PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
|
|
- Ade Darmadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Muhammad Nasir 1 dan Muhammad Syahroni 1 1 Dosen Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, NAD, masnasir_poli@yahoo.com, msyahroni@yahoo.com ABSTRAK Makalah ini menelaskan sebuah prosedur untuk mengui kualitas citra sidik ari kotor dengan metode Learning Vector Quantization (LVQ). Sebelum penguian citra sidik ari ditingkatkan kualitasnya menggunakan metode gabor filter dengan ukuran citra 208x154 piksel grayscale dalam format bitmap. Data diambil dari ibu ari 20 orang dengan 10 sampel per ari (200 citra sidik ari). Penguian ini dilakukan dengan menggunakan 4 citra sebagai pelatihan pada setiap kelasnya. Adapun umlah kelas pada penguian ini seluruhnya 20 kelas dengan tiap kelas terdiri dari 10 citra. Pada penguian 200 data citra sidik ari kotor dihasilkan peningkatan kualitas citra sidik ari sebesar 87%. Kata-kata kunci : Learning Vector Quantization, Sidik Jari Kotor, Gabor Filter, Peningkatan Kualitas Citra ABSTRACT This paper describes a novel procedure for testing the quality of fingerprint image soiled by the method of Learning Vector Quantization (LVQ). Before testing the fingerprint image enhanced by using the Gabor filter with a size of 208x154 pixel grayscale image in bitmap format. Data taken from the thumb 20 people with 10 samples per finger (200 fingerprint image). Testing was conducted using four images as training in every class. The number of classes in this test all 20 classes with each class consisting of 10 images. In the testing of 200 gross fingerprint image data generated fingerprint image quality improvement by 87%. Keywords: Learning Vector Quantization, Dirty Fingerprint, Gabor filters, Image Quality Enhancement I. PENDAHULUAN Sistem biometrik adalah sistem untuk melakukan identifikasi menggunakan ciri-ciri fisik atau anggota tubuh manusia, seperti sidik ari (fingerprint), waah, iris dan retina mata, suara. Teknologi biometrik memiliki beberapa kelebihan seperti tidak mudah hilang, tidak dapat lupa, tidak mudah dipalsukan, dan memiliki keunikan yang berbeda antara manusia satu dengan yang lain [1]. Salah satu anggota tubuh yang sangat sering digunakan oleh para ahli forensik di dalam investigasi kriminal dalam sistem biometrik dengan kehandalan sangat tinggi adalah sidik ari. Kendala utama dalam pengenalan sidik ari dengan metode berbasis minutiae, pada umumnya citra sidik ari memiliki kualitas yang rendah, disebabkan oleh enis kulit (berminyak, kering, cacat). Oleh karena itu, perbaikan kualitas citra sidik ari seharusnya menadi salah satu prioritas utama sebelum mengidentifikasi parameter-parameter yang berupa ciri (feature) dari obek didalam citra, untuk selanutnya parameter tersebut digunakan dalam mengiterpretasi citra untuk dapat diektraksi ciri dari citra tersebut. Untuk mencegah teradinya pengulangan data dibuat sistem informasi yang dapat mengidentifikasi kerusakan sidik ari. Dapat ditentukan empat enis kerusakan citra sidik ari, diantaranya : sidik ari normal,sidik ari kotor,sidik ari berminyak, dan sidik ari kering. Sidik ari sebagai salah satu masalah kompleks yang tidak memiliki model matematis yang elas akan diadikan sebagai bahan masukan Jaringan Saraf tiruan (JST). Salah satu metode yang dapat melakukan proses pengenalan pola sidik ari dalam JST adalah metode Learning Vector Quantization(LVQ). Penelitian ini bertuuan untuk mengui kualitas citra sidik ari kotor setelah proses gabor filter dengan menggunakan metode LVQ. II. TINJAUAN PUSTAKA Sidik ari merupakan tanda identitas biometrik tertua. Bagian dalam permukaan tangan dari uung ari ke pergelangan tangan berisi pola garis pada kulit, dengan alur/kerutan antara masing-masing pola garis. Pola garis di sepanang pori-pori yang mengeluarkan keringat [4]. Sebuah citra sidik ari terdiri dari ridge (punggung) dan valley (lembah) sebagaimana pada Gambar 1. Kualitas Citra Sidik Jari Kualitas citra sidik ari bergantung pada kondisi kulit [1][2]. Kulit kering cenderung menyebabkan kontak ridge tak konsisten dengan scanner dari permukaan roll scanner sehingga banyak struktur ridge mengisi piksel-piksel putih. Sebaliknya, lembah pada kulit berminyak cenderung 65
2 Jurnal Litek (ISSN: ) Volume 9 Nomor 1, Maret 2012: hal terisi dengan uap air, sehingga lembah tersebut tampak hitam pada citra yang telihat mirip dengan struktur ridge. Gambar 2, menunukkan citra sidik ari berminyak, netral, kering dan kotor. III. Gambar 1. Ridge dan Valley pada Sidik Jari output yang mewakili dari kelas tertentu. Arsitektur aringan saraf LVQ pada dasarnya sama dengan Kohenen Self Organizing Map(tanpa suatu struktur topologis yang diasumsikan untuk output) [6]. Arsitekturnya terdiri dari lapisan input, lapisan kompetitif (lapisan tersembunyi /hidden Layer),dan lapisan output seperti pada gambar 3. Lapisan kompetitif akan belaar secara otomatis untuk melakukan klasifikasi terhadap vektor input yang diberikan. Apabila beberapa vektor input memiliki arak yang sangat berdekatan, maka vektor input tersebut akan dikelompokkan dalam kelas yang sama. Gambar 3, Menunukkan aringan LVQ dengan 6 unit pada lapisan input, dan 2 unit (neuron) pada lapisan output[6]. IV. V. VI. VII. a. Oily b. Neutral c. Dry d. Dirty x 1 x2 x3 x4 x5 x-w1 x-w2 y_in1 y_in2 F 1 F 2 y 1 y2 Gambar 2.. Jenis-enis Citra Sidik Jari x6 Skor Keelasan Ridge-Valley Citra Sidik Jari Skor keelasan ridge-valley menunukkan kemampuan untuk membedakan ridge dan valley disepanang arah ridge. Sebuah metode yang menganalisis distribusi ridge dan valley yang telah disegmentasi diperkenalkan untuk menggambarkan keelasan pola sidik ari yang dihasilkan [3]. Untuk melakukan analisis keelasan lokal, citra sidik ari dikuantisasi ke dalam blok berukuran 32 x 32 piksel. Dalam setiap blok, dihitung sebuah orientasi garis yang tegak lurus terhadap arah ridge. Pada bagian tengah dari blok sepanang arah ridge, sebuah vektor dua dimensi V1 (bentuk persegi dalam Gambar 3) dengan ukuran 32 x 13 piksel yang dapat diekstraksi dan ditransformasi ke sebuah vektor vertikal dua dimensi V2 yang diratakan [5]. Dengan menggunakan Persamaan (1), sebuah vektor satu dimensi V3, yaitu profil rata-rata dari V2 dapat dihitung....(1) Dimana m adalah tinggi blok (13 piksel) dan i adalah indeks horisontal. Learning Vector Quantization (LVQ) LVQ adalah metode untuk klasifikasi(pengelompokkan) pola dan memiliki 66 Gambar 3. Contoh arsitektur aringan LVQ Gambar 4. Layer-layer pada LVQ, Fungsi masingmasing layer.(matlab) Dimana : R = nomor dari input vector S 1 = nomor dari competitive neuron 2 S = nomor dari neuron linear Pada gambar 4, dapat dielaskan sebagi berikut, Arsitekturnya terdiri dari lapisan input,lapisan kompetitif(lapisan tersembunyi /hidden Layer). Lapisan kompetitif akan belaar secara otomatis untuk melakukan klasifikasi terhadap vektor input yang diberikan. Pada lapisan linear layer berfungsi untuk meng-aktivasi hasil dari lapisan kompetitif. Perbaikan bobot pada metode Learning Vector Quantization (LVQ) adalah:
3 Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni w w Jika T = C maka: ( baru) = w ( lama) + α ( x w ( lama))..(2) Jika T = C maka : ( baru) = w ( lama) α ( x w ( lama))..(3) III. METODE PENELITIAN Secara umum, penelitian enhancement citra sidik ari kotor ini melalui beberapa tahapan proses, antara lain normalisasi bertuuan untuk menstandarisasi atau penyeragaman nilai intensitas citra sidik ari kotor, proses binerisasi untuk merubah nilai grayscale citra ke dalam suatu konversi citra digital, Gabor filter untuk proses peningkatan kualitas citra, thining dan minutiae. Proses akhir dalam penelitian ini adalah penguian kualitas citra dengan LPQ. Pada penelitian ini, subyek penelitian adalah mahasiswa. Data sidik ari akan diambil dengan meruuk pada pedoman pengambilan data Fingerprint Verification Competition (FVC) Database-2 (DB2), yakni menggunakan optical sensor fingerprint U.are.U 4000 yang diproduksi oleh digital persona dengan mendapatkan ukuran citra 208x154 piksel grayscale dalam format bitmap. Data diambil dari ibu ari 20 orang dengan 10 sampel per ari (200 citra sidik ari). Pengambilan sidik ari kotor, terlebih dahulu melalui tahapan dengan memberikan tinta atau debu yang disesuikan dengan seberapa kepekaan scan dapat membaca data sidik ari. Bila sidik ari terlalu kotor,maka data sidik ari tidak dapat dibaca oleh scan fingerprint. Gambar 5, merupakan contoh citra sidik ari kotor yang diambil dengan scan fingerprint U are U citra Setelah melalui proses normalisasi maka nilai umlah piksel di rata-ratakan sepanang nilai intensitas seperti yang di tunukkan pada Gambar 7 (d). Pada histogram di perlihatkan adanya penyeragaman nilai piksel gelap dan terang. Oleh karena itu normalisasi citra diperlukan untuk meningkatkan kontras antara ridge dan valley pada citra sidik ari. Gambar 6. Hasil Normalisasi Citra; (a) Citra Asli; (b) Citra Ternormalisasi 4.2. Penguian Binerisasi Binarisasi adalah proses dimana citra grayscale ditingkatkan ke dalam suatu konversi citra biner. Sebuah citra grayscale adalah mempunyai umlah tingkat satu grayscale yang spesifik. Untuk 8 bit citra grayscale bisa merepresentasikan = 255 intensitas atau tingkat abu-abu. Pada penelitian ini dilakukan dengan memakai beberapa nilai threshold dengan tuuan untuk melihat mana yang terbaik dalam proses binarisasi. Adapun nilai threshold yang di pilih antara lain 130, 150 dan 160. Gambar 5. Contoh Data Sidik Jari Kotor IV. HASIL DAN PEMBAHASAN 4.1. Penguian Normalisasi Proses normalisasi dilakukan untuk menstandartisasi atau menyeragamkan nilai intensitas citra sidik ari kotor dengan menyesuaikan cakupan deraat keabuan sehingga berada pada cakupan nilai yang diharapkan. Gambar 6, merupakan hasil dari normalisasi suatu citra sidik ari yang mempunyai nilai mean nol dan variance satu. Histogram citra asli yang ditunukkan pada Gambar 7 (c) menggambarkan bahwa semua nilai piksel tidak merata pada intensitas Gambar 7. Hasil Binarisasi dengan Nilai Threshold Berbeda (a) Citra Asli; (b) Threshold 130; (c) Threshold 150; (d) Threshold Penguian Thinning Setelah melalui beberapa tahapan segmentasi yaitu normalisasi dan binarisasi maka selanutnya citra sidik di thinning. Penerapan algoritma thinning pada citra sidik ari yang mempertahankan konektivitas sementara struktur ridge akan membentuk bagian penulangan (skeleton) dari citra biner. Skeleton citra ini kemudian 67
4 Jurnal Litek (ISSN: ) Volume 9 Nomor 1, Maret 2012: hal digunakan dalam ekstraksi minutiae selanutnya. Gambar 8, memperlihatkan hasil proses thinning. Gambar 8. Hasil Proses Thinning Dalam penguian pada penelitian ini proses thinning menggunakan algoritma berdasarkan evaluasi nilai piksel dan 8 piksel tetangga atau dikenal dengan the 8-neighborhood pixel, dengan piksel acuan P 1 pada matrik 3 x 3. Algoritma ini terdiri dari dua sub iterasi, dan untuk masing-masing iterasi dikenakan aturan yang berbeda dalam penentuan penghapusan piksel. Algoritma tersebut diterapkan dengan ketentuan variabel B dari piksel P1 adalah banyaknya bit 1, dimana B(i,) = SUM(P2 P9). Dan variabel A dari piksel P1 adalah umlah transisi dari 0 ke 1 searah arum am dari citra dengan 0 merepresentasikan piksel gelap (black) dari citra dan 1 merepresentasikan citra terang (white) atau lebih dikenal dengan region point bernilai 1 dan background point bernilai ( ) 1 P1 i, Pada penelitian ini proses enhancement di lakukan dengan menggunakan gabor filter, dimana citra sidik ari yang telah ternormalisasikan di konvolusi dengan 8 buah Filter Gabor dengan arah orientasi yang berbeda (0 o, 22.5 o, 45 o, 67.5 o, 90 o, o, 135 o, o ). Sehingga pada akhirnya terbentuk 8 buah citra baru terfilterisasi. Hasil dari proses orientasi Gabor filter untuk enhancement seperti yang ditunukkan pada Gambar 9. Pada penelitian nilai deviasi ditetapkan sebesar 32 dan k = 10, dimana k adalah nilai perioda. Hasil dari proses Gabor filter ditunukkan pada Gambar 9. Untuk tampilan Gabor Filter simetris genap untuk θ = 22.5 o seprti diperlihatkan pada Gambar 10. a b) Gambar 10. Hasil Gabor Filter Simetris Genap (a) Tampilan Posisi 0 o ; (b) Tampilan Posisi 22.5 o 4.5 Minutiae 4.4 Enhancement dengan Gabor Filter (a) Citra Asli (b) 0 o (c) 22.5 o (c) 45 o Gambar 11. Hasil Proses Minutiae (e) 67.5 o (e) 90 o (f) o (g) 135 o (h) o (i)citra Enhancemnet Gambar 9. Hasil Proses 8 Orientasi Gabor Filter Minutiae untuk menentukan vektor ridge ending dan bifurcation pada sebuah citra sidik ari. Pada penelitian ini minutia dilakukan terhadap citra asli dan citra hasil enhancement. Minutiae mempunyai 2 enis yaitu ridge ending dan ridge bifurcation. Vektor ridge ending adalah lokasi koordinat x, y dan sudut Ө dari uung garis ari. Sedangkan Vektor ridge bifurcation adalah koordinat x, y dan sudut Ө dari garis ari yang berbentuk 68
5 Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni cabang. Pada penelitian ini setelah melakukan proses enhancement maka minutia diperlukan untuk mengetahui umlah minutia cita asli sebelum di enhancement dengan umlah minutia citra setelah enhancement. Hasil dari minutia di tunukkan seperti pada Gambar 11. Pada panelitian ini, minutiae dilakukan 2 tahap yaitu minutiae untuk citra asli dan minutiae untuk citra hasil enhancement. Hasil dari proses minutiae menghasilkan terminasi dan bifurcation seperti yang ditunukkan pada Gambar 12. Gambar 12. Grafik Terminasi pada Citra Original Gambar 13. Grafik bifurcation pada Citra Original 4.6 Learning Vector Quantization (LVQ) Untuk mengukur tingkat keberhasilan enhancement citra sidik ari kotor pada penelitian ini, digunakan metode Learning Vector Quantization (LVQ). Penguian ini dilakukan dengan menggunakan 4 citra sebagai pelatihan pada setiap kelasnya. Adapun umlah kelas pada penguian ini seluruhnya 20 kelas dengan tiap kelas terdiri dari 10 citra. Adapun hasil dari LVQ ditunukkan pada Gambar 14. V. KESIMPULAN Berdasarkan ui coba dan analisis hasil penguian terhadap citra sidik ari kotor dengan menggunakan learning vektor quantization dan gabor filter untuk mendapatkan peningkatan kualitas citra, dapat disimpulkan hasil penelitian dilakukan untuk 8 orientasi, yaitu 0 o, 22.5 o, 45 o, 67.5 o, 90 o, o, 135 o, o. Untuk mengukur tingkat keberhasilan enhancement citra sidik ari kotor pada penelitian ini, digunakan metode Learning Vector Quantization (LVQ). Dari hasil diperoleh tingkat keberhasilan pengenalan adalah 87%. DAFTAR PUSTAKA [1] Arun, R. Jain, A. dan Resimen, J., 2002, A Hybrid Fingerprint Matcher, Proceedings Of International Conference on Pattern Recognition (ICPR), Quebec City, hal [2] Maltoni, D. Maio, A.K. Jain, S. Prabhakar, 2003, Handbook of Fingerprint Recognition, Springer, New York. [3] Peng Yang et.al. 2002, Face Recognition Using Ada-Boosted Gabor Feature. Institute of Computing Technology of Chinese Academy Science and Microsoft Research Asia, China. [4] H.C. Lee, R.E. Gaensslen, Advances in Fingerprint Technology, CRC Press, Boca Raton, FL, 2001, p.274. [5] T.P. Chen, X. Jiang, X, W.Y. Yau, Proceedings of Conference on Image Process, Singapore, 2 (2004) [6] Kusumadewi. Sri, Membangun Jaringan Syaraf Tiruan Menggunakan Matlab dan Excel Link, Graha Ilmu, Jogyakarta. Gambar 14. Grafik Penguian LVQ 69
ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER
ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1), Tulus 2), F. Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1),Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciMuhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com
Lebih terperinciEnhancement Citra Sidik Jari Kotor Menggunakan Hybrid Method Dan Gabor Filter
Enhancement Citra Sidik Jari Kotor Menggunakan Hbrid Method Dan Gabor Filter Muhammad Nasir 1,3) Rahmat Sam,3) Mochamad Hariadi 3) 1) Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, NAD,431 ) Jurusan
Lebih terperinciDeteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation
th Seminar on Intelligent Technology and Its Applications, SITIA 00 ISSN: 087-33X Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation Cahyo Darujati,3 Rahmat Syam,3 Mochamad Hariadi
Lebih terperinciPENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik
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 terperinciPengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik
Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Sri Heranurweni 1 1) Jurusan Teknik Elektro, Universitas Semarang email : heranur@yahoo.com Abstrak : Teknik identifikasi konvensional
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 2 TINJAUAN PUSTAKA. Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan
19 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Biometrik Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan bagian tubuh atau perilaku manusia. Sidik jari dan tanda tangan merupakan contoh biometrik
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 terperinciKLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *
KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciPENENTUAN NILAI STANDAR DISTORSI BERMINYAK PADA AKUISISI CITRA SIDIK JARI
MAKARA, TEKNOLOGI, VOL. 15, NO. 1, APRIL 011: 55-6 PENENTUAN NILAI STANDAR DISTORSI BERMINYAK PADA AKUISISI CITRA SIDIK JARI Rahmat Syam 1*), Mochamad Hariadi, dan Mauridhi Hery Purnomo 1. Jurusan Matematika,
Lebih terperinciBAB I PENDAHULUAN. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,
1 BAB I PENDAHULUAN A. Latar belakang Saat ini pemanfaatan teknologi pengolaan citra untuk mempermudah manusia dalam menyelesaikan masalah-masalah tertentu sudah banyak diterapkan, khususnya dibidang Identifikasi.
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 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 terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM) Cilla Sundari 1, Muhammad Nasir 2, Hari Toha Hidayat 3 Program Studi Teknik Informatika, Jurusan Teknologi
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
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 terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciPembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD)
Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 1, Januari 2003, hal 5-10 Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Kusworo Adi Laboratorium Instrumentasi dan Elektronika
Lebih terperinciJurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE
ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT
Mikrotiga, Vol, No. Mei 0 ISSN : 0 PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT Suci Dwijayanti *, Puspa Kurniasari Jurusan Teknik Elektro Universitas Sriwijaya,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan
Lebih terperinciTeknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari
Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Okta Hadi Saputra, Irawan Jurusan Teknik Elektro FTI - ITS Abstrak Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinciPengukuran Blok Window Terbaik Berdasarkan MSE...
Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciSISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION Abdul Fadlil dan Surya Yeki Program Studi Teknik Elektro, Fakultas Teknologi Industri, Univesitas Ahmad Dahlan, Kampus
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 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 terperinciIDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA
IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA Anggya N.D. Soetarmono, S.Kom. ABSTRAK Penelitian ini membahas tentang sistem identifikasi personal dengan menggunakan kesesuaian biometrik pada
Lebih terperinciBAB 3 METODOLOGI. 3.1 Kerangka Pikir
BAB 3 METODOLOGI 3.1 Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manuasia. Namun mata manusia memiliki keterbatasan
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 terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciIDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ)
IDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) Budi Setiyono, R. Rizal Isnanto *) Abstract Biometric represents the human identification
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 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 terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
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 terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan. Halaman Motto. Kata Pengantar.
DAFTAR ISI Halaman Judul i Lembar Pengesahan Pembimbing ii Lembar Pengesahan Penguji iii Halaman Persembahan iv Halaman Motto v Kata Pengantar vi Abstraksi viii Daftar Isi ix Daftar Gambar xii Daftar Tabel
Lebih terperinciCitra. Prapengolahan. Ekstraksi Ciri BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai pengenalan pola, pengolahan citra,
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Jaringan Saraf Tiruan Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem saraf secara biologis, seperti proses informasi pada otak manusia.
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih 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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tanda Tangan Tanda tangan atau dalam bahasa Inggris disebut signature berasal dari latin signare yang berarti tanda atau tulisan tangan, dan biasanya diberikan gaya tulisan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih terperinciTugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya
Tugas Teknik Penulisan Karya Ilmiah Sistem Identifikasi Biometrik Finger Knuckle Print Menggunakan Histogram Equalization dan Principal Component Analysis (PCA) M.FAIZ WAFI 09121001043 Sistem Komputer
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
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 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 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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciSISTEM 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 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 terperinciBAB II DASAR TEORI. 2.1 Citra Digital
BAB II DASAR TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f (x,y) dua dimensi,dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan
Lebih terperinciIdentifikasi Tumor Otak Menggunakan Jaringan Syaraf Tiruan Propagasi Balik pada Citra CT-Scan Otak Vinny Marita a, Nurhasanah a*, Iklas Sanubary a
Identifikasi Tumor Otak Menggunakan Jaringan Syaraf Tiruan Propagasi Balik pada Citra CT-Scan Otak Vinny Marita a, Nurhasanah a*, Iklas Sanubary a a Prodi Fisika, FMIPA Universitas Tanungpura, Jalan Prof.
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciDETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Sri Suwarno 1, Sri Hartati 2 1 Program Studi Teknik Informatika UKDW Yogyakarta 2 Program Studi Ilmu Komputer Fakultas
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
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 terperinciPerancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor
Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 2, April 2003, hal. 39-46 Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Kusworo Adi Laboratorium Instrumentasi
Lebih terperinciAPLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI
APLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI Arie Firmansyah Permana ), Achmad Hidayatno ), R. Rizal Isnanto ) Jurusan Teknik Elektro, Fakultas
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 terperinciIMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ) UNTUK PENGENAL POLA SIDIK JARI PADA SISTEM INFORMASI NARAPIDANA LP WIROGUNAN
Media Informatika, Vol. 4, No. 1, Juni 2006, 51-65 ISSN: 0854-4743 IMPLEMENTASI LEARNING VECTOR QUANTIZATION (LVQ) UNTUK PENGENAL POLA SIDIK JARI PADA SISTEM INFORMASI NARAPIDANA LP WIROGUNAN Djalu Ranadhi,
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih 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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Citra Digital Gambar atau citra merupakan informasi yang berbentuk visual. Menurut kamus Webster citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau
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 terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinciIMPLEMENTASI SELF ORGANIZING MAP DALAM KOMPRESI CITRA DIGITAL
IMPLEMENTASI SELF ORGANIZING MAP DALAM KOMPRESI CITRA DIGITAL Hisar M. Simbolon (1) Sri Suwarno (2) Restyandito (3) hisarliska@gmail.com sswn@ukdw.ac.id dito@ukdw.ac.id Abstraksi Kompresi citra digital
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih 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 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 terperinciYOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
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 terperinciSISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING
SISTEM IDENTIFIKASI BERDASARKAN POLA SIDIK JARI TANGAN MENGGUNAKAN MINUTIAE-BASED MATCHING Disusun Oleh : Dimastya Yonathan Pratama (1022061) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Tahap sebelum perancangan berhubungan dengan proses penglihatan awal. Tujuan utama dari prapemrosesan adalah untuk menggembangkan gambaran yang berguna dari bentuk
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)
PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF) AINUN JARIAH 1209201721 DOSEN PEMBIMBING 1. Prof. Dr. Mohammad Isa Irawan, M.T 2. Dr Imam Mukhlas, S.Si, M.T
Lebih terperinci