Profesor Nixon pada tahun 1999, mengatakan bahwa telinga memiliki keuntungan tertentu terhadap kemapanan biometrik dibandingkan dengan wajah, karena m
|
|
- Lanny Lesmana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI METODE HOUGH DAN JARAK MAHALANOBIS PADA Abstraksi SISTEM BIOMETRIK PENGENALAN TELINGA DENGAN MENGGUNAKAN LIBRARY OPEN CV Dr. Ernastuti Jurusan Teknik Informatika Fakultas Teknologi Industri 03 Maret 2012 Teknologi biometrik menjadi dasar dari sistem identifikasi untuk mengontrol individu-individu dalam kelompok yang berada di bawah pengawasan. Sistem biometrik memberikan identifikasi secara otomatis dari individu berdasarkan ciri atau karakteristik unik yang dimiliki setiap individu. Pada sistem biometrik berbasis telinga, tahapan umum yang dilakukan adalah akuisisi citra, segmentasi citra, ekstraksi citra dan pengenalan citra. Metode Hough digunakan pada tahap segmentasi dan Metode jarak Mahalanobis digunakan pada tahap pengenalan citra. Implementasi sistem ini menggunakan bahasa pemrograman OpenCV dan sebagai objek penelitian menggunakan citra telinga yang diperoleh sebagian dari data pada internet, dan sebagian diperoleh dengan menggunakan kamera handphone dan kamera digital beresolusi tinggi. Kata Kunci : biometrik, hough, telinga, mahalanobis BAB I PENDAHULUAN 1.1 Latar Belakang Ada beberapa cara yang dapat dilakukan untuk mengenali seseorang, antara lain: Melalui benda, seperti kartu pengenal, pakaian, dan lain-lain, Data-data pengetahuan, seperti userid, password, dan lain-lain, Biometrik, seperti sidik jari, wajah, telinga, retina, kulit, dan lain-lain. Biometrik adalah ilmu mengidentifikasi atau memverifikasi identitas seseorang berdasarkan bentuk fisik atau karakteristik tubuh manusia. Salah satu contoh dari pengenalan biometrik adalah pengenalan telinga. Pada tahun 1989, Alfred Iannarelli melakukan sebuah penelitian yang memberi pengaruh yang sangat besar dalam penelitian pengenalan melalui telinga, dimana dia mengumpulkan lebih dari sampel telinga dan menemukan bahwa semua sampel tersebut tidak ada yang sama.
2 Profesor Nixon pada tahun 1999, mengatakan bahwa telinga memiliki keuntungan tertentu terhadap kemapanan biometrik dibandingkan dengan wajah, karena memiliki struktur dan bentuk yang tetap stabil dari lahir hingga usia tua. Selain itu telinga lebih kecil, memungkinkan sistem identifikasi dapat bekerja lebih cepat dan efisien. 1.2 Rumusan Masalah Bagaimana algoritma komputer dapat mengenali seseorang dari telinganya yang berupa inputan gambar. 1.3 Batasan Masalah Pada penelitian ini, masalah akan dibatasi pada hal-hal berikut : 1. Penelitian ini hanya berhubungan dengan implementasi metode Hough Dan Jarak Mahalanobis. 2. Objek yang digunakan hanya dibatasi pada citra telinga diam. 3. Citra telinga dibatasi hanya pada posisi tampak samping dari posisi frontal wajah. 4. Objek telinga yang digunakan tidak terhalang oleh suatu benda. 5. Proses identifikasi dilakukan dengan membandingan dua citra telinga yang berbeda dari satu orang. 6. Telinga yang dibandingkan, hanya telinga pada letak yang sama, misalkan telinga kanan dengan telinga kanan. 7. Pembuatan aplikasi ini menggunakan bahasa pemrograman C++, library OpenCV versi 1 pre 1, dan menggunakan editor CodeBlocks. 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah membuat suatu aplikasi yang diharapkan dapat mengidentifikasi seseorang, dengan citra telinga sebagai data masukan. BAB II LANDASAN TEORI 2.1 Citra Secara harafiah, citra (image) adalah gambar pada bidang dua dimensi. Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat : Optik, berupa foto, Analog, berupa sinyal video seperti gambar pada monitor televisi, Digital, yang dapat langsung disimpan pada suatu pita magnetik. Secara umum citra dibedakan menjadi dua jenis, yaitu citra diam (still images) dan citra bergerak (moving images). Citra diam adalah citra tunggal yang tidak bergerak. Citra bergerak (moving images) adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial) sehingga memberi kesan pada mata kita sebagai gambar yang bergerak. Citra yang dimaksudkan di dalam keseluruhan isi penulisan ini adalah citra diam, dan selanjutnya, citra diam kita sebut citra saja. 2.2 Pengolahan Citra Pengolahan Citra (image processing) merupakan suatu istilah yang mencakup teknik pemanipulasian dan pemodifikasian gambar melalui berbagai cara. Pengolahan Citra dapat juga dikatakan sebagai operasi untuk memperbaiki, menganalisa, atau mengubah
3 suatu gambar. Ada empat klasifikasi dasar dalam pengolahan citra yaitu point, area, geometric, dan frame. - Point; memproses nilai piksel suatu gambar berdasarkan nilai atau posisi dari piksel tersebut. - Area; memproses nilai piksel suatu gambar berdasarkan nilai piksel tersebut beserta nilai piksel sekelilingnya. - Geometric; digunakan untuk mengubah posisi dari piksel. - Frame; memproses nilai piksel suatu gambar berdasarkan operasi dari 2 buah gambar atau lebih. Di dalam bidang komputer, ada tiga bidang studi yang berkaitan dengan data citra, namun tujuan ketiganya berbeda, yaitu: Grafika Komputer. Pengolahan Citra. Pengenalan Pola. Grafika Komputer bertujuan menghasilkan citra (lebih tepat disebut grafik) dengan primitif-primitif geometri seperti garis, lingkaran, dan sebagainya. Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Pengenalan Pola mengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin (dalam hal ini komputer). Tujuan pengelompokan adalah untuk mengenali suatu objek di dalam citra. 2.3 Computer Vision Terminologi lain yang berkaitan erat dengan pengolahan citra adalah computer vision atau machine vision. Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, klasifikasi, pengenalan (recognition), dan membuat keputusan. 2.4 Sistem Biometrik Biometrik adalah metode otomatis pengakuan seseorang berdasarkan karakteristik fisik atau perilaku[10]. Teknologi biometrik menjadi dasar dari identifikasi yang aman dan solusi untuk verifikasi pribadi. Karakteristik biometrik dibagi dalam dua kelas utama[10] : Fisiologis, berhubungan dengan bentuk tubuh. Behavioral, berkaitan dengan perilaku seseorang. Menggunakan biometrik untuk mengidentifikasi manusia menawarkan beberapa keunggulan unik. Biometrik bekerja cepat, mudah digunakan, akurat, dapat diandalkan, dan memiliki biaya yang relatif murah untuk berbagai aplikasi. Sistem biometrik dapat dioperasikan dengan dua metode berikut: 1. Verifikasi; perbandingan antara satu biometrik yang ditangkap dengan satu template yang ada digunakan untuk memverifikasi bahwa individu tersebut adalah benar orang yang diklaimnya. 2. Identifikasi; membandingkan biometrik dengan database biometrik dalam upaya mengidentifikasi individu yang tidak diketahui.
4 2.5 Gray Level Gray-level merupakan tingkat warna abu-abu dalam sebuah piksel, dapat juga dikatakan sebagai tingkat cahaya dalam sebuah piksel. Maksudnya nilai yang terkandung dalam piksel menunjukan tingkat terangnya piksel tersebut dari hitam ke putih. 2.6 Grayscaling Grayscaling dalah proses perubahan nilai piksel dari warna (RGB) menjadi gray-level [13]. Pada dasarnya proses ini dilakukan dengan meratakan nilai piksel dari 3 nilai RGB menjadi 1 nilai. 2.7 Thresholding Misal pada sebuah gambar, f(x,y) tersusun dari objek yang terang pada sebuah background yang gelap[13]. Graylevel milik objek dan milik background terkumpul menjadi 2 grup yang dominan. Salah satu cara untuk mengambil objek dari backgroundnya adalah dengan memilih sebuah nilai threshold T yang memisahkan grup yang satu dengan grup yang lain. Maka semua piksel yang memiliki nilai > T disebut titik objek, yang lain disebut titik background. Proses ini disebut thresholding. 2.8 Telinga Telinga adalah salah satu alat indra pada manusia yang digunakan untuk mendengar. Dalam dunia teknologi informasi, daun telinga dapat dijadikan salah satu bagian dari tubuh untuk mengidentifikasi pemiliknya. Hal ini dikarenakan adanya keunikan dari daun telinga pada masing-masing orang. Bagian-bagian dari daun telinga tersebut dapat dilihat pada gambar dibawah. Struktur Daun Telinga 2.9 Metode Pengenalan Telinga Dalam melakukan pendeteksian telinga, secara garis besar, proses yang akan dilakukan adalah lokalisasi, normalisasi dan pengenalan citra. Setiap langkah dari proses yang dijalankan menggunakan metode terurut sesuai dengan kebutuhan Transformasi Hough Transformasi Hough adalah teknik ekstraksi fitur yang digunakan dalam analisa citra. Tujuan dari teknik ini adalah untuk menemukan bentuk dari obyek dalam sebuah kelas tertentu sesuai dengan prosedur. Tujuan dari transformasi Hough untuk mengatasi masalah ini dengan melakukan pengelompokan titik ujung ke calon objek dengan melakukan prosedur voting yang eksplisit atas satu set parameter objek gambar. Transformasi Hough mengubah algoritma menggunakan sebuah array yang disebut akumulator, untuk mendeteksi adanya garis y = mx + b. Dimensi akumulator tersebut sama dengan angka parameter yang belum diketahui dari permasalahan transformasi Hough.
5 Dalam kasus lingkaran, persamaan parametrik yang digunakan yaitu: (x x 0 ) 2 + (y y 0 ) 2 = r 2 dimana x 0 dan y 0 adalah kordinat pusat lingkaran dan r adalah jari-jari. Algoritma dari deteksi lingkaran ini sesuai dengan ilustrasi pada gambar dibawah adalah sebagai berikut: 1. Tentukan nilai θ 2. Untuk setiap piksel (x,y) hitung nilai r = x cos θ + y sin θ untuk semua nilai θ 3. Buat array nilai θ dan r 4. Jika array nilai telah terbentuk, proses perhitungan dilanjutkan bersama dengan array akumulator. D M (x) = Dengan vektor x = (x 1 ; x 2 ; x 3 ; ::; x N ) T dari sekelompok nilai mean μ = (μ 1 ; μ 2 ; μ 3 ; :::; μ N ) T. Mahalanobis distance juga dapat didefinisikan sebagai ukuran perbedaan antara dua vektor acak x dan y dari distribusi yang sama dengan S (matriks kovariansi). d(x; y) = BAB III PERANCANGAN DAN IMPLEMENTASI Konsep dasar dari sistem yang dibuat diilustrasikan pada gambar. Gambar Persamaan parametrik deteksi lingkaran Hough Metode Jarak Mahalanobis Metode jarak Mahalanobis adalah suatu metode statistika yang digunakan untuk mendapatkan suatu data dengan jarak tertentu terhadap mean data tersebut sehingga diperoleh suatu penyebaran data yang memiliki pola terhadap nilai mean. Metode ini didasarkan pada korelasi antara variabel dengan pola yang berbeda yang dapat diidentifikasi dan dianalisis. Metode ini mengenali sampel yang telah ditetapkan dengan sampel yang belum dikenal. Metode ini memiliki nilai penguat yang fleksibel sehingga mudah disesuaikan dengan perubahan kondisi. Penguat dari metode ini ada pada nilai kovariansinya. Secara umum, jarak Mahalanobis dapat didefinisikan sebagai berikut: Gambar Model sistem pengenalan citra Aplikasi ini sifatnya berdiri sendiri dan tidak terkait pada sistem apapun. Tahap yang dilakukan dalam implementasi sistem ini bisa dimulai dari tahap pertama ataupun langsung dari tahap kedua. Apabila dimulai dari tahap pertama, maka akan dilakukan pengambilan gambar telinga seseorang terlebih dahulu dengan memggunakan kamera digital. Dan apabila kita ingin langsung ke tahap kedua, maka citra telinga yang akan kita gunakan sebagai inputan dapat kita peroleh dari database yang tersedia di internet. Ekstraksi citra dilakukan dengan mengambil setiap piksel citra dan diubah
6 ke dalam bentuk matriks yang diolah pada proses pencocokan. 3.1 Diagram Alur Proses Pada pembuatan program ini, kita menggunakan diagram alur untuk perancangan sistem. Diagram alur tersebut dapat kita lihat pada gambar dibawah Segmentasi Segmentasi citra dapat diartikan mendekomposisikan citra ke dalam komponen-komponen yang lebih kecil, atau memisahkan citra menjadi bagianbagian pembentuknya. Segmentasi ini berfungsi untuk mengklasifikasikan dan memisahkan bagian objek yang menjadi fokus penelitian berdasarkan metodemetode tertentu. Gambar Diagram alur sistem 3.2 Proses Pengolahan Citra Secara garis besar proses pengolahan citra ini terbagi dalam tiga bagian yaitu proses segmentasi, proses normalisasi dan proses pengenalan citra. Gambar Langkah-langkah proses segmentasi Metode yang digunakan di sini adalah pencarian secara langsung. Proses ini dilakukan pada citra telinga yang telah diubah menjadi citra biner melalui proses thresholding. Setelah dilakukan proses pengubahan ke citra biner dilanjutkan dengan proses penghalusan citra menggunakan fungsi Gaussian. Maksud dari proses ini adalah melakukan blur terhadap warna hitam dan putih yang jaraknya berdekatan sehingga mengurangi derau citra. Metode untuk melakukan penghalusan citra ini telah disediakan oleh OpenCV menggunakan fungsi cvsmooth. Setelah dilakukan proses diatas, maka selanjutnya citra telinga tersebut akan kita segmentasikan kedalam sakala kecil. Citra yang telah memiliki bentuk spesifik akan diproses dengan metode
7 transformasi Hough. Transformasi Hough digunakan untuk mendeteksi bentuk yang spesifik serta menghasilkan parameterparameter dan kemudian parameter ini yang dijadikan representasi bentuk melingkar dari telinga Normalisasi Tahap normalisasi ini adalah tahap yang dilakukan untuk mengambil bagian penting dari citra (ROI). Tahap ini dilakukan dengan cara memanfaatkan parameter titik pusat dan jari-jari yang telah didapat pada proses segmentasi. Awal dari proses normalisasi ini adalah membentuk matriks kosong untuk menampung piksel-piksel hasil ekstraksi. Panjang dari matriks ini adalah 360, sesuai dengan jumlah perputaran sudut yang dilakukan sedangkan tinggi matriks ini adalah sama dengan jari-jari lingkaran. Algoritma dari proses normalisasi ditunjukkan pada gambar dibawah. Gambar Ukuran matriks hasil normalisasi Pengenalan Citra Tahap pengenalan citra adalah tahap puncak dari proses sistem yang dibuat. Hasil dari dua tahap sebelumnya sangat berpengaruh besar terhadap proses perhitungan pada tahap pengenalan citra. Seperti yang telah diketahui bahwa setiap pertimbangan kondisi yang dilakukan pada dua tahap sebelumnya berdasarkan perhitungan matriks yang dilakukan pada tahap ini. Sesuai dengan rumus metode Mahalanobis yang telah dijelaskan pada bab sebelumnya, maka variabel pertama yang harus dihitung adalah matriks kovarian. Matriks kovarian adalah matriks yang berisi error terperinci dari estimasi data. Secara umum perhitungan matriks kovarian ditunjukkan oleh gambar dibawah. Gambar Dasar perhitungan matriks kovariansi Tahap normalisasi Setiap perhitungan nilai x dan y menggunakan koefisien konversi sudut ke radian (variabel a). Setelah nilai x dan y didapat kemudian dilanjutkan dengan pengambilan nilai pixel sesuai dengan kordinat pixel (x,y). Nilai pixel kemudian diletakkan pada matriks kosong yang telah dibuat dan nilai itu diletakkan secara urut per baris. Nilai variabel z adalah nilai faktor skala matriks. Untuk matriks hasil normalisasi telinga, nilai faktor skala yang digunakan adalah 360 dan matriks kovariansi yang dihasilkan adalah matriks berbentuk persegi dengan ukuran sisi adalah jari-jari lingkaran yang menjadi batas terluar dari gambar telinga yang akan di proses. Setelah proses mendapatkan matriks kovarian, dilanjutkan dengan
8 perhitungan selisih antara kedua matriks citra. Perhitungan selisih ini akan menghasilkan nilai matriks baru dan diurutkan secara per baris. Matriks baru ini diproses lebih lanjut untuk menghasilkan matriks transpose. Tiga proses perhitungan matriks telah dilakukan dan matriks yang dibutuhkan untuk menghasilkan nilai jarak Mahalanobis telah dihasilkan. Langkah terakhir yang dilakukan adalah melakukan proses perkalian antara ketiga matriks. Matriks yang dihasilkan pada perkalian tiga matriks ini adalah matriks berukuran 361 x 361. Langkah terakhir yang dilakukan adalah menyeleksi setiap nilai matriks hasil perhitungan terakhir dengan kondisi hanya nilai matriks positif dan terkecil. Nilai jarak mahalanobis dihasilkan dari akar kuadrat dari nilai matriks positif terkecil menggunakan fungsi sqrt. Hasil akhir dari sistem ini dapat dilihat pada gambar dibawah. yang dihasilkan semakin kecil berarti nilai kemiripannya makin tinggi dan menunjukkan bahwa setiap tahap proses dilakukan dengan baik. 3.3 Perangkat Lunak yang Digunakan Dalam pembuatan aplikasi pengenalan telinga ini, penulis menggunakan bahasa pemrograman C++ dengan bantuan library OpenCV versi 1 pre 1. Untuk editor yang digunakan, penulis menggunakan CodeBlocks C++ C++ adalah bahasa pemrograman komputer. C++ dikembangkan di Bell Labs (Bjarne Stroustrup) pada awal tahun an. Bahasa itu diturunkan dari bahasa sebelumnya, yaitu BCL. Salah satu perbedaan yang paling mendasar dengan bahasa C adalah dukungan terhadap konsep pemrograman berorientasi objek [5]. Gambar Hasil perhitungan jarak Mahalanobis Hasil akhir perhitungan ini merupakan jarak terdekat antara dua citra. Jarak terdekat ini dijadikan sebagai tingkat kesalahan pengenalan citra. Logika akhir dari hasil perhitungan nilai jarak mahalanobis ini adalah jika nilai jarak OpenCV OpenCV adalah singkatan dari Open Computer Vision, yaitu library open source yang di khususkan untuk melakukan Computer Vision. Library tersebut ditulis dalam bahasa C/C++. OpenCV didesain untuk efisiensi komputasi dan dengan fokus yang kuat pada aplikasi real-time CodeBlocks CodeBlocks adalah sebuah editor C++ yang berbasiskan IDE(Integrated Development Environment ) dan bersifat gratis. IDE adalah aplikasi perangkat lunak yang menyediakan fasilitas yang lengkap seperti editor untuk penulisan listing
9 program, sebuah compiler dan/atau interpreter, dan lain sebagainya; kepada pemrogram komputer untuk pengembangan perangkat lunak[6]. 3.4 Spesifikasi Perangkat Keras Prosesor dan memori yang digunakan dalam implementasi program ini adalah sebagai berikut: 1. Prosesor Intel Pentium(R) Core(TM)2 Duo CPU 2.00 GHz. 2. Memori DDR2 3,00 GB. BAB IV PENGUJIAN KINERJA SISTEM Ada dua kriteria yang dilakukan dalam pengujian kinerja sistem ini yaitu kriteria terhadap waktu dan kriteria terhadap tingkat keberhasilan. 4.1 Kriteria Waktu Tahap pengujian terhadap waktu maksudnya adalah tahap pengujian di mana kecepatan proses dijadikan sebagai objek pembanding. Tahap ini dilakukan dengan tujuan untuk mengetahui pengaruh perangkat keras yang digunakan untuk menghasilkan sebuah citra yang akan menjadi inputan pada aplikasi, terhadap efisiensi kinerja sistem. Dalam hal ini perangkat keras yang dimaksud adalah kamera. Alat pertama adalah Kamera Handphone dengan spesifikasi sebagai berikut: 1. Resolusi 240 x Kekuatan lensa 1,3 Megapiksel Alat kedua adalah kamera digital dengan spesifikasi sebagai berikut: 1. Resolusi 1836 x Kekuatan lensa 8 Megapiksel Uji Coba Waktu ekstraksi Kamera Hanphone Total waktu Waktu ekstraksi *waktu dalam satuan detik Tabel pembanding terhadap waktu proses Kamera Digital Total waktu
10 Tabel diatas adalah hasil perbandingan antara citra yang diambil menggunakan dua alat yang berbeda, dimana yang kita tinjau adalah kecepatan proses pengujian. Waktu ekstraksi adalah waktu yang dibutuhkan sistem terhitung dari awal proses hingga tahap pengubahan citra telinga menjadi bentuk polar. Waktu total adalah waktu yang dibutuhkan sistem terhitung dari awal proses, hinga akhir proses. Waktu total tersebut meliputi, waktu ekastraksi citra pertama, waktu ekstraksi citra kedua, dan waktu pencocokan (matching time). Jika diperhatikan dari keseluruhan pengujian citra pada tabel, maka dapat kita simpulkan bahwa penggunaan kamera yang berbeda akan mempengaruhi waktu untuk melakukan proses pada sistem. 4.2 Kriteria Keberhasilan Tahap keberhasilan ini dilakukan untuk mengetahui seberapa baik metode ini digunakan untuk melakukan pengenalan citra telinga. Kriteria keberhasilan pengenalan telinga ini adalah kriteria pengujian yang difokuskan pada keberhasilan mengenali citra telinga dengan kondisi apakah citra telinga tersebut berasal dari orang yang sama atau tidak. Nilai perhitungan yang dihasilkan adalah nilai disimilaritas antara dua citra telinga. Jika nilai tersebut semakin kecil berarti jaraknya semakin dekat dan tingkat kemiripannya semakin tinggi. Pengujian ini dilakukan dengan menggunakan citra telinga dengan format nama file adalah aa_bb_cc.jpg dimana aa adalah nomor urut manusia (anggap saja id seseorang), bb adalah posisi telinga (1 adalah telinga sebelah kanan dan 2 adalah telinga sebelah kiri) dan cc adalah nomor urut pengambilan citra telinga per orang. No. Citra Uji Citra Pembanding Nilai Jarak 1 01_1_1.jpg 01_1_2.jpg 02_1_3.jpg 03_1_1.jpg 14_1_2.jpg _1_3.jpg 04_1_2.jpg 02_1_2.jpg 03_1_3.jpg 19_1_1.jpg 3 02_1_1.jpg 02_1_3.jpg 01_1_3.jpg 04_1_2.jpg 11_1_2.jpg 4 14_1_1.jpg 14_1_2.jpg 11_1_1.jpg 17_1_4.jpg 20_1_1.jpg 5 10_1_1.jpg 10_1_2.jpg 18_1_4.jpg 19_1_2.jpg 15_1_2.jpg 6 13_1_1.jpg 13_1_2.jpg 14_1_2.jpg 17_1_4.jpg 16_1_4.jpg
11 7 20_1_1.jpg 20_1_2.jpg 02_1_1.jpg 11_1_4.jpg 04_1_2.jpg 8 20_2_2.jpg 20_2_4.jpg 07_2_1.jpg 05_2_3.jpg 06_2_1.jpg 9 12_1_2.jpg 12_1_4.jpg 15_1_4.jpg 17_1_1.jpg 19_1_3.jpg 10 06_2_1.jpg 06_2_3.jpg 05_2_1.jpg 07_2_2.jpg 20_2_3.jpg 11 19_1_1.jpg 19_1_4.jpg 20_1_2.jpg 02_1_3.jpg 04_1_2.jpg 12 07_1_1.jpg 07_1_2.jpg 12_1_4.jpg 15_1_1.jpg 03_1_2.jpg 13 16_1_1.jpg 16_1_2.jpg 18_1_2.jpg 14_1_3.jpg 11_1_4.jpg 14 03_1_1.jpg 03_1_2.jpg 14_1_4.jpg 10_1_1.jpg 18_1_3.jpg 15 15_1_1.jpg 15_1_4.jpg 04_1_2.jpg 19_1_1.jpg 11_1_2.jpg Tabel hasil uji pencocokan Dari hasil pengujian pada tabel diatas, dapat kita lihat bahwa pada uji tahap ke satu, nilai jarak terdekat dihasilkan pada perbandingan citra telinga dari orang yang sama. Hasil ini sesuai yang diharapkan. Pada tahap uji ke enam dan ke sepuluh dihasilkan nilai jarak terkecil dari citra telinga orang yang berbeda. Hal ini dapat disebabkan karena kualitas citra telinga yang buruk, adanya derau seperti rambut, segmentasi citra yang mencakup daerah disekitar telinga yang cukup mengganggu, ataupun citra telinga yang dibandingkan memiliki perbedaan ukuran pixel yang sangat signifikan sehingga menyebabkan perbedaan ukuran jari-jari yang cukup besar pula, sehingga perhitungan jarak menjadi kurang optimal. BAB V PENUTUP 5.1 Kesimpulan Hasil uji coba yang dilakukan memuaskan karena sudah sesuai dengan metode yang digunakan. Output yang dihasilkan hanya berupa jarak dua gambar karena tidak menggunakan database sebagai media penyimpanan data telinga. Hal ini disebabkan karena bahasa pemrograman yang digunakan masih dalam tahap pengembangan sehingga masih adanya kendala pada proses penyimpanan data ke dalam database. 5.2 Saran Untuk lebih efektif dalam hal pengunaan aplikasi ini perlu adanya
12 pengembangan sistem, sehingga pada saat lokalisasi citra hanya mencakup pada bagian daun telinga saja. Dengan demikian derau pada daerah sekitar daun telinga dapat dihilangkan sehingga dapat diperoleh hasil yang lebih akurat. Perlu juga adanya penggunaan database dan sistem kecerdasan buatan dalam implementasi sistem ini guna mempelajari struktur telinga seseorang yang kemudian datanya dapat disimpan kedalam database untuk keperluan pencocokan citra telinga selanjutnya. DAFTAR PUSTAKA [1] EkoZulkaryanto, om/2010/01/hough-transform.pdf, [2] Globalsecurity.org, ity/systems/ biometrics.htm, [3] Metrogaya, i-baru-pengenal-data-manusia-lewattelinga, [4] R. Fisher, pr2/hough.htm, [5] Wikipedia, [6] Wikipedia, ed_development_ environment. [7] Wikipedia, ics. [8] Will Dwinnell, m/2006/11/ mahalanobisdistance.html, [9] G. Bradski dan A. Kaehler, Learning OpenCV Gravenstein Highway North, Sebastopol, CA 95472: O'Reilly Media, Inc., [10] James Wayman, Biometric Systems Technology, Design and Performance Evaluation. Springer London, [11] L. Carlos Junqueira, basic histology 2nd Edition, ser. ISBN: , [12] P C Mahalanobis, On the generalised distance in statistics. Proceedings of the National Institute of Sciences of India, [13] R. C. Gonzalez dan R. E. Woods, Digital image processing. Upper Saddle River, New Jersey 07458: Prentice Hall International, Inc., [14] R. Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik. Penerbit Informatika, Agustus 2004.
SISTEM 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 terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih 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 METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2.1 Pengertian Citra Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue)
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 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 terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB 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 terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
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 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 terperinciSISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA
SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA Syahrul 1, Andi Kurniawan 2 1,2 Jurusan Teknik Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia Jl. Dipati Ukur No.116,
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
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 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 terperinciKAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,
KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com
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 terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
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 terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
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 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
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 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 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 terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
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 terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
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 PENDAHULUAN. Perkembangan teknologi komputer yang semakin canggih, membuat para ahli
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi komputer yang semakin canggih, membuat para ahli komputer berkeinginan menciptakan komputer yang berkemampuan hampir sama dengan otak
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 terperinciYOGI 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 terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
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 terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
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 II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
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 terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis III.1.1. Analisis Didalam pross perancangan aplikasi ini sebelumnya dilakukan beberapa pengamatan terhadap pentingnya melakukan proses enkripsi
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 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 terperinciPERTEMUAN - 2 PENGOLAHAN CITRA
PERTEMUAN - 2 PENGOLAHAN CITRA EDY WINARNO fti-unisbank-smg 24 maret 2009 Citra = gambar = image Citra, menurut kamus Webster, adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN
BAB V IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang implementasi dan pengujian dari sistem yang dikembangkan berdasarkan hasil perancangan yang didapat pada BAB IV. V.1 Implementasi V.1.1 Spesifikasi
Lebih terperinciPengolahan Citra (Image Processing)
BAB II TINJAUAN TEORITIS 2.1 Citra (Image) Processing Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
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 III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara
BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mengontrol akses menuju suatu wilayah atau material yang dilindungi, dibutuhkan teknik pengenalan individu yang handal. Seiring dengan perkembangan zaman dan
Lebih terperinciBAB I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciBAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Bab ini menjelaskan mengenai tahapan analisis dan perancangan sistem yang akan dikembangkan, yaitu Sistem Identifikasi Buron. Bab ini terbagi atas 5 bagian yang
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih 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 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 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 terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
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 terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciBAB 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Berikut adalah alur metodologi penelitian yang akan digunakan dalam menyelesaikan penelitian tugas akhir ini : 3.2 Pengumpulan Data Gambar 3.1
Lebih terperinci3.2.1 Flowchart Secara Umum
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam kehidupan sehari-hari semakin banyak masalah yang terjadi seiring meningkatnya populasi di daerah perkotaan, akibatnya lalu lintas menjadi lebih padat karena
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 terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen penting dalam dunia multimedia karena memiliki peranan penting dalam hal menyajikan suatu informasi dalam bentuk gambar
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 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 terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat lunak
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Aplikasi Pengujian Untuk menguji kecepatan dan keakuratan metode pendeteksian wajah Viola Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat
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 terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 1 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
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 terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciBAB 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 terperinci