Teknik pengenalan wajah berbasis fitur local binary pattern (LBP)
|
|
- Suryadi Kartawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Teknik pengenalan wajah berbasis fitur local binary pattern (LBP) Oleh: Eko Wahyudi NRP Dosen Pembimbing: Dr. Ir. Wirawan, DEA Ir. Hendra Kusuma, M.Eng
2 Latar Belakang ( Permasalahan Sistem Pengenalan Wajah ) Posisi Kepala (Head Pose) Pencahayaan (Ilumination) Ekspresi (Expression) 2
3 Latar Belakang Proses pengenalan wajah dipengaruhi oleh faktorfaktor variabilitas inter personal dan intra personal. Algoritma pengenalan wajah dapat dibedakan menjadi 2 bagian yaitu berdasarkan pendekatan fitur (feature based) dan pendekatan penampilan (appearance based). 3
4 Skenario Pengenalan Wajah 4
5 Permasalahan Bagaimanakah mengekstrasi fitur wajah dengan menggunakan algoritma LBP? Metode manakah yang memberikan tingkat pengenalan yang paling baik dari similarity LBP (Chi Square), supervised PCA dan subspace LDA? Berapa besar akurasi pengenalan wajah dengan ekstraksi fitur LBP terhadap variasi posisi wajah, pencahayaan, dan ekspresi? Berapa besar window size LBP yang memberi laju pengenalan paling tinggi untuk tiap tiap algoritma pengenalan wajah? 5
6 Tujuan Mendapatkan Fitur Wajah dengan LBP untuk peningkatan unjuk kerja pengenalan wajah. Merancang perangkat lunak sebagai alat bantu melakukan pengekstraksian fitur wajah serta pengenalan wajah. Mencari tingkat pengenalan wajah yang paling baik dan membandingkan hasil pengenalan. 6
7 Batasan Masalah Citra input untuk proses pengenalan wajah hanya citra wajah yang ternormalisasi dengan ukuran piksel : 130 x 150 piksel Yale B 92x112 AT&T Besar pemilihan eigenvector yang digunakan pada algoritma supervised PCA dan subspace LDA sebesar 60%. 7
8 Basis Data Variasi pencahayaan menggunakan basis data Yale B. Variasi posisi kepala menggunakan basis data AT&T. 8
9 Blok Sistem Pengenalan Wajah 9
10 Histogram Equalization Histogram Equalization merupakan suatu metode penyesuaian kontras dengan cara memperlebar puncak dan memperkecil titik minimum histogram supaya penyebaran piksel pada citra merata (uniform). 10
11 Local Binary Pattern (LBP) LBP dikenal sebagai suatu teknik yang biasa digunakan untuk klasifikasi ciri suatu pola. LBP adalah deskriptor tekstur yang dapat juga digunakan untuk mewakili pola wajah. 11
12 Operator LBP LBP diperolehdari proses Binary Derivatives. Dan fungsi s(x) didefinisikan sebagai berikut: = =
13 Ekstraksi Fitur LBP 13
14 Similarity Chi Square Pengujian kesamaan statistik chi square digunakan sebagai classifier dalam ruang fitur. Prinsip dasar chi Square adalah menghitung nilai minimum rata rataduadistribusi. (distribusi histogram citra) 14
15 Algoritma Fitur LBP - PCA 15
16 Algoritma Fitur LBP - LDA 16
17 Dalam ruang Euclidean citra wajah direpresentasikan sebagai dua titik yang memiliki koordinat. Jarak Euclidean antara dua titik adalah panjang sisi miring dari sebuah segitiga siku siku. Euclidean distance 17
18 Hasil Percobaan variasi Pencahayaan (Subset II) [Basis data Yale-B] Tingkat pengenalan (%) x30 21x25 18x21 16x18 14x16 13x15 11x13 LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE Ukuran Jendela LBP LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE 18
19 Hasil Percobaan variasi Pencahayaan (Subset III) [Basis data Yale-B] Tingkat pengenalan (%) x30 21x25 18x21 16x18 14x16 13x15 11x13 LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE Ukuran Jendela LBP LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE 19
20 Hasil Percobaan variasi Pencahayaan (Subset IV) [Basis data Yale-B] Tingkat pengenalan (%) x30 21x25 18x21 16x18 14x16 13x15 11x13 LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE Ukuran Jendela LBP LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE 20
21 Hasil Percobaan variasi Pencahayaan (Subset V) [Basis data Yale-B] 70 Tingkat Pengenalan (%) x30 21x25 18x21 16x18 14x16 13x15 11x13 LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE Ukuran Jendela LBP LBP PCA LBP LDA CHI SQUARE HE LBP PCA HE LBP LDA HE CHI SQUARE 21
22 Hasil Percobaan variasi Headpose [Basis data AT&T] Tingkat Pengenalan (%) x30 21x25 18x21 16x18 14x16 13x15 11x13 LBP PCA LBP LDA CHI SQUARE Ukuran Jendela LBP LBP PCA LBP LDA CHI SQUARE 22
23 Kesimpulan Dari ketiga algoritma yang diujikan yaitu Supervised PCA, Subspace LDA, dan Chi Square, yang memiliki tingkat pengenalan paling besar adalah algoritma Chi Square. Untuk variasi pencahayaan (basis data Yale B) pada subset 2 sebesar 100%, subset 3 sebesar 99,17%, subset 3 sebesar 83,33%, dan untuk subset 4 sebesar 61% sedangkan untuk variasi posisi kepala (basis data AT&T) sebesar 90,71%. Pada basis data Yale B, Tingkat pengenalan terbaik dengan menggunakan algoritma Supervised PCA dan Subspace LDA terjadi pada window size LBP 14x16. Sedangkan untuk algoritma Chi Square tingkat pengenalan terbaik terjadipadawindow size LBP 11x13. Pada basis data AT&T, Tingkat pengenalan terbaik dengan menggunakan algoritma Supervised PCA dan Chi Square terjadi pada window size LBP 26x30. Sedangkan pada algoritma Subspace LDA terjadi pada window size 21x25. Pengenalan wajah dengan menggunakan fitur LBP lebih sesuai digunakan untukcitra citra dengan variasi pencahayaan dari pada variasiheadpose. 23
24 Saran Metode Local Binary pattern masih dapat dikembangkan dengan beberapa metode lain selain metode LBP standar, seperti uniform LBP, rotation invariant LBP atau uniform rotationinvariant LBP. Pengujian dapat dilakukan dengan basis data yang lain seperti FERET. Ekstraksi fitur LBP juga dapat digabungkan dengan metode pengenalan wajah selain PCA dan LDA seperti Canonical Correlation Analysis (CCA) atau Support Vector Machine (SVM). 24
25 25
TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN (LBP)
TEKNIK ENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY ATTERN (LB) Eko Wahyudi, Wirawan dan Hendra Kusuma Jurusan Teknik Elektro- FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciPerbandingan Unjuk Kerja Pengenalan Wajah Berbasis Fitur Local Binary Pattern dengan Algoritma PCA dan Chi Square
PAPER ID : 102 Perbandingan Unjuk Kerja Pengenalan Wajah Berbasis Fitur Local Binary Pattern dengan Algoritma PCA dan Chi Square Eko Wahyudi 1), Hendra Kusuma 2), Wirawan 3) 1,2,3) Jurusan Teknik Elektro
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciPengembangan Perangkat Lunak untuk Pengenalan Wajah dengan Filter Gabor Menggunakan Algoritma Linear Discriminant Analysis (LDA)
Pengembangan Perangkat Lunak untuk Pengenalan Wajah dengan Filter Gabor Menggunakan Algoritma Linear Discriminant Analysis (LDA) Erma Rachmawati Jurusan Teknik Elektro- FTI, Institut Teknologi Sepuluh
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS
PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE DISCRIMINATIVE LOCAL DIFFERENCE PATTERNS Widyawan Tarigan NRP : 0222062 email : widyawan_tarigan@yahoo.com ABSTRAK Pada sistem pengenalan wajah, merancang deskriptor
Lebih terperinciPengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)
JURNAL EKNIK IS ol 1, (Sept, 212) ISSN: 231-9271 A-439 Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA) Ratna Dwi Kartika Rini, Wirawan dan Hendra Kusuma Jurusan eknik Elektro-FI,
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciLAPORAN TUGAS AKHIR PENGENALAN WAJAH MENGGUNAKAN METODE EKSTRAKSI FITUR LOCAL BINARY PATTERN BERDASARKAN METODE K-NEAREST NEIGHBOR
LAPORAN TUGAS AKHIR PENGENALAN WAJAH MENGGUNAKAN METODE EKSTRAKSI FITUR LOCAL BINARY PATTERN BERDASARKAN METODE K-NEAREST NEIGHBOR FACE RECOGNITION USING LOCAL BINARY PATTERN FEATURE EXTRACTION BASED K-NEAREST
Lebih terperinciPenerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis
Penerapan Metode Phase Congruency Image (PCI) dalam Pengenalan Citra Wajah secara Otomatis Puspita Ayu Ningsih Putri. SY, Wirawan, Hendra Kusuma Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
Lebih terperincipola-pola yang terdapat pada suatu daerah bagian citra. Tekstur juga dapat membedakan permukaan dari beberapa kelas.
Ruang Lingkup Penelitian Ruang Lingkup penelitian ini adalah: 1. Objek citra adalah data citra daun tumbuhan obat dan citra pohon tanaman hias di Indonesia. 2. Dalam penelitian ini operator MBLBP yang
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Bab ini akan membahas tentang pengujian dan analisis sistem. Pada pengujian akan dijelaskan tentang kriteria pengujian serta analisis dari pengujian 4.1. Kriteria Pengujian
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Face recognition masih menjadi area yang diteliti secara luas dalam bidang ilmu komputer. Untuk mengenali wajah dalam pencahayaan yang baik dan arah yang tetap tanpa
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciPanjang bin dari setiap penggabungan disesuaikan dengan skala yang digunakan,
Panjang bin dari setiap penggabungan disesuaikan dengan skala yang digunakan, misalnya penggabungan, +, maka panjang bin yang dihasilkan sebesar 28 bin. 2. Penggabungan operator dengan, Setiap histogram
Lebih terperinciPENERAPAN TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN PADA ROBOT PENGANTAR MAKANAN
PENERAPAN TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN PADA ROBOT PENGANTAR MAKANAN Mohamad Deddy Turiyanto 2210100118 Dosen Pembimbing : Dr.Ir. Djoko Purwanto, M.Eng Rudy Dikairono, ST.,
Lebih terperinciPENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR
PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR Ardilla Ayu Dewanti Ridwan, Ivanna K. Timotius, Iwan Setyawan PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari bagaimana computer dapat mengenali obyek yang diamati. Computer Vision
Lebih terperincidengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan
dengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan Gambar 8 Struktur PNN. 1. Lapisan pola (pattern layer) Lapisan pola menggunakan 1 node untuk setiap data pelatihan yang digunakan.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap instansi, terutama instansi pendidikan tinggi yang memiliki kegiatan secara rutin setiap harinya selalu mengadakan proses pendidikan dengan cara melakukan tatap
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
Lebih terperinciBAB I PENDAHULUAN. perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, metodologi, dan sistematika penulisan dari Tugas Akhir ini. 1.1
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan
BAB I PENDAHULUAN 1.1 Latar Belakang Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan perangkat elektronik. Identifikasi tersebut perlu dilakukan untuk menunjang sistem peresensi, keamanan,
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini, eksperimen dilakukan terhadap metode Independent Component Analysis (ICA) dan Principal Component Analysis (PCA). Fokus utama penelitian
Lebih terperinciHASIL DAN PEMBAHASAN. B fch a. d b
7 dengan nilai σ yang digunakan pada tahap pelatihan sebelumnya. Selanjutnya dilakukan perhitungan tingkat akurasi SVM terhadap citra yang telah diprediksi secara benar dan tidak benar oleh model klasifikasi.
Lebih terperinciBAB 5 UJI COBA DAN ANALISA HASIL
BAB 5 UJI COBA DAN ANALISA HASIL Pada bab ini diuraikan mengenai lingkungan uji coba, hasil uji coba serta analisa hasil uji coba dari perangkat lunak. 5.1 Lingkungan Lingkungan uji coba merupakan komputer
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciImplementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector Machine
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-346 Implementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector
Lebih terperinciKombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah
Kombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah Rima Tri Wahyuningrum 1,2 Prodi Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo Jl. Raya Telang, PO BOX 2 Kamal, Bangkalan
Lebih terperinciPerbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA)
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Nimas Setya Yaniar Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
Lebih terperinciBAB 4 IMPLEMENTASI Implementasi
BAB 4 IMPLEMENTASI Bab ini menuturkan penjelasan mengenai implementasi dari sistem pengujian yang dibangun berdasarkan hasil analisis dan perancangan sistem yang telah dibahas pada bab sebelumnya. Bab
Lebih terperinciPenerapan Teknik Pengenalan Wajah Berbasis Fitur Local Binary Pattern pada Robot Pengantar Makanan
1 Penerapan Teknik Pengenalan Wajah Berbasis Fitur Local Binary Pattern pada Robot Pengantar Makanan Mohamad Deddy Turiyanto, Djoko Purwanto, Rudy Dikairono Teknik Elektro, Fakultas Teknologi Industri,
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Penelitian maupun pembuatan aplikasi mengenai pengenalan karakter / pengenalan pola ataupun yang berhubungan dengan Jaringan Syaraf Tiruan terlebih dengan metode Backpropagation
Lebih terperinciPengenalan Ekspresi Wajah Menggunakan Local Binary Pattern (LBP)
Pengenalan Ekspresi Wajah Menggunakan Local Binary Pattern (LBP) Facial Expression Recognition Using Local Binary Pattern (LBP) Adi Saputra (1138184) Fakultas Informatika Telkom University adisaputra@telkomuniversity.ac.id
Lebih terperinciNurul Ilmi 1 1 Fakultas Informatika, Universitas Telkom, Bandung
Pengenalan Angka Tulisan Tangan dengan Menggunakan Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour Handwriting Digit Recognition with Use Local Binary Pattern Variance and K-Nearest Neighbour
Lebih terperinciPENGENALAN JENDER BERBASIS TEKSTUR PADA CITRA WAJAH FOTO DIGITAL ABSTRAK
PENGENALAN JENDER BERBASIS TEKSTUR PADA CITRA WAJAH FOTO DIGITAL Cucun Very Angkoso Jurusan Teknik Informatika Fakultas Teknik Universitas Trunojoyo Madura cucunvery@if.trunojoyo.ac.id ABSTRAK Perkembangan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 1 Operator descriptor
Tabel 1 Operator descriptor Operator (P, R) Ukuran Blok (piksel) Kuantisasi Sudut (8, 1) 3 x 3 45 derajat (8, 2) 5 x 5 45 derajat (16, 2) 5 x 5 22.5 derajat (24, 3) 7 x 7 15 derajat Penentuan ukuran blok
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciBAB IV DATA PENGAMATAN DAN ANALISIS
BAB IV DATA PENGAMATAN DAN ANALISIS 4.1 Prosedur pengujian Setelah perancangan perangkat lunak dilakukan, maka selanjutnya dilakukan pengujian pengenalan wajah dan identifikasi. Tujuan dari pengujian ini
Lebih terperinciPengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor
Pengenalan Wajah Menggunakan Metode Linear Discriminant Analysis dan k Nearest Neighbor Fandiansyah 1, Jayanti Yusmah Sari 2, Ika Purwanti Ningrum 3, Jurusan Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciDeteksi Senyum Menggunakan Fitur Gabor dan Histograms of Oriented Gradients pada Bagian Mulut, Hidung, dan Mata
Deteksi Senyum Menggunakan Fitur Gabor dan Histograms of Oriented Gradients pada Bagian Mulut, Hidung, dan Mata Berty Chrismartin Lumban Tobing Fakultas Ilmu Komputer Universitas Indonesia Depok berty.chrismartin@ui.ac.id
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
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 terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih 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 SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciPengenalan Wajah Menggunakan Two Dimensional Linier Discriminant Analysis Berbasis Feature Fussion Strategy
Pengenalan Wajah Menggunakan Two Dimensional Linier Discriminant Analysis Berbasis Feature Fussion Strategy Benny Afandi Institut Teknologi Sepuluh Nopember Surabaya b2nafandi@gmail.com Sahmanbanta Sinulingga
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 terperinciPENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN Bab pertama ini mencakup latar belakang permasalahan yang mendasari pelaksanaan tugas akhir, tujuan, ruang lingkup tugas akhir dan sistematika penulisan laporan. 1.1. Latar Belakang Pengenalan
Lebih terperinciPENGENALAN WAJAH PADA PERANGKAT ANDROID MENGGUNAKAN ALGORITMA LOCAL BINARY PATTERN (LBP)
PENGENALAN WAJAH PADA PERANGKAT ANDROID MENGGUNAKAN ALGORITMA LOCAL BINARY PATTERN (LBP) FACE RECOGNITION BASED ON THE ANDROID DEVICE USING LOCAL BINARY PATTERN (LBP) ALGORITHM 1 Qawlan Akariman, 2 Agung
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 terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Uang didefinisikan sebagai alat tukar yang dapat diterima secara umum oleh setiap orang di masyarakat dalam proses pertukaran barang dan jasa. Uang sendiri
Lebih terperinciSegmentasi Citra menggunakan Support Vector Machine (SVM) dan Ellipsoid Region Search Strategy (ERSS) Arimoto Entropy berdasarkan Ciri Warna dan Tekstur Lukman Hakim 1, Siti Mutrofin 2, Evy Kamilah Ratnasari
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinci1. PENDAHULUAN. 1.1 Latar Belakang. 1.2 Perumusan masalah
1. PENDAHULUAN 1.1 Latar Belakang Formulir C1 Komisi Pemilihan Umum (KPU) merupakan dokumen hasil perolehan suara pemilu di setiap Tempat Pemungutan Suara (TPS). Formulir C1 kemudian dikumpulkan dan dilakukan
Lebih terperinciIdentifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA)
Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA) Cucu Suhery #1, Ikhwan Ruslianto *2 # Prodi Sistem Komputer Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman padi ( Oryzasativa,sp ) termasuk kelompok tanaman pangan yang sangat penting dan bermanfaat bagi kehidupan masyarakat Indonesia. Sampai saat ini, lebih dari
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Penelitian mengenai pengenalan wajah termotivasi oleh banyaknya aplikasi praktis yang diperlukan dalam identifikasi wajah. Pengenalan wajah sebagai salah satu dari teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman yang secara tidak disadari diikuti oleh perkembangan teknologi sangat banyak memberi pengaruh terhadap perkembangan ilmu
Lebih terperinciJURNAL SISTEM IDENTIFIKASI CITRA TANDA TANGA MENGGUNAKAN METODE 2D-PCA (TWO DIMENSIONAL PRINCIPAL COMPONENT ANALISYS)
JURNAL SISTEM IDENTIFIKASI CITRA TANDA TANGA MENGGUNAKAN METODE 2D-PCA (TWO DIMENSIONAL PRINCIPAL COMPONENT ANALISYS) SIGNATURE RECOGNITION USING 2D-PCA (TWO DIMENSIONAL PRINCIPAL COMPONENT ANALISYS) Oleh:
Lebih terperinciPENGENALAN EKSPRESI WAJAH MANUSIA MENGGUNAKAN TAPIS GABOR 2-D DAN SUPPORT VECTOR MACHINE (SVM)
PENGENALAN EKSPRESI WAJAH MANUSIA MENGGUNAKAN TAPIS GABOR 2-D DAN SUPPORT VECTOR MACHINE (SVM) Arif Mustakim*), Imam Santoso, and Ajub Ajulian Zahra Departemen Teknik Elektro, Universitas Diponegoro Jl.
Lebih terperinciUNJUK KERJA METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DENGAN LEARNING VECTOR QUANTIZATION (LVQ) PADA APLIKASI PENGENALAN WAJAH
ISSN : 1693 1173 UNJUK KERJA METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DENGAN LEARNING VECTOR QUANTIZATION (LVQ) PADA APLIKASI PENGENALAN WAJAH Yustina Retno Wahyu Utami 1), Teguh Susyanto 2). Abstract
Lebih terperinciPENGEMBANGAN APLIKASI SISTEM PENGENALAN WAJAH MENGGUNAKAN LOCAL BINARY PATTERN DENGAN VARIASI POSISI WAJAH
PENGEMBANGAN APLIKASI SISTEM PENGENALAN WAJAH MENGGUNAKAN LOCAL BINARY PATTERN DENGAN VARIASI POSISI WAJAH Ade Mahendra Lubis 1 ; Jeffrey Joson 2 ; Muhammad Zullidar 3 ; Alexander A. S. Gunawan 4 Jurusan
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciPENGARUH PROSES DOWNSAMPLE PADA KINERJA PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION
PENGARUH PROSES DOWNSAMPLE PADA KINERJA PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION Budi Nugroho 1), Intan Yuniar Purbasari 2) 1) Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB I 1 PENDAHULUAN. 1.1 Latar Belakang
BAB I 1 PENDAHULUAN 1.1 Latar Belakang Bidang komputer merupakan suatu bidang yang tidak akan pernah berhenti dan selalu berkembang kegunaanya hingga sekarang ini. Teknologi baru dan aplikasi baru selalu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam kehidupan sehari-hari, antrean (queing) merupakan hal yang sering sekali kita jumpai, misalnya ketika membeli karcis, membayar tol, menaiki kendaraan
Lebih terperinciBAB 1 PENDAHULUAN. dalam bidang Teknologi Informasi sangat pesat. Hampir seluruh bidang-bidang dalam
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) khususnya dalam bidang Teknologi Informasi sangat pesat. Hampir seluruh bidang-bidang dalam kehidupan
Lebih terperinciSIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN
SIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN Rivaldi MHS *), Ajub Ajulian Zahra, Imam Santoso, and
Lebih terperinciPENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN
PENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN 1008605032 JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION YANG MENGGUNAKAN HISTOGRAM REMAPPING DENGAN DISTRIBUSI NON-UNIFORM
PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION YANG MENGGUNAKAN HISTOGRAM REMAPPING DENGAN DISTRIBUSI NON-UNIFORM Budi Nugroho 1, Febriliyan Samopa 2 1 Jurusan Teknik Informatika, Fakultas Teknologi
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 terperinciDeskriptor Global Direct Fractional-Step Linear. Ringkasan Tulisan ini memaparkan simulasi ekstraksi citra wajah secara global dengan menggunakan
Simulasi Ektraksi Citra Wajah dengan Deskriptor Global Direct Fractional-Step Linear Discriminant Analysis (DF-LDA) untuk Pengenalan Wajah Ikuthen Gabriel Bams 1, Riko Arlando Saragih 2 Jurusan Teknik
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBAB II KAJIANPUSTAKA
BAB II KAJIANPUSTAKA 2.1 Klasifikasi Klasifikasi adalah proses pengelompokan data menjadi suatu kelas berdasarkan kesamaan karakteristik pada data data yang ada. Ada 2 jenis metode yang dapat digunakan
Lebih terperinciIdentifikasi Citra Daun Menggunakan Morfologi, Local Binary Patterns dan Convex Hulls
ISSN : 2442-8337 Identifikasi Citra Daun Menggunakan Morfologi, Local Binary Patterns dan Convex Hulls Desta Sandya Prasvita Program Studi Sistem Informasi, STIMIK ESQ Jl. TB Simatupang Kavling 1, Cilandak,
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciPENDETEKSIAN CITRA WAJAH MANUSIA DARI BERBAGAI POSISI MENGGUNAKAN LOCAL BINARY PATTERN (LBP)
Technologia Vol 8, No.4, Oktober Desember 2017 257 PENDETEKSIAN CITRA WAJAH MANUSIA DARI BERBAGAI POSISI MENGGUNAKAN LOCAL BINARY PATTERN (LBP) Fauzi Yusa Rahman Fakultas Teknologi Informasi Universitas
Lebih terperinciBAB I PENDAHULUAN. Sistem biometrik merupakan penerapan teknologi yang mempelajari
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrik merupakan penerapan teknologi yang mempelajari karakteristik biologi yang menjadi keunikan tersendiri pada manusia. Salah satu bagian sistem biometrik
Lebih terperinci