prototype perangkat lunak yang akan mengidentifikasi manusia sesuai database yang telah ada.
|
|
- Leony Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 1. PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan biometrika ( biometrics recognition system ), atau sering disebut biometrik saja, merupakan sistem otentikasi ( authentication system ) dengan menggunakan biometrika. Sistem Biometrik akan melakukan pengenalan secara otomatis atas identitas seseorang berdasarkan suatu ciri biometrika dengan mencocokan ciri tersebut dengan ciri biometrik yang telah disimpan pada database. Sebagai suatu otentikasi, sistem biometrika mampu memutuskan apakah hasil pengenalan itu sah atau tidak sah atau diterima atau ditolak, dikenali atau tidak dikenali. Adapun syarat di dalam pengambilan bagian tubuh sebagai objek biometrik adalah sebagai berikut: a. Universal (University), artinya karakteristik yang dipilih harus dimiliki oleh setiap orang. b. Membedakan (Distinctiveness), artinya karakteristik yang dipilih memiliki kemampuan membedakan antara satu orang dengan orang lain. c. Permanen ( Permanence ) artinya karakteristik yang dipilih tidak cepat berubah dalam periode waktu yang lama. d. Kolektabilitas (Collectability), artinya karakterisitik yang dipilih mudah diperoleh dan dapat diukur secara kuantitatif. Dari syarat yang telah ada sejak 20 tahun belakangan ini peneliti telah mencoba meneliti beberapa organ tubuh. Seperti DNA (Deoyribo Nucleid Acid ), telinga, wajah, panas tubuh, sidik jari, iris mata dan gigi. Oleh karena itu di dalam penelitian ini akan digunakan hidung sebagai objek biometriknya. Tiap pola hidung manusia memiliki ukuran dan jenis yang berbeda apabila diperhatikan secara seksama. Hal ini dipengaruhi oleh struktur tubuh dan wajah setiap manusia itu berbeda. Dengan menggunakan teknik-teknik pengolahan sinyal maka kandungan informasi dari pola hidung ini dapat dianalisis. Pada penelitian ini dirancang suatu sistem pengenalan individu lewat citra hidung yang akan diambil dengan kamera digital. Pada citra hidung akan diambil data-data yang menunjukkan perbedaan-perbedaan ukuran hidung setiap manusia dan akan dibangun prototype perangkat lunak yang akan mengidentifikasi manusia sesuai database yang telah ada. 2. BIOMETRIK 2.1 Dasar Biometrik Identifikasi merupakan proses yang penting untuk mengenali dan membedakan sesuatu hal dengan hal lainnya, hal ini dapat berupa hewan, tumbuhan, maupun manusia. Identifikasi ini dilakukan dengan mengenali ciri khas yang dimiliki sesuatu hal tersebut. Pengembangan dari metode dasar identifikasi dengan menggunakan karakterisitik alami manusia sebagai basisnya kemudian dikenal dengan biometrik. Biometrik merupakan studi tentang metode otomatis untuk mengenali atau megindentifikasi manusia berdasarkan satu atau lebih bagian tubuh manusia atau kelakukan dari manusia itu sendiri. Dalam dunia teknologi informasi, biometrik relevan dengan teknologi yang menganalisa fisik manusia yaitu dengan pengenalan sidik jari, retina, iris mata, pola dari wajah (facial patterns ), tanda tangan dan cara mengetik (typing patterns) serta suara. Beberapa hal yang mendorong penggunaan indentifikasi secara biometrik adalah biometrik bersifat universal. (terdapat pada setiap orang), unik (tiap orang memiliki cirri khas tersendiri), dan tidak mudah dipalsukan. Dengan teknik biometrik seseorang tidak harus membawa suatu alat identifikasi seperti pada teknik konvensional. Gambar 2.1 Biometrik mata & sidik jari
2 2.1.2 Sistem Pengenalan Biometrika Sistem pegenalan biometrika (biometrics recognition system ), atau sering disebut sistem biometrika saja, merupakan sistem otentikasi (authentication system) dengan menggunakan biometrika. Sistem biometrika akan melakukan pengenalan secara otomatis atas identitas seseorang berdasarkan suatu cirri biometrika dengan mencocokan ciri tersebut dengan ciri biometrika yang telah disimpan pada database. Sebagai suatu sistem otentikasi, sistem biometrika mampu memutuskan apakah hasil pengenalan itu sah atau tidak sah, diterima atau ditolak, dikenali atau tidak dikenali Sistem Identifikasi Sistem Identifikasi bertujuan untuk memecahkan identitas seseorang. Pengguna dapat tidak member klaim atau member klaim implicit negative untuk identitas terdaftar. Diperlukan pencocokan satu ke banyak, yaitu pencarian ke seluruh database identitas terdaftar. 2.2 Dasar Pengolahan Citra 3. Kontur Adalah keadaan pada citra dimana terjadi perubahan intensitas dari suatu titik ke titik tetangganya. 4. Warna Reaksi yang dirasakan oleh sistem visual mata manusia terhadap perubahan panjang gelombang cahaya. 5. Bentuk Pada umumnya citra yang dibentuk oleh mata adalah citra 2 dimensi sedangkan objek yang diamati adalah 3 dimensi. 6. Deteksi dan Pengenalan Dalam mendeteksi dan mengenali suatu citra, ternyata tidak hanya sistem visual manusia saja yang bekerja, tetapi juga melibatkan ingatan dan daya pikir manusia Citra RGB Pada model RGB, setiap warnanya menampilkan komponen spectral primary yakni Red, Green dan Blue. Model ini berdasarkan sistem koordinat kartesian dibawah ini: Persepsi Visual Dalam pengolahan maupun pengenalan citra, masalah persepsi visual, yaitu apa yang dapat dilihat oleh mata manusia, mempunyai peranan penting. Penentuan apa yang dapat dilihat itu tidak dapat hanya ditentukan oleh manusia sendiri. Mata merupakan bagian dari sistem visual manusia. Sistem visual ini sangat sulit dipelajari, terlebih jika ingin menyingkap proses yang melatarbelakangi timbulnya suatu persepsi, seperti pada peristiwa pengenalan (recognition) Elemen Dasar Citra Gambar 2.2 (a) Ruang Warna ternormalisasi Adapun elemen-elemen dasar citra adalah sebagai berikut: 1. Kecerahan dan Kontras Kecerahan yang dimaksud adalah intensitas yang terjadi pada satu titik citra. Umumnya pada sebuah citra, kecerahan ini merupakan kecerahan rata-rata dari suatu daerah lokal. Kontras yang dimaksud adalah kepekaan (contrast sensitivity ) pada mata manusia. 2. Acuity Adalah kemampuan mata manusia untuk merinci secara detail bagian-bagian pada suatu citra. Gambar 2.2 (b) Ruang Warna
3 Citra mempresentasikan model warna RGB sesuai dengan komponen citra untuk setiap warna primarynya. Jadi RGB mengkombinasikan ke screen dari 3 komponen warna tersebut sesuai dengan citra yang ingin ditampilkan dengan I(,y) adalah level keabuan pada suatu koordinat yang diperoleh dengan mengatur komposisi warna R(merah), G(hijau) dan B(biru) yang ditunjukkan oleh parameter α, β, dan µ. Nilai yang lain juga diberikan untuk ketiga parameter tersebut, asalkan total keseluruhan nilainya adalah 1. Gambar 2.3 (a) RGB Gambar 2.3 (b) Red Gambar 2.4 GrayScale Citra Black & White Untuk mendapatkan citra ini selalu diambil dari nilai pengambangan grayscale. Jadi dari nilai pengambangan tersebut dapat ditentukan batas untuk mendapatkan citra biner. Adapun fungsi dari pengambangan dapat dilihat sebagai berikut 1 if f(,y) T g(,y)= (2.2) 0 if f(,y) T Gambar 2.3 (c) Green Gambar 2.5 BW Gambar 2.4 (d) Blue Citra Grayscale Untuk mendapatkan citra Grayscale (keabuan) digunakan rumus : I (,y) = α.r + β.g + µ.b (2.1) Median Filter Filter median sangat bermanfaat untuk menghilangkan outliers, yaitu nilai-nilai piksel yang ekstrim. Filter median menggunakan slidding neighborhoods untuk memproses suatu citra, yaitu suatu operasi di mana filter ini akan menentukan nilai masing-masing piksel keluaran dengan memeriksa tetangga-tetangga m n disekitar piksel masukan yang bersangkutan. Filtering Median mengatur nilainilai piksel dalam satu tetangga dan memilih nilai tengah atau media sebagai hasil.
4 Gambar 2.6 Median Filter Image Adjustment Image Adjustment merupakan salah satu teknik peningkatan kualitas citra. Teknik peningkatan kualitas citra ini digunakan untuk memperbaiki rasio sinyal terhadap derau (signal to noise ratio), dan kadang-kadang secara subkjektif adalah membuat fitur-fitur sehingga memudahkan untuk mengubah warna-warna atau intesitas. Dalam Matlab digunakan fungsi imadjust. Fungsi ini mengubah intesitas citra yang sedang diamati. Sesudah mengalami pengubahan ini Matlab akan tetap menampilkan citra yang telah diubah dengan gray colormap yang asli. Imadjust tidak hanya dipakai pada citra skala keabuan, tetapi juga dapat diterapkan pada citra warna dengan cara menerapkannya pada komponen warna merah, hijau, dan biru secara terpisah. Low dan high adalah intensitas terendah dan tertinggi dari citra masukan yang akan dipetakan ke intensitas keluaran, sedangkan bottom dan top adalah nilai keluaran tertinggi dan terendah yang digunakan. Nilai default untuk low dan bottom adalah 0 dan untuk high, top dan gamma(factor pemangkat dari fungsi pemetaan ke y) adalah 1. metode yang biasa digunakan dalam sistem pendukung keputusan. Algoritma K-NN adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Data pembelajaran diproyeksikan ke ruang dimensi banyak, dimana masing-masing dimensi mempresentasikan fitur dari data. Ruang ini dibagi menjadi bagian-bagian berdasarkan klasifikasi data pembelajaran.sebuah titik pada ruang ini ditandai kelas c jika kelas c merupakan klasifikasi yang paling banyak ditemui pada k buah tetangga terdekat titik tersebut. Dekat atau jauhnya tetangga biasanya dihitung berdasarkan jarak Eucledian. (2.3) 2.3 Hidung Manusia Adapun hidung diambil menjadi salah objek penilitian kali ini karena saat pengambil citra hidung orang tidak perlu meyiapkan kondisinya dalam memberi informasi. Misalnya seperti identifikasi individu menggunakan retina mata dimana manusia harus memberikan kondisi yang siap supaya citranya bisa diambil dan diolah. Dari faktor inilah maka hidung memiliki aspek keuntungan ketika akan diidentifikasi dan bila sistem ini benar-benar akan diimplementasikan kelaknya. Sehingga sistem ini juga tanpa secara sadar manusia bisa mendeteksi. Gambar 2.7 Image adjustment Teori K-Nearest Neighbor K-Nearest Neigbor untuk penentuan Antropometri Manusia. Antropometri berasal dari kata anthropos dan logos (bahasa yunani), yang berarti tubuh manusia dan ilmu. Secara definitive antropometri dinyatakan sebagai studi yang berkaitan dengan pengukuran dimensi tubuh manusia. Metode K-Nearest Neighbor adalah satu dari sekian banyak Gambar 2.8 Hidung Manusia
5 3. PERANCANGAN SISTEM & IMPLEMENTASI Grayscale 3.1 Rancangan Sistem Di dalam bab ini akan dibahas sistematika identifikasi hidung secara umum. Dapat dilihat dari flowchart dibawah ini : Start Median Filter Image Adjusment Input Citra Pre Processing Ekstraksi Ciri Klasifikasi Save Finish Gambar 3.1 Flowchart Klasifikasi Citra Hidung Resize Black & White Gambar 3.2 Tahap Pre-Processing Setelah didapat inputan citra, maka pertama kali yang dilakukan pada sistem Pre-Processing adalah mengubah ukurannya. Hal ini dilakukan karena besarnya inputan citra sehingga menghasilkan banyaknya matriks dimana hal ini akan memberatkan kinerja Matlab dalam mengolah sistem selanjutnya. Adapun nilai yang digunakan dalam sistem ini adalah Grayscale Merupakan proses pengubahan citra RGB menjadi citra keabuan. Teknik ini digunakan untuk mempermudah mendapatkan citra BW dari melihat level keabuanya sehingga mudah untuk ditentukan nilai ambangnya. Dalam proyek akhir ini akan dipilih nilai 0.5 untuk Red, 0.4 untuk Green dan 0.1 untuk Blue. Hasilnya dapat dilihat dibawah ini: 3.2 Pre-Processing Bagian ini akan dibahas teknik Pre-Processing yang digunakan untuk mempersiapkan citra agar dapat menghasilkan citra lebih baik pada tahap pemisahan ciri. Citra Gambar 3.3 Citra Hidung Grayscale Resize
6 3.2.3 Median Filter Merupakan teknik untuk menentukan nilai tengah suatu matriks dari batas piksel yang ditentukan. Dalam sistem ini akan digunakan median filter dan hasilnya dapat dilihat dibawah ini : 3.3 Ekstrasi Ciri Pada tahap ini inputan merupakan citra black and white. Lalu citra ini akan seakan dibagi menjadi 4 bagian. Prosesnya dapat dilihat sebagai berikut: Gambar 3.4 Citra Hidung Median Filter Image Adjustment Merupakan perbaikan citra dari citra inputan citra sebelumnya. Dalam Image Adjustment ini akan digunakan nilai low in = 0.3 dan high in = 0.5 Adapun hasil dari nilai tersebut dapat dilihat sebagai berikut: Gambar 3.7 Pemotongan Citra 4 bagian Posisi Mata Kiri (Part-1) Adapun citra posisi mata kiri adalah sebagai berikut: Gambar 3.5 Citra Hidung Image Adjustment Black & White Merupakan citra biner dimana nilai-nilai matriksnya merupakan nilai 1 dan 0. Untuk mendapatkan citra BW, maka digunakanlah nilai threshold= Hasil dari pengaruh nilai threshold ini dapat dilihat di bawah ini : Posisi Vertikal Gambar 3.8 (a) Gambar 3.6 Citra Hidung Black & White Gambar 3.8 (b) Nilai Black
7 3.3.1 Posisi Mata Kanan (Part-2) Adapun citra dari part-2 adalah sebagai berikut: Gambar 3.8 (c) Nilai Black Biner Posisi Horizontal Posisi Vertikal Gambar 3.9 (a) Mata Kiri Gambar 3.8 (d) Nilai Black Gambar 3.9 (b) Nilai Black Gambar 3.8 (e) Nilai Black Biner Gambar 3.9 (c) Nilai Black Biner
8 Posisi Horizontal Gambar 3.9 (d) Nilai Black Gambar 3.10 (c) Nilai Black Biner Posisi Horizontal Gambar 3.9 (e) Nilai Black Biner Gambar 3.10 (d) Nilai Black Posisi Hidung Kiri (Part 3) Adapun posisi part 3 adalah sebagai berikut: Gambar 3.10 (e) Nilai Black Biner Posisi Hidung Kanan (Part-4) Adapun posisi part-4 adalah sebagai berikut: Posisi Vertikal Gambar 3.10 (a) Hidung Kiri Gambar 3.10 (b) Nilai Black Gambar 3.11 (a) Hidung Kanan
9 Posisi Vertikal Gambar 3.11 (b) Nilai Black Gambar 3.12 Ciri yang akan diekstrak 3.4 Implementasi Sistem Gambar 3.11 (c) Nilai Black biner Posisi Horizontal Tujuan dari tahap implementasi ini adalah untuk mengimplementasikan perancangan sistem yang telah dibuat, sehingga didapatkan sebuah perangkat lunak untuk mendeteksi bentuk. Adapun alur proses sistem yang diimplementasikan adalah sebagai berikut: 1. Pengguna menggunakan Kamera digital untuk mengambil citra yang diambil 2. Sistem membaca citra tersebut. Gambar 3.11(d) Nilai Black 3. Diusahakan pengambilan citra dilakukan disaat cuaca baik supaya pengaruh cahaya juga baik. 4. Sistem melakukan pre-processing terhadap citra yang akan diekstrak. 5. Setelah selesai proses pre-processing lalu citra akan dibagi menjadi 4 bagian dan akan diukur setiap bagiannya. 6. Sistem kemudian mengidentifikasi citra input sesuai dengan database yang ada. Gambar 3.11 (e) Nilai Black Biner Lalu setiap bagian akan diperhitungkan satu persatu. Lalu ciri yang akan dipakai di dalam sistem ini adalah sebagai berikut: 4. PENGUJIAN SISTEM & ANALISIS Skenario pengujian yang dilakukan terhadap tahap ekstraksi ciri yaitu pengujian terhadap proses normalisasi citra. Pengujian ini dilakukan dengan memakai beberapa inputan berbeda dalam proses normalisasi citra pada preprocessing kemudian dilakukan analisa keterhubungan dari
10 perubahan ukuran tersebut terhadap nilai akurasi. Skenarion pengujian ini akan dilakukan pada bentuk dan ukuran citra hidung. Citra input yang dimasukkan akan di preprocessing dan akan diekstra cirinya. Lalu datanya akan dibandingkan dengan database yang telah disimpan. Hal ini juga dilakukan untuk mengetahui akurasi sistem dari perancangan. Adapun dibawah ini sistematika pengujian yang akan digunakan dapat dilihat pada flowchart dibawah ini: Start Citra Input Pre Processing 4.1 Analisa Kelayakan Citra Dengan KNN Pada tahapan ini citra yang diinput adalah citra yang telah selesai mengalami pre-processing atau yang sudah siap untuk diekstrak. Lalu setiap citra akan diperhitungkan nilai L1,L2, L3, L4, L5, L6,L7 dimana setiap orang diset satu kelas. Setiap orang akan diambil 5 citra latih dan setiap citranya akan diekstrak cirinya dan disimpan satu persatu. Sehingga ketika dimasukkan citra uji maka sistem mengekstrak citra uji tersebut dan membandingkan dengan database yang telah disimpan untuk mengidentifikasi citra uji tersebut. Adapun sistem ini masih sangat sederhana sekali, apalagi melihat ciri yang diambil hanya satu. Hal ini didasarkan karena faktor citra BW. Disana dikaji ulang kembali ciri-ciri yang akan diambil berdasarkan perhitungan. Maksudnya dari ciri yang ditentukan membuktikan bahwa citra uji yang dinput secara sembarang memiliki ukuran yang berbeda pula. Oleh karena itu didapat ketujuh ciri tersebut. Ekstraksi Ciri Klasifikasi Identifikasi Cek Database Adapun sistem ini masih memiliki keterbatasan, disebabkan posisi hidung standar berada pada tempat yang sama. Memungkinkan jika diinputkan citra uji Xi maka akan teridentifikasi Yi. Jarak dan posisi hidung manusia memang memiliki jarak yang beda tetapi sangat tipis sekali. Inilah yang mendukung sistem mengenali Xi menjadi Yi. Salah satu upaya saat ini untuk menghindari kesalahan tersebut adalah pembatasan database. Karena semangkin banyak citra yang disimpan maka akan semakin banyak pula kesalahan-kesalahan yang terjadi karena mengingat KNN mencari kelas yang mirip dengan database. Gambar 4.1 Flowchart Pengujian Sistem Sistem ini juga masih sulit mengenali dengan citra yang diinputkan untuk wanita yang berjilbab. Hal ini disebabkan adanya faktor bayangan jilbab yang terkena di kening sehingga membuat sistem tidak
11 baik dalam mengekstra cirinya. Proses perhitungan nilai black didaerah mata akan terpengaruh karena faktor bayangan ini. Sistem ini juga masih sulit mengenali pria yang berkumis. Karena disaat proses black and white maka kumis tersebut akan menjadi hitam dan saat dieksrakpun akan menjadi inputan yang jelek sekali. Oleh karena itu pada pengujian ini, pria berkumis tidak dijadikan data latih Gambar 4.2 AKurasi Median Filter Akurasi (%) Medfilt (nn) Sistem ini juga masih sulit mengenali individu yang memiliki hidung mancung. Diawali dengan kesulitan mengambil samplenya dan juga ketika selesai preprocessing akan menghasilkan citra yang sangat buruk untuk diekstrak. Untuk sejauh ini ada beberapa citra yang sudah dilatih dan diuji. Akurasi dalam mengidentifikasi dapat dilihat sebagai berikut: Jenis Citra Citra Latih Citra Uji Tabel 4.1 Performansi citra latih dan uji Jumlah Total Citra Jumlah hasil Identifikasi Jumlah Kesalahan Identifikasi Total Performansi 87 % 11 % Gambar 4.3 Akurasi Treshold Gambar 4.4 Akurasi Kelas pada K NN Akurasi(%) Tres hold akurasi(%) k= Dan adapun dibawah ini merupakan beberapa perbandingan nilai-nilai median filter, treshold, beserta akurasi nilai K dari K-NN. 5. KESIMPULAN & SARAN 5.1 Kesimpulan Dari analisis pengujian yang dilakukan terhadap sistem identifikasi menggunakan citra hidung maka dapat ditarik kesimpulan beberapa dibawah ini:
12 1. Pengubahan ukuran citra atau lebih dikenal resize sangatlah penting jika citra mentah tersebut memiliki ukuran yang sangat besar sehingga sangat memberatkan sistem. Nilainilai perubahan ukuran ditentukan dengan syarat tidak menghilangkan banyak informasi. 2. Nilai-nilai yang digunakan pada proses grayscale sangat membantu pada proses selanjutnya. Di sistem ini digunakan 0.5 untuk Red karena paling banyak memberikan informasi dan nilai Green = 0.4 & Blue =0.1. Nilai Blue paling kecil karena paling sulit untuk diproses ke tahap selanjutnya jika blue memiliki konstanta pengali yang besar. 3. Nilai Median Filter yang diambil adalah karena hampir memiliki kemiripan dengan citra aslinya. Jika nilai median filternya semakin besar maka akan banyak noise yang muncul dan sulit untuk diindentifikasi. 4. Nilai threshold untuk BW sangat berpengaruh sekali untuk menentukan pemotongan citra menjadi 4 bagian. Karena dari situ akan diambil nilai tengah dari panjang nilai hitam secara vertikal dan horizontal. 5. Sistem ini masih sangat sederhana dimana data yang disimpan masih sedikit maka sistem akan mudah mengenali citra yang diinputkan tetapi jika citra latihnya semakin banyak maka sistem akan salah dalam mengidentifikasi citra yang diinputkan. 6. Dalam Tugas Akhir ini didapat sistem dengan performansi 87 % atas deteksi 12 individu. 5.2 Saran Adapun saran yang diharapkan untuk memperbaiki dari kekurangan sistem ini adalah sebagai berikut : 1. Penggunaan metode pre-processing yang lebih handal sangat diperlukan untuk memperoleh citra yang siap diekstra lebih baik. 2. Ciri yang ditentukan harus lebih banyak untuk mengurangi sistem dalam kekeliruan identifikasi. 3. Perlunya citra tampak samping jika sistem ini akan melatih banyak citra. Penampahan citra ini akan semakin memperbanyak ciri yang diekstra pula. 4. Untuk mendapatkan hasil yang lebih baik dan lebih cepat dalam prosesnya bisa juga mempergunakan perangkat lunak tipe lain. DAFTAR PUSTAKA 1. Putra Darma, 2008, Sistem Biometrik, Andi, Yogyakarta 2. Wijaya Ch.Marvin & Prijono Agus, 2007, Pengolahan Citra Digital Menggunakan Matlab Image Processing Toolbo, Informatika, Bandung 3. Abdia Gunaidi, 2006, The shortcut of Matlab, Informatika, Bandung 4. Hidayatno Achmad & Isnanto Rizal, 2008, Identifikasi tanda tangan menggunakan jaringan syaraf tiruan perambatan balik (backpropagation) 5. Nurullita Dwi Astuti, 2009, Sistem Identifikasi Daun Algonema Menggunakan Analisis Warna dan Sturuktur Pada Citra Daun Dengan Operasi Morfologi dan K-NN, IT Telkom, Bandung 6. Agustini Ketut, 2007, Biometrik Suara dengan transformasi Wavelet Berbasis Orthogonal Daunbenchies, jurnal Teknik Komputer, Undiksha Singaraja. 7. Kurniawan Harry & hidayat Taufiq, 2008, Perancangan Program pengenalan wajah menggunakan fungsi jarak metode Euclidian pada matlab, Seminar Nasional Aplikasi Teknologi Informasi, Universitas Islam Indonesia, Yogyakarta. 8. R.Agushinta Dewi, 2008, Ekstraksi Fitur dan Segmentasi Wajah sebagai semantic pada sistem pengenalan wajah, jurnal ilmu computer, Universitas Gunadarma, Jakarta 9. R.Agushinta Dewi, 2004, Pengenalan wajah sebagai bagian dari sistem pengenalan biometrik, jurnal ilmu computer, Universitas Gunadarma Jakarta del ng
13
BAB I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berdasar dari ciri atau tanda dari seseorang maka identitas seseorang itu dapat diketahui. Permasalahan yang menyangkut identitas seseorang tersebut dapat dikategorikan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB 1 PENDAHULUAN. 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 III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciBAB 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 terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih 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 terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih 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 II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciTugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya
Tugas Teknik Penulisan Karya Ilmiah Sistem Identifikasi Biometrik Finger Knuckle Print Menggunakan Histogram Equalization dan Principal Component Analysis (PCA) M.FAIZ WAFI 09121001043 Sistem Komputer
Lebih 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih 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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciBAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih 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 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 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 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 terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Phalaenopsis atau yang biasa disebut dengan anggrek bulan mempunyai banyak jenis. Ada 26 jenis yang sudah dikenali di Indonesia. Anggrek dapat diklasifikasikan berdasarkan
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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciBAB I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciRANCANG DAN IMPLEMENTASI PATTERN RECOGNITION PADA GARIS TELAPAK TANGAN UNTUK AKSES KEAMANAN PINTU
RANCANG DAN IMPLEMENTASI PATTERN RECOGNITION PADA GARIS TELAPAK TANGAN UNTUK AKSES KEAMANAN PINTU Mutia Rafika 1*, Abdul Rakhman 1, Jon Endri 1 1 Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro,
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciIDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI PCA DAN GLCM
1 IDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI DAN Ratna Dwi Jayanti A11.2011.05949 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro, Jl.
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada prakteknya, bidang kedokteran dan biologi mengandalkan visualisasi untuk mempelajari struktur anatomi tubuh dan sel maupun fungsi biologis untuk mendeteksi serta
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih 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 terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih 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 terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL
PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL Silviana Utari, Tjut Awaliyah, M.Kom, Irma Anggraeni, M.Kom
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih 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 terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih 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 terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih 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 terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
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 terperinciKONTROL GERAKAN BUKA TUTUP PINTU UNTUK AKSES SISTEM KEAMANAN MENGGUNAKAN POLA IRIS MATA MANUSIA
KONTROL GERAKAN BUKA TUTUP PINTU UNTUK AKSES SISTEM KEAMANAN MENGGUNAKAN POLA IRIS MATA MANUSIA Nazrul Effendy 1), Khoerul Anwar 2), Ananda Dwi Mahendra 3), Beta M.G.S 4) 1,2,3,4) Jurusan Teknik Fisika,
Lebih terperinciPengenalan Pola Garis Telapak Tangan Menggunakan Metode Fuzzy K- Nearest Neighbor
Pengenalan Pola Garis Telapak Tangan Menggunakan Metode Fuzzy K- Nearest Neighbor Nurul Fajriani 1, Jayanti Yusmah Sari 2 Program Studi Teknik Informatika Universitas Halu Oleo Kendari, Indonesia nfajriani96@gmail.com
Lebih terperinciAPLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI
APLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciYOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
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 terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
Lebih terperinci