Pengenalan Emosi Akademis Menggunakan Jaringan Syaraf Tiruan untuk Mendukung Personalisasi Sistem E-learning
|
|
- Hendri Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pengenalan Emosi Akademis Menggunakan Jaringan Syaraf Tiruan untuk Mendukung Personalisasi Sistem E-learning Much. Sukri Ghozali 1) Yusuf Bilfaqih 2) Achmad Jazidie 3) 1) 2) 3) Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya Abstrak - Sebagian besar institusi pendidikan telah mengembangkan dan mengimplementasikan e-learning dalam kegiatan pembelajaran. Namun, sebagian besar pemanfaatan e-learning masih menitikberatkan pada penyampaian materi tanpa memperhatikan emosi pembelajar, padahal emosi memiliki pengaruh yang cukup besar pada proses pembelajaran. Suasana hati yang sedikit positif tidak hanya membuat seseorang merasa sedikit lebih baik, tetapi juga menginduksi pemikiran yang lebih baik. Oleh karena itu, sistem pengenalan emosi akademis secara otomatis diperlukan untuk mengetahui keadaan emosi pembelajar, agar proses pembelajaran menjadi lebih efektif. Ekspresi wajah merupakan hal yang paling kuat, alami dan cepat untuk menyampaikan emosi atau perasaan seseorang. Ekspresi wajah dapat dikenali berdasarkan perubahan ciri/fitur penting wajah seperti pada mata, alis dan mulut. Selanjutnya, jaringan syaraf tiruan akan mengenali ekspresi dengan membandingkan citra fitur wajah yang diambil dengan citra fitur wajah pada database. Berdasarkan hasil pengembangan dan pengujian sistem pengenalan emosi berdasarkan ekspresi wajah, didapatkan bahwa deteksi wajah berdasarkan warna kulit mampu mendeteksi area wajah dengan cukup baik. Selain itu, integral proyeksi juga mampu diimplementasikan untuk ekstraksi ciri/ fitur posisi wajah dengan cukup baik. Kata kunci : Personalisasi Sistem E-learning, Emosi Akademis, Ekspresi wajah, Jaringan Syaraf Tiruan. 1. PENDAHULUAN Dewasa ini, e-learning berkembang semakin pesat, dengan pembelajaran terpusat, menekankan teknologi pembelajaran pervasive dan personalisasi. Pembelajaran pervasive merupakan sistem pembelajaran yang mengacu pada pembelajaran di mana saja dan kapan saja, yang mana hal ini didukung dengan semakin berkembangnya teknologi komunikasi nirkabel. Selain itu, seharusnya e-learning tidak hanya memperhatikan hasil belajar pembelajar saja, namun juga mempertimbangkan kondisi personal pembelajar. Eksplorasi secara berkelanjutan dan semakin meningkat dari beberapa parameter kompleks seputar pembelajaran online, mengungkapkan pentingnya keadaan emosional pembelajar, terutama hubungan antara emosi dan pembelajaran yang efektif [1]. Telah ada beberapa penelitian yang membahas pengaruh emosi pada sistem e-learning. Shen et al, melakukan pengenalan emosi yang 1 berpengaruh terhadap pembelajaran dalam sistem e- learning secara otomatis berdasarkan gelombang otak [1]. Pekrun et al, melakukan penelitian untuk mengklasifikasi emosi akademis dalam beberapa dimensi serta meneliti pengaruh emosi terhadap motivasi belajar dan pengaturan diri pembelajar dalam belajar [2], [3]. Pengenalan ekspresi wajah merupakan salah satu cara untuk mengenali emosi akademis. Karena ekspresi wajah merupakan hal yang paling kuat, alami dan cepat untuk menyampaikan emosi atau perasaan seseorang. Beberapa penelitian menunjukkan bahwa keterkaitan antara ekspresi wajah dengan hal yang diucapkan oleh seseorang mempegaruhi pemahaman lawan bicara terhadap maksud yang disampaikan [4]. Karakteristik wajah yang tidak kaku (non-rigid) dan memiliki tingkat variabilitas yang tinggi dalam ukuran, bentuk, pose, warna dan tekstur merupakan permasalahan yang sering dihadapi dalam pengembangan sistem pengenalan ekspresi wajah. Facial Action Coding System (FACS) menyediakan metode yang paling sering digunakan untuk mengukur pergerakan wajah. Pada FACS, wajah dibagi menjadi 44 action unit (AU) tergantung pada lokasinya sebagaimana intensitasnya. Dari 44 AU yang didefinisikan, 30 AU berkaitan dengan anatomi wajah, yaitu 12 AU untuk bagian atas wajah dan 18 AU untuk bagian bawah wajah. AU dapat terjadi dari salah satu atau gabungan. Kombinasi AU digunakan untuk memodelkan masing-masing ekspresi. Pada penelitian ini, sistem pengenalan emosi akademis dirancang berdasarkan ekspresi wajah pembelajar. Jaringan syaraf tiruan digunakan untuk mengklasifikasi ciri/fitur penting wajah yang merepresentasikan ekspresi wajah secara otomatis, sehingga proses klasifikasi menjadi lebih fleksibel. 2. EMOSI AKADEMIS Emosi Akademis merupakan emosi yang secara langsung berkaitan dengan pembelajaran akademis, instruksi ruang kelas, dan prestasi (misalnya, kenikmatan dalam belajar, kebanggaan atas keberhasilan, atau kecemasan terkait ujian). Dengan pendefinisian emosi akademis yang dibahas, istilah akademis yang digunakan sebagaimana umumnya digunakan pada istilah
2 Tabel 1. Klasifikasi Emosi Akademis Fokus Obyek (Object Focus) Menaikkan (Activating) Positif (Positive) Menurunkan (Deactivating) Menaikkan (Activating) Negatif (Negative) Menurunkan (Deactivating) Fokus pada kegiatan (Activities-Focus) Nyaman (Enjoyment) Santai (Relaxation) Marah (Anger) Bosan (Boredom) Frustasi (Frustation) Fokus pada hasil (Outcome-Focus) Senang (Joy) Puas (Contentment) Cemas (Anxiety) Sedih (Sadness) Berharap (Hope) Lega (Relief) Malu (Shame) Kecewa (Disappointment) Bangga (Pride) Marah (Anger) Putus asa (Hopeless) Bersyukur (Gratitude) seperti motivasi akademis atau konsep-diri akademis. Dengan demikian, domain dari emosi akademis akan meliputi emosi prestasi pembelajar yang dialami di lingkungan sekolah atau universitas, tetapi di sisi lain emosi yang berhubungan dengan keberhasilan dan kegagalan juga tercakup, misalnya, emosi yang berhubungan dengan instruksi atau proses belajar [2]. Emosi akademis dapat diklasifikasikan dalam empat dimensi yang berbeda: (1) Valensi, yang mengacu pada apakah emosi yang baik atau tidak (yaitu, positif atau negatif); (2) aktivasi, yang menunjukkan apakah suatu emosi menaikkan atau menghambat semangat belajar (yaitu, menaikkan vs menurunkan); (3) objek-fokus, yang berarti apakah emosi yang muncul terkait dengan ujian, belajar, atau kegiatan yang berkaitan dengan tugas (yaitu, emosi yang terkait dengan aktifitas yang mengacu kepada tes atau untuk proses belajar), dan (4) acuan waktu yang disebut apakah emosi yang dialami sebelum, selama, atau setelah kegiatan atau peristiwa dalam pembelajaran [7]. 3. EMOSI AKADEMIS DAN STRATEGI PENGAJARAN Emosi akademis yang berbeda akan mempengaruhi aktivitas belajar dengan cara yang berbeda. Emosi akademis positif (kecuali lega) berkorelasi positif dengan strategi meta-kognitif, teliti, terorganisir dan berpikir kritis dan hal ini bermanfaat untuk strategi pembelajaran yang kreatif atau peraturan meta-kognitif yang fleksibel. Emosi akademis negatif berkorelasi negatif dengan strategi pembelajaran yang fleksibel, tetapi korelasi yang 2 rendah disebutkan dalam beberapa penelitian sebelumnya. Kemarahan, kegelisahan dan rasa bersalah berkorelasi positif dengan penerapan strategi mengulang, yaitu pembelajar dengan emosi negatif dapat menggunakan strategi yang lebih tegas, seperti strategi pengulangan materi yang telah didapat sebelumnya. Terlalu lega dan bosan akan membuat pembelajar malas secara psikologi dan kognisi, dan dapat menyebabkan konsentrasi dan daya pemrosesan informasi pembelajar menurun [1]. Kecemasan tes berkorelasi negatif dengan strategi meta-kognitif, yaitu, kecemasan tes dapat menghalangi aktivitas meta-kognitif [9]. Secara umum, emosi positif yang tepat sangat membantu untuk meningkatkan motivasi belajar pembelajar, meningkatkan aktivitas kognitif pembelajar dan meningkatkan efisiensi pembelajaran pada sistem e-learning. Oleh karena itu, saat pengajar menggunakan strategi pengajaran, emosi positif seharusnya ditingkatkan tetapi negatif emosi dapat diminimalkan. Beberapa strategi pengajaran dapat digunakan untuk meningkatkan rasa senang pembelajar saat proses pemelajaran, diantaranya : Pada emosi negatif yang menurunkan (bosan), e-learning dapat menggunakan strategi untuk menumbuhkan ketertarikan pembelajar dengan mengaitkan hobi pembelajar dengan materi pembelajaran. Misalnya, menyediakan permainan yang sesuai dengan hobi pembelajar namun tetap memiliki relevansi dengan materi pembelajaran. Pada emosi negatif yang menaikkan (cemas, marah, dan malu), sistem e-learning bisa memberikan arahan cara belajar secara tegas
3 kepada pembelajar. Hal ini dilakukan untuk membantu pembelajar untuk tetap berada pada ajur pembelajaran. Sedangkan pada emosi frustasi, sistem e-learning seharusnya memberikan arahan secara halus untuk membantu pembelajar memahami materi pembelajaran. Pada emosi positif yang menurunkan, sistem e- learning hanya perlu mengawasi jalannya kegiatan pembelajaran. Hal ini untuk mengantisipasi ketika terjadi perubahan pada emosi pembelajar. 4. DESAIN SISTEM Sistem pengenalan ekspresi secara umum terdiri dati 4 tahap, yaitu akusisi citra dari kamera video, deteksi wajah, ekstraksi ciri/ fitur penting wajah dan yang terakhir pengenalan ekspresi berdasarkan data ekstraksi fitur. Secara gererik, sistem pengenalan ekspresi wajah dapat dilihat pada gambar Deteksi Wajah Proses pendeteksi wajah digunakan untuk memisahkan citra wajah dengan latar belakang, sehingga obyek yang akan diproses dapat diminimalkan. Diagram alir proses deteksi wajah dapat dilihat pada Gambar 2. Pada proses deteksi wajah, warna kulit dijadikan acuan utama untuk mendapatkan daerah wajah. Warna kulit dicari dengan mencari selisih terkecil antara warna citra dengan rata-rata warna kulit. Pertama dilakukan konversi ruang warna citra dari red-green-blue (RGB) ke luminance-chromaticity red-chromaticity blue (YCrCb) untuk memisahkan intensitas dari warna merah dan biru. Hal ini dilakukan untuk menghilangkan pengaruh perubahan intensitas terhadap citra. Konversi warna dapat dilakukan berdasarkan persaaman (1), (2), dan (3). Y = 0.31R G B (1) Cr = (R Y) (2) Cb = (B Y) (3) Selanjutnya, dilakukan perhitungan selisih warna citra dengan intesitas (jarak) pada setiap lokasi Gambar 2. Diagram alir deteksi wajah dengan eucledian distance. Bila nilai jarak kurang dari thresholding, maka citra dianggap sebagai kulit. (4) dimana, dan adalah nilai rata-rata C r dan C b kulit pada berbagai kondisi pencahayaan setelah dinormalisasi dengan ditambah 100. Selanjutnya, dilakukan binerisasi citra berdasarkan nilai jarak dengan nilai batas (threshold) = 10. Kemudian dilakukan perhitungan intensitas piksel dengan metode integral proyeksi. Integral proyeksi merupakan salah satu teknik ekstraksi ciri pola gambar untuk mengetahui mengetahui intensitas piksel pada lokasi (x,y), sehingga ekstraksi ciri pola gambar dilakukan secara vertikal dan horisontal. Integral proyeksi vertical (IPF v (x)) dan integral proyeksi horizontal (IPF h (y)) dari suatu intensital I(x,y) pada interval [y 1,y 2 ] dan [x 1,x 2 ] dapat dijabarkan dalam persamaan (5) dan (6). Gambar 1. Skema Sistem Pengenalan Emosi Akademis 3 Gambar 3. Contoh grafik hasil integral proyeksi citra
4 Gambar 4. Diagram alir pencarian titik tengah mata dan alis, (5), (6) Sehingga akan didapatkan grafik hasil proyeksi citra seperti pada gambar 3. Selanjutnya, koordinat awal wajah (x 1, y 1 ) dan akhir wajah (x 2 ) dicari dengan metode iterasi berdasarkan perbedaan nilai proyeksi citra. Sedang untuk ordinat akhir wajah (y 2 ) dicari dengan persamaan (7). melakukan thresholding berdasarkan tingkat keabuan citra, pada penelitian ini iterasi thresholding didasarkan pada selisih antara nilai C r dan C b warna citra dengan nilai rata-rata C r dan C b pada warna kulit seperti pada proses deteksi wajah. Hal ini dilakukan untuk meminalisir pengaruh perubahan intensitas cahaya pada citra. Selanjutnya, pencarian titik hitam dilakukan berdasarkan pada hasil integral proyeksi dari citra wajah dengan batas (x 1, y 1 + ) hingga (x2, y1 + ) untuk meminimalisasi obyek citra yang akan diproses. Proses pencarian mata dapat dilihat di diagram alir pada gambar 4. Pada proses menentukan koordinat dua ujung mulut, integral proyeksi digunakan untuk mencari titik ordinat dari garis tengah di antara bibir. Untuk mencari titik absis dua unjung mulut, ada dua tahap yang perlu dilakukan. Pertama, deteksi tepi sobel dilakukan pada daerah sepertiga bagian bawah wajah. Kedua, dari hasil deteksi diiterasi untuk mencari daerah yang paling gelap dari sisi kiri dan kanan citra. Daerah tergelap tersebut merupakan ujung mulut karena pada saat deteksi tepi dilakukan, daerah sudut memiliki perubahan yang paling besar. 2. Ekstraksi Ciri/Fitur Bentuk Ciri/fitur bentuk yang global tidak sesuai untuk menjabarkan bentuk mulut. Oleh karena itu, untuk mengekstraksi ciri/fitur bentuk mulut, deteksi tepi digunakan untuk menormalisasi wajah untuk mendapatkan peta tepi. Selanjutnya, peta tersebut dibagi menjadi daerah 3x3 seperti pada gambar 5. Ukuran setiap daerah ditentukan sama dengan setengah dari jarak kedua mata. Ciri/ fitur bentuk mulut dihitung berdasarkan histogram bentuk daerah tepi pada daerah wajah. (7) 4.2 Ekstraksi Ciri/Fitur Wajah Fitur wajah yang berubah secara signifikan pada saat perubahan ekspresi wajah terdapat pada daerah mata, alis dan mulut [6]. Pada penelitian ini, tipe ciri/fitur wajah yang diekstraksi ada dua macam, yaitu fitur lokasi dan fitur bentuk. 1. Ekstraksi Ciri/ Fitur Lokasi Pada penelitian ini, ada enam fitur lokasi yang diekstraksi untuk pengenalan ekspresi wajah, yaitu dua titik tengah mata, dua ujung bagian dalam alis dan dua ujung mulut. Pendekatan ekstraksi ciri/fitur yang digunakan hampir sama dengan yang dilakukan oleh Tian et al [5]. Metode untuk menemukan titik tengah mata dan ujung bagian dalam alis pada wajah tepat menghadap ke kamera (frontal) yang digunakan adalah metode pencarian titik hitam pada hasil iterasi thresholding citra. Jika Tian et al [5], 4 Gambar 5. Fitur histogram. (a) Citra wajah. (b) Daerah tepi dari citra wajah. (c) Empat tingkat kuantisasi dari perhitungan histogram. (d) Grafik histogram daerah tengah mulut [6].
5 Gambar 6. Arsitektur jaringan syaraf tiruan 4.3 Pengenalan Ekspresi Wajah Pada pengenalan ekspresi wajah, jaringan syaraf tiruan digunakan sebagai metode untuk memklasifikasi ciri/fitur citra masukan dengan ciri/fitur pada database. Jaringan syaraf tiruan yang digunakan adalah metode backpropagation yang terdiri dari 9 unit masukan dan 2 unit lapisan output. Secara generik, arsitektur jaringan syaraf tiruan dapat dilihat pada gambar 6. Masukan yang digunakan untuk jaringan syaraf tiruan pada sistem yang dirancang adalah 5 perbandingan jarak antar fitur dengan lebar wajah (X 1, X 2, X 3, X 4, dan X 5 ) dan 4 nilai proyeksi dari ekstraksi ciri/fitur bentuk mulut (X 6, X 7, X 8, dan X 9 ). Jarak antar ciri/fitur yang dimaksud, yaitu dua jarak antara alis dengan mata, dua jarak antara mata dengan ujung mulut dan jarak antar mata. 5. HASIL DAN PEMBAHASAN 5.1. Pengujian Deteksi Wajah Seperti yang telah dijelaskan pada pembahasan sebelumnya, deteksi wajah berfungsi untuk memisahkan citra wajah dengan background, sehingga pada obyek citra yang akan diproses dapat diminimalkan. Deteksi wajah diharapkan mampu mendeteksi wajah yang warna kulit, bentuk dan ukuran bervariasi. Contoh hasil deteksi pengenalan wajah dapat dilihat pada gambar 7. Gambar 7. Contoh hasil deteksi wajah yang berhasil 5 Pengujian deteksi wajah telah dilakukan pada 15 orang mahasiswa jurusan Teknik Elektro ITS dengan beberapa variasi warna kulit, bentuk dan ukuran wajah. Sekitar lebih 86,67 % wajah dapat dideteksi untuk wajah frontal. Namun, ada beberapa pengujian yang kurang tepat dalam mendeteksi wajah. Hal ini disebabkan warna background relatif mendekati warna kulit atau memiliki warna biru atau merah yang relatif besar, sehingga jumlah nilai Cr dan Cb warna citra hampir sama dengan warna kulit Pengujian Ekstraksi Ciri/ Fitur Wajah Ekstraksi ciri / fitur penting wajah digunakan untuk mendapatkan jarak antar fitur wajah dan bentuk daerah mulut sebagai parameter dalam menentukan ekspresi wajah seseorang. Ekstrasi ciri/fitur dilakukan berdasarkan warna kulit dan nilai kerutan atau peta tepi dari daerah mulut. Gambar 9. Contoh hasil ekstraksi fitur posisi wajah Tabel 2. Hasil pengujian ekstraksi fitur wajah NO EMOSI L1 L2 L3 L4 L5 1 bosan3 18,54 18,54 74,36 68,15 35,32 2 bosan bosan bosan bosan bosan bosan9 14,68 14,68 60,89 76,13 46,04 8 bosan normal1 13,76 13,76 57,74 60,89 31,31 10 normal2 12,17 12,17 58,05 74,30 28,04 11 normal normal6 13,39 13,39 53,64 72,60 38,62 13 normal7 14,06 14,06 53,41 67,48 39,97 14 normal normal9 14,68 14,68 60,89 76,13 46,04
6 Gambar 9 menunjukkan contoh hasil ekstrasi ciri/fitur posisi mata, alis dan mulut. Hasil proses ekstrasi mata dan alis sudah cukup baik dalam mendapatkan jarak mata dan alis. Namun, untuk wajah dalam kondisi miring atau tidak frontal, ekstraksi ciri / fitur posisi mata dan alis masih kurang tepat dalam menentukan jarak mata dan alis. Dari hasil pengujian terhadap 15 mahasiswa elektro, ekstraksi ciri/fitur lokasi memiliki akurasi 46,67 %. 6. PENUTUP 6.1. Kesimpulan Pada deteksi wajah, format warna YCrCb merupakan format yang tepat untuk memodelkan warna kulit, karena pengaruh perubahan intensitas dapat diminimalisir dari warna citra. Selain itu, integral proyeksi dan Eucledian Distance juga cukup tepat pada pencarian koordinat pada deteksi wajah, dengan akurasi 86,67 %. Pada ekstraksi ciri/fitur wajah, integral proyeksi cukup tepat untuk mendeteksi posisi mata. Deteksi tepi dan integral proyeksi masih kurang tepat untuk mencari nilai koordinat ujung mulut,yaitu dengan akurasi 46,67 % Saran Saran- saran yang dapat disampaikan oleh penulis adalah sebagai berikut: 1. Penggunaan segmentasi bentuk mata, alis dalam mulut disamping jarak antar fitur sebagai parameter dalam pengenalan emosi. 2. Pengaplikasian metode Ekstraksi fitur wajah yang mampu mendapatkan bentuk dan jarak fitur wajah meskipun kondisi wajah miring. Hal ini disebabkan posisi wajah yang tidak selalu frontal pada saat pembelajar berada di depan komputer. 6. DAFTAR PUSTAKA [1] Shen, L., Wang, M., & Shen, R. Affective e- learning: Using Emotional Data to Improve Learning in Pervasive Learning Environment. Educational Technology & Society, 12 (2), [2] Pekrun, Reinhard, Goetz, Thomas & Titz, Wolfram, Academic Emotions in Student s Self-Regulated Learning and Achievement: A Program of Qualitative and Quantitative Research, Educational Psychologist, 37 (2), , [3] Schutz, Paul A. & Pekrun, Reinhard, Emotion in Education, Academic Press is an imprit of Elsevier, Ch. 2, [4] Tian, Ying-li, Kanade, Takeo, & Cohn, Jeffrey F. Recognizing Action Units for Facial Expression Analysis. IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol. 23, No [5] Tian, Ying-li, Brown, Lisa, Hampapur, Arun, Pankati, Sharat, Senior, Andrew & Bolle, Ruud, Real World Real-time Automatic Recognition of Facial Expressions, IBM Research Report, PETS, [6] Riyanto Sigit, Setiawardhana, Dadet Pramadihanto. Sistem Pengenalan Ekspresi Wajah Secara Real Time Menggunakan JaringanSyaraf Tiruan. Industrial Electronic Seminar [7] Bernardo, A.B.I., Ouano, J.A., Salanga, M.G.C. What is an Academic Emotion? Insights from Filipino Bilingual Students Emotion Words Associated with Learning. National Academy of Psychology (NAOP) India Psychological Studies 54: [8] Ratliff, Matthew S., Patterson, Eric. Emotion Recognition Using Facial Expressions With Active Appearance Models. Proceedings of the IASTED International Conference on Human-Computer Interface, Innsbruck, Austria [9] Haiyan, Liu & Xianhua, Yang, Academic Emotions and Its Teaching Strategies in CAI, First International Workshop on Education Technology and Computer Science, RIWAYAT HIDUP Much. Sukri Ghozali lahir di Sidoarjo pada tanggal 05 Maret 1987, merupakan putra kedua dari empat bersaudara dari pasangan Asmadi dan Masrukhah. Pendidikan dasar dilaksanakan di MI. Miftahul Huda Puri Mojokerto. Selanjutnya pada tahun 1999 mengenyam pendidikan menengah di SLTP Negeri 1 Mojoanyar Mojokerto dan SMA Negeri 1 Puri Mojokerto. Pada tahun 2005 melanjutkan ke jenjang strata 1 di Jurusan Teknik Elektro, FTI-ITS dan pada tahun 2010 mengikuti seminar dan ujian lisan tugas akhir di bidang Teknik Sistem Pengaturan, Jurusan Teknik Elektro, FTI-ITS. shu_crigo@yahoo.com
INDIKATOR MUSIK MELALUI EKSPRESI WAJAH
INDIKATOR MUSIK MELALUI EKSPRESI WAJAH Riyanto Sigit, Achmad Basuki Politeknik Elektronika Negeri Surabaya Kampus ITS Keputih Sukolilo Surabaya 60111, Indonesia Tel:+62-31-5947280 Fax:+62-31-5946114; E-mail:riyanto@eepis-its.edu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciHUBUNGAN ACHIEVEMENT EMOTIONS DAN SELF-REGULATION MAHASISWA DALAM MENGERJAKAN SKRIPSI LIDYA KEMALA SARI PANJAITAN SURYA CAHYADI
HUBUNGAN ACHIEVEMENT EMOTIONS DAN SELF-REGULATION MAHASISWA DALAM MENGERJAKAN SKRIPSI LIDYA KEMALA SARI PANJAITAN SURYA CAHYADI ABSTRAK Pengerjaan skripsi adalah hal yang harus dilalui mahasiswa sebagai
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
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 terperinciROBOT CERDAS PEMADAM API MENGGUNAKAN PROYEKSI INTEGRAL
ROBOT CERDAS PEMADAM API MENGGUNAKAN PROYEKSI INTEGRAL Setiawardhana, Riyanto Sigit, Dadet Pramadihanto Politeknik Elektronika Negeri Surabaya Kampus ITS Keputih Sukolilo Surabaya 60111, Indonesia Tel:+62-31-5947280
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciHUBUNGAN SUBJECTIVE VALUE DENGAN EMOSI DALAM PENYUSUNAN SKRIPSI PADA MAHASISWA UNIVERSITAS PADJADJARAN
HUBUNGAN SUBJECTIVE VALUE DENGAN EMOSI DALAM PENYUSUNAN SKRIPSI PADA MAHASISWA UNIVERSITAS PADJADJARAN KARINA DELICIA BUDIONO SURYA CAHYADI ABSTRAK Penyusunan skripsi merupakan aktivitas yang harus dilakukan
Lebih terperinciImplementasi VB 6.0 pada Face Detection Berbasis Image Processing untuk Sistem Identifikasi
JURNAL FISIKA DAN APLIKASINYA VOLUME 3, NOMOR 2 JUNI 2007 Implementasi VB 6.0 pada Face Detection Berbasis Image Processing untuk Sistem Identifikasi Millatul Maziyah dan Andy Noortjahja Jurusan Fisika,
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAAN METODE TEMPLATE MATCHING 1 Yunifa Miftachul Arif, 2 Achmad Sabar 1 Jurusan Teknik Informatika, Fakultas Saintek, UIN Maulana Malik Ibrahim Malang 2 Jurusan Sistem Komputer,
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 TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciPENGARUH PROSES DOWNSAMPLE PADA KINERJA PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION
PENGARUH PROSES DOWNSAMPLE PADA KINERJA PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION Budi Nugroho 1), Intan Yuniar Purbasari 2) 1) Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan
BAB I PENDAHULUAN 1.1 Latar Belakang Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan perangkat elektronik. Identifikasi tersebut perlu dilakukan untuk menunjang sistem peresensi, keamanan,
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciKLASIFIKASI KELOMPOK USIA BERDASARKAN CIRI WAJAH PADA SISTEM PENGENALAN WAJAH
KLASIFIKASI KELOMPOK USIA BERDASARKAN CIRI WAJAH PADA SISTEM PENGENALAN WAJAH 1 Dewi Agushinta R, 2 Karmilasari, 3 Suranto Eko S. 1, 2 Jurusan Sistem Informasi, 3 Jurusan Teknik Informatika Universitas
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 terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bidang animasi, motion capture adalah salah satu cara yang dipakai para
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam bidang animasi, motion capture adalah salah satu cara yang dipakai para kreator animasi untuk mengambil gerakan yang dapat diterapkan dalam pembuatan animasi,
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciPENDETEKSIAN HALANGAN PADA ROBOT CERDAS PEMADAM API MENGGUNAKAN KAMERA DENGAN INTEGRAL PROYEKSI
PENDETEKSIAN HALANGAN PADA ROBOT CERDAS PEMADAM API MENGGUNAKAN KAMERA DENGAN INTEGRAL PROYEKSI Setiawardhana 1), Nana Ramadijanti 2), Rizky Yuniar Hakkun 3), Aji Seto Arifianto 4) 1,2,3) Dosen Jurusan
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 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 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 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 terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciDeteksi Gerak Otot Frontalis Berbasis Citra 3 Dimensi Menggunakan Gray Level Co-Occurrence Matrix
KINETIK, Vol.1, No.2, Agustus 2016, Hal. 55-62 ISSN : 2503-2259, E-ISSN : 2503-2267 55 Deteksi Gerak Otot Frontalis Berbasis Citra 3 Dimensi Menggunakan Gray Level Co-Occurrence Matrix Hardianto Wibowo
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
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 terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih 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 terperinciDeteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri
Thresholding Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri Deteksi Warna Mendeteksi adanya warna-warna tertentu Menentukan posisi pixel dengan warna yang ditentukan Aplikasi: Deteksi rambu-rambu
Lebih terperinciCb Cb. jarak = x = w b. SNR(dB) = log( I N ) (1) (y y k) 2 n MSE = Y = 0.59G R B Cr = (R Y ) (3) Cb = 0.
JURNAL FISIKA DAN APLIKASINYA VOLUME 3, NOMOR 2 JUNI 2007 Implementasi VB 6.0 pada face detection Berbasis image processing untuk Sistem Identikasi Millatul Maziyah dan Andy Noortjahja Jurusan Fisika,
Lebih terperinciBAB III PERANCANGAN PERANGKAT LUNAK
BAB III PERANCANGAN PERANGKAT LUNAK 3.1. Sistem Pendeteksi Senyum Sistem pendeteksi senyum dalam skripsi ini dibuat dengan membandingkan tiga buah metode, yaitu Harris Corner Detection, Edge Based Corner
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciDETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING
DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang
Lebih terperinciABSTRAK. Aplikasi Metode Viola Jones dan Eigenface Untuk Pengenalan Ekspresi Wajah Manusia
ABSTRAK Aplikasi Metode Viola Jones dan Eigenface Untuk Pengenalan Ekspresi Wajah Manusia Disusun Oleh : Ayu Maulidya (1122065) Program Studi Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri,
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
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 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 terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciBAB 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 terperinciPENGEMBANGAN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDI KASUS PADA DATABASE MUG)
PENGEMBANGAN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDI KASUS PADA DATABASE MUG) Zaenal Abidin Jurusan Matematika Universitas Negeri Semarang Kampus Sekaran
Lebih terperinciDeteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna
Deteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna Iping Supriana 1) Yoseph Suryadharma 2) 1) Program Studi Teknik Informatika Institut Teknologi Bandung email: iping@informatika.org
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBulu mata. Generalisasi= Jumlah pola dikenali dengan benar x 100% Jumlah total pola
Generalisasi Hasil penelitian ini diukur menggunakan nilai konvergen dan generalisasi. Nilai konvergen adalah tingkat kecepatan jaringan untuk mempelajari pola input yang dinyatakan dalam satuan iterasi
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
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 terperinciTRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW
TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinciKlasifikasi kelompok usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan
Klasifikasi kelompok usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan Nur Hayatin Teknik Informatika, Universitas Muhammadiyah Malang
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 terperinciPenghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi
Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBAB III METODE PENELITIAN. Perpustakaan merupakan suatu tempat menyimpan koleksi baik berupa
BAB III METODE PENELITIAN 3.1. Analisis Permasalahan Perpustakaan merupakan suatu tempat menyimpan koleksi baik berupa buku, majalah dan koleksi lainnya yang dikelola oleh suatu institusi maupun kota.
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 terperinci1. BAB I PENDAHULUAN Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang kwh-meter merupakan alat yang digunakan untuk mengukur besarnya pemakaian energi listrik pada suatu bangunan atau gedung [1]. Berdasarkan sistem pembayarannya,
Lebih terperinciBAB I PENDAHULUAN. penelitian di dunia pendidikan. Dilaporkan sekitar 25-60% mahasiswa drop-out
BAB I PENDAHULUAN 1.1 Latar Belakang Pada tahun 1980, Student Engagement menjadi topik hangat dalam penelitian di dunia pendidikan. Dilaporkan sekitar 25-60% mahasiswa drop-out dikarenakan merasa bosan
Lebih terperinciPengenalan Ekspresi Wajah Berdasarkan Bentuk dan Tekstur
Pengenalan Ekspresi Wajah Berdasarkan Bentuk dan Tekstur Pangondian Marhutala Sinaga dan Rully Soelaiman, M.Kom, Teknik Informatika, Fakultas Teknologi Informasi, ITS, Surabaya Email : pangondianmsinaga@yahoo.com
Lebih terperinciPENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW
PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW Reza Umami 1*, Irawan Hadi 1, Irma Salamah 1 1 Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi
Lebih terperinciPENENTUAN THRESHOLD CITRA MULUT DENGAN METODE NORMAL PROBABILITY DENSITY FUNCTION (NPDF) GUNA MENDETEKSI MULUT PEMELAJAR
ISSN cetak 087-76 ISSN online 548-777 ILKOM Jurnal Ilmiah Volume Nomor Agustus 07 PENENTUAN THRESHOLD CITRA MULUT DENGAN METODE NORMAL PROBABILITY DENSITY FUNCTION (NPDF) GUNA MENDETEKSI MULUT PEMELAJAR
Lebih terperinciKONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR
KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR Thiang, Felix Pasila, Agus Widian Electrical Engineering Department, Petra Christian University 121-131 Siwalankerto,
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciSISTEM PENDETEKSI SENYUM BERDASARKAN METODE EDGE DETECTION, HISTOGRAM EQUALIZATION, DAN NEAREST NEIGHBOR
SISTEM PENDETEKSI SENYUM BERDASARKAN METODE EDGE DETECTION, HISTOGRAM EQUALIZATION, DAN NEAREST NEIGHBOR Eduard Royce, Ivanna K. Timotius, Iwan Setyawan SISTEM PENDETEKSI SENYUM BERDASARKAN METODE EDGE
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciPENJEJAKAN POSISI BOLA PADA MODUL PHYCORE IMX31 MENGGUNAKAN EMBEDDED OPENCV
PENJEJAKAN POSISI BOLA PADA MODUL PHYCORE IMX31 MENGGUNAKAN EMBEDDED OPENCV Aditya Pratama 1, Bima Sena Bayu. D 2, Setiawardhana 2 1 Mahasiswa D4 Teknik Komputer, 2 Dosen Teknik Komputer Politeknik Elektronika
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 terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Deteksi kulit manusia berperan penting dan digunakan secara luas sebagai langkah awal pada aplikasi pengolahan citra seperti gesture analysis, content based
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciDatabase Ekspresi Wajah Perempuan Indonesia Berbasis 2D untuk Pengenalan Emosi
Tugas Akhir Database Ekspresi Wajah Perempuan Indonesia Berbasis 2D untuk Pengenalan Emosi Oleh : Dwi Angga Y. 2210106042 Pembimbing : I. Dr. Surya Sumpeno, ST., M.Sc. II. Muhtadin, ST., MT. Halaman 1
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 terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciYOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
Lebih terperinciSistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera
Sistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera Sandy Prayogi, Eru Puspi,ST, M.Kom, Ronny Susetyoko S.Si, M.Si # Jurusan Teknik Elektronika, Politeknik
Lebih terperinci