Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor"

Transkripsi

1 1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh pember Surabaya Jl. Arief Rahman Hakim, Surabaya Abstrak Sistem identifikasi telapak tangan adalah sebuah sistem biometrika yang digunakan untuk mengidentifikasi seseorang (individu) berdasarkan telapak tangannya. Untuk mengidentifikasi telapak tangan dibutuhkan teknik pencocokan. Pada tugas akhir ini dikembangkan teknik pencocokan telapak tangan berbasis filter bank Gabor yang merupakan salah satu dari teknik pencocokan telapak tangan berbasis pola. Cara kerja metode filter bank Gabor adalah dengan memfilter citra telapak tangan masukan dengan 8 buah filter Gabor, lalu hasilnya diubah menjadi vektor ciri (palmcode) dengan menggunakan Average Absolut Deviation (AAD). Proses identifikasi individu dilakukan dengan mencocokkan vektor ciri query dengan seluruh vektor ciri referensi yang tersimpan pada basis data. Pencocokan antara dua vektor ciri dilakukan dengan menghitung jarak Euclidean ternormalisasi pada kedua vektor sehingga dihasilkan suatu skor. Semakin kecil jarak yang dihasilkan maka skornya semakin besar. Pengguna yang teridentifikasi adalah pengguna yang memiliki skor terbesar pada vektor ciri referensinya. Berdasarkan hasil pengujian identifikasi telapak tangan pengguna dengan menggunakan metode filter bank Gabor, diperoleh unjuk kerja yang cukup tinggi. Hal ini ditunjukkan dengan cukup tingginya persentase tingkat keberhasilan sistem dalam melakukan identifikasi pengguna, yaitu sebesar 92,727%. Kata kunci : Filter Bank Gabor, Telapak Tangan, Sistem Identifikasi, Pencocokan Berbasis Filter Bank 1. Pendahuluan Sebelum sistem biometrika, pengenalan diri dilakukan dengan menggunakan sistem tradisional, seperti PIN, password, kartu, dan kunci. Penggunaan sistem tradisional ini dapat menimbulkan beberapa permasalahan, antara lain adanya faktor lupa, dapat digunakan oleh orang lain yang tidak berwenang, dan dapat hilang atau dicuri. Kelemahan-kelemahan tersebut dapat diatasi dengan penggunaan teknologi biometrika. Teknologi biometrika merupakan pengembangan dari metode dasar identifikasi yang menggunakan karakteristik alami manusia sebagai basisnya. Salah satu karakteristik yang dapat dipakai sebagai identifikasi adalah telapak tangan. Telapak tangan manusia digunakan untuk keperluan identifikasi karena tidak ada dua manusia yang memiliki telapak tangan persis sama. Bagian terpenting dalam sistem identifikasi telapak tangan terletak pada teknik pencocokan telapak tangan. Teknik pencocokan telapak tangan berbasis minusi ditemukan beberapa kelemahan, salah satunya adalah kemungkinan tidak dapat diprosesnya citra telapak tangan akibat hilang atau bertambahnya titik-titik minusi atau disebabkan perbedaan jumlah titik minusi pada kedua citra. Pada penelitian sebelumnya yaitu, pada tahun 2000, Sulung dengan tugas akhirnya tentang pengenalan sidik jari pada citra abu-abu dengan menggunakan metode Minutia untuk proses ekstraksi ciri dan algoritma Ridge Line Folowing untuk proses klasifikasinya, menunjukkan pengenalan sudah mencapai 80% [2]. Dalam tugas akhirnya, Elvayandri (2002) telah melakukan penelitian dengan menggunakan metode Minusi untuk ekstraksi cirinya, dan gabungan jaringan Wndow Holf dan jaringan Propagasi Balik untuk klsifikasinya. Tingkat pengenalan pada penelitian ini sudah mencapai 71%.[3] Sedangkan Fahmi dengan tugas akhirnya tentang mengembangkan Sistem Identifikasi Sidik Jari dengan Menggunakan Metode Filter Bank Gabor. Tingkat pengenalannya mampu mencapai 90,667%.[4] Oleh sebab itu, pada tugas akhir ini digunakan teknik pencocokan telapak tangan berbasis filter bank Gabor yang merupakan salah satu jenis teknik pencocokan telapak tangan

2 2 berbasis pola. Teknik pencocokan ini melakukan pemfilteran pada citra telapak tangan dengan menggunakan filter Gabor untuk menonjolkan (enhance) pola bukit (ridge) dan menghaluskan lembah (valley) pada citra telapak tangan. Tetapi sebelum difilter citra telapak tangan harus diolah supaya citra siap untuk diekstraksi dan direpresentasikan cirinya. Setelah citra difilter, citra diekstraksi dan direpresentasikan cirinya sehingga dapat diterapkan dalam proses pencocokan telapak tangan guna mengidentifikasi telapak tangan seseorang. Upaya-upaya untuk memperoleh beberapa proses pra-pengolahan, proses esktraksi ciri citra telapak tangan, dan proses pencocokan telapak tangan ini merupakan beberapa permasalahan yang dihadapi pada penelitian ini. Untuk membatasi ruang lingkup pembahasan permasalahan maka ditentukan beberapa batasan sebagai berikut: 1. Telapak tangan yang digunakan sebagai referensi, didaftarkan pada basis data, adalah telapak tangan kiri manusia. 2. Citra telapak tangan diambil secara langsung menggunakan webcam. 3. Telapak tangan dalam keadaan bersih. 4. Sistem identifikasi telapak tangan dengan menggunakan metode filter bank Gabor diimplementasikan menjadi sebuah program dengan bahasa pemrograman C#. 2. Metode Penelitian Pembahasan metodologi sistem diawali dengan penjelasan tentang peralatan yang digunakan dan tahap penelitian. 2.1 Peralatan Peralatan penelitian yang digunakan untuk menyelesaikan tugas akhir yang diusulkan ini adalah: 1. Perangkat lunak utama yang digunakan untuk membuat program simulasi sistem identifikasi telapak tangan adalah Visual C#. 2. Untuk mendapatkan citra telapak tangan digunakan webcam. Toshiba satellite M645 dengan spesifikasi prosesor Intel Core i5 CPU 2,40 GHz, RAM 4 GB DDR4, sistem tipe 64-bit, Mobile PC Display dengan setting layar monitor resolusi 1366 x 768 piksel 2.2 Tahap Penelitian Dalam melakukan penelitian pada tugas akhir yang diusulkan ini, ada beberapa tahap yang akan dilakukan yaitu: 1. Studi Literatur Tahap ini merupakan tahap pengumpulan informasi yang diperlukan untuk pengerjaan tugas akhir sekaligus mempelajarinya 2. Perancangan dan Implementasi Sistem Pada tahap ini akan dirancang sebuah sistem identifikasi telapak tangan dengan menggunakan metode filter bank Gabor. Gambaran umum dari sistem identifikasi telapak tangan yang akan dikembangkan adalah sebagai berikut: a. Akuisisi data: proses pengambilan citra telapak tangan dengan webcam. b. Pra-pemrosesan: proses pembuatan telapak tangan yang telah diakuisisi menjadi file citra telapak tangan ternormalisasi yang siap untuk diekstraksi cirinya. c. Ekstraksi ciri: proses untuk mendapatkan ciri-ciri citra telapak tangan yang dikenal sebagai Palmcode. d. Pendaftaran: proses penyimpanan Palmcode ke dalam basis data acuan beserta dengan identitas pemiliknya. e. Pencocokan: proses pengukuran kesamaan antara Palmcode input dengan Palmcode referensi untuk menghasilkan suatu skor. 3. Integrasi Program Pada tahap ini akan dilakukan integrasi untuk semua program yang telah diimplementasikan pada tahap sebelumnya sehingga dihasilkan sebuah sistem identifikasi telapak tangan yang terintegrasi. 4. Uji Coba dan Evaluasi Pada tahap ini implementasi sistem akan diuji dengan menerapkan beberapa skenario percobaan untuk kemudian dianalisis dan dievalusi hasilnya.

3 3 Adapun flowchart dari tahap penelitian ini dapat dilihat pada Gambar. Studi Sistem Perancangan dan implementasi sistem Akuisisi Data Prapemrosesan Ekstraksi Ciri Pendaftaran Pencocokan Integraasi Program Uji Coba dan Evaluasi Gambar 2.1: Flowchart Tahap Penelitian 3. Pengujian dan Pembahasan pengujian proses pencocokan telapak tangan dilakukan dalam bentuk simulasi. Sistem diuji dengan pengguna yang sudah terdaftar pada sistem untuk mengetahui tingkat kesalahan (False n Match Rate). Kesalahan merupakan kesalahan dimana sistem tidak dapat mengidentifikasi pengguna yang sudah terdaftar pada sistem. Sistem akan diteliti perbedaannya dengan menggunakan vektor ciri 16 sektor, 32 sektor, 48 sektor, dan 64 sektor. Pada sistem, jumlah pengguna yang diuji adalah sebanyak 20. Masing-masing pengguna diakuisisi telapak tangannya sebanyak 13 kali. Telapak tangan yang diakuisisi adalah telapak tangan sebelah kiri. 3.1 Pengujian Identifikasi Pengguna yang Terdaftar pada Sistem Tanpa Pergeseran dan dengan Pergeseran Pada pengujian ini, terdiri dari sembilan kali pengujian. Citra telapak tangan kesatu, kedua, dan ketiga digunakan untuk pendaftaran penggguna. Untuk 10 citra telapak tangan yang lain dan citra telapak tangan yang terdaftar digunakan sebagai pengujian. Pada pengujian yang pertama, citra telapak tangan kesatu didaftarkan dan diuji dengan 10 citra telapak tangan dan citra telapak tangan kesatu. Citra telapak tangan kesatu yang sudah terdaftar pada sistem dihapus dan dilanjutkan pengujian kedua dengan mendaftarkan citra telapak tangan yang kedua. Diulang lagi sampai pengujian ketiga selesai. Jadi jumlah keseluruhan pengujian identifikasi pengguna yang terdaftar pada sistem adalah sebanyak 11 x 3 x jumlah pengguna yang terdaftar x banyak vektor ciri x 2 atau 11 x 3 x 4 x 20 x 2 = 5280 pengujian. Berikut adalah sebagian hasil pengujian sistem terhadap pengguna yang telah terdaftar pada sistem untuk ketiga nilai sektor yang digunakan. Tabel 3.1 Hasil Pengujian Identifikasi Pengguna yang telapak tangan kesatu pada 32 Sektor. ID G B B G B G B G G G B B B B B B G G B B B B B B B B B B B B G G B Tabel 3.2 Hasil Pengujian Identifikasi Pengguna yang telapak tangan kedua pada 32 Sektor. ID G B B G B G B G G G B B B B B B B B B G G B Tabel 3.3 Hasil Pengujian Identifikasi Pengguna yang telapak tangan ketiga pada 32 Sektor. ID B B G B B B B B B B B B B B B B B B B B B B

4 4 Berdasarkan kesembilan macam hasil pengujian identifikasi pengguna yang terdaftar pada sistem diperoleh beberapa data hasil kinerja sistem identifikasi telapak tangan dengan menggunakan filter bank Gabor. Data-data ini ditampilkan pada Tabel 3.4 sampai dengan Tabel 3.6 berikut ini. Tabel 3.4 Hasil Kinerja Sistem Berdasarkan Pengujian dengan Menggunakan citra telapak tangan kesatu pada 32 Sektor Kriteria Hasil 2 Jumlah keberhasilan Identifikasi Jumlah kegagalan Identifikasi 34 Tabel 3.5 Hasil Kinerja Sistem Berdasarkan Pengujian dengan Menggunakan citra telapak tangan kedua pada 32 Sektor Kriteria Hasil 2 Jumlah keberhasilan Identifikasi Jumlah kegagalan Identifikasi 31 Tabel 3.6 Hasil Kinerja Sistem Berdasarkan Pengujian dengan Menggunakan citra telapak tangan ketiga pada 32 Sektor Kriteria Hasil 2 Jumlah keberhasilan Identifikasi Jumlah kegagalan Identifikasi 20 Berikut adalah sebagian hasil pengujian sistem terhadap pengguna yang telah terdaftar pada sistem dengan pergeseran untuk ketiga nilai sektor yang digunakan Tabel 3.7 Hasil Pengujian Identifikasi Pengguna yang telapak tangan kesatu pada 32 Sektor dengan Pergeseran Titik. ID B B B B B B B B G B B B B B B B B B B G G B Tabel 3.8 Hasil Pengujian Identifikasi Pengguna yang telapak tangan kedua pada 32 Sektor dengan Pergeseran Titik. ID G B B G B B B B B B B B B B B B B B B B B B Tabel 3.9 Hasil Pengujian Identifikasi Pengguna yang telapak tangan ketiga pada 32 Sektor dengan Pergeseran Titik. ID B B B B B B B B B B B B B B B B B B B B B B Berdasarkan kesembilan macam hasil pengujian identifikasi pengguna yang terdaftar pada sistem diperoleh beberapa data hasil kinerja sistem identifikasi telapak tangan dengan menggunakan filter bank Gabor. Data-data ini ditampilkan pada Tabel 3.10 sampai dengan Tabel 3.12 berikut ini. Tabel 3.10 Hasil Kinerja Sistem Berdasarkan Pengujian dengan Menggunakan citra telapak tangan kesatu pada 32 Sektor dengan Pergeseran Titik Kriteria Hasil 2 Jumlah keberhasilan Identifikasi Jumlah kegagalan Identifikasi 19 Tabel 3.11 Hasil Kinerja Sistem Berdasarkan Pengujian dengan Menggunakan citra telapak tangan kedua pada 32 Sektor dengan Pergeseran Titik Kriteria Hasil 2 Jumlah keberhasilan Identifikasi Jumlah kegagalan Identifikasi 14 Tabel 3.12 Hasil Kinerja Sistem Berdasarkan Pengujian dengan Menggunakan citra telapak tangan ketiga pada 32 Sektor dengan Pergeseran Titik Kriteria Hasil 2 Jumlah keberhasilan Identifikasi Jumlah kegagalan Identifikasi 15

5 5 Pada Tabel 3.1 sampai dengan Tabel 3.3 dan Tabel 3.7 sampai dengan Tabel 3.9, B menunjukkan bahwa sistem berhasil mengidentifikasi pengguna dengan benar. Sedangkan G menunjukkan bahwa sistem gagal mengidentifikasi pengguna dengan benar. Kegagalan sistem dalam mengidentifikasi, yaitu: 1. Tidak ada identitas siapapun yang berhasil diidentifikasi oleh sistem atau dengan kata lain identitas yang diidentifikasi adalah kosong. 2. Identitas pengguna yang berhasil diidentifikasi tidak sama dengan identitas pengguna yang melakukan identifikasi 3.2 Pembahasan Hasil Pengujian Identifikasi Pengguna yang Terdaftar pada Sistem Tujuan dari pengujian pengguna yang terdaftar pada sistem adalah untuk mengetahui tingkat kesalahan (False n Match Rate) pada sistem. Tingkat kesalahan dihasilkan dari persentase perbandingan jumlah kegagalan identifikasi pengguna yang terdaftar pada sistem dengan jumlah keseluruhan pengujian atau dapat dirumuskan sebagai berikut: Tingkat kesalahan jumlah kegagalan identifikasi jumlah pengujian x100% Berdasarkan Tabel 3.4 sampai 3. 6 dapat dihitung tingkat kesalahan untuk setiap proses pengujian adalah sebagai berikut: Tabel 3.13 Hasil Pengujian telapak tangan kesatu 1 16 Sektor 15,909% 2 32 Sektor 15,454% 3 48 Sektor 32,272% 4 64 Sektor 42,272% Tabel 3.15 Hasil Pengujian telapak tangan ketiga 1 16 Sektor 10,909% 2 32 Sektor 9,090% 3 48 Sektor 18,181% 4 64 Sektor 25,00% Tabel 3.16 Rata-rata Hasil Pengujian Pengguna yang Terdaftar pada Sistem pada citra telapak tangan ketiga 1 16 Sektor 13,787% 2 32 Sektor 12,878% 3 48 Sektor 24,696% 4 64 Sektor 30,908% Sedangkan berdasarkan Tabel 3.10 sampai 3.12 dapat dihitung tingkat kesalahan untuk setiap proses pengujian adalah ditunjukkan pada tabel 3.17 sampai Tabel 3.17 Hasil Pengujian telapak tangan kesatu dengan Pergeseran Titik 1 16 Sektor 9,090% 2 32 Sektor 8,637% 3 48 Sektor 17,273% 4 64 Sektor 28,637% Tabel 3.18 Hasil Pengujian telapak tangan kedua dengan Pergeseran Titik 1 16 Sektor 6,818% 2 32 Sektor 6,364% 3 48 Sektor 11,364% 4 64 Sektor 15,910% Tabel 3.14 Hasil Pengujian telapak tangan kedua 1 16 Sektor 14,545% 2 32 Sektor 14,090% 3 48 Sektor 23,636% 4 64 Sektor 25,454% Tabel 3.19 Hasil Pengujian telapak tangan ketiga dengan Pergeseran Titik 1 32 Sektor 8,636% 2 32 Sektor 6,819% 3 48 Sektor 10,910% 4 64 Sektor 13,637%

6 6 Tabel 3.20 Rata-rata Hasil Pengujian Pengguna yang Terdaftar pada Sistem pada citra telapak tangan ketiga 1 26 Sektor 8,181% 2 32 Sektor 7,273% 3 48 Sektor 13,183% 3 64 Sektor 19,395% Berdasarkan Tabel 3.16 dan Tabel 3.20 dapat ditunjukkan bahwa penggunaan vektor ciri 32 sektor pada pengujian pengguna yang terdaftar pada sistem memberikan hasil yang lebih baik jika dibandingkan dengan penggunaan vektor ciri 16, 48 atau 64 sektor. Hal ini dapat diketahui dari tingkat kesalahan yang dihasilkan pada penggunaan vektor ciri 32 sektor yang lebih kecil dibandingkan tingkat kesalahan yang dihasilkan oleh penggunaan vektor ciri 16, 48 atau 64 sektor. Dengan semakin kecilnya tingkat kesalahan maka persentase keberhasilan identifikasi sistem menjadi semakin besar. Persentase keberhasilan sistem dapat dihitung dengan menggunakan persamaan berikut: Persentase keberhasilan 100 % tingkat kesalahan Dengan menggunakan hasil pada Tabel 3.16 dan Tabel 3.20 maka dapat dihitung persentase keberhasilan sistem untuk setiap proses pengujian yang dtunjukkan pada Tabel 3.21 dan Tabel Tabel 3.21 Persentase Keberhasilan Sistem Hasil Pengujian Pengguna yang Terdaftar pada Sistem Persentase Keberhasilan 1 16 Sektor 86,213% 2 32 Sektor 87,122% 3 48 Sektor 75,304% 4 64 Sektor 69,092% Tabel 3.22 Persentase Keberhasilan Sistem Hasil Pengujian Pengguna yang Terdaftar pada Sistem Persentase Keberhasilan 1 16 Sektor 91,819% 2 32 Sektor 92,727% 3 48 Sektor 86,817% 4 64 Sektor 80,605% 4. Kesimpulan Beberapa kesimpulan yang dapat diambil berdasarkan analisis terhadap hasil pengujian adalah sebagai berikut: 1. Proses-proses sebelum ekstraksi ciri meliputi proses pendeteksian titik referensi, proses pembuatan Region of Interest (ROI), proses sektorisasi, dan proses normalisasi. 2. Pemfilteran citra telapak tangan dilakukan dengan mengkonvolusi citra telapak tangan dengan menggunakan 8 buah filter Gabor untuk menghasilkan 8 buah citra telapak tangan terfilter. 3. Persentase tingkat keberhasilan sistem identifikasi telapak tangan dengan menggunakan filter bank Gabor dapat mencapai 92,727 %. 4. Proses pencocokan telapak tangan tangan yang diekstraksi dan direpresentasikan oleh metode filter bank Gabor dihitung dengan menggunakan persamaan jarak Euclidean ternormalisasi. 5. Daftar Pustaka [1]. Jain, A.K., Hong, L., Pankanti, S., dan Prabhakar, S. May Fingercode: A Filterbank for Fingerprint Representation and Matching. IEEE Trans on Image Processing. Vol. 9,. 5. [2]. Sulung, Agus Pengenalan Sidik Jari pada Citra Abu-Abu. Surabaya: Institut Teknologi Sepuluh pember [3]. Elvayandri Sistem Keamanan Akses Menggunakan Pola Sidik Jari Berbasis Jaringan Syaraf Tiruan. Bandung: Institut Teknologi Bandung. [4]. Jatnika, Ahmad Fahmi The Implementation of Fingerprint Identification System Using Filter Bank Gabor Method. Surabaya : Institut Teknologi Sepuluh pember. [5]. Guo, Jinyu Palmprint Recognation Using Block Entropy Map From a Single Image Per Person. Journal of Computational Information Systems [6]. Putra, I Ketut Gede Darma Sistem Verifikasi Menggunakan Garis-garis Telapak Tangan. Bali : Universitas Udayana. [7]. Putra, Darma Sistem Biometrika: Konsep Dasar, Teknik Analisis Citra dan Tahapan Membangun Aplikasi Sistem Biometrika. Yogyakarta : C.V Andi Offset (Penerbit Andi).

SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR

SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul

Lebih terperinci

I. PENDAHULUAN. istem biometrika merupakan teknologi pengenalan individu dengan menggunakan bagian tubuh atau

I. PENDAHULUAN. istem biometrika merupakan teknologi pengenalan individu dengan menggunakan bagian tubuh atau 1 Sistem Pengenalan Individu Melalui Identifikasi Telapak Tangan dengan Menggunakan Matriks Ahmad Sirojuddin Luthfi dan Nurul Hidayat Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Lebih terperinci

Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD)

Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 1, Januari 2003, hal 5-10 Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Kusworo Adi Laboratorium Instrumentasi dan Elektronika

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang 1.1 Latar Belakang BAB I PENDAHULUAN Identitas sangat penting sebagai bukti bahwasanya manusia yang satu dengan yang lainnya adalah berbeda. Pada beberapa aplikasi yang membutuhkan pengidentifikasian seseorang

Lebih terperinci

PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK SISTEM PENCOCOKAN SIDIK JARI DENGAN ALGORITMA FILTERBANK GABOR. Aris Puji Widodo 1) dan Kusworo Adi 2)

PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK SISTEM PENCOCOKAN SIDIK JARI DENGAN ALGORITMA FILTERBANK GABOR. Aris Puji Widodo 1) dan Kusworo Adi 2) PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK SISTEM PENCOCOKAN SIDIK JARI DENGAN ALGORITMA FILTERBANK GABOR Aris Puji Widodo 1) dan Kusworo Adi 2) 1) Jurusan Matematika FMIPA UNDIP 2) Jurusan Fisika FMIPA

Lebih terperinci

Pendeteksi Cacat Pada Selongsong Peluru Berbasis Citra Menggunakan Gabor Filter

Pendeteksi Cacat Pada Selongsong Peluru Berbasis Citra Menggunakan Gabor Filter JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pendeteksi Cacat Pada Selongsong Peluru Berbasis Citra Menggunakan Gabor Filter M. Khairul Fahmi dan Dwi Ratna S Jurusan Matematika, Fakultas Matematika

Lebih terperinci

IDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR

IDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR ISSN: 1693-693 1 IDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR R. Rizal Isnanto, Achmad Hidayatno, Muhammad Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,

Lebih terperinci

Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor

Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 2, April 2003, hal. 39-46 Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Kusworo Adi Laboratorium Instrumentasi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan

Lebih terperinci

Aplikasi Sistem Pengenalan Individu Berbasis Sidik Jari pada Pengembangan Portal Otomatis

Aplikasi Sistem Pengenalan Individu Berbasis Sidik Jari pada Pengembangan Portal Otomatis 1 Aplikasi Sistem Pengenalan Individu Berbasis pada Pengembangan Portal Otomatis Catharina Hilda Asritirtany dan Nurul Hidayat Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut

Lebih terperinci

IMPLEMENTASI DAN EVALUASI

IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,

Lebih terperinci

Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi Ciri Principal Component Analysis (PCA) dan Overlapping Block

Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi Ciri Principal Component Analysis (PCA) dan Overlapping Block Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB 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 terperinci

Adiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

Adiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER

Lebih terperinci

BAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra

BAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Dewasa ini pengolahan citra digital telah mengalami perkembangan pesat dengan semakin banyak penelitian tentang pengenalan objek dari sebuah citra. Pengenalan suatu

Lebih terperinci

JARINGAN SARAF TIRUAN PADA BIOMETRIKA DETEKSI CITRA GARIS TELAPAK TANGAN DENGAN METODE BACKPROPAGATION

JARINGAN SARAF TIRUAN PADA BIOMETRIKA DETEKSI CITRA GARIS TELAPAK TANGAN DENGAN METODE BACKPROPAGATION 1 JARINGAN SARAF TIRUAN PADA BIOMETRIKA DETEKSI CITRA GARIS TELAPAK TANGAN DENGAN METODE BACKPROPAGATION Satria Bagus Pamungkas A11.2009.05057 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer

Lebih terperinci

1. Pendahuluan. 1.1 Latar belakang

1. 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 terperinci

BAB 1 PENDAHULUAN 1-1

BAB 1 PENDAHULUAN 1-1 BAB 1 PENDAHULUAN Bab ini menjelaskan mengenai Latar Belakang, Identifikasi Masalah, Tujuan Tugas Akhir, Lingkup Tugas Akhir, Metodologi Tugas Akhir dan Sistematika Penulisan Tugas Akhir. 1.1 Latar Belakang

Lebih terperinci

APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE

APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE Matheus Supriyanto Rumetna 1*, Marla Pieter, Monica Manurung 1 1 Fakultas Ilmu Komputer dan Manajemen, Universitas Sains

Lebih terperinci

Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik

Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Sri Heranurweni 1 1) Jurusan Teknik Elektro, Universitas Semarang email : heranur@yahoo.com Abstrak : Teknik identifikasi konvensional

Lebih terperinci

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX

ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan

Lebih terperinci

KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL

KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si

SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Berikut adalah alur metodologi penelitian yang akan digunakan dalam menyelesaikan penelitian tugas akhir ini : 3.2 Pengumpulan Data Gambar 3.1

Lebih terperinci

Jurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE

Jurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,

Lebih terperinci

Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri

Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK

Lebih terperinci

BAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk

BAB 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 terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, penyimpanan informasi pada media digital sudah banyak dilakukan oleh orang. Dimulai dengan menyimpan sebuah file atau gabungan beberapa file yang disimpan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar belakang 1.2. Perumusan Masalah

BAB I PENDAHULUAN 1.1. Latar belakang 1.2. Perumusan Masalah BAB I PENDAHULUAN 1.1. Latar belakang Salah satu implementasi di bidang komputer yang ditampilkan pada ciri kendaraan saat ini atau masa datang adalah proses Computer Vision Image Processing (CVIP), maksudnya

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN. dilanjutkan dengan pengujian terhadap aplikasi. Kebutuhan perangkat pendukung dalam sistem ini terdiri dari :

BAB IV IMPLEMENTASI DAN PENGUJIAN. dilanjutkan dengan pengujian terhadap aplikasi. Kebutuhan perangkat pendukung dalam sistem ini terdiri dari : BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi Sistem Pada bab ini akan dibahas mengenai implementasi sistem berdasarkan analisis dan perancangan yang telah dilakukan pada bab sebelumnya, dan dilanjutkan

Lebih terperinci

Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur

Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: PC dengan spesifikasi: a. Sistem Operasi : Microsoft Windows 10 Enterprise 64-bit

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manuasia. Biometrika telah lama dikenal sebagai pendekatan yang

Lebih terperinci

BAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma

BAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan

Lebih terperinci

SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING

SISTEM 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 terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 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 terperinci

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

PEMANFAATAAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi

Lebih terperinci

Tugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya

Tugas 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 terperinci

PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI

PENGENALAN 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 terperinci

PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI

PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI F12 menggunakan verifikasi sidik jari yang diharapkan akan PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI Fila Harmuningtyas 1), Indah Agustien 2) Fitri Damayanti 3)

Lebih terperinci

HASIL DAN PEMBAHASAN. Generalisasi =

HASIL DAN PEMBAHASAN. Generalisasi = 6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10

Lebih terperinci

BAB 1 PENDAHULUAN. sehari-hari membuat kita semakin dimanjakan dengan teknologi informasi. Faktor

BAB 1 PENDAHULUAN. sehari-hari membuat kita semakin dimanjakan dengan teknologi informasi. Faktor 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi yang berkembang sangat pesat merupakan kenyataan yang tidak dapat dipungkiri lagi, dengan beragam aplikasi dan manfaat pada kehidupan

Lebih terperinci

KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL

KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, dan Ajub Ajulian Zahra Jurusan Teknik

Lebih terperinci

IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso

IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga

Lebih terperinci

VERIFIKASI BIOMETRIKA TELAPAK TANGAN DALAM PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN BAGI MANAJEMEN PERSONALIA

VERIFIKASI BIOMETRIKA TELAPAK TANGAN DALAM PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN BAGI MANAJEMEN PERSONALIA JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 2017 : 113-121 VERIFIKASI BIOMETRIKA TELAPAK TANGAN DALAM PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN BAGI MANAJEMEN PERSONALIA VERIFICATION OF

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui tahapan awal didalam sebuah sistem pendeteksian filter sobel. Didalam aplikasi filter sobel ini

Lebih terperinci

BAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.

BAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m. BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun

Lebih terperinci

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi

Lebih terperinci

IDENTIFIKASI TELAPAK TANGAN (PALMPRINT) DENGAN EKSTRAKSI FITUR DIMENSI FRAKTAL DAN LACUNARITY ABSTRAK

IDENTIFIKASI TELAPAK TANGAN (PALMPRINT) DENGAN EKSTRAKSI FITUR DIMENSI FRAKTAL DAN LACUNARITY ABSTRAK IDENTIFIKASI TELAPAK TANGAN (PALMPRINT) DENGAN EKSTRAKSI FITUR DIMENSI FRAKTAL DAN LACUNARITY Suriyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya nuri_lewa@yahoo.com ABSTRAK Sistem pengenalan diri

Lebih terperinci

SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY

SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY 1 Devi Puspita Sari (08018272), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik

Lebih terperinci

ANALISIS SISTEM VERIFIKASI DENGAN MENGGABUNGKAN BIOMETRIKA TELAPAK TANGAN DAN GEOMETRI TANGAN NASKAH PUBLIKASI

ANALISIS SISTEM VERIFIKASI DENGAN MENGGABUNGKAN BIOMETRIKA TELAPAK TANGAN DAN GEOMETRI TANGAN NASKAH PUBLIKASI ANALISIS SISTEM VERIFIKASI DENGAN MENGGABUNGKAN BIOMETRIKA TELAPAK TANGAN DAN GEOMETRI TANGAN NASKAH PUBLIKASI disusun oleh Retno Ardhaningtyas Andari 10.11.3821 JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI

Lebih terperinci

Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login

Verifikasi 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 terperinci

BAB I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.

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 terperinci

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam

BAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting

Lebih terperinci

Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari

Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Okta Hadi Saputra, Irawan Jurusan Teknik Elektro FTI - ITS Abstrak Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan

Lebih terperinci

III METODOLOGI PENELITIAN

III METODOLOGI PENELITIAN 13 III METODOLOGI PENELITIAN 3.1 Kerangka Penelitian Penelitian dilakukan dalam lima tahapan utama, yaitu ekstraksi frame video, ekstraksi fitur SIFT dari seluruh frame, pembentukan kantong kata visual

Lebih terperinci

BAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a

BAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program

Lebih terperinci

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

PENDETEKSI 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 terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN. simulasi untuk mengetahui bagaimana performanya dan berapa besar memori

BAB IV IMPLEMENTASI DAN PENGUJIAN. simulasi untuk mengetahui bagaimana performanya dan berapa besar memori BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Algoritma yang telah dirancang, akan diimplementasikan dalam program simulasi untuk mengetahui bagaimana performanya dan berapa besar memori yang dibutuhkan

Lebih terperinci

3.2.1 Flowchart Secara Umum

3.2.1 Flowchart Secara Umum BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa

Lebih terperinci

SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION

SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION Abdul Fadlil dan Surya Yeki Program Studi Teknik Elektro, Fakultas Teknologi Industri, Univesitas Ahmad Dahlan, Kampus

Lebih terperinci

BAB III METODE PENELITIAN. Pengetahuan Alam Universitas Lampung dan di Dinas Pemuda dan Pariwisata

BAB III METODE PENELITIAN. Pengetahuan Alam Universitas Lampung dan di Dinas Pemuda dan Pariwisata 35 BAB III METODE PENELITIAN 3.1.Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung dan di Dinas Pemuda dan

Lebih terperinci

TEKNIK 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 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 terperinci

ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER

ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi

Lebih terperinci

IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)

IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker

BAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan

Lebih terperinci

RANCANG 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 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 terperinci

PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA

PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI 09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN FITUR EKSTRAKSI OPERASI BLOK FITUR OPERASI NON-OVERLAPPING BLOK NON-OVERLAPPING DAN PENCOCOKAN

Lebih terperinci

Bab V Metode Penelitian

Bab V Metode Penelitian Bab V Metode Penelitian V.1. Waktu dan Tempat Penelitian Penelitian dilakukan di dua tempat, yakni Laboratorium Tesis Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung dan Laboratorium

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada

BAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction

Lebih terperinci

PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE

PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 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 terperinci

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski

Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 42 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Observasi, serta konsultasi dengan ahli grafologi mengenai pengenalan tulisan tangan untuk melihat karakter psikologi dengan melihat bentuk huruf

Lebih terperinci

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN 76 BAB IV IMPLEMENTASI DAN PENGUJIAN 1.1 IMPLEMENTASI SISTEM Tahap implementasi dan pengujian sistem dilakukan setelah tahap analisis dan perancangan selesai dilakukan. Pada bab ini akan dijelaskan implementasi

Lebih terperinci

IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA

IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA Anggya N.D. Soetarmono, S.Kom. ABSTRAK Penelitian ini membahas tentang sistem identifikasi personal dengan menggunakan kesesuaian biometrik pada

Lebih terperinci

KLASIFIKASI CITRA SIDIK JARI DENGAN METODE TEMPLTE MATCHING

KLASIFIKASI CITRA SIDIK JARI DENGAN METODE TEMPLTE MATCHING KLASIFIKASI CITRA SIDIK JARI DENGAN METODE TEMPLTE MATCHING SKRIPSI Oleh : DWI KUSMIATI J2A 605 036 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 42 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Komputer yang Digunakan Spesifikasi sistem komputer yang digunakan untuk menjalankan program simulasi adalah sebagai berikut. 4.1.1 Spesifikasi Perangkat

Lebih terperinci

BAB III METODE PENELITIAN. yang didapatkan dari hasil analisis. Berikut adalah tahapan desain penelitian yang

BAB III METODE PENELITIAN. yang didapatkan dari hasil analisis. Berikut adalah tahapan desain penelitian yang BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian merupakan tahapan penelitian untuk mendapatkan cara yang paling efektif dan efisien mengimplementasikan sistem dengan bantuan data yang

Lebih terperinci

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel

Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel 1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut

Lebih terperinci

@UKDW BAB 1 PENDAHULUAN

@UKDW BAB 1 PENDAHULUAN BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Salah satu bentuk teknologi yang sedang berkembang di era digital ini adalah teknologi clouds. Aplikasi Clouds sudah banyak digunakan untuk berbagai keperluan

Lebih terperinci

ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS

ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,

Lebih terperinci

PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan

PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition

Lebih terperinci

BAB IV IMPLEMENTASI DAN EVALUASI SISTEM. sistem yang telah dibuat. Agar dapat terlaksananya implementasi sistem dengan

BAB IV IMPLEMENTASI DAN EVALUASI SISTEM. sistem yang telah dibuat. Agar dapat terlaksananya implementasi sistem dengan BAB IV IMPLEMENTASI DAN EVALUASI SISTEM 4.1 Kebutuhan Sistem Implementasi sistem merupakan wujud dari analisis dan perancangan sistem yang telah dibuat. Agar dapat terlaksananya implementasi sistem dengan

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dalam sebuah perusahaan percetakaan terdapat banyak departemen. Salah satu divisi yang cukup penting adalah departemen produksi. Departemen produksi merupakan

Lebih terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Instalasi Software Dalam penulisan tugas akhir ini dalam pembuatan programnya menggunakan aplikasi XAMPP dan MySQL sebagai databasenya dengan bahasa pemrograman Visual

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat

Lebih terperinci

YOGI WARDANA NRP

YOGI 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 terperinci