PROGRAM APLIKASI PENGENALAN EKSPRESI WAJAH SECARA REAL TIME DENGAN METODE BACK PROPAGATION DAN WAVELET HAAR
|
|
- Yandi Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PROGRAM APLIKASI PENGENALAN EKSPRESI WAJAH SECARA REAL TIME DENGAN METODE BACK PROPAGATION DAN WAVELET HAAR Comment [S1]: Gak pake kata perancangan karena nyontek randy Setiawan Alexander Mathematics and Statistic Department, School of Computer Science, Binus University Jl. K. H. Syahdan No. 9 Palmerah Jakarta Barat 11480, setiawanalexander90@yahoo.co.id Comment [S2]: Gak yakin boleh sih, tapi buat aja dulu. ABSTRACT Intelligence HCI is a discipline involving study, planning, and design interface with Artificial Intelligence aspect on it. The main purpose of this dissertation is to generate prototype of user inteface through design of software application that capable to recognize facial expression in real time environment using back propagation and haar wavelet methods. The software application is classified as pattern recognition system based on its feature to recognize facial expression automatically. Face feature extraction process has been done by using haar wavelet transform methods. After extracted feature finished preprocessing step, the result will be computed in Artificial neural network system. Design of artificial neural network has done with over produce and choose approach and training on neural network has done with back propagation method. Design analysis also described for giving better understanding about the software application. The result is a software application that recognize three facial expression; happy, surprise, and neutral expression. Keywords: Intelligence HCI Interface, Pattern Recognition, Wavelet Transform, Back propagation, Facial Expression, ABSTRAK Intelligence Human Computer Interaction (HCI) adalah disiplin ilmu yang menghasilkan antarmuka dengan aspek kecerdasan tiruan. Tujuan penulisan ini ialah untuk membuat prototipe antar muka interaksi manusia komputer cerdas melalui perancangan aplikasi pendeteksian ekspresi wajah secara real time yang dibangun dengan metode back propagation dan wavelet haar. Aplikasi ini tergolong dalam program aplikasi pattern recognition karena pendeteksian dilakukan secara otomatis. Metode pengekstraksian wajah adalah dengan wavelet Haar. Setelah citra berhasil diekstraksi, data input tersebut akan dimasukkan kedalam jaringan syaraf tiruan. perancangan Jaringan syaraf tiruan dilakukan dengan metode over produce and choose dan pelatihan jaringan syaraf tiruan dilakukan dengan metode back propagation. Analisis perancangan juga disajikan disini agar lebih jelas dalam menjabarkan sistem informasi dari program aplikasi tersebut. Hasil yang ingin dicapai adalah sebuah sistem yang dapat mengenali tiga ekspresi wajah; senang, terkejut dan wajah tanpa ekspresi. S.A Kata Kunci Intelligence HCI Interface, Pattern Recognition, Wavelet Haar, Back propagation, Ekspresi wajah
2 PENDAHULUAN Manusia memiliki insting untuk berinteraksi satu sama lain demi mencapai suatu tujuan, dan dalam interaksi itu, mengintepretasi kondisi emosional menjadi penting dalam komunikasi yang baik. Kondisi emosional terefleksi dalam perkataan, gerak tubuh, dan terutama ekspresi wajah. Walaupun sudah banyak tugas manusia yang diotomatisasi oleh komputer, interaksi manusia dan komputer pada umumnya tidak memungkinkan sistem mendeteksi kondisi emosional manusia. Perancangan aplikasi yang memungkinkan pengenalan kondisi emosional tersebut dapat dibangun dengan pendekatan pengenalan ekspresi wajah. Ekspresi wajah seseorang juga dapat mencerminkan kondisi afektif, kegiatan kognitif, tujuan, personality dan phscyopathology dari seseorang (Donato, Bartlett, Hager, Ekman, & Sejnowski, 1999). Program aplikasi ini merupakan penerapan langsung dari biometrik. Biometrik, menurut definisi dari digital library Institut Teknologi Telkom, merupakan studi tentang metode otomatisasi untuk mengenali atau mengidentifikasi manusia berdasarkan satu atau lebih bagian tubuh manusia atau kelakuan dari manusia it sendiri. Tujuan pembangunan program aplikasi ini adalah dapat dihasilkannya sebuah sistem pengenalan ekspresi wajah yang dapat mengenal ekspresi wajah secara real time dari citra wajah yang dihasilkan oleh tangkapan kamera. Pemilihan metode metode dalam perancangan program aplikasi ini berdasarkan ketersediaan metode tersebut di library library yang bersifat open source untuk memastikan program aplikasi dapat dirancang dengan lebih cepat dan memiliki tingkat keandalan yang tinggi. Pengenalan ekspresi wajah secara real time akan menjadi salah satu awal dari pengembangan alat pendeteksi kebohongan. Informasi dalam mendeteksi kebohongan dapat disediakan oleh pengenalan ekspresi wajah berdasarkan FACS. (Bartlett, Donato, Movellan, Hager, Ekman, & Sejnowski, 1999). Analisis FACS dapat membedakan ekspresi wajah yang tercipta secara alami dan ekspresi yang disengaja dibuat-buat. Walau kondisi emosional manusia dipengaruhi banyak faktor dan juga dapat diketahui melalui indikator lain, seperti gerak tubuh dan faktor lainnya, Analisis FACS ini dapat diandalkan karena beberapa gerak otot wajah yang sulit untuk dilakukan secara sengaja. Aplikasi yang bisa membaca kondisi emosional haruslah diolah dengan hati-hati, terutama untuk konteks pendeteksi kebohongan. Paul Ekman dalam wawancaranya dengan technologyreview.com, mengungkapkan adanya resiko yang dinamakan Othello s error : Othello mengenali ekspresi takut dari Desdemona, namun dia tidak menyadari bahwa rasa takut yang timbul karena menjadi tersangka sama persis seperti rasa takut yang timbul karena takut ditangkap. Wajah memang mengungkapkan kondisi emosional seseorang, namun tidak menjelaskan penyebab kondisi emosional tersebut. Pendeteksi fitur wajah seperti mata dan mulut adalah isu penting dalam memproses citra wajah (facial image) yang akan digunakan untuk banyak area penelitian seperti pendeteksi emosi dan identifikasi wajah (Teo, Silva, & Vadakkepat, 2004). Pendeteksian fitur wajah ini pada akhirnya dapat digunakan sebagai input untuk fungsi lain seperti pendeteksian ekspresi wajah. Pada pengembangan sistem ini, akan dilakukan empat tahap yaitu, face tracking, facial feature extraction, transformasi wavelet dan classification dengan menggunakan model jaringan syaraf tiruan yang nantinya akan dilatih dengan metode back propagation. Wavelet Haar dan metode lain yang bersesuaian akan digunakan untuk mengolah fitur wajah yang telah ditangkap agar menjadi input jaringan syaraf tiruan. Hasil perhitungan jaringan syaraf tiruan tersebut akan menjadi dasar dalam mengklasifikasikan ekspresi wajah yang dikenal. METODE PENELITIAN Sistem pengenalan ekspresi wajah dapat dibagi menjadi dua bagian utama, yaitu : pelatihan pola masukan dan identifikasi ekspresi wajah. Pada pelatihan pola, citra input diolah dan dijadiakan data pelatihan agar sistem dapat mengenali pola dari citra wajah tersebut. Sedangkan pada identifikasi ekspresi
3 wajah, citra input diolah untuk kemudian diklasifikasikan sesuai dengan data dan informasi hasil proses pelatihan sebelumnya. Untuk mengenali ekspresi wajah, sistem ini memiliki proses yang sama baik untuk pelatihan pola, maupun untuk identifikasi ekspresi wajah. Proses tersebut dapat dilihat dalam Gambar 1. Gambar 1 Proses Pengenalan Ekspresi Wajah Mendeteksi Citra Wajah Pendeteksian citra wajah untuk menjadi input dilakukan dengan metode Haar cascade classifier. Setelah mendapatkan citra wajah, citra wajah masih harus divalidasi. Hanya citra wajah yang fitur fiturnya dapat dideteksi oleh metode Haar cascade classifier saja yang akan diteruskan ke proses selanjutnya. Fitur fitur yang dicoba di deteksi adalah dua buah mata dan satu mulut. Pre-processing Pemrosesan awal yang dilakukan terhadap citra input adalah graysclaing dan normalisasi histogram. Proses grayscaling diperlukan untuk mengambil nilai intensitas atau tingkat keabuan dari citra. Normalisasi histogram dilakukan untuk memperbaiki kontras pada citra untuk mempermudah klasifikasi. Ekstraksi Fitur Wajah Setelah menghasilkan citra yang diolah, langkah selanjutnya yang harus diambil adalah mengekstraksi nilai nilai dari citra untuk dijadikan input dalam proses klasifikasi. Ekstraksi fitur wajah dilakukan dengan menerapkan transformasi wavelet haar untuk mendapatkan nilai detil dari citra. Proses ekstraksi ini menyebabkan citra menjadi terkompresi. Karena citra berada dalam ruang dua dimensi, maka transformasi wavelet akan dilakukan dua kali yaitu terhadap baris dan kemudian terhadap kolom. Proses transformasi wavelet Haar dilakukan pada citra beberapa kali hingga didapati kompresi citra wajah menjadi citra berukuran 4 x 4 piksel. Klasifikasi dan Post Processing Setelah sinyal detil dari citra wajah diperoleh, nilai nilai tersebut dimasukkan kedalam jaringan syaraf tiruan. Lalu setelah jaringan syaraf tiruan memberi nilai output, di urutan post processing, nilai tersebut akan di konversi menjadi pelabelan sehinggal mudah dipahami oleh pengguna. Back Propagation Desain jaringan syaraf yang digunakan adalah sebagai berikut; 1. Jumlah hidden layer adalah satu.. 2. Fungsi aktivasi yang digunakan adalah fungsi sigmoid sehingga nilai output pada jangkauan 0 hingga 1. Representasi Data Output Masing masing node pada output layer mewakili satu ekspresi wajah dengan nilai 1 menunjukkan ekspresi tersebut sangat terlihat dan 0 untuk menunjukkan bahwa ekspresi wajah tersebut tidak terlihat sama sekali. Untuk tahap identifikasi, kode ekspresi wajah ditentukan oleh node yang memiliki nilai tertinggi pada output layer. Namun karena perancangan sistem tidak memasukkan pendeteksian kombinasi dua atau lebih ekspresi dalam satu citra, maka setiap didapati dua atau lebih nilai node pada output layer melebihi 0,1 sistem akan memberi label ekspresi wajah tidak dikenali.
4 HASIL DAN PEMBAHASAN Prosedur Pengujian Pengujian pada aplikasi pengenalan ekspresi wajah menggunakan data citra tangkapan web-camera dari 10 sukarelawan. Pengujian dilakukan dengan meminta 8 dari sukarelawan untuk diambil citra wajahnya dengan berpose sesuai ekspresi wajah yang dikenali aplikasi. Setelah proses pelatihan selasai, pengujian/ testing dilakukan dengan meminta tiap sukarelawan berpose ekspresi wajah tertentu dalam waktu 5 detik didepan web-camera. Dalam selang waktu tersebut, program aplikasi akan merekam semua citra dan hasil pengenalan dimana hasil perekaman tersebut menjadi dasar pengujian kemampuan program aplikasi mengenali ekspresi wajah secara real time. Evaluasi Hasil Pengujian Tabel 1 Hasil Pendeteksian Fitur Wajah Jumlah citra input Jumlah Gagal FTA % Pengujian menunjukan bahwa metode yang digunakan dapat menerima banyak citra wajah tanpa kendala. Maka penelitian dilanjutkan setelah sebelumnya menghasilkan jaringan syaraf tiruan yang telah dilatih sesuai prosedur. Tabel 2 Detail Jaringan Syaraf yang Diuji Jumlah Hidden Layer 1 Jumlah Node pada Input Layer 16 Jumlah Node pada Hidden Layer 13 Jumlah Node pada Output Layer 4 Metode Pelatihan Back propagation Besar Nilai Learning Rate (α) 0,1 Fungsi Aktivasi Fungsi Sigmoid Besar Error 0,00001 Besar Epoch (perulangan pelatihan) Lama Pelatihan Jaringan Syaraf Tiruan 00:25:57.54 Setelah didapatkan jaringan syaraf tiruan yang diinginkan dengan metode overproduce and chose, maka dipilih jaringan syaraf tiruan seperti yang di deskripsikan pada Tabel 2. Gambar 2 Tampilan Layar Hasil Pengenalan Ekspresi Wajah Hasil dari pengujian ini menunjukkan bahwa program aplikasi mampu mengklasifikasi ekspresi wajah dengan tingkat kesalahan sebesar 10% atau kurang untuk ekspresi wajah tertentu. Dari hasil pengamatan terhadap urutan ekspresi wajah yang dikenali yang tercatat, ditemukan bahwa ternyata sangat sedikit ditemukan kesalahan yang pengenalan yang terjadi untuk dua gambar berturut- turut seperti yang terlihat
5 pada gambar Dari analisis terhadap data, maka disimpulkan bahwa program salah mengklasifikasi ekspresi wajah paling sering dua ekspresi salah berturut-turut. Untuk meningkatkan keakuratan, program baru akan menampilkan label bila didapati dua citra berturut-turut. Ini dapat mengurangi resiko kesalahan dengan ganti sistem akan lebih lama dalam mengenal ekspresi wajah SIMPULAN DAN SARAN Berdasarkan pengujian disimpulkan bahwa metode yang digunakan untuk pengenalan ekspresi wajah yang digunakan menghasilkan pengenalan ekspresi wajah dengan tingkat akurasi yang baik dan juga metode metode tersebut dapat berjalan cukup cepat sehinggal program aplikasi dapat berjalan secara real time. Tingkat pengenalan secara umum meningkat saat hasil akhir baru diperlihatkan ketika dua citra berurutan memberikan hasil pengenalan yang sama. Saran 1. Untuk meningkatkan kualitas pengklasifikasian ekspresi wajah, program aplikasi haruslah dilatih untuk mengenali ekspresi wajah yang tidak dikenali oleh program aplikasi. 2. Pada Perancangan aplikasi selanjutnya disarankan menggunakan wavelet Gabor REFERENSI Paul Ekman Group LLC. (2012). Content/Recognize: Paul Ekman Group. Dipetik January 24, 2013, dari Paul Ekman Group Website: Baker, S., & Matthews, I. (2004). Lucas-Kanade 20 Years on: A Unifying Framework. International Journal of Computer Vision, Bartlett, M. S., Donato, G., Movellan, J. R., Hager, J. C., Ekman, P., & Sejnowski, T. J. (1999). Face image analysis for expression measurement and detection of deceit. Joint Symposium on Neural Computation Proceeding, Chibelushi, C., & Bourel, F. (2003). Facial Expression Recognition: A Brief Tutorial Overwiew. 1. Donato, G., Bartlett, M., Hager, J., Ekman, P., & Sejnowski, T. (1999). Classifying Facial Action. Pattern Analysis and Machine Intelligence, IEEE Transaction on Volume: 21, issue 10, Ekman, P. (1992). Facial Expressions of Emotion: New Findings, New Question. Symposium on Emotion, 3 (1), Ekman, P. (1991). Telling Lies: Clues to Deceit in the Marketplace, Politics, and Marriage. New York: W.W Norton. Ekman, P., & Friesen, W. (1978). The Facial Action Coding System : A technique for the measurement of facial movement. San Francisco: Consulting Psychologist Press. Geetha, A., Ramalingam, V., & Palanivel, S. (2011). An Integrated Face Tracking and Facial Expression Recognition System. Journal of Intelligence Learning System and Applications, Giacinto, G., & Roli, F. (2001). Design of effective neural network ensembles for image classification purpose. Image and Vision Computing, Gonzalez, R. C., & Wood, R. E. (2007). Digital Image Processing. Prentice Hall. Song, M.-S. (2006). Wavelet Image Compression. Operator Theory, Operator Algebras, and Applications, Contemp. Math, 414. Szeliski, R. (2011). Computer Vision : Algorithms and Applications. New York: Springer.
6 Teo, W., Silva, L. C., & Vadakkepat, P. (2004). Facial Expression Detection and Recognition System. Journal of The Institution of Engineers, Singapore vol 44 issue 3, 14. Yoon, H., Han, Y., & Hahn, H. (2009). Image Contrast Enhancement based Sub-histogram Equalization Technique without Over-equalization Noise. International Journal of Electrical and Electronic Engneering 3, 6. RIWAYAT PENULIS Setiawan Alexander lahir di kota Jakarta pada 1 April Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang ilmu Teknik Informatika dan Matematika pada tahun 2013.
7
BAB 1 PENDAHULUAN. Manusia memiliki insting untuk berinteraksi satu sama lain demi mencapai
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia memiliki insting untuk berinteraksi satu sama lain demi mencapai suatu tujuan, dan dalam interaksi itu, mengintepretasi kondisi emosional menjadi penting dalam
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan pada aplikasi penelitian pengenalan ekspresi wajah ini seperti pada tabel Tabel 4.1 Spesifikasi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Permasalahan Aplikasi ini tergolong sebagai sistem kecerdasan buatan karena akan menggantikan peran seseorang yang mampu mengenali ekspresi wajah. Tiga ekspresi
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
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 terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
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 terperinciPENGEMBANGAN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDI KASUS PADA DATABASE MUG)
PENGEMBANGAN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDI KASUS PADA DATABASE MUG) Zaenal Abidin Jurusan Matematika Universitas Negeri Semarang Kampus Sekaran
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciKLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG
KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG [1] Ahmad Fahrudi Setiawan, [2] Alam Katon Agung [1], [2] Institut Teknologi Nasional
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS
PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS Widyawan Tarigan NRP : 0222062 email : widyawan_tarigan@yahoo.com ABSTRAK Pada sistem pengenalan wajah, merancang deskriptor
Lebih 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 terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciAlgoritma Pengenalan Ekspresi Wajah Menggunakan Wavelet Neural Networks
Algoritma Pengenalan Ekspresi Wajah Menggunakan Wavelet Neural Networks Z. Abidin Jurusan Ilmu Komputer, Fakultas MIPA, Universitas Negeri Semarang Kampus Sekaran Gunungpati, Semarang, 50229 E-mail : zaenalabidin.indonesia@gmail.com
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 terperinciDeteksi Senyum Menggunakan Fitur Gabor dan Histograms of Oriented Gradients pada Bagian Mulut, Hidung, dan Mata
Deteksi Senyum Menggunakan Fitur Gabor dan Histograms of Oriented Gradients pada Bagian Mulut, Hidung, dan Mata Berty Chrismartin Lumban Tobing Fakultas Ilmu Komputer Universitas Indonesia Depok berty.chrismartin@ui.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan teknologi yang amat pesat, menuntut pula adanya otomatisasi dan efisiensi dalam memperoleh informasi. Hal ini didukung pula oleh perkembangan mobile
Lebih 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 terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
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 terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih 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 terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN KARAKTER MANDARIN DENGAN METODE BACK PROPAGATION
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006 PENGENALAN KARAKTER MANDARIN DENGAN METODE BACK PROPAGATION DANIEL / 0600609706 MICHAEL WITANTO
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra digital saat ini sudah menjadi kebutuhan banyak orang untuk berbagai macam keperluan. Hal ini dilihat dari betapa pentingnya peranan citra digital di berbagai
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih 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 terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciHUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION
HUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION Harjono, Didik Warasto Politeknik Pratama Mulia Surakarta
Lebih terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciSISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR. Febrian Ardiyanto NIM :
SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR Oleh Febrian Ardiyanto NIM : 13203137 PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2007
Lebih terperinciALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT
ALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT Kristian Adi Nugraha 1), Albertus Joko Santoso 2), Thomas Suselo 3) 1,2,3) Program Studi Magister Teknik Informatika,
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciFacial Expression Recognition By Using Fisherface Methode With Backpropagation Neural Network
Facial Expression Recognition By Using Fisherface Methode With Backpropagation Neural Network Zaenal Abidin dan Agus Harjoko Abstract In daily lives, especially in interpersonal communication, face often
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB 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 terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciBAB 1 PENDAHULUAN. teknologi yang sangat penting adalah TIK (Teknologi Informasi dan Komunikasi).
BAB 1 PENDAHULUAN 1.1 Latar Belakang Era informasi memerlukan dukungan teknologi diberbagai bidang. Salah satu teknologi yang sangat penting adalah TIK (Teknologi Informasi dan Komunikasi). Telah banyak
Lebih terperinciPENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA
PENERAPAN ALGORITMA FUNGSI BOOLEAN SEBAGAI EKSTRASI CIRI PADA JARINGAN SYARAF TIRUAN PROPAGASI BALIK UNTUK PENGENALAN SIMBOL PETA Helmy Thendean Program Studi Teknik Informatika, Fakultas Teknologi Informasi
Lebih terperinciPENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR
PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR Ardilla Ayu Dewanti Ridwan, Ivanna K. Timotius, Iwan Setyawan PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA
Lebih terperinciBulu mata. Generalisasi= Jumlah pola dikenali dengan benar x 100% Jumlah total pola
Generalisasi Hasil penelitian ini diukur menggunakan nilai konvergen dan generalisasi. Nilai konvergen adalah tingkat kecepatan jaringan untuk mempelajari pola input yang dinyatakan dalam satuan iterasi
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciPengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation
Pengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation Andi Wahju Rahardjo Emanuel, Arie Hartono Jurusan S1 Teknik Informatika Fakultas
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 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih 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 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Zaman semakin berkembang pesat, begitu pula dengan teknologi dan ilmu pengetahuan yang juga turut berkembang dengan pesatnya. Hal ini, membuat manusia berpikir dan
Lebih terperinciPERANCANGAN APLIKASI UNLOCK SCREEN DENGAN MENGGUNAKAN FACE EXPRESSION PADA SMARTPHONE BERBASIS ANDROID
PERANCANGAN APLIKASI UNLOCK SCREEN DENGAN MENGGUNAKAN FACE EXPRESSION PADA SMARTPHONE BERBASIS ANDROID Jeklin Harefa 1, Alexander 2, Rhio Sutoyo 3 1,2,3 Universitas Bina Nusantara, Jl. K H. Syahdan No.
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem
1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciJurnal MIPA 35 (2): 194-203 (2012) Jurnal MIPA http://journal.unnes.ac.id/sju/index.php/jm RANCANG BANGUN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN FISHERFACE DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 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 terperinciPrototype Pendeteksi Jumlah Orang Dalam Ruangan
e-issn: 2528-4053 36 Prototype Pendeteksi Jumlah Orang Dalam Ruangan Nesi Syafitri 1, Adri 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Riau E-mail: nesisyafitri@uir.ac.id, adrisaputra91@gmail.com
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB I PENDAHULUAN. Dewasa ini kepedulian masyarakat Indonesia akan budaya-budaya lokal
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini kepedulian masyarakat Indonesia akan budaya-budaya lokal semakin memudar. Hal ini paling jelas terlihat di kalangan kaum muda, dimana mereka telah banyak
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peningkatan yang pesat dalam jumlah kendaraan dikota besar memiliki dampak terhadap kebutuhan parkir di tempat-tempat umum seperti di rumah sakit, kantor, pusat perbelanjaan,
Lebih terperinci1. Pendahuluan Perumusan Masalah Dari latar belakang yang dipaparkan di atas, masalah yang dapat dirumuskan adalah:
1. Pendahuluan 1.1. Latar Belakang Wajah manusia dapat menunjukkan dimorfisme seksual yang cukup jelas [1][2][3][4][5]. Wajah pria dan wanita memiliki bentuk dan tekstur yang berbeda, dan petunjuk yang
Lebih terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih 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 terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS ALGORITMA RESILIENT PROPAGATION
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS ALGORITMA RESILIENT PROPAGATION Disusun oleh : Nama : Robin Panjaitan NRP : 0622017 Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. untuk pengenalan ekspresi wajah diantara metode Non Negative Matrix
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Penelitian Penelitian akan dilakukan untuk mencari hasil yang paling optimal untuk pengenalan ekspresi wajah diantara metode Non Negative Matrix Factorization (NMF),
Lebih terperinciPENGENALAN EMOSI SESEORANG BERDASARKAN BENTUK BIBIR DENGAN METODE DISCRETE HARTLEY TRANSFORM ABSTRAK
PENGENALAN EMOSI SESEORANG BERDASARKAN BENTUK BIBIR DENGAN METODE DISCRETE HARTLEY TRANSFORM Lucas Sanjaya (1122034) Jurusan Teknik Elektro Email: Lucas_sanjaya93@yahoo.co.id ABSTRAK Ketika berhadapan
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 terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciJARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB,
JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB, sigitkus@ub.ac.id ABSTRAKSI Salah satu kelemahan umum pada pengenalan pola untuk
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
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 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 terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciAPLIKASI PENGENALAN TULISAN TANGAN UNTUK EKSPRESI MATEMATIKA BERBASISKAN KOMPUTER
APLIKASI PENGENALAN TULISAN TANGAN UNTUK EKSPRESI MATEMATIKA BERBASISKAN KOMPUTER Wikaria Gazali 1 ; Nilo Legowo 2 ; Harry Tedja Sukmana 3 1,2 Mathematics & Statistics Department, School of Computer Science,
Lebih terperinciImplementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET Muhammad Redha, Dwi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Permainan catur cina, yang dikenal sebagai xiang qi dalam bahasa mandarin, merupakan sebuah permainan catur traditional yang memiliki jumlah 32 biji catur. Setiap
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT
ALGORITMA BACKPROPAGATION PADA JARINGAN SARAF TIRUAN UNTUK PENGENALAN POLA WAYANG KULIT Kristian Adi Nugraha 1), Albertus Joko Santoso 2), Thomas Suselo 3) 1,2,3) Program Studi Magister Teknik Informatika,
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan Setelah dilakukan perancangan sistem evaluasi mutu berbasis komputer (logika fuzzy, pengolahan citra dan JST), maka dapat disimpulkan bahwa : 1. Program logika
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinci