PENGENALAN WAJAH MENGGUNAKAN ALIHRAGAM WAVELET HAAR DAN JARAK EUCLIDEAN
|
|
- Hamdani Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGENALAN WAJAH MENGGUNAKAN ALIHRAGAM WAVELET HAAR DAN JARAK EUCLIDEAN Retno Wahyu Asrining Puri 1, Achmad Hidayatno, ST, MT, Rizal Isnanto, ST, MT Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro Jln. Prof Sudharto, Tembalang, Semarang, Indonesia ABSTRACT People often use face to recognize other individual. Along with technology progress, face recognition can be conducted computerizely. Using Haar Wavelet Transform, computer can do extraction process of human face characteristic and its recognition using Euclidean distance. In this research, face recognition started from selecting the number of images database which its feature will be extracted by using Haar Wavelet Transform. After training process of database images completed, then is selected image which will be tested. Recognition method applied is calculation Euclidean distance. Characteristic extraction result of database and test images with Haar Wavelet Transform applied as input coefficient calculating the Euclidean distance. The next process is comparing Euclidean distance value from test face image with face images training result. Training face image which has the smallest or closest Euclidean distance will be considered as the face image recognized. From examination using various amounts trains images from 1 until 5, can be concluded that the best recognition result is 96% obtained from examination using 5 train images. At examination of external test images obtained recognation level 100%, which has meaning that all external test images is not recognized by program. At external test images examination is used threshold value obtained from quantifying of average and standard deviation. The threshold value is competent to limit Euclidean distance value from external test images because the value is the smallest value from Euclidean distance external test images which should not be recognized. Keyword : face recognition, Haar Wavelet Transform, Euclidean distance, threshold value I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi, terutama di bidang dunia digital membawa perubahan yang cukup besar. Salah satunya dengan adanya digitalisasi data citra. Hampir semua sistem analog digantikan dengan sistem komputerisasi. Perkembangan pengolahan citra digital juga semakin luas, di antaranya adalah pengenalan pola (pattern recognation) pada citra digital. Teknik pengenalan wajah dapat diaplikasikan dalam bidang forensik, penegakan hukum, atau lainnya. Aplikasi ini dapat diklasifikasikan secara luas ke dalam dua kelompok yaitu aplikasi dengan masukan gambar yang diam (contoh: foto, kartu identitas, SIM, dan lainlain) dan gambar bergerak atau dinamis (webcam, cctv, dan lain-lain). Pada gambar diam, gambar yang diambil hanya gambar wajah tampak depan dengan berbagai macam ekspresi wajah seperti senyum, tertawa, berkacamata dan lain-lain. Dengan kemajuan zaman maka wajah yang diambil bukan hanya wajah diam dari depan tetapi juga gambar wajah dengan banyak arah seperti menoleh ke kanan, ke kiri, ke bawah ataupun ke atas. Terdapat banyak cara yang dapat dipakai dalam sistem pengenalan wajah salah satunya adalah dengan alihragam wavelet Haar dan perhitungan jarak Euclidean. 1. Tujuan Penelitian Penelitian ini bertujuan untuk membuat suatu perangkat lunak yang bisa mengenali citra wajah secara digitalisasi dengan menggunakan metode alihragam wavelet Haar dan jarak Euclidean. 1.3 Batasan Masalah Dalam pembuatan Tugas Akhir ini penulis membatasi permasalahan sebagai berikut : 1. Perancangan sistem untuk ekstraksi ciri citra masukan dengan menggunakan metode alihragam wavelet Haar.. Citra wajah yang diidentifikasi adalah citra wajah dalam keadaan diam tampak dari depan. 3. Kamera yang digunakan untuk pengambilan citra wajah terhubung langsung dengan sistem yang dibuat. 4. Citra wajah masukan merupakan citra aras keabuan dengan 56 aras keabuan dan berukuran Metode yang digunakan untuk proses pengenalan adalah jarak Euclidean. 6. Jumlah citra yang diambil adalah 10 citra wajah untuk tiap individu dengan jumlah basis data yang disimpan untuk diteliti adalah 1 sampai dengan Jumlah data uji yang digunakan adalah 5 untuk tiap individu. 8. Bahasa pemrograman yang digunakan adalah Matlab (R010a). 1 Mahasiswa Jurusan Teknik Elektro UNDIP Staf Pengajar Jurusan Teknik Elektro UNDIP
2 II LANDASAN TEORI.1 Pengolahan Citra Digital Pengolahan citra adalah suatu bidang studi yang mempelajari proses pengolahan citra, dimana masukan maupun keluarannya berbentuk berkas citra digital. Pada umumnya tujuan dari pengolahan citra adalah : 1. Memodifikasi sebuah citra untuk meningkatkan kualitas maupun menekankan pada sejumlah aspek informasi yang terkandung dalam citra tersebut.. Mengklasifikasikan, mencocokkan, dan mengukur bagian-bagian tertentu dari sebuah citra. 3. Membagi bagian-bagian citra yang ingin dihilangkan atau digabungkan dengan bagian citra lain. Pengenalan citra wajah disini menggunakan sistem berbasis citra yaitu informasi citra wajah aras keabuan dengan 56 tingkat keabuan diekstraksi ciri dengan alihragam wavelet Haar dan selanjutnya dikenali dengan metode jarak Euclidean.. Alihragam Wavelet Ide tentang wavelet telah ada sejak awal abad 0, tetapi pengembangannya baru dicapai pada tahun 80-an. Kata wavelet sendiri diberikan oleh Jean Morlet dan Alex Grossmann diawal tahun 1980-an dan berasal dari bahasa Prancis ondelette yang berarti gelombang kecil. Kata onde yang berarti gelombang kemudian diterjemahkan ke bahasa Inggris menjadi wave lalu digabung dengan kata aslinya sehingga terbentuk kata baru yaitu wavelet..3 Alihragam Wavelet Haar Jenis wavelet yang digunakan pada Tugas Akhir ini adalah wavelet Haar yang berfungsi untuk ekstraksi ciri atau pengambilan ciri penting dari suatu citra. Wavelet Haar merupakan wavelet yang tertua dan sederhana. Panjang tapis wavelet Haar adalah. Fungsi penskalaan dan wavelet Haar dapat dilihat pada Gambar.1. Gambar.1 (a) menunjukkan gambar fungsi penskalaan Haar sedangkan Gambar.1 (b) menunjukkan gambar fungsi wavelet Haar. 1. Alihragam Forward Tiap langkah dalam alihragam Haar memperhitungkan kumpulan koefisien-koefisien wavelet dan kumpulan rata-rata. Jika suatu kumpulan data S 0, S 1,, S N-1 berisi unsur-unsur N, akan terdapat N/ rata-rata dan N/ nilai-nilai koefisien. Persamaan-persamaan Haar untuk menghitung suatu rata-rata (a i ) dan koefisienkoefisien wavelet (c i ) dari suatu unsur ganjil dan genap dalam sekumpulan data ditunjukkan di bawah : S + i + 1 a i = i S (.1) S i + 1 c i = i S (.) Dalam terminologi wavelet, rata-rata Haar dihitung dengan fungsi penskalaan sedangkan koefisien dihitung dengan fungsi wavelet. Masukan data pada tranformasi Haar dapat secara sempurna dibangun kembali dengan menggunakan persamaan-persamaan berikut : S i = a i + c i (.3) S i+1 = a i - c i (.4) Koefisien-koefisien fungsi penskalaan : h 0 = 0,5 h 1 = 0,5 Koefisien-koefisien fungsi wavelet : g 0 = 0,5 g 1 = - 0,5 Penskalaan dan nilai-nilai wavelet untuk perubahan Haar ditunjukkan di bawah ini dalam bentuk matriks : Gambar. Matriks alihragam Haar Langkah pertama dari alihragam forward Haar untuk delapan sinyal unsur diperlihatkan pada Gambar.3. Disini sinyal dikalikan dengan matriks tranformasi forward : Gambar.1 Fungsi penskala wavelet Haar Dalam alihragam wavelet Haar, terdapat dua proses yang harus dilakukan yaitu alihragam forward dan alihragam inverse. Alihragam forward berguna untuk memecah atau dekomposisi citra. Sedangkan alihragam inverse adalah kebalikannya, yaitu membentuk kembali pecahan-pecahan citra dari proses forward menjadi sebuah citra seperti semula (proses rekonstruksi). Gambar.3 Matriks alihragam forward Haar
3 . Alihragam Inverse Seperti pada alihragam forward Haar, satu langkah dalam alihragam inverse Haar dapat digambarkan dalam hubungan-hubungan aljabar linear. Operasi matriks untuk membalikkan langkah pertama alihragam Haar untuk delapan sinyal unsur ditunjukkan pada Gambar.4..5 Jarak Euclidean Ternormalisasi (Normalized Euclidean Distance) Setelah melalui proses ekstraksi ciri dan dihasilkan suatu nilai-nilai parameter tertentu, maka dilanjutkan dengan perhitungan jarak terdekat (jarak Euclidean) nilai vektor ciri citra uji. Metode jarak Euclidean digunakan dalam proses pengenalan. Jarak Euclidean antara nilai vektor ciri citra uji dan nilai vektor ciri citra basisdata dinyatakan oleh: (.5) Gambar.4 Matriks alihragam inverse Haar.4 Dekomposisi Citra Alihragam wavelet terhadap citra adalah menapis citra dengan tapis wavelet. Hasil dari penapisan ini adalah 4 sub citra dari citra asal, ke-4 sub citra ini berada dalam domain wavelet. Ke-4 sub citra ini adalah lolos rendahlolos rendah (LL), lolos rendah-lolos tinggi (LH), lolos tinggi-lolos rendah (HL), dan lolos tinggi-lolos tinggi (HH). Proses ini disebut dekomposisi, dekomposisi dapat dilanjutkan kembali dengan citra lolos rendah-lolos rendah (LL) sebagai masukannya untuk mendapatkan tahap dekomposisi selanjutnya. Gambar.5 menunjukkan suatu dekomposisi citra dari aras 1 sampai aras 3. Gambar.5 Dekomposisi citra Pada dekomposisi aras 1, subband hasil dari dekomposisi dapat didekomposisi lagi karena aras dekomposisi wavelet bernilai dari 1 sampai n atau disebut juga alihragam wavelet multilevel. Jika dilakukan dekomposisi lagi, maka subband LL yang akan didekomposisi karena subband LL berisi sebagian besar dari informasi citra. Jika dilakukan dekomposisi dengan aras dekomposisi dua maka subband LL akan menghasilkan empat buah subband baru, yaitu subband LL (Koefisien Approksimasi ), HL (Koefisien Detil Vertikal ), LH (Koefisien Detil Horisontal ), dasn HH (Koefisien Detil Diagonal ). dengan: D(A,B) = Jarak Euclidean antara citra wajah uji dengan citra wajah basisdata A i = Vektor ciri citra uji B i = Vektor ciri citra basisdata n = Panjang vektor A dan vektor B.6 Nilai Ambang Nilai ambang pada Tugas Akhir ini adalah suatu nilai untuk menentukan suatu citra uji luar dikenali atau tidak dikenali. Dalam penentuan nilai ambang pada Tugas Akhir ini, digunakan penjumlahan dua parameter statistik, yaitu rerata dan simpangan baku dari hasil pengujian dari citra uji menggunakan alihragam wavelet Haar dan jarak Euclidean. Rerata atau rata-rata merupakan hasil bagi antara penjumlahan nilai data dengan jumlah data dan dirumuskan sebagai berikut : (.6) Sedangkan simpangan baku adalah ukuran penyebaran data yang dirumuskan : (.7) dengan x i adalah data ke-i dari sekumpulan data; adalah rerata; SD adalah simpangan baku (standard deviation); dan n adalah jumlah data. Nilai ambang ini kemudian digunakan untuk pengujian menggunakan citra uji luar, diharapkan nilainya lebih kecil dari nilai jarak Euclidean yang dihasilkan pada pengujian tersebut sehingga citra uji luar tidak dikenali. III PERANCANGAN PROGRAM 3.1 Perangkat Pendukung Dalam pembuatan program pengenalan wajah menggunakan alihragam wavelet Haar dan jarak Euclidean digunakan beberapa peralatan pendukung baik berupa perangkat keras dan perangkat lunak. Perangkatperangkat yang digunakan antara lain: 1. Notebook dengan spesifikasi sebagai berikut: a. Intel(R) Core(TM) i3 CPU M b. RAM 104MB c. Sistem Operasi Windows 7 Professional 3-bit d. Webcam yang terintegrasi dengan notebook. Perangkat lunak Matlab versi (R010a).
4 3. Diagram Alir Perangkat Lunak Pada perangkat lunak yang digunakan untuk pengenalan atau identifikasi wajah terdapat proses-proses yang dilakukan dari awal pemilihan data citra wajah sebagai citra masukan hingga pada akhirnya data tersebut dilakukan pengenalan atau proses identifikasi. Secara garis besar, proses-proses tersebut meliputi : 1. Memilih citra masukan atau citra uji yang berupa citra wajah.. Melakukan ekstraksi ciri dengan menggunakan alihragam wavelet Haar untuk menghasilkan sejumlah sub citra pendekatan dan sub citra detil. 3. Melakukan proses pengenalan dengan menggunakan perhitungan jarak Euclidean. 4. Menampilkan hasil pengenalan wajah. Alur sistem pengenalan wajah dapat dilihat pada diagram alir seperti ditunjukkan pada Gambar 3.1. Gambar 3.3 Diagram alir proses pengenalan citra uji Gambar 3.1 Diagram alir proses pengenalan wajah 3.3 Pemilihan Data Program Pengenalan Wajah Data program pengenalan wajah adalah citra wajah aras keabuan dengan 56 aras keabuan berukuran 11 9 piksel. Pemrosesan citra wajah yang akan dijadikan citra uji maupun citra basisdata dapat dilihat dari diagram alir pada Gambar 3., sedangkan diagram alir proses pengenalan pada citra uji dapat dilihat pada Gambar Perancangan Tampilan Program Tampilan jendela utama program pengenalan wajah dapat dilihat pada Gambar 3.4. Pada program terdapat dua tombol yaitu tombol pembentukan basisdata dan pengenalan. Gambar 3.4 Tampilan jendela utama program pengenalan wajah Gambar 3. Diagram alir pemrosesan data citra wajah Tombol PEMBENTUKAN BASISDATA digunakan untuk ekstraksi ciri semua citra yang tersimpan pada basisdata dengan cara dekomposisi wavelet aras 3, sedangkan tombol PENGENALAN untuk mengenali citra data uji dengan metode jarak Euclidean.
5 IV ANALISIS DAN PEMBAHASAN 4.1 Pengujian Program Pengenalan Wajah Bab ini membahas hasil penelitian Pengenalan Wajah Menggunakan Alihragam Wavelet Haar dan Jarak Euclidean yang dibagi dalam beberapa jenis penelitian, yaitu : 1. Pengujian pengaruh jumlah citra basisdata;. Pengujian pada citra luar; Pengujian untuk ekstraksi ciri dengan menggunakan alihragam wavelet Haar sedangkan pengenalan dengan menggunakan metode jarak Euclidean. 4. Pengujian Pengaruh Jumlah Citra Basisdata Salah satu tujuan dari penelitian ini adalah untuk mengetahui pengaruh variasi jumlah citra basisdata terhadap tingkat keberhasilan pengenalan dari sistem pengenalan wajah. Oleh karena itu, citra basisdata dari setiap wajah dimasukkan dan diekstraksi ciri pada sistem pengenalan dalam 5 tahap pengujian, yaitu: 1. Pengujian menggunakan 1 citra basisdata. Pengujian menggunakan citra basisdata 3. Pengujian menggunakan 3 citra basisdata 4. Pengujian menggunakan 4 citra basisdata 5. Pengujian menggunakan 5 citra basisdata Hasil pebasisdataan sistem pada setiap tahapan tersebut kemudian diujikan dengan 150 citra uji dalam. Contoh tampilan program pengenalan pada saat pengujian dapat dilihat pada Gambar 4.1, sedangkan contoh hasil pengenalan dapat dilihat pada Tabel 4.1 untuk citra uji 01 dan 5. Pada pengujian menggunakan 1 citra basisdata hasil pengenalan yang benar sebanyak 95 kali dan pengenalan yang salah sebanyak 55 kali. Pada pengujian menggunakan citra basisdata hasil pengenalan yang benar sebanyak 14 kali dan pengenalan yang salah sebanyak 6 kali. Penggunaan 3 citra basisdata hasil pengenalan benar sebanyak 139 kali dan pengenalan salah sebanyak 11 kali. Penggunaan 4 citra basisdata hasil pengenalan benar sebanyak 143 kali dan pengenalan salah sebanyak 7 kali, sedangkan pada penggunaan 5 citra basisdata hasil pengenalan yang sebanyak 144 kali dan pengenalan salah sebanyak 6 kali. Untuk mengetahui tingkat keberhasilan pengenalan digunakan persamaan sebagai berikut. (4.1) dengan, P = Tingkat keberhasilan program pengenalan wajah A =Jumlah citra uji yang dikenali secara benar B =Jumlah citra uji secara keseluruhan Berdasarkan Persamaan 4.1 dan hasil pengenalan pada pengujian variasi jumlah citra basisdata maka didapatkan tingkat keberhasilan pengenalan yang ditunjukkan pada Tabel 4.. Tabel 4. Tingkat keberhasilan program pengenalan terhadap variasi jumlah citra basisdata Jumlah citra Tingkat keberhasilan pengenalan (P) basisdata Gambar 4.1 Tampilan program pada saat pengujian Tabel 4.1 Contoh hasil pengujian dengan 5 citra basisdata Citra Jarak Citra uji basisdata Citra terdekat No. Euclidean Keterangan ke UJI WAJAH-04 0,0113 Benar 01-UJI-0 01-WAJAH-0 0,0099 Benar 3 01-UJI WAJAH-01 0,09 Benar 4 01-UJI WAJAH-01 0,011 Benar 5 01-UJI WAJAH-0 0,009 Benar 6 5-UJI WAJAH-05 0,0118 Benar 7 5-UJI WAJAH-01 0,0130 Benar 8 5-UJI WAJAH-0 0,0109 Salah 9 5-UJI WAJAH-01 0,011 Benar 10 5-UJI WAJAH-01 0,0071 Salah Berdasarkan Tabel 4., dapat diketahui bahwa variasi jumlah citra basisdata mempengaruhi tingkat keberhasilan program pengenalan. Penggunaan 5 citra basisdata menghasilkan tingkat keberhasilan pengenalan yang paling besar yaitu 96%. Disusul penggunaan 4 citra basisdata sebesar 95,33%, 3 citra basisdata sebesar 9,67%, citra basisdata sebesar 8,67% dan terakhir yang paling rendah adalah penggunaan 1 citra basisdata yaitu sebesar 63,33%. Hal ini terjadi karena variasi ekspresi wajah dari citra uji yang membutuhkan sejumlah citra basisdata dengan ekspresi yang sesuai untuk dapat dikenali dengan baik oleh sistem pengenalan wajah. Grafik pengaruh jumlah citra basisdata terhadap tingkat keberhasilan pengenalan dapat dilihat pada Gambar 4.. Pada Gambar 4. dapat dilihat bahwa jumlah citra basisdata berbanding lurus dengan jumlah citra basisdata. Artinya semakin banyak jumlah citra basisdata yang digunakan maka tingkat keberhasilan pengenalan juga akan semakin besar.
6 Gambar 4. Grafik pengaruh jumlah citra latih terhadap tingkat keberhasilan pengenalan 4.3 Pengujian pada Citra Uji Luar Pengujian pada citra luar yaitu pengujian tanpa menggunakan nilai ambang dan pengujian dengan menggunakan nilai ambang. Dengan digunakannya nilai ambang diharapkan agar citra uji luar tidak dikenali oleh program pengenalan Pengujian pada Citra Uji Luar tanpa Menggunakan Nilai Ambang Pada pengujian citra uji luar baik wajah maupun bukan wajah tidak digunakan suatu nilai ambang sehingga citra masih dapat dikenali oleh program. Contoh pengujian citra uji luar tanpa diberikan suatu nilai ambang dapat dilihat pada Gambar 4.3. Gambar 4.3 Contoh tampilan pengujian pada citra luar bukan wajah tanpa nilai ambang Citra uji luar baik wajah maupun bukan wajah masih dikenali oleh sistem karena tidak adanya nilai ambang sehingga berapapun nilai jarak Euclidean yang dihasilkan maka citra tetap akan dikenali dan mengacu pada citra basisdata yang memiliki nilai jarak Euclidean terkecil. Hasil pengenalan keseluruhan adalah Salah karena citra uji luar tidak memiliki citra basisdata dalam basisdata. Citra uji luar masih dapat dikenali karena pengenalan menggunakan metode jarak Euclidean Pengujian pada Citra Uji Luar dengan Menggunakan Nilai Ambang Pada pengujian citra uji luar dengan menggunakan nilai ambang bertujuan agar citra luar tidak dikenali oleh sistem. Dalam penentuan nilai ambang pada Tugas Akhir ini digunakan penjumlahan dua parameter statistik yaitu rerata dan simpangan baku. Data yang digunakan untuk menghitung rerata dan simpangan baku pada pengujian ini adalah hasil pengujian menggunakan 5 citra basisdata. Dengan menggunakan Persamaan (.6), nilai rerata dari data Jarak Euclidean pada pengujian dengan 5 citra basisdata dapat diperoleh, yaitu sebesar 0,0113. Kemudian dengan menggunakan nilai rerata di atas dan Persamaan (.7), diperoleh nilai simpangan baku yaitu 0,0055. Nilai ambang yang dicari adalah penjumlahan antara rerata dan simpangan baku maka nilainya adalah: 0, ,0055 = 0,0168. Nilai ambang inilah yang kemudian dibandingkan dengan hasil pengujian menggunakan citra uji luar. Gambar 4.4 Contoh tampilan pengujian pada citra luar bukan wajah dengan nilai ambang Contoh tampilan program pada Gambar 4.4 menggunakan citra uji luar bukan wajah yaitu bw_serigala dengan menggunakan nilai ambang sebesar 0,0168. Pada pengujian citra uji luar wajah ini nilai jarak Euclidean yang dihasilkan sebesar 0,0376. Karena nilai jarak Euclidean citra uji luar tersebut lebih besar dari nilai ambang maka citra tersebut TIDAK DIKENALI oleh program, sehingga hasil pengenalan dari citra uji luar tersebut adalah benar. V PENUTUP 5.1 Kesimpulan Kesimpulan yang dapat diambil dari program pengenalan wajah dengan alihragam wavelet Haar dan jarak Euclidean yaitu sebagai berikut : 1. Alihragam wavelet Haar dapat digunakan dalam sistem pengenalan citra wajah karena memiliki kemampuan yang baik dalam ekstraksi ciri atau dekomposisi citra.. Pada pengujian citra dalam tingkat keberhasilan pengenalan untuk citra basisdata 1,, 3, 4 dan 5 masing-masing adalah 63,33%, 8,67%, 9,67%, 95,33% dan 96%. Hal ini disebabkan semakin banyak citra basisdata yang digunakan pada program, maka semakin besar pula tingkat keberhasilan program pengenalan.
7 3. Pengujian pada citra luar wajah maupun bukan wajah adalah dikenali salah, jika program pengenalan tidak menggunakan nilai ambang. Hal tersebut terjadi karena proses pengenalan menggunakan jarak Euclidean, sehingga citra uji luar akan mengacu pada jarak Euclidean terkecil dari suatu citra. 4. Nilai ambang yang diperoleh dari penjumlahan rerata dan simpangan baku dapat digunakan untuk menentukan suatu citra uji luar baik citra wajah maupun citra bukan wajah untuk dikenali atau tidak dikenali, karena jumlah antara rerata dan simpangan baku merupakan nilai ambang minimal suatu citra uji luar tidak dikenali sebagai wajah. Oleh karena itu, citra uji luar tidak dikenali oleh program pengenalan sebagai wajah dari individu tertentu. 5. Saran Saran yang dapat diberikan penulis antara lain sebagai berikut : 1. Perlu dilakukan penelitian lebih lanjut mengenai pengenalan wajah dengan ekstraksi ciri menggunakan keluarga wavelet yang lain seperti Symlet, Coiflet, Biortogonal dan sebagainya serta metode pengenalan lain seperti City Block Distance, Chebyshev Distance, Minkowski Distance, Canberra Distance, Bray Curtis Distance dan sebagainya untuk kemudian dibandingkan dengan hasil penelitian ini sehingga diperoleh kesimpulan ekstraksi ciri dan metode pengenalan yang paling sesuai untuk pengenalan wajah.. Penelitian dapat dilanjutkan dengan pengenalan wajah secara waktu nyata. 3. Perlu penelitian lanjutan dengan variasi mimik yang lebih banyak, sudut kemiringan wajah terhadap kamera yang bervariasi, maupun tingkat pencahayaan yang lebih beragam terhadap tingkat pengenalannya. 4. Perlu dilakukan penelitian untuk pengenalan wajah yang masukan citra wajah bebas terhadap skala, translasi maupun rotasi. [3] Herawati, Pengenalan Wajah Menggunakan Alihragam Wavelet Daubechies Sebagai Pengolah Awal, Skripsi S-1, Universitas Diponegoro, Semarang, 005. [4] Mallat, S., A Wavelet Tour of Signal Processing nd edition, Academis Press, USA, [5] Paulus, Erick dan Y. Nataliani, Cepat Mahir GUI Matlab, ANDI Yogyakarta, Yogyakarta, 007. [6] Prihartono, T.D., Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar, Skripsi S-1, Universitas Diponegoro, Semarang, 011. [7] Purnomo, M.H. dan A. Muntasa, Konsep Pengolahan Citra Digital dan Ekstrasi Fitur, Graha Ilmu, Yogyakarta, 010. [8] Sugiharto, A., Pemrograman GUI Dengan Matlab, ANDI Yogyakarta, Yogyakarta, 006. [9] Wibowo, B.B., Pengenalan Wajah Menggunakan Analisis Komponen Utama (Principal Component Analisis), Skripsi S-1, Universitas Diponegoro, Semarang, 005. [10] Wijaya, C.M. dan A. Prijono, Pengolahan Citra Digital Menggunakan Matlab, Informatika Bandung, Bandung, 007. [11] ---, Wavelet Toolbox User s Guide, version 1, The Mathwork, Inc., Natick, MA.,1997. [1] ---, Wavelet, Desember 011. Retno Wahyu Asrining Puri ( ) Dosen Pembimbing I Lahir di Sragen, Juni Saat ini sedang melanjutkan studi pendidikan strata I di Jurusan Teknik Elektro, Fakultas Teknik Universitas Diponegoro Semarang Mengetahui dan mengesahkan, Dosen Pembimbing II DAFTAR PUSTAKA [1] Burrus, C.S., R.A Gopinath, and H. Guo, Introduction to Wavelet and Wavelet Transform, Prentice Hall, Inc., New Jersey, [] Hendarko, G., Identifikasi Citra Sidikjari Menggunakan Alihragam Wavelet dan Jarak Euclidean, Skripsi S-1, Universitas Diponegoro, Semarang, 010. Achmad Hidayatno, ST, MT NIP Tanggal: R. Rizal Isnanto, ST, MT NIP Tanggal:
IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN
IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN Hendarko Ahmad Hidayatno R. Rizal Isnanto Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro During this time,
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPENGENALAN CITRA IRIS MATA MENGGUNAKAN JARAK MINKOWSKI DENGAN EKSTRAKSI CIRI ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES
PENGENALAN CITRA IRIS MATA MENGGUNAKAN JARAK MINKOWSKI DENGAN EKSTRAKSI CIRI ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES Maria Fitriana *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas
Lebih terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, dan Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
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 terperinciANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET
ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET Agung Wicaksono, R. Rizal Isnanto, and Achmad Hidayatno Jurusan teknik Elektro, Fakultas Teknik,
Lebih terperinciIDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET
IDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET Anang Setiaji *), Achmad Hidayatno, and Yuli Christyono Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof.
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN PADA SISTEM PRESENSI
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN PADA SISTEM PRESENSI Afrizal Mohamad Riandy *), R. Rizal Isnanto, and Ajub Ajulian Zahra
Lebih terperinciMakalah Tugas Akhir. Abstract
Makalah Tugas Akhir ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET Agung Wicaksono 1, R. Rizal Isnanto 2, Achmad Hidayatno 2 Abstract Wavelet
Lebih terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih 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 terperinciKLASIFIKASI CITRA DENGAN METODE TRANSFORMASI WAVELET PADA LIMA JENIS BIJI-BIJIAN
Makalah Tugas Akhir KLASIFIKASI CITRA DENGAN METODE TRANSFORMASI WAVELET PADA LIMA JENIS BIJI-BIJIAN Jackson A Bunga 1, R Rizal Isnanto 2, Ajub Ajulian Z. 2 Abstract Up until now, seeds classification
Lebih terperinciPENGENALAN CIRI GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES DENGAN JARAK EUCLIDEAN
PENGENALAN CIRI GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES DENGAN JARAK EUCLIDEAN Dyah Kusuma Mauliyani *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5
MAKALAH SEMINAR TUGAS AKHIR ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5 Sunaryo 1, Budi Setiyono 2, R. Rizal Isnanto 2 Abstrak - Biometrik merupakan
Lebih terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)
BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Johansen Valentino (0822062) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI
PENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI Febry Santo *), R.Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciKLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET
SEMINAR NASIONAL ELECTRICAL, INFORMATICS, AND IT S EDUCATIONS 009 KLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Ajub Ajulian Z. 1, Imam Santoso 1, Dhani Pratikaningtyas Abstract
Lebih terperinciKLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Dhani Pratikaningtyas 1, Imam Santoso 2, Ajub Ajulian Z. 2.
1 Makalah Tugas Akhir KLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Dhani Pratikaningtyas 1, Imam Santoso 2, Ajub Ajulian Z. 2 Abstract Texture is an important characteristic of
Lebih terperinciDETEKSI SEBARAN TITIK API PADA KEBAKARAN HUTAN GAMBUT MENGGUNAKAN GELOMBANG-SINGKAT DAN BACKPROPAGATION (STUDI KASUS KOTA DUMAI PROVINSI RIAU)
TESIS DETEKSI SEBARAN TITIK API PADA KEBAKARAN HUTAN GAMBUT MENGGUNAKAN GELOMBANG-SINGKAT DAN BACKPROPAGATION (STUDI KASUS KOTA DUMAI PROVINSI RIAU) TRI HANDAYANI No. Mhs. : 125301914 PROGRAM STUDI MAGISTER
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih 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 terperinciAnalisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi Ciri Principal Component Analysis (PCA) dan Overlapping Block
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciIDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR
ISSN: 1693-693 1 IDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR R. Rizal Isnanto, Achmad Hidayatno, Muhammad Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciDr. R. Rizal Isnanto, S.T., M.M., M.T.
Ekstraksi Ciri Ucapan Menggunakan Analisis Komponen Utama (Principal Components Analysis - PCA) Matakuliah Speech Recognition (Pertemuan ke-6 dan ke-7) Dr. R. Rizal Isnanto, S.T., M.M., M.T. Program Studi
Lebih terperinciIdentifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough
Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough Okta Silvia M 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. H.R.
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINE TRANSFORM (DCT)
BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN DISCRETE COSINE TRANSFORM (DCT) Disusun Oleh : Andi Pramana Tarigan (1022077) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciPENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Gerald Patrick Siahainenia (0522128) Jurusan Teknik Elektro email : gerald_patrick2000@yahoo.com
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciChairunnisa Adhisti Prasetiorini *), R. Rizal Isnanto, dan Achmad Hidayatno. Abstrak. Abstract
PENGENALAN IRIS MATA MENGGUNAKAN JARINGAN SARAF TIRUAN METODE PERAMBATAN BALIK DENGAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN (GRAY LEVEL CO-OCCURRENCE MATRIX - GLCM) Chairunnisa Adhisti Prasetiorini
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM
ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciLAPORAN SKRIPSI EKSTRAKSI CIRI PENGENALAN GENDER MENGGUNAKAN FITUR GEOMETRIS CITRA WAJAH DENGAN METODE FUZZY C-MEANS (FCM)
LAPORAN SKRIPSI EKSTRAKSI CIRI PENGENALAN GENDER MENGGUNAKAN FITUR GEOMETRIS CITRA WAJAH DENGAN METODE FUZZY C-MEANS (FCM) Oleh : NIHAYATUS SA ADAH 2010-51-206 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
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 terperinciPENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS. Skripsi
PENGENALAN WAJAH MENGGUNAKAN METODE DIAGONAL PRINCIPAL COMPONENT ANALYSIS Skripsi Di susun oleh : M. RIDHO MAJIDI (0934010056) PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVESITAS PEMBANGUNAN
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 terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinciIDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA. Yusriani Laa Baan
IDENTIFIKASI WAJAH MANUSIA BERDASARKAN PERBANDINGAN PARAMETER TINGGI HIDUNG, LEBAR HIDUNG DAN JARAK MATA Yusriani Laa Baan 0522132 Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS)
PENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS) Disusun oleh : Yudi Setiawan (0722095) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, No.
Lebih terperinciWATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT)
WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT) Disusun Oleh : Aldo Roy Hardiansa Putra (0922056) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciPENGENALAN GIGI MENGGUNAKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENTS ANALYSIS) Angga Abiyanto *, Imam Santoso **, Ajub Ajulian Zahra **
PENGENALAN GIGI MENGGUNAKAN ANALISIS KOMPONEN UAMA (PRINCIPAL COMPONENS ANALSIS) Angga Abiyanto *, Imam Santoso **, Ajub Ajulian Zahra ** Abstrak - Pengenalan gigi adalah proses identifikasi manusia dengan
Lebih terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK APLIKASI SISTEM KEAMANAN RUMAH
PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK APLIKASI SISTEM KEAMANAN RUMAH Diah Eka Puspitasari 1), Achmad Hidayatno, ST., MT. 2), Ajub Ajulian Zahra, ST., MT. 2) Jurusan
Lebih terperinciElisabeth Patricia Chandra 1, Astri Novianty 2, Agung Nugroho Jati 3. Abstrak
IMPLEMENTASI ALGORITMA PRINCIPAL COMPONENT ANALYSIS PADA SISTEM KEAMANAN PARKIR BERBASIS RASPBERRY PI PRINCIPAL COMPONENT ANALYSIS ALGORITHM IMPLEMENTATION IN PARKING SECURITY SYSTEM BASED RASPBERRY PI
Lebih terperinciPERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI
PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI Disusun oleh : Regina Vania Cahyadi (1122003) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciREALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI ABSTRAK
REALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI Disusun oleh : Natalio Andor Pangihutan Sihite (1022052) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciPENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI 09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN FITUR EKSTRAKSI OPERASI BLOK FITUR OPERASI NON-OVERLAPPING BLOK NON-OVERLAPPING DAN PENCOCOKAN
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciSIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN
SIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN Rivaldi MHS *), Ajub Ajulian Zahra, Imam Santoso, and
Lebih terperinciPENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS
PENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS Disusun oleh: Juan Elisha Widyaya (0822014) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, no. 65, Bandung, Indonesia
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 terperinciPENGENALAN CITRA RETINA MENGGUNAKAN METODE NON OVERLAPPING BLOCK DAN JARAK EUCLIDEAN
PENGENALAN CITRA RETINA MENGGUNAKAN METODE NON OVERLAPPING BLOCK DAN JARAK EUCLIDEAN Septihadi Klinsman Siboro, Ajub Ajulian Zahra, and R. Rizal Isnanto Departemen Teknik Elektro, Universitas Diponegoro
Lebih terperinciBlind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi ( )
Blind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi (0822048) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Lebih terperinciPengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach
Pengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach Erry Febriansyah Prananta / 0422071 Email : erry_prananta@yahoo.com Jurusan Teknik Elektro,
Lebih terperinciEKSTRAKSI DAN PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DI INDONESIA
TESIS EKSTRAKSI DAN PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DI INDONESIA DONNY AVIANTO No. Mhs : 135302024/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS ATMA JAYA YOGYAKARTA
Lebih terperinciPERANCANGAN SISTEM PENGENAL GARIS UTAMA TELAPAK TANGAN PADA SISTEM PRESENSI MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN JARAK EUCLIDEAN
PERANCANGAN SISTEM PENGENAL GARIS UTAMA TELAPAK TANGAN PADA SISTEM PRESENSI MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN JARAK EUCLIDEAN Adrian Khoirul Haq *), R. Rizal Isnanto, and Ajub Ajulian
Lebih terperinciDAFTAR ISI v. ABSTRACT ii KATA PENGANTAR iii. DAFTAR GAMBAR.vii DAFTAR TABEL...ix
ABSTRAK Dalam laporan tugas akhir ini dijelaskan mengenai suatu sistem pengenal identitas manusia dengan menggunakan wajah sebagai pengenalnya, atau yang lebih dikenal dengan Face Recognition. Tujuan dari
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciBAB III PEMBAHASAN. 3.1 Jenis Penelitian
9 BAB III PEMBAHASAN 3.1 Jenis Penelitian Jenis penelitian ini merupakan penelitian eksperimental, yaitu penelitian yang pengumpulan datanya berdasarkan pencatatan langsung dari hasil percobaan. Pengumpulan
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciPenerapan Watermarking pada Citra berbasis Singular Value Decomposition
Penerapan Watermarking pada Citra berbasis Singular Value Decomposition David Leonard Hasian ( 0522049 ) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Suria Sumantri
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM Bab ini merupakan pembahasan tentang analisis dan implementasi metode 2D Haar Wavelet Transform dan Least Significant Bit dalam proses penyisipan watermark pada citra
Lebih terperinciSTMIK MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
STMIK MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 RANCANG BANGUN APLIKASI PEMBELAJARAN KARAKTER MANDARIN BERBASIS PENGENALAN KARAKTER DENGAN METODE PCA
Lebih terperinciINSTITUT TEKNOLOGI BANDUNG
KAJIAN PENCOCOKAN CITRA DIGITAL BERDASARKAN KORELASI KOEFISIEN-KOEFISIEN WAVELET 2-D TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana. Oleh: Muhammad Aldien Said NIM 151
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION Roland Stefanus Weku (0822092) Jurusan Teknik Elektro email: rolandweku@gmail.com ABSTRAK Pembuluh darah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciIdentifikasi 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 terperinciIMPLEMENTASI STEGANOGRAFI DAN KRIPTOGRAFI DALAM MELINDUNGI PESAN CITRA DIGITAL
IMPLEMENTASI STEGANOGRAFI DAN KRIPTOGRAFI DALAM MELINDUNGI PESAN CITRA DIGITAL SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Pada Jurusan Ilmu Komputer/Informatika Disusun
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinci