Estimasi Kecepatan Kendaraan Menggunakan Kalman Filter
|
|
- Sucianty Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SETRUM Volume 2, No. 2, Desemberi 2013 ISSN : Estimasi Kecepatan Kendaraan Menggunakan Kalman Filter Okta Palega 1, Siswo Wardoyo 2, Romi Wiryadinata 3 Jurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa Cilegon, Indonesia 1 oktapalega@gmail.com, 3 romi@wiryadinata.web.id Abstrak Metode estimasi kecepatan kendaraan banyak diterapkan beberapa tahun terakhir. Salah satu metode yang dapat dipergunakan adalah Kalman filter. Kalman filter merupakan estimator yang sangat efektif dalam mengestimasi state dinamika sistem yang melibatkan white noise. Pada penelitian ini Kalman filter akan dipergunakan untuk mengestimasi variasi kecepatan kendaraan. Kalman filter dirancang mendapatkan input berupa runtun citra dari hasil rekaman video kendaraan. Hasil dari pengujian menunjukan bahwa kecepatan minimal yang dapat terestimasi adalah 20 km/jam dengan error 4,25%. Sedangkan kecepatan maksimal yang terestimasi adalah 60 km/jam dengan error 0,22%. Kata kunci : Estimasi kecepatan, Runtun citra, Kalman filter. Abstract Vehicle speed estimation methods are widely applied in recent years. One of the methods that can be used is the Kalman filter. Kalman filter is an estimator that is very effective in estimating the system state dynamics involving white noise. In this study, the Kalman filter is used to estimate the variation of the speed of the vehicle. Kalman filter is designed to get input in the form of cascading images of the video recordings of the vehicle. Results of the testing showed that the minimum speed that can terestimasi is 20 km / h with an error of 4.25 %. Terestimasi while the maximum speed is 60 km / h with an error of 0.22 % Keywords : Estimation of speed, image, the Kalman filter. I. PENDAHULUAN Berbagai metode untuk estimasi kecepatan diusulkan dalam beberapa tahun terakhir. Salah satunya adalah metode pasif. Dalam metode pasif, informasi kecepatan diambil dari urutan gambar real-time lalu lintas, yang diambil dari kamera pasif. Kalman filter adalah salah satu metode yang dapat diterapkan pada metode pasif. Kalman filter merupakan estimator yang sangat efektif dalam mengestimasi state dinamika sistem yang melibatkan white noise. Kalman filter dapat menghilangkan noise dari suatu sinyal yang mengandung informasi dan mengambil informasi tersebut untuk diproses lebih lanjut. Pada penelitian ini akan dibuat simulasi sistem pengestimasi kecepatan dengan algoritma dari fase kerja Kalman filter yang memanfaatkan umpan balik untuk memprediksi dan mengkoreksi sistem keadaan dalam bentuk program menggunakan MATLAB. Sistem pengestimasi yang dibuat mendapatkan input berupa runtunan citra. Tujuan dari penelitian ini adalah untuk mengetahui hasil dari estimasi kecepatan kendaraan menggunakan Kalman filter. Selain itu, tujuan penelitian adalah mengetahui batas kecepatan minimal dan maksimal melalui pengujian variasi nilai kecepatan. II. LANDASAN TEORI A. Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua dimensi f(x,y), dimana x dan y adalah koordinat spasial dan amplitudo dari f pada sembarang pasangan koordinat (x,y) disebut intensitas level keabuan.[1] Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar, yaitu merah, hijau, dan biru (Red, Green, Blue - RGB). 1. Citra Warna Citra warna merupakan citra yang pixel-nya merepresentasikan suatu warna. Setiap pixel pada citra yang direpresentasikan dalam model warna terdiri dari tiga komponen citra, masing-masing untuk setiap warna primer (RGB = Red, Green, Blue). Setiap poin informasi pixel (RGB) disimpan kedalam 1 byte = 8 bit. Hal ini menyatakan bahwa setiap warna mempunyai gradasi sebanyak 256 warna. 2. Citra Grayscale Citra grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixel-nya. Warna yang dimiliki adalah warna dari hitam, keabuan dan putih. Banyaknya warna pada citra grayscale tergantung pada jumlah bit yang disediakan dimemori untuk menampung kebutuhan warna. Sebagai contoh skala keabuan 4 bit, jumlah kemungkinannya 2 4 = 16 warna dengan kemungkinan warna 0 (min) sampai 15 (max). 3. Citra Biner Citra biner (binary image) adalah citra yang setiap pixel-nya hanya memiliki 2 kemungkinan derajat keabuan yakni 0 dan 1.[2] Pada citra biner, latar belakang berwarna putih sedangkan objek berwarna hitam. Citra berwarna dapat dijadikan citra biner dengan melakukan proses pembineran. Proses pembineran dilakukan dengan membulatkan ke atas atau ke bawah untuk setiap nilai keabuan dari pixel yang berada di atas atau bawah harga ambang. Metode untuk menentukan besarnya harga ambang disebut thresholding. [2] 60
2 SETRUM Volume 2, No. 2, Desember 2013 ISSN : B. White Noise White noise Gaussian adalah sinyal acak dengan power spectral density yang konstan. Gaussian noise adalah bentuk ideal dari white noise yang menyebabkan fluktuasi acak dalam suatu sinyal. Gaussian noise adalah white noise yang terdistribusi normal.[3] C. Low Pass Filter Low Pass Filter (LPF) adalah proses filter yang mengambil citra dengan gradiasi intensitas yang halus dan perbedaan intensitas yang tinggi akan dikurangi atau dibuang. Low pass filter digunakan untuk mengurangi detail dari gambar atau justru membuat gambar menjadi lebih kabur dari sebelumnya. Filter ini akan menghilangkan atau mengurangi noise berfrekuensi tinggi dari gambar menjadi frekuensi yang lebih rendah.[4] D. Kalman Filter Metode Kalman filter merupakan suatu metode yang dapat dipergunakan untuk mengestimasi variabel state dari sistem dinamik stokastik linier yang terkorupsi oleh white noise Gaussian. State dari suatu sistem dapat diestimasi oleh Kalman filter dengan memodelkan sistem tersebut terlebih dahulu. State Vektor State vektor merupakan penggambaran dari suatu sistem dinamik dan mewakilkan derajat kebebasan (degrees of freedom) dari suatu benda. Elemen variabel dari state vektor dapat bermacam-macam isinya, seperti posisi, kecepatan, akselerasi dan lainnya. Contoh yang sangat sederhana adalah sebuah mobil yang melaju dengan kecepatan konstan pada jalan yang lurus. Pada kasus ini, mobil memiliki 2 derajat kebebasan, yaitu jarak (s) dan kecepatan (v).[5] [ ] Algoritma Kalman Filter Algoritma pada Kalman filter merupakan suatu fase kerja pengolahan state vektor. Fase kerja ini terdiri dari dua langkah, yaitu: 1. Prediksi 2. Koreksi 1. Fase Prediksi Fase prediksi dari Kalman filter dinyatakan dengan persamaan: State Prediksi: Kovarian estimate prediksi: 2. Fasi Koreksi Fase koreksi ditunjukkan oleh persamaan: Kovarian pengukuran: Penguatan Kalman: Estimate state update: kovarian estimate update: ( ) III. METODOLOGI PENELITIAN Dalam penelitian estimasi kecepatan, sistem yang akan dibuat perlu terlebih dahulu dirancang unjuk kerjanya. Penggambaran akan unjuk kerja dari perancangan sistem estimasi kecepatan dapat digambarkan oleh Gambar 1. Perekaman Video Kendaraan Pembagian Video Pemisah Background Estimasi Kecepatan Gambar 1 Diagram Blok Perancangan Penelitian A. Perekaman Video Kendaraan Perekaman video kendaraan dilakukan dengan menggunakan kamera yang disanggah menggunakan tripod. Besar resolusi yang dipergunakan saat perekaman video adalah 320x240 pixel dengan kecepatan rekam sebesar 30 fps. Perekaman dilakukan untuk beberapa variasi nilai kecepatan yaitu 5 km/jam, 10 km/jam, 20 km/jam, 30 km/jam, 40 km/jam, 50 km/jam dan 60 km/jam. Kecepatan maksimal yang direkam adalah 60 km/jam. Hal ini disesuaikan dengan PP no.73 tahun 2013 tentang jaringan lalu lintas dan angkutan jalan. Pada bab tiga ruang lalu lintas bagian kedua batas kecepatan disebutkan bahwa kecepatan maksimal untuk kawasan perkotaan adalah 50 km/jam.[6] Toleransi yang diberikan adalah sebesar 10 km/jam. Data video rekaman disimpan dengan format *.avi. Tahapan yang dilakukan dalam tahap perekaman video dapat dilihat pada Gambar 2. Merekam objek Hasil disimpan dimedia penyimpanan Gambar 2 Diagram Alir Perekaman Video B. Pembagian Video Pembagian video merupakan tahap membagi data rekaman video menjadi runtunan citra diam. Tahapan yang dilakukan dalam pembagian video dapat dilihat 61
3 SETRUM Volume 2, No. 2, Desemberi 2013 ISSN : pada Gambar 3. Input dari tahapan ini adalah data rekaman video. Pada langkah splitting, video rekaman tersebut dibagi menjadi runtunan citra atau frame. Banyaknya jumlah frame yang ada tergantung dari seberapa lama durasi perekaman video tersebut. Frame disimpan dengan format *.png pada media penyimpanan. Data Rekaman Splitting Estimasi kecepatan merupakan tahapan terakhir dari penelitian estimasi kecepatan kendaraan. Metode yang dipergunakan pada tahap estimasi kecepatan adalah Kalman filter. Secara garis besar proses dari tahap deteksi kecepatan dapat dilihat pada Gambar 5. Pada tahap estimasi kecepatan, input yang dipergunakan merupakan data hasil proses pemisah background. Variabel-variabel dari Kalman filter harus ditentukan terlebih dahulu guna melakukan pengestimasian kecepatan kendaraan. Variabel-variabel yang ditentukan seperti state model yang akan dipergunakan, noise yang terhubung dengan Kalman filter dan matrik transisi dari vektor yang terkait. Pada proses Kalman filter, data input langsung diproses menggunakan algoritma Kalman filter. Hasil Disimpan Pada Media Penyimpanan Gambar 3 Diagram Alir Pembagian Video C. Pemisah Background Threshold Input Penetapan Variabel Sistem Kalman Filter Penggambaran Hasil Input Inisialisasi Variabel Hasil Background Template Penghilangan Noise Pencarian Centroid Objek Simpan Data Tracking Gambar 4 Diagram Alir Pemisah Background Pemisah Background adalah suatu proses untuk mendapatkan gambar background dari data video. Hal ini sangat penting karena untuk mendeteksi adanya gerakan perlu dipisahkan antara objek yang bergerak dengan objek yang diam.[7] Secara garis besar tahapan pada pemisah background dapat dilihat pada Gambar 4. Pada pemisah background terdapat tahapan penghilangan noise. Noise ini berasal dari pergerakan objek lain yang ikut terekam saat tahap perekaman video. Tahap penghilangan noise memanfaatkan Gaussian filter yang difungsikan sebagai low pass filer. Gaussian low pass filter yang dirancang adalah dengan memanfaatkan salah satu fungsi dari image processing toolbox yaitu fspecial. D. Estimasi Kecepatan Gambar 5 Diagram Alir Proses Estimasi Kecepatan IV. HASIL DAN PEMBAHASAN Perekaman dilakukan saat tempat perekaman video sepi dari kendaraan lain yang melintas. Background dari tempat perekaman video kendaraan adalah sebuah rumah dengan kondisi lampu padam, jalan beraspal dan tumbuhtumbuhan yang berada disekitar rumah tersebut. Perekaman ini dilakukan pada jam WIB. Kendaraan yang menjadi objek utama perekaman akan mengambil ancang-ancang terlebih dahulu. Hal ini dimaksudkan agar pengemudi dapat menjaga kecepatan kendaraan tetap konstan sebelum memasuki frame kamera. Panjang lintasan ancang-ancang disesuaikan dengan variasi kecepatan kendaraan yang ditentukan. Hasil yang didapatkan dari perekaman video kendaraan adalah berupa video laju kendaraan dengan durasi yang berbeda. Durasi dari video laju kendaraan dapat dilihat pada Tabel 1. Tabel 1Durasi Video Kendaraan Kecepatan No Durasi Video (detik)
4 SETRUM Volume 2, No. 2, Desember 2013 ISSN : Pengujian Pembagian Video Pengujian pembagian video bertujuan untuk mendapatkan runtunan citra diam dari video rekaman kendaraan. Pengujian dilakukan pada ketujuh video hasil pengujian sebelumnya. Hasil dari pengujian pembagian video dapat dilihat pada Tabel 2. Berdasarkan Tabel 2 terlihat bahwa kecepatan 5 km/jam memiliki runtunan citra diam terbanyak dari kecepatan yang lain. Jumlah runtunan citra semakin dikit seiring dengan bertambahnya nilai kecepatan. Selain Tabel 2, hasil dari pengujian ini pun dapat dilihat pada Gambar 6. Tabel 2 Jumlah Runtun Citra Diam Kecep Runtunan atan Citra Diam No (frame) Pada Gambar 6 dapat dilihat bahwa gambar hasil pengujian menunjukan hasil yang baik. Gambar tersebut tidak memiliki cacat atau kerusakan. Hal ini menunjukan bahwa pengujian pembagian video telah berhasil dilakukan. Gambar 6 Contoh Hasil Pembagian Video 2. Pengujian Pemisah Background Pengujian pemisah background dilakukan dengan tujuan mendeteksian gerakan kendaraan yang dilakukan dengan cara memisahkan antara objek yang bergerak dengan objek yang diam. Pada pengujian ini dilakukan penghilangan noise dan pencarian centroid dari kendaraan. Pengujian dilakukan dengan cara melakukan tunning atau mengubah-ubah nilai parameter dari Gaussian low pass filter (hsize dan sigma) dan nilai threshold. Pada pengujian dipilih nilai hsize dengan variasi nilai 10, 20, 30, 40 dan 50 sedangkan variasi nilai sigma adalah 5, 15, 25, 35 dan 45. Variasi nilai threshold yang dipilih adalah 10, 15 dan 20. Tabel 3Data Hasil Terbaik dari Pengujian Pemisah Background No Kecepatan Threshol d Lanjutan Tabel 3 Centroid Pada Gaussian Filter Waktu Kendaraan (frame) Tempuh Ker Devias Ak Awal (frame) nel i hir Hasil terbaik dari pengujian pemisah background akan dijadikan data input pada pengujian program estimasi kecepatan dengan Kalman filter. Parameter penentu dari hasil terbaik pada pengujian ini adalah durasi waktu tempuh saat kendaraan pertama kali terdeteksi hingga kendaraan menghilang. Semakin lama durasi waktu tempuh maka semakin baik. Selain itu, penentuan hasil terbaik ditentukan dari sistem harus dapat mendeteksi gerakan kendaraan saja. Berdasarkan pengujian yang dilakukan didapatkan hasil seperti pada Tabel 3. Pada Tabel 3 dapat terlihat perbedaan waktu tempuh untuk tiap-tiap kecepatan tidaklah konstan. Hal ini dapat disebabkan oleh dua faktor. Pertama adalah perubahan nilai parameter Gaussian filter dan threshold. Perubahan nilai hsize akan mempengaruhi luas pendeteksian
5 SETRUM Volume 2, No. 2, Desemberi 2013 ISSN : wilayah kendaraan. Sedangkan perubahan nilai sigma akan mempengaruhi luas dari background. Faktor kedua adalah perubahan nilai kecepatan yang tidak konstan dalam pengambilan data. Speedometer kendaraan yang digunakan dalam pengambilan data menggunakan speedometer jarum sehingga untuk menjaga kecepatan kendaraan tetap konstan hanya disesuaikan perkiraan. Sehingga kemungkinan kecepatan kendaraan tidak konstan besar mungkin terjadi. Pengujian Estimasi Kecepatan Pengujian pada program estimasi kecepatan bertujuan untuk mendapatkan nilai kecepatan estimasi terhadap nilai kecepatan aktual pada speedometer. Data input yang dipergunakan dalam pengujian program estimasi kecepatan merupakan data hasil pengujian program pemisah background dengan nilai parameter yang terbaik. Nilai estimasi kecepatan perlu dicari karena nilai tersebut terkandung pada sinyal error. Pencarian nilai estimasi kecepatan dilakukan dengan cara mengkonversikan nilai kecepatan aktual menjadi m/detik terlebih dahulu, kemudian dicari nilai yang mendekati nilai konversi tersebut. Berdasarkan pengujian yang telah dilakukan didapatkan hasil seperti pada Tabel 4. Tabel 4 Hasil Estimasi Kecepatan No No Kecepa tan Aktual Kecepa tan Estimasi , , , , , , ,22 Lanjutan Tabel 4 Selisih Kecepatan Persentasi Error (%) 1 6,98 139,6 2 1,81 18,1 3 0,85 4,25 4 0,35 1,17 5 1,44 3,6 6 0,72 1,44 7 0,22 0,37 Rata-rata persentasi 24,07 error Pada Gambar 7 terlihat bahwa antara kecepatan aktual dengan kecepatan estimasi pada pengujian estimasi kecepatan 5 km/jam terjadi selisih kecepatan yang besar. Sedangkan saat pengujian kecepatan 10 km/jam hingga 60 km/jam perbedaan kecepatan aktual dengan kecepatan estimasi tidak telalu jauh. Gambar 7 Grafik Kecepatan Estimasi Terhadap Kecepatan Aktual Berdasarkan hasil pada Tabel 4 terlihat bahwa saat pengujian kecepatan 5 km/jam dan 10 km/jam memiliki error yang terbesar. Error ini melebihi nilai toleransi error maksimal yaitu 5%. Hal ini disebabkan pada saat perekaman video kendaraan. Pada saat perekaman video kendaraan, untuk mempertahankan kecepatan konstan tetap pada 5 km/jam terlalu sulit. Hal ini dikarenakan speedometer yang dipergunakan kendaraan pada saat perekaman video kendaraan menggunakan speedometer analog (jarum). Selain itu, tidak terdapat indikator kecepatan 5 km/jam pada speedometer tersebut. Sehingga penentuan kecepatan 5 km/jam hanya disesuaikan dengan perkiraan antara kecepatan 0 hingga 10 km/jam saja. Indikator yang menunjukan kecepatan 10 km/jam pun hanya berbentuk jarak kosong yang membagi indikator kecepatan 0 km/jam dengan kecepatan 20 km/jam V. PENUTUP A. Kesimpulan Berdasarkan hasil penelitian estimasi kecepatan kendaraan menggunakan Kalman filter diperoleh kesimpulan sebagai berikut: 1. Hasil dari pengujian estimasi kecepatan didapatkan nilai estimasi untuk kecepatan 5 km/jam adalah 11,98 km/jam dengan error 139,6%, kecepatan 10 km/jam adalah 11,81 km/jam dengan error 18,1%, kecepatan 20 km/jam adalah 20,85 km/jam dengan error 4,25%, kecepatan 30 km/jam adalah 30,35 km/jam dengan error 1,17%, kecepatan 40 km/jam adalah 41,44 km/jam dengan error 3,6%, kecepatan 50 km/jam adalah 49,28 km/jam dengan error 1,44% dan kecepatan 60 km/jam adalah 60,22 km/jam dengan error 0,22%. 2. Batas kecepatan minimal yang dapat terestimasi oleh sistem adalah sebesar 20 km/jam. Sedangkan batas kecepatan maksimal yang dapat terestimasi oleh sistem adalah sebesar 60 km/jam. B. Saran Masih terdapat kekurangan dalam penelitian ini sehingga perlu pengembangan untuk menjadi lebih baik lagi. Adapun saran dari skripsi ini untuk penelitian selanjutnya yaitu: 64
6 SETRUM Volume 2, No. 2, Desember 2013 ISSN : Speedometer yang akan dipergunakan dalam pengujian selanjutnya sebaiknya adalah speedometer digital agar kecepatan aktual lebih dapat konstan. 2. Metode Kalman filter dapat diterapkan untuk pengujian estimasi kecepatan pada kondisi dengan intensitas cahaya rendah atau malam. VI. DAFTAR PUSTAKA [1] Prasetyo, E. (2011). Pengolahan Citra Digital dan Aplikasinya Menggunakan MATLAB. Yogyakarta: Penerbit ANDI. [2] Bertalya. (2005). Pendahuluan Pengantar Pengolahan Citra. Universitas Gunadarma [3] Saselah, G. et al. (2013). Perbaikan Citra Digital dengan Menggunakan Filtering Technique dan Similarity Measurement. JdC, Vol. 2, No. 2, September, [4] Wardhani, R., et al. (2013). Analisi Penerapan Metode Konvolusi untuk Reduksi Derau pada Citra Digital. Depok: Politeknik Negeri Jakarta. [5] Kleinbauer, R. (2004). Kalman Filtering Implemantion with Matlab. Helsinki: Universität Stuttgart. [6] Republik Indonesia. (2013). PP No.79 Tahun 2013 Tentang Jaringan Lalu Lintas dan Angkutan Jalan. Jakarta: Kementrian Sekretariat Negara Republik Indonesia. [7] Hartoto, P. (2012). Sistem Deteksi Kecepatan Kendaraan Bermotor pada Real Time Traffic Information System. Surabaya: Institut Teknologi Sepuluh Nopember. [8] Darma, P. (2010). Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI. [9] [9] Hestiningsih, I Pengolahan Citra. Tersedia dari: [URL dikunjungi pada tanggal 18 April 2013] [10] Simon, D. (2001). Kalman Filtering. Embedded Systems Programming. [11] Sutoyo, T. et al. (2009). Teori Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI. [12] Kasiyanto, I. (2008). Simulasi Penapisan Kalman Dengan KendalaPersamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle Tracking Problem). Semarang: Universitas Diponegoro. [13] Ichwan, A. (2010). Estimasi Posisi dan Kecepatan Kapal Selam Menggunakan Metode Extended Kalman Filter. Surabaya: Institut Teknologi Sepuluh Nopember. [14] Abbass, A. A. (2010). Estimating Vehicle Speed Using Image Processing. AL-Mansour Journal / No.14/ Special Issue /( Part Two). [15] Wahyudi et al. (2009). Simulasi Filter Kalman Untuk Estimasi Sudut dengan Menggunakan Sensor Gyroscope. Teknik Vol. 30 No. 2 Tahun 2009, ISSN [16] Grammatikopoulos, L. et al. (2005). Automatic Estimation of Vehicle Speed from Uncalibrated Video Sequences. International Symposium on Modern Technologies, Education and Professional Practice in Geodesy and Related Fields Sofia, November [17] Nurhadi, H. et al. (2011). Perangcangan Algoritma Untuk Estimasi Posisi Pada Sistem Navigasi dan Trayektori Wahana Nir Awak Bawah Air ITS AUV- 01 dengan Metode Ensemble Kalman Filter (EnKF). Surabaya: Institut Teknologi Sepuluh Nopember. [18] Kalyan et al. (2011). Vehicle Velocity Prediction & Estimation in 2d Video for Night Condition. International Journal of Signal Processing, Image Processing and Pattern Recognition Vol. 4, No. 2, June, [19] Rad, A. G. et al. (2010). Vehicle speed detection in video image sequences using CVS method. International Journal of the Physical Sciences Vol. 5(17), pp , 18 December, 2010 Available online at ISSN Academic Journals. Information and Telecommunications March 25-29, 2007 Tunisia. Rad, G. A. R., & Mohamadi, J. (2007). Vehicle Speed Estimation Based On The Image. SETIT th International Conference: Sciences of Electronic, Technologies of [20] Schoepflin, T. D., & Dailey, D. J. (2003). Algorithms for Estimating Mean Vehicle Speed Using Uncalibrated Traffic Management Cameras. Washington: University of Washington. [21] Ye, Z. et al. (2006). Unscented Kalman Filter Method for Speed Estimation Using Singel Loop Detector Data. Transportation Research Record: Journal of the Transportation Research Board, No. 1968, Transportation Research Board of the National Academies, Washington, D.C., 2006, pp [22] [URL dikunjungi pada 28 Mei 2013] 65
BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih 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 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 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 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 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 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 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 terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih 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 terperinciESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER. Oleh: Miftahuddin ( )
ESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER Oleh: Miftahuddin (1206 100 707) Dosen Pembimbing: Subchan, Ph.D Dr. Erna Apriliani, M.Si Abstrak Robot Mobil atau Mobile Robot adalah konstruksi
Lebih terperinciSEMINAR TUGAS AKHIR. Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai
SEMINAR TUGAS AKHIR Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai Oleh: Fadila Rahmana 1208 100 044 Abstrak Gelombang laut telah menjadi
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 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 terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciBAB 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 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 terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih 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 terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih 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 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 terperinciANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK (Hasil Penelitian)
ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK ( Penelitian) Oleh : Wahyu Supriyatin 1, Yeniwarti Rafsyam 2, Jonifan 3 1,3 Universitas Gunadarma Jakarta, Jalan
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciPengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial
Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,
Lebih 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 terperinciALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Habib Hasbullah 1, Erna Apriliani 2 1 Mahasiswa Program Studi S2, Jurusan Matematika, F-MIPA,
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 terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
Lebih terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciPENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE
PENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE Muhammad Luqman Afif - A11.2009.04985 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang ABSTRAK Program
Lebih terperinciSistem Penangkap Citra Pelanggaran Lampu Merah
Sistem Penangkap Citra Pelanggaran Lampu Merah 1 Muhtadin 1) Isrin Ramdani 2) Ahmad Zaini 2) 1) Jurusan Teknik Elektro ITS, Surabaya 60111, email: muhtadin@ee.its.ac.id 2) Jurusan Teknik Elektro ITS, Surabaya
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciBAB 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 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Pengertian citra Secara umum pengertian citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data
Lebih terperinciPerbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran Virus HIV/AIDS
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 17-29 Perbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
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 terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih 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 terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK
ANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK Wahyu Supriyatin 1), Winda Widya Ariestya 2) 1, 2) Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gunadarma
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
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 terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih 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 terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciPENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU
PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU Oleh: Amilia Khoiro Masruri 1210 100 029 Dosen Pembimbing: Dr. Budi Setiyono, S.Si, MT JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih 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 terperinciRancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra
Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas
Lebih 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 I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat
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 terperinciBAB IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
Lebih terperinciRANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA
ISSN : 2442-5826 e-proceeding of Applied Science : Vol.2, No.1 April 2016 Page 383 RANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA Luki Wahyu Hendrawan 1 Mohammad Ramdhani, S.T.,M.T
Lebih terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciEstimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 85 Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 480
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 480 PERANCANGAN APLIKASI DETEKSI KEMACETAN BERDASARKAN PENGOLAHAN VIDEO DIGITAL MENGGUNAKAN METODE FRAME DIFFERENCE BERBASIS ANDROID
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 terperinciPengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel
Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciPerancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam
Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE
ISSN : 1978-6603 IMPLEMENTASI PENGOLAHAN CITRA DENGAN MENGGUNAKAN TEKNIK KONVOLUSI UNTUK PELEMBUTAN CITRA (IMAGE SMOOTHING) DALAM OPERASI REDUKSI NOISE *Tugiono #1, Hafizah #2, Asyahri Hadi Nasyuha #3
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih 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
BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Kendali Sistem Kendali atau control system terdiri dari dua kata yaitu system dan control. System berasal dari Bahasa Latin (systēma) dan bahasa Yunani (sustēma) adalah
Lebih terperinciBab II Teori Dasar 2.1 Representasi Citra
Bab II Teori Dasar 2.1 Representasi Citra Citra dapat direpresentasikan sebagai kumpulan picture element (pixel) pada sebuah fungsi analog dua dimensi f(x,y) yang menyatakan intensitas cahaya yang terpantul
Lebih terperinciIMPLEMENTASI ENSEMBLE KALMAN FILTER PADA ESTIMASI KECEPATAN KAPAL SELAM
SIDANG TUGAS AKHIR IMPLEMENTASI ENSEMBLE KALMAN FILTER PADA ESTIMASI KEEPATAN KAPAL SELAM Oleh: RISA FITRIA 57 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH
Lebih terperinciEstimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF)
Estimasi Posisi Mobile Robot Menggunakan Metode Akar Kuadrat Unscented Kalman Filter (AK-UKF) Teguh Herlambang 1), Reizano Amri Rasyid 2), Sri Hartatik 3), Dinita Rahmalia 4) 1) Program Studi Sistem Informasi
Lebih terperinciDESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC)
PROSEDING DESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC) Teguh Herlambang, Hendro Nurhadi Program Studi Sistem Informasi Universitas
Lebih terperinciSISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT
SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT Ardi Satrya Afandi art_dhi@yahoo.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl.
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciPengukuran Blok Window Terbaik Berdasarkan MSE...
Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciImplementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler
Implementasi Ensemble Kalman Filter (Enkf) Untuk Estimasi Ketinggian Air Dan Temperatur Uap Pada Steam Drum Boiler Ahmad Nasrullah Jamaludin 1, Erna Apriliani 1, Hendra Cordova 2, Teguh Herlambang 3 1
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Studi Sistem Informasi Fakultas Tekniknologi Informasi Universitas Mercu
Lebih terperinciANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN
Teknologi Elektro, Vol. 15, No.2, Juli - Desember 2016 21 ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN I Dewa Gede Angga Prastika 1, Widyadi Setiawan 2, Pande Ketut Sudiarta
Lebih terperinci