Shintya Yosvine Monro¹, Bambang Hidayat², Ari Novianty³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
|
|
- Hadi Iskandar
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KLASIFIKASI JENIS DAN KUALITAS TELUR ASIN BERDASARKAN WARNA KUNING TELUR MENGGUNAKAN TRANSFORMASI LBP (LOCAL BINARY PATTERN) DAN METODA SVM (SUPPORT VECTOR MACHINE) CLASSIFICATION KIND AND QUALITY OF SALTED EGG USING LBP (LOCAL BINARY PATTERN) TRANSFORMAT Shintya Yosvine Monro¹, Bambang Hidayat², Ari Novianty³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Penilaian warna dan kenampakan telur asin bergantung terhadap subjek yang menilai, sehingga hasilnya kurang akurat. Maka dari itu perlu adanya sistem yang berbasis pengolahan citra digital untuk melakukan penilaian kualitas telur asin secara objektif. Untuk ekstraksi ciri digunakan transformasi LBP (Local binary pattern) dan metoda SVM (Support Vector Machine) untuk klasifikasi kualitas telur asin ke dalam jenis telur asin rebus atau bakar yang untuk kemudian diklasifikasikan ke dalam kelas kualitas 1 atau kualitas 2. Pada tugas akhir ini dilakukan proses preprocessing yang terdiri dari operasi cropping dan resizing, morfologi, peningkatan kontras, grayscale, filtering. Untuk analisa akurasi dan waktu komputasi dilakukan pada varian parameter gaussian filter memakai matrik kernel 5x5 7x7 9x9, varian parameter LBP yaitu nilai (P,R) (4,1) (8,1) (8,2) (16,2) dan varian parameter kernel SVM (Rbf, Polynomial dan Linear) serta uji parameter jenis LBP. Dari hasil pengujian tingkat akurasi, perubahan parameter matrik kernel gaussian filter sama sekali tidak mempengaruhi akurasi. Varian nilai (P,R) terbaik adalah varian (8,1) dengan tingkat akurasi sebesar 76,67% pada uji jenis dan 80% pada uji kualitas. Lalu didapat juga kesimpulan varian kernel SVM terbaik adalah kernel polynomial, menghasilkan akurasi 73,13% pada uji jenis dan 81,88% pada uji kualitas dan akurasi terbaik didapat pada jenis LBP Uniform sebesar 81,25%. Dan dari hasil pengujian waktu komputasi, didapat hasil perubahan parameter kernel SVM tidak mempengaruhi waktu komputasi. Untuk perubahan parameter matrik kernel gaussian filter mempengaruhi waktu komputasi,semakin besar matrik semakin cepat waktu komputasi. Perubahan parameter nilai (P,R) juga mempengaruhi waktu komputasi, semakin besar nilai P semakin lama waktu yang dibutuhkan sistem. Kata Kunci : telur asin, pengolahan citra digital, ekstraksi ciri LBP, SVM.
2 Powered by TCPDF ( Tugas Akhir Abstract Assessment salted egg color and appearance depend on the subject are considered, so the results are less accurate. Thus the need for systems based on digital image processing to assess objectively the quality of salted eggs. Used for feature extraction transformation LBP (Local Binary Pattern) and the method of SVM (Support Vector Machine ) for classification of the quality of salted eggs into salted egg kind of poached or grilled and then classified into quality classes 1 or 2 quality. In this thesis performed the preprocessing process consists of cropping and resizing operations, morphology, contrast enhancement, grayscale, filtering. To analyze the accuracy and computational time is done on the variant parameter gaussian kernel filter using 5x5 7x7 9x9 matrix, parameter variant LBP is the value of (P,R) (4,1) (8,1) (8,2) (16,2) and variant parameter SVM kernel (RBF, polynomial and linear) and test parameter types LBP. The accuracy of the test results, change filter parameters gaussian kernel matrix does not affect accuracy. Variant values (P, R) is the best variant (8.1) with an accuracy rate of 76.67% on the test type and 80% in the test quality. Then the conclusion is also obtained the best SVM kernel variants are polynomial kernel, yield 73.13% accuracy on the test type and 81.88% on test quality and the best accuracy obtained on the type of LBP was 81.25% Uniform. And the computational time of the test results, the results obtained SVM kernel parameter changes do not affect the computation time. To change the filter gaussian kernel matrix parameters affect the computation time, the greater the faster matrix computation time. Changes in parameter values (P,R) also affects the computation time, the greater the P value the longer it takes the system. Keywords : salted egg, digital image processing, feature extraction LBP, SVM.
3 BAB I PENDAHULUAN 1.1 Latar Belakang Telur asin adalah istilah umum untuk masakan berbahan dasar telur bebek yang diawetkan dengan cara diasinkan (diberi adonan garam dan batu bata merah berlebih untuk menonaktifkan enzim perombak). Kebanyakan telur yang diasinkan adalah telur bebek, meski tidak menutup kemungkinan untuk telur-telur yang lain diasinkan. Dalam penelitian saya kali ini saya hanya akan membahas telur asin dari telur bebek khas kota Brebes. Di Jawa Tengah, kota Brebes dikenal sebagai penghasil utama telur asin. Industri telur asin di Brebes cukup meluas hingga tersedia berbagai pilihan kualitas telur asin. Masingmasing produsen memiliki cap sendiri-sendiri yang biasanya dapat dilihat pada kulit telur. Walaupun selera orang berbeda-beda, telur asin yang dinilai berkualitas tinggi memiliki ciri-ciri bagian kuning telur berwarna jingga terang hingga kemerahan, "kering" (jika digigit tidak mengeluarkan cairan), tidak menimbulkan bau amis, dan rasa asin tidak menyengat. Kriteria warna kuning telur asin kualitas 1 adalah warna kuning telur nya jingga kemerahan dan terdapat kandungan minyak. Sedangkan kenampakan kuning telur asin kualitas 2 warnanya jingga lebih pucat masih terdapat kandungan minyak di dalamnya namun tidak sebanyak kandungan minyak pada kuning telur asin kualitas 1. Penentuan kualitas telur asin dari kenampakan dan warna kuning telurnya biasanya dilakukan oleh tester. Apabila penilaian dilakukan oleh tester, kelemahannya adalah hasil yang didapat akan bersifat subjektif karena selera tester berbeda-beda sehingga hasil yang didapat kurang objektif. Oleh karena Penentuan kualitas telur asin dari kenampakan dan warna kuning telurnya yang dilakukan oleh tester bersifat subjektif, penulis tugas akhir ini mengembangkan metode lain penentuan kualitas telur asin dari kenampakan dan warna kuning telurnya selain dengan tester, yaitu menggunakan suatu sistem berbasis pengolahan citra digital. Untuk ekstraksi ciri menggunakan transformasi LBP (Local Binary Pattern) dan metoda SVM untuk klasifikasi. 1
4 Sistem ini mengolah citra kuning telur asin yang memiliki gradasi warna tipis. Dengan metoda LBP yang merupakan salah satu metode segmentasi warna, mengelompokan citra kuning telur asin ke dalam cluster-cluster warna dan mempertegas gradasinya menjadi suatu ciri khusus. Ciri inilah yang akan dipelajari dan dikenali oleh metoda SVM untuk menghasilkan output berupa penilaian jenis dan kualitas telur asin dilihat dari kuning telur nya, apakah termasuk jenis telur asin bakar atau telur asin rebus, yang untuk kemudian diklasifikasikan lagi ke dalam golongan kualitas 1 atau kualitas 2. Parameter kerja sistem berupa akurasi, yang ditentukan dengan membandingkan jumlah pengujian tepat dengan jumlah seluruh pengujian. 1.2 Tujuan Tujuan tugas akhir ini adalah membuat simulator yang dapat melakukan penilaian terhadap jenis dan kualitas telur asin berdasarkan kenampakan kuning telurnya dengan menggunakan parameter transformasi LBP (Local Binary Patterns) untuk ekstraksi ciri dan menggunakan metoda SVM (Support Vector Machine) untuk klasifikasi. 1.3 Rumusan Masalah Beberapa permasalahan yang akan menjadi objek pada penelitian ini adalah sebagai berikut : 1. Bagaimana mengetahui kenampakan citra kuning telur asin kualitas 1 dan Bagaimana melakukan preprocessing citra warna kuning telur asin. 3. Bagaimana mendapatkan ekstraksi ciri dari masing-masing kualitas kuning telur asin dengan transformasi LBP (Local Binary Patterns). 4. Bagaimana melakukan klasifikasi jenis dan kualitas telur asin dengan metode SVM. 5. Bagaimana melakukan analisis performansi sistem berupa parameter keakuratan identifikasi dan waktu komputasi. 1.4 Batasan Masalah Tugas akhir ini akan membatasi permasalahan pada poin-poin sebagai berikut : 1. Objek simulasi berupa telur asin rebus dan telur asin bakar dari telur bebek daerah Brebes. 2
5 2. Pengambilan gambar dilakukan dengan kamera digital Samsung 8.2MP dengan posisi pengambilan gambar dari atas objek dengan jarak 20 cm dr ujung kamera digital. 3. Background pengambilan gambar disamakan untuk seluruh objek yaitu background berwarna (hijau). 4. Waktu pengambilan gambar siang hari, dilakukan di dalam ruangan yang terang karena pantulan sinar matahari dari luar (bukan karena sinar lampu). 5. Hasil keluaran sistem berupa jenis telur (telur asin rebus atau telur asin bakar) dan klasifikasi kualitas telur asin tersebut baik kualitas 1 atau kualitas Parameter kinerja sistem yang digunakan adalah tingkat akurasi pengenalan yang merupakan prosentase antara hasil pengenalan benar terhadap seluruh percobaan dan waktu komputasi. 7. Perangkat lunak yang digunakan adalah program MATLAB R2013a. 1.5 Metodologi Penelitian Penelitian Tugas Akhir ini dilakukan dengan metode-metode sebagai berikut : 1. Pengambilan data berupa gambar telur asin bakar dan rebus kualitas 1&2 untuk dijadikan bahan latih dan bahan uji sistem. 2. Melakukan perancangan sistem yang meliputi : proses perbaikan citra melalui tahap pre-processing citra, menentukan ciri citra menggunakan transformasi LBP, dan melakukan proses klasifikasi dengan metoda SVM. 3. Melakukan pengujian sistem dengan parameter kerja keakuratan hasil klasifikasi dibandingkan dengan data latih. 4. Pengambilan kesimpulan terhadap hasil analisis dan melaporkan hasil kerja sistem dalam bentuk Sidang dan Buku Tugas Akhir. 1.6 Sistematika Penulisan Proposal Tugas Akhir ini dibagi dalam beberapa topik bahasan yang disusun secara sistematis sebagai berikut : BAB I PENDAHULUAN Bab ini membahas tentang latar belakang, tujuan, perumusan masalah, batasan masalah, metodologi penelitian dan sistematika penulisan. 3
6 Powered by TCPDF ( Tugas Akhir BAB II DASAR TEORI Bab ini membahas tentang dasar-dasar teori pengolahan citra digital, metode ekstraksi ciri menggunakan LBP (Local Binary Pattern) dan metoda SVM untuk klasifikasi. BAB III MODEL SISTEM Bab ini menjelaskan tentang model sitem secara umum, proses sistem akuisisi data, proses preprocessing, proses pengambilan ciri, serta proses pembelajaran dan pengenalan SVM. BAB IV PENGUJIAN SISTEM DAN ANALISIS Bab ini berisi tentang pengujian sistem dan analisis terhadap hasil penelitian, meliputi pengujian analisis varian gaussian filter, nilai P dan R pada LBP, varian kernel pada SVM dan jenis LBP yang digunakan. BAB V PENUTUP Bab ini berisi kesimpulan dari hasil Tugas Akhir dan saran untuk pengembanganpengembangan lebih lanjut. 4
7 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari hasil analisis terhadap pengujian yang dilakukan pada sistem pengklasifikasian telur asin dengan pengolahan citra digital menggunakan konsep transformasi LBP dan SVM maka dapat ditarik kesimpulan sebagai berikut : 1. Pada analisa pengaruh parameter gaussian filter terhadap akurasi, perubahan matrik kernel gaussian filter baik pada uji jenis maupun uji kualitas tidak mempengaruhi nilai akurasi. 2. Pada analisa pengaruh parameter gaussian filter terhadap waktu komputasi, didapat kesimpulan bahwa perubahan matrik kernel gaussian filter mempengaruhi waktu komputasi walaupun selisih nilainya kecil sekali. Waktu komputasi untuk matrik kernel 5x5; 7x7; 9x9 secara berturut-turut sebesar 0,683; 0,675; 0,674 semakin besar matrik kernel gaussian yang digunakan semakin kecil waktu komputasi. 3. Dari tabel hasil akurasi parameter R dan P uji jenis, nilai akurasi tertinggi sebesar 80% pada varian (1,4) dan (1,8). Namun secara rata-rata akurasi didapat nilai akurasi tertinggi 76,67% pada varian (1,8). Sedangkan Dari tabel hasil akurasi parameter R dan P uji kualitas, akurasi tertinggi sebesar 85% pada varian (2,8) dan (2,16). Namun secara rata-rata akurasi didapat nilai akurasi tertinggi 80% pada varian (1,8) dan (2,8). Karena sesungguhnya dari penelitian sebelumnya dikatakan varian (1,8) yang terbaik, maka untuk penelitian ini dapat dikatakan varian (1,8) adalah yang terbaik dalam akurasi. 4. Perubahan nilai P dan R mempengaruhi waktu komputasi, semakin besar nilai P dan R semakin lama sistem membutuhkan waktu komputasi. 5. Dari tabel hasil akurasi parameter kernel SVM uji jenis, nilai akurasi tertinggi 80% pada varian kernel Rbf dan Polynomial. Namun secara rata-rata akurasi didapat nilai akurasi tertinggi 73,13% pada varian Polynomial dan Linear. Dari tabel hasil akurasi parameter kernel SVM uji kualitas, nilai akurasi tertinggi 85% pada varian kernel Polynomial dan Linear. Namun secara rata-rata akurasi didapat nilai akurasi tertinggi 81,88% pada varian Polynomial. Maka dari itu dapat dikatakan varian kernel SVM terbaik pada uji jenis maupun uji kualitas adalah kernel Polynomial. 48
8 Powered by TCPDF ( Tugas Akhir Waktu komputasi untuk kernel Rbf, Polynomial maupun linear adalah 0, yang artinya perubahan kernel SVM tidak mempengaruhi waktu komputasi. 7. Dengan melihat dari rata-rata akurasi uji jenis dan kualitas dengan menggunakan LBP biasa didapat akurasi 78,75% dan untuk LBP U2 81,25% maka dari itu jenis LBP terbaik adalah LBP U2 5.2 Saran Penelitian lebih lanjut diharapkan dapat memperbaiki kekurangan yang ada dan diharapkan dapat mengembangkan apa yang telah dilakukan pada penelitian ini. Untuk itu disarankan hal-hal berikut : 1. Penggunaan data latih dan data uji yang lebih banyak agar sistem dapat mengenali berbagai variasi data pada masing-masing kelas telur asin. 2. Penggunaan metode pre-processing yang lain agar didapatkan komponen-komponen citra yang dapat menghasilkan ciri yang lebih baik. 3. Pada proses ekstraksi ciri bisa dikembangkan dengan proses yang lebih kompleks atau juga dapat menggunakan metoda yang lain. 4. Pada proses klasifikasi SVM bisa dikembangkan lebih lanjut sehingga dapat menghasilkan nilai akurasi lebih baik atau juga dapat menggunakan metoda yang lain. 5. Pengambilan citra ada baiknya disertai perangkat pengambilan gambar, untuk mendapatkan komposisi citra yang sama. 6. Perlu dilakukan pengembangan menjadi bentuk sistem real-time dan dikembangkan menjadi suatu produk. 49
9 Powered by TCPDF ( Tugas Akhir DAFTAR PUSTAKA [1] Bisonerich Pengertian Matlab. [online]. Tersedia: diakses tanggal 06 November [2] Biwasputra, Dimas. (2013).Teknik Pengenalan Ruas Jari Berbasis Fitur LBP dan SVM. Tugas Akhir Program Sarjana. Institut Telnologi Telkom. Bandung. [3] Cristianini N., Taylor J.S., An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods, Cambridge Press University, [4] Mayhoneys.2008.Pengolahan citra digital. [Online]. Tersedia: Apemrosesan-sinyal&id=383%3Apengolahan-citradigital&option=com_content&Itemid=15 [24 September 2013]. [5] Nugroho, Anto Satriyo. (dkk) Support Vector Machine Teori dan Aplikasinya dalam Bioinformatika. [online]. Tersedia: diakses tanggal 06 November [6] Permana, Raden Indra Andhika. (2013). Simulasi dan Analisis Sistem Identifikasi Ruas Jari Tangan Manusia Menggunakan Metode LBP. Tugas Akhir Program Sarjana. Institut Telnologi Telkom. Bandung. [7] Purnomo, Mauridhi Hery dan Arif Muntasa Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Yogyakarta: Graha Ilmu.\ [8] Sandra, Leong Salted egg hunt. 23 Maret The Sunday Times, [online]. Tersedia: diakses tanggal 06 November [9] Sutoyo, T., S.Si., M.kom. (dkk) Teori Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI. [10] Telur asin. Dalam : Paket industri pangan. Bogor : Pusbangtepa-IPB, s.a. Hal. 4 [11] Timo Ahonen, Abdenour Hadid,and Matti Pietik ainen, Face Description with Local Binary Pattern:Application to Face Recognition, vol. 28 no. 12, pp , December [12] Vapnik V.N., The Nature of Statistical Learning Theory, 2nd edition, Springer- Verlag, New York Berlin Heidelberg, 1999.
KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM
KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM Maimunah Program Studi Teknik Komputer Universitas Islam 45 Email: maimaimuna@gmail.com
Lebih terperinciANALISIS KEPADATAN LALU LINTAS DENGAN MENGGUNAKAN METODE ICA DAN SVM
ANALISIS KEPADATAN LALU LINTAS DENGAN MENGGUNAKAN METODE ICA DAN SVM Ardan Wicaksono¹, Heroe Wijanto², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Kata Kunci : Abstract At this time
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciAnalisis Akurasi Support Vector Machine...
ANALISIS AKURASI SUPPORT VECTOR MACHINE DENGAN FUNGSI KERNEL GAUSSIAN RBF UNTUK PRAKIRAAN BEBAN LISTRIK HARIAN SEKTOR INDUSTRI Luqman Assaffat 1 * 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
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 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 terperinciIDENTIFIKASI PLAT NOMOR MOBIL MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)
IDENTIFIKASI PLAT NOMOR MOBIL MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Yudil Taufik Umar¹, Heroe Wijanto², Rita Magdalena³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Untuk kepentingan pengenalan
Lebih terperinciSeminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciReza Fajar Rachmanda¹, Dr Ir Bambang Hidayat Dea², Rita Purnamasari³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2013 ANALISIS SISTEM PENGIDENTIFIKASIAN JENIS-JENIS TANAMAN HIAS ALOCASIA MELALUI BENTUK DAN WARNA DAUN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN (SELF ORGANIZING
Lebih terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciDETEKSI PENYAKIT KULIT MENGUNAKAN FILTER 2D GABOR WAVELET DAN JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION
1.1 Latar Belakang BAB I PENDAHULUAN Kulit merupakan pelindung tubuh kita pertama kali dari benda asing yang masuk ke dalam tubuh. Kulit terdiri dari lapisan epidermis berupa lapisan kulit mati dan dermis
Lebih terperinciKLASIFIKASI JENIS KUALITAS KEJU DENGAN MENGGUNAKAN METODE GRAY LEVEL COOCCURRENCE MATRIX (GLCM) DAN SUPPORT VECTOR MACHINE (SVM) PADA CITRA DIGITAL
e-proceeding of Engineering : Vol.4, No.2 Agustus 207 Page 2035 KLASIFIKASI JENIS KUALITAS KEJU DENGAN MENGGUNAKAN METODE GRAY LEVEL COOCCURRENCE MATRIX (GLCM) DAN SUPPORT VECTOR MACHINE (SVM) PADA CITRA
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciREALISASI PENGUKUR TINGGI BADAN MANUSIA SECARA REALTIME BEBRBASIS WEBCAM
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2012 REALISASI PENGUKUR TINGGI BADAN MANUSIA SECARA REALTIME BEBRBASIS WEBCAM Dwi Asto Yuliardi¹, Iwan Iwut Tritoasmoro², Inung Wijayanto³ ¹Teknik Telekomunikasi,,
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 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 terperinciKLASIFIKASI JENIS KAPAL BERBASIS CITRA MENGGUNAKAN LBP (LOCAL BINARY PATTERN) DAN LDA (LINEAR DISCRIMINANT ANALYSIS)
KLASIFIKASI JENIS KAPAL BERBASIS CITRA MENGGUNAKAN LBP (LOCAL BINARY PATTERN) DAN LDA (LINEAR DISCRIMINANT ANALYSIS) TYPE OF SHIP CLASSIFICATION BASED ON IMAGE USING LBP (LOCAL BINARY PATTERN) AND LDA
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciDETEKSI NOMINAL DAN KEASLIAN UANG KERTAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2010 DETEKSI NOMINAL DAN KEASLIAN UANG KERTAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Syariefudin Bashori¹, Achmad Rizal², Iwan Iwut Tirtoasmoro³
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinciPengantar Support Vector Machine
Pengantar Support Vector Machine Anto Satriyo Nugroho February 8, 2007 1 Pengantar Pattern Recognition (PR) didefinisikan sebagai proses pemetaan suatu data ke dalam konsep tertentu yang telah didefinisikan
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 terperinciKLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR
Powered by TCPDF (www.tcpdf.org) KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR Bertha Yulizar¹, Bambang Hidayat², Tody Ariefianto Wibowo³ ¹Teknik Telekomunikasi,,
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciBAB I PENDAHULUAN. masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan
BAB I PENDAHULUAN Pada bab ini akan dibahas mengenai latar belakang masalah, identifikasi masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini. 1.1 Latar
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
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 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 terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciIdentifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 3 Nomor 1 halaman 1-8 ISSN: 2089-6026 Identifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra Wood Type
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 terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK
KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK Disusun Oleh : Ardyan Lawrence (1022068) Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg. Suria Sumantri, MPH No.65, Bandung, Indonesia.
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciSKRIPSI. Oleh : PUSPHITA ANNA OCTAVIANI NIM PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM)
PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANG SKRIPSI Oleh : PUSPHITA ANNA OCTAVIANI NIM. 24010210120043 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Phalaenopsis atau yang biasa disebut dengan anggrek bulan mempunyai banyak jenis. Ada 26 jenis yang sudah dikenali di Indonesia. Anggrek dapat diklasifikasikan berdasarkan
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih 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 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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciSISTEM PEMBACA LJK BERBASIS PENGOLAHAN CITRA DIGITAL MENGGUNAKAN SCANNER LJK READER SYSTEM BASED DIGITAL IMAGE PROCESSING USING SCANNER
SISTEM PEMBACA LJK BERBASIS PENGOLAHAN CITRA DIGITAL MENGGUNAKAN SCANNER LJK READER SYSTEM BASED DIGITAL IMAGE PROCESSING USING SCANNER Rezki Hadisaputra¹, Koredianto Usman², Rita Magdalena³ ¹Teknik Telekomunikasi,,
Lebih terperinciSIMULASI DAN ANALISIS PENERJEMAH BAHASA ISYARAT KE TEKS MENGGUNAKAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE
e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 48 SIMULASI DAN ANALISIS PENERJEMAH BAHASA ISYARAT KE TEKS MENGGUNAKAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE SIMULATION AND ANALYSIS OF
Lebih terperinciBAB I PENDAHULUAN. Bab I Pendahuluan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan ilmu biomedikal telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jenis kelainan pada tulang punggung manusia bermacam-macam, bergantung pada faktor umur, kebiasaan, dan kecelakaan/virusbakteri. Skoliosis adalah kelainan tulang belakang
Lebih terperinciPutu Agus Junaedi¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2006 ANALISIS DAN IMPLEMENTASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY ( ANALYSIS AND IMPLEMENTATION OF NOISE REDUCTION
Lebih terperinciPENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI NADYA AMELIA
ii PENGENALAN POLA HURUF HIJAIYAH MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI NADYA AMELIA 101402014 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK-PROPAGATION DAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK-PROPAGATION DAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP Giellis Kurniati Putri¹, Bambang Hidayat², Achmad Rizal³ ¹Teknik Telekomunikasi,,
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciPENGENALAN AKSARA BALI DENGAN METODE LOCAL BINARY PATTERN BALI SCRIPT RECOGNITION WITH LOCAL BINARY PATTERN METHOD
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2697 PENGENALAN AKSARA BALI DENGAN METODE LOCAL BINARY PATTERN BALI SCRIPT RECOGNITION WITH LOCAL BINARY PATTERN METHOD Ida
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker merupakan salah satu penyebab utama mortalitas di dunia (sekitar 13% dari seluruh penyebab mortalitas), diperkirakan angka mortalitas sekitar 7,9 juta kematian
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 I PENDAHULUAN. 1 U n i v e r s i t a s T e l k o m
BAB I PENDAHULUAN 1.1 Latar Belakang Sapi merupakan hewan ternak yang dapat dikelompokkan menjadi dua bagian besar yaitu kelompok sapi tropis dan sub tropis. Sapi juga hewan ternak anggota family Bovidae
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 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 terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciDeteksi Kemiripan Citra Tanaman Anggrek Menggunakan Metode Support Vector Machine (SVM) Kernel Linear
Jurnal Ilmiah ESAI Volume 8, No.3, Juli 214 ISSN No. 1978-634 Detecting Resemblance Of Orchid Plant Image Through Support Vector Machine (SVM) Of Kernel Linear Method Deteksi Kemiripan Citra Tanaman Anggrek
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 terperinciANALISIS PERFORMANSI SISTEM DETEKSI CITRA TULISAN TANGAN MENGGUNAKAN TRANSFORMASI CURVELET DAN K-NEAREST NEIGHBOR
Tugas Akhir - 2012 ANALISIS PERFORMANSI SISTEM DETEKSI CITRA TULISAN TANGAN MENGGUNAKAN TRANSFORMASI CURVELET DAN K-NEAREST NEIGHBOR Freddy Hendri¹, Bambang Hidayat², Retno Novi Dayawati³ ¹Teknik Informatika,,
Lebih terperinciAPLIKASI PENGKLASIFIKASIAN MOTIF BATIK TULIS LASEM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN SUPPORT VECTOR MACHINE (SVM)
APLIKASI PENGKLASIFIKASIAN MOTIF BATIK TULIS LASEM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh
Lebih terperinciPERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK
PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciPERHITUNGAN SEL DARAH MERAH MENGGUNAKAN OPERASI MORFOLOGI BRANCHPOINTS BERBASIS PENGOLAHAN CITRA DIGITAL
PERHITUNGAN SEL DARAH MERAH MENGGUNAKAN OPERASI MORFOLOGI BRANCHPOINTS BERBASIS PENGOLAHAN CITRA DIGITAL Hendrick Rofen Nicolas¹, Koreadianto Usman², Msc³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciPENGENALAN BAHASA ISYARAT HURUF ABJAD MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI
PENGENALAN BAHASA ISYARAT HURUF ABJAD MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Pada Departemen Ilmu Komputer/Informatika
Lebih terperinciPERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED
PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED TUGAS AKHIR Karya Tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh NANDHY RAMADHANNY HOESIN POETRI
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN METODA PHASE ONLY CORRELATION Roland Stefanus Weku (0822092) Jurusan Teknik Elektro email: rolandweku@gmail.com ABSTRAK Pembuluh darah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB 1 PENDAHULUAN. dengan jumlah yang sangat banyak sekali. Masing-masing sel mengasumsikan sebuah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tanaman di dunia ini banyak sekali jenisnya. Dan tiap-tiap tanaman memiliki sel dengan jumlah yang sangat banyak sekali. Masing-masing sel mengasumsikan sebuah fungsi
Lebih terperinciMempelajari dasar-dasar teori dan mengumpulkan referensi yang berhubungan dengan batubara, jenis batubara, metode ekstraksi ciri Discrete Wavelet
BAB 1 PENDAHULUAN 1.1 Latar Belakang Batubara adalah bahan bakar fosil yang dapat terbakar, terbentuk dari endapan batuan organik yang terutama terdiri dari karbon, hidrogen dan oksigen. Batubara terbentuk
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 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 terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciPENGARUH JUMLAH DATA LATIH SVM PADA PERAMALAN BEBAN LISTRIK BULANAN DI SEKTOR INDUSTRI
Techno, ISSN 1410-8607 Volume 17 No. 2, Oktober 2016 Hal. 088 093 PENGARUH JUMLAH DATA LATIH SVM PADA PERAMALAN BEBAN LISTRIK BULANAN DI SEKTOR INDUSTRI The Total of SVM Train Data Effect OnMonthly Electric
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan Penelitian
BAB I PENDAHULUAN 1.1 Latar Belakang Pada sebuah citra, sangat dimungkinkan terdapat berbagai macam objek. Objek yang ada pun bisa terdiri dari berbagai bentuk dan ukuran. Salah satu objek yang mungkin
Lebih terperinciPENENTUAN JENIS FRAKTUR BATANG (DIAFISIS) PADA TULANG PIPA BERBASIS PENGOLAHAN CITRA DIGITAL DAN SUPPORT VECTOR MACHINE
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi pengolahan citra digital terus mengalami kemajuan yang sangat pesat. Teknologi tersebut dapat digunakan untuk memudahkan dan menyelesaikan masalah
Lebih terperinciSEGMENTASI REGION GROWING UNTUK MONITORING PERTUMBUHAN PANJANG KECAMBAH
SEGMENTASI REGION GROWING UNTUK MONITORING PERTUMBUHAN PANJANG KECAMBAH Anton Yudhana 1), Rusydi Umar 2), Fadlillah Mukti Ayudewi 3) Magister Teknologi Informasi Universitas Ahmad Dahlan Yogyakarta Jl.
Lebih terperinciKLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN Oleh : Dian Aniswari 2010-51-177 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1725
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1725 DETEKSI KUALITAS DAN KESEGARAN TELUR AYAM BERBASIS DETEKSI OBJEK TRANSPARAN DENGAN METODE DISCRETE COSINE TRANSFORM (DCT)
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
Lebih terperinciKLASIFIKASI KUALITAS BUAH STROBERI SEGAR BERDASARKAN PENGUKURAN ATRIBUT KECACATAN MENGGUNAKAN PENGOLAHAN CITRA
KLASIFIKASI KUALITAS BUAH STROBERI SEGAR BERDASARKAN PENGUKURAN ATRIBUT KECACATAN MENGGUNAKAN PENGOLAHAN CITRA Arina Diori (0722107) Jurusan Teknik Elektro email: arinadiorisinaga@yahoo.com ABSTRAK Buah
Lebih terperinciFebrianty Winda Pratiwi¹, Bambang Hidayat², Gelar Budiman³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
DETEKSI KEMATANGAN DAN KELAYAKAN BUAH PEPAYA MENGGUNAKAN WEBCAM DENGAN PENGOLAHAN CITRA SECARA REAL-TIME DETECTION OF MATURITY AND FEASIBILITY OF PAPAYA USING WEBCAM WITH IMAGE PROCESSING FOR REAL-TIME
Lebih terperinciPENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR
PENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR Angga Lisdiyanto (1), Lukman Zaman P.C.S.W (2) Teknik Informatika, Universitas Islam Lamongan (1) Teknik Informatika, Sekolah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau informasi
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinci