BAB 2 LANDASAN TEORI. Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola
|
|
- Yenny Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 7 BAB 2 LANDASAN TEORI Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola pikir dari penulis. Sebagai kerangka teori, penulis menyajikan sejumlah teori yang relevan dengan penulisan skripsi ini. Kerangka teori ini disajikan urut sejalan dengan permasalahan yang dibahas pada skripsi ini. Selain kerangka teori, pada bagian ini juga disajikan pola pikir dari penulis. Diharapkan dengan disajikannya pola pikir ini, pembaca dapat memahami hubungan antara permasalahan yang dihadapi dengan teoriteori yang dikemukan pada bagian ini. 2.1 Pengenalan Pola Pengenalan pola merupakan sebuah metode yang telah lama ada dan terus berkembang hingga saat ini. Pengenalan pola tradisional masih berbasis pada kemampuan alat indera manusia. Manusia mampu mengingat suatu informasi pola secara menyeluruh hanya dengan berdasarkan sebagian informasi yang tersimpan dalam ingatannya. Sebagai contoh, dengan hanya mendengar sebagian lagu, dapat membuat kita mengingat seluruh lagu. Pengenalan pola adalah kemampuan manusia untuk mengenali obyek-obyek berdasarkan ciri-ciri dan pengetahuan yang pernah diamatinya dari obyek tersebut. Tujuan dari pengenalan pola ini adalah mengklasifikasi dan mendeskripsikan pola atau obyek kompleks berdasarkan ciri-cirinya.
2 8 Saat ini, komputer telah memiliki sistem intelejen visual, yang membuat dirinya dapat melihat dan mengenali sebuah obyek. Untuk dapat mengenali sebuah obyek komputer harus melakukan pengolahan citra dan pengenalan pola. Pengolahan citra digunakan untuk mendapatkan citra dengan kualitas yang baik, sementara pengenalan pola berfungsi agar komputer dapat mengenali citra tersebut. Dalam pengenalan pola, kita bisa membagi keseluruhan proses menjadi tiga tahap yaitu: a. Perolehan data (data acquisition), yaitu tahap saat data analog akan dilewatkan pada penerjemah yang akan membuatnya menjadi format digital untuk diproses oleh komputer. b. Pengolahan data (data preprocessing), yaitu tahap saat data digital yang diperoleh dari tahap sebelumnya diekstraksi karakteristiknya dan kemudian karakteristik tersebut menjadi data output. c. Pengklasifikasian keputusan (decision classification), yaitu tahap saat karakteristik yang diperoleh pada tahap sebelumnya, digunakan untuk mengklasifikasikan obyek. Gambar 2.1 Representasi Konseptual dari Sistem Pengenalan Pola
3 9 Dalam pengenalan pola, banyak sekali metode yang bisa digunakan dan tidak ada suatu metode yang bisa dikatakan paling tepat. Metode terbaik yang digunakan untuk mengenali suatu pola, berbeda-beda tergantung obyek yang diteliti. Namun demikian, pendekatan pengenalan pola yang saat ini sedang berkembang adalah dengan menggunakan jaringan syaraf tiruan. Jadi dapat kita simpulkan bahwa pengenalan pola adalah suatu proses untuk mengenali sebuah obyek dengan berbagai metode, dan dalam proses pengenalannya harus memiliki tingkat akurasi yang tinggi. Adapun tingkat akurasi yang tinggi ini, berarti bahwa suatu metode pengenalan pola yang diaplikasikan pada komputer harus mampu mengenali, meskipun pola tersebut secara manual sulit untuk dikenali oleh manusia. Hal inilah yang mendorong perkembangan berbagai teknologi biometrik saat ini. 2.2 Biometrik Biometrik merupakan ilmu matematika terapan yang bertujuan untuk mengindentifikasi individu berdasarkan karakteristik atau pola yang dimiliki oleh individu tersebut, misalnya sidik jari, suara, wajah, iris mata, dan struktur DNA. Sidik jari merupakan salah satu pola yang sering digunakan untuk mengindentifikasi indentitas seseorang karena polanya yang unik dan akurat bila dibandingkan dengan sistem biometrik yang lainnya. Sistem biometrik saat ini berkembang ke dalam berbagai bidang. Salah satunya adalah untuk kepolisian yaitu guna mengidentifikasi pelaku pelaku kejahatan. Sistem biometrik juga banyak digunakan oleh masyarakat umum, yaitu untuk berbagai macam aplikasi antara lain seperti:
4 10 a. Sistem akses keamanan, yaitu akses masuk ke suatu area atau ruangan tertentu yang memiliki hak akses terbatas.. b. Sistem autentifikasi, yaitu akses ke suatu data yang sifatnya rahasia dan terbatas. 2.3 Sidik Jari Sidik jari adalah suatu hal yang unik yang diberikan oleh Tuhan untuk setiap manusia. Sidik jari setiap orang akan berbeda dan tidak pernah sama. Hal ini membuat sidik jari seringkali digunakan dalam teknologi biometrik. Keunggulan lain dari sidik jari adalah kepraktisannya dan ketahanannya. Suatu pola sidik jari normal terdiri dari garis garis dan spasi. Garis garis ini dinamakan ridge sedangkan spasi di antara dua garis dinamakan valley. Valley sering juga disebut furrow. Melalui pola dari ridge dan furrow inilah sebuah sidik jari yang unik disesuaikan untuk diidentifikasi. Ciri yang unik dari sidik jari ini dinamakan "minutiae. Sidik jari tidak dibedakan dari ridge dan furrow-nya, tetapi dibedakan dari minutiae. Minutiae ini terdiri dari ending, core, dan bifurcation. Ending adalah bagian ujung/akhir dari sebuah ridge, bifurcation adalah bagian percabangan dari ridge, sementara core adalah titik pusat dari sidik jari. Gambar 2.2 Ridge Ending dan Bifurcation
5 Klasifikasi Sidik Jari Untuk mengembangkan suatu sistem aplikasi yang menyimpan database citra sidik jari yang relatif banyak, maka pengklasifikasian sidik jari menjadi suatu hal yang sangat penting. Sidik jari perlu diklasifikasikan agar proses pencarian dan identifikasi menjadi lebih cepat. (a) Twin Loop (b) Whorl (c) Right Loop (d) Left Loop (e) Arch (f) Tented Arch Gambar 2.3 Klasifikasi Sidik Jari Umumnya sebuah sidik jari diklasifikasikan berdasarkan pola alur garis, orientasi garis lokal, dan minutiae. FBI mengklasifikasikan sidik jari berdasarkan pola alur garis menjadi enam kategori, yaitu twin loop, whorl, right loop, left loop, arch, dan tented arch.
6 Pengenalan Sidik Jari Dalam proses pengenalan sidik jari, ada dua macam pendekatan yang dapat digunakan. Pendakatan pertama menggunakan minutiae sebagai pola dan karakteristik dari sidik jari. Citra sidik jari akan diekstraksi minutiae-nya dan kemudian pola-polanya akan digunakan untuk melakukan pengenalan pola. Pendekatan lainnya adalah dengan menggunakan metode gambar. Citra digital sidik jari, dianggap sebagai suatu kesatuan gambar, yang kemudian diekstraksi ciri-cirinya dengan menggunakan metode tertentu. Hasil dari ekstraksi ciri tersebut, akan digunakan untuk melakukan pengenalan pola. Dengan mengganggap citra sidik jari sebagai suatu kesatuan citra, maka citra sidik jari tersebut juga bisa didekomposisi, sehingga ukuran dokumen dari citra sidik jari dapat menjadi lebih kecil. Hal ini sangat berguna, apabila sistem yang dibuat akan menampung basis data citra sidik jari dalam jumlah yang besar. Penelitian ini menggunakan pendekatan kedua, yaitu dengan menganggap citra sidik jari sebagai suatu kesatuan gambar, yang kemudian diekstraksi cirinya dengan menggunakan metode Transformasi Wavelet. 2.4 Citra Digital Citra merupakan istilah lain untuk gambar. Kata citra lebih banyak digunakan pada materi yang berkaitan dengan konseptual dan teknis, sementara kata gambar digunakan jika mengacu pada objek yang dibicarakan dalam kehidupan sehari hari. Citra adalah gambar pada bidang dwimatra (dua dimensi) yang memiliki sumbu x dan sumbu y.
7 13 Dalam tahapan pengenalan pola, data analog sebuah citra harus diubah melalui penerjemah menjadi citra digital. Citra digital adalah representasi dari sebuah citra yang disimpan dalam bentuk array dua dimensi, dan setiap array-nya akan menyimpan nilai warna dan intensitas pencahayaan. Untuk mengubah citra analog menjadi citra digital, kita bisa menggunakan beberapa alat seperti, kamera digital dan scanner. Satuan terkecil dari suatu citra disebut piksel (picture element/pixel/pel) yang berarti element citra. Citra dibentuk dari kotak-kotak persegi yang teratur sehingga jarak horizontal dan vertikal antara piksel adalah sama pada seluruh bagian citra. setiap piksel diwakili oleh bilangan bulat (integer) untuk menunjukkan lokasinya dalam bidang citra. Sebuah bilangan bulat juga digunakan untuk menunjukkan cahaya atau keadaan terang gelap piksel tersebut. (x,y) m kolom n baris Gambar 2.4 Sistem Koordinat pada Citra Digital Untuk menunjukkan lokasi piksel, koordinat (0,0) berfungsi untuk menunjukkan posisi sudut kiri atas pada citra, indeks x bergerak ke kanan dan indeks y bergerak ke
8 14 bawah. Koordinat (m-1, n-1) digunakan untuk menunjukkan posisi kanan bawah dalam citra berukuran m x n piksel. Untuk menunjukkan tingkat pencahayaan suatu piksel, digunakan bilangan bulat yang besarnya 8 bit (1 byte) untuk setiap piksel, dengan lebar selang antara 0 255, di mana 0 untuk warna hitam, 255 untuk warna putih dan tingkat keabuan ditandai dengan nilai di antara Jenis Citra Digital Citra digital dapat dikelompokan menjadi tiga menurut jumlah tingkat kuantisasi dan warnanya, yaitu: a. Citra biner (binary image), yaitu citra di mana setiap pikselnya hanya memiliki dua kemungkinan warna yaitu hitam dan putih atau 0 dan 1. b. Citra keabuan (grayscale), yaitu citra yang memiliki tingkat kuantisasi lebih dari dua. c. Citra warna (true color), yaitu citra yang setiap pixelnya selain memiliki nilai tingkat kuantisasi juga memiliki nilai warna. Citra warna memiliki komponen RGB (Red, Green, dan Blue) Selain pengelompokan berdasarkan jumlah tingkat kuantisasi dan warnanya, sebuah citra digital juga bisa dikelompokan menjadi: a. Citra raster, yaitu citra yang disimpan dalam bentuk array dari piksel. Pada citra raster, banyaknya kemungkinan warna dalam satu piksel disebut dengan sebutan kedalaman warna (colour depth).
9 b. Citra vektor, yaitu citra yang disimpan dalam bentuk geometri, seperti garis, lengkung dan berbagai bentuk geometri lainnya Citra Warna/True Color Setiap citra warna, memiliki piksel yang terdiri dari tiga warna yang spesifik, yaitu merah, hijau dan biru. Format citra ini disebut dengan citra RGB(Red, Green, Blue). Setiap warna dasar memiliki intensitasnya sendiri dengan nilai maksimum 255 (8 bit) dan nilai minimum 0. Sebagai contoh, warna kuning merupakan kombinasi warna merah dengan nilai 255 dan warna hijau 255, sehingga kombinasi RGB-nya adalah Dari contoh di atas, dapat kita lihat bahwa sebuah piksel dari citra warna akan membutuhkan ukuran data 3 byte. Jumlah kombinasi warna yang mungkin dari sebuah citra warna adalah 2 24 atau lebih dari 16 juta warna. Hal inilah yang membuat citra warna disebut dengan istilah true color, karena dianggap telah mencakup seluruh warna yang ada Citra Keabuan/Grayscale Seperti telah dijelaskan di atas, citra dapat terbagi menjadi tiga, yaitu citra warna (true color), citra keabuan, dan citra biner. Citra biner adalah citra yang hanya memiliki dua jenis warna yaitu hitam dan putih. Berbeda dengan citra biner, citra keabuan memiliki kemungkinan warna yang lebih banyak daripada citra biner. Banyaknya kemungkinan warna pada citra keabuan bergantung pada jumlah bit yang digunakan. Sebagai contoh, jika suatu citra memiliki nilai 4 bit, maka kemungkinannya adalah 2 4 = 16 warna. Format citra ini
10 16 disebut sebagai skala keabuan, karena nilai minimum yang dimilikinya adalah warna hitam, nilai maksimumnya adalah warna putih, dan nilai di antaranya adalah warna abu-abu. = = = = Gambar 2.5 Matriks 2D Citra Keabuan Pengolahan Citra Digital Image Processing atau sering juga disebut pengolahan citra bertujuan untuk memperbaiki kualitas citra agar lebih mudah diinterpretasi oleh manusia atau komputer. Agar dapat diolah dengan komputer, maka suatu citra harus direpresentasikan secara numerik dengan nilai nilai diskrit. Representasi citra dari fungsi malar (kontinu) menjadi nilai nilai diskrit disebut digitalisasi. Citra yang dihasilkan inilah yang disebut citra digital (digital image). Pengolahan citra merupakan suatu proses yang mana masukannya adalah citra dan keluarnya juga citra. Citra Masukkan Pengolahan Citra Citra Hasil Gambar 2.6 Representasi dari Sistem Pengolahan Citra
11 17 Untuk meningkatkan mutu suatu citra, kita harus mengeliminasi noise yang tidak diinginkan dari citra tersebut. Selain itu kita juga harus menjaga detail yang tetap ingin ditampilkan pada citra. Noise pada suatu citra digital bisa disebabkan oleh beberapa hal, seperti citra analog yang telah memiliki noise, noise yang disebabkan oleh penerjemah (transducer), dan berbagai kemungkinan lainnya. Noise ini haruslah dihilangkan untuk menghasilkan citra yang lebih baik. Ada banyak metode yang dapat digunakan untuk meningkatkan mutu suatu citra. Beberapa di antaranya adalah sebagai berikut: a. Perataan histogram. Histogram citra adalah suatu grafik yang menyajikan distribusi warna dari suatu citra digital. Histogram tersebut akan menyajikan banyaknya piksel untuk setiap warna yang ada pada citra. Dengan melakukan perataan histogram, maka kita akan mendapatkan citra dengan daerah tingkat keabuan yang sesuai. b. Penapisan. Penapisan atau filtering adalah suatu tahap untuk menahan suatu frekuensi spasial dari suatu citra. Filtering bisa dilakukan dengan menentukan nilai insensitas suatu piksel berdasarkan nilai intensitas piksel-piksel di sekitarnya. Untuk meningkatkan mutu citra dengan mengurangi noise, kita bisa menggunakan dua jenis filter yaitu low pass filter dan high pass filter. Low pass filter mempunyai efek perataan warna keabuan, sehingga gambar yang diperoleh akan tampak agak kabur kontrasnya, sedangkan high pass filter berfungsi sebaliknya. Filter tersebut akan menyalurkan
12 18 dan memperkuat komponen frekuensi tinggi dari suatu citra, sehingga mempertajam garis batas antar obyek. c. Thresholding. Thresholding adalah suatu metode untuk mengubah citra digital menjadi citra biner, yaitu citra dengan dua warna. Proses ini juga akan membantu untuk menghilangkan noise pada citra. Untuk melakukan thresholding, kita membutuhkan nilai ambang (threshold value). Nilai ambang ini digunakan sebagai penentu apakah suatu piksel akan diubah menjadi warna putih atau menjadi warna hitam. Jika nilai piksel lebih besar dari nilai ambang, piksel tersebut akan diubah menjadi warna putih, sebaliknya akan menjadi warna hitam. Sampai saat ini tidak ada aturan yang pasti mengenai nilai ambang. Kita dapat mengubah nilai ambang sesuai dengan kebutuhan kita agar memperoleh citra yang baik. Namun demikian ada salah satu metode yang berfungsi untuk menentukan nilai ambang, yaitu adaptive threshold. Untuk menggunakan metode ini, kita harus menjumlahkan seluruh nilai piksel yang ada pada citra, dan kemudian membaginya dengan luas dari citra. Hasil dari perhitungan tersebut dapat digunakan sebagai nilai ambang. 2.5 Wavelet Transformasi Wavelet merupakan metode yang biasa digunakan untuk menyajikan data, fungsi atau operator ke dalam komponen-komponen frekuensi yang berlainan, dan kemudian mengkaji setiap komponen dengan suatu resolusi yang
13 sesuai dengan skalanya. Transformasi Wavelet mempunyai kemampuan membawa keluar ciri-ciri/karakteristik khusus dari citra yang diteliti Transformasi Wavelet Diskrit Transformasi merupakan suatu proses untuk mengubah suatu data ke dalam bentuk lain agar lebih mudah untuk dianalisis. Sebagai contoh, Transformasi Fourier merupakan suatu proses untuk mengubah data ke dalam beberapa gelombang kosinus yang berfrekuensi berbeda. Jadi Transformasi Wavelet adalah proses pengubahan sinyal ke dalam berbagai Wavelet basis dengan berbagai fungsi pergeseran dan penyekalaan. Transformasi Wavelet Diskrit merupakan pentransformasian sinyal diskrit menjadi keofisien-koefisien Wavelet yang diperoleh dengan cara menapis sinyal dengan menggunakan dua buah tapis yang berlawanan. Kedua tapis tersebut adalah : a. Tapis perataan atau penyekalan atau disebut juga dengan tapis lolos rendah (low pass filter). b. Tapis detil atau tapis lolos tinggi (high pass filter). Pada tahap pertama, sinyal dilewatkan pada rangkain filter high-pass dan low-pass, kemudian setengah dari masing-masing keluaran diambil sebagai sample melalui operasi sub-sampling. Proses ini disebut sebagai proses dekomposisi satu tingkat. Keluaran dari filter low-pass digunakan sebagai masukan di proses dekomposisi tingkat berikutnya. Proses ini diulang sampai tingkat proses dekomposisi yang diinginkan. Gabungan dari keluaran-keluaran
14 20 filter high-pass dan satu keluaran filter low-pass yang terakhir, disebut sebagai koefisien Wavelet, yang berisi informasi sinyal hasil Transformasi yang telah terkompresi. Jadi secara umum dapat kita simpulkan bahwa Transformasi Wavelet Diskrit adalah proses dekomposisi citra pada frekuensi sub-band dari citra tersebut, di mana komponen sub-band tersebut dihasilkan dengan cara menurunkan level dekomposisi. Gambar 2.7 Dekomposisi Wavelet Diskrit pada Sinyal Satu Dimensi Output filter yang memiliki respon impulse h(n) dan input x(n) adalah: sehingga output dari LPF dan HPF setelah downsampling adalah:
15 21 Di mana g(n) dan h(n) adalah respon impulse dari HPF dan LPF. Dalam dekomposisi Wavelet, level maksimum ditentukan dengan persamaan sebagai berikut: Pada Transformasi Wavelet diskrit, terdapat beberapa jenis basis induk Wavelet, seperti Wavelet haar dan Wavelet Daubechies. Wavelet Haar adalah jenis Wavelet yang pertama kali dikenal. Wavelet ini juga merupakan jenis Wavelet yang paling sederhana. Adapun fungsi dari Wavelet Haar adalah sebagai berikut: Selain itu, fungsi skala dari Wavelet Haar adalah sebagai berikut: Pada Wavelet Daubechies, terdapat empat fungsi skala, yaitu:
16 22 Dari empat fungsi skala tersebut, koefisien fungsi Wavelet-nya adalah, g0=h3, g1=-h2, g2=h1, dan g3=-h0. Setiap langkah dari proses Transformasi Wavelet, akan menggunakan fungsi tersebut. Jika data input memiliki nilai N, maka fungsi Wavelet akan digunakan untuk menghitung dan menghasilkan N/2 output. Dari fungsi-fungsi di atas, dapat kita rangkumkan fungsi skala dari Wavelet Daubechies adalah: Sementara fungsi umum Wavelet Daubechies adalah: Penelitian ini menggunakan basis Wavelet jenis Haar atau sering juga disebut dengan D2 (Daubechies 2) Transformasi Wavelet Dua Dimensi Data citra merupakan data yang berbentuk array dua dimensi, yang berisi informasi tentang warna dan intensitas pencahayaan dari suatu piksel. Gambar 2.8 Algoritma Transformasi Wavelet Diskrit Dua Dimensi
17 23 Untuk mentransformasikan data dua dimensi dengan menggunakan metode Wavelet, digunakan Transformasi Wavelet dua dimensi. Transformasi Wavelet dua dimensi merupakan pengeneralisasian Transformasi Wavelet pada ruang satu dimensi, yang algoritmanya dapat dilihat pada gambar 2.8. Proses dekomposisi Transformasi Wavelet untuk citra dua dimensi dapat dijelaskan pada gambar 2.9. Gambar 2.9 Transformasi Wavelet untuk Citra Dua Dimensi 2.6 Jaringan Syaraf Manusia adalah ciptaan Tuhan yang paling sempurna. Manusia dapat mengolah berbagai informasi dengan menggunakan otaknya. Teknologi neural network saat ini ingin meniru kemampuan otak manusia. Pada sub bab berikut akan dijelaskan tentang teori dasar serta konsep dari jaringan syaraf manusia dan jaringan syaraf tiruan.
18 Jaringan Syaraf Manusia Keunikan dari jaringan syaraf manusia yaitu kemampuannya untuk belajar dan mengingat berbagai informasi serta dapat beradaptasi dengan cara merespon suatu rangsangan. Otak manusia diperkirakan terdiri dari sel syaraf (neuron). Di dalam otak inilah terdapat fungsi fungsi yang sangat banyak dan rumit, di antaranya adalah ingatan, belajar, penalaran, kecerdasan, inisiatif, dan lain lain. Untuk membentuk fungsi fungsi itu, tiap tiap sel syaraf akan saling berhubungan membentuk jaringan yang sangat rumit yang disebut dengan jaringan syaraf. Tiap sel syaraf berhubungan dengan sel lain melalui sebuah saluran yang disebut dengan sinapsis. Syaraf biologi mempunyai 3 komponen utama yang bisa diadopsi untuk memahami syaraf tiruan, yaitu: a. Dendrit : Menerima sinyal dari syaraf (neuron) lainnya. b. Badan Sel (Soma/Cell Body) : Menampung semua sinyal yang diterima sel, apabila sinyal yang diterima cukup besar, sel membangkitkan sinyal untuk dikirim ke sel lainnya. c. Akson : Mentransmisikan aktivitas neuron dari badan sel ke dendrit sel lainnya. d. Sinapsis : Bisa meningkatkan dan mengurangi kekuatan hubungan karena eksitasi. Setiap neuron mempunyai tiga sifat dasar : a. Kemampuan untuk bereaksi terhadap rangsangan yang masuk melalui sinapsis.
19 25 b. Kemampuan untuk mempropagansikan sinyal eksitasi yang diterima ke bagian yang lain. c. Kemampuan untuk mempengaruhi neuron neuron yang lain. Gambar 2.10 Jaringan Syaraf Manusia (Sumber : Arus input yang berasal dari dendrit dijumlahkan secara bertahap oleh kapasitas/weight yang terdapat dalam badan sel. Neuron bereaksi jika eksitasi dalam badan sel melebihi ambang batas. Sel syaraf bereaksi mengirim sinyal melalui akson, kemudian dikirim ke sinapsis. Dari sinapsis sinyal tersebut disebarkan ke dendrit dendrit yang lain. Secara garis besar neuron mengolah informasi yang masuk dan meneruskan ke neuron yang lain Jaringan Syaraf Tiruan Jaringan syaraf tiruan (JST) adalah suatu sistem pemrosesan informasi yang punya karakteristik performansi seperti halnya jaringan syaraf manusia. Jaringan syaraf tiruan dapat dikatakan sebagai pemodelan matematika dari
20 26 jaringan syaraf manusia dengan menggunakan asumsi asumsi sebagai berikut: a. Pemrosesan informasi terjadi pada elemen elemen sederhana yang disebut neuron. b. Sinyal sinyal yang mengaliri neuron neuron melewati hubungan link. c. Setiap link penghubung punya bobot yang besesuaian, yang dalam suatu jaringan syaraf menggandalkan sinyal yang ditransmisikan. d. Setiap neuron menerapkan suatu fungsi aktifasi (biasanya nonlinier) ke input jaringan (jumlah dari sinyal input terbobotnya) untuk menentukan sinyal outputnya. Karakteristik jaringan syaraf tiruan ditentukan oleh: a. Pola hubungan antar neuron (disebut dengan arsitektur jaringan). b. Metode penentuan bobot keterhubungan (disebut dengan pelatihan atau proses belajar jaringan). c. Fungsi aktifasi. Gambar 2.11 Jaringan Syaraf Tiruan dengan Satu Lapisan Tersembunyi
21 27 Suatu jaringan syaraf tiruan terdiri dari neuron neuron disusun dalam berbagai cara untuk membentuk arsitektur jaringan. Setiap syaraf menerima input, memproses input-input, dan mengirimkan output tunggal. Pada dasarnya cara kerja JST tersebut dengan cara menjumlahkan hasil kali dari nilai masukan dengan nilai bobotnya. Pada Gambar 2.12 diperlihatkan serangkaian masukan. Setiap masukan akan dikalikan berturut-turut dengan bobot dengan demikian hasil kali keluaran akan sama dengan: Gambar 2.12 Input dan Bobot pada Jaringan Syaraf Tiruan (Sumber : Fungsi Aktivasi Dalam jaringan komputasi, fungsi aktivasi dari sebuah neuron akan mendefinisikan nilai output yang akan dihasilkan dari sebuah atau serangkaian input. Sebuah sirkuit komputer sederhana dapat dilihat sebagai sebuah jaringan digital. Hal ini serupa dengan perilaku dari jaringan perceptron pada jaringan syaraf tiruan. Aktivasi dari neuron
22 28 adalah jumlah bobot paling tinggi dari masukan sebuah neuron dalam jaringan saraf tiruan. Terdapat banyak macam fungsi aktivasi, mulai dari fungsi linear, sigmoid, step, ramp, namun yang akan digunakan dalam penelitian ini adalah fungsi aktivasi jenis sigmoid. Fungsi logistik dari fungsi sigmoid adalah, sebagai berikut: Gambar 2.13 Fungsi Sigmoid (Sumber : Backpropagation Tingkat kemiripan antara citra query dengan citra pustaka akan dihitung dengan menggunakan metrika jaringan syaraf tiruan jenis backpropagation. Backpropagation adalah jaringan syaraf tiruan dengan metode pelatihan perambatan balik galat (generalized delta
23 29 rule) yang merupakan metode penurunan gradien untuk minimisasi galat kuadrat total pada output yang dihitung dari jaringan. Pelatihan jaringan dengan perambatan balik melibatkan proses tiga tingkat, yaitu: a. Umpan maju b. Perhitungan dan perambatan balik galat terkait dan c. Pengaturan bobot Dalam backpropagation terdapat tiga lapisan, yaitu: a. Lapisan Input, yaitu lapisan yang akan diisi dengan data yang akan ditraining ke dalam jaringan syaraf tiruan. b. Lapisan tersembunyi (hidden layer), layer yang tidak pernah muncul dan berada di antara lapisan input dan lapisan output. c. Layer output, yaitu layer yang akan berisi nilai output dari proses backpropagation Algoritma Backpropagation Algoritma backpropagation terbagi menjadi dua, yaitu alogritma training dan algoritma untuk aplikasi. Pada algoritma training, ada dua langkah yang harus dilakukan, yaitu langkah maju (feedfoward) dan langkah mundur (backward). Sementara untuk bagian aplikasi, hanya langkah maju yang akan dijalankan. Lebih rincinya, kedua tahap tersebut adalah sebagai berikut: Tahap 0 : Inisialisasi nilai weight.
24 30 Tahap 1 : Jika proses terus ingin dilanjutkan, lakukan tahap 2-9. Tahap 2 : Untuk setiap pasangan data training lakukan tahap 3-8. Langkah maju (Feedforward) Tahap 3 : Setiap unit input (X i, i = 1,...,n) menerima sinyal input X i dan meneruskan sinyal tersebut ke semua unit pada lapisan di atasnya (hidden layer). Tahap 4 : Setiap unit tersembunyi (Z j, J=1,...,p) menjumlahkan sinyal-sinyal input terbobot. kemudian digunakan fungsi aktivasi untuk menghitung sinyal output-nya. dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya (unit-unit output). Tahap 5 : Setiap unit output (Y k, K=1,...,m) menjumlahkan sinyalsinyal input terbobot, kemudian digunakan fungsi aktivasi untuk menghitung sinyal output-nya.
25 31 Langkah mundur (backward) Tahap 6 : Tiap-tiap unit output (Y k, k=1,...,m) menerima pola target yang berhubungan dengan pola input pembelajaran. Hitung informasi error-nya, hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai W jk ), hitung juga koreksi bias (yang nantinya digunakan untuk memperbaiki nilai W ok ), dan kirimkan nilai ke unit-unit yang ada dilapisan bawahnya. Tahap 7 : Tiap-tiap hidden unit (Z j, j=1,...,p) menjumlahkan delta inputnya (dari unit yang berada pada lapisan atasnya), kalikan nilai ini denan turunan dari fungsi aktivasinya untuk menghitung informasi error-nya, kemudian hitung koreksi bobot (yang nantinya digunakan untuk memperbaiki nilai V ij ),
26 hitung juga koreksi bias (yang nantinya digunakan untuk memperbaiki nilai V oj ), 32 perbaiki bobot dan bias. Tahap 8 : Setiap unit output (Y k, K=1,...,m) memperbaiki bobot dan biasnya (j=0,...,p), setiap unit tersembunyi (Z j, j=1,...,p) memperbaiki bobot dan biasnya (i=0,...,n). Tahap 9 : tes kondisi berhenti. 2.7 Software Development Life Cycle (SDLC) Dalam mengembangkan suatu aplikasi, kita memerlukan suatu metode pendekatan. Pendekatan ini merupakan berbagai hal yang akan kita laksanakan selama perancangan aplikasi. Metode yang umum digunakan adalah software development life cycle dengan model waterfall. Pada model waterfall, tahap-tahap yang digunakan adalah: a. Spesifikasi Kebutuhan (Requirement Spesification) Tahap ini, merupakan tahap untuk mengidentifikasikan segala kebutuhan dari klien. Pengembang aplikasi akan mengumpulkan dan mendiskusikan berbagai fungsi yang akan diterapkan pada aplikasi yang akan dibuat. b. Perancangan Arsitektur (Architectural design)
27 33 Setelah itu, segala komponen sistem dipisahkan sesuai dengan fungsinya masing masing. c. Detil Perancangan (Detailed design) Pada tahap ini, perancang memperbaiki rancangan komponen yang telah dilakukan pada tahap sebelumnya. Selain itu, ia juga mendiskusikan rancangannya ini dengan klien, dan melihat kesesuaiannya dengan rencana diawal. Gambar 2.14 Model Waterfall d. Pemrograman dan Test Unit (Coding and unit testing) Semua rancangan diubah ke dalam bahasa pemrograman yang sesuai. Setelah itu setiap komponen diuji kesesuaiannya dengan fungsi yang telah ditetapkan. e. Integrasi dan Test (Integration and testing)
28 34 Setelah setiap komponen diuji, setiap komponen tersebut disatukan kembali menjadi suatu kesatuan sistem yang terintegrasi, kemudian sistem tersebut di uji kembali. f. Pemeliharaan dan Operasi (Operation and Maintenance). Hal terakhir dari segala tahapan ini adalah melakukan pemeliharaan terhadap sistem tersebut. Perawatan ini bisa berupa perbaikan bug atau error yang ditemukan setelah sistem diimplementasikan. 2.8 Pendekatan Object Oriented Analysis Design (OOAD) Dalam menganalisis dan merancang suatu software, kita perlu menggunakan suatu metode. Salah satu metode yang paling sering digunakan adalah Object Oriented Analysis Design. Hal ini dikarenakan konsep object oriented yang saat ini mendominasi dunia komputer. Object oriented sangat digemari oleh perancang perangkat lunak, karena dengan konsep tersebut hampir seluruh fenomena yang ada di dunia dapat dimodelkan Pengertian OOAD Menurut L. Mathiasen (2006, p18) OOA&D is found on general principles that make it adaptable to specific needs and circumtances. A unified process represents one particular strategy for object-oriented development that is incremental in nature and uses application-domain knowledge as the key driver. Yang berarti OOA&D ditemukan oleh para pemimpin umum yang membuat hal tersebut menjadi mudah beradaptasi pada kebutuhan spesifik dan sesuai dengan keadaan sekitar. Suatu proses
29 35 penggabungan yang menunjukkan suatu strategi khusus untuk pengembangan berorientasi obyek yang secara natural memiliki kenaikan dan menggunakan pengetahuan application-domain sebagai pengendali kunci Pengertian UML Menurut Jones dan Rama (2006, p60), UML is a language used for specifying, vizualizing, constructing, and documentating an information system. Jadi UML adalah sebuah bahasa yang digunakan untuk spesifikasi, visualisasi, konstruksi, dan mendokumentasikan sistem informasi. UML mendeskripsikan object oriented programming dengan menggunakan beberapa diagram, yaitu diagram struktur dan diagram perilaku Use Case Diagram Menurut Mathiassen (2006, p120), Use Case is a pattern for interaction between the system and actors in the application domain, yang berarti : Use Case adalah suatu pola interaksi antara sistem, aktor dan application domain. Menurut Jones dan Rama (2006, p348), Use Case is sequence of steps involving interaction between an actor and a system for particular purpose, yang berarti use case adalah rangkaian langkah-langkah yang melibatkan interaksi antara aktor dan sistem untuk tujuan tertentu Flow Chart Flow chart atau diagram alir adalah suatu bentuk diagram yang menyajikan sebuah algoritma atau proses. Diagram alir akan menyajikan
30 36 langkah-langkah proses ke dalam berbagai bentuk blok, yang kemudian dihubungkan dengan panah. Diagram alir umumnya digunakan untuk menganalisis, merancang dan mendokumentasi proses atau program di berbagai bidang. Dua bentuk kotak yang paling umum digunakan dalam flow chart adalah bentuk persegi panjang yang digunakan untuk melambangkan aktivitas, dan belah ketupat yang digunakan untuk melambangkan keputusan Rancangan Layar Menurut Mathiassen (2006, p151) Interface : facilities that make a system s model and functions avaliable to actors. Dari kutipan di atas maka interface adalah fasilitas yang membuat model dan fungsi pada sistem dapat digunakan oleh aktor. Menurut Mathiassen (2006, p152) User interface : An interface to users. Yang berarti tampilan yang ditujukan untuk pemakai. User interface yang baik diadaptasikan dari pekerjaan yang dilakukan user dan konsep mereka pada sistem tersebut. Kualitas user interface biasa disebut kegunaan (usability) adalah hal yang tidak absolut, dengan ukuran obyektif. Kegunaan (usability) bergantung pada pemakainya dan dalam situasi untuk menggunakan sistem tersebut. Berdasarkan semua teori yang telah disampaikan di atas, dapat kita lihat bahwa pengenalan sidik jari sangat mungkin dilakukan dengan menggunakan metode pengenalan pola. Citra analog sidik jari akan diubah menjadi citra digital, yang kemudian dilewatkan pada serangkaian tahap pengolahan citra untuk meningkatkan
31 37 mutu. Setelah citra digital sidik jari siap untuk digunakan, maka citra tersebut diekstraksi cirinya dengan menggunakan Transformasi Wavelet. Hasil dari ekstraksi ciri ini akan digunakan sebagai input bagi jaringan syaraf tiruan jenis backpropagation. Aplikasi dari pengenalan sidik jari ini dirancang dengan menggunakan konsep object oriented.
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab landasan teori ini, akan penulis akan mencoba menguraikan teori yang relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi, juga diuraikan hubungan antara
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih 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 terperinciANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA
ANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA Wikaria Gazali; Alexander Agung Santoso Gunawan Mathematics & Statistics Department, School of Computer Science,
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM. suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang
38 BAB 3 ANALISIS DAN PERANCANGAN SISTEM Kriminalitas adalah suatu hal yang sering terjadi di dunia ini. Indonesia termasuk suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
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 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 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 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 terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
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 terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih 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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
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 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 terperinciTINJAUAN PUSTAKA ,...(1)
3 TINJAUAN PUSTAKA Dalam bab ini akan dibahas teori-teori yang mendasari penelitian ini. Dimulai dari teori dan konsep citra digital, deteksi pola lingkaran dengan Circle Hough Transform (CHT), ekstrasi
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
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 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 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 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 terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
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 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 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 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi.,Volume,. Bulan.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) Edisi.,Volume,. Bulan.. ISSN : 289-933 ANALISIS METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN SEL KANKER OTAK Novita Handayani Teknik Informatika
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
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 terperinciBAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
Lebih terperinciBAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia adalah makhluk yang unik dan berbeda satu satu sama lain. Ia memiliki berbagai karakteristik yang dapat digunakan untuk membedakan dirinya dengan individu
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Jaringan Saraf Tiruan Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem saraf secara biologis, seperti proses informasi pada otak manusia.
Lebih 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 terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
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 terperinciAPLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI
APLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI Putri Khatami Rizki 1), Muchlisin Arief 2), Priadhana Edi Kresnha 3) 1), 2), 3) Teknik Informatika Fakultas
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
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 terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Pengenalan fonem adalah implementasi dari speech to teks yang merupakan bagian dari speech recognition atau pengenalan ucapan. Pengenalan ucapan lebih dikonsentrasikan pada ekstraksi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciPENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK
PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern
Lebih terperinciBAB II DASAR TEORI. 2.1 Citra Digital
BAB II DASAR TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f (x,y) dua dimensi,dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
Lebih terperinciBAB 1 PENDAHULUAN. Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem penulisannya. Salah satu jenis huruf Jepang adalah kana, yaitu karakter fonetis yang melambangkan
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
5 BAB II LANDASAN TEORI 2.1. Citra Digital Citra digital dapat didefenisikan sebagai fungsi f(x,y) yaitu dua dimensi, dimana x dan y merupakan koordinat spasial dan f(x,y) disebut dengan intensitas atau
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciBAB II TI JAUA PUSTAKA
BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.
Lebih terperinciAnalisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005 / 2006 Analisis dan Perancangan Transformasi Wavelet Untuk Jaringan Syaraf Tiruan pada Pengenalan Sidik
Lebih terperinciPENGENALAN POLA SIDIK JARI
TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT
Lebih terperinciBab 5 Penerapan Neural Network Dalam Klasifikasi Citra Penginderaan Jauh
Penerapan Neural Dalam Klasifikasi Citra Penginderaan Jauh Klasifikasi citra penginderaan jarak jauh (inderaja) merupakan proses penentuan piksel-piksel masuk ke dalam suatu kelas obyek tertentu. Pendekatan
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinciBAB II LANDASAN TEORI. Citra digital sebenarnya bukanlah sebuah data digital yang normal,
BAB II LANDASAN TEORI II.1 Citra Digital Citra digital sebenarnya bukanlah sebuah data digital yang normal, melainkan sebuah representasi dari citra asal yang bersifat analog [3]. Citra digital ditampilkan
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih 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 terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Pengolahan data pada penelitian ini meliputi tahapan pengambilan data, penentuan titik tengah area yang akan menjadi sampel, pengambilan sampel, penentuan ukuran window subcitra
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciMILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun belakangan ini, jaringan syaraf tiruan telah berkembang dengan pesat. Berbagai aplikasi telah memanfaatkan jaringan syaraf tiruan dalam penerapannya,
Lebih terperinciBAB 1 PENDAHULUAN. bahasanya, digunakannya berbagai macam huruf dengan kepentingannya masing-masing
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Bahasa Arab menggunakan beragam jenis karakter untuk sistem penulisan bahasanya, digunakannya berbagai macam huruf dengan kepentingannya masing-masing benar
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
Lebih terperinciJARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM
JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Tahap sebelum perancangan berhubungan dengan proses penglihatan awal. Tujuan utama dari prapemrosesan adalah untuk menggembangkan gambaran yang berguna dari bentuk
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini membahas landasan teori yang bersifat ilmiah untuk mendukung penulisan penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, jenis-jenis citra digital, metode
Lebih terperinci