BAB 3 METODOLOGI PENELITIAN
|
|
- Inge Budiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 hal identifikasi sidik jari adalah kualitas dari citra sidik jari yang kurang baik (Zorita, Garcia, Aguilar, Rodriguez, 2003). Kinerja dari suatu sistem pengenalan sidik jari dipengaruhi oleh kualitas citra sidik jari. Beberapa faktor yang menentukan kualitas citra sidik jari : kondisi kulit (misalnya kekeringan, basah, kotor, memar, luka, dll), kondisi sensor atau scanner (misalnya kotoran, noise, ukuran). Oleh karena itu, sangat penting untuk sistem pengenalan sidik jari menyesuaikan beberapa langkah dari sistem pengenalan sidik jari berdasarkan pada kualitas citra sidik jari. Sistem pengenalan sidik jari terkadang masih melakukan kesalahan yang mungkin dikarenakan oleh citra sidik jari ataupun dari metode yang digunakan. Tingkat keakuratan identifikasi sidik jari akan berbeda satu dengan yang lainnya dikarenakan perbedaan metode menurut forensic medecine. 2. Waktu proses dalam identifikasi sidik jari berbasis komputer cukup lama. Contohnya pada database FBI yang berisi sekitar 70 juta sidik jari, waktu proses dan pencarian dibutuhkan waktu sangat lama, sehingga dibutuhkan metode yang memakan waktu proses sedikit dan mengurangi kompleksitas komputasi (Prabahkar, Jain, 2003)
2 37 Sekarang ini banyak yang menggunakan identifikasi sidik jari, contohnya untuk absensi, pendataan di kepolisian, dan data penduduk, dll. Kepolisian bertugas untuk melakukan identifikasi sidik jari yang menempel pada benda di suatu kejadian, guna mengetahui identitas pemiliknya atau tersangka. Dalam proses identifikasi ini, petugas harus melakukan perbandingan citra sidik jari secara manual, dengan basis data citra sidik jari yang dimilikinya. Proses perbandingan sidik jari secara manual ini akan membutuhkan waktu yang relatif lama dibandingkan dengan mesin identifikasi yang lebih efisien dan efektif menurut Global info. Hal tersebut hanya baru pada kepolisian dalam proses identifikasi, data kependudukan yang jumlah penduduk yang sangat banyak seperti Indonesia. Identifikasi identitas seseorang yang jumlahnya sangat banyak sekali sangat tidak efisien dan memakan proses waktu yang lama.
3 Alur Penelitian Penulis menggunakan alur penelitian untuk mengatasi masalah masalah diatas yang digambarkan pada flowchart berikut : Gambar 3.1 Flowchart Penelitian Pada gambar flowchart dapat dilihat, penelitian dimulai dengan pengembangan perangkat lunak metode wavelet dan backpropagation. Dalam perangkat lunak ini digunakan bahasa pemrograman C# dan menggunakan library AForge.NET. Pengembangan perangkat lunak ini berdasarkan referensi Perancangan Program
4 39 Aplikasi Deteksi Iris Mata Dengan Transformasi Wavelet dan Backpropagation Untuk Keamanan Data Pribadi (Yanuar, 2010). Tahap selanjutnya adalah pengumpulan data penelitian. Data citra sidik jari merupakan populasi yang akan diuji. Citra sidik jari akan di training atau enroll pada perangkat lunak yang dikembangkan dan perangkat lunak verifinger, untuk analisis performance dan waktu proses kedua perangkat lunak tersebut. Data citra sidik jari yang akan digunakan didapatkan dari Biometric Ideal Test. Setelah perangkat lunak dengan metode wavelet dan backpropagation dikembangkan dan data telah dikumpulkan, maka tahap selanjutnya adalah training atau enroll dan identifikasi kedua perangkat lunak. Pada tahap training atau enroll, citra sidik jari dipelajari oleh kedua perangkat lunak. Pada tahap identifikasi, citra sidik jari dipilih dan diidentifikasi dengan citra yang sebelumnya dipelajari oleh kedua perangkat lunak pada tahap training atau enroll. Tahap selanjutnya adalah analisis hasil identifikasi kedua perangkat lunak dengan menggunakan False Match Rate (FMR) dan False Non Match Rate (FNMR) serta menghitung waktu proses. Pada perangkat metode wavelet dan backpropagation akan dilakukan penghitungan FMR dan FNMR serta waktu proses secara otomatisasi, sedangkan pada perangkat lunak verifinger akan dilakukan secara manual.
5 Pengumpulan Data Pada tahap ini, akan dikumpulkan sejumlah gambar sidik jari. Gambar sidik jari diambil dari Biometric Ideal Test. Terdapat 20,000 gambar sidik jari manusia dari 500 subyek yang telah diambil dengan menggunakan alat U Are U 4000 fingerprint sensor, tapi yang akan digunakan hanya 750 gambar sidik jari dikarenakan oleh keterbatasan pada proses training yang membutuhkan waktu yang lama jika data terlalu banyak dan keterbatasan pada komputer yang ada. Sidik jari diambil dari para relawan termasuk mahasiswa, pekerja, pelayan, dll. Setiap relawan diambil 40 sidik jari dari 8 jari (kiri dan kanan) yaitu jari jempol, jari telunjuk, jari tengah, dan jari manis. Setiap relawan diminta untuk merotasi jari mereka dengan berbagai tekanan untuk menghasilkan berbagai kelas image yang akan digunakan pada pendeteksian sidik jari. Dalam skripsi ini, akan diambil gambar sidik jari, di mana setiap orang diambil lima kali gambar sidik jarinya. Citra berukuran 328 x 356 dan merupakan file citra bertipe *.bmp. Contoh citra sidik jari dari Biometric Ideal Test dapat dilihat pada gambar 3.2. Gambar 3.2. Contoh sidik jari yang diambil dari Biometric Ideal Test
6 41 Setiap dari gambar sidik jari akan dipasangkan dengan data diri, sehingga pada nantinya akan terdapat 150 data diri orang. Data diri akan dibuat palsu (fake) untuk mencocokkan citra sidik jari dengan database. Data palsu mencakup nomor identitas, nama, umur, agama, tanggal lahir dan jenis kelamin. Data yang akan diisi hanya beberapa 50 data. Citra sidik jari yang akan digunakan sebagai input untuk perbandingan identifikasi perangkat lunak dengan menggunakan metode wavelet dengan verifinger sebanyak 750 citra sidik jari Perangkat Lunak Metode Wavelet dan Backpropagation Proses identifikasi sidik jari perangkat lunak dengan metode wavelet dan backpropagation, menggunakan transformasi wavelet untuk melakukan ekstraksi ciri dari citra sidik jari dan jaringan syaraf tiruan jenis backpropagation untuk melakukan identifikasi sidik jari. Pada subbab berikut proses proses pada perangkat lunak ini (untuk lebih jelasnya, source code dapat dilihat pada lampiran) Pemrosesan Citra Setelah sebuah citra digital sidik jari diperoleh, maka citra tersebut siap untuk digunakan pada tahap selanjutnya, yaitu pemrosesan citra. Tahap ini adalah tahap untuk memperbaiki mutu/kualitas dari suatu citra digital. Untuk memperbaiki mutu dari suatu citra, kita harus menghilangkan noise yang terdapat pada citra digital sidik jari. Proses
7 42 perbaikan kualitas citra yang dilakukan pada penelitian ini terbagi menjadi dua tahap yaitu: a. Thresholding Proses thresholding adalah proses untuk merubah citra grayscale/keabuan menjadi citra dengan dua warna yaitu hitam dan putih (biner). Setiap piksel pada citra akan diambil derajat keabuannya. Derajat keabuan dari sebuah citra dapat diperoleh dengan persamaan berikut: 3 S adalah nilai dari derajat keabuan sebuah piksel, sementara R, G, dan B secara berurutan adalah nilai dari warna merah, hijau dan biru. Pada citra keabuan, nilai dari layer R,G, dan B haruslah sama. Jika semuanya bernilai 0, maka warna yang dihasilkan adalah warna hitam, sementara jika semuanya bernilai 255, maka warna yang dihasilkan adalah warna putih, selain itu jika nilainya berada diantara 0 hingga 255 maka akan menghasilkan warna abu-abu sesuai dengan tingkat gradasinya.
8 43 Pseudocode untuk proses thresholding secara keseluruhan adalah sebagai berikut: Awal modul dari nilai y yang ke-0 hingga (lebar_gambar)-1 mulai dari nilai x yang ke-0 hingga (panjang_gambar)-1 mulai jika nilai piksel citra(x,y) lebih kecil dari nilai_ambang maka ubah nilai piksel citra(x,y) menjadi 0 selain itu ubah nilai piksel citra(x,y) menjadi 255 selesai selesai Akhir modul Proses thresholding ini akan membantu untuk mereduksi noise yang dimiliki oleh suatu citra. Nilai piksel yang lebih tinggi dari nilai ambang, akan secara otomatis diputihkan, sehingga sebagian noise akan terhapus. b. Penapisan/Filtering Penapisan atau filtering adalah sebuah proses untuk menentukan nilai dari suatu piksel dengan cara melakukan perhitungan dari nilai intensitas piksel-piksel disekeliling piksel tersebut. Pada penelitian ini, digunakan dua jenis penapisan yaitu: Tapis lolos rendah (Low pass Filter). Filter ini mempunyai tujuan untuk mempertegas bagian dengan frekuensi rendah pada suatu citra. Ia akan
9 44 melakukan pemerataan tingkat keabuan, sehingga membuat citra terlihat agar kabur kontrasnya. Namun demikian tapis lolos rendah dapat mengurangi sebagian efek noise yang ada pada sebuah citra. Ia akan mengurangi berbagai gangguan yang berbentuk garis tajam. Filter ini umumnya berbentuk matriks mask n x n, di mana n umumnya bernilai tiga atau lima. P adalah piksel pada citra yang akan di-filter, sementara C adalah titik tengah dari mask, yang akan diganti nilainya dan K adalah konstanta. Nilai dari konstanta adalah, jadi untuk mask ukuran 3x3, nilai konstantanya adalah 1/9. Adapun pseudocode dari mask 3x3 adalah: Awal modul luas = panjang_gambar*lebar_gambar; dari nilai y yang ke-0 hingga (lebar_gambar)-1 mulai dari nilai x yang ke-0 hingga (panjang_gambar)-1 mulai nilai_piksel(x,y) = nilai_piksel(x-1,y-1)*1/9 + nilai_piksel(x,y-1)*1/9+nilai_piksel(x+1,y-1)*1/9 + nilai_piksel(x-1,y)*1/9 + nilai_piksel(x,y)*1/9 + nilai_piksel(x+1,y)*1/9 + nilai_piksel(x-1,y+1)*1/9 + nilai_piksel(x,y+1)*1/9 + nilai_piksel(x+1,y+1)*1/9 selesai selesai Akhir modul
10 45 Tapis lolos tinggi (High pass Filter). Filter ini mempunyai karakter yang berlawanan dengan Low pass Filter. Ia bersifat memperkuat piksel-piksel dengan frekuensi yang tinggi. Penggunaan filter ini akan membuat garis batas antar obyek menjadi lebih tajam. Untuk menerapkan filter ini pada suatu citra, kita membutuhkan sebuah mask yang sama seperti pada bagian tapis lolos rendah, yaitu matriks mask 3x3. Perbedaannya hanya terletak pada nilai koefisiennya, yaitu K=-1/4. Pseudocode dari high pass filter adalah sebagai berikut: Awal modul luas = panjang_gambar*lebar_gambar; dari nilai y yang ke-0 hingga (lebar_gambar)-1 mulai dari nilai x yang ke-0 hingga (panjang_gambar)-1 mulai nilai_piksel(x,y) = nilai_piksel(x-1,y-1)*(-1/4) + nilai_piksel(x,y-1)*(-1/4) + nilai_piksel(x+1,y-1)*(-1/4) + nilai_piksel(x-1,y)*(-1/4) + nilai_piksel(x,y)*(-1/4) + nilai_piksel(x+1,y)*(-1/4) + nilai_piksel(x-1,y+1)*(-1/4) + nilai_piksel(x,y+1)*(-1/4) + nilai_piksel(x+1,y+1)*(-1/4) selesai selesai Akhir modul
11 Ekstraksi ciri Tahap ini bertujuan untuk melakukan ekstraksi ciri dengan metode dekomposisi Wavelet Haar. Setelah suatu citra melewati tahap pengolahan citra, maka citra tersebut siap untuk diekstrak cirinya. Pada penelitian ini, input pertama pada tahap ekstraksi ciri berukuran 128 x 128 piksel. Kita perlu menghitung level maksimum dari dekomposisi Wavelet yang mungkin dilakukan, dengan menggunakan rumusan yang telah diuraikan pada bagian sebelumnya. Pada penelitian ini, panjang datanya adalah 128, panjang filternya adalah dua, sehingga level maksimum dari dekomposisi Wavelet setelah dihitung dengan menggunakan rumusan adalah tujuh. Penelitian ini menggunakan level dekomposisi lima. Pada dekomposisi level pertama, citra dengan ukuran 128 x 128 piksel, akan menjadi citra dengan empat sub bidang pada ukuran yang lebih rendah yaitu 64 x 64 piksel. Keempat sub bidang ini akan membawa informasi yang berbeda, yaitu informasi aproksimasi, vertikal, horizontal, dan diagonal. Dekomposisi level kedua akan menghasilkan citra dengan ukuran 32 x 32 piksel, dekomposisi level ketiga akan menghasilkan citra dengan ukuran 16 x 16 piksel, dekomposisi level keempat menghasilkan citra dengan ukuran 8 x 8 piksel, dan dekomposisi level kelima menghasilkan citra dengan ukuran 4 x 4. Pada tahap selanjutnya. Adapun algoritma dari dekomposisi Wavelet ini adalah sebgai berikut: a. Tahap 1 : Input citra diubah menjadi empat bagian citra baru dengan ukuran 2 2.
12 47 b. Tahap 2 : Tes kondisi berhenti, jika ukuran dari citra aproksimasi adalah 1 x 1 piksel atau telah mencapai level dekomposisi yang diinginkan, maka proses berhenti, jika tidak, ulangi tahap pertama dengan menggunakan citra aproksimasi sebagai input citra. Pada penelitian ini, hasil dari proses ekstraksi ciri pada citra berukuran 128 x 128 piksel ini adalah citra aproksimasi dengan ukuran 4 x 4 piksel. Kemudian setiap piksel ini akan diambil nilainya, dan dijadikan input layer dari jaringan syaraf tiruan. Total input yang dihasilkan adalah 16 sel Proses training dan testing Setelah semua data hasil dari ekstraksi citra didapat. Maka semua nilai akan dilatih dengan menggunakan jaringan syaraf tiruan backpropagation. Akan berlangsung dua langkah dalam backpropagation yaitu feedforward dan backward. Feedforward akan melakukan perhitungan dari matriks input dan matriks bobot, sedangkan backward akan memperbaiki matriks bobot. Jaringan syaraf tiruan ini dibangun dengan input sebanyak 16 buah, dan output sebanyak 8 buah. Selain itu, jaringan syaraf tiruan ini juga menggunakan satu lapisan tersembunyi dan jumlahnya adalah 10 buah. Jaringan syaraf tiruan akan menggunakan hidden layer dengan rumusan: Hidden Layer = (2/3 * Input Layer) + Output Layer
13 48 Fungsi aktivasi yang digunakan pada program ini adalah fungsi sigmoid. Pada proses training ini, jumlah epoch atau perulangan maksimum ditentukan sebanyak kali. Identifikasi akan melakukan proses testing dengan mencocokkan input gambar dengan hasil training. Dari input yang dimasukkan, akan diperoleh nilai output yang akan dicocokkan dengan basis data sidik jari. Setelah itu, input tersebut akan dikalikan dengan matriks bobot yang telah ditentukan pada tahap training. Perkalian antara matriks input dan matriks bobot, akan menghasilkan nilai output yang telah ditentukan pada tahap training. Output yang diperoleh ini akan menjadi primary key pada basis data, sehingga setiap output akan menunjuk satu identitas, yaitu pemilik dari sidik jari tersebut. Pada perangkat lunak ini akan ditambahkan juga penghitungan error rate. Error Rate akan menampilkan False Non-Match Rate dan False Match Rate dari kumpulan data yang ada, prosesnya adalah dari data yang ada 5 citra sidik jari perorang akan diambil 3 data citra untuk di training, data training tersebut akan di matching dengan seluruh data yang ada. Jika terjadi penerimaan identifikasi yang salah maka akan tertulis False Match dan jika suatu citra tidak dapat teridentifikasi maka terjadi False Non Match. Data False Match dan False Non Match akan dimasukkan ke dalam file bertipe.*csv, yang dapat dibuka pada Microsoft Excel ataupun notepad. Dari data Error Rate diketahui jumlah error yang terjadi pada pendeteksian sidik jari. Pada gambar 3.3 menjelaskan flowchart dari proses perangkat lunak pendeteksian sidik jari dengan metode wavelet dan backpropagation.
14 Gambar 3.3. Flowchart Perangkat Lunak Metode Wavelet dan Backpropagation 49
15 Perangkat Lunak Verifinger Perangkat lunak verifinger yang akan digunakan untuk perbandingan menggunakan bahasa C#, perangkat lunak verifinger ini diberikan source code untuk pengembangan lebih lanjut, tetapi hanya komputer yang diberikan license dari verifinger yang dapat menjalankan program tersebut. Perangkat lunak ini menggunakan framework dari neurotec. Algoritma verifinger mengikuti skema identifikasi sidik jari yang diterima secara umum, yaitu dengan pendekatan minutiae dan juga dengan algoritma lain untuk meningkatkan kinerja dan keandalan sistem. Berikut beberapa penjelasan dari perangkat lunak verifinger : 1. Keandalan yang tinggi untuk deformasi sidik jari. 2. Toleransi terhadap sidik jari, rotasi, dan deformasi 3. Identifikasi yang cepat dengan menggunakan pre-sorted database entries 4. Kemampuan identifikasi (verification or identification) 5. Penentuan kualitas gambar (hanya kualitas terbaik yang disimpan ke dalam database). 6. Adaptive image filtration (menghilangkan noises, ridge yang rusak untuk ekstraksi minutiae yang baik) 7. Fitur mode generalisasi (mode pendaftaran sidik jari dari satu set sidik jari yang sama).
16 Proses Perbandingan Performance dan Waktu Proses Perbandingan perangkat lunak metode wavelet dan perangkat lunak verifinger akan menggunakan performance measure dan penghitungan time process. Dengan menggunakan komputer yang sama, kedua perangkat lunak akan dilakukan proses identifikasi sebanyak 750 citra sidik jari dari 450 citra sidik jari yang di training atau enroll, semua citra sidik jari diambil dari biometric ideal test seperti telah dijelaskan sebelumnya pada bagian pengumpulan data. Performance measure dilakukan dengan cara identifikasi seluruh citra yang dimasukkan dibandingkan dengan data training perangkat lunak metode wavelet ataupun hasil dari enrollment perangkat lunak verifinger. Citra data yang di training ataupun di enroll berjumlah 450 data. Hasil dari identifikasi kedua akan menghasilkan false match dan false non match. Dari hasil tersebut akan didapatkan tingkat keakuratan dari hasil identifikasi sidik jari kedua perangkat lunak. Selain data false match dan false non match tersebut didapatkan juga waktu proses dari identifikasi citra sidik jari kedua perangkat lunak. Perbandingan perangkat lunak berasal dari hasil tingkat keakuratan dan waktu proses identifikasi citra sidik jari tersebut.
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
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 3 ANALISIS DAN PERANCANGAN SISTEM. suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang
38 BAB 3 ANALISIS DAN PERANCANGAN SISTEM Kriminalitas adalah suatu hal yang sering terjadi di dunia ini. Indonesia termasuk suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang
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 terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia selalu memanfaatkan teknologi untuk melakukan kegiatannya. Ini dikarenakan teknologi membuat tugas manusia menjadi lebih ringan
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 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 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Tahap sebelum perancangan berhubungan dengan proses penglihatan awal. Tujuan utama dari prapemrosesan adalah untuk menggembangkan gambaran yang berguna dari bentuk
Lebih terperinciBAB 3 METODOLOGI. 3.1 Kerangka Pikir
BAB 3 METODOLOGI 3.1 Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Permainan catur cina, yang dikenal sebagai xiang qi dalam bahasa mandarin, merupakan sebuah permainan catur traditional yang memiliki jumlah 32 biji catur. Setiap
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciBAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia adalah makhluk yang unik dan berbeda satu satu sama lain. Ia memiliki berbagai karakteristik yang dapat digunakan untuk membedakan dirinya dengan individu
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciBAB 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
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 IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan
Lebih terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Jaringan Saraf Tiruan Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem saraf secara biologis, seperti proses informasi pada otak manusia.
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciAnalisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005 / 2006 Analisis dan Perancangan Transformasi Wavelet Untuk Jaringan Syaraf Tiruan pada Pengenalan Sidik
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK I.1 Pendahuluan Pada Bab I ini, penulis akan membahas gambaran sistem yang akan dibuat secara garis besar. Pembahasan mencakup tujuan, ruang lingkup kerja, fungsi secara umum,
Lebih terperinciMETODOLOGI PENELITIAN
18 METODOLOGI PENELITIAN Kerangka Penelitian Sistem pengenalan roda kendaraan pada penelitian ini tampak pada Gambar 10, secara garis besar dapat dibagi menjadi dua tahapan utama yaitu, tahapan pelatihan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET
SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET Benni Agung Nugroho, Irna Wijayanti dan Agus Widayanti Jurusan Teknik Informatika, Politeknik Kediri e-mail : benni.nugroho@gmail.com Abstrak Sistem pengenalan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinciANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA
ANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA Wikaria Gazali; Alexander Agung Santoso Gunawan Mathematics & Statistics Department, School of Computer Science,
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik
Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Sri Heranurweni 1 1) Jurusan Teknik Elektro, Universitas Semarang email : heranur@yahoo.com Abstrak : Teknik identifikasi konvensional
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
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 berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciBAB 2 LANDASAN TEORI. Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola
7 BAB 2 LANDASAN TEORI Landasan teori ini secara umum berisi dua hal penting, yaitu kerangka teori dan pola pikir dari penulis. Sebagai kerangka teori, penulis menyajikan sejumlah teori yang relevan dengan
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. fold Cross Validation, metode Convolutional neural network dari deep learning
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Program P rinsip kerja program yaitu dengan melakukan pra pengolahan citra terhadap foto fisik dari permukaan buah manggis agar ukuran seluruh data
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara
BAB 1 PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang penelitian dibuat, rumusan masalah, batasan masalah yang akan dibahas, tujuan penelitian, manfaat penelitian, metodologi penelitian yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manuasia. Namun mata manusia memiliki keterbatasan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciPENGENALAN POLA SIDIK JARI
TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
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 terperinciDOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1, Yoestinus 2 1 Fakultas Teknologi Informasi, Universitas Tarumanagara-Jakarta, Chairisni.fti.untar@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciTINJAUAN PUSTAKA ,...(1)
3 TINJAUAN PUSTAKA Dalam bab ini akan dibahas teori-teori yang mendasari penelitian ini. Dimulai dari teori dan konsep citra digital, deteksi pola lingkaran dengan Circle Hough Transform (CHT), ekstrasi
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 III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
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 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 terperinciImplementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR
Implementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR Diajukan Oleh : RENDRA FEBRIANTO 0634015068 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinci1.2 Rumusan Masalah Berdasarkan latar belakang yang telah dibuat diatas, rumusan masalah yang dapat diambil adalah :
BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan adalah sebuah bentuk khusus dari tulisan tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan yang sering digunakan sebagai bukti vertifikasi
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan pada aplikasi penelitian pengenalan ekspresi wajah ini seperti pada tabel Tabel 4.1 Spesifikasi
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 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciBAB III METODOLOGI PENELITIAN. Model sistem presensi biometri sidik jari yang dikembangkan secara garis
BAB III METODOLOGI PENELITIAN 3.1 Disain Penelitian Model sistem presensi biometri sidik jari yang dikembangkan secara garis besar terdiri atas bagian input, bagian proses, dan bagian output seperti gambar
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Pengolahan data pada penelitian ini meliputi tahapan pengambilan data, penentuan titik tengah area yang akan menjadi sampel, pengambilan sampel, penentuan ukuran window subcitra
Lebih terperinciMahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.
Mahasiswa: Muhimmatul Khoiro 1110100049 Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si. Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2014 Diagnosa
Lebih terperinciCitra. Prapengolahan. Ekstraksi Ciri BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai pengenalan pola, pengolahan citra,
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 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciPENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL
PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL Mawaddah Aynurrohmah, Andi Sunyoto STMIK AMIKOM Yogyakarta email : andi@amikom.ac.id Abstraksi Perkembangan teknologi
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 terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
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 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, penyimpanan informasi pada media digital sudah banyak dilakukan oleh orang. Dimulai dengan menyimpan sebuah file atau gabungan beberapa file yang disimpan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.
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 terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinci