperinciIP 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 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 terperinciBAB 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 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 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 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 terperinciPerancangan 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 terperinciPengenalan 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 terperinciAPLIKASI 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 terperinciBAB 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 terperinciPENGOLAHAN 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 terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih terperinciBAB 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 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 terperinciBAB 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 terperinciBAB 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 terperinciANALISIS 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 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 terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciTraffic 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 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 terperinciBAB 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 terperinciModel 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 terperinciGRAFIK 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 terperinciIV. 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 terperinciBAB 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 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 terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciBAB 3 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPENENTUAN 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 terperinciPERANCANGAN 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 terperinci1. 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 terperinciBAB 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 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 terperinciANALISA 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 terperinciAPLIKASI 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 terperinciPembentukan 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 terperinciBAB 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 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 terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciPENERAPAN 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 terperinciBAB 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 terperinciIDENTIFIKASI 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 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 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 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 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 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 terperinciBAB 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 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 terperinciObject 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 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 terperinciBAB 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 terperinciPENGEMBANGAN 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 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 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 terperinciPENERAPAN 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 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 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 terperinciJURNAL 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 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 terperinciSEGMENTASI 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 terperinciKAMERA 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 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 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 terperinci3.2.1 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 terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciBAB 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 terperinciPENGUKURAN 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 terperinciRancang 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 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 terperinciAnalisa 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 terperinciImplementasi 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 terperinciBAB 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 terperinciBAB 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 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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciBAB 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 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 terperinciIII. 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 terperinciAplikasi 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 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih 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 terperinciGambar 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 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 terperinciJobsheet 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 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 terperinci