KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM)
|
|
- Devi Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM) Cilla Sundari 1, Muhammad Nasir 2, Hari Toha Hidayat 3 Program Studi Teknik Informatika, Jurusan Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe, Jalan Banda Aceh-Medan Km. 280,3 Buketrata, Lhokseumawe, PO.BOX 90 Telp. (0645) 42670, Fax 42785, Indonesia 1 cila.sundari31@gmail.com, 2 masnaris@yahoo.co.id, 3 haritoha@pnl.ac.id. ABSTRAK Sidik jari merupakan suatu komponen biometrik yang sering digunakan sebagai alat identifikasi yang terbukti cukup efektif karena sifatnya yang universal, unik, dan permanen pada setiap manusia. Berdasarkan jenis nya sidik jari memiliki 4 jenis yaitu berminyak, normal, kering, dan kotor.sidik jari kering yang secara kasat mata dapat dilihat adanya garis yang terputus, sedangkan sidik jari berminyak yang licin memiliki minyak berlebih atau sering basah. Kondisi sidik jari kotor merupakan sidik jari kotor yang diakibatkan oleh debu, pulpen, tinta spidol dan lain-lain. Untuk mengatasi permasalahan tersebut ditawarkan satu alternatif untuk meningkatkan kualitas sidik jari yang terfokus pada sidik jari berjenis kering dengan menggunakan metode DFT. Klasifikasi citra sidik jari kering yang dilakukan berdasarkan nilai piksel ridge dan valley dengan tingkat keberhasilan tertinggi mencapai 96% dan keseluruhan keberhasilan klasifikasi 69%. Untuk peningkatan terbaik didapatkan pada nilai ambang D 0 = 0,2. Kata Kunci : sidik jari, klasifikasi, peningkatan, discrete fourier transform 1. PENDAHULUAN Sidik jari merupakan suatu komponen biometrik yang sering digunakan sebagai alat identifikasi yang terbukti cukup efektif karena guratan pada sidik jari melekat pada kulit manusia seumur hidup dan bersifat universal dan unik antara satu individu dengan individu lainnya. Pendeteksian sidik jari saat ini sering mengalami kesalahan yang diakibatkan oleh kondisi dari jenis sidik jari. Sidik jari memiliki beberapa jenis yaitu sidik jari normal, kering, berminyak, dan kotor. Sidik jari kering yang secara sentuhan kulit terasa lebih kasar, sedangkan sidik jari berminyak lebih terasa licin karena memiliki minyak berlebih atau sering berkeringat, dan sidik jari kotor sering diakibatkan oleh debu, pulpen, tinta spidol dan lain-lain[2]. Untuk mengatasi masalah tersebut ditawarkan salah satu alternatif untuk meningkatkan kualitas citra sidik jari kering dengan membuat aplikasi klasifikasi dan peningkatan kualitas citra sidik jari menggunakan DFT (Discrete Fourier Transform). Dengan metode tersebut diharapkan proses peningkatan kualitas citra sidik jari dapat dilakukan dengan lebih efektif dan lebih efesien. Metode ini digunakan untuk meningkatkan nilai ridge (gundukan) dan mengurangi nilai valley (lembah) pada citra sidik jari.hal ini dilakukan agar ridge (gundukan) pada citra sidik jari tidak terlalu rusak dan terlalu halus. Sebelumnya penelitian ini telah dilakukan oleh Salahuddin, Tulus, dan F.Fahmi (2013). Dengan judul Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Trasform). Output dari aplikasi ini adalah sidik jari yang berkualitas rendah menjadi kualitas tinggi. Metode yang digunakan adalah FFT (Fast Fourier Transform) untuk sidik jari. Hasil peningkatan piksel ridge % pada konstanta k=0,6, dan hasil verifikasi persentase matching sidik jari tertinggi pada nilai konstanta k=0,6 yaitu 54,29%.[4] Permasalahan dalam mengklasifikasi dan meningkatkan kualitas citra sidik jari dibatasi hal-hal sebagai berikut : a. Menghitung nilai ridge dan valley. b. Mengklasifikasi dan meningkatkan citra sidik jari kering dengan menggunakan DFT (Discrete Fourier Transform). c. Sidik jari tangan kanan dengan 5 posisi (normal, miring kanan, miring kiri, terbalik, dan ujung atas). 2. DISCRETE FOURIER TRANSFORM Menurut [5] Transformasi Fourier merupakan suatu proses yang banyak digunakan untuk memindahkan domain dari suatu fungsi atau obyek ke dalam domain frekuensi. Di dalam pengolahan citra digital, transformasi fourier digunakan untuk mengubah domain spasial pada citra menjadi domain frekuensi. 1
2 Transformasi fourier diskrit yang dikenakan pada fungsi 2D (fungsi dengan dua variabel bebas), DFT 2D banyak digunakan dalam pengolahan citra digital, karena data citra dinyatakan sebagai fungsi 2D. Dalam dua dimensi, DFT mempunyai input berupa matriks dan akan menghasilkan output berupa matriks dengan ukuran yang sama. Jika input adalah f(x,y) maka outputnya dapat dinyatakan dengan F(u,v). Matriks F(u,v) disebut transformasi fourier dari f (x,y) dan ditulis sebagai berikut : M 1 F(u, v) = x=0 N 1 f(x, y) exp[ 2jπ( xu M + yv N )] y=0 (1) f(x, y) = M 1 1 MN x=0 N 1 F(u, v) exp[2jπ( xu M + yv N )] y=0 (2) Ket : U=indeks transformasi (baris) V=indeks transformasi (kolom) X=indeks citra (baris) Y=indeks citra (kolom) M=panjang discret(kolom) N= panjang discret(baris) 3. METODE PENGUMPULAN DATA Pengambilan data citra sidik jari dilakukan secara acak yaitu 12 orang dengan 5 posisi perorang. Data 12 orang tersebut 2 orang berminyak, 3 orang normal, 5 orang kering dan 2 orang kotor. Data sidik jari akan diambil dengan merujuk pada pedoman pengambilan data Fingerprint yakni menggunakan optical sensor fingerprint U.are.U 4500 yang diproduksi oleh digital personal dengan mendapatkan ukuran citra piksel grayscale dalam format bitmap. 3.1 PERANCANGAN Flowchat ini menjelaskan bagaimana proses klasifikasi pada citra yang pertama dilakukan adalah mengumpulkan citra sidik jari dengan 5 posisi yaitu normal, miring kanan, kiri, terbalik, dan ujung atas, kemudian lakukan cropping dan binerisasi, klasifikasi sidik jari kering dengan ketentuan nilai ridge dan valley, peningkatan dengan metode DFT, persentase sebelum dan sesudah peningkatan. Flowchat keseluruhan penelitian ini di tunjukkan pada Gambar 1 berikut ini. Gambar 1. Flowchat keseluruhan sistem Adapun tahapan-tahapan yang dilakukan yaitu : 1. Menginput citra sidik jari 2. Memotong citra dibagian tengah sidik jari untuk mendapatkan hasil yang terbaik 3. Kemudian citra yang telah dipotong kemudian dibinerisasikan 4. Memperhitungkan nilai Ridge dan Valley 5. Pengkondisian berdasarkan range yang telah ditetapkan. 6. Hasil klasifikasi yang diperoleh dari proses pengkondisian, ditingkatkan dengan memasukkan nilai matrik dari citra sidik jari tersebut kedalam perhitungan metode DFT 7. Hasil persentase dari proses yang telah dilakukan Nilai range dari masing-masing jenis ditentukan dari interval berikut. Diketahui : Nilai Ridge Min = 25 Nilai Ridge Max = 65 K = 4 Penyelesaian: R = Nilai Ridge Max Nilai Ridge Min = = 40 I = R / K 2
3 = 40 / 4 = 10 Kelas1 = NilaiMin + I 1 = = 34 Kelas2 = Kelas1 + I 1 = = 44 Kelas3 = Kelas2 + I 1 = = 54 Kelas4 = Kelas3 + I = = 65 Tabel 1 Range Klasifikasi Kelas 1 (Kotor) Kelas 2 (Kering) Kelas 3 (Normal) Kelas 4 (Berminyak) Keterangan : R = Range K = Kelas I = Interval 4.2 HASIL KLASIFIKASI Klasifikasi citra sidik jari kering dapat dilihat pada tabel 2 berikut. Citra Sidik Jari Jempol Telunjuk Tabel 2 Hasil klasifikasi Sinta Posisi Ridge Valley Hasil Normal 36,59 63,40 Kering Miring Kiri 32,25 67,74 Kotor Miring Kanan 37,62 62,37 Kering Terbalik 35,88 64,11 Kering Ujung 42,32 57,67 Kering Normal 38,58 61,41 Kering Miring Kiri 39,70 60,29 Kering Miring Kanan 41,99 58,00 Kering Terbalik 40,24 59,75 Kering 4. HASIL DAN PEMBAHASAN 4.1 BINERISASI Proses binerisasi ini bertujuan untuk mengkonversi citra sidik jari ke dalam suatu citra biner yang menggunakan nilai threshold. Nilai threshold ini digunakan untuk mendapatkan hasil terbaik dalam proses binerisasi. Adapun nilai threshold yang dipilih antara lain 128, 150, 160, dan 180. Tengah Manis Kelingking Ujung 43,31 56,68 Kering Normal 39,56 60,43 Kering Miring Kiri 42,64 57,35 Kering Miring Kanan 36,14 63,85 Kering Terbalik 34,39 65,60 Kotor Ujung 46,59 53,40 Normal Normal 42,66 57,33 Kering Miring Kiri 46,30 53,69 Normal Miring Kanan 47,20 52,79 Normal Terbalik 42,07 57,92 Kering Ujung 36,73 63,26 Kering Normal 33,18 66,81 Kering Miring Kiri 42,31 57,68 Kering Miring Kanan 41,48 58,51 Kering Terbalik 36,70 63,29 Kering Ujung 42,68 57,31 Kering Gambar 2 Hasil Binerisasi dengan nilai threshold Nilai threshold yang digunakan yaitu 160, hal ini dikarenakan pada nilai tersebut memiliki nilai intensitas yang baik diantara nilai lain, maka penelitian ini menggunakan nilai threshold 160 dalam binerisasi citra sidik jari. Menghitung persentase keberhasilan klasifikasi citra sidik jari kering tersebut, dapat dilakukan dengan cara berikut. Persentase = Jumlah Data Berhasil Jumlah Data = = 60% Hasil klasifikasi citra sidik jari keseluruhan dapat dilihat pada tabel 3 berikut. 3
4 Nama Citra Tabel3 Hasil klasifikasi keseluruhan Hasil Klasifikasi Jenis sidik jari Persentase Keberhasilan Cilla Berminyak 64% Endang Beminyak 80% Dariyanti Normal 88% Angga Normal 52% Adinda Normal 64% Isma Kering 96% Kiki Kering 72% Andri Kering 76% Sinta Kering 60% Deni Kering 68% Munita Kotor 56% Husna Kotor 52% F(v, u) = { 1 jikad(v, u) D 0 0 jikad(v, u) > D 0 (3) Dalam hal ini, D 0 adalah bilangan non-negatif yang biasa disebut radius filter, yang menentukan ambang frekuensi, dan D(v,u) adalah jarak antara (v,u) terhadap pusat filter. Sehingga nilai yang berada di pusat filter dipertahankan, dan nilai yang jauh dari pusat filter dihilangkan atau diminimalkan. Menentukan nilai ambang frekuensi (D 0) yang terbaik, dipilih dari beberapa percobaan pada nilai ambang (D 0) tersebut diantaranya yaitu D 0 = 0,2, D 0 = 0,4, D 0 = 0,6, D 0 = 0,8, D 0 = 1,0 dan D 0 = 1,2. Hasil percobaan dari nilai ambang tersebut dapat dilihat pada gambar 3 berikut. Tingkat persentase keberhasilan klasifikasi keseluruhan di peroleh 69% dari perhitungan persentase keberhasilan klasifikasi keseluruhan sebagai berikut. Persentase = Jumlah Data Berhasil Jumlah Data = = 69 % 4.3 ANALISA DFT Pada proses peningkatan kualitas citra sidik jari dilakukan dengan metode DFT, metode ini akan mentransformasikan domain spasial ke domain frekuensi. Domain spasial merupakan inputan berupa citra sidik jari. Setelah citra sidik jari diinputkan maka proses selanjutnya adalah mentransformasikan ke citra tersebut ke domain frekuensi. Pada proses transformasi ini terdapat perubahan nilai pada citra tersebut. Nilai pada domain frekuensi ini berupa nilai real dan nilai imaginer, dimana nilai real merupakan nilai asli dan nilai imaginer adalah nilai hayal yang ditandai dengan ada nya (+) untuk nilai real dan (-) untuk nilai imaginer. Setelah citra berada pada kawasan frekuensi maka dilakukan proses pemfilteran pada kawasan frekuensi untuk meningkatkan kualitas citra tersebut. Filter yang cocok untuk proses peningkatan citra yaitu ideal lowpass filter yang dapat meloloskan bagian berfrekuensi rendah dan menghilangkan yang berfrekuensi tinggi. Sehingga dapat menghilangkan derau atau membuat derau menjadi lebih halus. Ideal lowpass filter memiliki fungsi transfer seperti berikut: Gambar 3 Citra enhancement dengan nilai D 0 yang berbeda Nilai D 0 yang digunakan yaitu D 0= 0,2, hal ini dikarenakan pada nilai tersebut dapat meningkatkan nilai ridge dengan baik diantara nilai yang lainnya, maka penelitian ini menggunakan nilai D 0= 0,2. Nilai hasil dari ideal lowpass filter masih pada domain frekuensi, sehingga perlu ditransformasikan kembali ke domain spasial yang biasa disebut dengan invers DFT. Sehingga didapatkan hasil peningkatan yang dapat dilihat pada gambar 4 berikut. Gambar 4 Hasil Peningkatan DFT 4
5 5. SIMPULAN Berdasarkan perancangan dan pengujian yang telah dilakukan sebelumnya mengenai klasifikasi dan peningkatan kualitas citra sidik jari menggunakan discrete fourier transform metode pada bab terdahulu, maka dapat diambil kesimpulan berupa: 1. Pada klasifikasi citra sidik jari dilakukan dengan menemukan nilai piksel ridge dan piksel valley sesuai range yang telah ditetapkan, sehingga didapatkan hasil keseluruhan klasifikasi citra sidik jari sebesar 69%. 2. Proses peningkatan kualitas dari citra sidik jari berjenis kering menggunakan metode discrete fourier transform, yang mengalami pemfilteran dikawasan frekuensi, didapatkan nilai D0 yang terbaik yaitu D0 = 0,2. (Tesis Mahasiswa Jurusan Teknik Elektro) FMIPA Universitas Sumatera Utara. [9] Susilawati Indah Teknik Pengolahan Citra Kuliah 7 Transformasi Fourier. Yogyakarta: Universitas Mercu Buana. [10] Yun, E Adaptive Fingerprint Image Enhancement with Fingerprint Image Quality Analysis. Elsevier on Image and Vision Computing, DAFTAR ACUAN [1] Kamaruddin,Muis PeningkatanPerformansi Pengklasifikasian Pola Sidik Jari Berbasis Jaringan ELM-RBF dengan Kombinasi FFT dan PCA. Vol.1. STMIK KHARISMA Makassar. [2] Kadir, Abdul Dasar pengolahan citra dengan Delphi. Yogyakarta. [3] Kadir, Abdul Teori dan Aplikasi Pengolahan Citra. Yogyakarta. [4] Moeslund,Thomas B Intruduction to Video and Image Processing : Building Real System and Application. Springer. Verlag London. [5] Nasir, M dan Syahroni, M. Pengujian Kualitas Citra Sidik Jari Kotor menggunakan Learning Vector Quantization (LVQ)., Jurusan Teknik Elektro Politeknik Negri Lhokseumawe. Vol 9(1). [6] Noviyanto, A. (2009). Perbaikan Citra Sidik Jari dengan Metode STFT (Short Time Fourier Transform) Analysis. Yogyakarta: Universitas Gadjah Mada. [7] Putra Darma pengolahancitra digital. Yogjakarta. [8] Salahuddin, Tulus, danfahmi,f Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Trasform). 5
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1), Tulus 2), F. Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1),Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciPENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik
Lebih terperinciENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER
ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 8 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 8 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015
Lebih terperinciDEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL
Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.
Lebih terperinciEKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON
EKSPRESI EMOSI MARAH BAHASA ACEH MENGGUNAKAN ALGORITMA PERCEPTRON Nurmasyitah 1, Mursyidah 2, Jamilah 3 Program Studi Teknik Multimedia dan Jaringan, Jurusan Teknologi Informasi dan Komputer, Politeknik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciBAB 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 terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 7 Transformasi Fourier. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 7 Transformasi Fourier Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2016/2017
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra di Kawasan Frekuensi Transformasi Fourier) Muhammad Zidny af an, M.Kom. Gasal 06/07 Outline Pengolahan Citra di Kawasan Spasial VS Kawasan Frekeunsi Fourier
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian, penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub Citra Acuan (SCA)
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 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih 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 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 sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciMuhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Transformasi Citra ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Transformasi Citra 1 Dua Domain Manipulasi Image Spatial Domain : (image plane) Adalah teknik yang didasarkan pada manipulasi l a n g s u n g p i x e l s u a t u i m a g e. Frequency
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciPENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Muhammad Nasir 1 dan
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 terperinciIMPLEMENTASI WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN METODE DFT 2 DIMENSI
IMPLEMENTASI WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN METODE DFT 2 DIMENSI Hidayatulloh, Rosa Andrie Asmara Program Studi Teknik Informatika, Jurusan Teknik Informatika, Politeknik Negeri Malang hidayatulloh.malang@gmail,
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra di Kawasan Frekuensi (Transformasi Fourier) Muhammad Zidny af an, M.Kom. Gasal 2015/2016 Outline Pengolahan Citra di Kawasan Spasial VS Kawasan Frekeunsi
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 terperinciLAPORAN TUGAS AKHIR VISUALISASI TRANSFORMASI FOURIER UNTUK PENINGKATAN KUALITAS CITRA
LAPORAN TUGAS AKHIR VISUALISASI TRANSFORMASI FOURIER UNTUK PENINGKATAN KUALITAS CITRA Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan program studi Teknik Informatika S-1 pada Fakultas
Lebih terperinciPENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) TESIS. Oleh SALAHUDDIN /TE
PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) TESIS Oleh SALAHUDDIN 107034007/TE FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA MEDAN 2013 PENINGKATAN KUALITAS CITRA SIDIK
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 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 terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 3 Pengolahan Titik (Point Processing) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas
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 terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI
ANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI Hanafi (12110244) Mahasiswa Program Studi Teknik Informatika, Stmik Budidarma Medan Jl. Sisimangaraja
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT
Mikrotiga, Vol, No. Mei 0 ISSN : 0 PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT Suci Dwijayanti *, Puspa Kurniasari Jurusan Teknik Elektro Universitas Sriwijaya,
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
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 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 terperinciIMPLEMENTASI PERBAIKAN SISI CITRA MENGGUNAKAN METODE TRANSFORMASI FOURIER DAN FAST FOURIER TRANSFORM
IMPLEMENTASI PERBAIKAN SISI CITRA MENGGUNAKAN METODE TRANSFORMASI FOURIER DAN FAST FOURIER TRANSFORM NUR HIDAYAH(14110700) Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja
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 terperinciDeteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation
th Seminar on Intelligent Technology and Its Applications, SITIA 00 ISSN: 087-33X Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation Cahyo Darujati,3 Rahmat Syam,3 Mochamad Hariadi
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 terperinciIMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM
IMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM Ahmad Adil Faruqi 1, Imam Fahrur Rozi 2 1,2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri Malang 1 ahmadadilf@gmail.com,
Lebih terperinciAPLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pemrosesan citra adalah ilmu untuk memanipulasi gambar, yang melingkupi teknikteknik untuk memperbaiki atau mengurangi kualitas gambar, menampilkan bagian tertentu
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciIMPLEMENTASI DIGITAL WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN METODE DISCRETE HARTLEY TRANSFORM (DHT)
IMPLEMENTASI DIGITAL WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN METODE DISCRETE HARTLEY TRANSFORM (DHT) Yuri Arianto 1, Kadek Suarjuna Batubulan 2, Arthur Ahmad Fauzi 3 1,2,3 Program Studi Teknik Informatika,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. keamanan data, namun sudah banyak teknologi yang diterapkan untuk menjaga
BAB 2 TINJAUAN PUSTAKA 2.1. Biometrik Authentifikasi Autentification dalam security adalah hal yang sangat penting untuk menjaga keamanan data, namun sudah banyak teknologi yang diterapkan untuk menjaga
Lebih terperinciDAFTAR ISI. DAFTAR ISI... vii. DAFTAR GAMBAR... x. DAFTAR TABEL... xii I. PENDAHULUAN Latar Belakang Rumusan Masalah...
DAFTAR ISI Halaman DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii I. PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah... 2 1.4 Tujuan... 3 1.5 Manfaat...
Lebih terperinciBAB I PENDAHULUAN. manusia satu dengan manusia lainnya berbeda-beda intonasi dan nadanya, maka
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Suara adalah suatu alat komunikasi paling utama yang dimiliki oleh manusia. Dengan suara, manusia dapat berkomunikasi dengan manusia lainnya. Melalui suara,
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 terperinciMAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA ( ) 2. DYA AYU NINGTYAS ( )
MAKALAH TRANSFORMASI FOURIER MATA KULIAH PENGOLAHAN CITRA OLEH: 1. RISKA NOR AULIA (08 615 013) 2. DYA AYU NINGTYAS (08 615 017) JURUSAN TEKNOLOGI INFORMASI POLITEKNIK NEGERI SAMARINDA 2010 TRANSFORMASI
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
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 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 terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinci10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)
0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan
Lebih terperinciEFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER
EFEK HIGH PASS FILTERING DENGAN KOEFESIEN NOL PADA CITRA BINER 1 1 Program Studi Teknik Informatika, Universitas Bunda Mulia Jakarta tmulyana@bundamulia.ac.id ABSTRAK Filtering akan melakukan penapisan
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciTransformasi Fourier dan Filtering
Transformasi Fourier dan Filtering Domain Spasial vs Domain Frekuensi Domain Spasial Konsep koordinat baris dan kolom Pemrosesan pixel-by-pixel Komputasi lama (terutama citra dengan ukuran spasial tinggi)
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 terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
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 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 terperinciANALISIS PENGGUNAAN FILTER PADA SISTEM PENGENALAN PLAT NOMOR MENGGUNAKAN PHASE ONLY CORRELATION (POC)
ANALISIS PENGGUNAAN FILTER PADA SISTEM PENGENALAN PLAT NOMOR MENGGUNAKAN PHASE ONLY CORRELATION (POC) Ossi Aini 1, M. Zen Samsono Hadi 2, Moh. Hasbi Assidiqi 3 Mahasiswa Jurusan Teknik Telekomunkasi Politeknik
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
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 terperinciBAB I PENDAHULUAN Latar Belakang
1.1. Latar Belakang BAB I PENDAHULUAN Fotogrametri dapat didefinisikan sebagai suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan
Lebih terperinciIDENTIFIKASI KEASLIAN MATA UANG RUPIAH MELALUI INVISIBLE INK BERBASIS FOURIER TRANSFORM MENGGUNAKAN NEURAL LEARNING VECTOR QUANTIZATION
IDENTIFIKASI KEASLIAN MATA UANG RUPIAH MELALUI INVISIBLE INK BERBASIS FOURIER TRANSFORM MENGGUNAKAN NEURAL LEARNING VECTOR QUANTIZATION Yusron Rijal Jurusan Sistem Informasi STIKOMP SURABAYA, email: yusron@stikom.edu
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 13 Kompresi Citra. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 13 Kompresi Citra Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2015 KULIAH
Lebih terperinciKOMBINASI KRIPTOGRAFI DENGAN HILLCIPHER DAN STEGANOGRAFI DENGAN LSB UNTUK KEAMANAN DATA TEKS
KOMBINASI KRIPTOGRAFI DENGAN HILLIPHER DAN STEGANOGRAFI DENGAN LSB UNTUK KEAMANAN DATA TEKS Esti Suryani ), Titin Sri Martini 2) Program Studi Teknik Informatika Fakultas Teknik Universitas Muhammadiyah
Lebih terperinciPENERAPAN METODE MOST SIGNIFICANT BIT UNTUK PENYISIPAN PESAN TEKS PADA CITRA DIGITAL
Pelita Informatika Budi Darma, Volume : IV, Nomor:, Agustus 23 ISSN : 23-9425 PENERAPAN METODE MOST SIGNIFICANT BIT UNTUK PENYISIPAN PESAN TEKS PADA CITRA DIGITAL Harry Suhartanto Manalu (9259) Mahasiswa
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 terperinciBINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL
BINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia, Jakarta e-mail : tmulyana@bundamulia.ac.id,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. perancangan dan pembuatan akan dibahas dalam bab 3 ini, sedangkan tahap
BAB 3 ANALISIS DAN PERANCANGAN Perancangan program aplikasi dalam skripsi ini menggunakan aturan linear sequential (waterfall). Metode ini menggunakan beberapa tahapan yaitu analisis, perancangan, pengkodean/pembuatan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab analisa dan perancangan ini akan mengulas tentang tahap yang digunakan dalam penelitian pembuatan aplikasi implementasi kompresi gambar menggunakan metode
Lebih terperinciPERBANDINGAN TEKNIK PENYEMBUNYIAN DATA DALAM DOMAIN SPASIAL DAN DOMAIN FREKUENSI PADA IMAGE WATERMARKING
PERBANDINGAN TEKNIK PENYEMBUNYIAN DATA DALAM DOMAIN SPASIAL DAN DOMAIN FREKUENSI PADA IMAGE WATERMARKING Bayu Adi Persada NIM : 13505043 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika
Lebih terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciPENGENALAN POLA SIDIK JARI
TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Perancangan aplikasi yang dibuat dalam skripsi ini menggunakan aturan
BAB 3 ANALISIS DAN PERANCANGAN Perancangan aplikasi yang dibuat dalam skripsi ini menggunakan aturan prototyping model. Metode ini memiliki 3 tahapan seperti yang sudah ditulis di dalam Bab 2, yaitu pengumpulan
Lebih terperinciijns.org Indonesian Journal on Networking and Security - Volume 5 No 3 Agustus 2016
Implementasi Watermarking Metode LSB Pada Citra Guna Perlindungan Karya Cipta Fauzan Masykur Fakultas Teknik, Universitas Muhammadiyah Ponorogo fauzan.art@gmail.com Abstract - Protection of copyright on
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinci