PENGEMBANGAN APLIKASI SISTEM PENGENALAN WAJAH MENGGUNAKAN LOCAL BINARY PATTERN DENGAN VARIASI POSISI WAJAH
|
|
- Erlin Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN APLIKASI SISTEM PENGENALAN WAJAH MENGGUNAKAN LOCAL BINARY PATTERN DENGAN VARIASI POSISI WAJAH Ade Mahendra Lubis 1 ; Jeffrey Joson 2 ; Muhammad Zullidar 3 ; Alexander A. S. Gunawan 4 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Bina Nusantara Jln. K. H. Syahdan No. 9, Palmerah, Jakarta Barat red_devil_fans_manutd@yahoo.co.id; 2 bsmfjj@yahoo.com; 3 zullidar91@yahoo.com; 4 aagung@binus.edu ABSTRACT Many researchers in the field of artificial intelligence to develop a variety of methods including face recognition method. Face recognition can be performed by various methods. But with so many existing face recognition methods will cause confusion in the selection of the method will be applied. This thesis discusses the performance of Local Binary Pattern. Design method used is a rapid application development. Rapid application development flow chosen because it has a short application development, so application development can finish so quickly. And this method allows developers and researchers often interact so as to produce a good application and in accordance with the criteria of the researcher. In the test analysis performed on the speed and accuracy of face recognition process based on changes in the threshold value and the face angle positions. Local Binary Pattern is expected that this algorithm can be used for applications that have a processor with lower computing. The results obtained when used threshold of 75 and there are variations in face angle positions 0 and 45 degrees. Through the results it can be concluded Local Binary Pattern method can give good results in face recognition. Keywords: Face Recognition, Local Binary Pattern, Artificial Intelligence, Face Position Variation ABSTRAK Banyak peneliti pada bidang kecerdasan buatan yang mengembangkan berbagai metode termasuk di dalamnya metode pengenalan wajah. Pengenalan wajah dapat dilakukan dengan berbagai metode. Namun dengan begitu banyaknya metode pengenalan wajah yang ada akan menimbulkan kebingungan dalam pemilihan metode yang akan diterapkan. Skripsi ini membahas tentang performa
2 Local Binary Pattern. Metode perancangan yang digunakan adalah rapid application development. Rapid application development dipilih karena memilki alur pengembangan aplikasi yang pendek, sehingga pengembangan aplikasi dapat berlangsung dengan cepat. Dan metode ini memungkinkan pengembang dan peneliti sering berinteraksi sehingga dapat menghasilkan aplikasi yang baik dan sesuai dengan kriteria peneliti. Pada pengujian analisa dilakukan terhadap kecepatan proses pengenalan wajah serta ketepatan berdasarkan perubahan nilai threshold dan sudut posisi wajah. Diharapkan algoritma Local Binary Pattern ini dapat digunakan untuk aplikasi yang memilki prosesor dengan komputasi yang lebih rendah. Hasil yang didapatkan baik jika digunakan threshold 75 dan terdapat variasi posisi sudut wajah 0 dan 45 derajat. Melalui hasil tersebut dapat disimpulkan metode Local Binary Pattern dapat memberikan hasil yang baik dalam pengenalan wajah. Kata kunci : Pengenalan Wajah, Local Binary Pattern, Kecerdasan Buatan, Variasi Posisi Wajah
3 PENDAHULUAN Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan dibidang pemograman juga mengalami peningkatan kerumitan dan fungsi. Salah satu bidang yang sedang berkembang yaitu sistem pengenalan pola untuk otentifikasi pengguna. Pengenalan pola (Pattern Recognition) merupakan bidang studi yang melakukan proses analisis gambar yang input-nya adalah gambar ataupun citra digital yang menghasilkan output suatu deskripsi dengan tujuan untuk mendapatkan informasi yang disampaikan oleh gambar atau citra, dengan kata lain meniru kemampuan otak manusia dalam mengenali suatu objek atau pola tertentu untuk menghasilkan suatu informasi yang diperlukan (Gazali & Santoso, 2009). Salah satu sistem pengenalan pola yang sedang berkembang sekarang adalah sistem pengenalan biometrika yang menggunakan wajah. Wajah seseorang telah digunakan untuk proses pengenalan selain suara, sidik jari, maupun cara jalan. Bahkan saat ini berbagai karateristik biometrika lain secara aktif masih dikembangkan oleh para peneliti seperti: DNA, tanda tangan, retina mata, dan lain-lain (Fadlil & Yeki, 2010). Rumusan Masalah Dalam membangun suatu sistem pengenalan citra wajah banyak metode yang digunakan salah satu contohnya adalah Local Binary Pattern. Local Binary Pattern adalah salah satu metode pengenalan yang mulai banyak digunakan namun dengan begitu banyaknya metode yang ada menjadi sulit bagi pengembang aplikasi pengenalan citra wajah untuk menentukan metode mana yang lebih baik untuk diimplementasikan. Atas dasar hal tersebut, lahir pemikiran untuk membuat pengenalan citra wajah menggunakan metode Local Binary Pattern yang akan dapat dijadikan panduan peneliti maupun pengembang untuk menentukan metode mana yang sesuai untuk device yang mempunyai komputasi terbatas seperti smartphone, televisi, kulkas, dan perangkat keras lainnya. Dimana untuk menjalankan aplikasi pengenalan wajah dibutuhkan komputasi yang cukup kompleks untuk mendapatkan hasilnya. Oleh karena itu, alasan kami memilih metode Local Binary Pattern adalah proses komputasinya yang cepat dengan perhitungan integer dan tingkat keakuratan yang cukup baik jika dilihat dari tingkat kecepatan komputasinya. Tujuan dan Manfaat Tujuan penelitian ini secara rinci dapat disebutkan : Mengembangkan metode pengenalan wajah menggunakan algoritma Local Binary Pattern dengan library OpenCV. Melakukan analisa kondisi untuk mencari performa terbaik dengan menggunakan algoritma Local Binary Pattern pada variasi posisi wajah dan perubahan threshold. Perangkat lunak ini dapat menghasilkan manfaat sebagai berikut: Sebagai tolak ukur penggunaan metode oleh peneliti dan pengembang aplikasi pengenalan citra wajah. Sebagai bahan referensi pengembangan penelitian pengenalan citra wajah. Kajian Pustaka Local binary Pattern Operator LBP adalah salah satu deskriptor tekstur terbaik dan telah banyak digunakan dalam berbagai aplikasi. LBP telah terbukti sangat diskriminatif dan keuntungan utamanya, yaitu variasi untuk perubahan tingkat abu-abu monoton dan efisiensi komputasi, membuatnya cocok untuk tugas gambar menuntut analisis. Ide untuk menggunakan LBP untuk deskripsi wajah didukung oleh fakta wajah dapat dilihat sebagai komposisi pola mikro yang dapat dijelaskan oleh sebuah operator. Local Binary Pattern (LBP) didefinisikan sebagai ukuran tekstur gray-scale invarian, berasal dari definisi umum tekstur di daerah sekitar. Operator LBP dapat dilihat sebagai pendekatan kesatuan dengan model statistik dan struktur tradisional berbeda dari analisis tekstur. Secara sederhana, LBP adalah sebuah kode biner yang menggambarkan pola tekstur lokal. Hal ini dibangun dengan lingkungan batas dengan nilai abu-abu dari pusatnya (Ahonen, Hadid, & Pietikainen, 2004, pp. 2-3). Contoh komputasi LBP pada 3x3 pixel:
4 Gambar 1 Proses perhitungan pixel LBP Setiap pixel memiliki nilai hasil grayscale, kemudian dilakukan threshold berpusat pada titik tengah. Pixel yang memiliki nilai sama atau lebih dibandingkan dengan titik tengah diberi nilai 1 selain itu diberi nilai 0. Kemudian nilai LBP didapat dari penjumlahan dua pangkat nilai angka yang bernilai satu. Gambar 2 Rumus komputasi LBP Operator pada LBP memiliki label yang ditandai dengan P dan R. P mewakili jumlah pixel tetangga yang digunakan dalam komputasi sementara R adalah radius antara pixel titik pusat dan pixel tetangga. Gambar 3 Varian LBP Perpanjangan pada operator aslinya menggunakan Uniform Pattern. Untuk ini, ukuran keseragaman pola yang digunakan: U ("pola") adalah jumlah bitwise transisi dari 0 ke 1 atau sebaliknya ketika pola bit dianggap melingkar. Pola biner lokal disebut seragam jika ukuran keseragaman adalah 2. Misalnya, pola (0 transisi), (2 transisi) dan (2 transisi) adalah seragam sedangkan pola (4 transisi) dan (6 transisi) tidak. Dalam pemetaan LBP seragam ada yang terpisah output label untuk setiap pola seragam dan semua non-seragam pola ditugaskan ke label tunggal. Dengan demikian, jumlah label output yang berbeda untuk pemetaan pola-pola. Gambar 4 Uniform patterns Local Binary Pattern untuk Detection Tujuan deteksi adalah untuk menentukan lokasi dan besarnya wajah manusia pada gambar atau citra. Pada proses local binary pattern detection yang diterapkan OpenCV ada dua tahapan penting dalam mendeteksi wajah yaitu Multi-scale Block Local Binary Pattern dan Gentle AdaBoost. Multi-scale Block Local Binary Pattern Operator LBP asli label pixel dari suatu gambar dengan thresholding tetangga 3x3 masing-masing pixel nilai pusat dan mempertimbangkan hasil sebagai string biner atau angka desimal. Kemudian histogram dari label dapat digunakan sebagai deskriptor tekstur. Sebuah ilustrasi dari operator LBP dasar ditampilkan pada gambar 5. Multi-scale LBP merupakan pengembangan dari LBP, sehubungan dengan penggunaan pixel tetangga (Liao, Zun, Lei, Zhang, & Li, 2007, p. 3).
5 Gambar 5 Proses operator LBP dan MB-LBP(a) LBP operator dasar (b) 9x9 MB-LBP operator Dalam MB-LBP, operator perbandingan antara pixel tunggal dalam LBP hanya diganti dengan perbandingan antara nilai-nilai abu-abu rata-rata pada sebagian daerah. Setiap wilayah sub blok persegi yang mengandung pixel tetangga. Keseluruhan filter terdiri dari 9 blok. kita mengambil ukuran s sebagai parameter, dan S X S yang menunjukkan skala operator MB-LBP (khususnya, 3 x 3 MB-LBP sebenarnya adalah LBP asli). Perhatikan bahwa nilai-nilai skalar dari rata-rata selama blok dapat dihitung sangat efisien dari tabel. Untuk alasan ini, MB-LBP ekstraksi fitur juga bisa sangat cepat karena hanya menimbulkan biaya lebih sedikit dari 3 x 3 LBP operator. Pada gambar 6 diberikan contoh MB-LBP gambar wajah disaring oleh 3 x 3, 9 x 9 dan 15 x 15 blok. Dari contoh ini kita bisa melihat pengaruh parameter s. Untuk skala kecil, lokal, pola mikro dari struktur wajah juga terwakili, yang bermanfaat untuk membedakan rincian lokal wajah. Di sisi lain, menggunakan daerah ratarata nilai daerah, filter skala besar mengurangi kebisingan, dan membuat representasi yang lebih kuat, dan informasi skala besar memberikan informasi melengkapi rincian skala kecil. Tapi banyak informasi diskriminatif juga turun. Biasanya, filter dari berbagai skala harus hati-hati dipilih dan kemudian disatukan untuk mencapai kinerja yang lebih baik. Gambar 6 Perbedaan citra pada jenis MB-LBP(a) gambar awal (b) 3x3 MB-LBP (c) 9x9 MB-LBP (d) 15x15 MB-LBP Pada gambar 7 menunjukkan MB-LBP fitur untuk gambar perbedaan intra-personal dan ekstrapersonal (piksel yang terang menunjukkan perbedaan yang lebih besar). Perbedaan gambar digunakan untuk menunjukkan kekuatan diskriminatif dari MB-LBP.
6 Gambar 7 Perbedaan citra pada intra dan extra personal image (a)(b)gambar intra-personal image (c)(d)(e)hasil gambar dari 3x3,9x9,15x15 MB-LBP (f)(g)gambar extra-personal image (h)(i)(j)hasil gambar dari 3x3,9x9,15x15 MB-LBP Gentle AdaBoost Gentle AdaBoost merupakan pengembangan dari metode AdaBoost. Gentle AdaBoost menggunakan regresi pangkat terkecil untuk meminimasi fungsi (Ferreira, 2007, pp. 6-7). Tujuan gentle adaboost adalah menentukan suatu fungsi yang mewakili seluruh hasil data training yang telah dimasukkan. Kemudian dari hasil fungsi tersebut ditentukan batas error yang digunakan sebagai tolak ukur data input baru. Gambar 9 Fungsi garis terbentuk dari AdaBoost Gambar 10 Proses klasifikasi AdaBoost Local Binary Pattern Histogram untuk Recognition Pada proses LBP, dibentuk histogram dengan menambahkan nilai setiap blok sesuai dengan pola biner yang sama. Pola biner tersebut yang digunakan berdasakan pattern uniform yang digunakan. Pada prakteknya suatu image dibagi menjadi beberapa bagian/blok. Hal ini dilakukan untuk mempercepat proses komputasi yang dilakukan. Pada Gambar 11, proses ekstrasi wajah dilakukan dengan menggunakan local binary pattern. Uniform pattern yang digunakan adalah 2. Alasan digunakan pengambilan pola biner hanya pada U2 karena pola biner U2 mewakili sekitar 80% dari jumalh pixel yang ada (Lopez, 2010, p. 9). Sehingga hal ini tidak mengganggu proses identifikasi wajah. Dari 8 biner terdapat 256 pola biner yang di dapat dari 2 pangkat 8. Namun pola biner uniform pattern 2 hanya terdapat 58 pola biner uniform. Tapi perlu ditambah kan 1 lagi sebagai non-uniform sebagai perwakilan dari semua pola non-uniform. Sehingga jumlah bin yang digunakan adalah 59 bin.
7 Gambar 11 Proses penentuan nilai pada LBP a) Contoh gambar wajah b) LBP image label c) Histogram LBP uniform pattern 2\ Euclidean Distance Euclidean distance adalah matrik yang paling sering digunakan untuk menghitung kesamaan 2 vektor. Euclidean distance menghitung akar dari kuadrat perbedaan 2 vektor (Picas, 2008). Rumus dari euclidian distance: Gambar 12 Rumus Euclidean distance OpenCV OpenCV (Open Computer Vision) adalah program opensource berbasiskan C++ yang saat ini banyak digunakan sebagai program computer vision. Dengan OpenCV dapat membuat interaksi antara manusia dan computer, misalnya wajah dari manusia dideteksi oleh camera/webcam, lalu di proses oleh computer, untuk melakukan aksi tertentu seperti mengikuti/mengenal wajah orang tersebut. Kesemuanya itu membutuhkan opencv sebagai program utama antara webcam dan perangkatnya yaitu computer maupun smartphone. Library ini terdiri dari fungsi-fungsi computer vision dan API (Aplication Programming Interface) untuk image processing high level maupun low level dan sebagai optimisasi aplikasi realtime FLTK The Fast Light Toolkit (FLTK, diucapkan fulltick) adalah sebuah library cross-platform antarmuka pengguna grafis (GUI) yang dikembangkan oleh Bill Spitzak dkk. Dibuat untuk mengakomodasi pemrograman grafis 3D, ia memiliki antarmuka untuk OpenGL, tetapi juga cocok untuk pemrograman GUI umum. METODE PENELITIAN Metodologi yang digunakan dalam penulisan skripsi untuk analisa perbandingan performa pengenalan wajah Local Binary Pattern pada variase posisi wajah meliputi dua bagian pokok yaitu: 1. Metode Pengumpulan Data Pada metode ini akan dilakukan pengumpulan data dan informasi dengan cara menggunakan studi pustaka. Studi pustaka dilakukan untuk medapatkan informasi sebagai bahan referensi serta sebagai bukti otentik dan studi kasus di lingkungan yang bersangkutan. Hal ini dapat digunakan untuk membantu dalam merancang aplikasi. 2. Metode Perancangan Berdasarkan metode rapid application development yang merupakan salah satu model yang cukup dikenal dalam dunia rekayasa perangkat lunak terdapat tahapan yang dilakukan dalam pengembangan perangkat lunak(mulyanto, 2008): User Requirements
8 Pada tahap ini developer dan klien bertemu dan menentukan tujuan umum, kebutuhan yang diketahui dan gambaran bagian-bagian yang akan dibutuhkan berikutnya. Detil kebutuhan mungkin tidak dibicarakan pada tahap ini. Develope Prototype Pada tahap ini dilakukan perancangan prototype sistem oleh developer, perancangan sistem dilakukan secara cepat dan rancangan diusahakan mewakili semua aspek software yang telah diketahui. Revise Prototype Pada tahap ini dilakukan evaluasi prototype sistem. Apabila prototype sistem yang telah dikembangkan sesuai dengan tujuan maka prototype tersebut dapat digunakan, akan tetapi jika prototype tersebut tidak sesuai, maka prototype tersebut akan dilakukan revisi dan digunakan sebagai acuan dalam memperjelas kebutuhan software dan kemudian dikembangkan prototype selanjutnya. Siklus ini (develop-revise prototype) akan terus berlangsung hingga didapatkan prototype sistem yang sesuai dengan kebutuhan user. HASIL DAN BAHASAN Proses deteksi untuk video dilakukan setelah file video yang ingin dikenali dipilih. Video akan diputar window baru yang muncul pada saat file video dipilih. Waktu pemutaran dari video mungkin tidak berjalan realtime karena bergantung pada waktu yang dibutuhkan untuk proses deteksi dan pengenalan, serta jumlah frame perdetik yang dimiliki oleh video tersebut. Hal ini mengakibatkan video dapat berjalan lebih lambat dari seharusnya. Proses pengenalan citra wajah yang terdeteksi dilakukan secara otomatis oleh sistem untuk setiap frame yang ditangkap oleh sistem. Proses simulasi dilakukan dengan menggunakan nilai threshold sebesar 75, 100, 125, 150, 175 serta variasi posisi wajah yang ditunjukan pada tabel 1. Tabel 1 Variasi data training Variasi Variasi Sudut Pengambilan Sisi Kiri Sisi Depan Sisi Kanan I 45 o 0 o 45 o II 30, 60 o o 0 o 30, 60 o o III 30 o, 60 o -15 o, 15 o 30 o, 60 o IV 45 o, 60 o, 75 o -15 o, 15 o 45 o, 60 o, 75 o V 30 o, 45 o, 60 o, 75 o -15 o, 0 o, 15 o 30 o, 45 o, 60 o, 75 o Pada tabel 2, hasil pengenalan citra wajah dengan menggunakan variasi pose V dan threshold sebesar 75, 100, 125, 150, 175 ditunjukkan pada Tabel 2. Tabel 2 Hasil pengenalan citra wajah secara keseluruhan untuk setiap sampel dengan seluruh variasi pose wajah dan threshold Jumlah Jumlah Presentase No. Inisial Nama Dikenali Berhasil 1. AT % 2. AW % 3. HR % 4. LE % 5. NK % 6. RT % 7. SF % 8. SV % 9. WL % 10. YV % Total %
9 Berdasarkan hasil simulasi di atas, maka dapat dihitung keakuratan sistem dalam mengenali setiap wajah yang terdeteksi adalah: Keakuratan pengenalan dilihat dari keberhasilan pengenalan berdasarkan nilai threshold dihitung dengan rumus berikut: Hasil perhitungan keakuratan berdasarkan nilai threshold dan variasi pose yang digunakan adalah variasi pose V ditunjukkan pada Tabel 3. Tabel 3 Hasil simulasi berdasarkan variasi nilai threshold No. Nilai Threshold Jumlah Dikenali dalam Batas Threshold Jumlah Berhasil % keakuratan % % % % % Dari hasil simulasi variasi nilai threshold pada tabel 4.6 didapat threshold 75 memiliki akurasi tertinggi dan jumlah dikenali tertinggi pada nilai threshold 175. Simulasi pengambilan tabel 4 menggunakan semua variasi pose I sampai V. Nilai threshold yang digunakan adalah 100 karena dilihat dari sensitivitas pengenalan yang cukup baik serta akurasi yang cukup tinggi. Tabel 0 Hasil simulasi berdasarkan variasi data training Variasi Jumlah Dikenali Jumlah Berhasil % keakuratan I % II % III % IV % V % Maka dapat diambil kesimpulan secara umum terhadap hubungan jumlah data training citra wajah dan nilai threshold adalah sebagai berikut: 1. Semakin banyak citra wajah yang digunakan dalam melakukan training untuk setiap sampel, maka pengenalan akan semakin baik. Dapat dilihat pada hasil penelitian melakukan variasi perubahan data training set yang digunakan. 2. Semakin rendah nilai threshold, kemiripan citra wajah masukan dengan citra wajah didalam data training semakin tinggi, tetapi dapat mengurangi keberhasilan pengenalan (semakin sulit untuk dikenali). 3. Semakin tinggi nilai threshold, semakin tinggi kemungkinan mengenali citra wajah masukan dengan citra wajah di dalam data training, tetapi semakin tinggi kemungkinan kesalahan. 4. Pada tabel 4.5 didapatkan hasil dari setiap wajah. Hasil ini dapat disimpulkan data training wajah yang terlihat telinganya lebih banyak dikenali dibanding yang tidak terlihat telinganya. 5. Pada tabel 4.7 didapatkan hasil dari setiap wajah. Hasil ini dapat disimpulkan variasi yang memiliki data training dengan sudut posisi wajah 45 o lebih tinggi tingkat akurasinya dibandingkan yang tidak memiliki data training wajah dengan sudut 45 o. Kegagalan dalam pengenalan dapat disebabkan oleh beberapa hal berikut: 1. Citra digital yang kurang jelas atau mengalami gangguan (noise) yang berlebihan.
10 2. Adanya kemiripan antara wajah yang satu dengan yang lainnya. 3. Variasi sudut putaran kepala yang tidak tersedia di dalam data training. SIMPULAN DAN SARAN Simpulan Berdasarkan hasil analisis terhadap data yang telah diperoleh pada penelitian ini, maka diambil kesimpulan sebagai berikut: 1. Semakin banyak citra wajah yang digunakan dalam melakukan training untuk setiap sampel, maka pengenalan akan semakin baik, tetapi waktu proses untuk training data wajah meningkat. 2. Semakin rendah nilai threshold, kemiripan citra wajah masukan dengan citra wajah di dalam data training semakin tinggi, tetapi semakin sulit mengenali. 3. Semakin tinggi nilai threshold, semakin tinggi kemungkinan mengenali citra wajah masukan dengan citra wajah di dalam data training, tetapi semakin tinggi kemungkinan kesalahan. 4. Kesalahan dalam melakukan pengenalan dapat terjadi karena kemiripan antara dua atau lebih sampel yang berbeda. 5. Variasi yang memiliki data training dengan sudut posisi wajah 45 o lebih tinggi tingkat akurasinya dibandingkan yang tidak memiliki data training wajah dengan sudut 45 o. Hal ini disebabkan pada sudut posisi wajah tersebut kedua mata, hidung serta telinga terlihat dengan jelas dibandingkan posisi sudut wajah yang lainnya. 6. Metode Local Binary Pattern dapat digunakan untuk menyelesaikan masalah pengenalan citra wajah dengan pose yang bervariasi, dengan bantuan pendeteksian wajah secara multi-pose dan pembagian tugas kerja modul LBP berdasarkan pose yang ditangkap. Dengan menggunakan data training set yang memiliki seluruh jenis variasi posisi wajah, hasil terbaik penggunaan LBP dalam penelitian ini adalah melakukan pengenalan dengan akurasi sebesar 100% untuk nilai threshold sebesar 75, dan hasil terendahnya adalah melakukan pengenalan dengan akurasi sebesar 55.85% untuk nilai threshold sebesar 175. Saran Berikut beberapa saran yang diajukan untuk penggunaan ataupun pengembangan aplikasi ini adalah: 1. Penggunaan aplikasi LBP, disarankan: - Posisi wajah yang akan dijadikan data training, diambil dengan sudut -45 o, 0 o, dan 45 o. - Untuk mendapatkan kepekaan dan akurasi yang baik, gunakan threshold dengan nilai Untuk penelitian selanjutnya, disarankan: - Melakukan penelitian pengenalan wajah dengan rotasi wajah terhadap sumbu z. 3. Pengambilan citra masih dilakukan dengan variabel-variabel yang masih terkontrol. Perlu adanya pengembangan dari sisi proses normalisasi (alignment wajah) dengan algoritma yang lebih baik. 4. Pada penelitian ini, pengambilan citra dilakukan dengan posisi kamera ditempatkan sejajar dengan rata-rata ketinggian kepala manusia. Dalam prakteknya, perlu dikembangkan pose wajah yang diambil. 5. Pada penelitian selanjutnya diharapkan metode Local Binary Pattern dapat digabungkan dengan metode pengenalan wajah lainnya untuk mendapatkan hasil yang lebih akurat lagi.
11 REFERENSI Ahonen, T., Hadid, A., & Pietikainen, M. (2004). Face Recognition with Local Binary Patterns. Springer- Verlag Berlin Haidelberg, Fadlil, A., & Yeki, S. (2010). SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION. Jurnal Informatika, 4(2), Ferreira, A. (2007, October 12). Survey on Boosting Algorithms for Supervised and Semi-supervised Learning. Retrieved from ISEL: Gazali, W., & Santoso, D. (2009, JANUARI). PENERAPAN METODE LAPLACIANFACES PADA KOMPUTER UNTUK PENGENALAN WAJAH. Jurnal Mat Stat, 9(1), Liao, S., Zun, X., Lei, Z., Zhang, L., & Li, S. Z. (2007). Learning Multi-scale Block Local Binary Patterns for Face Recognition. Retrieved from CBSR: Lopez, L. S. (2010). Local Binary Paterns applied to Face Recognition and Detection. Barcelona: Technical University of Catalonia. Mulyanto, A. D. (2008). Rekayasa Perangkat Lunak (Vol. 1). Jakarta: Direktorat Pembinaan Sekolah Menengah Kejuruan. Picas. (2008, July 29). Euclidian Distance. Retrieved from Computer and Technology (image processing): RIWAYAT PENULIS Ade Mahendra Lubis, lahir di Jakarta, 7 November 1989, penulis menamatkan pendidikan sarjana (S1) di Universitas Bina Nusantara dalam bidang Teknik Informatika. Jeffrey Joson, lahir di Jakarta, 27 oktober 1991, penulis menamatkan pendidikan sarjana (S1) di Universitas Bina Nusantara dalam bidang Teknik Informatika. Muhammad Zullidar, lahir di Pontianak, 14 Juli 1991, penulis menamatkan pendidikan sarjana (S1) di Universitas Bina Nusantara dalam bidang Teknik Informatika. Saat ini bekerja sebagai Research and Development Staff di Software Laboratory Center, Universitas Bina Nusantara.
BAB 1 PENDAHULUAN. pemograman juga mengalami peningkatan kerumitan dan fungsi. Salah satu bidang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan dibidang pemograman juga mengalami peningkatan kerumitan dan fungsi. Salah satu bidang yang sedang berkembang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori-teori umum Teori-teori umum yang berkaitan dalam topik skripsi disini adalah tentang Computer Vision, Identifikasi Wajah, Rekayasa Peranti Lunak, UML. 2.1.1 Computer Vision
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciPENGENALAN WAJAH PADA PERANGKAT ANDROID MENGGUNAKAN ALGORITMA LOCAL BINARY PATTERN (LBP)
PENGENALAN WAJAH PADA PERANGKAT ANDROID MENGGUNAKAN ALGORITMA LOCAL BINARY PATTERN (LBP) FACE RECOGNITION BASED ON THE ANDROID DEVICE USING LOCAL BINARY PATTERN (LBP) ALGORITHM 1 Qawlan Akariman, 2 Agung
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
Lebih 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 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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan teknologi yang amat pesat, menuntut pula adanya otomatisasi dan efisiensi dalam memperoleh informasi. Hal ini didukung pula oleh perkembangan mobile
Lebih terperinciNurul Ilmi 1 1 Fakultas Informatika, Universitas Telkom, Bandung
Pengenalan Angka Tulisan Tangan dengan Menggunakan Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour Handwriting Digit Recognition with Use Local Binary Pattern Variance and K-Nearest Neighbour
Lebih terperinciPENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan
PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi komputer yang digunakan dalam melakukan simulasi pada aplikasi perancangan pencarian daftar hitam dengan deteksi wajah berdasarkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tomat merupakan salah komoditas di pertanian Indonesia saat ini, tomat sudah menjadi kebutuhan pokok penunjang pangan di indonesia akan tetapi cara mengidentifikasi
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan penulis dalam melakukan simulasi pada aplikasi penelitian pengenalan citra wajah dengan variasi
Lebih terperincidengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan
dengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan Gambar 8 Struktur PNN. 1. Lapisan pola (pattern layer) Lapisan pola menggunakan 1 node untuk setiap data pelatihan yang digunakan.
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
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 terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciTeknik pengenalan wajah berbasis fitur local binary pattern (LBP)
Teknik pengenalan wajah berbasis fitur local binary pattern (LBP) Oleh: Eko Wahyudi NRP. 2208 100 629 Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Hendra Kusuma, M.Eng Latar Belakang ( Permasalahan Sistem
Lebih terperinciPENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN
PENERAPAN GRABBERPADA OPTICAL FLOWUNTUK MENGGERAKKAN CURSORMOUSEMENGGUNAKAN BOLPOIN PENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN Anton Setiawan Honggowibowo,
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 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 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 SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK Tanda tangan merupakan sesuatu yang unik yang dimiliki setiap orang sehingga seringkali dipakai untuk menentukan keabsahan dokumen ataupun transaksi. Akan tetapi tanda tangan menjadi rentan terhadap
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih 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 terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih 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 terperinciRancang Bangun Aplikasi Pengenalan Ukiran Bali dengan Metode ORB
Rancang Bangun Aplikasi Pengenalan Ukiran Bali dengan Metode ORB I Gusti Lanang Trisna Sumantara, I Putu Agung Bayupati, Ni Kadek Ayu Wirdiani Jurusan Teknologi Informasi, Fakultas Teknik, Universitas
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 terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
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 terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciPERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2
PERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2 Disusun oleh : Steven Christian Santosa (1222038) Program Studi Teknik Elektro, Fakultas Teknik,
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman padi ( Oryzasativa,sp ) termasuk kelompok tanaman pangan yang sangat penting dan bermanfaat bagi kehidupan masyarakat Indonesia. Sampai saat ini, lebih dari
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciBAB 1 PENDAHULUAN. Sistem penghitungan pengunjung..., Ikhsan Putra Kurniawan, FASILKOM Universitas UI, 2008 Indonesia
BAB 1 PENDAHULUAN Pada bab ini menjelaskan mengenai latar belakang, permasalahan, tujuan, ruang lingkup dan sistematika penulisan laporan dari Tugas Akhir ini. 1.1 LATAR BELAKANG Penghitungan jumlah pengunjung
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperincipola-pola yang terdapat pada suatu daerah bagian citra. Tekstur juga dapat membedakan permukaan dari beberapa kelas.
Ruang Lingkup Penelitian Ruang Lingkup penelitian ini adalah: 1. Objek citra adalah data citra daun tumbuhan obat dan citra pohon tanaman hias di Indonesia. 2. Dalam penelitian ini operator MBLBP yang
Lebih terperinciABSTRAK Robovision merupakan robot yang memiliki sensor berupa indera penglihatan seperti manusia. Untuk dapat menghasilkan suatu robovision, maka
ABSTRACT Robovision is a robot that has a sensor in the form of the human senses such as vision. To be able to produce a robovision, it is necessary to merge the technologies of robotics and computer vision
Lebih terperinciPENERAPAN TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN PADA ROBOT PENGANTAR MAKANAN
PENERAPAN TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN PADA ROBOT PENGANTAR MAKANAN Mohamad Deddy Turiyanto 2210100118 Dosen Pembimbing : Dr.Ir. Djoko Purwanto, M.Eng Rudy Dikairono, ST.,
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
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 terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
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 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 terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
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 PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra digital saat ini sudah menjadi kebutuhan banyak orang untuk berbagai macam keperluan. Hal ini dilihat dari betapa pentingnya peranan citra digital di berbagai
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih 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 terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menjelaskan mengenai Latar Belakang, Identifikasi Masalah, Tujuan Tugas Akhir, Lingkup Tugas Akhir, Metodologi Tugas Akhir dan Sistematika Penulisan Tugas Akhir. 1.1 Latar Belakang
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS
PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS Widyawan Tarigan NRP : 0222062 email : widyawan_tarigan@yahoo.com ABSTRAK Pada sistem pengenalan wajah, merancang deskriptor
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciPENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS
TESIS PENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS OZZI SURIA No. Mhs : 135302011/PS/MT PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih 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 terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciImplementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector Machine
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-346 Implementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS)
PENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS) Disusun oleh : Yudi Setiawan (0722095) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, No.
Lebih terperinciLAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah
LAPORAN PENELITIAN DOSEN MUDA Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah Oleh : Endah Sudarmilah, S.T, M.Eng Umi Fadlillah, S.T Dibiayai oleh Koordinasi Perguruan Tinggi Swasta Wilayah
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
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 terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
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 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 terperinciAPLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE
APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE Matheus Supriyanto Rumetna 1*, Marla Pieter, Monica Manurung 1 1 Fakultas Ilmu Komputer dan Manajemen, Universitas Sains
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Spesifikasi yang digunakan dalam menjalankan sistem kontrol akses berbasis real time face recognition dan gender information ditunjukkan
Lebih terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ada beberapa masalah yang terjadi secara nyata dimana pengenalan individu sangat diperlukan pada masa ini. Masalah-masalah tersebut dapat dilihat secara nyata di masyarakat.
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 1 Operator descriptor
Tabel 1 Operator descriptor Operator (P, R) Ukuran Blok (piksel) Kuantisasi Sudut (8, 1) 3 x 3 45 derajat (8, 2) 5 x 5 45 derajat (16, 2) 5 x 5 22.5 derajat (24, 3) 7 x 7 15 derajat Penentuan ukuran blok
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Diagram Blok Sistem ini terdiri dari 2 blok utama yaitu blok proses pelatihan dan proses pengenalan. Blok proses pelatihan terdiri dari webcam dan perangkat lunak yang memproses
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 terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah 1), Djoko Purwanto 2), Ronny Mardiyanto 3) 1), 2),3) Teknik Elektro
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciDETEKSI WAJAH METODE VIOLA JONES PADA OPENCV MENGGUNAKAN PEMROGRAMAN PYTHON
DETEKSI WAJAH METODE VIOLA JONES PADA OPENCV MENGGUNAKAN PEMROGRAMAN PYTHON Dedi Ary Prasetya 1, Imam Nurviyanto 2 1,2 Teknik Elektro Fakultas Teknik Universitas Muhammadiyah Surakarta Jl. A. Yani Tromol
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinci