BAB III ANALISIS DAN PERANCANGAN SISTEM
|
|
- Ida Pranoto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 masing-masing akan menjelaskan mengenai analisis kebutuhan, perancangan sistem, desain modul, desain basis data, dan desain antarmuka. 3.1 Analisis Kebutuhan Pada bagian pendahuluan telah dijelaskan mengenai latar belakang pengembangan sistem ini. Yaitu karena kurang idealnya perbandingan polisi dan warga di Indonesia, maka Kepolisian Republik Indonesia dituntut untuk melakukan pekerjaannya secara lebih efisien. Salah satunya adalah menemukan buronan secepat mungkin. Oleh karena itu, dibuatlah sebuah sistem yang akan berfungsi untuk mempermudah Kepolisian Repubilk Indonesia melakukan identifikasi terhadap ciri-ciri pelaku kejahatan, dalam hal ini adalah bagian wajah. Identifikasi dilakukan dengan membuat sketsa wajah pelaku kejahatan. Dalam prosesnya, polisi menanyakan ciri-ciri pelaku kejahatan yang diingat oleh saksi berdasarkan beberapa komponen wajahnya. Yaitu: rambut, bentuk dagu, alis, bentuk wajah, mata, hidung, telinga, dan bibir. Keterangan dari saksi ini menjadi bagain penting dalam proses rekonstruksi wajah dari pelaku kejahatan. Permasalahanpermasalahan tersebut melatarbelakangi proses pembuatan sistem ini. Kebutuhan sistem: 1. Sistem yang bisa mengenali wajah berdasarkan alis. 2. Sistem dapat menampilkan template alis sebagai representasi keseluruhan variasi dan jenis alis. 28
2 3. Sistem dapat melakukan rekonstruksi wajah, pada saat pengembangan ini cukup merekonstruksi bagian alis saja. 4. Sistem dapat melakukan ekstraksi ciri dari alis. 5. Sistem dapat menampilkan hasil pencarian berupa wajah yang memiliki alis yang memiliki nilai kemiripan yang tinggi dengan template. 6. Sistem bisa membandingkan antara dua metode, yaitu Eigenface dan Klustering K-Means dengan Koreksi Gamma, yang akan digunakan utnuk melakukan ekstraksi ciri pada alis. Sistem Identifikasi Buron yang akan dikembangkan dapat dimodelkan seperti pada gambar 3.1 PENGGUNA Input Ekstraksi UNIT EKSTRAKSI CIRI ALIS UNIT EKSTRAKSI CIRI 1 BASIS DATA CITRA ALIS INDEKS CITRA ALIS 1 UNIT EKSTRAKSI CIRI 2 INDEKS CITRA ALIS 2 BASIS DATA CITRA WAJAH Pilihan Template Alis Citra Wajah Keluaran ANTAR MUKA PEROLEHAN CITRA WAJAH UNIT PEROLEHAN CITRA WAJAH Gambar 3.1 Arsitektur Sistem Pada Gambar 3.1 dapat dilihat bagaimana pemodelan dari arsitektur sistem yang akan dikembangkan. Unit-unit ini akan dijelaskan lebih dalam pada Tabel
3 Tabel 3.1 Penjelasan Fungsi dari Unit-Unit Sistem Unit Fungsi Unit Ekstraksi Ciri Alis - Perantara antara pengguna dan sistem untuk melakukan ekstraksi ciri dan pengindeksan dari citra alis yang ada dalam basis data. - Unit ini terdiri dari dua unit (Unit Ekstraksi Ciri 1 dan Unit Ekstraksi Ciri 2) yang melakukan ekstraksi dengan dua metode yang berbeda. - Menerima input dari pengguna berupa pemicu agar sistem bisa berjalan. Unit Ekstraksi 1 - Melakukan ekstraksi terhadap citra alis berdasarkan metode Eigenface. - Unit ini menggunakan citra alis dari Basis Data Citra Alis untuk diekstrak cirinya. - Hasil ekstraksi akan digunakan untuk melakukan pencarian pada Unit Perolehan Citra Wajah. - Unit ini dapat dioperasikan melalui Antarmuka perolehan wajah. Unit Ekstraksi 2 - Melakukan ekstraksi terhadap citra alis berdasarkan metode Klustering K-Means dengan Koreksi Gamma. - Unit ini menggunakan citra alis dari Basis Data Citra Alis untuk diekstrak cirinya. - Hasil pengindeksan akan digunakan untuk melakukan pencarian pada Unit Perolehan Citra 30
4 Wajah. Unit perolehan Citra Wajah - Melakukan pencarian terhadap citra wajah yang sesuai dengan citra alis yang dipilih. Antarmuka Citra Wajah. Perolehan - Pencarian dilakukan dengan membandingkan antara citra alis yang dipilih dengan citra alis yang terdapat pada wajah melalui Indeks Citra Alis. - Pengukuran kemiripan alis dilakukan dengan metode Jarak Euclidean. - Perantara antar pengguna dan sistem untuk menampilkan 10 wajah hasil pencarian. - Perantara untuk menjalankan Unit Ekstraksi Ciri 1. - Menampilkan citra hasil pencarian beserta dengan angka kemiripan dengan alis yang dipilih oleh pengguna. 3.2 Perancangan Sistem Bagian ini akan menjelaskan mengenai rancangan sistem yang akan dibuat berdasarkan hasil dari analisis kebutuhan. Ada tiga desain yang dibuat, yaitu: desain modul, desain basis data dan desain antar muka Desain Modul Dengan melihat hasil dari analisis kebutuhan, maka dapat disimpulkan modulmodul apa saja yang dibutuhkan oleh sistem. Ada tiga modul yang dibutuhkan, yaitu: modul Ekstraksi Ciri Citra Wajah EIGN (Eigenface), modul Ekstraksi Ciri Citra Wajah 31
5 KMGC (Klustering K-Means dengan Koreksi Gamma), dan modul Pencarian Citra Wajah. Desain modul dimodelkan pada gambar 3.2 Sistem Identifikasi Buron Ekstraksi Ciri Citra Alis 1 Ekstraksi Ciri Citra Alis 2 Pencarian Citra Wajah Gambar 3.2 Desain Modul dari Sistem Identifikasi Buron Berikut akan dijelaskan mengenai fungsi modul-modul yang dimodelkan pada gambar 3.2: 1. Modul Ekstraksi Ciri Citra Alis 1 Modul ini berfungsi untuk melakukan ekstraksi ciri dari seluruh citra alis yang berada di dalam basis data. Hasil dari ekstraksi ciri akan disimpan, dan akan digunakan pada modul pencarian citra wajah. Sebelum diekstraksi, dilakukan koreksi Gamma terhadap citra untuk memperbaiki pencahayaan. Modul ekstraksi ini mengunakan metode Eigenface. 2. Modul Ekstraksi Ciri Citra Alis 2 Modul ini memiliki fungsi yang sama dengan modul sebelumnya, yaitu untuk melakukan ekstraksi ciri dari seluruh citra alis yang berada di dalam basis data. Hasil dari ekstraksi cirinya akan disimpan dan akan digunakan pada modul pencarian citra wajah. Yang berbeda dengan ekstraksi pertama adalah metode yang digunakan, modul ini menggunakan Klustering K-Means dengan Koreksi Gamma. 3. Modul Pencarian Citra Wajah Modul ini memiliki fungsi untuk melakukan melakukan pencarian citra wajah dari basis data. Citra wajah yang ditampilkan adalah citra wajah yang 32
6 bagian alisnya paling mirip dengan alis yang dipilih oleh pengguna. Modul pencarian ini dibagi dua, yaitu pencarian dari metode Eigenface dan pencarian dari metode Klustering K-Means dengan Koreksi Gamma. Kemiripan diukur dengan menetapkan jarak euclidean dari dua hasil ekstraksi ciri citra alis Desain Basis Data Pada sistem ini basis data yang digunakan adalah sistem file (.bmp) yang diklasifikasikan dengan folder berdasarkan jenisnya dan dinamakan secara teratur. Yaitu citra alis, citra wajah, dan template citra alis. Sedangkan untuk hasil ekstraksi ciri dari seluruh citra wajah disimpan dalam bentuk file dengan format teks (.txt) Desain Antar Muka Sistem yang ingin dikembangkan adalah sistem yang menginginkan interaksi dengan pengguna. Oleh sebab itu, sistem ini akan berbasiskan Graphical User Interface (GUI). Berdasarkan kebutuhan yang telah dapatkan sebelumnya, maka dibuatlah rancangan GUI seperti yang ditampilkan pada Gambar
7 Sketsa Rekonstruksi Wajah Combo Box bagian Wajah Combo Box Ciri Tampilkan Template Menu Ekstraksi EIGN Menu Ekstraksi KMGC Progress Bar Ekstraksi Pencarian EIGN Pencarian KMGC Progress Bar Pencarian Template 1 Template 2 Template 3 Template 4 Template 5 Template 6 Citra Wajah hasil Pencarian EIGN Citra Wajah hasil Pencarian KMGC Gambar 3.3 Desain Antarmuka Perolehan Citra Wajah 34
8 BAB IV IMPLEMENTASI Bab ini akan menjelaskan mengenai implementasi dari sistem yang akan dikembangkan, berdasarkan hasil analisis yang telah diperoleh sebelumnya. Bab ini terdiri dari penjelasan mengenai spesifikasi sistem, perangkat keras dan perangkat lunak, yang akan digunakan, implementasi prosedur yang akan dipakai untuk melakukan ekstraksi dan pencarian wajah. 4.1 Spesifikasi Sistem Bagian ini menjelaskan mengenai perangkat keras dan perangkat lunak yang digunakan untuk membuat Sistem Identifikasi Buron Perangkat Keras Sistem Identifikasi Buron ini dikembangkan pada komputer desktop, dengan spesifikasi sebagai berikut: Processor : Intel (R) Pentium(R) 4 CPU 3.06 GHz Graphics Card : Intel(R) 82915G Express Chipset Family Memory : 504 MB RAM Perangkat Lunak Perangkat Lunak yang digunakan untuk mengembangkan sistem ini adalah sebagai berikut: Sistem Operasi: Lingkungan Pengembangan Microsoft Windows XP Home Edition Version 2002 Service Pack 2 Matlab dan Microsoft Visual C
9 (IDE): Library: OpenCV. Library ini menyediakan fungsi-fungsi untuk memproses citra, melakukan perhitungan matriks dan lain-lain. 4.2 Implementasi Bagian ini akan menjelaskan mengenai implementasi dari modul-modul yang menyusun sistem ini. Ada tiga buah modul yang dibuat, modul ekstraksi ciri citra alis 1, modul ekstraksi ciri citra alis 2, dan modul pencarian citra wajah Modul Ekstraksi Ciri Citra Alis 1 Modul ini berfungsi untuk melakukan ekstraksi ciri terhadap semua citra alis yang ada pada basis data. Algoritma yang digunakan untuk mendapatkan ciri dari seluruh citra alis pada basis data adalah algoritma yang menerapkan teori eigenface sebagai berikut, 1. Menyatakan citra alis pada basis data sebagai matriks X yang setiap elemennya merupakan nilai grayscale. Matriks X ini akan memiliki ukuran n x l, dimana l adalah lebar pixel citra wajah dikalikan dengan tinggi piksel citra wajah dan n adalah jumlah citra wajah pelatihan. Setiap citra wajah memiliki matriks grayscale tersendiri. Matriks grayscale ini dirubah ke bentuk vektor dengan cara menyambungkan baris demi baris dari matriks ini. Lalu setiap vektor grayscale dari semua citra wajah pelatihan digabungkan menjadi matriks X dengan menyambungkannya secara baris per baris. Misalkan ukuran citra wajah adalah 60 x 80, maka bentuk matriks X adalah seperti berikut, 2. Mencari matriks kovarian C dari matriks X 3. Mencari vaktor eigen dan nilai eigen dari matriks kovarian C, dan kemudian diurutkan berdasarkan nilai eigennya. 36
10 4. Menentukan M vektor eigen yang terbesar berdasarkan suatu batas nilai yang ditentukan, misalkan saja 0. Artinya kita hanya bisa mengambil vektor-vektor eigen dimana nilai eigennya lebih besar daripada 0. Dari vektor-vektor tersebut kita membuat matriks W. 5. Melakukan transformasi citra ke vektor ciri dengan cara sebagai berikut. ER XW (2.17) Algoritma diatas diimplementasikan dengan C++. Implementasi program dapat dilihat pada Lampiran A Modul Ekstraksi Ciri Citra Alis 2 Modul ini berfungsi untuk melakukan ekstraksi ciri terhadap semua citra alis yang ada pada basis data. Algoritma yang digunakan untuk mendapatkan ciri dari seluruh citra alis pada basis data adalah algoritma yang menerapkan teori klustering K- means dengan koreksi Gamma sebagai berikut, 1. Menyatakan citra alis sebagai matriks X dengan besar ukuran 38 x 6. Lalu mengubahnya menjadi grayscale, seelum dilakukan proses yang lain. 2. Memberikan Koreksi Gamma sebesar 0.5 kepada matriks, sehingga bisa mengubah pencahayaan dan tingkat kecerahan dari masing-masing piksel. 3. Mengubah matriks menjadi vektor dengan panjang 228, hasil kali dari 38x6. 4. Melakukan klustering dengan K-Means, sehingga dapat membuat kluster sebanyak 3 buah untuk alis gelap, alis terang, dan kulit. Penjabaran Klustering K-means sebagai berikut, a. Klustering dilakukan dengan membuat titik berat 3 buah secara acak, yang dipilih dari 3 buah anggota vektor. 37
11 b. Dihitung jarak euclidean-nya dengan anggota vektor yang lain. Sebuah titik anggota vektor dikatakan anggota dari sebuah kluster, jika jarak euclidean antara titik tersebut dengan titik berat dari ke-3 kluster, paling kecil jika dibandingkan dengan jaraknya dengan titik berat kluster lain. c. Setelah diketahui pembagian klasternya, maka akan didapat titik berat baru dari tiap kluster. d. Ulangi lagi proses (dari b) hingga pembagian kluster tidak berubahubah. 5. Didapatkan tiga buah titik berat dari suatu citra. Lalu akan ditulis dalam file untuk dipergunakan dalam proses pencarian citra wajah. Algoritma ini diimplementasikan dengan Matlab. Implementasi program dapat dilihat pada Lampiran A Modul Pencarian Citra Wajah Modul ini berfungsi untuk melakukan pencarian citra wajah pada basis data yang bagian alisnya paling mirip dengan citra alis yang diberikan saat rekonstruksi wajah. Matriks eigenface E yang dihasilkan oleh modul ekstraksi ciri alis merupakan representasi ciri dari seluruh citra alis yang terdapat pada basis data. Oleh karena itu matriks E ini akan sangat berperan dalam modul pencarian citra wajah. Algoritma yang digunakan untuk melakukan pencarian citra wajah pada basis data adalah algoritma yang menerapkan teori jarak euclidean sebagai berikut, 1. Hitung nilai kemiripan setiap citra alis pada basis data dengan citra alis template yang diberikan pengguna pada saat rekonstruksi wajah. Nilai kemiripan dapat 38
12 dihitung dengan menerapkan jarak euclidean, rumus dapat dilihat pada (2.13), antara dua vektor ciri citra alis yang diambil dari matriks E. 2. Lakukan normalisasi nilai kemiripan agar nilai kemiripan berada pada rentang nilai [0,1]. d ' 1 k d k n d i 1 i (2.18) d adalah nilai kemiripan yang dinormalisasi, k = 1, 2,, n. Notasi n adalah jumlah citra alis pada basis data, sedangkan d adalah nilai kemiripan atau jarak euclidean antara dua ciri citra alis. 3. Urutkan nilai kemiripan yang telah dinormalisasi dari nilai yang terbesar ke nilai yang terkecil, lalu tampilkan 10 citra wajah yang memiliki nilai kemiripan tertinggi. Algoritma ini diimplementasikan dengan menggunakan C++ dan library tambahan OpenCV. Implementasi program dapat dilihat pada lampiran A. 4.3 Antar Muka Gambar-gambar berikut ini merupakan hasil implementasi dari rancangan antarmuka yang telah dibuat sebelumnya. 39
13 Gambar 4.1 Antar Muka Perolehan Citra Wajah Gambar 4.2 Antar Muka Hasil Pencarian Citra Wajah 40
14 BAB V PERCOBAAN DAN ANALISIS Bab ini akan menjelaskan mengenai hasil percobaaan dan analisis dari sistem yang telah dikembangkan. Bab ini terdiri atas data dan metode pengujian, beserta analisis dari hasil pengujian. 5.1 Data dan Metode Pengujian Pada bagian ini menjelaskan mengenai data yang digunakan untuk melakukan pengujian pada Sistem Identifikasi Buron, tepatnya pada hasil pencarian citra wajah berdasarkan ciri alis. Pada bagian ini juga akan dijelaskan mengenai metode pengujian yang digunakan dan pengukuran keberhasilan pengujian Data Uji Coba Data yang akan digunakan untuk bahan uji coba adalah 500 buah citra wajah frontal, dengan pencahayaan dan latar belakang yang hampir sama. Setiap citra wajah merupakan wajah orang yang berbeda. Wajah yang dipakai merupakan wajah penduduk Indonesia yang mayoritas memiliki kekhasan Melayu. Setiap citra wajah akan memiliki ukuran 60 x 80 piksel. Setiap citra wajah tidak memakai kacamata atau penghalang wajah lainnya. Citra wajah ini didapatkan dari data yang dimiliki oleh Pusat Pengembangan Sistem Informasi (PPSI) Universitas Indonesia Metode Pengujian Sistem ini diuji dengan menggunakan cara meminta responden untuk mencoba menggunakan sistem yang telah dibuat dan mengisi kuisoner untuk melakukan penilaian terhadap hasil pencarian yang dilakukan oleh sistem. Hal ini ditujukan untuk melihat seberapa besar kesepakatan responden terhadap hasil pencarian citra alis, baik yang 41
15 relevan ataupun yang tidak relevan (relevance judgement), apakah telah sesuai dengan template alis dan kategori yang telah di pilih. Ada 6 skenario yang digunakan dalam pengujian, yang tampilan dari citranya dapat dilihat pada tabel skenario itu adalah, a. Skenario 1: Alis tebal, template nomer 6 b. Skenario 2: Alis tipis, template nomer 2 c. Skenario 3: Alis sambung, template nomer 6 d. Skenario 4: Alis normal, template nomer 1 e. Skenario 5 Alis sedang, template nomer 1 Hasil ini akan digunakan dalam penghitungan nilai precision-recall untuk menentukan kinerja dari Sistem Identifikasi Buron, modul Perolehan Citra Wajah berdasarkan citra Alis. 5.2 Hasil Uji Coba Sistem ini diuji coba dengan meminta kepada responden untuk menilai relevansi dari 10 besar hasil pencarian dengan template alis dan kategori yang telah diberikan. Pengkategorian alis dilakukan oleh penulis dengan membuat asumsi mengenai definisi dari tiap kategori. Hal ini dilakukan karena penulis membatasi penelitian ini untuk tidak Gambar 5.1. Pembagian alis menjadi beberapa bagian unuk memudahan kategorisasi mencari kepada ilustrator yang ada di kepolisian mengenai definisi tiap kategori alis. Tiap kategori penulis definisikan seperti yang ada di Tabel 5.1 yang dibantu penjelasannya dengan Gambar 5.1 untuk memudahkan kategorisasi. Tabel 5.1 Pendefinisian dari kategori alis dalam sistem Identifikasi Buron. Alis Tebal. Kategori Definisi Adalah alis yang memiliki warna rambut yang terlihat tegas, lebar alis 42
16 Alis Tipis. Alis Sambung Alis Normal. Alis Sedang. yang relatif besar. Adalah alis yang hampir seluruh bagiannya memiliki bulu jarang. Adalah alis yang memiliki bulu halus pada persambungan dua bagian depan alis. Atau memiliki bentuk yang bisa dibilang hampir tersambung. Adalah alis yang memiliki bagian depan yang tebal, sedangkan bagian belakang yang cenderung tipis, tidak tegas terlihat bulumatanya, menjadi semakin pipih, atau lebarnya semakin kecil. Adalah alis yang bagian depan dan belakang berukuran hampir sama, dengan lebar alis yang relatif sedang. Pada alis ini tidak ada bagian yang tipis. Dari pengkategorian yang telah dilakukan, maka penulis mendapatkan jumlah dari citra alis relevan yang berada dalam basis data. Hal ini penulis lakukan secara subjektif dengan melihat satu persatu citra alis. Citra yang relevan ini nantinya akan digunakan sebagai template dalam pencarian alis. Lihat di tabel 5.2 untuk lebih jelas. Tabel 5.2. Skenario Pengujian dan Jumlah Citra Relevan dalam basis Data. Skenario Kategori Citra Alis Jumlah citra relevan dalam basis data 1 Tebal 35 Nomor Template: 6 2 Tipis 32 Nomor Template: 2 3 Sambung 7 Nomor Template: 6 4 Normal 30 Nomor Template: 1 5 Sedang Nomor Template: Setelah pengkategorian dilakukan, maka penulis melakukan pengujian sistem kepada 15 responden untuk menguji relevansi hasil pencarian terhadap kategori yang 43
17 ada dan template yang digunakan. Data relevansi ini ini akan digunakan dalam penghitungan nilai precision dan recall. Hal ini dilakukan untuk mengetahui efektifitas sistem dalam melakukan pencarian citra alis yang mirip dengan citra template alis yang diberikan. Penghitungannya dilakukan dengan menggunakan rumus sebagai berikut, = Jumlah citra relevan yang diperoleh Jumlah citra yang diperoleh (2.19) Recall = Jumlah citra relevan yang diperoleh Jumlah citra relevan pada basis data (2.20) Jumlah citra relevan yang diperoleh adalah, citra alis yang disepakati relevan oleh lebih dari 50 % responden. Hasil ini dapat memberikan tanda relevan / tidak relevan kepada 10 besar citra alis termirip yang dihasilkan dari tiap percobaan. Pada Tabel 5.3 ditampilkan contoh 10 besar hasil pencarian untuk alis kategori tebal. Untuk empat kategori lainnya, bisa dilihat pada Lampiran B. Tabel 5.3 Contoh 10 Besar Hasil Pencarian Alis Kategori Tebal No Citra Alis 10 besar Hasil pencarian 1 EIGENFACE R R R R R TR R R TR R 44
18 Klustering K-Means dengan Koreksi Gamma R R R R R R R R R R Agar bisa menghasilkan nilai precision rata-rata, maka perlu untuk dilakukan interpolasi terhadap precision dan recall dari setiap pencarian. yang dihitung pada standar recall ke-j adalah precision maksimum pada suatu recall antara titik ke-j dan titik (j + 1)[18]. P( rj ) maxp( r) rj r r j 1 (2.21) Setelah itu baru bisa mengambil kesimpulan, seberapa efektif metode yang dipakai untuk mengukur kemiripan alis Hasil Uji Coba Perolehan Citra Wajah berdasarkan citra Alis dengan menggunakan Eigenface Dari hasil pengujian, didapatkan data hasil interpolasi sebagai berikut, Recall Skenario 1 Tabel 5.4 Hasil pengujian dengan metode Eigenface Skenario 2 Skenario 3 Skenario 4 Skenario 5 45 Rata-rata , , ,3 0 0,
19 Terlihat dari Tabel 5.4, bahwa rata-rata precision dari pencarian dengan metode ekstraksi ciri Eigenface untuk recall 0 sampai dengan 0.2 adalah Sehingga dapat diketahui, bahwa sistem ini memiliki efektifitas sebesar % untuk recall 0 sampai 0.2. Nilai precision pada recall 0.3 atau lebih bernilai nol, karena jumlah citra relevan yang didapatkan dari pencarian maksimal 10 buah. Jumlah ini terlalu kecil jika dibandingkan dengan jumlah citra relevan yang ada dalam basis data terutama pada skenario 1,2,4,5. Sedangkan skenario 3 (alis sambung) memiliki peningkatan precision yang relatif besar, karena alis jenis sambung berjumlah sedikit. Secara subjektif penulis menghitung hanya ada 7 citra alis yang sesuai dengan kategori sambung. Ukuran citra yang kecil (60 x 80) juga berpengaruh dalam mendeteksi alis sambung, karena bayangan pada lekukan dahi antara dua alis bisa dideteksi sebagai bulu halus antar alis Hasil Uji Coba Perolehan Citra Wajah berdasarkan citra Alis dengan menggunakan Klustering K-Means dengan Koreksi Gamma Dari hasil pengujian, didapatkan data hasil interpolasi sebagai berikut, Recall Tabel 5.5 Hasil pengujian dengan metode Klustering K-Means dengan Koreksi Gamma Skenario 1 Skenario 2 Skenario 3 Skenario 4 Skenario 5 Rata-rata , , ,3 0 0, Terlihat dari Tabel 5.5 bahwa rata-rata precision untuk recall 0 sampai dengan 0.2 dari pencarian dengan metode ekstraksi ciri Klustering K-Means dengan Koreksi Gamma memiliki nilai Sehingga dapat diketahui, bahwa sistem ini memiliki efektifitas sebesar 74.75% Terlihat juga bahwa nilai precision setelah nilai recall lebih 46
20 dari 0.2 adalah nol, kecuali untuk skenario 3. Hal ini karena jumlah citra relevan yang didapatkan dari pencarian maksimal 10 buah. Jumlah ini terlalu kecil jika dibandingkan dengan jumlah citra relevan yang ada dalam basis data terutama pada skenario 1,2,4,5. Sedangkan skenario 3 (alis sambung) memiliki peningkatan precision yang relatif besar, karena alis jenis sambung berjumlah sedikit. Secara subjektif penulis menghitung hanya ada 7 citra alis yang sesuai dengan kategori sambung. Ukuran citra yang kecil (60 x 80) juga berpengaruh dalam mendeteksi alis sambung, karena bayangan pada lekukan dahi antara dua alis bisa dideteksi sebagai bulu halus antar alis. 5.3 Analisis Hasil Uji Coba Pada bagian ini akan dijelaskan mengenai analisis dari hasil uji coba. Terdapat dua hal yang akan dianalisis, yaitu pencarian dengam metode ekstraksi ciri Eigenface dan yang kedua adalah pencarian dengan metode ekstraksi ciri Klustering K-Means dengan Koreksi Gamma Analisis Perolehan Citra Wajah berdasarkan citra Alis dengan menggunakan Eigenface Dari hasil percobaan didapatkan bahwa dengan menggunakan ekstraksi ciri alis eigenface, hasil pengukuran kemiripan alis memiliki efektivitas sebesar 64.64%. Ada beberapa hal yang mempengaruhi hasil pencarian, yaitu: 1. Ukuran piksel yang kecil (60 x 80 piksel), hal ini membuat pencarian alis terutama untuk kategori sambung mengalami hambatan. Karena dalam definisi alis sambung, ada bulu tipis pada persambungan bagian tengah alis.hal ini terbukti pada hasil pencarian yang relevan, dari dua metode, hanya ada 3 citra dari 10 yang dianggap relevan oleh para responden. Ukuran piksel ini juga punya pengaruh ketika survei, yaitu menimbulkan hambatan dalam mengidentifikasi alis karena kecilnya ukuran citra tersebut. 47
21 2. Pencahayaan ketika pengambilan foto dan pose orang yang difoto. Hal ini mempengaruhi ekstraksi ciri, karena citra alis tidak terlihat secara jelas. Hal ini juga membuat citra memiliki standar yang berbeda karena pencahayaan, bahkan ketika sudah dilakukan koreksi Gamma. Pencahayaan dan pose orang juga mempengaruhi survei, responden mengalami beberapa hambatan untuk mengidentifikasi citra alis Analisis Perolehan Citra Wajah berdasarkan citra Alis dengan menggunakan Klustering K-Means dengan Koreksi Gamma Dari hasil percobaan didapatkan bahwa dengan menggunakan ekstraksi ciri alis Klustering K-Means dengan Koreksi Gamma, hasil pengukuran kemiripan alis memiliki efektivitas sebesar 74.75%. Hal-hal yang mempengaruhi metode eigenface, yaitu ukuran, pencahayaan dan pose orang pada citra, juga mempengaruhi pencarian pada metode ini. Dalam penelitian ini didapatkan ekstraksi ciri dengan Klustering K-Means Kulit memiliki efektivitas pencarian yang lebih besar dibandingkan dengan eigenface. Hal ini penulis analisis sebagai dampak dari karakter ekstraksi ciri Klustering K-Means Alis Tebal Alis Tipis Gambar 5.2 Segmentasi Citra Alis dengan K-Means yang menggunakan titik berat dari 3 segmen citra alis sebagai ciri unik dari alis. Nilai dari titik berat bisa merepresentasikan bagaimana bentuk dan ketebalan alis, karena setiap citra alis diklasifikasi menjadi 3 bagian (alis tebal, alis tipis, kulis). Sebagaimana bisa dilihat pada Gambar
BAB I PENDAHULUAN. Bab pertama ini terbagi menjadi enam bagian yang masing-masing akan
BAB I PENDAHULUAN Bab pertama ini terbagi menjadi enam bagian yang masing-masing akan menjelaskan rmengenai latar belakang, pendefinisian masalah, tujuan dari penelitian, ruang lingkup, metodologi penelitian
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih terperinciBAB 4 IMPLEMENTASI Implementasi
BAB 4 IMPLEMENTASI Bab ini menuturkan penjelasan mengenai implementasi dari sistem pengujian yang dibangun berdasarkan hasil analisis dan perancangan sistem yang telah dibahas pada bab sebelumnya. Bab
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Kebutuhan Program Untuk menjalankan aplikasi ini ada beberapa kebutuhan yang harus dipenuhi oleh pengguna. Spesifikasi kebutuhan berikut ini merupakan spesifikasi
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi yang digunakan dalam menjalankan sistem kontrol akses berbasis real time face recognition dan gender information ditunjukkan
Lebih 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 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 terperinciIII METODOLOGI PENELITIAN
13 III METODOLOGI PENELITIAN 3.1 Kerangka Penelitian Penelitian dilakukan dalam lima tahapan utama, yaitu ekstraksi frame video, ekstraksi fitur SIFT dari seluruh frame, pembentukan kantong kata visual
Lebih terperinciBAB 1 PENDAHULUAN. Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem penulisannya. Salah satu jenis huruf Jepang adalah kana, yaitu karakter fonetis yang melambangkan
Lebih terperinciBAB 1 PENDAHULUAN. Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses pengolahan citra digital. Hal ini dilakukan karena citra yang akan diolah kemungkinan memiliki
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 terperinciGambar 3.1. Diagram alir apikasi image to text
ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Dalam tahap ini penulis menganalisa kebutuhan dasar sistem. Analisa dilakukan terhadap data-data yang merepresentasikan masalah, sehingga dapat diketahui spesifikasi
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN SISTEM
BAB IV ANALISIS DAN PERANCANGAN SISTEM Bagian ini akan menjelaskan mengenai analisis dan perancangan sistem yang akan dikembangkan. 4.1 ANALISIS KEBUTUHAN Secara umum pengembangan Sistem Identifikasi Manusia
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinciBAB 3 METODOLOGI. Metodologi penelitian yang digunakan dalam penulisan ini adalah studi
BAB 3 METODOLOGI 3.1 Metodologi Penelitian Metodologi penelitian yang digunakan dalam penulisan ini adalah studi kepustakaan dan studi laboratorium dimana penulis mempelajari teori-teori teknik pencarian
Lebih terperinciHASIL DAN PEMBAHASAN. B fch a. d b
7 dengan nilai σ yang digunakan pada tahap pelatihan sebelumnya. Selanjutnya dilakukan perhitungan tingkat akurasi SVM terhadap citra yang telah diprediksi secara benar dan tidak benar oleh model klasifikasi.
Lebih terperinciBAB IV IMPLEMENTASI DAN UJI COBA. Pengenalan Pola dengan Algoritma Eigen Image, dibutuhkan spesifikasi
BAB IV IMPLEMENTASI DAN UJI COBA 4.1 Kebutuhan Sistem Sebelum melakukan implementasi dan menjalankan aplikasi Model Pengenalan Pola dengan Algoritma Eigen Image, dibutuhkan spesifikasi perangkat lunak
Lebih terperinciSTUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI WAJAH
Widyanto, Studi Analisis Eigenface dan Eigen Fuzzy Set untuk Ekstraksi Ciri Bibir pada Sistem Identifikasi Wajah STUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI
Lebih terperinciV HASIL DAN PEMBAHASAN
22 V HASIL DAN PEMBAHASAN 5.1 Karakteristik Video dan Ektraksi Frame Video yang digunakan di dalam penelitian ini merupakan gabungan dari beberapa cuplikan video yang berbeda. Tujuan penggabungan beberapa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahap-tahap yang dilaksanakan dalam pembuatan tugas akhir. Adapun tahapan yang dilalui dalam pelaksanaan penelitian ini adalah
Lebih terperinciBAB 4 PENGUJIAN DAN EVALUASI. dengan menggunakan 15 tanda tangan yang berasal dari 1 user yang masing masing
BAB 4 PENGUJIAN DAN EVALUASI 4.1 Pengujian Pengujian tanda tangan dilakukan dengan cara meminta masing masing user untuk melakukan 60 tanda tangan. Lalu kami akan menyeleksi tanda tangan mereka dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Analisa merupakan tahapan yang sangat penting dalam melakukan penelitian. Tahap analisa yaitu proses pembahasan persoalan atau permasalahan yang dilakukan sebelum
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Dalam bab ini penulis akan menjelaskan mengenai perancangan awal aplikasi pengaturan lampu lalu lintas berdasarkan Metode Webster menggunakan Visual Basic 6.0 sampai dengan
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 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Mesin hitung yang lazim disebut komputer dalam masa satu dekade terakhir mengalami kemajuan yang sangat pesat. Boleh dikatakan masa sekarang ini adalah masa keemasan bagi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui tahapan awal didalam sebuah sistem pendeteksian filter sobel. Didalam aplikasi filter sobel ini
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 4 IMPLEMENTASI DAN HASIL PENELITIAN. Pada bab 4 ini akan dijelaskan hasil rancangan sistem aplikasi optimizer, yaitu
BAB 4 IMPLEMENTASI DAN HASIL PENELITIAN Pada bab 4 ini akan dijelaskan hasil rancangan sistem aplikasi optimizer, yaitu implementasi sistem tersebut dan juga evaluasi dari implementasi sistem untuk mengetahui
Lebih terperinciBAB 4 HASIL PENELITIAN DAN PEMBAHASAN. Berikut ini adalah contoh tampilan hasil dari kueri:
BAB 4 HASIL PENELITIAN DAN PEMBAHASAN 4.1 Proses Retrival Berikut ini adalah contoh tampilan hasil dari kueri: 1. Kategori Buah Gambar 4.1 Hasil kueri kategori buah dengan metode histogram warna 55 56
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN SISTEM
BAB IV ANALISIS DAN PERANCANGAN SISTEM 4.1. Pengantar Pada bab ini akan dibahas mengenai analisis dan perancangan Aplikasi Pembelajaran Musik Klasik (APMK). Pokok bahasan yang terdapat dalam bab ini adalah
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 terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK Pemrosesan gambar secara digital telah berkembang dengan cepat. Pengolahan gambar ini didukung dengan kemajuan teknologi perangkat keras yang signifikan. Produk produk pengolah
Lebih terperinciSTUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI WAJAH
Widyanto, Studi Analisis Eigenface dan Eigen Fuzzy Set untuk Ekstraksi Ciri Bibir pada Sistem Identifikasi Wajah STUDI ANALISIS EIGENFACE DAN EIGEN FUZZY SET UNTUK EKSTRAKSI CIRI BIBIR PADA SISTEM IDENTIFIKASI
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Bab ini akan membahas tentang pengujian dan analisis sistem. Pada pengujian akan dijelaskan tentang kriteria pengujian serta analisis dari pengujian 4.1. Kriteria Pengujian
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Sistem Dalam mengimplementasikan program sistem ANPR ini terdapat 2 (dua) buah komponen yang sangat berperan penting, yaitu perangkat keras atau hardware
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian adalah tahapan atau gambaran yang akan dilakukan
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian adalah tahapan atau gambaran yang akan dilakukan dalam melakukan penelitian, untuk memudahkan peneliti melakukan penelitan dibutuhkan
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 ANALISIS SISTEM. Sistem absensi berbasis webcam adalah sistem yang melakukan absensi anggota
BAB III ANALISIS SISTEM 3.1. Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi anggota berdasarkan input citra hasil capture webcam. Sistem akan melakukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis III.1.1 Analisis Masalah Seiring dengan perkembangan teknologi, keamanan dalam berteknologi merupakan hal yang sangat penting. Salah satu cara mengamankan
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 terperinciBAB 5 UJI COBA DAN ANALISA HASIL
BAB 5 UJI COBA DAN ANALISA HASIL Pada bab ini diuraikan mengenai lingkungan uji coba, hasil uji coba serta analisa hasil uji coba dari perangkat lunak. 5.1 Lingkungan Lingkungan uji coba merupakan komputer
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN. permasalahan secara umum dan analisis perancangan sistem dari aplikasi Iqra ini.
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Berdasarkan pada latar belakang masalah dan perumusan masalah yang terdapat pada bab sebelumnya, pada bab ini penulis melakukan analisis berdasarkan pada permasalahan
Lebih terperincidan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. akurasi =.
dan 3. Jumlah partisi vertikal (m) dari kiri ke kanan beturut-turut adalah 1, 2, 3, 4, dan 5. Gambar 5 Macam-macam bentuk partisi citra. Ekstraksi Fitur Pada tahap ini semua partisi dari citra dihitung
Lebih terperinciBAB 1 PENDAHULUAN. 1. Sistem pengawasan atau surveillance system
BAB 1 PENDAHULUAN Bab ini menjelaskan latar belakang, permasalahan, tujuan, dan ruang lingkup dari tugas akhir. Setelah itu dilanjutkan dengan sistematika penulisan laporan. 1.1. Latar Belakang Saat ini
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinci4 BAB 4 IMPLEMENTASI DAN PENGUJIAN
4 BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Implementasi adalah penerapan hasil perancangan yang telah dilakukan pada tahap analisis dan perancangan sistem. Hasil perancangan diterapkan menjadi
Lebih terperinciPENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN
PENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN Chairisni Lubis 1) Yuliana Soegianto 2) 1) Fakultas Teknologi Informasi Universitas Tarumanagara Jl. S.Parman
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini menjelaskan landasan teori dari metode yang digunakan dalam proses pengenalan wajah, yaitu terdiri atas: metode Eigenface, dan metode Jarak Euclidean. Metode Eigenface digunakan
Lebih terperinciBAB V IMPLEMENTASI SISTEM
BAB V IMPLEMENTASI SISTEM Sistem setelah dianalisa dan dirancang, maka sistem tersebut siap diterapkan atau diimplementasikan. Tahap implementasi sistem ini merupakan tahap meletakkan perancangan sistem
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi komputer yang digunakan dalam melakukan simulasi pada aplikasi perancangan pencarian daftar hitam dengan deteksi wajah berdasarkan
Lebih terperinciBAB 1 PENDAHULUAN. bahasanya, digunakannya berbagai macam huruf dengan kepentingannya masing-masing
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Bahasa Arab menggunakan beragam jenis karakter untuk sistem penulisan bahasanya, digunakannya berbagai macam huruf dengan kepentingannya masing-masing benar
Lebih terperinciBAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL
BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL 3.1 Tepi Objek Pertemuan antara bagian obyek dan bagian latar belakang disebut tepi obyek. Dalam pengolahan citra, tepi obyek
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
84 BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dibahas mengenai implementasi sistem yaitu spesifikasi sistem dan cara menggunakan aplikasi segmentasi citra dengan menggunakan metode Fuzzy C- Means
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 terperinciBAB 2 DENGAN MENGGUNAKAN INTERPOLASI INTERPOLASI SPLINE LINIER DAN INTERPOLASI SPLINE
8 BAB 2 PENENTUAN SUDUT PANDANG BAB 2 WAJAH TIGA DIMENSI PENENTUAN DENGAN MENGGUNAKAN SUDUT PANDANG INTERPOLASI WAJAH TIGA LINIER DIMENSI DAN DENGAN MENGGUNAKAN INTERPOLASI INTERPOLASI SPLINE LINIER DAN
Lebih terperinciANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR
ANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR Shinta Puspasari MDP Computer and Informatics Management Institute Jl. Rajawali 14, Palembang, 30113, Indonesia e-mail : shinta@stmik-mdp.net ABSTRAKSI
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi juga merupakan analisis teoritis mengenai
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Pada penelitian ini ada beberapa tahapan penelitian yang akan dilakukan seperti terlihat pada gambar 3.1 berikut : Mulai Identifikasi Masalah Pengumpulan Data Analisa Aplikasi
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM. implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan
BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM Dari hasil perancangan yang dilakukan oleh penulis, pada bab ini disajikan implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan spesifikasi sistem
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. menjalankan aplikasi ini adalah : Prosesor Pentium IV 2.6 Ghz. Graphic Card dengan memori minimum 64 MB
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Perangkat Lunak Aplikasi 4.1.1 Spesifikasi Perangkat Keras Spesifikasi minimum dari perangkat keras yang dibutuhkan agar dapat menjalankan aplikasi ini adalah
Lebih terperinciKelas. Kelas. p q r s t u v w x y Level Transformasi.
Fitur yang digunakan untuk pelatihan pada algoritme VFI5 diperoleh dari tiap-tiap piksel pada citra tanda tangan. Fitur pada pelatihan yang semula berupa matriks berukuran 3 4 piksel disusun menjadi matriks
Lebih terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini berisi tentang analisis dan perancangan terhadap permasalahan yang sedang diteliti seperti analisis kebutuhan data dan informasi serta teknik dan peralatan yang
Lebih terperinciBAB V IMPLEMENTASI SISTEM
BAB V IMPLEMENTASI SISTEM Sistem setelah dianalisa dan dirancang, maka sistem tersebut siap diterapkan atau diimplementasikan. Tahap implementasi sistem ini merupakan tahap meletakkan perancangan sistem
Lebih terperinciBab III PERANCANGAN SISTEM STEGANOGRAFI
Bab III PERANCANGAN SISTEM STEGANOGRAFI 3.1. Kebutuhan sistem Steganografi Dalam pembuatan sistem steganografi dibutuhkan beberapa perangkat lunak (software) dan perangkat keras (hardware). Berikut spesifikasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat sekarang ini teknologi komputer telah berkembang pesat. Teknologi komputer ini pada mulanya hanya berkembang dalam teknologi pengolahan data saja. Namun seiring
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 4 IMPLEMENTASI DAN PENGUJIAN
BAB 4 IMPLEMENTASI DAN PENGUJIAN Pada bab ini berisi tentang implementasi dan pengujian meliputi penulisan kode program, pembuatan tampilan antarmuka, penerapan algoritma yang digunakan dan juga pengujian
Lebih terperinciHASIL DAN PEMBAHASAN. Data
dengan menggunakan model Bayesian Network. Nilai kemiripan dapat dihitung dengan Persamaan 21. P(I j Q)=n[1-(1-P(CS j CS)) x(1-p(ct j CT))] (21) dengan n adalah jumlah citra pada basis data, P(CS j CS)
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 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 terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciDAFTAR ISI. DAFTAR ISI... vii. DAFTAR GAMBAR... x. DAFTAR TABEL... xii I. PENDAHULUAN Latar Belakang Rumusan Masalah...
DAFTAR ISI Halaman DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii I. PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah... 2 1.4 Tujuan... 3 1.5 Manfaat...
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN. dilanjutkan dengan pengujian terhadap aplikasi. Kebutuhan perangkat pendukung dalam sistem ini terdiri dari :
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi Sistem Pada bab ini akan dibahas mengenai implementasi sistem berdasarkan analisis dan perancangan yang telah dilakukan pada bab sebelumnya, dan dilanjutkan
Lebih terperinciFRAMEWORK PHP BERBASIS KOMPONEN UNTUK MEMBUAT FORMULIR DAN LAPORAN SECARA OTOMATIS ABSTRAK
1 FRAMEWORK PHP BERBASIS KOMPONEN UNTUK MEMBUAT FORMULIR DAN LAPORAN SECARA OTOMATIS ALI MUHTAS Program Studi Sistem Informasi S1, Fakultas Ilmu Komputer ABSTRAK Dalam pembangunan aplikasi perlu adanya
Lebih terperinciBAB 4 PERANCANGAN PROGRAM
BAB 4 PERANCANGAN PROGRAM 4.1 Spesifikasi Sistem Untuk mengimplementasikan aplikasi ini diperlukan adanya beberapa komponen pendukung, yaitu konfigurasi perangkat keras (hardware) dan perangkat lunak (software)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra.
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN PROGRAM. 3.1 Analisa Masalah Telepon seluler sudah menjadi kebutuhan primer bagi sebagian besar orang pada
22 BAB 3 ANALISA DAN PERANCANGAN PROGRAM 3.1 Analisa Masalah Telepon seluler sudah menjadi kebutuhan primer bagi sebagian besar orang pada saat ini. Selain fungsi utamnya untuk menelpon dan mengirim pesan,
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 I PENDAHULUAN 1.2. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Pendahuluan Sejak awal penemuan teknologi komputer sebagai lompatan mutakhir dalam dunia ilmu pengetahuan, komputer telah banyak berperan dalam membantu manusia dalam melakukan berbagai
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Sistem baru yang telah dibangun sesuai dengan perancangan, kemudian akan diimplementasikan untuk mengetahui apakah sistem tersebut dapat berjalan sesuai dengan tujuannya
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
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 terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Processor Intel Pentium IV 2.41GHz RAM 512 MB DDR. Hard disk 40 GB. Monitor 15 Samsung SyncMaster 551v
52 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Perangkat Keras Spesifikasi dari perangkat keras yang digunakan dalam perancangan program adalah sebagai berikut : Processor Intel Pentium IV 2.41GHz
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Program aplikasi rute pengiriman barang dengan algoritma Genetik ini dibuat
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Spesifikasi Perangkat Keras Program aplikasi rute pengiriman barang dengan algoritma Genetik ini dibuat dan diuji dengan menggunakan komputer dekstop
Lebih terperinciBAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM 5.1 Lingkungan Implementasi Dalam pembangunan aplikasi dibutuhkan perangkat keras (hardware) dan perangkat lunak (software) yang dapat mendukung pembuatan aplikasi.
Lebih terperinciBAB III METODOLOGI PENELITIAN. 3.1 Desain Penelitian Gambar desain penelitian adalah sebagai berikut:
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar desain penelitian adalah sebagai berikut: Penentuan lokasi dan variable penelitian Menentukan kebutuhan data yang akan digunakan Membuat surat
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK I.1 Pendahuluan Barcode adalah suatu representasi data ke dalam suatu citra (image) yang dapat dibaca oleh mesin, citra ini memiliki data-data tertentu mengenai suatu produk. Barcode
Lebih terperinci3. METODE PENELITIAN
19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. komputer dan sistem operasi dengan spesifikasi sebagai berikut : 2. Memory : 4,00 GB (3,85 GB usable)
BAB 4 HASIL DAN PEMBAHASAN 4.1 Spesifikasi Sistem 4.1.1 Hardware Dalam perancangan program aplikasi ini, penulis menggunakan komputer dan sistem operasi dengan spesifikasi sebagai berikut : 1. Processor
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1. Spesifikasi Sistem Spesifikasi sistem komputer yang digunakan untuk menjalankan proses estimasi dan pengujian data adalah sebagai berikut : 4.1.1. Spesifikasi Perangkat
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
45 BAB IV HASIL DAN PEMBAHASAN 4.1 Tahapan Proses Pembuatan Dalam pembuatan aplikasi alat bantu ajar eigen vektor, terdapat beberapa langkah dalam proses pembuatannya. Langkah-langkah tersebut antara lain:
Lebih terperinci