BAB 2 LANDASAN TEORI
|
|
- Glenna Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1. Pengenalan Wajah Pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari dan iris mata. Untuk proses pengenalan wajah, biasanya menggunakan sebuah kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya telah disimpan di dalam dataset (Rahim, 2013). Pengenalan wajah melibatkan banyak variabel, yaitu citra dasar, hasil pengolahan citra, hasil ekstraksi citra dan data profil seseorang. Pengenalan citra untuk pengenalan pola wajah membutuhkan juga alat pengindera berupa kamera dan juga metode yang sesuai untuk menentukan apakah citra yang ditangkap oleh camera sesuai dengan dataset yang pernah disimpan sebelumnya. kesesuaian yang dimaksud biasanya ditampilkan dengan informasi profil yang sesuai pula (Suprianto, 2013) Citra Digital Citra digital merupakan kesatuan dari berbagai elemen yang terdiri dari kecerahan (brightness), kontras (contrast), kontor (contour), warna (color), bentuk (shape), dan tekstur (texture). Secara garis besar citra dapat dibagi menjadi dua jenis, citra diam (still image) dan citra bergerak (motion image) (Gonzalez, 1992). Banyak peralatan elektronik yang menghasilkan citra digital misalnya scanner, kamera digital, mikroskop digital, dan pembaca sidik jari (fingerprint reader). Untuk dapat mengolah citra digital menjadi bentuk yang kita inginkan dapat digunakan beberapa macam Perangkat lunak, antara lain Adobe Photoshop dan GIMP (GNU Image Manipulation Program) menyajikan berbagai fitur untuk mengolah citra digital (Kadir, 2013).
2 6 Gambar 2.1. Contoh peralatan yang menghasilkan citra digital Citra merupakan gambar pada bidang dua dimensi. Citra dibagi menjadi 2 jenis: 1. Citra Diam (Still Image), merupakan suatu citra yang tidak bergerak. 2. Citra Bergerak (Motion Image), merupakan rangkaian citra diam yang ditampilkan secara sekuensial sehingga terlihat pada mata kita seperti gambar yang bergerak. Contohnya adalah citra pada layar televisi. secara umum citra diam (Still Image) direpresentasikan ke dalam bentuk fungsi f (x, y), dan citra bergerak (Motion Image) direpresentasikan ke dalam fungsi f (x, y, t), dimana fungsi x dan y sebagai sumbu x dan sumbu y citra, dan fungsi t merupakan waktu (Gonzalez, 1992). Citra digital dapat diolah oleh komputer, oleh karena itu citra harus direpresentasikan secara numerik dengan nilai-nilai yang diskrit, nilai diskrit yang dimaksud adalah nilai intensitas cahaya dari sebuah citra. Nilai-nilai intensitas cahaya tersebut ditampilkan sebagai nilai-nilai kanal pada citra digital. Untuk citra 8 bit memiliki satu kanal yang terdiri dari sekumpulan nilai antara 0 255, dan citra 24 bit memiliki tiga kanal yang dikenal sebagai kanal R(red), G(green), dan B(blue) (Fadlisyah, 2013).
3 Grayscale Citra grayscale adalah citra yang menggunakan tingkatan warna keabuan. Warna abuabu adalah salah satu warna pada ruang R(red), G(green), dan B(blue) yang mempunyai nilai intensitas yang sama. Jumlah bit yang disediakan di memori berpengaruh pada jumlah warna yang ada yang berfungsi untuk menampung kebutuhan warna. Setiap sample pixel pada citra grayscale dapat disimpan dalam format 8 bit, yang memungkinkan sebanyak 256 intensitas dan warna diartikan sebagai nilai antara 0 dan 255, nilai 0 merupakan yang paling gelap (hitam) dan nilai 255 adalah paling (putih). Format ini akan membantu pada pemrograman karena dapat melakukan manipulasi bit yang tidak terlalu banyak. Untuk melakukan perubahan pada citra warna yang memiliki nilai matrik R,G dan B menjadi citra grayscale dengan nilai S, maka konversi bisa dilakukan dengan cara mengambil nilai rata rata dari nilai R(red), G(green), dan B(blue) (Zhou, 2010). s = r+g+b 3... (2.1) 2.4. Ekstraksi Ciri Statistik Analisis tekstur biasa dimanfaatkan sebagai proses untuk melakukan klasifikasi dan interpretasi pada suatu citra. Proses klasifikasi citra berbasis analisis tekstur umumnya membutuhkan tahapan ekstraksi ciri (Fadlisyah, 2015). Ekstraksi ciri dapat terbagi dalam tiga model yaitu : Metode Statistik Metode statistik merupakan perhitungan derajat keabuan (histogram) dengan melakukan pengukuran pada tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel pada suatu citra. Paradigma statistik sesuai untuk tekstur-tekstur alami yang tidak terstruktur dari sub pola dan himpunan aturan (mikrostruktur) sehingga penggunaanya tidak terbatas.
4 Metode Spektral Metode spektral berdasarkan pada fungsi autokorelasi suatu daerah atau power distribution pada domain transformasi Fourier dalam mendeteksi periodisitas tekstur Metode Struktural Metode struktural sering digunakan untuk pola-pola makrostruktur, Analisis-nya menggunakan deskripsi primitive tekstur dan aturan sintaktik.. Bagian ini akan membahas metode ekstraksi ciri statistik orde pertama dan kedua. Ekstraksi ciri orde pertama dilakukan melalui histogram citra. Ekstraksi ciri statistik orde kedua dilakukan dengan matriks kookurensi, yaitu suatu matriks antara yang merepresentasikan hubungan ketetanggaan antar piksel dalam citra pada berbagai arah orientasi dan jarak spasial 2.5. Statistik Fitur (Ciri Orde Satu) Statistik Fitur (Ciri Orde Satu) merupakan metode pengekstrakan ciri yang didasarkan pada karakteristik histogram citra. Histogram menunjukkan probabilitas kemunculan nilai derajat keabuan pada suatu citra. Dari nilai probabilitas yang dihasilkan, dapat dihitung beberapa parameter ciri orde pertama, antara lain adalah mean, skewness, variance, kurtosis, dan entropy. a. Mean (µ) Menunjukkan ukuran dispersi dari suatu citra µ = n f n p(f n )... (2.2) dimana f n merupakan suatu nilai intensitas keabuan, sementara p(f n ) menunjukkan nilai histogramnya (probabilitas kemunculan intensitas tersebut pada citra). b. Skewness (α 3 ) Menunjukkan tingkat kemiringan relatif kurva histogram dari suatu citra α 3 = 1 σ 3 (f n µ) 3 p(f n ) n... (2.3)
5 9 c. Variance (σ 2 ) Menunjukkan variasi elemen pada histogram dari suatu citra σ 2 = (f n µ) 2 p(f n ) n... (2.4) d. Kurtosis (α 4 ) Menunjukkan tingkat keruncingan relatif kurva histogram dari suatu citra α 4 = 1 σ 4 (f n µ) 4 p(f n ) 3 n... (2.5) e. Entropy (H) Menunjukkan ukuran ketidakaturan bentuk dari suatu citra H = p(f n ). 2 log p (f n ) n... (2.6) 2.6. Feature Haralic (Ciri Orde Dua) Pada tahun 1973 Haralick memperkenalkan Gray Level Co-occurrence Matrix (GLCM) dimana GLCM berfungsi untuk melakukan ekstraksi fitur. (Sebastian, 2012). GLCM menggunakan penghitungan tekstur pada ciri statistik orde dua. Teknik pengekstrakan ciri statistik orde dua adalah dengan menghitung probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu. Pendekatan ini bekerja dengan membentuk sebuah matriks kookurensi dari data citra. Kookurensi berarti kejadian bersama, yaitu jumlah kejadian satu level nilai piksel bertetangga dengan satu level nilai piksel lain dalam jarak (d) dan orientasi sudut (ϴ) tertentu. Jarak dinyatakan dalam piksel dan orientasi dinyatakan dalam derajat. Orientasi dibentuk dalam empat arah sudut yaitu 0, 45, 90, dan 135. Sedangkan jarak antar piksel biasanya ditetapkan sebesar 1 piksel.
6 10 Matriks kookurensi merupakan matriks bujursangkar dengan jumlah elemen sebanyak kuadrat jumlah level intensitas piksel pada citra. Setiap titik (p, q) pada matriks kookurensi berorientasi ϴ berisi peluang kejadian piksel bernilai p bertetangga dengan piksel bernilai q pada jarak d serta orientasi ϴ dan (180 - ϴ). Gambar 2.2 (Angkoso, 2011) Kiri, contoh citra dengan empat tingkat keabuan, Kanan hasil GLCM pada jarak 1 0 derajat Setelah memperoleh matriks kookurensi tersebut, dapat dihitung beberapa parameter ciri orde dua yaitu Angular Second Moment, Contrast, Correlation, Variance, Inverse Difference Moment, dan Entropy a. Angular Second Moment Menunjukkan ukuran sifat homogenitas citra. ASM = i {p(i, j)} 2 j... (2.7) dimana p(i,j) merupakan menyatakan nilai pada baris i dan kolom j pada matriks kookurensi. b. Contrast Menunjukkan ukuran penyebaran (momen inersia) elemen-elemen matriks citra. Jika letaknya jauh dari diagonal utama, nilai kekontrasan besar. Secara visual, nilai kekontrasan adalah ukuran variasi antar derajat keabuan suatu daerah citra. CON = k 2 k [ k 2 j ]... (2.8) [ i j ] = k
7 11 c. Correlation Menunjukkan ukuran ketergantungan linear derajat keabuan citra sehingga dapat memberikan petunjuk adanya struktur linear dalam citra.... (2.9) d. Variance Menunjukkan variasi elemen-elemen matriks kookurensi. Citra dengan transisi derajat keabuan kecil akan memiliki variansi yang kecil pula.... (2.10) e. Inverse Different Moment Menunjukkan kehomogenan citra yang berderajat keabuan sejenis. Citra homogen akan memiliki harga IDM yang besar.... (2.11) f. Entropy Menunjukkan ukuran ketidakteraturan bentuk. Harga ENT besar untuk citra dengan transisi derajat keabuan merata dan bernilai kecil jika struktur citra tidak teratur (bervariasi).... (2.12)
8 DCT (Discrete Cosine Transform) DCT (Discrete Cosine Transform) diperkenalkan pertama kali oleh Ahmed, Natarajan dan Rao tahun 1974 yang ditemukan pada makalahnya yang berjudul On image processing and a discrete cosine transform. DCT (Discrete Cosine Transform) digunakan untuk mengubah sebuah domain sinyal menjadi domain frekuensi (Watson, 1994). DCT 1 Dimensi DCT 1 Dimensi C(u) didefenisikan sebagai berikut. C(u) = 2 n α(u) N 1 x=0 f(x)cos [ π (2x+1)u ].. (2.13) 2N Untuk u = 0,1,2,, N-1 Dengan cara yang sama, DCT balik dapat didefenisikan sebagai berikut. f(x) = 2 N 1 α(u)c(u)cos n x=0 Untuk x = 0,1,2,, N-1 Dengan α (u) dinyatakan sebagai berikut. [ π (2x+1)u ].. (2.14) 2N α (u) = 1 2 untuk u = 0 1 untuk u 0 Bilangan yang dihasilkan melalui transformasi DCT tidak mengandung unsur imajiner. DCT dari contoh citra 1 dimensi f(x) = (3, 4, 4, 5) adalah sebagai berikut. C(0) = f(x)cos π (2x + 1)0 [ ] 8 x=0 = 1 2 (f(0) + f(1) + f(2) + f(3)) = 1 2 ( ) = 8
9 13 3 C(1) = f(x)cos π (2x + 1)1 [ ] 8 x=0 = 1 2 (3(0,92) + 4(0,38) + 4( 0,38) + 5( 0,92)) = 1 2 ( 1,84) = 0,71 3 C(2) = f(x)cos π (2x + 1)2 [ ] 8 x=0 = 1 (3(0,71) + 4( 0,71) + 4( 0,71) + 5( 0,71)) = C(3) = f(x)cos π (2x + 1)3 [ ] 8 x=0 = 1 (3(0,38) + 4( 0,92) + 4( 0,92) + 5( 0,38)) = 0,76 2 Jadi citra f(x) = (3,4,4,5) setelah mengalami transformasi kosinus 1 Dimensi C(u) = (8, 0.76, 0, -0.76) Penelitian Terkait Ada beberapa penelitian yang telah dibuat mengenai pengenalan pola atau yang biasa disebut dengan (Pattern Recognition) dan penelitian tersebut sudah banyak dipublikasi diantaranya adalah sebagai berikut. Yuda & Murinto, (2015) membuat Aplikasi pengolahan citra untuk identifikasi kematangan mentimun berdasarkan tekstur kulit buah menggunakan metode ekstraksi ciri statistik, proses yang dilakukan adalah proses pembacaan citra berwarna, dilanjutkan dengan proses grayscale dan pembacaan histogram citra setelah dilakukan pemrosesan grayscale dan pembacaam histogram citra maka proses selanjutnya adalah dengan melakukan penghitungan statistik tekstur citra. Hasil evaluasi kinerja ekstraksi fitur statistik adalah memiliki tingkat keakuratan sebesar 75%.
10 14 Cucu & Inggrid, (2011) melakukan Analisa tekstur untuk membedakan kista dan tumor pada citra panoramik rahang gigi manusia menggunakan metode GLCM (Gray Level Cooccurence Matrix), dimana proses yang dilakukan memiliki tiga tahap, yaitu proses normalisasi citra panoramik, setelah itu dilakukan segmentasi untuk menentukan daerah lesi, setelah dilakukan segmentasi, yang harus dilakukan adalah melakukan ekstraksi fitur dari hasil segmentasi, hasil yang diperoleh terhadap data yang telah diujikan adalah sebesar 63.33% Uyun & Rahman (2013) melakukan penelitian mengenai pengenalan wajah dua dimensi menggunakan multi-layer perceptron berdasarkan nilai PCA dan LDA, proses yang dilakukan adalah mengekstrak citra masukan menggunakan Ekstraksi Fitur PCA dan LDA, dilanjutkan dengan mentraining data menggunakan multi layer perceptron, hasil yang diperoleh dengan tingkat keakuratan sebesar %.
IDENTIFIKASI MACAN TUTUL DENGAN METODE GREY LEVEL COOCURENT MATRIX ( GLCM) Zuly Budiarso Fakultas teknologi Informasi, Univesitas Stikubank Semarang
IDENTIFIKASI MACAN TUTUL DENGAN METODE GREY LEVEL COOCURENT MATRIX ( GLCM) Zuly Budiarso Fakultas teknologi Informasi, Univesitas Stikubank Semarang Abstrak Tekstur (Textures) adalah sifat-sifat atau karakteristik
Lebih terperinciKLASIFIKASI USIA MENGGUNAKAN CIRI ORDE DUA
KLASIFIKASI USIA MENGGUNAKAN CIRI ORDE DUA Mukti Qamal * Abstract Identification of image is needed to facilitate the work of humans in terms of classification. The statistical method is one method often
Lebih terperinciKlasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor
Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor Puspa Rizky Trisnaningtyas 1, Maimunah 2 Program Studi Teknik Komputer Universitas Islam 45 Bekasi, Indonesia
Lebih terperinciBAB 4 PENGUJIAN DAN ANALISIS SISTEM
BAB 4 PENGUJIAN DAN ANALISIS SISTEM Bab ini akan membahas mengenai proses pengujian dari sistem yang dirancang terhadap beberapa citra dijital replika kulit. Pengujian terhadap sistem ini dilakukan untuk
Lebih terperinciAPLIKASI PENGOLAHAN CITRA UNTUK IDENTIFIKASI KEMATANGAN MENTIMUN BERDASARKAN TEKSTUR KULIT BUAH MENGGUNAKAN METODE EKSTRAKSI CIRI STATISTIK
APLIKASI PENGOLAHAN CITRA UNTUK IDENTIFIKASI KEMATANGAN MENTIMUN BERDASARKAN TEKSTUR KULIT BUAH MENGGUNAKAN METODE EKSTRAKSI CIRI STATISTIK 1 Yuda Permadi, 2 Murinto Program Studi Teknik Informatika Kampus
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 41 Analisa Analisa merupakan tahap paling utama dalam melakuakan penelitian Tahapan analisa digunakan untuk menganalisa permasalahan yang berhubungan dengan penelitian yang
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciAtthariq 1, Mai Amini 2
IDENTIFIKASI IKAN KERAPU BERDSARKAN POLA KULIT DENGAN METODE GLCM DAN EUCLIDEAN DISTANCE Atthariq 1, Mai Amini 2 1,2,3 Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciBAB II LANDASAN TEORI. Citra digital sebenarnya bukanlah sebuah data digital yang normal,
BAB II LANDASAN TEORI II.1 Citra Digital Citra digital sebenarnya bukanlah sebuah data digital yang normal, melainkan sebuah representasi dari citra asal yang bersifat analog [3]. Citra digital ditampilkan
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciIdentifikasi Ciri Kain Menggunakan Fitur Tekstur dan Gray Level Difference Method
Identifikasi Ciri Kain Menggunakan Fitur Tekstur dan Gray Level Difference Method Inwijayati Fakultas Teknologi Industri Universitas Gunadarmai Universitas Gunadarma Depok, Indonesia Prihandoko, Bertalya
Lebih terperinciDETEKSI ADANYA CACAT PADA KAYU MENGGUNAKAN METODE LOCAL BINARY PATTERN DETECTION OF THE EXISTENCE OF THE DEFECTS IN WOOD USING LOCAL BINARY PATTERN
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 298 DETEKSI ADANYA CACAT PADA KAYU MENGGUNAKAN METODE LOCAL BINARY PATTERN DETECTION OF THE EXISTENCE OF THE DEFECTS IN WOOD USING
Lebih terperinciEKSTRAKSI CIRI TEKSTUR CITRA WAJAH PENGGUNA NARKOTIKA MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX. Abstrak
EKSTRAKSI CIRI TEKSTUR CITRA WAJAH PENGGUNA NARKOTIKA MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX Karina Auliasari, Bastian, Bella Fardani, Zulkifli, Ivandi Jurusan Teknik Informatika Fakultas Teknik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
Lebih terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciBAB II IDENTIFIKASI DAERAH TERKENA BENCANA MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH
BAB II IDENTIFIKASI DAERAH TERKENA BENCANA MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH Teknologi penginderaan jauh merupakan teknologi yang memegang peranan yang sangat penting dalam manajemen bencana salah
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 terperinciKLASIFIKASI SERAT MIRING PADA KAYU MENGGUNAKAN EKSTRAKSI CIRI STATISTIK BERDASARKAN PADA PENGOLAHAN CITRA
ISSN : 355-9365 e-proceeding of Engineering : Vol., No.1 April 015 Page 09 KLASIFIKASI SERAT MIRING PADA KAYU MENGGUNAKAN EKSTRAKSI CIRI STATISTIK BERDASARKAN PADA PENGOLAHAN CITRA Dyah Norma Maharsi [1],
Lebih terperinciBAB II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciMelya Rizka Maulani 1, Mulyadi 2, Sila Abdullah Syakri 3. Abstrak. 1. Pendahuluan. 2. Metode Penelitian
RACAG BAGU APLIKASI UUK MEGIDEIFIKASI KUA EKA BAU BAA BERDASARKA WARA BERBASIS PEGOLAHA CIRA MEGGUAKA MEODE EKSRAKSI CIRI SAISIK Melya Rizka Maulani 1, Mulyadi 2, Sila Abdullah Syakri 3 Program Studi eknik
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 terperinciJournal of Control and Network Systems
JCONES Vol. 5, No. 1 (2016) 158-163 Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone IDENTIFIKASI JENIS PENYAKIT DAUN TEMBAKAU MENGGUNAKAN METODE GRAY LEVEL
Lebih terperinciIMPLEMENTASI EKSTRAKSI CIRI STATISTIK UNTUK IDENTIFIKASI KEMATANGAN BUAH BERDASARKAN TEKSTUR KULIT BUAH SKRIPSI
IMPLEMETASI EKSTRAKSI CIRI STATISTIK UTUK IDETIFIKASI KEMATAGA BUAH BERDASARKA TEKSTUR KULIT BUAH SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
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 terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
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 terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB II LANDASAN TEORI. titiktitik penyusun citra itu sendiri. Titik-titik tersebut disebut dengan pixel. Banyaknya
BAB II LANDASAN TEORI 2. Citra/Image Citra atau yang lebih sering dikenal dengan gambar merupakan kumpulan dari titiktitik penyusun citra itu sendiri. Titik-titik tersebut disebut dengan pixel. Banyaknya
Lebih terperinciIDENTIFIKASI RETINA MATA MENGGUNAKAN JARAK EUCLIDEAN DENGAN PENCIRIAN MATRIKS KOOKURENSI ARAS KEABUAN (GRAY LEVEL CO-OCCURRENCE MATRIX-GLCM)
IDENTIFIKASI RETINA MATA MENGGUNAKAN JARAK EUCLIDEAN DENGAN PENCIRIAN MATRIKS KOOKURENSI ARAS KEABUAN (GRAY LEVEL CO-OCCURRENCE MATRIX-GLCM) 1 Andi Widiasmoro, 2 R. Rizal Isnanto, 3 Jatmiko Endro Suseno
Lebih terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciPerancangan Konversi Braille Ke Teks Berbasis Android
Perancangan Konversi Braille Ke Teks Berbasis Android Intan Sulviyani 1, Ledya Novamizanti 2, Ratri Dwi Atmaja 3 Teknik Telekomunikasi, Telkom University 1,2,3 intansviany@gmail.com Abstrak Komunikasi
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka tentang identifikasi iris mata ataupun identifikasi citra digital sudah pernah dilakukan sebelumnya, berikut merupakan tabel perbandingan terhadap
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciIdentifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah dengan Fuzzy C-Mean
Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah dengan Fuzzy C-Mean 1 Ardi Pujiyanta, 2 Sovian Rizqiawan 1,2 Program Studi Teknik Informatika, Universitas Ahmad Dahlan Email: 1 ardi_iin@yahoo.com,
Lebih terperinciKLASIFIKASI JENIS IKAN KOI MENGGUNAKAN GRAY LEVEL CO- OCCURRENCE MATRIX DAN ALGORITMA NAIVE BAYES
KLASIFIKASI JENIS IKAN KOI MENGGUNAKAN GRAY LEVEL CO- OCCURRENCE MATRIX DAN ALGORITMA NAIVE BAYES Tri Adhi Atmaji 1, Catur Supriyanto 2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
Lebih terperinciBAB III LANDASAN TEORI. 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix)
BAB III LANDASAN TEORI 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix) Metode GLCM menurut Xie dkk (2010) merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui
Lebih terperinciSistem Deteksi Cacat Kayu dengan Metode Deteksi Tepi SUSAN dan Ekstraksi Ciri Statistik
ELKOMIKA ISSN (p): 2338-8323 ISSN (e): 2459-9638 Vol. 6 No. 1 Halaman 140-152 DOI : http://dx.doi.org/10.26760/elkomika.v6i1.140 Januari 2018 Sistem Deteksi Cacat Kayu dengan Metode Deteksi Tepi SUSAN
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciEktraksi Fitur Citra Paru-Paru Menggunakan Gray Level Co-ocurance Matriks
Ektraksi Fitur Citra Paru-Paru Menggunakan Gray Level Co-ocurance Matriks Tri Deviasari Wulan Sistem Informasi, Fakultas Teknik, Universitas Nahdlatul Ulama Surabaya tridevi@unusa.ac.id ABSTRAK Penelitian
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kain adalah bahan dasar dari pakaian yang biasa digunakan sebagai kebutuhan pokok manusia untuk melindungi dan menutup dirinya. Kain pun dapat menjadi identitas suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Model sistem presensi biometri sidik jari yang dikembangkan secara garis
BAB III METODOLOGI PENELITIAN 3.1 Disain Penelitian Model sistem presensi biometri sidik jari yang dikembangkan secara garis besar terdiri atas bagian input, bagian proses, dan bagian output seperti gambar
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciKonsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI
Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah
BAB IV HASIL DAN PEMBAHASAN A. Data Sampel Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah sampel beras B, 1 buah sampel beras C, dan 2 buah sampel beras D. 1. Data Pengujian Mutu Beras
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer digital dan perangkat perangkat lainnya yang serba digital, ada beberapa faktor yang membuat data digital seperti audio, citra, dan video
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik adalah ilmu untuk menetapkan identitas seseorang berdasarkan ciri fisik, kimia, ataupun tingkah laku dari orang tersebut. Dewasa ini, biometrik telah menjadi suatu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinci2.Landasan Teori. 2.1 Konsep Pemetaan Gambar dan Pengambilan Data.
6 2.Landasan Teori 2.1 Konsep Pemetaan Gambar dan Pengambilan Data. Informasi Multi Media pada database diproses untuk mengekstraksi fitur dan gambar.pada proses pengambilan, fitur dan juga atribut atribut
Lebih terperinciPENGELOMPOKKAN CITRA WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN SOFTWARE MATLAB ABSTRAK
PENGELOMPOKKAN CITRA WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN SOFTWARE MATLAB Nurhayati 1, John Adler 2, Sri Supatmi 3 1,2,3 Teknik Komputer, Universitas Komputer Indonesia (UNIKOM) 1 nuril24@yahoo.com,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB II DASAR TEORI. 2.1 Google Maps
BAB II DASAR TEORI 2.1 Google Maps Google maps adalah sebuah jasa peta globe virtual gratis dan online disediakan oleh Google yang dapat diakses di http://maps.google.com. Google Maps memberikan informasi
Lebih terperinciBAB 3 METODOLOGI. untuk mengurangi adanya false positive dan false negative. False positive dalam hal ini
34 BAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah Dalam proses diagnosis kanker payudara dibutuhkan akurasi yang tinggi untuk mengurangi adanya false positive dan false negative. False positive dalam
Lebih terperinciMAKALAH APLIKASI KOMPUTER 1 SISTEM APLIKASI KOMPUTER GRAFIK KOMPUTER DAN KONSEP DASAR OLAH CITRA. Diajukan sebagai Tugas Mandiri Mata Kuliah NTM
MAKALAH APLIKASI KOMPUTER 1 SISTEM APLIKASI KOMPUTER GRAFIK KOMPUTER DAN KONSEP DASAR OLAH CITRA Diajukan sebagai Tugas Mandiri Mata Kuliah NTM Semester Genap Tahun Akademik 2014 / 2015 Angkatan XIII Disusun
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciBAB 3 PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB 3 PERANCANGAN DAN IMPLEMENTASI SISTEM Bab ini berisi tentang penjelasan proses perancangan sistem pengolahan citra yang berupa algoritma-algoritma yang akan digunakan dalam proses pengolahan citra
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciKLASIFIKASI CITRA BERAS BERDASARKAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN MENGGUNAKAN k-nearest NEIGHBOUR
MAKALAH SEMINAR TUGAS AKHIR KLASIFIKASI CITRA BERAS BERDASARKAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN MENGGUNAKAN k-nearest NEIGHBOUR Eko Prasetyo, Imam Santoso, Budi Setiyono. Jurusan Teknik Elektro
Lebih terperinciImplementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA)
46 Implementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA) Iwan Setiawan setiawanise@yahoo.com, Welly Iskand welly.iskand@gmail.com, Fauzi Nur Iman
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
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 terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinci