Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
|
|
- Vera Johan
- 6 tahun lalu
- Tontonan:
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 Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul
Lebih terperinciI. 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 terperinciPembentukan 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 terperinciBAB 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 terperinciPERANCANGAN 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 terperinciIDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR
ISSN: 1693-693 1 IDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR R. Rizal Isnanto, Achmad Hidayatno, Muhammad Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciPendeteksi 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 terperinciPerancangan 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciAplikasi 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 terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciAnalisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi Ciri Principal Component Analysis (PCA) dan Overlapping Block
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi
Lebih 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 terperinciAdiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER
Lebih terperinciBAB 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 terperinciBAB 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 terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciJARINGAN 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 terperinciBAB 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 terperinciAPLIKASI 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 terperinciPengenalan 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 terperinciANALISA 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan
Lebih terperinciBAB 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 terperinciSEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si
APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono
Lebih terperinciBAB 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 terperinciJurnal 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 terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
Lebih terperinciBAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia adalah makhluk yang unik dan berbeda satu satu sama lain. Ia memiliki berbagai karakteristik yang dapat digunakan untuk membedakan dirinya dengan individu
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB 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 terperinciTugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya
Tugas Teknik Penulisan Karya Ilmiah Sistem Identifikasi Biometrik Finger Knuckle Print Menggunakan Histogram Equalization dan Principal Component Analysis (PCA) M.FAIZ WAFI 09121001043 Sistem Komputer
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciAPLIKASI PENGOLAHAN CITRA PERBAIKAN KUALITAS IMAGE CITRA DIGITAL MENGGUNAKAN METODE HARMONIC MEAN FILTER
JURNAL TEKNIK DAN INFORMATIKA ISSN 89-594 VOL.5 NO. JANUARI 8 APLIKASI PENGOLAHAN CITRA PERBAIKAN KUALITAS IMAGE CITRA DIGITAL MENGGUNAKAN METODE HARMONIC MEAN FILTER Supiyandi, Barany Fachri, Program
Lebih terperinciPENGGUNAAN 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 terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciBAB 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 terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, dan Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciIDENTIFIKASI 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 terperinciVERIFIKASI 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 terperinciBAB 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 terperinciBAB 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 terperinciPENGENALAN 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 terperinciBAB 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 terperinciIDENTIFIKASI 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 terperinciSISTEM 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 terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciANALISIS 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 terperinciBAB I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berdasar dari ciri atau tanda dari seseorang maka identitas seseorang itu dapat diketahui. Permasalahan yang menyangkut identitas seseorang tersebut dapat dikategorikan
Lebih terperinciBAB 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 terperinciTeknik 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 terperinciIII 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinci3.2.1 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 terperinciJURNAL 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 terperinciBAB 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 terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB 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 terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciIDENTIFIKASI 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 terperinciENHANCEMENT 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 terperinciBAB 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 terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciJURNAL 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 terperinciRANCANG DAN IMPLEMENTASI PATTERN RECOGNITION PADA GARIS TELAPAK TANGAN UNTUK AKSES KEAMANAN PINTU
RANCANG DAN IMPLEMENTASI PATTERN RECOGNITION PADA GARIS TELAPAK TANGAN UNTUK AKSES KEAMANAN PINTU Mutia Rafika 1*, Abdul Rakhman 1, Jon Endri 1 1 Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro,
Lebih terperinciPENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI 09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN FITUR EKSTRAKSI OPERASI BLOK FITUR OPERASI NON-OVERLAPPING BLOK NON-OVERLAPPING DAN PENCOCOKAN
Lebih terperinciBab 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 terperinciBAB 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 terperinciPENCARIAN 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 terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciIdentifikasi 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 terperinciSISTEM 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 terperinciBAB 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 terperinciSISTEM 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 terperinciBAB 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 terperinciIDENTIFIKASI 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 terperinciKLASIFIKASI 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 terperinciBAB 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 terperinciBAB 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 terperinciTraffic 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
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 terperinciALGORITMA 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 terperinciPENGENALAN 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 terperinciBAB 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 terperinciUKDW 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