PENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING
|
|
- Bambang Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGUJIAN PENGENALAN KARAKTER PADA KTP MENGGUNAKAN METODE TEMPLATE MATCHING Michael Ryan dan Novita Hanafiah School of Computer Science, Bina Nusantara, Jl. Kebon Jeruk Raya No. 27,Kebon Jeruk, Jakarta Barat ABSTRAK Kartu Tanda Penduduk (KTP) menjadi acuan utama dalam memperoleh informasi seorang warga negara. Beberapa sektor bisnis membutuhkan informasi yang ada dalam KTP tersebut untuk melakukan proses registrasi. Pada umumnya proses registrasi masih menggunakan formulir untuk diisi kelengkapannya sesuai dengan data di KTP, yang kemudian akan diubah menjadi data digital dengan cara mengetik ulang informasi tersebut. Salah satu ide alternative yaitu dengan membuat sebuah sistem yang dapat mengenali karakter pada KTP tersebut sehingga informasi dalam KTP dapat diperoleh tanpa harus mengetik ulang. Tujuan dari penelitian ini adalah membuat sistem pengenalan karakter pada KTP dimana proses pengenalan karakter tersebut dicakup ke dalam 4 tahapan, yaitu pre-processing, text-area extraction, segmentation dan recognition. Beberapa kombinasi algoritma greyscaling, binarization ataupun segmentation digunakan dan diuji untuk mencari hasil yang lebih baik. Pengenalan text-area pada KTP menunjukkan hasil yang memuaskan, yaitu seluruh text dapat dikenali. Sedangkan pada tahapan segmentation, sekitar 93% karakter dapat terpotong dengan baik. Di sisi lain, proses recognition yang menerapkan metode template matching masih perlu untuk ditingkatkan kembali. Kata kunci : Pengenalan, karakter, registrasi, KTP Pendahuluan KTP sering digunakan pada proses registrasi, hal tersebut terjadi karena informasi yang ada pada KTP bernilai valid dan asli. Namun, masih banyak proses registrasi sekarang ini masih dilakukan dengan cara yang sangat tidak efisien. Kebanyakan proses registrasi dilakukan dengan menggunakan formulir, dan formulir tersebut diisi berdasarkan data yang ada pada KTP. Cara tersebut membuang waktu, karena setelah formulir diisi, formulir tersebut masih perlu dimasukan kedalam komputer dengan cara manual (pengetikan). Salah satu solusi yang dapat digunakan adalah dengan pembuatan sistem OCR. Tujuan Tujuan dari penelitian ini adalah untuk membuat sistem yang dapat mengenali karakter pada kartu tanda penduduk.
2 Proses OCR Digital Image Preprocessing Text Area Extraction Segmentation Character Recognition Text Gambar 1. Diagram proses OCR Sistem yang dibuat terdiri dari 4 tahapan, yaitu preprocessing, text area extraction, segmentation, recognition. dan pengujian yang akan dilakukan pada proses preprocessing. Pengujian dilakukan untuk mencari algoritma yang dianggap sebagai algoritma terbaik berdasarkan beberapa algoritma yang diuji. Proses pada penelitian ini didasari oleh penelitian yang dilakukan oleh (Mollah, et al., 2011).. Preprocessing Gambar digital pertama kali akan masuk ke dalam tahap preprocessing. Tahap ini dibagi kedalam 3 tahapan kecil lainnya. 3 tahapan tersebut adalah scaling, greyscaling, dan binarization. Pada tahap scaling, semua gambar yang memiliki ukuran panjang lebih dari 1024 akan dikecilkan ke panjang 1024 dengan ratio ukuran yang sama. Sebagai contoh masuk gambar 3264x2448 (ratio 4:3), gambar tersebut akan diubah menjadi ukuran 1024x768 (ratio 4:3). Scaling dilakukan untuk mempercepat proses yang dilakukan, karena semakin besar gambar maka akan semakin banyak pixel yang perlu diproses. Gambar yang telah melewati tahap scaling kemudian akan dikonversi menjadi gambar abuabu (greyscaling). Secara sederhana tahap ini akan mengubah gambar berwarna yang memiliki 3 channel warna menjadi gambar abu-abu yang memiliki 1 channel warna. Tahap greyscaling dilakukan untuk mendapatkan hasil yang lebih optimal saat tahap binarization dilakukan (binarization hanya akan membaca 1 channel). Terdapat 8 algoritma umum yang digunakan pada penelitian ini, yaitu: average (a), luminance (b), desaturation (c), decomposition maximum (d), decomposition minimum (e), single channel color red (f), single channel color green (g), single channel color blue(h). berikut rumus dari ke 8 algoritma greyscaling.
3 (a). (b). (c). (d). (e). (f). (g). (h). Tahapan terakhir pada preprocessing adalah binarization. tahap ini akan mengubah gambar abuabu menjadi hitam putih. Hal tersebut dilakukan untuk membagi pixel menjadi 2 yaitu pixel text dan pixel background. Pembagian tersebut dilakukan dengan mencari nilai threshold (t). pencarian nilai t akan dilakukan dengan 3 algoritma berbeda, yaitu: algoritma Niblack, Sauvola, dan Wolf. 3 algoritma tersebut berasal dari penelitian yang dilakukan oleh (Khurshid, et al., 2009). Rumus dari 4 algoritma tersebut yaitu: Dimana s adalah standard deviation atau simpangan baku pada jendela dan NP adalah number of pixel atau banyak pixel pada gambar abu-abu (greyscale). p i adalah pixel yang ke-i pada jendela. Pencarian nilai local threshold Niblack menggunakan rumus sebagai berikut: Dimana m adalah mean atau rata-rata nilai intesitas di jendela dan k adalah sebuah nilai parameter dengan nilai yang tetap (k = -0.2). Pencarian nilai local threshold Sauvola menggunakan rumus: Dimana k adalah sebuah nilai parameter dengan nilai yang tetap (k = 0.5) dan R adalah sebuah nilai parameter dengan nilai tetap (R = 128). Pencarian nilai local threshold Wolf menggunakan rumus:
4 Dimana M adalah nilai minimum dari intensitas pada jendela, R adalah nilai maximum dari intensitas pada jendela dan k adalah sebuah nilai parameter dengan nilai yang tetap (k = 0.5). Pencarian nilai local threshold Khurshid menggunakan rumus: Sama seperti sebelumnya m merupakan mean, dan k adalah sebuah nilai parameter dengan nilai yang tetap (k = - 0.5). Gambar 2. Hasil Dari Niblack. Gambar 3. Hasil Dari Wolf. Gambar 4. Hasil Dari Sauvola.
5 Gambar 5. Hasil Dari Khurshid. Text area extraction Pada tahapanan ini gambar akan dibagi menjadi 2 bagian yaitu text area, dan background area. Algoritma yang digunakan adalah dengan membagi gambar kedalam beberapa area-area kecil (dengan ukuran 4x4 pixel). Setelah gambar dibagi kedalam area kecil, akan dihitung berapa banyak pixel hitam (pixel text) yang ada ditiap area. Area yang memiliki pixel hitam sebanyak 6 93% dari ukuran kotak akan dianggap sebagai text area. Kemudian, semua text area yang berdekatan akan digabungkan dengan menggunakan algoritma rekrusif 4 arah dan kotak yang sebaris akan dijadikan 1 gambar. Hasil dari text area extraction dapat dilihat pada gambar 5 (yang ada didalam kotak merah adalah text area). Gambar 6. Hasil Text Area Exraction. Segmentation Pada tahap ini tiap text area akan dibagi kedalam gambar kecil yang berisikan 1 karakter. Pembagian dilakukan secara horizontal ( untuk membagi baris) dan vertikal (untuk membagi karakter). Pembagian menggunakan histogram, akan dicari garis yang tidak memiliki 1 pun pixel hitam. Garis yang tidak memiliki 1 pun pixel hitam akan dianggap sebagai tempat untuk memotong. Gambar 7. Hasil dari proses segmentasi. Recognition Tahap ini akan mengenali gambar karakter yang berasal dari hasil segmentation. pertama akan dilakukan character normalization. Character normalization akan merubah gambar menjadi bentuk standar atau ukuran yang sama dengan template yang dipakai. Hal yang dilakukan pada character normalization adalah dengan membuang pinggiran putih gambar yang tidak memiliki pixel hitam dan setelah itu gambar akan diubah keukuran yang sama kemudian akan dilakukan thinning. Algoritma thinning yang digunakan adalah zhang-suen (Cheriet, et al., 2007). Algoritma yang digunakan untuk pengenalan karakter adalah template matching sederhana. Terdapat 2 algoritma template matching yang digunakan yaitu 3x3 dan pixel by pixel. Pada 3x3 hal yang pertama kali dilakukan adalah membagi gambar kedalam 9 kotak (3x3). Kemudian akan dibuat kode dari tiap kotak tersebut.
6 (a) (b) Gambar 8. (a) Hasil Character normalization, (b) hasil Thinning. Digunakan 4 pengkodean yang dipakain untuk menyimpang pola dari sebuah huruf. ke 4 aturan tersebut yaitu: - Jika kotak tersebut memiliki pixel yang hanya memiliki 1 tetangga (ujung pixel) dikodekan sebagai (1). - Jika pixel hitam lebih kecil dari 3 maka kotak tersebut dianggap sebagai kotak kosong dan dikodekan sebagai (0). - Jika kotak tersebut memiliki pixel yang memiliki 4 tetangga atau lebih maka kotak tersebut dikodekan sebagai (4). - Jika kotak tersebut terdiri dari pixel dengan tetangga 2 dan 3 (biasanya lengkungan), maka kotak tersebut dikodekan sebagai (3). - Jika kotak tersebut hanya terdiri dari pixel dengan tetangga 2, maka kotak tersebut dikodekan sebagai (2) Gambar 9. Pembagian huruf menjadi 9 bagian (3x3). Menggunakan Gambar 9. sebagai contoh, maka kode yang dihasilkan adalah Kotak (1,1), (3,1), (1,3), (3,3) memiliki pixel ujung, maka dikodekan sebagai (1). - Kotak (2,1) dan (2,3) tidak memiliki pixel hitam, maka dikodekan sebagai (0).
7 - Kotak (1,2) dan (3,2) memiliki pixel yang terdiri dari pixel dengan tetangga 2 dan 3, dan 1 pixel dengan tetangga 4, maka dikodekan dengan (3). - Kotak (2,2) terdiri dari pixel yang bertetangga 2, maka dikodekan sebagai (2). Algortima pixel by pixel akan mencocokan tiap pixel pada gambar dan akan dihitung banyaknya pixel yang sama antar template dan gambar yang diuji. Template dengan nilai kesamaan paling tinggi akan dianggap sebagai jawaban. Hasil dan pembahasan Pengujian dilakukan pada 3 tahapan yaitu: preprocessing, text area extraction, dan recognition dan terakhir akan dilakukan pengujian secara keseluruhan. pada preprocessing akan dicari kombinasi algoritma greyscale dan binary yang terbaik, dan mencari parameter yang terbaik yang digunakan pada proses binary. Berdasarkan pengujian yang dilakukan hasil yang didapat adalah kombinasi algoritma decomposition-max dan Wolf memberikan hasil terbaik dan 0.45 merupakan nilai k terbaik, dan untuk ukuran jendela yang digunakan adalah 50x50 dengan hasil tertinggi yang didapat adalah 93%. Pada tahap text area extraction, akan dicari ukuran kotak yang memberikan hasil terbaik dalam pembagian text area dan background area. Hasil yang didapatkan adalah 4x4 dan akurasi yang didapatkan adalah 100% text area dapat dideteksi. (a) (c) (b) (d) Gambar 10. Sampel sampel yang digunakan (a) sampel 1, (b) sampel 2, (c) sampel 3, (d) sampel 4.
8 Pengujian recognition dilakukan untuk mendapatkan nilai akurasi dari algoritma yang digunakan. Pada pengujian recognition diuji 2 algoritma yaitu: 3x3 dan pixel by pixel. Untuk hasil dari ke 2 algoritma tersebut dapat dilihat pada tabel berikut ini. Gambar 11. Template yang digunakan pada pengujian recognition. Tabel 1. Hasil test recognition algoritma 3x3. Kalimat yang harus dibaca Panjang kalimat terbaca dengan benar PROVINSI % KABUPATE N % NIK % Nama % Tempat/Tgl lahir % Jenis Kelamin % Gol. Darah % Alamat % RT/RW % Kel/Desa % Kecamatan % Agama % Status Perkawinan % Pekerjaan % Kewarganegar aan % Berlaku Hingga % % % Tabel 2. Hasil test recognition algoritma pixel by pixel. Kalimat yang harus dibaca Panjang kalimat terbaca dengan benar PROVINSI % KABUPATE N % NIK % Nama % Tempat/Tgl lahir % Jenis kelamin % Gol. Darah % Alamat % RT/RW % Kel/Desa % Kecamatan % Agama % Status Perkawinan % Pekerjaan % Kewarganeg araan % Berlaku Hingga % % %
9 Algoritma pixel by pixel memberikan hasil yang lebih baik dibandingkan algoritma 3x3. Hal tersebut terjadi karena pada template yang digunakan tidak terdapat noise yang membuat gambar template dengan gambar yang diuji memberikan hasil yang tidak terlalu berbeda. Pada pengujian secara keseluruhan dilakukan pada sampel 3. Pengujian ini dilakukan untuk mendapatkan nilai akurasi dari sistem yang dibuat. Berikut hasil yang didapatkan. Tabel 3. Hasil test secara keseluruhan 3x3 Kalimat yang harus dibaca Panjang kalimat terbaca dengan benar PROVINSI % KABUPATE N % NIK % Nama % Tempat/Tgl lahir % Jenis Kelamin % Gol. Darah % Alamat % RT/RW % Kel/Desa % Kecamatan % Agama % Status Perkawinan % Pekerjaan % Kewarganega raan % Berlaku Hingga % % % Tabel 3. Hasil test secara keseluruhan pixel by pixel Kalimat yang harus dibaca Panjang kalimat terbaca dengan benar % PROVINSI % KABUPATE N % NIK % Nama % Tempat/Tgl lahir % Jenis Kelamin % Gol. Darah % Alamat % RT/RW % Kel/Desa % Kecamatan % Agama % Status Perkawinan % Pekerjaan % Kewarganega aan % Berlaku Hingga % %
10 Berbeda dengan hasil sebelumnya, 3x3 memberikan hasil yang sedikti lebih baik dibandingkan dengan pixel by pixel. Hal tersebut terjadi karena algoritma 3x3 akan mengambil bentuk karakter secara umum dan noise tidak memberikan dampak yang terlalu besar dibandingkan dengan algoritma pixel by pixel. Kebanyakan karakter tidak dapat terbaca dengan baik karena masih banyak karakter yang terpotong dan menempel dengan karakter lainnya (hasil segmentasi kurang baik). Kesimpulan Berdasarkan hasil pengujian, kombinasi algoritma terbaik adalah kombinasi antara decomposition max dan Wolf. Untuk parameter yang terbaik adalah k = 0.45, dan ukuran jendela 50 x 50. Hasil akhir yansg didapat adalah pada proses segmentasi dianggap sudah cukup baik, hasil tertinggi adalah 93% karakter terpotong secara baik walaupun masih dapat dilakukan peningkatan pada proses tersebut. Untuk hasil dari recognition algoritma masih perlu dikembangkan untuk mendapatkan hasil yang lebih baik. Referensi Cheriet, M., Kharma, N., Liu, C.-L. & Suen, C. Y., Character Recongition System: A Guide for Student and Practitioners. New Jersey: John Wiley & Sons, Inc.. Khurshid, K., Siddiqi, I., Faure, C. & Vincent, N., Comparison of Niblack inspired Binarization methods for ancient. SPIE. Mollah, A. F., Majumder, N., Basu, S. & Nasipuri, M., Design of an Optical Character Recognition System for Camera based. IJCSI, 8(4). Riwayat Penulis Michael Ryan lahir di kota jakarta pada Penulis menamatkan pendidikan S1 di Bina Nusantara dalam bidang Teknologi Informasi pada 2015.
Oleh: 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 terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciPERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION
Jurnal Komputer dan Informatika (KOMPUTA) 29 PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION Raden Sofian Bahri 1, Irfan Maliki 2 1,2 Program Studi Teknik
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
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 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi yang terus berkembang membuat sistem komputerisasi bergerak dengan cepat, namun hal ini tidak seimbang dengan kemampuan manusia memindahkan data secara manual
Lebih terperinciTemplate Matching pada Citra E-KTP Indonesia
Template Matching pada Citra E-KTP Indonesia Sugeng Widodo,M.Kom STIKI, sugen@stiki.ac.id Ir. Gunawan, M.Kom STTS, gunawan@stts.edu ABSTRAK Penelitian ini berisi tentang ekstrasi tulisan pada E-KTP Indonesia,
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 3 PERANCANGAN SISTEM
21 BAB 3 PERANCANGAN SISTEM 3.1 Arsitektur Sistem Template Formulir Sample Karakter Pengenalan Template Formulir Pendefinisian Database Karakter Formulir yang telah diisi Pengenalan Isi Formulir Hasil
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 terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciSYSTEMIC Vol. 1, No. 1, Agustus 2015, PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI.
SYSTEMIC Vol. 1, No. 1, Agustus 2015, 14-19 PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI Ahmad Yusuf 1) 1) Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel
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 terperinciTIP 243 Computer Vision. 3 SKS Semester 5 and up Prasyarat disarankan: Pengolahan Citra Digital Dosen: Aditya Wikan Mahastama
TIP 243 Computer Vision 3 SKS Semester 5 and up Prasyarat disarankan: Pengolahan Citra Digital Dosen: Aditya Wikan Mahastama Computer Vision Mata kuliah ini bersifat 'inspiring subject' yang memperkenalkan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciPengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas
Pengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas. Riza Prasetya Wicaksana Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh Nopember Suarabaya
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Penggunaan energi listrik merupakan suatu kebutuhan atau tuntutan hidup yang tidak dapat dipisahkan untuk memenuhi menunjang aktivitas sehari hari. Di Indonesia,
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciAPLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE
APLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE 1 Rudy Adipranata 2 Fauzi Josephine Desiree 3 Andreas Handojo 1, 2, 3 Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto
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 terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinci1. Pendahuluan. 2. Tinjauan Pustaka
1. Pendahuluan Plat mobil merupakan nomor identitas dari setiap mobil yang ada. Tentunya setiap mobil yang ada mempunyai plat nomor yang berbeda untuk masing-masing menunjukkan identitas kendaraan tersebut.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciPENGENALAN PLAT KENDARAAN BERMOTOR DENGAN TEKNIK HE GUANGLIN DAN GUO YALI
PENGENALAN PLAT KENDARAAN BERMOTOR DENGAN TEKNIK HE GUANGLIN DAN GUO YALI Julian Supardi 1), Desty Rodiah 2) 1 julian@unsri.ac.id, 2 destyrodiah@gmail.com ABSTRACT This project proposes a technique of
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciPengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour. Yustar Pramudana
Pengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour Yustar Pramudana Program Studi Teknik Informatika, Departemen Informatika Telkom University Jl. Telekomunikasi
Lebih terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra.
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 3 ANALISIS DAN PERANCANGAN SISTEM
56 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Prosedur Klasifikasi Dalam sistem Pengenalan Tulisan Tangan ini input berupa sebuah citra karakter, yang akan diproses menjadi fitur yang merupakan
Lebih terperinciOTOMASI PEMBENTUKAN LOCAL WINDOW DENGAN METODE SOM PADA BINERISASI DOKUMEN
Vol. 2, No. 2 Desember 2011 ISSN 2088-2130 OTOMASI PEMBENTUKAN LOCAL WINDOW DENGAN METODE SOM PADA BINERISASI DOKUMEN Wahyu Andhyka K. 1), Tri Adhi W., Kun Nursyaiful Priyo P. 1) Fakultas Teknologi Informasi,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f(x,y) dua dimensi, dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciAPLIKASI PEMBACAAN PLAT NOMOR KENDARAAN MENGGUNAKAN OPTICAL CHARACTER RECOGNITION (OCR)
APLIKASI PEMBACAAN PLAT NOMOR KENDARAAN MENGGUNAKAN OPTICAL CHARACTER RECOGNITION (OCR) Rusdi Efendi 1, EndinaPutriPurwandari 2, FauzanAzhmiSiregar 3 1,2,3 Program Studi Teknik Infomatika, Fakultas Teknik,
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 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 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih 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 terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dibidang transportasi darat khususnya kendaraan bermotor, semakin membantu masyarakat penggunanya, sehingga menjadikan kendaraan bermotor sebagai
Lebih terperinciRekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang
17 BAB II REKOGNISI KARAKTER NUMERIK 2.1 Gambaran Singkat Rekognisi Karakter Optik Rekognisi karakter optik merupakan salah satu aplikasi pengenalan pola yang dirancang untuk menerjemahkan teks baik berupa
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bahasa Lampung merupakan bahasa tradisional masyarakat Lampung. Masyarakat Lampung sering menggunakan Bahasa Lampung sebagai bahasa komunikasi sehari-hari. Biasanya,
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi yang sangat pesat, dokumen penting masih tetap mutlak diperlukan dan dijaga keutuhannya. Huruf merupakan suatu elemen utama yang
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Dalam proses pembuatan suatu sistem mutlak dilakukan analisis terhadap sistem yang akan dibangun, analisis yang dilakukan untuk membangun aplikasi perbandingan
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciPERBANDINGAN IDENTIFIKASI GAMBAR HURUF YANG TELAH DI MANIPULASI MENGGUNAKAN ALGORITMA ALBP & CHAIN CODE
PERBANDINGAN IDENTIFIKASI GAMBAR HURUF YANG TELAH DI MANIPULASI MENGGUNAKAN ALGORITMA ALBP & CHAIN CODE Daniel Setiawan Cahyono 1, Shinta Estri Wahyuningrum 2 1,2 Progam Studi Teknik Informatika, Fakultas
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengenalan citra merupakan suatu ilmu yang berguna untuk melakukan klasifikasi berdasarkan ciri atau sifat-sifat dari suatu objek. OCR atau Optical Character
Lebih terperinciBAB I PENDAHULUAN. tangan dijadikan alat untuk menganalisis kepribadian pemiliknya. Sebuah
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan salah satu hal unik yang dapat dihasilkan oleh manusia selain tanda tangan. Seperti halnya tanda tangan, tulisan tangan juga dapat digunakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
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 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 terperinciSesi 3 Operasi Pixel dan Histogram. : M. Miftakul Amin, S. Kom., M. Eng.
Sesi 3 Operasi Pixel dan Histogram Materi Kuliah Dosen : Pengolahan Citra Digital : M. Miftakul Amin, S. Kom., M. Eng. Pokok Bahasan Konversi RGB ke Gray Scale Konversi Gray Scale ke Biner Konversi Gray
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
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 terperinciPENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN BERBASIS OPTICAL CHARACTER RECOGNITION MENGGUNAKAN METODE TEMPLATE MATCHING CORRELATION
PENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN BERBASIS OPTICAL CHARACTER RECOGNITION MENGGUNAKAN METODE TEMPLATE MATCHING CORRELATION Yoga Aldian Putra 1, Catur Supriyanto 2 1,2 Teknik Informatika, Fakultas
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
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 terperinciPenghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi
Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada era teknologi masa kini, komputer memiliki peran yang cukup besar dalam membantu mempermudah pekerjaan manusia. Fitur-fitur yang terdapat didalam komputer seperti
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciAnalisis Pengaruh Automatic Thresholding dalam Pemrosesan Citra Batupasir Berea
Analisis Pengaruh Automatic Thresholding dalam Pemrosesan Citra Batupasir Berea Chris Evan Sebastian 1,a), Chandra Winardhi 1,b), Fourier Dzar Eljabbar Latief 1,c) 1 Laboratorium Fisika Batuan, Kelompok
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciWEBSITE PERANCANGAN SCRAPBOOK DENGAN PEMOTONGAN GAMBAR OTOMATIS
WEBSITE PERANCANGAN SCRAPBOOK DENGAN PEMOTONGAN GAMBAR OTOMATIS C. Pickerling Teknik Informatika,Sekolah Tinggi Teknik Surabaya e-mail: pickerling@stts.edu ABSTRAK Scrapbook merupakan salah satu kegemaran
Lebih terperinciPENGENALAN TEKS CETAK PADA CITRA TEKS BINER
PENGENALAN TEKS CETAK PADA CITRA TEKS BINER Iwan Donal Paska Manurung Achmad Hidayatno Budi Setiyono Abstrak : Salah satu topik khusus pengolahan citra digital dibidang analisa citra adalah pengenalan
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB 3 PERUMUSAN OBJEK RANCANGAN. Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi
BAB 3 PERUMUSAN OBJEK RANCANGAN 3.1 Analisis Masalah dan Kebutuhan Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi yang akan kami buat. 3.1.1 Analisis Masalah Untuk mengetahui
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciPENGENALAN PLAT KENDARAAN BERMOTOR DENGAN TEKNIK HE GUANGLIN DAN GUO YALI
PENGENALAN PLAT KENDARAAN BERMOTOR DENGAN TEKNIK HE GUANGLIN DAN GUO YALI 1,2) 1) 2 ) Julian Supardi, Desty Rodiah Jurusan Teknik Informatika Universitas Sriwijaya 1 E-mail : Julian@unsri.ac.id E-mail
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 terperinciBAB 2 LANDASAN TEORI. Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks
BAB 2 LANDASAN TEORI 2.1 Pengenalan Teks Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Aplikasi dari teknologi pengenalan
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciJournal of Informatics and Technology, Vol 1, No 1, Tahun 2012, p
OPTICAL CHARACTER RECOGNITION MENGGUNAKAN ALGORITMA TEMPLATE MATCHING CORRELATION Suryo Hartanto 1, Aris Sugiharto 2, dan Sukmawati Nur Endah 3 Jurusan Ilmu Komputer / Informatika Fakultas Sains dan Matematika
Lebih terperinciBAB 1 PENDAHULUAN. Saat ini, teknologi komputer telah berkembang dengan pesat dan telah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, teknologi komputer telah berkembang dengan pesat dan telah banyak alat yang diciptakan untuk mendukung penggunaan komputer. Salah satu alat tersebut adalah
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
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 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN 1
BAB I PENDAHULUAN 1.1 Latar Belakang Keinginan menusia yang membutuhkan suatu sistem aplikasi yang dapat bekerja untuk membantu meringankan tugas-tugas mereka sehari-hari menjadi salah satu faktor yang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinciDETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA
DETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA Triyanto Adi Saputro., Elha Dhanny H, Andriansyah Ramadhan, Afi Muftihul Situmorang, M Fajar Lazuardi. Teknik Informatika, Fakultas Program
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 terperinciBinarisasi Citra Menggunakan Pencocokan Piksel
Binarisasi Citra Menggunakan Pencocokan Piksel Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia Jl. Lodan Raya No.2, Daerah Khusus Ibukota
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Kata Kunci: Citra Fundus Retina, Segmentasi Citra,
Lebih terperinciPERANCANGAN PENGENALAN PLAT NOMOR MELALUI CITRA DIGITAL DENGAN OPENCV
PERANCANGAN PENGENALAN PLAT NOMOR MELALUI CITRA DIGITAL DENGAN OPENCV Abdillah Komarudin 1401139432 Program Studi Sistem Komputer, Universitas Bina Nusantara, abdee_dillah@yahoo.com Ahmad Teguh Satria
Lebih terperinciPENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING
PENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING Rendra Pranadipa 1, Vika Novitasari 2, Maya Kurniawati 3, Nurlia Puspitasari 4, Yana Bonita 5 Informatika,, Malang E-mail: 1 rendradipa19@gmail.com,
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 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 terperinciANALISA BATAS SUDUT KEMIRINGAN HASIL PEMINDAIAN DOKUMEN MENGGUNAKAN TEMPLATE MATCHING CORRELATION
ANALISA BATAS SUDUT KEMIRINGAN HASIL PEMINDAIAN DOKUMEN MENGGUNAKAN TEMPLATE MATCHING CORRELATION Oleh : Teddy Setiady Manajemen Informatika, Politeknik LP3I Jakarta Gedung Sentra Kramat Jl. Kramat Raya
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciNurul Ilmi 1 1 Fakultas Informatika, Universitas Telkom, Bandung
Pengenalan Angka Tulisan Tangan dengan Menggunakan Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour Handwriting Digit Recognition with Use Local Binary Pattern Variance and K-Nearest Neighbour
Lebih terperinci