BAB 3 PERANCANGAN SISTEM
|
|
- Deddy Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut Webcam Computer Microcontroler and Relay Processor Memory Storage Display -Face Recognition Application -Face Database Gambar 3.1 Diagram Blok Rancangan Perangkat Keras 23
2 Modul-modul Sistem dan Cara Kerja Modul-modul Sistem Modul sistem perangkat keras dalam aplikasi ini adalah 1. Modul Penyimpanan Data pada sistem perangkat keras aplikasi ini adalah Storage. Dalam Storage data yang digunakan dalam proses pengenalan wajah disimpan. 2. Modul Sensor sistem pada aplikasi ini adalah Webcam. Dimana Webcam berfungsi untuk menangkap data wajah dari pengguna untuk diproses lebih lanjut. 3. Modul Keputusan perangkat keras pada aplikasi ini adalah Mikrokontroler. Mikrokontroler memutuskan apakah pengguna yang diuji yang memiliki kepentingan atau tidak. Jika pengguna yang diuji sah maka relay akan hidup. Pada aplikasi ini penggunaan relay diganti dengan lampu. 4. Modul Tampilan perangkat keras pada aplikasi ini adalah Display. Display akan menampilkan user interface dari aplikasi. 5. Modul Proses pada aplikasi ini dijalankan oleh Processor dan Memory. Processor dan Memory berfungsi untuk menjalankan aplikasi pengenalan wajah Cara Kerja Adapun cara kerja sistem perangkat keras diatas adalah sebagai berikut
3 25 1. Webcam digunakan untuk menyimpan wajah pengguna. Data wajah yang sudah diambil kemudian disimpan kedalam Storage sebagai database. 2. Ketika aplikasi Face Recognition didalam Storage dijalankan, Memory akan menampung data dan instruksi dari perintah (aplikasi) tersebut. Kemudian Processor akan memproses data dan instruksi yang terdapat pada Memory. Setelah data dan instruksi diproses, Processor akan menghasilkan keluaran yang berupa signal ke perangkat keras yang dibutuhkan untuk menjalankan aplikasi. 3. Setelah aplikasi dijalankan, Display akan menampilkan user interface dari aplikasi. 4. Webcam sebagai modul sensor, akan menangkap wajah pengguna yang berada didepan kamera webcam untuk dibandingkan dengan data wajah yang terdapat pada face database. 5. Jika wajah yang di depan kamera dan data wajah yang terdapat pada database sama, maka pintu akan terbuka. Hal tersebut menandakan bahawa Mikrokontroler dan Relay telah memberikan keputusan bahwa pengguna memiliki kewenangan.
4 Rancangan Piranti Lunak Diagram Alir Program Utama Diagram alir rancangan piranti lunak aplikasi pengenalan wajah adalah sebagai berikut: Face Database Training Set Testing Set Projection of Test Image LDA (Feature Extraction) Feature Vector Feature Vector Classifier (Euclidean Distance) Decision Making Gambar 3.2 Diagram Alir Rancangan Piranti Lunak
5 27 1. Face Database Face database adalah kumpulan dari citra wajah yang digunakan dalam sebuah sistem face recognition. Citra-citra wajah yang terdapat dalam face database dapat digunakan sebagai set pelatihan (training set) ataupun set pengujian (testing set). Pada aplikasi ini citra wajah yang terdapat dalam face database memakai format JPEG bewarna abu-abu dengan dimensi gambar 250 pixel untuk dimensi tinggi dan 250 pixel untuk dimensi lebar. Pada aplikasi ini setiap orang diambil 5 citra wajah, yang akan diambil secara otomatis ketika pengguna memberikan perintah kepada aplikasi. Citra wajah yang diambil dari setiap orang digunakan sebagai masukkan dalam tahap pelatihan. 2. Training Set Set pelatihan (training set) adalah satu set data yang digunakan untuk menemukan hubungan yang berpotensi prediktif. Face database harus memiliki citra wajah setiap orang atau subjek dalam set pelatihan. Citra wajah dalam set pelatihan ini harus mewakili pandangan frontal dari orang atau subjek dengan sedikit perbedaan pada sudut pandang. Set pelatihan juga harus mencakup ekspresi wajah yang berbeda, pencahayaan yang berbeda, kondisi latar belakang, dan juga penggunaan atribut pada wajah. Pelatihan ini di set dengan asumsi bahwa semua gambar telah dinormalisasi untuk array m X n dan bahwa citra wajah pada set pelatihan hanya daerah
6 28 wajah dan tidak memiliki banyak citra anggota tubuh lain (Etamad & Chellappa, 1997:3). Pada aplikasi ini set pelatihan didapat setelah pengguna menyimpan citra wajah. Aplikasi akan memulai proses pelatihan setelah pengguna memberikan instruksi kepada aplikasi. Data yang dilatih oleh aplikasi ialah 5 citra wajah pengguna yang baru saja ditangkap dan disimpan ke-face database oleh aplikasi. 3. Testing Set Input/Video Face Detection Face Location Face Tracking Gambar 3.3 Proses pada saat Testing Set Set pengujian (testing set) adalah satu set data yang digunakan untuk menilai kekuatan dan utilitas dari hubungan prediktif. Set pengujian didapat dengan dua pendekatan, pertama menggunakan citra wajah yang terdapat pada face database. Kedua menggunakan citra wajah yang didapat secara real time atau menggunakan video. Pada aplikasi ini set pengujian didapat dengan menggunakan video atau secara realtime pada operasional. Penangkapan citra wajah atau face detection akan dilakukan oleh
7 29 webcam yang akan mendeteksi wajah pengguna. Setelah wajah pengguna dideteksi, maka selanjutnya citra wajah pengguna tersebut akan ditentukan lokasinya (face locating). Kemudian aplikasi akan melacak wajah dari pengguna (face tracking). Sistem yang digunakan untuk face trakcking adalah Two Dimensional System, dimana sistem ini melacak wajah dan keluaran ruang gambar dimana wajah subjek berada. Pada aplikasi ini digunakan Haarcascade Classifier untuk mendeteksi wajah manusia atau subjek. Dasar utama untuk haarascade Classifier adalah Haar-like feature. Feature ini menggunakan perubahan nilai kontras antara persegi panjang yang berdekatan, dibandingkan nilai intensitas pixel (Wilson & Fernandez, 2006:2). Citra wajah yang telah dideteksi dan dilacak oleh aplikasi (webcam) diubah dari berwarna menjadi abu-abu atau grayscale. Dari citra wajah grayscale tersebut kemudian citra wajah diubah kedalam bentuk matriks. Matriks inilah yang kemudian akan diproses dalam feature extraction (LDA). 4. Feature Extraction Feature Extraction adalah komponen paling penting dalam sistem face recognition. Feature extraction penting karena digunakan untuk menemukan representasi gambar yang paling tepat agar dapat diidentifikasi. Tugas utama dari featrue extraction ialah kecerdasan
8 30 dan kemampuan untuk mengindrakan kesamaan antara set pengujian dan set pelatihan. Tugas utama ini mengharuskan feature extraction untuk menemukan ukuran jarak yang relevan dalam feature space yang dipilih. Sehingga dapat memanfaatkan informasi yang tertanam untuk mengidentifikasi subjek.metode feature extraction yang dipakai dalam penelitianini adalah Fisherfaces atau Linear Discriminant Analysis (LDA). Fisherfaces atau LDA adalah feature extraction berbasis wajah manusia yang memiliki bukti keputusan integrasi untuk banyak analisa sumber data. LDA digunakan untuk menemukan kombinasi linear dari features sambil menjaga keterpisahan kelas. LDA memodelkan perbedaan antar kelas. Inilah yang menjadi perbedaan dasar antara metode LDA dengan PCA (Principal Component Analysis). Dimana pada metode PCA perbedaan antar kelas tidak dibedakan, sehingga jarak feature antara kelas yang satu dengan yang lainnya berdekatan. Untuk menghitung metode fisherfaces atau LDA adalah sebagai berikut Dimisalkan matriks dari sebuah gambar set pelatihan adalah sebagai berikut :
9 31 Matriks dan adalah bagian dari kelas ke 1, sedangkan dan adalah bagian dari kelas ke 2. Kemudian matriks-matriks tersebut di representasikan kedalam sebuah vektor. Hasil representasi adalah sebagai berikut : Dari vektor yang didapat kemudian dicari mean dari setiap kelas dan mean dari seluruh kelas. Mean dari setiap kelas dan mean seluruh kelas adalah sebagai berikut : Setelah nilai mean setiap kelas dan mean seluruh kelas diketahui Scatter Matrix Within Class dan ScatterMatrix Between Class. Untuk menghitung Scatter Matrix Within Class, dimisalkan.
10 32 Dari dibentuklah matriks A, dimana menyusun kolom dari matriks A. SW didapat dari *A.
11 Dengan menggunakan rumus untuk mencari SB dan dengan ketentuan seperti pada SW, maka didapat SB sebagai berikut. 33 Dari hasil perhitungan diatas diketahui bahwa SW berupa matriks singular, sehingga tidak dapat dihitung, karena hasil determinan matriks SW = 0. Untuk mengatasi masalah SW yang singular, digunakan scatter matriks metode PCA (Principal Component Analysis). Untuk menghitung scatter matriks PCA, pertama tentukan mean dari seluruh set pelatihan (hasil mean sudah dihitung pada perhitungan mean seluruh kelas diatas). Setelah itu dihitung kovarian matriks dengan menggunakan mean yang didapat. Untuk menghitung kovarian matriks, dimisalkan, sehingga didapat: Kemudian setiap yang didapat digunakan untuk menyusun kolom matriks A. Sehingga matriks A adalah sebagai berikut:
12 34 Setelah itu kovarian matriks dihitung dengan *A. Sehingga kovarian matriks didapat sebagai berikut: Langkah berikutnya ialah memproyeksikan SW dan SB kedalam subspace yang dihasilkan dengan perhitungan PCA. Memproyeksikannya ialah dengan menghitung untuk memproyeksikan SB dan untuk memproyeksikan SW. Dimana hasil yang didapat adalah sebagai berikut:
13 Dari hasil diatas, diketahui bahwa SW tidak singular lagi, sehingga 35 dapat dihitung. Untuk menghitung, pertama inverse matriks SW. Kemudian dihitung : Setelah matriks diketahui, langkah berikutnya ialah menentukan eigenvalue dan eigenvector dengan menggunakan persamaan Generalized Eigenvalue Problem. Nilai eigenvalue adalah sebagai berikut: Sedangkan eigenvector adalah sebagai berikut :
14 36 Untuk mencari transformasi matriks LDA, digunakan perhitungan. Dimana adalah Sehingga transformasi matriks LDA adalah Untuk memproyeksikan citra kedalam subspace digunakan persamaan. Sebagai contoh untuk memproyeksikan citra wajah kedalam subspace, maka vektor dari didalam subspace adalah:
15 37 5. Projection of Test Image Wajah yang telah dideteksi dan dilacak, citra wajah yang dideteksi tersebut kemudian diproyeksikan kedalam sebuah subspace. Untuk memproyeksi citra wajah kedalam subspace digunakan persamaan. Dimana adalah matrix transformasi LDA yang didapat dari perhitungan, sedangkan x adalah vektor dari citra wajah yang dideteksi dan ditangkap oleh aplikasi (webcam). Dari proses tersebut dihasilkan vektor feature (feature vector) dari set pengujian. 6. Feature Vector
16 38 Feature vector adalah sebuah vektor gambar. Dimana di dalam vektor tersebut memiliki variabel acak dengan kemungkinan sebuah wajah atau bukan. 7. Classifier Setelah feature diekstrak dan dipilih langkah berikutnya ialah pengklasifikasian gambar. Menurut Jain, Duin dan Mao (2000:4-37) ada beberapa pendekatan dalam pengklasifikasian gambar, yaitu similarity, probability, dan decision boundaries. Pada penelitian ini, pendekatan yang digunakan dalam pengklasifikasian gambar adalah decision boundaries. Pendekatan decision boundaries ini tergantung pada pemilihan metric (satuan pengukuran untuk perangkat lunak). Tujuan utama dari decision boundaries adalah untuk meminimalkan kesalahan antara pola pelatihan dan pola pengujian. Classiffier pada aplikasi ini menggunakan Euclidean Distance. Dimana Euclidean Distance digunakan untuk mengklasifikasi data (feature vector) berdasarkan pendekatan decision boundaries. 8. Decision Making Setelah diketahui jarak Euclidean terkecil dan sudah diklasifikasikan vektor test sebagai milik kelas subjek tertentu, maka dilakukan pembuatan keputusan. Jika vektor test telah diklasifikasikan sebagai milik kelas subjek tertentu, keputusan yang dibuat adalah subjek
17 dalam set pengujian sama dengan subjek dalam set kelas pelatihan tertentu (Balakhrisnama & Ganapathiraju, 1998:6) Rancang Bangun Gambar 3.4 Rancangan Aplikasi User interface pada sisi pengguna akan menampilkan gambar yang ditangkap oleh lensa webcam. Tampilan kotak yang berwarna hijau berfungsi sebagai penanda bahwa wajah pengguna telah dideteksi dan dilacak oleh aplikasi. Jika wajah tidak terdeteksi atau wajah yang terdeteksi terlalu kecil, maka kotak hijau tidak akan tampil. Tulisan Prediction: menunjukan prediksi aplikasi terhadap wajah yang dideteksi. Command prompt berfungsi untuk memasukkan perintah agar aplikasi melakukan fungsi atau tugas tertentu. Fungsi-fungsi tersebut ialah fungsi untuk manambah pengguna baru, menangkap dan menyimpan citra wajah pengguna, serta melatih citra wajah pengguna. Window yang berada dibawah command prompt berfungsi untuk menghubungkan aplikasi dengan mikrokontroler. Selain itu Window juga berfungsi untuk mengirimkan data kepada mikrokontroler.
18 40
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciPENGEMBANGAN SISTEM ABSENSI BERBASIS FACE RECOGNITION DENGAN METODE LDA
PENGEMBANGAN SISTEM ABSENSI BERBASIS FACE RECOGNITION DENGAN METODE LDA Felix Hantoro Tan, Leonardus Indra Laksmana, Marcos H, Widodo Budiharto Universitas Bina Nusantara Jl. K H. Syahdan No. 9, Kelurahan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Sistem-sistem pendukung yang digunakan oleh penulis dalam menjalankan aplikasi yang telah dirancang ini dibedakan menjadi 2 yaitu kelompok hardware
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Home security saat ini sudah menjadi kebutuhan setiap pemilik rumah yang menginginkan tingkat keamanan yang baik. Salah satu sistem keamanan konvensional yang masih
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi yang digunakan dalam menjalankan sistem kontrol akses berbasis real time face recognition dan gender information ditunjukkan
Lebih terperinciPengembangan Perangkat Lunak untuk Pengenalan Wajah dengan Filter Gabor Menggunakan Algoritma Linear Discriminant Analysis (LDA)
Pengembangan Perangkat Lunak untuk Pengenalan Wajah dengan Filter Gabor Menggunakan Algoritma Linear Discriminant Analysis (LDA) Erma Rachmawati Jurusan Teknik Elektro- FTI, Institut Teknologi Sepuluh
Lebih terperinciPROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA)
PROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA) Jemmy E.Purwanto Jemmy.e.Purwanto@Gmail.com Pembimbing I :
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN : PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE
PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE Nunu Kustian Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email: kustiannunu@gmail.com Abstrak
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciBAB 2 Landasan Teori
BAB 2 Landasan Teori Pengenalan manusia secara otomatis menggunakan mesin merupakan masalah yang menantang dan telah menjadi banyak perhatian selama beberapa tahun terakhir. (Jawad, Syed, dan Farrukh,
Lebih terperinciSISTEM PINTU OTOMATIS BERDASARKAN PENGENALAN WAJAH MENGGUNAKAN METODE NEAREST FEATURE LINE
SISTEM PINTU OTOMATIS BERDASARKAN PENGENALAN WAJAH MENGGUNAKAN METODE NEAREST FEATURE LINE Agus Budi Dharmawan 1), Lina 2) 1), 2) Teknik Informatika FTI - UNTARJakarta Jl S. Parman No.1, Jakarta 11440
Lebih terperinciBAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
Lebih terperinciBAB 3. ANALISIS dan RANCANGAN. eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses
BAB 3 ANALISIS dan RANCANGAN 3.1 Analisa metode Secara garis besar, tahap pada pengenalan wajah dengan metode eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses yang dilakukan
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 terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan di bidang pengembangan aplikasi sedang mendapatkan perhatian penting bagi perkembangan teknologi informasi.
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 terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan 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 III PERANCANGAN PERANGKAT LUNAK
BAB III PERANCANGAN PERANGKAT LUNAK 3.1. Sistem Pengenalan Gender Sistem pengenalan gender dalam skripsi ini dibuat dengan membandingkan 3 buah metode, yaitu 1 metode tanpa ekstraksi fitur yaitu subtraction
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciPenerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis
Penerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis Puspita Ayu Ningsih Putri. SY, Wirawan, Hendra Kusuma Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih 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 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menjelaskan mengenai Latar Belakang, Identifikasi Masalah, Tujuan Tugas Akhir, Lingkup Tugas Akhir, Metodologi Tugas Akhir dan Sistematika Penulisan Tugas Akhir. 1.1 Latar Belakang
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciPERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK
PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciSistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot
Sistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot Mara Nugraha Teknik Informatika Universitas Gunadarma Jl. Margonda Raya 100, Depok maranugraha@sta.gunadarma.ac.id Abstrak Pengenalan
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahapan analisa merupakan tahapan awal dalam perekayasaan perangkat lunak. Pada tahapan ini menjelaskan apa yang dilakukan sistem, siapa yang menggunakannya
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciSISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION
SISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION Putri Nurmala 1 ; Wikaria Gazali 2 ; Widodo Budiharto 3 1, 2 Mathematics and Statistics Department, School of Computer Science,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file). Sedangkan
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Permasalahan Aplikasi ini tergolong sebagai sistem kecerdasan buatan karena akan menggantikan peran seseorang yang mampu mengenali ekspresi wajah. Tiga ekspresi
Lebih terperinciImplementasi Pengenalan Wajah Menggunakan PCA (Principal Component Analysis)
IJEIS, Vol.3, No.2, October 2013, pp. 175~184 ISSN: 2088-3714 175 Implementasi Pengenalan Wajah Menggunakan PCA (Principal Component Analysis) Dian Esti Pratiwi* 1, Agus Harjoko 2 1 Program Studi Elektronika
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciPengenalan Wajah Menggunakan Two Dimensional Linier Discriminant Analysis Berbasis Feature Fussion Strategy
Pengenalan Wajah Menggunakan Two Dimensional Linier Discriminant Analysis Berbasis Feature Fussion Strategy Benny Afandi Institut Teknologi Sepuluh Nopember Surabaya b2nafandi@gmail.com Sahmanbanta Sinulingga
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciSIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN
SIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN Rivaldi MHS *), Ajub Ajulian Zahra, Imam Santoso, and
Lebih terperinciREALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI ABSTRAK
REALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI Disusun oleh : Natalio Andor Pangihutan Sihite (1022052) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK Berkembangnya teknologi informasi pasti menimbulkan masalah dalam pengamanan informasi. Salah satu cara untuk mengamankan informasi dapat dilakukan dengan autentikasi terhadap
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciPERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA
PERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA Bharasaka Krisnandhika 51412445 Dr. Dewi Agushinta
Lebih terperinciPERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI
PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI Disusun oleh : Regina Vania Cahyadi (1122003) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciPengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor
Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor Fandiansyah 1, Jayanti Yusmah Sari 2, Ika Purwanti Ningrum 3, Jurusan Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciRANCANG BANGUN SISTEM PENGENALAN WAJAH DENGAN METODE PRINCIPAL COMPONENT ANALYSIS
RANCANG BANGUN SISTEM PENGENALAN WAJAH DENGAN METODE PRINCIPAL COMPONENT ANALYSIS Salamun 1, Firman Wazir 2 Program Studi Teknik Informatika, Fakultas Teknik, Univbersitas Abdurrab Pekanbaru Jl. Riau Ujung
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan wajah (face recognition) merupakan salah satu teknologi biometric yang sangat dibutuhkan dalam berbagai aplikasi, seperti keamanan, verifikasi (pembuktian)
Lebih terperinciPENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)
ISSN: 1693-6930 177 PENGENALAN WAJAH MANUSIA DENGAN MEODE PRINCIPLE COMPONEN ANALYSIS (PCA) Murinto Program Studi eknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus III UAD Jl Prof Dr. Supomo,
Lebih terperinciTeknik pengenalan wajah berbasis fitur local binary pattern (LBP)
Teknik pengenalan wajah berbasis fitur local binary pattern (LBP) Oleh: Eko Wahyudi NRP. 2208 100 629 Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Hendra Kusuma, M.Eng Latar Belakang ( Permasalahan Sistem
Lebih terperinciKlasifikasi dan Pengenalan Pola
Klasifikasi dan Pengenalan Pola 1 Features Vector Separability Measures Pada pertemuan yang lalu, kekuatan ciri untuk membedakan kelas diukur secara individual, yaitu menggunakan FDR. Kekuatan kombinasi
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat didefinisikan sebagai fungsi dua dimensi dari f(x,y) di mana x dan y adalah koordinat bidang dan amplitudo dari
Lebih terperinciMenurut Ming-Hsuan, Kriegman dan Ahuja (2002), faktor-faktor yang mempengaruhi sebuah sistem pengenalan wajah dapat digolongkan sebagai berikut:
BAB 2 LANDASAN TEORI Bab ini akan menjelaskan berbagai landasan teori yang digunakan oleh penulis dalam penelitian ini dan menguraikan hasil studi literatur yang telah dilakukan penulis. Bab ini terbagi
Lebih terperinciBAB III PERANCANGAN SISTEM
18 BAB III PERANCANGAN SISTEM 3.1 PERANCANGAN ALAT Pada tugas akhir yang mengambil judul Implementasi Face Recognition Sebagai Pengaman Rumah Yang Terkonfirmasi Melalui Android, sistem utama yang di bahas
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini berisi tentang analisis dan perancangan terhadap permasalahan yang sedang diteliti seperti analisis kebutuhan data dan informasi serta teknik dan peralatan yang
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan ilmu pengetahuan di segala bidang dalam era globalisasi saat ini begitu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan di segala bidang dalam era globalisasi saat ini begitu pesat.terutama dalam bidang IT yang semakin maju seiring dengan kebutuhan pemakai
Lebih terperinciLAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah
LAPORAN PENELITIAN DOSEN MUDA Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah Oleh : Endah Sudarmilah, S.T, M.Eng Umi Fadlillah, S.T Dibiayai oleh Koordinasi Perguruan Tinggi Swasta Wilayah
Lebih terperinciANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO.
ANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO Nurani Fitriyah 1),Dr. Ir. BambangHidayat 2),SuciAulia, ST,MT 3) 1 FakultasTeknikElektro, Telkom University
Lebih terperinciDIDIK SETIYADI. Dosen Tetap STMIK Eresha RIYADI JIMMY ISKANDAR
PENERAPAN ALGORITMA LINEAR DISCRIMINANT ANALYSIS (LDA) UNTUK PENGENALAN WAJAH SEBAGAI PEMANTAU KEHADIRAN KARYAWAN (STUDI KASUS : PERGURUAN TINGGI WIDYA DHARMA PONTIANAK) DIDIK SETIYADI Dosen Tetap STMIK
Lebih terperinciPengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)
JURNAL EKNIK IS ol 1, (Sept, 212) ISSN: 231-9271 A-439 Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA) Ratna Dwi Kartika Rini, Wirawan dan Hendra Kusuma Jurusan eknik Elektro-FI,
Lebih terperinciImplementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
Nusantara of Engineering/Vol. 2/ No. 1/ISSN: 2355-6684 65 Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia Rina Firliana, Resty Wulanningrum, Wisnu Sasongko Jurusan Teknik
Lebih terperinciPengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality
Pengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality Endang Setyati Information Technology Department Sekolah Tinggi Teknik Surabaya endang@stts.edu,
Lebih terperinciRancang Bangun Prototipe Aplikasi Pengenalan Wajah untuk Sistem Absensi Alternatif dengan Metode Haar Like Feature dan Eigenface
Rancang Bangun Prototipe Aplikasi Pengenalan Wajah untuk Sistem Absensi Alternatif dengan Metode Haar Like Feature dan Eigenface Wahyu Sulistiyo, Budi Suyanto, Idhawati Hestiningsih, Mardiyono, Sukamto
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Analisa merupakan tahapan yang sangat penting dalam melakukan penelitian. Tahap analisa yaitu proses pembahasan persoalan atau permasalahan yang dilakukan sebelum
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS. Skripsi
PENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS Skripsi Di susun oleh : M. RIDHO MAJIDI (0934010056) PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVESITAS PEMBANGUNAN
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 IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Bab ini akan membahas tentang pengujian dan analisis sistem. Pada pengujian akan dijelaskan tentang kriteria pengujian serta analisis dari pengujian 4.1. Kriteria Pengujian
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciBAB I PENDAHULUAN. berkembang, hal ini membuktikan bahwa pengenalan pola sangatlah penting terutama dalam
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini telah banyak penerapan pengenalan pola di banyak negara maju maupun negara berkembang, hal ini membuktikan bahwa pengenalan pola sangatlah penting terutama
Lebih terperinciJournal of Control and Network Systems
JCONES Vol 3, No 1 (14) 29-36 Journal of Control and Network Systems Situs Jurnal : http://jurnalstikomedu/indexphp/jcone APLIKASI PENGENALAN WAJAH PADA MOBILE ROBOT OMNIDIRECTIONAL MENGGUNAKAN METODE
Lebih terperinciKombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah
Kombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah Rima Tri Wahyuningrum 1,2 Prodi Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo Jl. Raya Telang, PO BOX 2 Kamal, Bangkalan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Artificial Intelligence Artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI KEAMANAN PINTU BERBASIS PENGENALAN WAJAH DENGAN METODE EIGENFACE
110 PERANCANGAN DAN IMPLEMENTASI KEAMANAN PINTU BERBASIS PENGENALAN WAJAH DENGAN METODE EIGENFACE Derian Indra Bramantio 1, Erwin Susanto 2, Ramdhan Nugraha 3 1, 2, 3 Fakultas Teknik Elektro, Universitas
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. keberadaan wajah secara langsung dari sebuah kamera. Dengan demikian
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Metode Penelitian Penelitian ini menggunakan metode untuk mendeteksi posisi dan keberadaan wajah secara langsung dari sebuah kamera. Dengan demikian penelitian
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Tahapan analisis terhadap suatu sistem dilakukan sebelum masuk ke tahapan perancangan. Tujuan dilakukannya analisis terhadap suatu sistem
Lebih terperinciPengenalan Pola/ Pattern Recognition
Pengenalan Pola/ Pattern Recognition Linear Discriminant Analysis Imam Cholissodin S.Si., M.Kom. Pokok Pembahasan 1. Linear Discriminant Analysis (LDA) Pengertian Klasifikasi LDA Rumus Umum LDA 2. Case
Lebih terperinci