BAB III PERANCANGAN SISTEM
|
|
- Leony Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 perkembangan komputer serta metode-metode dan algoritma yang mendukung dalam bidang tersebut, sehingga membuat proses perhitungan dan akurasi dalam sistem pengenalan wajah semakin baik, halhal tersebut menjadikannya lebih reliable untuk dapat diterapkan kedalam sistem aplikasi penunjang. Sistem pengenalan wajah itu sendiri banyak diterapkan ke dalam sistem aplikasi yang berbasiskan pencocokan data biometrik, sebagai contoh sistem sekuritas pada bank, sistem absensi, sistem pembuatan Surat Izin Mengemudi (SIM), dan juga sistem lain yang membutuhkan pencocokan data biometrik. Pesatnya perkembangan sistem pengenalan wajah tersebut mendorong kami untuk melakukan penelitian penerapan sistem pengenalan wajah kedalam sebuah sistem aplikasi penunjang, sehingga dapat menghasilkan sistem aplikasi yang dapat mempermudah kegiatan yang di lakukan seharihari. Pada penelitian ini, kami mengangkat topik bagaimana sebuah sistem pengenalan wajah dapat di terapkan kedalam sebuah sistem absensi otomatis, sehingga dapat menghasilkan sebuah sistem absensi yang akurat, efektif dan efisien. 27
2 28 Fokus dalam penelitian ini adalah bagaimana menerapkan sebuah sistem pengenalan wajah kedalam sebuah sistem absensi otomatis sehingga dapat menghasilkan sistem absensi yang akurat, efektif dan efisien. Hal tersebut dapat dirincikan kedalam beberapa fokus masalah penelitian yang dijelaskan berikut ini: 1. Menentukan komponen apa saja yang perlu diperhatikan dalam membuat sebuah sistem absensi otomatis, agar didapatkan sistem yang efektif dan efisien. 2. Metode dan algoritma pengenalan wajah apa yang cocok digunakan dalam sistem absensi, agar mendapatkan akurasi yang baik? 3. Menentukan komponen apa saja yang dapat mendukung dan menghambat dalam melakukan proses pengenalan wajah. Dari uraian beberapa fokus masalah yang telah di sebutkan di atas, maka perlu dilakukan studi literatur dan studi perancangan guna melihat kekurangan dan kelebihan dari beberapa penelitian terkait yang telah dilakukan terdahulu, kemudian melakukan evaluasi hasil dari penelitian tersebut guna menjawab fokus permasalahan yang ada Pemaparan hasil Studi Literatur dan Studi Perancangan Dari beberapa literatur dan jurnal penelitian yang telah kami baca didapatkan bahwa: 1. Untuk membuat sebuah sistem absensi otomatis yang efektif dan dan efisien diperlukan sebuah sistem yang dapat terintegrasi antara proses absensi dengan proses
3 29 penginputan data, hal tersebut dapat diterapkan dengan membuat sebuah sistem absensi yang teridiri dari Halaman login, Menu Absensi siswa, Form input data, dan yang terakhir adalah Halaman data base, Taufik M. H (2008:1). Hal lain yang perlu diperhatikan adalah kemudahan dalam melakukan proses absensi agar tidak memakan waktu yang lama. 2. Dalam melakukan proses pengenalan wajah ada beberapa metode yang dapat di gunakan, seperti metode Knowledge- Based, Mathematical Transform, Neural networks, dan Metode campuran, Yongzhong Lu, Jingli Zhou, dan Shengsheng YU (2003:15). Dari beberapa literatur dan jurnal penelitian terdahulu tentang pengenalan wajah didapatkan bahwa rata-rata telah menghasilkan nilai akurasi yang baik, penelitian-penelitian tersebut kebanyakan menggunakan metode Mathematical Transform dengan menggunakan algoritma Principal Component Analysisi (PCA) dalam melakukan ekstraksi fitur dan Linear Discriminant Analysis (LDA) untuk melakukan proses klasifikasi. Metode dan algoritma ini banyak di gunakan karena proses pengaplikasiannya yang cukup mudah dengan nilai komputasi yang cukup cepat, serta tingkat akurasinya sudah cukup baik. Hal-hal tersebut memenuhi kriteria agar dapat diterapkan kedalam sistem absensi ini.
4 30 3. Hal-hal yang perlu diperhatikan dalam melakukan proses pengenalan wajah atau rekognisi adalah proses pengambilan citra input, proses ekstraksi fitur, serta proses klasifikasi, Neeraj, Rajesh dan Dr. Shwetank (2013:4). Dalam proses pengambilan citra input tersebut perlu diperhatikan dalam beberapa hal seperti faktor pencahayaan, penempatan kamera, orientasi, serta gangguan lain yang dapat mengghambat dalam proses ekstraksi fitur, proses pengambilan citra sampai dengan proses menghilangkan gangguan pada citra input dinamakan preprocessing image. Selanjutnya adalah proses ekstraksi fitur, dalam melakukan proses ekstraksi fitur terdapat beberapa metode yang dapat digunakan seperti halnya pada proses pengenalan wajah, hal-hal yang perlu diperhatikan pada proses ini adalah pemilihan fitur yang digunakan, proses penghitungan, serta hal-hal yang mengganggu proses ekstraksi fitur. Dan hal terakhir yang perlu diperhatikan adalah proses klasifikasi, rata-rata pada penelitian sebelumnya menggunakan proses ekstraksi fitur dengan PCA dan menggunakan LDA dalam proses klasifikasi. Dalam beberapa hal penggunaan PCA dan LDA cukup baik, namun kurang akurat jika proses pengenalan dilakukan dengan keadaan real-time. Hal ini dikarenakan proses klasifikasi dengan LDA hanya membandingkan hasil input baru dengan hasil dari PCA pada proses latih dengan menggunakan metode statistik
5 31 biasa. Oleh karena itu diperlukan metode lain dalam melakukan proses klasifikasi, dalam beberapa jurnal dan literatur yang telah kami baca, penggunaan metode Neural Network dalam melakukan proses klasifikasi objek dapat lebih akurat. Hal ini dikarenakan adanya proses latih dengan metode statistik yang dilakukan secara berulang, sehingga mendapatkan nilai error atau kesalahan yang lebih kecil dari pada menggunakan metode statistik biasa. Rata-rata jurnal dalam penelitian tersebut menggunakan algoritma Backpropagation algoritma ini dianggap paling baik dalam melakukan proses klasifikasi objek, Kuldip Vora, Shruti Yagnik, Mtech Scholar (2013:196). Dari uraian hasil studi literatur dan studi perancangan di atas, maka perlu dilakukan evaluasi guna merumuskan hal-hal apa saja yang akan diterapkan kedalam sistem yang akan dibuat Pemaparan hasil evaluasi Studi Literatur dan Studi Perancangan Hal-hal yang dirumuskan dalam merancang sistem dalam penelitian ini adalah sebagai berikut: 1. Membagi perancangan sistem kedalam dua buah fokus utama yaitu perancangan sistem absensi dan perancangan sistem pengenalan wajah. 2. Dalam merancang sistem absensi di dalamnya terdapat tiga buah proses utama yaitu proses penginputan data
6 32 informasi mahasiswa, proses absensi, dan proses pengolahan data absensi dimana untuk menerapkan proses-proses tersebut akan di implementasikan kedalam sebuah window aplikasi yang di dalamnya terdapat halaman login admin, menu absensi siswa, form input data, dan halaman data base. 3. Untuk mempermudah melakukan proses absensi maka kami menerapkan proses absensi dengan pengenalan wajah menggunakan kamera, kamera tersebut diatur agar dapat melakukan pengambilan citra secara otomatis, ketika terdeteksi adanya objek wajah, kemudian sistem melakukan proses pengenalan wajah. Proses pengambilan citra tersebut dilakukan secara real-time. 4. Dalam melakukan proses pengenalan wajah kami menerapkan metode Mathematical Transform dan Neural Network. Dimana dalam implementasinya menggunakan algoritma PCA dalam melakukan ekstraksi fitur dan menggunakan metode Neural Network dengan algoritma Backpropagation dalam melakukan proses klasifikasi dan rekognisi. 5. Di dalam proses pengenalan wajah tersebut kami membagi proses pengenalan wajah kedalam tiga buah proses utama, proses pengambilan input citra, proses latih dan juga proses pengenalan wajah.
7 33 Penjelasan secara keseluruhan mengenai sistem yang akan kami buat dijelaskan pada sub bab berikutnya yang berisikan perancangan sistem secara umum, diagram alur algoritma yang digunakan, serta penjelasan cara kerja sistem secara keseluruhan. 3.2 Perancangan Sistem Secara Umum Dari hasil perumusan perancangan sistem yang telah dijelaskan di atas, secara umum sistem ini terdiri dari dua buah sistem utama yaitu sistem absensi dan juga sistem pengenalan wajah. Di dalam sistem absensi tersebut terdiri dari beberapa tahapan, yaitu tahapan penginputan data informasi mahasiswa kemudian menyimpannya kedalam data base, tahapan absensi, serta pengolahan data absensi. Di dalam sistem pengenalan wajah terdapat beberapa tahapan, yaitu pengambilan input citra, proses latih atau training, dan pengenalan wajah. Dimana semua proses dalam sistem absensi dan sistem pengenalan wajah tersebut saling berkaitan dan diimplementasikan kedalam dua buah proses utama yaitu input data dan informasi serta proses absensi. Berikut penggambaran sistem secara umum dalam bentuk diagram blok:
8 34 Gambar 3.1 Diagram Blok sistem secara umum Proses-proses tersebut kemudian diimplementasikan kedalam sebuah wondow aplikasi yang terdiri dari halaman login admin, menu absensi siswa, form input data, dan halaman data base. Hal tersebut bertujuan untuk menghasilkan sistem yang efisien dan mudah dalam penggunaannya. Perancangan proses-proses yang digambarkan pada diagram blok di atas akan dijelaskan pada sub bab berikutnya. 3.3 Perancangan Sistem Pengenalan Wajah Seperti yang telah dibahas pada sub bab sebelumnya, sistem pengenalan wajah pada sistem absensi ini menggunakan metode Mathematical Transform dan juga Neural Network, dan di implementasikan kedalam dari tiga buah proses, yaitu proses pengambilan citra input, proses latih, kemudian yang terakhir adalah proses pengenalan wajah. Proses pengambilan citra input menggunakan kamera webcam yang kemudian
9 35 hasilnya akan diolah dalam Preprocessing citra guna mempermuda proses latih, dalam proses latih ini merupakan tahapan penting dalam melakukan proses pengenalan wajah dimana di dalamnya terdapat proses ekstraksi fitur dengan metode Mathematical Transform dan juga proses klasifikasi dengan metode Neural Network. Sedangkan proses pengenalan atau rekognisi itu sendiri merupakan tahapan akhir dari proses ini dimana sistem melakukan validasi dan pencocokan nilai input baru dengan hasil dari proses latih. Proses-proses tersebut digambarkan dengan diagram alir di bawah ini: Gambar 3.2 Diagram alir sistem pengenalan wajah Proses-proses yang berkaitan dengan proses pengenalan wajah akan dijelaskan pada sub bab berikutnya yang berisikan penjelasan penggunaan metode yang digunakan pada proses ini beserta pengimplementasian algoritma dari metode yang dipakai dan diagram alur dari sub proses pada proses pengenalan wajah.
10 Perancangan Proses Pengambilan Citra Input Proses ini merupakan proses awal dalam melakukan proses pengenalan wajah, di dalamnya terdapat beberapa sub proses dan tahapan sebelum memasuki proses pelatihan. Di dalam proses ini pengambilan citra dilakukan dengan menggunakan kamera digital, input dari kamera digital tersebut terlebih dahulu dilakukan proses pegolahan guna mengurangi gangguan yang ada pada proses selanjutnya, penjabaran mengenai proses ini adalah sebagai berikut: 1. Proses inisialisasi kamera, pada proses ini kamera dipersiapkan dan diintegrasikan kedalam sistem agar dapat mengambil gambar sesuai dengan input yang di inginkan. Berikut contoh koding inisialisasi kamera dengan menggunakan matlab: camera = videoinput('winvideo', 1, 'RGB24_640x480'); set(camera,'returnedcolorspace','rgb'); start(camera); Pada proses ini kamera diatur agar mengambil gambar dengan resolusi 640 x 480, serta dengan input citra berwarna (RGB). Selanjutnya adalah proses pengambilan citra atau capturing. capture = getsnapshot(camera); Setelah didapatkan citra input lalu masuk ketahapan berikutnya. 2. Proses pendeteksian wajah, pada proses ini dilakukan pendeteksian keberadaan wajah di dalam citra input yang telah di ambil, citra wajah tersebut kemudian disegmentasi atau dipisahkan antara latar dengan citra wajah. Untuk mendapatkan citra wajah tersebut kami menggunakan algoritma pendeteksian wajah dengan metode Viola-Jones. Algoritma ini sudah terintegrasi secara langsung dengan program matlab yang kami
11 gunakan, contoh penggunaan algoritma ini akan dijelaskan selanjutnya. Pertama inisialisai pemanggilan library yang ada pada matlab, facedetector = vision.cascadeobjectdetector ('ClassificationModel', 'FrontalFaceLBP', 'MinSize',[ ],'MaxSize',[ ]); dalam proses ini kami membatasi nilai pendeteksian citra wajah dengan dimensi 300 sampai dengan 350, hal ini bertujuan mengurangi besarnya variasi dari objek wajah, tanpa mengurangi kemudahan melakukan absensi. Setelah diinisialisasi baru melakukan pendeteksian wajah dengan fungsi step, fungsi step ini melakukan konfolusi antara citra input dengan algoritma Viola- Jones yang ada pada library Matlab, hasil konfolusi tersebut 37 kemudian dimasukkan kedalam sebuah variable, berikut cara penggunaan nya: face = step(facedetector, capture); Isi variable face ini merupakan koordinat letak wajah dalam citra input tersebut. Setelah didapatkan koordinat dari citra wajah tersebut dilakukan pemotongan citra input atau cropping image agar didapat citra yang berisi hanya citra wajah saja. faceimage = imcrop(capture,face); Variable image ini berisikan citra input sesungguhnya dalam proses pengenalan wajah. 3. Setelah didapatkan input seseuai dengan yang diperlukan sistem, maka tahapan selanjutnya adalah melakukan grayscaling image tahapan ini bertujuan mengurangi besarnya nilai variasi yang ada dalam sebuah pixel citra wajah. Proses grayscaling image ini
12 38 adalah dengan menggabungkan bobot dari R, G dan B, berikut contoh perhitungan pencarian nilai RGB * R * G * B (3.1) Di dalam matlab proses grayscaling image cukup dengan mengetikkan rgb2gray pada variable citra yang akan diubah, kemudian di simpan kedalam variable baru. gray_faceimage = rgb2gray(faceimage); berikut disertakan contoh citra yang telah dilakukan grayscalingimage: Gambar 3.3 Beberapa contoh Grayscale image 4. Setelah dilakukan grayscaling image tahapan selanjutnya adalah memperkecil resolusi dari citra input utama tersebut guna mengurangi dimensi piksel yang ada pada citra. Proses ini dinamakan resizing image, dalam proses ini citra diperkecil kedalam ukuran 30x30 pixel yang bertujuan untuk mengurangi beban perhitungan dalam melakukan proses latih. Berikut contoh penggunaannya di dalam program matlab: InputImage = imresize(faceimage,[30 30]); Input inilah yang kemudian akan dimasukkan kedalam proses latih.
13 Proses-proses dalam melakukan pengambilan citra input tersebut digambarkan dengan diagram alir sebagai berikut: 39 Gambar 3.4 Diagram Alir pengambilan citra input 3.5 Perancangan Proses Latih (Training Process) Proses ini merupakan salah satu proses penting dalam melakukan proses pengenalan wajah, dimana di dalamnya terdapat dua buah proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Seperti yang telah dijelaskan sebelumnya proses ekstraksi fitur menggunakan metode Mathematical Transform yang diimplementasikan dengan menggunakan algoritma Principal Component Analysis (PCA), hasil output dari proses ekstraksi fitur disimpan guna menjadi pembanding dalam proses pengenalan wajah. Kemudian dalam proses klasifikasi menggunakan metode Neural Network, algoritma yang digunakan dalam proses ini adalah Back propagation, dimana dalam penggunaan algoritma ini diperlukan input dan
14 40 target yang telah ditentukan. Output dari proses klasifikasi ini berupa jaringan syaraf kecerdasan sistem yang digunakan untuk mensimulasikan hasil pembelajaran untuk mengetahui nilai keccocokan wajah. Penjelasan secara keseluruhan dari proses ini adalah sebagai berikut: Proses Ekstraksi Fitur Algoritma Principal Component Analysis merupakan salah satu algoritma dalam ekstraksi fitur dengan metode Mathematical Transform,. Prinsip kerja utama dari algoritma PCA adalah menguraikan citra ke dalam satu set komponen utama matriks citra orthonormal yang juga dikenal sebagai eigen faces yang merupakan hasil korelasi dari eigen vector dan eigen value. Di dalam sebuah PCA terdapat beberapa tahapan perhitungan transformasi statistik matematika. Setelah didapatkan nilai input dari proses pengambilan input citra yang telah di jelaskan pada sub bab sebelumnya, tahapan pertama dalam algoritma ini adalah proses perhitungan nilai rata-rata dari keseluruhan citra input berukuran 30x30 tersebut dengan persamaan sebagai berikut: Keterangan : = Nilai rata-rata citra input = Matrik Citra input
15 41 Proses selanjutnya adalah menghitung nilai perbedaan antara citra input dengan nilai rata-rata dari citra input, dengan persamaan matematika: Dalam proses ini dilakukan normalisasi citra agar didapatkan nilai citra yang sama rata dari keseluruhan input citra. Tujuan dari proses ini adalah mengurangi nilai error dari keseluruhan citra input. Setelah itu dicari nilai matriks otrhonormal dengan persamaan: M = merupakan vektor orthonormal X = merupakan vektor eigen = merupakan nilai eigen Matriks orthonormal ini lah yang merupakan nilai dari eigen face. Nilai eigen face dari tahap ini merupakan hasil dari keseluruhan informasi yang ada pada citra input. Oleh karena itu perlu dilakukan pemilihan nilai eigen face guna mendapatkan nilai eigen face yang dapat mencerminkan fitur dari sebuah wajah, dan merupakan komponen utama dari citra wajah tersebut. Pemilihan nilai eigen face tersebut didapat dari korelasi antara nilai eigen vector dan eigen value. Untuk mendapatkan nilai eigen vector da eigen value tersebut, terlebih dahulu perlu dicari nilai dari matriks kovarian dengan persamaan sebagai berikut:
16 42 Baru di dapatkan nilai eigen vector dan eigen value. Untuk menentukan berapa nilai eigen yang akan di ambil ditentukan dengan persamaan: Pencarian nilai eigen vector dan eigen value ini bertujuan untuk mengetahui korelasi antara tiap nilai eigen yang telah didapat, proses ini dilihat dari aliran energi yang mengalir pada setiap nilai eigen tersebut yang kemudian digambarkan dengan nilai eigen vector sebagai penunjuk arah kemana aliran energi itu mengalir. Kemudian dilakukan seleksi untuk menghilangkan nilai eigen yang tidak memiliki hubungan dengan nilai eigen lain. Nilai eigen face ini masih dalam keadaan acak sehingga perlu dilakukan penyusunan, penyusunan ini diurutkan berdasarkan nilai eigen yang terbesar, dan juga berdasarkan aliran energi vektor-vektor yang searah dengan nilai eigen tersebut. Setelah proses ekstraksi fitur tersebut baru dilakukan proses utama yaitu proses latih dengan Neural Network. Berikut diagram alir proses ekstraksi fitur citra:
17 43 Gambar 3.5 Ekstraksi fitur wajah Proses Klasifikasi Proses klasifikasi ini merupakan tahapan utama dalam proses latih yang bertujuan untuk memberikan kecerdasan pada sistem agar dapat membedakan antara wajah satu dengan yang lainnya. Metode yang digunakan adalah metode Neural Network dengan algoritma Feedforward Backpropagation. Pola Neural Network serupa dengan jaringan syaraf pada otak manusia. Komponen utama dari sebuah Neural Network terdiri dari neuron, fungsi aktivasi dan juga bobot. Neuron ini bertugas untuk mentransformasikan informasi yang di dapat melalui sambungan keluarannya atau output menuju neuronneuron lain, hubungan antara neuron ini yang kemudian dikenal dengan nama bobot.
18 44 Gambar3.6 Hubungan antara Neuron Bobot dan Fungsi aktivasi Pada jaringan syaraf, neuron-neuron tersebut akan dikumpulkan dalam lapisan-lapisan atau yang disebut dengan layer, pada jaringan yang memiliki layer lebih dari satu maka informasi yang diberikan akan dirambatkan dari layer satu ke layer lain, mulai dari layer input sampai dengan layer output melalui lapisan tersembunyi (hidden layer), tergantung dengan algoritma pelatihannya. Di dalam lgoritma Feedforward Backpropagation ini menggunakan jaringan multi layer dengan perambatan layer maju. Secara umum perancangan algoritma Feedforward Backpropagation dalam sistem ini adalah sebagai berikut: 1. Pemberian nilai input dan target. 2. Dilakukan Backpropagation atau propagasi balik untuk mengecek nilai eror yang diperoleh dengan mengurangi hasil output dengan target yang di inginkan. 3. Penyesuaian bobot koneksi untuk meminimalkan nilai eror, hal ini yang diulang terus-menerus pada tahapan pelatihan untuk meminimalkan eror sehingga didapatkan nilai bobot yang terbaik guna mencapai target yang di inginkan. Setelah ketiga tahapan tersebut selesai dilakukan maka training telah selesai dilakukan, untuk penggunaannya hanya dengan memberikan nilai input baru saja kemudian melakukan simulasi jaringan yang telah dilatih guna mendapatkan nilai kecocokan dari
19 45 input citra wajah. Untuk melakukan proses training tersebut akan dijelaskan sebagai berikut: 1. Inisialisasi bobot, pada tahapan ini dilakukan inisialisasi acak terhadap nilai bobot. 2. Persiapan inputan, input yang dapat di proses dalam melakukan proses pelatihan ini berupa matriks satu dimensi. Input dalam pelatihan ini adalah nilai eigen face yang telah didapatkan dari proses ekstaksi fitur yang telah di jelaskan pada sub bab sebelumnya. 3. Setiap unit masukan (z i, i = 1,...,n) (tergantung banyaknya input yang dihasilkan dari proses ekstraksi fitur) menerima sinyal input ke seluruh layer. 4. Setiap unit hidden layer (z j, i = 1,...,p) menjumlahkan semua nilai eror yang dikeluarkan. Berikut persamaan yang diberikan: Z_ net j merupakan nilai error yang dihasilkan dari hidden layer. 5. Kemudian dilakukan perhitungan semua output dari unit Y k (k = 1...m). 6. Setelah itu baru lah masuk ke tahap Backpropagation, pada tahapan ini melakukan pengecekan mundur dengan
20 menghitung faktor δ pada tiap unit output berdasarkan nilai error dari setiap output, Y k (k = 1...m) 46 δ k merupakan nilai error yang dipakai dalam perubahan baobot pada layer di bawahnya, kemudian menghitung suku perubahan bobot w jk (yang akan dipakai untuk merubah bobot w jk ) dengan learning rate α. 7. Kemudian menghitung faktor δ pada setiap unit hidden layer berdasarkan nilai eror pada setiap unit hidden layer, Z j (j = 1...p) Kemudian menghitung faktor δ pada hidden layer Kemudian menghitung suku perubahan bobot v ij 8. Yang terakhir adalah perhitungan semua nila perubahan bobot yang didapat, perubahan bobot garis yang menuju ke unit output dengan persamaan: perubahan bobot garis yang menuju ke unit hidden layer dengan persamaan:
21 Secara sederhana proses pelatihan Neural Network dapat di gambarkan dengan diagram alir sebagai berikut: 47 Gambar 3.7 Diagram Alir proses training 3.6 Perancangan proses penyimpanan data informasi mahasiswa Tahapan selanjutnya setelah proses latih adalah penyimpanan informasi dari objek absensi kedalam sebuah database, tujuan dari penyimpanan informasi adalah untuk mempermudah pada proses pengenalan dan proses utama absensi guna menghadirkan data informasi kehadiran siswa. Informasi data yang di ambil dalam proses ini bukan berupa data kompleks, namun informasi data yang hanya diperlukan dalam melakukan absensi seperti informasi Nama, Nim, dan Kelas karena sifat dari penerapan dari sistem kami yang berupa simulasi. Seluruh proses penyimpanan informasi tersebut dilakukan dalam satu buah window yang berbarengan dengan proses latih. Berikut diagram alir proses penyimpanan data ke dalam database:
22 48 Gambar 3.8 Diagram Alir proses penyimpanan ke dalam database 3.7 Perancangan Proses Pengenalan wajah Pada proses ini merupakan tahapan akhir dalam sistem yang kami buat, pada proses ini merupakan proses utama dalam melakukan absensi, tahapan dalam melakukan proses ini cukup sederhana, yang pertama adalah proses pengambilan citra wajah dengan kamera, kemudian citra input ini terlebih dahulu di lakukan preprocessing dan juga ekstraksi input citra, hasil ekstraksi citra input ini yang kemudian disimulsikan dengan menggunakan jaringan syaraf tiruan yang dihasilkan dari proses latih. Hasil dari simulasi tersebut berupa nilai kecocokan wajah beserta nilai error dari proses pengenalan, kemudian hasil dari proses simulasi tersebut dikurangi dengan hasil dari proses ekstraksi fitur pada proses latih untuk mendapatkan nilai
23 49 errornya saja, kemudian dicari nilai error terendah. Nilai error inilah yang kemudian dibandingkan untuk mendapatkan nilai wajah yang terdapat pada database. Hasil proses pengenalan wajah tersebut kemudian di proses untuk mencari informasi data siswa. Berikut penyajian diagram alir proses pengenalan wajah. Gambar 3.9 Diagram Alir proses pengenalan wajah
SISTEM ABSENSI OTOMATIS MENGGUNAKAN PENGENALAN WAJAH DENGAN METODE NEURAL NETWORK
SISTEM ABSENSI OTOMATIS MENGGUNAKAN PENGENALAN WAJAH DENGAN METODE NEURAL NETWORK Naufan Harish K J, Zainatul Hamdi, Bagas Ditya Ag Computer Engineering Departement, Faculty Of Engineering, Bina Nusantara
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 terperinciBAB IV IMPLEMENTASI & EVALUASI
BAB IV IMPLEMENTASI & EVALUASI Pada bab ini akan dibahas cara implementasi sistem absensi otomatis yang telah kami buat, cara implementasi sistem ini dengan melakukan simulasi absensi yang dilakukan di
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Sistem Absensi Otomatis Menurut kamus besar bahasa Indonesia absen memiliki arti ketidak hadiran dalam suatu kegiatan, baik kegiatan belajar mengajar ataupun dalam
Lebih terperinciBAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem
1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciMILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun belakangan ini, jaringan syaraf tiruan telah berkembang dengan pesat. Berbagai aplikasi telah memanfaatkan jaringan syaraf tiruan dalam penerapannya,
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih 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 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 terperinciBAB 2 Landasan Teori
BAB 2 Landasan Teori Pengenalan manusia secara otomatis menggunakan mesin merupakan masalah yang menantang dan telah menjadi banyak perhatian selama beberapa tahun terakhir. (Jawad, Syed, dan Farrukh,
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
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 terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
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 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 I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
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 terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih 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 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciIdentifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation
Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation Destri Wulansari, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad
Lebih terperinciANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)
ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
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 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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Tahapan analisis terhadap suatu sistem dilakukan sebelum masuk ke tahapan perancangan. Tujuan dilakukannya analisis terhadap suatu sistem
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
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 terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Koefisien Maksimum Energi Maksimum Jarak Gelombang R - R
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database Sinyal EKG Ekstraksi Ciri Sinyal Jantung (Wibowo, 2016) Keluaran : Koefisien Maksimum Energi Maksimum Jarak Gelombang R -
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 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 terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
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 II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
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 terperinciPROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA)
PROTOTYPE PENGENALAN WAJAH MELALUI WEBCAM DENGAN MENGGUNAKAN ALGORITMA PRICIPAL COMPONENT ALAYSIS (PCA) DAN LINIER DISCRIMINANT ANALYSIS (LDA) Jemmy E.Purwanto Jemmy.e.Purwanto@Gmail.com Pembimbing I :
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia robot selama beberapa dekade ini sangat pesat. Robot pertama kali diperkenalkan pada tahun 1921 oleh Karel Capek dalam suatu pertunjukan drama. Mulai
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 terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Nearest Neighbor Nearest neighbor merupakan salah satu teknik interpolasi paling sederhana dan cepat dengan memindahkan ruang yang kosong dengan piksel yang berdekatan (the nearest
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciPERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA
PERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA Bharasaka Krisnandhika 51412445 Dr. Dewi Agushinta
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
Lebih 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 terperinciBAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector
BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko
Lebih terperinciRANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM
RANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM RULIAH Jurusan Sistem Informasi STMIK Banjarbaru Jl. Jend. Ahmad Yani Km. 33.3 Loktabat Banjarbaru twochandra@gmail.com
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 I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
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 terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciBAB II DASAR TEORI. 2.1 Citra Digital
BAB II DASAR TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f (x,y) dua dimensi,dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI
APLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI Putri Khatami Rizki 1), Muchlisin Arief 2), Priadhana Edi Kresnha 3) 1), 2), 3) Teknik Informatika Fakultas
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
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 terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciBACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA
BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA Anggi Purnama Undergraduate Program, Computer Science, 2007 Gunadarma Universiy http://www.gunadarma.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Barcode Salah satu obyek pengenalan pola yang bisa dipelajari dan akhirnya dapat dikenali yaitu PIN barcode. PIN barcode yang merupakan kode batang yang berfungsi sebagai personal
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Home security saat ini sudah menjadi kebutuhan setiap pemilik rumah yang menginginkan tingkat keamanan yang baik. Salah satu sistem keamanan konvensional yang masih
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 terperinciPENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS. Skripsi
PENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS Skripsi Di susun oleh : M. RIDHO MAJIDI (0934010056) PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVESITAS PEMBANGUNAN
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
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
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan di bidang pengembangan aplikasi sedang mendapatkan perhatian penting bagi perkembangan teknologi informasi.
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
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 I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
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 terperinciSISTEM IDENTIFIKASI KODE TANGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN BACKPROPAGATION
SISTEM IDENTIFIKASI KODE TANGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN BACKPROPAGATION Holisah, Prihastuti Harsani dan Arie Qur ania holisah62@gmail.com Jurusan Ilmu Komputer, Fakultas Matematika
Lebih terperinciKlasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ
Klasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ Gilang Ramadhan *, Esmeralda C Djamal, Tedjo Darmanto Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl.
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
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 terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan Peramalan Inventory Barang
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 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinci