BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Fanny Hartono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan identifikasi terhadap tanda tangan asli dan tanda tangan palsu yang diujikan. Data yang digunakan adalah data yang didapatkan dari pengambilan data secara manual pada bulan Mei 2014 bertempat di Universitas Kristen Duta Wacana (UKDW), Yogyakarta. Tujuan akhir penelitian ini adalah agar dapat berkontribusi serta memberikan manfaat dalam meningkatkan akurasi dalam pengenalan keaslian tanda tangan. 1.1 Latar Belakang Proses identifikasi diperlukan untuk membedakan seseorang dengan orang lain. Proses identifikasi dilakukan dengan mengetahui dan mengenali karakteristik tertentu dari seseorang tersebut. Pengembangan dari metode dasar identifikasi dengan menggunakan karakteristik alami manusia sebagai basisnya dikenal sebagai biometrik [1]. Biometrik merepresentasikan suatu metode autentifikasi yang menyatakan something you are atau Schneier menyebut you are your key [2]. Terdapat banyak tipe biometrik antara lain sidik jari, pengenalan suara, retina dan tanda tangan. Pada penelitian ini model biometrik yang digunakan adalah tanda tangan. Setiap orang memiliki tanda tangan yang unik dan berbeda satu sama lain. Tanda tangan menjadi sebuah cara untuk memvalidasi seseorang, contohnya antara lain jika seseorang tersebut akan melakukan pengambilan uang di bank atau digunakan untuk validasi kehadiran pada saat rapat, ujian dan sebagainya. Tanda tangan juga digunakan untuk pengecekan dokumen yang penting seperti buku tabungan, ijasah, surat kuasa dan dokumen lainnya. Melihat sejumlah besar tanda tangan diverifikasi visual setiap harinya secara manual maka memunculkan adanya potensi pembuatan sebuah sistem yang dapat melakukan verifikasi tanda tangan untuk memastikan keaslian tanda tangan dan mencegah adanya tindak 1
2 pemalsuan tanda tangan. Teknologi identifikasi untuk pengenalan pola tanda tangan termasuk di dalam biometrik yang menggunakan karakteristik perilaku alami manusia [3]. Perkembangan teknologi saat ini memungkinkan adanya dua tipe tanda tangan, yaitu tanda tangan online dan offline. Untuk penelitian ini nantinya akan lebih banyak membahas mengenai pengenalan tanda tangan offline. Pengenalan tanda tangan offline memiliki dua permasalahan utama, yaitu pengenalan tanda tangan dengan data sampel yang terbatas dan kemampuan sistem untuk mengenali tanda tangan seseorang dari beberapa model pemalsuan tanda tangan (random, unskilled, skilled) [4]. Dalam kehidupan nyata, sangat sulit untuk mendapatkan data sampel untuk menguji kebenaran tanda tangan seseorang misalnya saja untuk pengujian terhadap ada tidaknya tindak kecurangan joki pada saat pembelian tiket kereta atau pada saat ujian masuk universitas karena data sampel yang ada hanya terbatas misalnya saja untuk ujian data sampel yang ada hanya tanda tangan yang ada pada kartu ujian mahasiswa. Selain itu tindak pemalsuan tanda tangan ada beberapa macam, ada model pemalsuan random biasanya pemalsu membuat sendiri tanda tangan yang akan dipalsu tanpa mengetahui tanda tangan asli seperti apa. Lalu terdapat model pemalsuan belum terlatih (unskilled forgery), pemalsu dengan model ini mencoba menirukan tanda tangan asli tanpa melatih tanda tangan tersebut terlebih dahulu. Kemudian ada model pemalsuan terlatih (skilled forgery), pemalsu mempelajari terlebih dahulu tanda tangan asli dan memalsukan tanda tangan asli dengan hampir sempurna. Pengenalan tanda tangan terdapat berbagai macam metode yang dapat digunakan, antara lain Pattern Matching, Backpropagation Network, Hidden Markov Model (HMM), Support Vector Machine (SVM) dan masih banyak lagi [5]. Hal terpenting sebelum memasukkan data ke dalam berbagai macam metode di atas adalah terlebih dahulu data harus melalui tahap praproses dan ekstraksi fitur. Beberapa model praproses antara lain metode Otsu, median filter dan lainnya [6]. Kemudian beberapa contoh ekstraksi fitur antara lain dapat dilakukan dengan Zernike Moment [7], Dynamic Time Warping (DTW) [6], Polar Fourier Transform (PFT) [8] atau metode-metode yang lain. Dengan melakukan 2
3 kombinasi terhadap beberapa metode ekstraksi fitur yang ada nantinya akan dapat memberikan hasil yang cukup baik dalam pengenalan tanda tangan asli dan palsu. SVM adalah sebuah teknik yang dapat dibilang baru dalam bidang recognition. Pada dasarnya SVM adalah sebuah klasifikasi yang memisahkan secara linear dua buah kelas yang ada dengan mencari terlebih dahulu hiperplane maximum margin antara dua buah kelas yang ada [9]. Sedangkan Multilayer Perceptron adalah sebuah contoh dari Artificial Neural Network (ANN) yang biasanya digunakan untuk memberikan solusi terhadap permasalahan yang berbeda, misalnya untuk pengenalan pola dan interpolasi [10]. Diharapkan dengan adanya penelitian ini maka dapat dilakukan percobaan beberapa kombinasi metode untuk menyelesaikan beberapa masalah yang banyak terjadi dalam pendeteksian tanda tangan palsu menggunakan komputer, yaitu permasalahan data citra yang memiliki terlalu banyak derau dan citra tanda tangan palsu memiliki bentuk yang hampir mirip dengan tanda tangan asli. 1.2 Perumusan masalah Banyaknya kebutuhan untuk validasi tanda tangan untuk setiap harinya memungkinkan adanya kesalahan dalam pengenalan keaslian tanda tangan. Walaupun sudah banyak dilakukan penelitian mengenai pengenalan tanda tangan akan tetapi masih terdapat banyak kesalahan akibat pemalsuan tanda tangan. Oleh karena itu diperlukan sebuah pengujian dengan membandingkan metode-metode yang sudah ada untuk mencari metode yang terbaik dan melakukan kombinasi beberapa metode tersebut untuk meningkatkan akurasi dari sistem pengenalan keaslian tanda tangan saat terjadi pemalsuan dengan model skilled forgery. 1.3 Batasan Penelitian 1. Citra yang digunakan dalam percobaan adalah citra tanda tangan yang discan dengan resolusi 300 dpi. 2. Citra hasil scan disimpan dalam bentuk JPEG dengan ukuran 600x428 piksel. 3
4 1.3 Keaslian Penelitian Penelitian tentang pengenalan tanda tangan telah banyak dilakukan oleh para peneliti. Pada bagian ini diberikan kajian mengenai beberapa penelitian yang telah dilakukan sebelumnya untuk pengenalan tanda tangan. Kajian dilakukan untuk memberikan informasi mengenai perbedaan dan kebaruan antara penelitianpenelitian sebelumnya dengan penelitian yang dilakukan pada saat ini. Chen dan Srihari melakukan penelitian dengan menggunakan ekstraksi fitur Dynamic Time Warping (DTW) untuk melihat kesamaan antara tanda tangan satu dengan lainnya [6]. Metode DTW digunakan dengan melihat kesamaan antara kontur tanda tangan yang satu dengan lainnya. Kemudian pada pembahasan metode DTW dikombinasikan dengan Zernike Moment digunakan sebagai ekstraksi fitur dalam penelitian ini. Data yang digunakan adalah 1320 data tanda tangan asli dan 1320 data tanda tangan palsu. Dari data tersebut didapatkan hasil kombinasi DTW dan Zernike Moment memberikan tingkat akurasi mencapai 95%. Zhang dan Lu memperkenalkan metode ekstraksi fitur Polar Fourier Transform (PFT) untuk mengenali bentuk pada pengenalan gambar pada database citra bentuk MPEG-7 [11]. Pada penelitian ini didapatkan bahwa metode PFT memiliki hasil yang lebih baik daripada Zernike Moment Descriptor. Penelitian yang dilakukan Zhang dan Lu dikuatkan dengan penelitian yang dilakukan oleh Kadir dkk. Kadir dkk menggunakan citra daun [8] untuk menguji metode PFT. Penelitian ini memfokuskan pada pengenalan daun dengan membandingkan beberapa metode ekstraksi fitur. Adapun metode yang dibandingkan untuk ekstraksi fitur adalah Moment Invariant (Hu), Zernike Moment dan Polar Fourier Transform. Penelitian ini menggunakan 52 jenis tumbuhan dengan berbagai macam bentuk daun. Pada kesimpulan, didapatkan bahwa PFT memberikan hasil yang cukup baik dengan memberikan tingkat akurasi sebesar 64% dan lebih baik dibandingkan metode lainnya. Jariah dkk. melakukan pengenalan tanda tangan off line dengan metode klasifikasi Radial Basis Function (RBF) [3]. Penelitian ini menggunakan 150 data 4
5 tanda tangan dari 10 responden sebagai tanda tangan latih, sedangkan untuk pengujian digunakan 30 tanda tangan dari 10 responden tersebut. Data tanda tangan yang ada menggunakan ekstraksi fitur dengan Moment Invariant (Hu). Jariah dkk. melakukan klasifikasi menggunakan RBF sehingga didapatkan tingkat akurasi 80% untuk pengenalan tanda tangan latih dan tanda tangan yang diujikan. Permasalahan yang terjadi dalam penelitian ini adalah adanya pola tanda tangan yang tidak dapat dikenali karena terdapat perbedaan dalam ukuran dan posisi dari semua tanda tangan yang diambil. Selain penelitian klasifikasi yang dilakukan oleh Jariah dkk. terdapat juga penelitian oleh Justino dkk.. Justino dkk. membandingkan klasifikasi dengan SVM dan HMM untuk melakukan verifikasi tanda tangan offline [4]. Penelitian ini menggunakan 100 orang responden dan menggunakan klasifikasi HMM dan SVM dalam melakukan identifikasi dan verifikasi tanda tangan. Pada penelitian ini didapati bahwa dengan 6 data sampel tanda tangan asli, sistem dapat melakukan identifikasi dengan baik, hal ini dapat dilihat dari hasil eror rate untuk HMM adalah 19% dan untuk SVM adalah 13%. Hasil eror rate terlihat semakin berkurang jika semakin banyaknya data sampel yang dimasukkan. Setelah dilakukan penelitian, ada beberapa kelemahan yang terlihat, yaitu terjadi kesalahan yang cukup tinggi yaitu lebih dari 20% dalam pengenalan tanda tangan saat data sampel yang digunakan kurang dari 5 buah. Kemudian kelemahan berikutnya adalah pada saat diujicobakan tanda tangan palsu dengan model simulated forgery didapati bahwa semakin banyak data sampel tanda tangan palsu yang dimasukkan ke dalam sistem menyebabkan nilai forgery error rate semakin tinggi, sehingga tanda tangan palsu tersebut akan dikenali sebagai tanda tangan asli. Kiani dkk. [12] menggunakan dua model data yaitu model pertama terdiri dari 600 data tanda tangan dari 20 penulis asal Persia dan model kedua terdiri dari 924 data tanda tangan dari 22 penulis asal Inggris. Penelitian ini menghasilkan hasil identifikasi untuk penulis asal Persia 96%, dengan False Rejection Rate (FRR) hanya sebesar 4% dan nilai False Acceptance Rate (FAR) 17%. Sedangkan 5
6 untuk data tanda tangan penulis asal Inggris didapati bahwa FRR 19% dengan FAR 2% untuk simpel forgery dan 22% nilai FAR untuk simulated forgery. Metode yang digunakan untuk ekstraksi fitur dalam penelitian ini adalah local Radon Transform dan untuk proses klasifikasi menggunakan Support Vector Machine (SVM). Nguyen dkk. [13] melakukan pengujian terhadap verifikasi tanda tangan menggunakan tambahan Modified Direction Feature (MDF) dan Enhanced MDF (EMDF) untuk proses ekstraksi fitur. Kemudian untuk proses klasifikasi menggunakan perbandingan antara MultiLayer Perceptron (MLP), RBF dan SVM. Dari hasil penelitian didapatkan bahwa teknik SVM memberikan hasil yang lebih baik dari pada teknik klasifikasi yang lain. Kemudian Patil dan Hegadi [14] yang melakukan analisis identifikasi tanda tangan menggunakan SVM baik linear maupun non-linear dan saat klasifikasi dijalankan ditambahkan teknik Sequential Optimazation untuk mempercepat proses optimasi. Dari penelitian ini menggunakan Daubechies Wavelet Transform untuk ekstraksi fitur. Pada klasifikasi menggunakan linear kernel dan RBF kernel. Hasilnya adalah untuk linear kernel nilai FAR adalah 13% dan FRR 10%, sedangkan untuk RBF nilai prosentase untuk FAR adalah 15%, dan nilai FRR didapatkan 12%. Ito dkk. [15] mengatakan bahwa setiap kali diadakan penelitian untuk identifikasi tanda tangan selalu ada permasalahan yang sama, yaitu permasalahan untuk meningkatkan akurasi dan mengurangi sampel data training. Akan tetapi tanda tangan setiap orang terkadang cukup bervariasi selama kurun waktu tertentu, semakin sedikit data sampel yang dimiliki maka meningkatkan FRR dari tanda tangan asli tersebut. Oleh karena itu dikembangkan sebuah SVM dengan menggabungkan teknik untuk fitur online dengan menggunakan teknik Dynamic Programming Matching dan teknik untuk offline dengan menggunakan fitur gradient vector untuk merepresentasikan bentuk dari tanda tangan. Hasilnya adalah didapatkan 89,65% akurasi untuk verifikasi dari 3 sampel tanda tangan dan 92,96% untuk akurasi tanda tangan dengan 6 sampel tanda tangan. 6
7 Kumawat dkk. [9] melakukan beberapa percobaan menggunakan metode HMM, SVM dan kombinasi HMM-SVM dengan kombinasi dari Curvelet Transform dan Invariant Transform. Dari percobaan dengan minimal sampel yang digunakan dalam training(10 sampel) didapati akurasi SVM cukup tinggi yaitu 99,4% kemudian untuk HMM hanya 90% dan untuk kombinasi SVM-HMM 90%. Nilai tertinggi untuk HMM adalah 97,8% untuk 90 sampel, sedangkan untuk kombinasi HMM-SVM mencapai tertinggi di 99,11% untuk 120 sampel data. Pada percobaan yang dilakukan ini dapat dilihat bahwa tingkat akurasi SVM masih cukup tinggi dibandingkan HMM-SVM. Akan tetapi pada percobaan ini beberapa permasalahan yaitu perbedaan dari banyak kata yang ditulis mempengaruhi keakuratan pendeteksian sehingga untuk itu akan dilakukan percobaan yang hampir sama dengan data tanda tangan untuk mengetahui tingkat akurasi dari kombinasi HMM-SVM untuk proses pengenalan tanda tangan. Penelitian dalam bidang pengenalan tanda tangan telah banyak dilakukan, berikut ini adalah beberapa penelitian yang telah dilakukan yang dirangkum pada Tabel 1.1. Tabel 1.1 Tabel perbandingan keaslian penelitian No Peneliti Data Metode Keterangan 1. Chen dan Srihari [6], citra tanda tangan asli dan 1320 citra tanda tangan palsu 2. Zhang dan database citra Lu [11], bentuk MPEG Dynamic Time Akurasi Warping (DTW), pengenalan tanda Zernike Moment. tangan sebesar 94,9%. Polar Fourier Transform (PFT) dan Zernike Moment Descriptor (ZMD). PFT lebih baik dibandingkan ZMD. 7
8 Tabel 1.2 Tabel perbandingan keaslian penelitian (lanjutan) No Peneliti Data Metode Keterangan 3. Kadir dkk. 52 jenis [8], tumbuhan dengan berbagai macam bentuk daun Perbandingan hasil PFT memberikan pengenalan bentuk tingkat akurasi daun menggunakan yang lebih baik Moment Invariant, dibandingkan Zernike Moment dan PFT. metode lain, yaitu sebesar 64%. 4. Jariah dkk. 150 citra Ekstraksi fitur Akurasi sebesar [3], tanda tangan dengan Moment 80% dengan error untuk data Invariant. Untuk yang terjadi sekitar latih dan 30 klasifikasi 20%. Kesalahan citra tanda menggunakan Radial pengenalan tanda tangan untuk Basis Function tangan terjadi data uji. dengan alternatif akibat perbedaan dari Multilayered ukuran dan posisi Feedforward Neural dari citra tanda (MFN) yang telah tangan yang dikembangkan. diambil. 5. Justino 1600 citra Ekstraksi fitur dengan SVM memberikan dkk. [4], tanda tangan. grid segmentation. Untuk klasifikasi membandingkan Hidden Markov Model hasil yang lebih baik dibandingkan HMM. (HMM) dan SVM. 8
9 Tabel 1.3 Tabel perbandingan keaslian penelitian (lanjutan) No Peneliti Data Metode Keterangan 6. Kiani dkk. [12], Nguyen dkk. [13], citra tanda tangan dari 20 orang Persia dan 924 citra dari 22 orang Inggris citra palsu dengan model simulated simple forgery. Ekstraksi Fitur dengan Radon Transform dan Line Segment Detection. Metode klasifikasi yang digunakan adalah SVM dengan RBF kernel. Membandingkan tanda tangan hasil klasifikasi asli dari 160 SVM dengan 2 volunter dan teknik Neural 4800 citra Network (RBF dan tanda tangan RBP). Hasil kombinasi local Radon Transform dan SVM memberikan hasil cukup baik untuk pengenalan tanda tangan. Nilai DER (Distinguishing Error Rate) yang didapatkan dari ratarata kesalahan pengenalan tanda tangan asli untuk model pemalsuan paling baik jika jumlah training data untuk skilled forgery sebanyak 25 citra untuk pengujian dengan 5 citra. 9
10 Tabel 1.4 Tabel perbandingan keaslian penelitian (lanjutan) No Peneliti Data Metode Keterangan 8. Patil dan Hegadi [14], Ito dkk. [15], citra Ekstraksi fitur Mengalami tanda tangan asli dan citra tanda tangan palsu citra tanda tangan asli dan citra tanda tangan palsu dengan model skilled forgery. menggunakan Daubechies Wavelet Transform dan menggunakan SVM dengan linear kernel dan RBF kernel. Melakukan verifikasi tanda tangan online berdasarkan fitur gradien, menyamakan hasil Dynamic Programming (DP), kesalahan dalam pendeteksian tanda tangan palsu sebagai tanda tangan asli sebanyak 13% saat menggunakan SVM dan 15% pada saat menggunakan RBF kernel. Kombinasi online fitur dan offline fitur meningkatkan akurasi dalam melakukan verifikasi. Hasil akurasi pengenalan dan melakukan tanda tangan dari 3 klasifikasi dengan sampel adalah SVM. 89,65% dan untuk 6 sampel tanda tangan tangan akurasinya meningkat menjadi 92,96%. 10
11 Tabel 1.5 Tabel perbandingan keaslian penelitian (lanjutan) No Peneliti Data Metode Keterangan 10. Kumawat 200 sampel dkk. [9], tulisan tangan 2013 dari dua orang dan mengaplikasik an tiga teknik penulisan yang berbeda. 11. Penelitian 465 citra tanda yang akan tangan asli dan dilakukan 465 citra tanda tangan palsu Membandingkan Hasil klasifikasi metode klasifikasi SVM memberikan HMM, SVM dan tingkat akurasi kombinasi HMM- 99,4% jika SVM untuk menggunakan 200 mendeteksi tulisan sampel data tangan. training. Ekstraksi fitur yang Melakukan digunakan adalah pengujian dengan Dynamic Time membandingkan Warping (DTW) dan metode ekstraksi Polar Fourier fitur DTW, PFT Transform (PFT) dan kombinasi serta kombinasi DTW dan PFT antara DTW dan untuk mencari tahu PFT. Kemudian pada metode ekstraksi saat klasifikasi fitur yang terbaik. membandingkan Kemudian antara metode menggunakan Support Vector metode klasifikasi Machine (SVM) dan SVM dan MLP Multilayer Perceptron (MLP). untuk metode mengetahui terbaik dalam pengenalan keaslian tanda tangan. 11
12 1.4 Tujuan Penelitian Tujuan utama dalam penelitian adalah membandingkan tingkat akurasi metode-metode ekstraksi fitur yang ada untuk mencari metode terbaik dalam mengenali keaslian tanda tangan. Kemudian setelah mengetahui metode yang terbaik maka dilakukan kombinasi metode yang satu dengan lainnya untuk meningkatkan akurasi pengenalan keaslian tanda tangan. 1.5 Manfaat Penelitian Penelitian ini mengkombinasikan beberapa metode untuk meningkatkan akurasi dalam pengenalan keaslian tanda tangan. Setelah dilakukan beberapa studi literatur terdapat beberapa metode yang dapat digunakan dalam meningkatkan akurasi dalam pengenalan keaslian tanda tangan. Manfaat dari penelitian ini guna mengembangkan teknik praproses dan seleksi fitur yang ada untuk dapat menghasilkan identifikasi yang baik walaupun data yang diujikan mengalami kekurangan. Penelitian ini diharapkan dapat dimanfaatkan oleh para praktisi dalam pengenalan tanda tangan asli ataupun palsu. 1.6 Ringkasan Latar belakang dilakukan penelitian ini adalah untuk mengurangi kesalahan verifikasi tanda tangan secara manual. Penulis melihat bahwa terdapat banyak tanda tangan yang dipalsukan dalam kehidupan sehari-hari sehingga memungkinkan terjadi kesalahan pengenalan tanda tangan akibat pemalsuan. Metode untuk pengenalan tanda tangan telah banyak diteliti oleh peneliti-peneliti lain. Penelitian ini mengkombinasikan beberapa metode yang sudah ada untuk meningkatkan akurasi dalam pengenalan keaslian tanda tangan sehingga dapat digunakan dalam kehidupan sehari-hari. 12
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang !! "(!
"( BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan (signature) adalah sebuah tanda (sign) atau symbol yang merupakan versi miniatur dari pemiliknya. Tanda tangan bukanlah sembarang tanda atau symbol,
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinciBAB 1 PENDAHULUAN. barang yang berharga di dalam masyarakat. Oleh karena itu maka dibutuhkan suatu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan berkembangnya teknologi informasi, maka informasi menjadi suatu barang yang berharga di dalam masyarakat. Oleh karena itu maka dibutuhkan suatu sistem yang dapat
Lebih terperinciPERANAN KONTUR DAN SLOPE DALAM PENGENALAN KEASLIAN TANDA TANGAN MENGGUNAKAN DYNAMIC TIME WARPING DAN POLAR FOURIER TRANSFORM
PERANAN KONTUR DAN SLOPE DALAM PENGENALAN KEASLIAN TANDA TANGAN MENGGUNAKAN DYNAMIC TIME WARPING DAN POLAR FOURIER TRANSFORM Ignatia Dhian Estu Karisma Ratri 1 ignatiadhian@staff.ukdw.ac.id Hanung Adi
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 terperinciBAB I PENDAHULUAN. perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini. 1.1
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
Lebih 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 terperinciVerifikasi Tanda Tangan Dengan Algoritma K-Nearest Neighbor dan Ekstraksi Ciri Harris Corner
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Verifikasi Tanda Tangan Dengan Algoritma K-Nearest Neighbor dan Ekstraksi Ciri Harris Corner Andi Kartono *1, Derry Alamsyah 2 1 STMIK GI MDP; Jl.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Tanaman merupakan bagian penting dalam ekosistem, berbagai jenis tanaman telah digunakan selama berabad-abad dalam bidang pangan, papan, maupun obat-obatan. Gloria Samantha
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB I PENDAHULUAN. masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang masalah, identifikasi masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini. 1.1 Latar
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Data mining adalah proses mengeksplorasi dan menganalisis data dalam jumlah besar untuk menemukan pola dan rule yang berarti (Berry & Linoff, 2004). Klasifikasi adalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
Lebih terperinciBAB 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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia selalu memanfaatkan teknologi untuk melakukan kegiatannya. Ini dikarenakan teknologi membuat tugas manusia menjadi lebih ringan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciBAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada
Lebih terperinciPenggunaan Ciri Geometric Invariant Moment pada Pengenalan Tanda Tangan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 859-867 http://j-ptiik.ub.ac.id Penggunaan Ciri Geometric Invariant Moment pada Pengenalan Tanda
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 terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini, eksperimen dilakukan dua kali, dimana setiap eksperimen memiliki perbedaan pada pembagian dari kelas-kelas kanker. Eksperimen pertama
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem jaringan komputer memiliki peran yang sangat penting dalam masyarakat modern karena memungkinkan informasi dapat diakses, disimpan dan dimanipulasi secara online.
Lebih terperinciPENGENALAN TANDA TANGAN DENGAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN EUCLIDEAN DISTANCE
PENGENALAN TANDA TANGAN DENGAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN EUCLIDEAN DISTANCE Fitri Damayanti D3 Manajemen Informatika Universitas Trunojoyo Jl. Raya Telang, PO BOX 2, Kamal, Bangkalan
Lebih terperinciVerifikasi Citra Tanda Tangan Berdasarkan Ciri Pyramid Histogram of Oriented Gradient (PHOG) Menggunakan Metode Klasifikasi K-Nearest Neighbor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 248-964X Vol. 1, No. 10, Oktober 2017, hlm. 1162-1171 http://j-ptiik.ub.ac.id Verifikasi Citra Tanda Tangan Berdasarkan Ciri Pyramid Histogram
Lebih terperinciBAB 1 PENDAHULUAN. berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition
BAB 1 PENDAHULUAN 1.1 Latar Belakang Speaker recognition adalah salah satu bidang pengenalan pola yang berkaitan dengan pemprosesan sinyal suara. Berbeda dengan speech recognition yang mengenali kata atau
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 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 I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman yang secara tidak disadari diikuti oleh perkembangan teknologi sangat banyak memberi pengaruh terhadap perkembangan ilmu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengembangan teknologi diharapkan menghasilkan berbagai hal yang berguna untuk memenuhi kebutuhan masyarakat serta memberi kemudahan dan kenyamanan pada pengguna
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ada beberapa masalah yang terjadi secara nyata dimana pengenalan individu sangat diperlukan pada masa ini. Masalah-masalah tersebut dapat dilihat secara nyata di masyarakat.
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang ini komputer memiliki peran yang cukup besar dalam membantu menyelesaikan pekerjaan manusia. Seiring dengan perkembangan teknologi dan kecerdasan
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE
IDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE Endina Putri P 1, Diyah Puspitaningrum 2, Andre Mirfen 3 1,2,3 Program Studi Teknik Infomatika, Fakultas Teknik, Universitas Bengkulu.
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciBAB I PENDAHULUAN. identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi biometrik merupakan teknologi yang memanfaatkan identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau kunci dalam kontrol akses ke
Lebih terperinciBAB I PENDAHULUAN. mengenai deteksi wajah dengan Differential Evolution Based Neural Network
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Berdasarkan penelitian yang telah dilakukan oleh Yudistira Dewanata mengenai deteksi wajah dengan Differential Evolution Based Neural Network mendapatkan total
Lebih terperinciBAB 4. Sistem Yang Diusulkan
61 BAB 4 Sistem Yang Diusulkan 4.1 Kerangka Sistem Pada bagian ini dijelaskan lebih lanjut mengenai kerangka sistem yang diusulkan serta urut-urutan sistem berjalan. 4.1.1 Pengambilan Data Pada proses
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker adalah penyebab utama kematian di seluruh dunia. Berdasarkan data dari World Health Organization (WHO), pada tahun 2012 terdapat sekitar 14 juta kasus kanker
Lebih terperinciIdentifikasi Otentifikasi Citra Tanda Tangan Menggunakan Wavelet dan Backpropagation
Identifikasi Otentifikasi Citra Tanda Tangan Menggunakan Wavelet dan Backpropagation Resa Abdilah 1, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih 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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini dilakukan eksperimen sebanyak dua kali. Eksperimen pertama dilakukan untuk menguji keberhasilan klasifikasi ROI ke dalam jenis keabnormalan,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini membahas mengenai latar belakang, rumusan masalah yang mendasari penelitian yang dilakukan, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan.
Lebih terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Isyarat tutur merupakan isyarat yang diproduksi oleh alat ucap manusia hingga menghasilkan informasi, baik berupa makna dari isyarat tutur yang diucapkan maupun yang
Lebih terperinciBAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia adalah makhluk yang unik dan berbeda satu satu sama lain. Ia memiliki berbagai karakteristik yang dapat digunakan untuk membedakan dirinya dengan individu
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam sistem perdagangan internasional, setiap negara mempunyai mata uangnya masing-masing sebagai alat tukar atau alat pembayaran yang sah, dalam melakukan pembayaran
Lebih terperinci(Adaptive Neuro- akurasi 58,33% untuk 9 kelas output
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan hasil dari pikiran bawah sadar manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Ilmu yang mempelajari tentang tulisan
Lebih terperinciAdiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciIdentifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation
Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation Destri Wulansari, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad
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 terperinciPENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR
PENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR Angga Lisdiyanto (1), Lukman Zaman P.C.S.W (2) Teknik Informatika, Universitas Islam Lamongan (1) Teknik Informatika, Sekolah
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan dengan sifat uniknya merupakan salah satu dari sekian banyak atribut personal yang diterima secara luas untuk verifikasi indentitas seseorang, alat pembuktian
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
60 BAB IV HASIL DAN PEMBAHASAN 41 Hasil Eksperimen E-nose terdiri dari 4 buah sensor gas dimana masing-masing dari sensor tersebut memiliki kepekaan yang berbeda pada saat pendeteksian aroma Jenis teh
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Indonesia
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya teknologi telekomunikasi, internet menjadi sesuatu yang tidak lagi sulit dan mahal. Kemudahan ini menyebabkan internet dipenuhi berbagai
Lebih terperinciBAB I PENDAHULUAN. Bab pertama ini terbagi menjadi enam bagian yang masing-masing akan
BAB I PENDAHULUAN Bab pertama ini terbagi menjadi enam bagian yang masing-masing akan menjelaskan rmengenai latar belakang, pendefinisian masalah, tujuan dari penelitian, ruang lingkup, metodologi penelitian
Lebih terperinciBAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara
BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mengontrol akses menuju suatu wilayah atau material yang dilindungi, dibutuhkan teknik pengenalan individu yang handal. Seiring dengan perkembangan zaman dan
Lebih terperinciIDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 IDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT Rizky Suslianto¹, Sri Widowati², Bedy
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Kanker payudara adalah jenis kanker yang dimulai pada sel-sel payudara sebagai sekelompok sel kanker, yang kemudian dapat menyerang jaringan di sekitarnya atau menyebar
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra digital dalam dunia modern memainkan peran yang sangat penting dalam berbagai bidang kehidupan seperti penyelidikan forensik, pemrosesan asuransi, sistem pengawasan,
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON Disusun oleh : Nama : J. Rio Sihombing NRP : 0322129 Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciTechno.COM, Vol. 16, No. 3, Agustus 2017 : Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro 2
Fitur Ekstraksi Berbasis Discrete Wavelet Transform Untuk Pengenalan Karakter Pada Plat Nomor Kendaraan Feature Extraction Based On Discrete Wavelet Transform For Character Recognition On License Plate
Lebih terperinciSEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si
APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono
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 I PENDAHULUAN. menghasilkan beberapa karya yang mempermudah urusan manusia. Dan salah
BAB I PENDAHULUAN 1.1. Latar Belakang Dengan perkembangan teknologi yang semakin pesat dan dengan banyaknya temuan-temuan terbaru hasil penelitian dari para pakar teknologi, menghasilkan beberapa karya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau informasi
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 terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Diagnosis kanker dapat dilakukan berdasarkan struktur morfologisnya, namun hal tersebut mengalami kesulitan karena perbedaan struktur morfologis yang sangat tipis
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN Ratnadewi 1, Ardhi Prasetya 2 Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap instansi, terutama instansi pendidikan tinggi yang memiliki kegiatan secara rutin setiap harinya selalu mengadakan proses pendidikan dengan cara melakukan tatap
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1 Data Uji Printer forensik merupakan suatu proses identifikasi untuk mengetahui asal dokumen bukti, cara yang dilakukan dengan membandingkan dengan ciri yang terdapat
Lebih terperinciBAB I PENDAHULUAN. keberadaannya mempunyai peran penting sebagai support untuk menjalankan
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi perangkat digital telah berkembang secara pesat dan keberadaannya mempunyai peran penting sebagai support untuk menjalankan aktifitas keseharian. Kehadiran
Lebih terperinciBAB II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
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 terperinciDAFTAR ISI HALAMAN PERSETUJUAN... III PERNYATAAN... IV PRAKATA... V DAFTAR ISI... VI DAFTAR GAMBAR... IX DAFTAR TABEL... XII INTISARI...
DAFTAR ISI HALAMAN PERSETUJUAN... III PERNYATAAN... IV PRAKATA... V DAFTAR ISI... VI DAFTAR GAMBAR... IX DAFTAR TABEL... XII INTISARI... XIV ABSTRACT...XV BAB 1 PENDAHULUAN... 1 1.1. Latar Belakang Masalah...
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
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 terperinciPengenalan Wajah Manusia dengan Hidden Markov Model (HMM) dan Fast Fourier Transform (FFT)
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Pengenalan Wajah Manusia dengan Hidden Markov Model (HMM) dan Fast Fourier Transform (FFT) Andes Andriady 1, Fandi Sanjaya 2, Derry Alamsyah 3 1,2,3
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Riset di bidang sistem pengenalan ucapan otomatis (Automatic Speech Recognition) merupakan salah satu riset yang banyak ditekuni dan terus dikembangkan hingga saat
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 PERANCANGAN PROGRAM APLIKASI VERIFIKASI TANDA TANGAN DENGAN MENGGUNAKAN
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 terperinciBAB I Pendahuluan. 1.1 Latar Belakang
BAB I Pendahuluan 1.1 Latar Belakang Revolusi di bidang biologi molekuler yang terjadi pada dekade terakhir menyebabkan peningkatan dalam koleksi dan kemudahan dalam memperoleh data genetik berupa data
Lebih terperinciBAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang
BAB I PENDAHULUAN A. Latar Belakang Kanker paru telah menjadi salah satu kanker yang sering terjadi dalam beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang tak terkendali pada
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 terperinci