SISTEM KONVERSI DOKUMEN IDENTITAS INDIVIDU MENJADI SUATU TABEL
|
|
- Liani Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) SISTEM KONVERSI DOKUMEN IDENTITAS INDIVIDU MENJADI SUATU TABEL Muhammad Mushonnif Junaidi dan Nurul Hidayat Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya nurul_hdy@matematika.its.ac.id Abstrak Pada Tugas Akhir ini telah dibuat sistem konversi dokumen identitas individu menjadi suatu tabel, yaitu sebuah sistem yang mampu mengkonversi citra dokumen menjadi karakter-karakter digital yang tersusun ke dalam sebuah tabel. Dokumen yang digunakan adalah dokumen yang memiliki format baku, seperti ektp/sim. Sistem ini digunakan untuk memudahkan entri data pada dokumen secara otomatis menjadi suatu tabel. Pembacaan karakter demi karakter menjadi suatu tabel adalah berdasar koordinat yang telah ditentukan sesuai bentuk dokumen. Pembuatan sistem ini menggunakan algoritma Learning Vector Quantization (LVQ) dalam mengenali karakter pada dokumen tersebut. Citra dokumen didapatkan dengan menggunakan scanner sehingga dokumen berbentuk format.jpg. Kemudian dilakukan tahap konversi citra untuk membedakan karakter dan latar belakangnya. Citra karakter kemudian disegmentasi dan dinormalisasi menjadi 10x18 piksel untuk didapatkan cirinya sebagai masukan algoritma LVQ. Berdasarkan hasil pengujian dari 25 dokumen ektp/sim, sistem dengan algoritma LVQ ini mampu mengenali karakter pada citra dokumen ektp dengan ratarata akurasi sebesar 62.51%. Sedangkan pada dokumen SIM, sistem mampu mengenali karakter dengan rata-rata akurasi sebesar 91.87%. Kata Kunci Konversi Dokumen, ektp, SIM, Learning Vector Quantization, Koordinat, Tabel. I. PENDAHULUAN PERKEMBANGAN teknologi telah memberikan dampak yang signifikan bagi ilmu pengetahuan dan kehidupan manusia. Teknologi dibuat dalam rangka mempermudah bahkan mempercepat pekerjaan, yang dahulunya menggunakan cara manual berganti menjadi otomatis. Salah satunya adalah perkembangan dibidang pengenalan pola (pattern recognition). Pengenalan pola merupakan suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu objek. Penelitian mengenai pengenalan pola telah banyak dilakukan, diantaranya dalam bidang biometrika. Biometrika yaitu sistem pengenalan berdasarkan bentuk fisik dan perilaku manusia yang memiliki karakteristik tertentu. Selain biometrika terdapat juga pengenalan objek atau selain dari manusia. Sebagai contoh pengenalan objek dalam bentuk karakter (huruf), tulisan tangan, dan benda-benda disekitar. OCR (Optical Character Recognition) adalah salah satu area studi dalam pengenalan pola, yaitu sistem pengenalan karakter berupa huruf, angka, maupun simbolsimbol. OCR dapat dimanfaatkan untuk mengkonversi image yang mengandung teks hasil cetak mesin atau printer menjadi file dokumen berupa teks biasa. Sehingga informasi yang terkandung di dalam suatu image dapat diambil tanpa melalui proses pengetikan ulang. Hal ini karena pola-pola huruf dalam image dikenali dan dicocokkan sesuai basis pengetahuannya. Pemanfaatan OCR sebagai solusi pengenalan karakter dalam suatu image, dapat juga dikembangkan ketahap penyimpanan hasil pengenalan, ke dalam data berbentuk tabel. Dokumen yang telah dikonversi menjadi image, akan melalui proses OCR, dan hasilnya dikelompokkan dalam tabel sesuai field-field yang ada. Oleh karena itu, diperlukan suatu dokumen yang standar untuk menyimpan data dalam bentuk tabel misalnya, kartu identitas berupa ektp, SIM, STNK, dan lain-lain. Kartu identitas yang standar akan memiliki field-field yang sama dan memudahkan dalam mengelompokkan data. Oleh karena itu, dalam tugas akhir ini dibuat perangkat lunak yang dapat mengkonversi dokumen identitas individu berupa e-ktp/sim sehingga hasil outputnya berupa karakter yang disusun dalam sebuah tabel. Metode yang digunakan dalam pengenalan karakter pada citra dokumen adalah metode Learning Vector Quantization. Pemilihan metode ini berdasar penelitian yang menggunakan algoritma LVQ oleh Ronny, dkk, dengan input suatu gambar karakter dari 5 jenis font, menyimpulkan dengan banyaknya data pelatihan akan menghasilkan akurasi yang baik. Pada 4 data pelatiha menghasilkan akurasi 59.7%, 8 data pelatihan menghasilkan akurasi 69.5%, dan 12 data pelatihan tingkat akurasi pengenalannya sebesar 76%. Selain itu metode ini dipilih untuk menunjukkan tingkat keefektifan penggunaan LVQ dalam mengenali karakter dari sebuah dokumen identitas ektp/sim. Untuk membatasi ruang lingkup pembahasan permasalahan maka ditentukan beberapa batasan sebagai berikut: 1. Dokumen identitas yang digunakan adalah e-ktp/sim yang dikeluarkan oleh Pemerintah Republik Indonesia yang masih berlaku. 2. Dokumen e-ktp/sim yang digunakan harus bebas dari kerusakan, baik cetak maupun cacat penggunaan.
2 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) Citra dokumen ektp/sim diambil secara manual menggunakan mesin scanner dan dipotong (crop) bagian yang tidak dibutuhkan jika ada. 4. Sistem konversi dokumen identitas individu menjadi suatu tabel diimplementasikan menjadi sebuah program dengan bahasa pemrograman Visual C#. II. DASAR TEORI A. Dokumen Identitas Dokumen identitas merupakan suatu dokumen yang memuat informasi identitas (jati diri) seseorang sebagai tanda keanggotaan suatu perkumpulan, perusahaan, instansi, dsb. Beberapa contoh dokumen identitas yang umum bagi masyarakat adalah KTP dan SIM. KTP atau Kartu Tanda Penduduk adalah kartu bukti diri bagi setiap penduduk dalam wilayah Republik Indonesia. KTP diwajibkan bagi setiap penduduk yang berumur diatas 17 tahun dan masa berlakunya adalah 5 tahun. Sedangkan SIM adalah kartu yang dikeluarkan oleh Polri kepada seseorang yang telah memenuhi persyaratan administrasi, jasmani dan rohani, serta pemahaman berlalu lintas sesuai jenis kendaraan. Golongan SIM berdasarkan Pasal 82 UU No. 22 Tahun 2009 diantaranya : SIM A, SIM B1, SIM B2, SIM C, dan SIM D. B. Optical Character Recognition Optical Character Recognition (OCR) merupakan sistem yang dapat mengenali karakter baik cetak maupun tulisan tangan. Untuk mengenali karakter dalam sebuah dokumen, maka dokumen harus diubah menjadi citra digital terlebih dahulu menggunakan mesin scanner. Pengenalan karakter seperti ini merupakan metode penganalan offline atau tidak secara langsung. Pengenalan secara langsung dengan metode online dilakukan dengan tulisan tangan secara real time. Secara umum tahap pengenalana karakter secara offline adalah sebagai berikut : panjang M dan lebar N dinyatakan dengan bentuk matriks yang berukuran M x N sebagai berikut : f ( x, y) f f =... f ( 0,0) f ( 0,1)... f ( 0, N 1) ( 1,0) f ( 1,1 )... f ( 1, N 1) ( ) ( ) ( ) M 1 f M 1,1... f M 1, N 1 Pengolahan citra digital adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan citra dilakukan untuk memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Operasioperasi yang dilakukan di dalam pengolahan citra banyak jenisnya, antara lain konversi citra segmentasi dan scalling. 1. Inverting Inverting atau bisa disebut citra negatif adalah pengolahan citra dengan menampilkan warna citra yang berlawanan dengan warna aslinya. f(x, y) = 255 f(x, y) 2. Grayscalling Grayscalling adalah teknik yang digunakan untuk mengubah citra berwarna (RGB) menjadi citra yang memiliki nilai keabuan (dari hitam menuju putih). Pengubahan dari citra berwarna ke bentuk grayscale mengikuti aturan berikut : s = r + g + b 3 dengan : S = Nilai intensitas citra grayscale r = Nilai intensitas warna merah dari citra asal g = Nilai intensitas warna hijau dari citra asal b = Nilai intensitas warna biru dari citra asal 3. Binerisasi Citra Binerisasi citra merupakan proses merubah citra ke dalam bentuk biner (0 dan 1). Dengan merubah ke bentuk biner, citra hanya akan mempunyai 2 warna yakni, hitam dan putih. Thresholding digunakan untuk mengatur jumlah derajat keabuan yang ada pada citra. Dengan adanya thresholding maka derajat keabuan bisa diubah sesuai keingin dengan persamaan berikut : f(x, y) = a 1, f(x, y) < T a 2, f(x, y) T Gambar 1 Tahap Sistem OCR Offline C. Pengolahan Citra Digital Merupakan proses pengubahan citra dari fungsi kontinu menjadi fungsi diskrit. Citra yang dihasilkan dari proses ini disebut sebagai citra digital. Secara umum, citra digital berbentuk persegi empat dengan dimensi ukurannya dinyatakan oleh panjang dan lebar. Misal suatu citra dengan dengan : f(x, y) = Nilai intensitas yang baru f(x, y) = Nilai intensitas yang lama T = Nilai Threshold 4. Segmentasi Segmentasi adalah teknik untuk memisahkan objek yang diinginkan dari objek lain. Dalam pengenalan objek pada suatu citra maka segementasi dilakukan dengan momotong area objek yang akan diproses dan dipisahkan dari latar belakangnya.
3 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) Normalisasi Normalisasi (scalling) adalah merubah ukuran suatu citra. Ukuran citra dari proses sebelumnya dinormalkan supaya memiliki ukuran yang sama. Ukuran yang sama ini akan diproses dan dijadikan masukan untuk algoritma LVQ. D. Ekstraksi Ciri Ekstraksi ciri bertujuan untuk mendapatkan karakteristik suatu karakter yang membedakannya dari karakter lain. Citra hasil segementasi yang ukurannya telah dinormalkan kemudian diektraksi cirinya dengan menandai piksel-piksel dengan nilai tertentu. Dalam penelitian ini ditandai piksel putih (0) dan piksel hitam (1). E. Learning Vector Quantization Learning Vector Quantization (LVQ) adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vektorvektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor tersebut ke dalam kelas yang sama. Beberapa notasi yang digunakan dalam algoritma ini adalah : x : vektor pelatihan (x 1,..., x j,..., x n ) T : kategori atau kelas yang benar untuk vektor pelatihan w j : vektor bobot untuk unit luaran ke-j (w 1j,.., w ij,.., w nj ) c j : kategori atau kelas hasil komputasi oleh unit luaran j x w j : jarak Eucledian antara vektor masukan dengan unit luaran Adapun langkah-langkah dari algoritma LVQ adalah sebagai berikut : Langkah 1 : Inisialisasi vektor referensi dan learning rate Langkah 2 : Selama kondisi berhenti bernilai salah, kerjakan a, b, dan c berikut: a. Untuk setiap vektor x, kerjakan point 1 dan 2 berikut: 1. Temukan J sehingga x w j minimum 2. Update w j dengan mengikuti rumus: Jika T = c j maka w j = w j + α[x - w j ] Jika T c j maka w j = w j - α[x w j ] Tabel 1 Data Proses Nama Data Tipe Data Keterangan Citra Invert blob Data ini berupa citra hasil konversi dari citra asli menjadi citra negatif. Citra Grayscale blob Data ini berupa citra hasil konversi dari citra negatif menjadi citra grayscale. Citra Biner blob Data ini berupa citra hasil konversi dari citra grayscale menjadi citra biner. Titik Koordinat Citra segmentasi int blob Data ini berupa posisi (x,y) baris karakter dari dokumen ektp/sim yang akan diproses. Data ini berupa citra hasil segementasi karakter pada citra dokumen ektp/sim. Area scalling blob Data ini berupa citra hasil proses scalling karakter yang sudah disegmentasi. Data ekstraksi ciri double Data ini berupa nilai piksel hidup di masing-masing area scalling dan menghasilkan matrik data dengan nilai 1 dan 0 (matrik biner). 3. Data Luaran Data luaran pada sistem ini berupa karakter digital hasil pengenalan oleh algoritma Learning Vector Quantization (LVQ) yang dikelompokkan dalam sebuah tabel. b. Gambaran Sistem Secara Umum Sistem ini terdiri dari beberapa proses dalam mengkonversi dokumen ke dalam suatu tabel : 1. Proses akuisisi citra dokumen identitas, berupa citra digital yang diambil menggunakan scanner atau kamera digital secara manual dan disimpan dalam media penyimpanan. III. b. Kurangi learning rate c. Periksa kondisi berhenti PERANCANGAN SISTEM a. Perancangan Data 1. Data Masukan Data msukan dalam sistem ini adalah citra dokumen ektp/sim dalam format.jpg, yang bisa didapatkan dari hasil scanning menggunakan mesin scanner atau bisa juga dengan mengambil gambar menggunakan kamera sehingga data berbentuk digital. 2. Berikut adalah data proses dalam sistem konversi dokumen identitas individu menjadi suatu tabel : Gambar 2 Proses Akuisis Citra Dokumen Identitas
4 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) Proses Konversi Citra Konversi citra merupakan proses untuk mengolah citra masukan sehingga dapat dibedakan antara objek dan latar belakangnya. Beberapa langkah konverci citra diantaranya, inverting, grayscalling, dan binerisasi citra. Pada Gambar 2 menampilkan urutan dari proses konversi citra pada NIK ektp. Terlihat perbedaan masing-masing citra, dari citra asli sampai menjadi citra biner sehingga dapat dibedakan antara objek karakter (warna putih) dan latar belakangnya (warna hitam). 8. Proses Penyimpanan Proses menyimpan hasil pengenalan karakter dari dokumen identitas yang diproses dan dikelompokkan dalam bentuk tabel. (a) (b) (c) (d) Gambar 3 Proses Konversi Citra. (a) Citra Asli, (b) Citra Negatif, (c) Citra Grayscale, (d) Citra Biner. 3. Proses Menentukan Koordinat Objek Untuk dapat menyusun barisan karakter dari dokumen ke dalam suatu tabel maka ditentukan koordinat sesuai format dokumen yang dipakai. Penentuan koordianat dilakukan dengan trial-error atau mengukur dan mecoba posisi yang tepat dalam area dokumen. 4. Proses Segmentasi Proses memotong objek pada citra dokumen sesuai area masing-masing. Segementasi dilakukan pada proses pelatihan dan pengujian karakter. Gambar 3 berikut menunjukkan contoh proses segmentasi karakter pada NIK. Gambar 5 Flowchart Pelatihan (a) dan Flowchart Proses Pengujian (b) IV. HASIL DAN PENGUJIAN Gambar 4 Contoh Proses Segmentasi 5. Proses Normalisasi Proses ini dilakukan untuk mendapatkan ukuran citra hasil segementasi selalu sama. Ukuran yang dipakai dalam sistem adalah 10x18 piksel yang selanjurnya diproses untuk diektraksi cirinya. 6. Proses Ekstraksi Ciri Merupakan proses-proses yang dilakukan untuk mendapatkan ciri dari citra karakter yang terdapat pada dokumen identitas yang diperoses. Ciri dari citra karakter tersebut dibutuhkan untuk pemrosesan algoritma LVQ. 7. Proses tahap JST Terdiri dari 2 proses yang dilakukan, yaitu : a. Proses pelatihan (training), yaitu proses melatih sistem dengan masukan yang ada sehingga mampu mengenali apabila diberi masukan yang baru. b. Proses pengujian (testing), yaitu proses pencocokan atau membandingkan ciri masukan baru dengan ciri yang ada pada referensi yang sebelumnya sudah dilatih kepada sistem. Perangkat yang digunakan dalam pengujian sistem terdiri dari beberapa perangkat keras dan perangkat lunak. Perangkat keras yang digunakan yaitu komputer dengan Prosesor Intel Core i GHz, Memory 4 GB DDR3, dan Hard Disk 298 GB. Sedangkan perangkat lunak yang digunakan adalah Sistem Operasi Windows 8.1 Pro 32-bit dan perangkat lunak Microsoft Visual Studio C# a. Pengujian Tahap Akuisisi Menghasilkan dokumen dalam bentuk citra digital dengan menggunakan scanner. Berikut hasil scanning yang sesuai dengan kebutuhan sistem. (a) (b) Gambar 6 Hasil Scanning Dokumen. (a) ektp, (b) SIM A
5 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) b. Pengujian Tahap Pra-pengolahan 1. Pengujian Proses Konversi Citra Pengujian proses konversi citra bertujuan untuk mengetahui bahwa citra dokumen yang sudah diload ke dalam sistem sudah dapat dibedakan antara objek dan latar belakangnya. Proses yang dilakukan dengan merubah citra asalm menjadi citra negatif, citra grayscale, dan terkahir citra biner. Gambar menunjukkan citra yang sudah dibedakan antar objek karakter (warna putih) dan latar belakangnya (warna hitam). 3. Pengujian Proses Normalisasi Pengujian proses scalling bertujuan untuk mengetahui bahwa sistem telah menormalisasi ukuran citra hasil segmentasi. Gambar 10 berikut menunjukkan bahwa cutra telah melalui proses noralisasi. (a) (b) Gambar 7 Hasil Konversi Citra. (a) ektp, (b) SIM A. Gambar 10 Citra Segmentasi dan Citra Normal 4. Pengujian Proses Ekstraksi Ciri Dari hasil normalisasi ukuran 10x18 piksel maka tiap piksel ditandai dengan angka 1 dan 0. Untuk piksel berwarna hitam ditandai angka 1 dan piksel berwarna putih ditandai angka 0. Tabel 1 berikut adalah hasil ekstraksi ciri dari gambar 8 (d), tentunya setelah melewati proses scalling. Tabel 2 Tabel Matrik Biner Ekstraksi Ciri 2. Pengujian Proses Segmentasi a. Segmentasi Data Pelatihan Pengambilan citra karakter secara manual dengan seleksi kursor. Gambar 8 berikut adalah hasil seleksi citra karakter pada data pelatihan. (a) (c) Gambar 8 Hasil Segmentasi pada Data Data Pelatihan. (a) Kararkter NIK, (b) Karakter Non-NIK, (c) (d) Karakter SIM. b. Segmentasi Data Pengenalan Pengambilan citra karakter secara otomatis oleh sistem. Gambar 9 berikut adalah hasil segmentasi citra karakter oleh sistem. Gambar 9 Hasil Segmentasi 3 Karakter NIK (b) (d) Pada basisdata hasil ekstraksi ciri membentuk 180 kode biner yang disebut dengan matrik data. Matrik data ini disusun dari Tabel 2 sebagai berikut : c. Pengujian Tahap JST 1. Pengaruh Learning Rate Learning rate dalam algoritma LVQ merupakan konstanta yang digunakan untuk mencari bobot. Rumus untuk mencari bobot dalam algoritma LVQ adalah sebagai berikut: w j = w j α x w j dengan: W j adalah bobot ke-j X adalah vektor pelatihan α adalah learning rate Untuk mengetahui pengaruh alpha terhadap akurasi maka sistem dilatih dengan memasukkan nilai epoh sama dan apha berbeda-beda. Nilai alpha yang dipilih sebagai uji coba adalah 0.01, 0.05, 0.1, 0.5, 1. Sistem akan diuji pada masing-masing proses dengan nilai alpha bervariasi dan epoh.
6 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) Tabel 3 Pengujian nilai apha berbeda pada field NIK ektp Dokumen Epoh Alpha ektp Maks Field NIK Pada Tabel 3 dilakukan pengujian dokumen ektp pada field NIK dengan nomor dan diadapatkan akurasi mencapai %. Tabel 4 Pengujian nilai apha berbeda pada field Nomor SIM Dokumen SIM Alpha Epoh Maks , ,38 Field Nomor ,69 1 7,69 Pada Tabel 4 dilakukan pengujian dokumen SIM pada field Nomor dengan nomor dan menghasikan akurasi sedikit berbeda dan naik dengan nilai alpha semakin kecil. 2. Pengaruh Epoh Untuk mengetahui pengaruh epoh terhadap akurasi maka sistem dilatih dengan memasukkan nilai alpha sama dan epoh berbeda-beda. Nilai alpha yang dipilih sebagai uji coba adalah 0, 500,, 50, 10. Sistem akan diuji pada masing-masing proses dengan nilai epoh bervariasi dan alpha Tabel 5 Pengujian nilai epoh berbeda pada field NIK Dokumen Epoh Alpha ektp Maks Field NIK Pada Tabel 5 dilakukan pengujian dokumen ektp pada field NIK dengan nomor dan diadapatkan akurasi semakin baik dengan nilai epoh tinggi. Tabel 6 Pengujian nilai apha berbeda pada field Nomor SIM Dokumen SIM Alpha Epoh Maks , Field Nomor , ,69 Pada Tabel 6 dilakukan pengujian dokumen SIM pada field Nomor dengan nomor dan diadapatkan akurasi semakin baik dengan nilai epoh tinggi. 3. Pengaruh Nilai Ambang Untuk mengetahui pengaruh nilai ambang (threshold) terhadap akurasi, maka sistem dilatih dengan memasukkan nilai ambang sama atau berbeda-beda. Nilai ambang sama ditetapkan dengan nilai 128 untuk semua field dan nilai ambang berbeda dipilih berdasar tingkat akurasi terbesar pada nilai ambang pilihan untuk masing-masing field. Tabel 7 Pengujian nilai ambang sama pada masing-masing field ektp Dokumen ektp Nilai Ambang Ahmad Luthfi Pongangan Rejo Pongangan Manyar 128 Tabel 8 Pengujian nilai ambang berbeda pada masing-masing field ektp Dokumen ektp Nilai Ambang Ahmad Luthfi 113 Pongangan Rejo Pongangan Manyar 84 Tabel 9 Pengujian nilai ambang sama pada masing-masing field SIM Dokumen SIM Nilai Ambang A 128 Ahmad Luthfi 128 DS Pongangan Rejo RT1 RW Tabel 10 Pengujian nilai ambang berbeda pada masing-masing field SIM Dokumen SIM Nilai Ambang A 138 Ahmad Luthfi 113 DS Pongangan Rejo RT1 RW Tabel 7 s/d Tabel 10 menunjukkan pengaruh nilai ambang terhadap tingkat akurasi pengenalan. 4. Pengujian LVQ Pengujian LVQ bertujuan untuk mengetahui akurasi algoritma LVQ dalam sistem konversi dokumen identitas individu menjadi suatu tabel ini. Dengan mempertimbangkan pengaruh nilai alpha dan epoh terhadap akurasi, sistem akan diuji dengan menggunakan alpha sebesar 0.01 dan epoh sebanyak 0.
7 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) Pada tahap pengujian ini, sistem akan diuji dengan dokumen ektp dan SIM yang berbeda-beda dan pada field yang lebih banyak. Tabel 11 Pengujian pengenalan field Nama ektp Sebenarnya AHMAD LUTHFI AZIFATUL ANIFAH NURUL HIDAYAT Pengenalan AHMALY L LVTHFI AZIFATUL ATN F AFI NLJRLVL FXTEVAYA FATHOLAH FATROLLAH MUHAMAD YASIR BURHAN MJFTAMAU YASIC LUHHAN Tabel 12 Pengujian pengenalan field NIK ektp Tabel 13 Pengujian pengenalan field ektp PONGANGAN REJO PUNGANVN REX PONGANGAN REJO ALNVNGAN REY 8.33 BINGIN BENDO BRINCTIN FT NDU 8.33 DUSUN DUSUN PATELN PATEMON KRAMAT LANGON IV 10 KRAMA LANUON IV JJ Tabel 14 Pengujian pengenalan field RT/RW ektp OO1 O OO3 OQT QO2 J O3 JO7 0 Tabel 15 Pengujian pengenalan field Kel/Desa ektp PONGANGAN PLLTVNVN PONGANGAN PONVNGAN BINGINBENDO BRINOTNBLNDO 8.7 MANGARAN MYYRAN SIDOKUMPUL SIJUKUMPUV 70 Tabel 16 Pengujian pengenalan field Kecamatan ektp MANYAR MANYAR MANYAR VANYAP TAMAN TAMAN AJUNG YUNC 0 GRESIK GRESIK Pada Tabel 11 s/d Tabel 16 untuk field Nama, NIK, Alamat, RT/RW, Kel/Desa, Kecamatan masing-masing untuk 25 dokumen ektp menghasilkan rata-rata pengenalan sebesar 71.31%, %, 46.36%, 53.21%, 36.14%, dan 68.04%. Rata-rata keseluruhan pengenalan sebesar 62.51%. Tabel 17 Pengujian pengenalan field Nama SIM AHMAD LUTHFI AHMAD LUTHFI AHMAD LUTHFI AHMAD LUTHFI JOKO WAHYONO JOKO WAHYONO CAHYO CAHYO MUHAMAD YASIR MUHAMAD BURHAN YASIR BURHAN NURUL WIJI SRI NURUL WIJI SRI UTAMI UTAMI Tabel 18 Pengujian pengenalan field Nomor SIM Tabel 19 Pengujian pengenalan field Jenis SIM A A C C A A C C C C
8 JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) Tabel 20 Pengujian pengenalan field Alamat SIM DS PONGANGAN DS PONGANGAN REJO RT1 RW3 REJO RT1 RW3 DS PONGANGAN DS FONGANGAN REJO RT1 RW3 REJO RT1 RW DS DS RANDUAGUNG RANDUAGUNG RT3 RW3 RT3 RW3 DS KRAMAT DS KRAMAT LANGON IV 10 LANGON IV 10 BRINGIN BENDO NHINGTN BL TAMAN NOC T AMAN Pada Tabel 17 s/d Tabel 20 untuk field Nama, Nomor, Jenis, Alamat masing-masing untuk 25 dokumen SIM menghasilkan rata-rata pengenalan sebesar 90.92%, 88.95%, 98.66%, dan 88.97%. Rata-rata keseluruhan pengenalan sebesar 62.51%. V. KESIMPULAN Berdasarkan analisis terhadap hasil pengujian yang telah dilakukan terhadap sistem konversi dokumen identitas individu menjadi suatu tabel menggunakan algoritma Learning Vector Quantization, maka dapat diambil beberapa kesimpulan sebagai berikut: 1. Proses-proses yang dilakukan sebelum karakter pada citra dokumen dapat dikenali adalah proses konversi citra, proses segmentasi, proses normalisasi, dan proses ekstraksi ciri. 2. Penentuan nilai ambang (threshold) sangat berpengaruh pada akurasi yang didapatkan masing-masing field dokumen. Nilai ambang yang digunakan untuk dokumen ektp sebesar 126 dan untuk dokumen SIM sebesar Karakter pada dokumen SIM lebih mudah dikenali daripada karakter pada dokumen ektp. Dilihat dari bentuk fisik karakter dokumen SIM memiliki huruf yang tegas dan jelas serta minim noise pada latar belakang. Sedangkan pada dokumen ektp karakter lebih kecil dan kadang berhimpit satu sama lain sehingga sulit dikenali. 4. Metode Learning Vector Quantization lebih baik dalam mengenali karakter dokumen SIM dengan rata-rata pengenalan dari 25 dokumen SIM untuk beberapa field sebesar 91.87% sedangkan pada dokumen ektp akurasinya sebesar 62.51%. 5. Sitem mampu mengkonversi citra dokumen ektp/sim menjadi karakter sesuai dengan field-field yang dikehendaki dan dikelompokkan ke dalam suatu tabel. DAFTAR PUSTAKA [1] Putra, D Pengolahan Citra Digital. Yogyakarta : Penerbit Andi. [2] Hartanto, S., Sugiharto, A., Endah, S.N Optical Character Recognition Menggunakan Algoritma Template Matching Correlation. Semarang : Undip [3] Rohwana, Ulir Pengenalan Tulisan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization. Surabaya: Institut Teknologi Sepuluh Nopember. [4] Ronny, Rahman, S., Munir, A Pengenalan Karakter Dengan Segmentasi Citra dan Algoritma Learning Vector Quantization. Makassar : STMIK Kharisma [5] Gonzales, RC. Woods, RE Digital Image Processing. New Jersey : Prentice Hall, Inc. [6] Fausett, L Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Prentice Hall International.Inc [7] Asworo Comparison Between Kohonen Neural Network Method and Learning Vector Quantization in The Online Handwriting Recognition System. Institut Teknologi Sepuluh Nopember, Surabaya. [8] KKPS BERSERI Belajar Menulis Benar, Rapi, dan Indah untuk siswa kelas satu, dua, dan tiga Sekolah Dasar. Bandung.
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S
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 terperinciPERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME
PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS
Lebih terperinciSISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Oleh: Bakhtiar Arifin (1206 100 722) Dosen Pembimbing: Prof. DR. M.
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 terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciBAB 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 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 terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih 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 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 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN 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 terperinciIDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)
IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
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 terperinciPENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana
PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing Tugas Ujian Sarjana. Penjelasan Learning Vector Quantization (LVQ) Learning
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
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 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 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Plat nomor kendaraan bermotor merupakan ciri atau tanda pengenal suatu kendaraan yang diberikan oleh kepolisian. Setiap plat nomor kendaraan memiliki kombinasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih 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 terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi yang terus berkembang membuat sistem komputerisasi bergerak dengan cepat, namun hal ini tidak seimbang dengan kemampuan manusia memindahkan data secara manual
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciBAB 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 terperinciRancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra
Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas
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 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciDOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1, Yoestinus 2 1 Fakultas Teknologi Informasi, Universitas Tarumanagara-Jakarta, Chairisni.fti.untar@gmail.com
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciAPLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Hamsina 1, Evanita V Manullang 1, Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
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 terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem adalah penguraian dari suatu sistem yang utuh ke dalam bagian-bagian komponennya dengan tujuan mengidentifikasikan dan mengevaluasi
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 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 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 terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciSISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON
SISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON I Made Gede Sunarya Program Studi Pendidikan Teknik Informatika Fakultas Teknik dan Kejuruan Universitas
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
Lebih terperinciBAB I PENDAHULUAN 1.2. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Pendahuluan Sejak awal penemuan teknologi komputer sebagai lompatan mutakhir dalam dunia ilmu pengetahuan, komputer telah banyak berperan dalam membantu manusia dalam melakukan berbagai
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih 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 terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Oleh : ACHMAD FAUZI ARIEF 1203 109 007 Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan
Lebih terperinciBAB III 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 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciIDENTIFIKASI KEASLIAN MATA UANG RUPIAH MELALUI INVISIBLE INK BERBASIS FOURIER TRANSFORM MENGGUNAKAN NEURAL LEARNING VECTOR QUANTIZATION
IDENTIFIKASI KEASLIAN MATA UANG RUPIAH MELALUI INVISIBLE INK BERBASIS FOURIER TRANSFORM MENGGUNAKAN NEURAL LEARNING VECTOR QUANTIZATION Yusron Rijal Jurusan Sistem Informasi STIKOMP SURABAYA, email: yusron@stikom.edu
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dibidang transportasi darat khususnya kendaraan bermotor, semakin membantu masyarakat penggunanya, sehingga menjadikan kendaraan bermotor sebagai
Lebih terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 03, No.2 (2015), hal ISSN : x
IDENTIFIKASI TEKS DOKUMEN MENGGUNAKAN METODE PROFILE PROJECTION DAN TEMPLATE MATCHING [1] Erwin Wahyudi, [2] Dedi Triyanto, [3] Ikhwan Ruslianto [1][2][3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciPERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN
PERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN Teguh Triantoro, F. Rizal Batubara, Fahmi Konsentrasi Teknik Komputer, Departemen Teknik Elektro Fakultas Teknik
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciPENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING
PENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING Michael Ryan dan Novita Hanafiah School of Computer Science, Bina Nusantara, Jl. Kebon Jeruk Raya No. 27,Kebon Jeruk, Jakarta
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Topik yang sering mendapat perhatian khusus dalam bidang Digital Image Processing adalah mengenai pengenalan pola (pattern recognition). Sistem pengenalan pola tidak
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ).
BAB 2 TINJAUAN PUSTAKA Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ). 2.1. Algoritma Algoritma adalah urutan langkah-langkah
Lebih terperinciAPLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI
APLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi
Lebih terperinciTOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA
Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
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 terperinci