HUMAN IRIS IDENTIFICATION ALGORITHM BASED ON IMAGE PROCESSING USING GABOR ANALYSIS FOR AOI
|
|
- Yulia Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 HUMAN IRIS IDENTIFICATION ALGORITHM BASED ON IMAGE PROCESSING USING GABOR ANALYSIS FOR AOI Hendro Nurhadi, Yogi Wardana Teknik Mesin FTI-ITS, Surabaya Kampus ITS Sukolilo Surabaya Basic Need in area of biomedical application is to identify and measure characteristic. Referred to these basic needs is there for an AOI ( Automated Optical Inspection ) developed. An Identification Algorithm For AOI Based On Image Processing Is Then Required. Biometric pattern recognition is a reliable and difficult to be imitated system, thus fits to be used as an identification tract. Physiological characteristic covers physical features which is relatively more stable than the behavioral one. In this project, property that would be studied is the iris pattern of the eye. Iris texture has a unique and different from one to another, even a man s right eye would be quite contrast from his left. Iris pattern recognition consists of eye images inputting, preprocessing eye images, texture analysis, and recognition process. Algorithm used to extract the features is a Gabor filter that brings out features constituted as values of mean and standard deviation. The recognition step uses Euclidean Distance method. The most minimum distance value is chosen to be the closest with the one in the database. The software attains its success rate of 90.5 %.Mistakes probably will occur because of the iris pattern similarities from one to another. Keywords: Gabor Filter, Euclidean Distance, Biometrics, AOI, Image Processing, Iris. Pengenalan pola secara biometrik merupakan sistem yang handal dan sulit ditiru sehingga cocok untuk digunakan sebagai sistem identifikasi. Beberapa contoh biometrik antara lain: geometri tangan, sidik jari, suara, retina, tandatangan, muka dan iris. Iris merupakan salah satu bagian tubuh manusia, letaknya terlindung oleh kornea dan aquaeus humor, memiliki pola yang unik sehingga cocok untuk digunakan sebagai pengenalan identitas. Struktur iris mata setiap orang berbeda. Pada kasus anak kembar, meskipun memiliki kesamaan fitur genetika, tetapi iris mata mereka berbeda bahkan antara iris pada mata kiri dan kanan. Dengan demikian, iris dapat dijadikan sebagai identitas pribadi sehingga saat ini berkembang sistem pengenalan iris mata manusia. Problem yang yang sering muncul dalam sistem identifikasi dalam image prosesing adalah pada tahap pre-processing dan analisa tekstur. Ichsan [1] melakukan penelitian tentang sistem identifikasi seseorang berdasarkan iris mata dengan metode filter multi-channel gabor dan proses pencocokan dengan Weighted Euclidean Distance. Ekstraksi fitur yang digunakan dalam penelitian Ichsan mengunakan variasi frekuensi 2, 4, 8, 16, 32 dan 64 degree dimana masing- masing pusat frekuensi dilakukan pada sudut 0 0, 45 0, 90 0, dan Sehingga akan menghasilkan 24 output gambar dan 48 fitur yang berupa nilai mean dan standar deviasi. Pengujian dilakukan terhadap 8 sample mata dengan 7 gambar mata yang sama pada setiap sample sehingga jumlah mata ang diuji berjumlah 56 gambar mata, satu gambar mata dari masing masing sample disimpan dalam database. Hasil yang dipaparkan adalah semakin besar nilai frekuensi dan sudut yang digunakan, 1
2 maka jumlah nilai mean dan standar deviasi yang dihasilkan akan semakin kecil. Hal ini disebabkan oleh penyebaran pixel yang makin rapat. Ichsan juga memaparkan bahwa proses preprocessing pada tahap perbaikan pola iris yang tidak sempurna sangat mempengaruhi keberhasilan dalam proses pengenalan. Dari hasil penelitian ini memiliki tingkat keberhasilan sebesar % pada frekuensi 2 dan pada sudut 0 0. Dari paparan di atas, terlihat bahwa tingkat keberhasilan selain dipengaruhi oleh proses preprocessing yang juga dipengaruhi oleh pemilihan nilai frekuensi dan theta. Oleh karena itu perlu dilakukan penelitian tentang proses preprocessing dan pemilihan gabor dengan variasi frekuensi dan theta yang tepat untuk mendapatkan tingkat keberhasilan perangkat lunak yang optimal. Pada penelitian ini akan digunakan proses preprocessing yang menghasilkan iris dalam bentuk persegi dengan resolusi 64x64 pixel dan gabor yang digunakan menggunakan variasi lambda 10, 15, dan 20 dimana setiap lambda dilakukan pada theta 0, 45, 90, dan 135 derajat. Beda sudut yang digunakan adalah 45 derajat hal ini dikarenakan nilai ini dianggap mendekati karakteristik sistem visual manusia [7]. Pengembangan Algoritma Dalam penelitian ini algoritma yang digunakan untuk identifikasi hampir sama dengan penelitian sebelumnya yaitu dimulai dari proses preprocessing, analisa tekstur sampai dengan proses identifikasi atau proses pengenalan. Penelitian sebelumnya yang dilakukan oleh Ichsan, program yang digunakan untuk merancang algoritma menggunakan program Visual Basic. Pada penelitian ini program yang digunakan untuk merancang algoritma adalah menggunakan program Matlab. Program Matlab memberikan kemudahan dalam proses pengolahan citra digital. Hal ini dikarenakan di dalam program Matlab terdapat toolbox yang membahas dan memberikan penjelasan tentang proses pengolahan citra digital (image processing). Selain digunakan dalam perancangan program algoritma, Matlab juga digunakan dalam membuat tampilan utama atau interface dari perangkat lunak yang dibuat. Menu yang digunakan adalah menggunakan GUI (Graphic User Interface). Selain itu juga dalam proses prepocessing yaitu dalam melakukan cropping iris berbeda dari penelitian sebelumnya. Untuk analisa tekstur, menggunakan Gabor dari Elliot Freeman. 02/07, Steps To Making A Gabor Patch.Published with Matlab[9]. Dimana Gabor yang didapatkan kemudian dikonvolusi dengan citra iris yang ada untuk mendapatkan nilai fitur citra berupa nilai mean dan standar deviasi. Database dan Akuisisi Data Sampel citra iris mata yang digunakan dalam penelitian ini adalah secara offline yaitu dari CASIA (Chinese Academy of Science Institute of Automation) image dataset. Data citra iris mata yang akan diproses selanjutnya terbagi dalam 2 bagian yaitu data untuk pelatihan (learning) dan data untuk pengujian proses pengenalan (testing). Dari 21 subjek/orang yang dinotasikan : A, B, C,.dan U. Dimana setiap subjek diwakili oleh 6 citra iris yang berbeda. Dari 6 citra iris mata tersebut, data citra no 1 4 digunakan sebagai database. Sedangkan data 5-6 digunakan sebagai inputan.. Berikut ini adalah contoh sample citra iris mata dari Subjek A : Gambar 1. Citra Iris mata (CASIA) 2
3 A. Penglokasian Pupil Proses penglokasian pupil dimulai dari input citra yang sudah dalam bentuk grayscale sampai dengan proses buang pupil. Berikut ini adalah algoritma proses penglokasian pupil : Gambar 3. Citra hasil penglokasian pupil Gambar 2. Penglokasian Pupil Hasil citra iris mata setelah dilakukan tahapan proses penglokasian pupil adalah sebagai berikut : B. Tahap Pendeteksian Iris Proses pendeteksian iris dimulai dari hasil tahap penglokasian pupil yaitu citra mata yang lubang pupilnya telah dihilangkan sampai dengan proses crop iris. 3
4 Berikut ini adalah algoritma proses pendeteksian iris : citra hasil crop iris yang berbentuk ring sampai dengan proses mendapatkan pola iris berbentuk persegi. Berikut ini adalah algoritma proses mendapatkan pola iris : Gambar 4. Pendeteksian Iris Hasil citra iris mata setelah dilakukan tahapan proses pendeteksian iris adalah sebagai berikut : Gambar 6. Proses mendapatkan pola iris Hasil citra iris mata setelah dilakukan tahapan mendapatkan pola iris adalah sebagai berikut : Gambar 5. Citra hasil deteksi iris C. Tahap Mendapatkan Pola Iris Proses untuk mendapatkan pola iris mata yang akan dijadikan sebagai masukan untuk proses analisa tekstur dimulai dari Gambar 7. Citra hasil pola iris 4
5 D. Analisa Tekstur Pada citra iris berbentuk persegi ini adalah hasil penurunan resolusi gambar asli citra iris mata yaitu dari piksel menjadi piksel. Dari citra baru yang berukuran piksel dilakukan proses analisa tekstur menggunakan Gabor. Gabor yang digunakan didapatkan dari : Elliot Freeman. 02/07, Steps to Making a Gabor Patch.Published with Matlab[9]. Dari Gabor yang telah didapatkan dilakukan variasi nilai lambda dan theta. Nilai lambda yang digunakan adalah 10, 15, dan 20 dimana setiap lambda dilakukan pada theta 0 0, 45 0, 90 0, dan Sehingga akan menghasilkan 12 output Gabor dan menghasilkan 24 fitur yang berupa nilai mean dan standar deviasi. Fitur ini merupakan ciri-ciri pola tekstur dari citra iris yang digunakan sebagai masukan untuk melakukan proses pengenalan. Filter Gabor dari masing masing arah orientasi dibentuk dari rumus berikut [9]: GG(θθ, λλ) = eeeeee XXXX + YYYY 2 sin(2ππππππππππ) (1) ss 2 Xyt=Xm.cos(thetaRad)+Ym.sin(thetaRad) (2) thetarad = θθ 2ππ (3) 360 ff = iiiiiiiiiiii (4) λλ σσ ss = (5) iiiiiiiiiiii Dimana θ adalah arah orientasi dari gabor, f adalah frekuensi gelombang sinus, σ adalah standard deviasi dari Gaussian, pada penelitian ini digunakan 10 (dalam pixel). Hasil dari citra yang telah dilakukan menggunakan 12 output gabor, dimana dilakukan proses konvolusi sebelumnya adalah sebagai berikut : Gambar 8. Citra hasil gabor Proses Pengenalan Proses pengenalan adalah proses membandingkan citra input dengan citra iris yang ada di dalam database. Fitur citra input dibandingkan dengan fitur citra dalam database menggunakan Euclidean Distance. Euclidean Distance adalah jarak antara dua buah objek atau titik. Dalam penelitian ini, rumus jarak euclidean distance digunakan untuk mengukur kemiripan sebuah citra dengan citra yang lainnya. Nilai jarak diantara titik A (A1, A2,..., An) dan B (B1, B2,..., Bn) didefinisikan sebagai berikut : (6) Nilai A1 dan B1 dalam hal ini diganti dengan nilai mean dari citra. Sehingga A1 adalah mean dari citra input dan B1 adalah nilai dari citra dalam database. Sedangkan nilai A2 adalah standar deviasi dari citra input dan B2 adalah standar deviasi dari citra dalam database. Nilai mean digunakan untuk mengukur rata rata nilai dari suatu citra sedangkan standar deviasi digunakan untuk mengukur penyebaran kumpulan nilai tersebut. Jarak terkecil hasil perhitungan dengan Euclidean Distance merupakan citra yang memiliki kemiripan tertinggi. 5
6 Hasil dan Pembahasan Berdasarkan hasil pengujian terhadap semua jenis Gabor maka dapat dilakukan analisis pengujian jenis Gabor terbaiknya. Hasil ini didapat dengan membandingkan prosentase tingkat keberhasilan pada masing-masing Gabor dengan variasi lambda dan theta. Keseluruhan Prosentase tingkat keberhasilan pada keseluruhan pengujian dapat dilihat pada table di bawah ini : Tabel 2. Hasil Identifikasi pada Lamda 10, Sudut 90 0 Tabel 1. Tingkat keberhasilan dari tiap Lambda dengan variasi Theta Dari Tabel 1, jenis Gabor yang memiliki prosentase tingkat keberhasilan paling tinggi adalah jenis Gabor pada lambda 10 dengan theta 90 0 yang mampu mengenali citra input dengan benar sampai 90.5%. 6
7 Berikut ini adalah hasil grafik dari tingkat keberhasilan pada masing-masing lambda dengan variasi theta: Gambar 9. Grafik Hasil Akurasi Dari Tiap Lambda Dengan Variasi Theta Dari grafik di atas terlihat untuk masingmasing lambda, semakin besar sudut maka tingkat keberhasilan proses pengenalan citra semakin besar. Hal ini berarti dengan semakin besarnya sudut ciri-ciri dari tekstur iris suatu subjek dapat teridentifikasi dengan lebih akurat. Terlihat juga tingkat keberhasilan paling baik berada pada sudut 90 0 untuk masingmasing lambda. Untuk analisa pada sudut 90 0, semakin besar lambda maka tingkat keberhasilan proses pengenalan semakin kecil. Hal ini bisa dikarenakan dengan lambda yang besar maka frekuensi gabor akan semakin kecil. Dengan semakin kecilnya frekuensi semakin sedikit pula ciri-ciri tekstur dari citra yang dapat terekstraksi. Sehingga terlihat bahwa pada lambda 10, tingkat keberhasilan proses pengenalan paling besar yaitu 90.5 %. Tabel 3. Table hasil mean dan standar deviasi THETA 90 LAMDA MEAN STDEV Grafik dari table mean dan standar deviasi di atas adalah sebagai berikut : Gambar 10. Grafik nilai mean tiap lambda Analisis Perbandingan Nilai Fitur Citra Berikut ini adalah table nilai mean dan standar deviasi tiap lambda dengan mengambil salah satu citra mata database yaitu citra mata K yang terdiri dari citra mata K1, K2, K3 dan K4 : Gambar 11. Grafik nilai standar deviasi tiap lambda 7
8 Dari grafik mean dan standar deviasi di atas terlihat tren nilai mean dan standar deviasi untuk tiap lambda semakin besar. Dari grafik mean maupun standar deviasi, pada lambda 10 memiliki nilai mean dan standar deviasi paling kecil. Sedangkan pada lambda 20 memiliki nilai mean dan standar deviasi paling besar. Hal ini berarti pada lambda 10 nilai intensitas tiap piksel dari keempat citra (K1, K2, K3, dan K4) paling rendah tetapi memiliki persebaran nilai intensitas yang lebih merata. Sehingga pada lambda 10 menghasilkan citra yang lebih mudah untuk dikenali (dalam hal ini ciri khas tekstur dari suatu citra iris). Analisis Perbandingan Nilai Jarak (Euclidean Distance) Pada Tiap Lambda Gambar 12. Grafik Perbandingan Nilai Jarak Dari Tiap Lambda Dari grafik di atas terlihat tren ketiga grafik dari masing masing lambda memiliki kecenderungan yang sama. Nilai jarak untuk lambda 10 dengan input K6 pada masing masing citra dalam database memiliki nilai jarak paling kecil. Sedangkan pada lambda 20 memiliki nilai jarak yang paling besar. Dengan semakin kecil nilai jarak yang dihasilkan maka semakin mirip antara citra input dengan citra dalam database. Hal ini dikarenakan nilai mean dan standar deviasi antara citra input dengan citra dalam database memiliki nilai yang 8 hampir sama. Sehingga lambda 10 dengan theta 90 menghasilkan tingkat keberhasilan tertinggi dalam melakukan proses pengenalan. Hal ini menunjukkan metode identifikasi menggunakan Gabor pada lambda 10 dan theta 90 adalah Gabor yang paling akurat dengan akurasi 90.5 % dalam mengenali identitas seseorang dengan menggunakan analisa tekstur pada iris mata. KESIMPULAN Proses yang digunakan untuk mendapatkan pola iris yaitu dengan cropping yang sebelumnya dilakukan proses deteksi pupil dan iris mata. Proses cropping iris ditentukan oleh besar lubang bekas pupil, yang kemudian direzise dengan ukuran 64 x 64 piksel agar ukuran citra hasil cropping untuk semua citra menjadi sama. Kemudian dilakukan proses analisa tekstur untuk mendapatkan nilai fitur dengan menggunakan filter gabor. Gabor respons yang telah terbentuk kemudian dilakukan proses konvolusi dengan citra hasil cropping untuk mendapatkan citra hasil gabor. Kemudian citra hasil gabor dicari nilai fiturnya yaitu berupa nilai mean dan standar deviasi. Setiap citra akan diproses dengan menggunakan 12 output gabor sehingga menghasilkan 24 fitur berupa nilai mean dan standar deviasi. Setiap citra yang diproses baik yang merupakan input maupun database dicari nilai fiturnya (mean dan standar deviasi). Kemudian dilakukan proses pengenalan. Proses pengenalan disini merupakan proses dimana citra sebagai input dicocokkan dengan citra yang terdapat di dalam database berdasarkan nilai Euclidean distance. Nilai Euclidean ini merupakan nilai dengan parameter inputnya adalah nilai fitur citra yaitu mean dan standar deviasi.semakin kecil nilai Euclidean distance nya maka semakin mirip antara citra input dengan citra yang ada di dalam database. Berdasarkan nilai
9 Euclidean, maka akurasi perangkat lunak dapat dicari dengan cara nilai terkecil dari nilai Euclidean input dengan semua citra yang ada di dalam database menunjukkan citra dengan subjek yang benar. Semakin banyak citra input yang dikenali maka semakin besar akurasi yang di dapat. Setiap variasi lambda dan theta dicari nilai akurasinya, nilai akurasi yang terbaik akan dijadikan sebagai akurasi dari perangkat lunak. Akurasi terbaik yang didapatkan adalah sebesar 90.5 % pada lambda 10 dan theta computer vision.university of Groningen, Department of Computing Science, Intelligent Systems. [9]. Elliot Freeman. 02/07, steps to making a Gabor patch.published with MATLAB 7.1. DAFTAR PUSTAKA [1]. Gonzalez Rafael C, Woods Richard E Digital Image Processing. University of Tenesse. Addison Wesley Publishing Company [2]. A.A. K. Oka Sudana, D.M. Wiharta, Mahardhika Tirta Sistem Verifikasi Sidik Jari Dengan Metode Pencocokan Berbasis Bank Gabor Filter. Staf Pengajar Teknik Elektro, Fakultas Teknik, Universitas Udayana [3]. Marvin Ch. Wijaya, Prijono Agus Pengolahan Citra Dijital Menggunakan Matlab. Bandung : Informatika Bandung [4]. Resmana Lim, Santoso Verifikasi Personal Berdasarkan Citra Tangan Dengan Metode Filter Gabor. Jurusan Teknik Elektro, Universitas Kristen Petra [5]. Fadlisyah, S.Si Computer Vision dan Pengolahan Citra. Yogyakarta : CV ANDI OFFSET [6]. Ichsan Identifikasi Personal Biometrik Berdasarkan Pola Iris Mata Dengan Menggunakan FIilter Gabor.ITS [7]. Anonim, Praktikum EL4027 Pengolahan Citra Biomedika EB703 Pengolahan Citra Biomedika Lanjut Modul3 Analisis Tekstur, Imaging & Image Processing Research Group Institut Teknologi Bandung, [8]. N. Petkov and M.B. Wieling. Gabor filter for image processing and 9
YOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
Lebih terperinciPENGEMBANGAN ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE
PENGEMBANGAN ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) Ahmad Rifa i Rif an., Hendro
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciIDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA. Yusriani Laa Baan
IDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA Yusriani Laa Baan 0522132 Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciPERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS 081401039 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION Nasep Muhamad Ramdan (0522135) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciSISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR
SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI
IDENTIFIKASI SESEORANG BERDASARKAN CITRA SILUET ORANG BERJALAN MENGGUNAKAN SUDUT SETENGAH KAKI Disusun Oleh: Nama : Edy Kurniawan NRP : 0922023 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciBAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
Lebih terperinciPEMANFAATAN TEKNOLOGI BIOMETRIC IRIS SCANNING SEBAGAI PASSWORD SISTEM KEAMANAN IRISH SCANNING BIOMETRIC TECHNOLOGY AS A SECURITY SYSTEM PASSWORD
PEMANFAATAN TEKNOLOGI BIOMETRIC IRIS SCANNING SEBAGAI PASSWORD SISTEM KEAMANAN IRISH SCANNING BIOMETRIC TECHNOLOGY AS A SECURITY SYSTEM PASSWORD Widya Wisanty 1, H. Suarga 2, Loeky Haryanto 3 1 Jurusan
Lebih terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
Lebih terperinciSISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING
SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING Disusun Oleh : Dimastya Yonathan Pratama (1022061) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciSEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si
APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciAdiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER
Lebih terperinciPENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
PENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Adiatandy Geovani (0722091 ) Jurusan Teknik Elektro email: adiatandy.mail@gmail.com
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
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 terperinciPENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS ABSTRAK
PENGENALAN WAJAH MENGGUNAKAN METODE INDEPENDENT COMPONENT ANALYSIS Rudy Hova / 0222165 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email : rudy_hova@yahoo.com
Lebih terperinciABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha
PENGENALAN POLA HURUF t DARI TULISAN TANGAN UNTUK MENENTUKAN KARAKTER SESEORANG DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN ALGORITMA BACKPROPAGATION ABSTRAK Michael Parlindungan (0722017) Jurusan
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciPENGENALAN WAJAH MELALUI WEBCAM DENGAN METODA GABOR WAVELET-KERNEL FISHER ANALYSIS
PENGENALAN WAJAH MELALUI WEBCAM DENGAN METODA GABOR WAVELET-KERNEL FISHER ANALYSIS HERON P HAREFA NRP : 0222187 PEMBIMBING : IR. AAN DARMAWAN, MT. UNIVERSITAS KRISTEN MARANATHA FAKULTAS TEKNIK JURUSAN
Lebih terperinciPENERAPAN ALGORITMA EIGENFACE PADA SISTEM ABSENSI KARYAWAN BERBASIS WEBCAM SKRIPSI MAULINA SARI
PENERAPAN ALGORITMA EIGENFACE PADA SISTEM ABSENSI KARYAWAN BERBASIS WEBCAM SKRIPSI MAULINA SARI 060823011 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS)
PENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS) Disusun oleh : Yudi Setiawan (0722095) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, No.
Lebih terperinciVerifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC)
Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC) Adryan Chrysti Sendjaja (1022005) Jurusan Teknik Elektro Universitas Kristen Maranatha
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
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 terperinciDAFTAR ISI. BAB 3 PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Alir Utama Kamera Web iii
Aplikasi Kamera Web Untuk Mengidentifikasi Plat Nomor Mobil Jemmy / 0322042 E-mail : kaiser_jemmy@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK ABSTRAK Dwi Putra Alexander (0722067) Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN. perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini. 1.1
Lebih terperincikalangan yang berkecimpung di dalam sesuatu yang membutuhkan pengamanan (security) data yang sangat tinggi. Pengamanan akan data-data ini semakin dira
SIMULASI DAN ANALISA SISTEM BIOMETRIK BERBASIS IRIS MATA Job Richard Hasintongan Sibarani Jurusan Teknik Informatika Fakultas Teknologi Industri, Universitas Gunadarma ABSTRAKSI Sistem biometrik pada saat
Lebih terperinciPENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan
PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition
Lebih terperinciPengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach
Pengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach Erry Febriansyah Prananta / 0422071 Email : erry_prananta@yahoo.com Jurusan Teknik Elektro,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manuasia. Namun mata manusia memiliki keterbatasan
Lebih terperinciPENGENALAN PENGUCAPAN HURUF VOKAL MENGGUNAKAN LEBAR DAN TINGGI BIBIR ABSTRAK
PENGENALAN PENGUCAPAN HURUF VOKAL MENGGUNAKAN LEBAR DAN TINGGI BIBIR Disusun oleh: Dearni Happy (0722113) Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia,
Lebih terperinciKLASIFIKASI CITRA SIDIK JARI DENGAN METODE TEMPLTE MATCHING
KLASIFIKASI CITRA SIDIK JARI DENGAN METODE TEMPLTE MATCHING SKRIPSI Oleh : DWI KUSMIATI J2A 605 036 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
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 terperinciSTMIK MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
STMIK MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 RANCANG BANGUN APLIKASI PEMBELAJARAN KARAKTER MANDARIN BERBASIS PENGENALAN KARAKTER DENGAN METODE PCA
Lebih terperinciPENGEMBANGAN PROGRAM VERIFIKASI TELAPAK TANGAN DENGAN METODE MENGHITUNG PANJANG DAN LEBAR RUAS JARI ABSTRAK
PENGEMBANGAN PROGRAM VERIFIKASI TELAPAK TANGAN DENGAN METODE MENGHITUNG PANJANG DAN LEBAR RUAS JARI Yudhi Sanjaya/0322106 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciPENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI 09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN FITUR EKSTRAKSI OPERASI BLOK FITUR OPERASI NON-OVERLAPPING BLOK NON-OVERLAPPING DAN PENCOCOKAN
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
Lebih terperinciSISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR. Febrian Ardiyanto NIM :
SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR Oleh Febrian Ardiyanto NIM : 13203137 PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2007
Lebih terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE
PENGENALAN IDENTITAS MANUSIA MELALUI POLA IRIS MATA MENGGUNAKAN TRANSFORMASI WAVELET DAN MAHALANOBIS DISTANCE Ronald Ommy Y 1), Achmad Rizal, ST., MT 2), M. Ary Murti, ST., MT 3) Departemen Teknik Telekomunikasi,
Lebih terperinciKata kunci : citra, pendeteksian warna kulit, YCbCr, look up table
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr Elrica Pranata / 0422002 Email : cha_nyo2@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha Jalan Prof. Suria Sumantri
Lebih terperinciFUSI CITRA BERBASIS COMPRESSIVE SENSING
ABSTRAK FUSI CITRA BERBASIS COMPRESSIVE SENSING Disusun oleh : Kristian Hernowo (1022022) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri, MPH. No.
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciDedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2
37 Pengelompokan Jenis Tekstur Kayu Menggunakan K- Nearest Neighbor dan Ekstraksi Fitur Histogram Wood Texture Classification Using K-Nearest Neighbor and Histogram Feature Extraction Dedi Argya Nugroho
Lebih terperinciPENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Gerald Patrick Siahainenia (0522128) Jurusan Teknik Elektro email : gerald_patrick2000@yahoo.com
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciPerbandingan Dua Citra Bibir Manusia Menggunakan Metode Pengukuran Lebar, Tebal dan Sudut Bibir ABSTRAK
Perbandingan Dua Citra Bibir Manusia Menggunakan Metode Pengukuran Lebar, Tebal dan Sudut Bibir Rizki Hamdani / 0322 Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jl. Prof. Drg.
Lebih terperinciPENGENALAN EMOSI SESEORANG BERDASARKAN BENTUK BIBIR DENGAN METODE DISCRETE HARTLEY TRANSFORM ABSTRAK
PENGENALAN EMOSI SESEORANG BERDASARKAN BENTUK BIBIR DENGAN METODE DISCRETE HARTLEY TRANSFORM Lucas Sanjaya (1122034) Jurusan Teknik Elektro Email: Lucas_sanjaya93@yahoo.co.id ABSTRAK Ketika berhadapan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi seperti saat ini, kebutuhan akan informasi dan sistem yang dapat membantu kebutuhan manusia dalam berbagai aspek sangatlah penting.
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciIDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI PCA DAN GLCM
1 IDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI DAN Ratna Dwi Jayanti A11.2011.05949 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro, Jl.
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciBAB I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berdasar dari ciri atau tanda dari seseorang maka identitas seseorang itu dapat diketahui. Permasalahan yang menyangkut identitas seseorang tersebut dapat dikategorikan
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 terperinciDETEKSI KERUSAKAN JALUR PCB (PRINTED CIRCUIT BOARD) MENGGUNAKAN METODE TEMPLATE MATCHING
DETEKSI KERUSAKAN JALUR PCB (PRINTED CIRCUIT BOARD) MENGGUNAKAN METODE TEMPLATE MATCHING Wahyu Nugroho Abstract - Template matching is a technique in digital image processing functions to match each part
Lebih terperinciROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM
ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciPendeteksi Cacat Pada Selongsong Peluru Berbasis Citra Menggunakan Gabor Filter
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pendeteksi Cacat Pada Selongsong Peluru Berbasis Citra Menggunakan Gabor Filter M. Khairul Fahmi dan Dwi Ratna S Jurusan Matematika, Fakultas Matematika
Lebih terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK-PROPAGATION DAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK-PROPAGATION DAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP Giellis Kurniati Putri¹, Bambang Hidayat², Achmad Rizal³ ¹Teknik Telekomunikasi,,
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 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 terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciPENGGABUNGAN DUA CITRA DENGAN METODE COMPRESSIVE SENSING MENGGUNAKAN MATLAB
ABSTRAK PENGGABUNGAN DUA CITRA DENGAN METODE COMPRESSIVE SENSING MENGGUNAKAN MATLAB Disusun oleh : Glenn Yehezkiel Pratiknyo (1027027) Jurusan Sistem Komputer, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri,
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciBAB I PENDAHULUAN. identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi biometrik merupakan teknologi yang memanfaatkan identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau kunci dalam kontrol akses ke
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciPENGENALAN CITRA IRIS MATA MENGGUNAKAN JARAK MINKOWSKI DENGAN EKSTRAKSI CIRI ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES
PENGENALAN CITRA IRIS MATA MENGGUNAKAN JARAK MINKOWSKI DENGAN EKSTRAKSI CIRI ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES Maria Fitriana *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
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 terperinciPENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
PENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK Thari Novianty Mentaruk (0722100) Jurusan Teknik Elektro e-mail : thari_novianty_m@yahoo.com Verifikasi tanda
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinci