JURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 3 NO. 1 MARET 2011
|
|
- Susanti Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN DAN IMPLEMENTASI SISTEM PENGENALAN GAMBAR KATA DAN BILANGAN DENGAN KELUARAN SUARA Muhammad Ilhamdi Rusydi 1 Hendra Syahputra 2 ABSTRACT The development of computer technology has triggered a very rapid development of a computer automation system. This system is known as computer vision. Computer vision basically work like human vision. The human eye who works as a vision sensor that sends information to the brain and eventually the object will be recognized. This principle is the cornerstone of computer vision. In this research, design and implement systems for object recognition in the form of letters or numbers, words and numbers. There are 3 main stages in the implementation of this system. The first is the process of segmentation, labeling and filtering. The second stage is the extraction of character objects made with an integral projection method. The third and final stage is matching the data with template matching method. Each character has an integral projection data or a different graphic, making it easier for the process of matching characters. Then the matching results are read and sounded by the software Indotts. Tests conducted by the treatment variations in object color, background color of the object and webcam capture variations in the distance to an object. From the result, this system has to perform recognition and reading quite well at certain limits. Object color variation did not significantly affect the output of the system. But variations of the background color of the object close to the color variation of the distance between the object and a webcam with the object greatly affects the output of the system. Keywords: Computer Automation Systems, Computer Vision, Color INTISARI Perkembangan teknologi komputer yang sangat pesat telah memicu perkembangan suatu sistem otomatisasi komputer. Sistem ini dikenal dengan computer vision. Computer vision pada dasarnya bekerja layaknya penglihatan manusia. Mata manusia yang bekerja sebagai sensor penglihatan yang akan mengirimkan informasi ke otak dan pada akhirnya objek yang dilihat akan dikenali. Prinsip inilah yang menjadi landasan pada computer vision. Pada penelitian ini dilakukan perancangan dan implementasi sistem untuk pengenalan objek berupa huruf atau angka, kata dan bilangan. Ada 3 tahapan utama dalam implememtasi sistem ini. Yang pertama adalah proses segmentasi, labelisasi dan filtering. Tahap kedua adalah ekstraksi karakter objek yang 1 Jurusan Teknik Elektro Universitas Andalas 2 Jurusan Teknik Elektro Universitas Andalas 54
2 dilakukan dengan metode integral proyeksi. Tahap yang ketiga atau terakhir adalah pencocokan data dengan metode template matching. Setiap karakter memiliki data atau grafik integral proyeksi yang berbeda sehingga memudahkan untuk proses pencocokan karakter. Lalu hasil pencocokan ini dibaca dan dibunyikan oleh software Indotts. Pengujian dilakukan dengan perlakuan variasi warna pada objek, warna latar objek dan variasi jarak tangkap webcam terhadap objek. Dari hasil penelitian, sistem ini telah dapat melakukan pengenalan dan pembacaan cukup baik pada batasan tertentu. Variasi warna objek tidak terlalu mempengaruhi keluaran dari sistem. Tapi variasi warna latar objek yang mendekati warna objek dan variasi jarak antara webcam dengan objek sangat mempengaruhi keluaran dari sistem. Kata Kunci : PENDAHULUAN Kemajuan teknologi dan informasi pada abad ini berkembang begitu pesat. Dan semua itu terjadi dilatarbelakangi oleh keinginan manusia untuk terus maju dan membuat kegiatan manusia lebih mudah dilakukan. Dalam melakukan kegiatan seharihari baik itu kegiatan pribadi maupun kegiatan yang berhubungan dengan pekerjaan, saat sekarang ini telah banyak dibantu oleh hasil dari kemajuan teknologi dan informasi itu sendiri. Sehingga dalam beberapa aktifitas manusia hanya perlu menekan beberapa tombol atau hanya dengan bersuara, maka apa yang ia inginkan dilakukan oleh alat-alat yang menjadi pengganti tangan, kaki atau pikiran kita. Computer vision, yang merupakan istilah dalam proses pengambilan keputusan mengenai kondisi fisik sebenarnya dari sebuah objek, berkaitan mengenai penglihatan yang didapat dari sensor seperti kamera atau yang lainnya [1]. Bidang computer vision memiliki perkembangan yang sangat berarti jika dilihat dari pencapaian yang didapatkan para peneliti sampai saat ini. Salah satu aplikasi pengembangan teknologi berkaitan dengan computer vision adalah bagaimana sebuah mesin komputer dapat mengenali objek pada citra. Mata manusia adalah sistem visual yang sangat kompleks. Proses perekaman dan pengenalan objek pada mata manusia berada dalam satu sistem yang utuh, sehingga mata manusia dapat langsung mengenali dan mendefinisikan objek dan latar belakangnya, segera setelah mata menangkap dan merekam bayangan suatu citra. Maka untuk membuat suatu sistem visual mesin (machine vision), hasil perekaman alat optik membutuhkan proses pengolahan terlebih dahulu [2]. Meskipun pengenalan objek sangat terasa mudah dilakukan ketika menggunakan sistem indra manusia dengan penglihatan manusia, tetapi automatisasi pengenalan objek menggunakan komputer memiliki berbagai macam proses untuk mengenali sebuah objek. Pengenalan objek layaknya mata ini mengilhami para peneliti untuk mengembangkan aplikasi komputer untuk automatisasi pengolahan citra dalam pengenalan objek. Implementasi dari teori yang berhubungan dengan hal ini dibutuhkan setidaknya sebuah mesin komputer dan kamera sebagai sensor. Kamera digunakan untuk menangkap gambar objek yang ada di depannya. Komputer 55
3 digunakan sebagai suatu mesin yang dapat mengolah data gambar dari kamera dan pada akhirnya mengenali gambar objek yang ada di depannya. Tahapan penting dalam proses pengenalan gambar objek, yaitu pengenalan gambar objek secara off line dengan memanfaatkan ciri atau fitur yang ada pada gambar objek tersebut [1]. Karakteristik gambar objek yang dimasukkan digunakan sebagai pembanding dengan karakteristik gambar objek yang tersimpan pada database sehingga dari proses tersebut dapat dikenali gambar objek apa saja yang diinput-kan oleh pengguna. Proses perbandingan ciri/fitur gambar objek yang di-input-kan dengan ciri/fitur gambar objek yang ada pada database dinamakan dengan proses template matching. Telah cukup banyak penelitian dan tulisan tentang pengenalan objek oleh sistem komputer. Salah satunya adalah Willy Sutama [3], dalam penelitiannya yang berjudul Pengenalan Huruf dengan Metode Integral Proyeksi yang membahas tentang pengenalan huruf alfabet. Proses awal pengenalan huruf ini adalah pengambilan citra huruf dengan menggunakan webcam. Setelah itu huruf diproses dengan pengolahan citra melalui sebuah komputer sehingga didapatkan ciri atau fitur bentuk huruf tersebut. Fitur tersebut kemudian dimatching-kan dengan huruf yang ada di database. Sebelumnya telah dilakukan pengenalan fitur atau ciri dari masing-masing huruf alfabet dengan menghasilkan nilai tertentu yang kemudian disimpan di database sebagai pembanding untuk pengenalan huruf yang diinput-kan. Hasil dari proses template matching ini akan ditampilkan dan dikeluarkan dalam bentuk audio yang sebelumnya telah dilakukan perekaman untuk bunyi dari huruf-huruf tersebut. Berdasarkan penelitian ini dikembangkanlah aplikasi lebih lanjut mengenai pengenalan citra huruf dan angka. Jika dalam penelitian sebelumnya berhasil mengenal image huruf yang mengandung satu karakter saja dan angka yang dikenali tersebut dibunyikan dengan menggunakan suara yang sudah ada dalam basis data, maka pada penelitian ini dilakukanlah pengembangan dimana huruf yang dikenali dalam 1 frame tidak hanya 1 huruf saja, tapi beberapa huruf sehingga membentuk kata. Dan dalam pembunyiannya digunakan software Indotts. Indotts adalah perangkat lunak untuk mengubah teks menjadi suara dalam bahasa Indonesia yang dibuat oleh Dr.Arry Ahmad Arman, seorang dosen ITB yang telah melakukan penelitian selama hampir 10 tahun untuk membuat database diphone untuk pengucapan teks dalam bahasa Indonesia [4]. Penelitian ini beberapa tujuan dalam setiap tahap yang dilaluinya. Pada tahap pertama adalah untuk dapat melakukan pengolahan citra pada gambar huruf dan angka sehingga didapatkan ciri atau fitur bentuk dari gambar huruf atau angka tersebut. Tujuan keduanya adalah dapat melakukan pembandingan antara data gambar objek huruf atau angka yang ditangkap webcam dengan data gambar objek huruf atau angka yang ada pada sistem. Sistem dapat menampilkan huruf atau angka yang terdapat dalam citra. Penelitian ini juga bertujuan untuk melakukan analisa pengearuh perbedaan warna objek dengan warna latar objek serta pengaruh perubahan jarak objek dan kamera terhadap kualitas kinerja sistem. Pada akhirnya system dapat 56
4 melakukan pembunyian bacaan dari kata atau bilangan yang ditangkap kamera. Batasan tersebut adalah : 1. Jenis kamera yang digunakan adalah kamera tunggal jenis webcam islim 310 VGA Video. 2. Objek berupa huruf alfabet kapital dan angka menggunakan font Arial Rounded MT Bold dengan ukuran font adalah Gambar huruf atau angka yang menjadi objek, antara huruf atau angka yang satu dengan yang lain tidak boleh bersambung. 4. Warna latar gambar objek kata atau bilangan adalah homogen, begitu juga warna objek kata atau bilangan pada gambar tersebut. 5. Gambar objek kata atau bilangan di-input-kan ke komputer melalui kamera dengan jarak tertentu. 6. Proses pengenalan huruf/angka antara yang di-input-kan dengan data huruf/angka yang ada disistem menggunakan template matching. 7. Pembunyian dari teks ke suara dilakukan oleh software Indotts. 8. Penelitian ini menggunakan bahasa pemograman Microsoft Visual Basic 6.0 Version untuk membangun sistem pengolahan citra. PENDEKATAN PEMECAHAN MASALAH Berdasarkan batasan masalah yang telah dijabarkan maka objek penelitian yang digunakan dalam penelitian ini terdiri dari beberapa kondisi, yaitu : 1. Objek berupa gambar huruf alfabet kapital dan angka yang ditangkap oleh webcam. 2. Warna dari objek huruf atau teks dan adalah homogen, begitupula dengan warna latar yang juga homogen. 3. Objek huruf memiliki ukuran dan font yang sama serta tidak bersambung antara huruf yang satu dengan yang lainnya. 4. Antara objek dengan webcam memiliki rentang jarak tertentu. 5. Objek huruf dari teks yang akan ditangkap webcam dengan yang tersimpan didalam sistem memiliki karakteristik yang sama, dan akan diperlakukan sama dalam proses pengenalan objek dan pengolahan citra. Sistem ini membutuhkan beberapa tahapan sebelum diimplementasikan, tahapan tersebut adalah : 1. Tahapan dimulai dengan proses capture atau pengambilan gambar huruf atau susunan huruf yang membentuk kata oleh webcam yang terhubung ke komputer. Yang ditangkap oleh webcam adalah frame-frame yang kemudian disimpan di memori buffer kamera. 2. Hasil capture tadi kemudian diproses dengan tahapan pengolahan citra yaitu segmentasi. Dalam tahap ini dilakukan pemisahan terhadap daerah atau bagian tertentu sehingga didapat bentuk huruf angka yang di-input-kan. 3. Selanjutnya dilakukan proses pengolahan citra berikutnya yaitu pemfilteran, dengan pemfilteran akan diberikan label pada masing-masing objek pada koordinat piksel, dimana objek yang berbeda akan memiliki label yang berbeda pula. Pemfilteran ini bertujuan untuk menghilangkan noise atau bagian-bagian tertentu pada objek. 4. Dari hasil pemfilteran tadi dilakukan pendeteksian ciri/fitur 57
5 bentuk dari satu persatu gambar huruf. Disini digunakan metode integral proyeksi. 5. Hasil dari pendeteksian ciri/fitur bentuk huruf demi huruf, kemudian di-matching-kan dengan hasil pendeteksian karakteristik huruf yang tersimpan didalam sistem 6. Sebelumnya sudah dilakukan proses capture, segmentasi, filtering dan pendeteksian karakteristik terhadap gambar masing-masing huruf sehingga didapat data karakteristik hurufhuruf tersebut yang kemudian disimpan sebagai data gambar query didalam sistem. 7. Jika dalam proses pe_matchingan didapat kemiripan antara data dari masukan dengan data yang tersimpan didalam sistem, maka informasi ini akan ditampilkan dalam bentuk teks. 8. Dengan software Indotts keluaran berupa teks ini diolah menjadi menjadi bentuk suara, sehingga pembacaan dari kata yang di-input-kan dapat didengar melalui speaker. 9. Analisa terhadap keluaran sistem dilakukan dengan cara membandingkan gambar huruf penyusun kata yang ditangkap webcam dengan informasi hasil pembacaan yang di-output-kan oleh komputer melalui speaker. Tahapan-tahapan di atas, secara garis besarnya terhubung seperti yang terdapat pada gambar 1. Data gambar Ekstrakasi karakteristik citra Template matching output Analisa Gambar 1. Tahapan Kerja Sistem Gambar Kamera Capture Segmentasi Pelabelan dan Filtering Ekstrakasi karakteristik citra Program yang dirancang dalam penelitian ini terbagi atas 4 (empat) algoritma pokok, yaitu: 1. Algoritma segmentasi citra berdasarkan metode bilevel luminance thresholding. Algoritma ini bertujuan memisahkan antara objek dengan latar (background). 2. Algoritma pelabelan dan filtering objek. Pelabelan dan filtering objek bertujuan untuk menghilangkan noise terhadap objek yang tidak diinginkan. 3. Algoritma integral proyeksi dari objek huruf atau angka penyusun kata atau bilangan. 4. Algoritma pencocokan (matching) antara grafik integral proyeksi huruf penyusun teks yang ditangkap webcam dan objek huruf yang telah disimpan dalam sistem. 58
6 HASIL DAN PEMBAHASAN Data dan Analisa Tahapan pengambilan data dan tahapan pengenalan kata atau bilangan memiliki guide user interface seperti yang dilihatkan pada gambar 2 dan gambar 3. Keterangan mengenai gambar tersebut diberikan yang berupa fungsi dari setiap bagian tampilan. 8. Tombol integral proyeksi, berfungsi untuk melakukan proses integral proyeksi dan menampilkan gambar hasil integral proyeksi. 9. Tombol keluar, berfungsi untuk keluar dari program. Gambar 2. Tampilan Awal Visualisasi Pengambilan Data Keterangan : 1. Tampilan video yang ditangkap oleh webcam 2. Tombol capture, yang berfungsi untuk mengambil dan menyimpan 1 buah frame dari video. 3. Gambar 1 buah frame yang telah diambil sebagai input. 4. Tombol tampilkan input, yang berfungsi untuk menampilkan 1 buah frame yang telah dicapture sebelumnya. 5. Gambar hasil pengolahan citra berupa proses segmentasi dan filtering 6. Tombol segmentasi dan filtering, yang berfungsi untuk melakukan proses segmentasi dan filtering. 7. Menunjukkan jumlah huruf atau angka yang terdeteksi dari gambar objek Gambar 3. FormTampilan Awal Sistem Pengenalan Kata dan Bilangan Keterangan : 1. Tampilan video hasil tangkapan dari webcam 2. Tombol capture, yang berfunfsi untuk mengambil 1 buah frame dari video 3. Gambar frame yang telah diambil sebelumnya yang dijadikan sebagai gambar input. 4. Tampilan gambar tampilkan gambar input, berfungsi untuk menampilkan 1 buah frame yang telah di-capture sebelumnya. 5. Gambar hasil pengolahan citra berupa segmentasi dan filtering. 6. Tombol segmentasi dan filtering, berfungsi untuk melakukan proses pengolahan citra berupa segmentasi dan filtering. 7. Menunjukkan jumlah huruf atau angka yang terdeteksi dari gambar objek 59
7 8. Menunjukan hasil pengenalan objek 9. Tombol pencocokan, berfungsi untuk melakukan proses pencocokan antara data gambar input dengan data gambar huruf atau angka yang di-database 10. Tombol ucapkan, berfungsi untuk malakukan pembacaan terhadap teks hasil pencocokan. 11. Tombol grafik integral proyeksi, berfungsi untuk menampilkan gambar integral proyeksi huruf atau angka dari objek gambar kata atau bilangan. 12. Tombol keluar, yang berfungsi untuk keluar dari program. Pada implementasi sistem pengenalan kata atau bilangan ini ada beberapa skenario : 1. Pengujian pengaruh jarak tangkap antara webcam dengan objek terhadap % luas piksel objek. 2. Penentuan nilai threshold untuk segmentasi dan nilai batas luas objek untuk filtering 3. Pengenalan dan pembacaan objek yang terdiri atas satu karakter huruf atau angka dengan memvariasikan warna objek. Warna yang dicobakan adalah warna hitam, merah, hijau dan biru. 4. Pengenalan dan pembacaan objek yang terdiri atas satu karakter huruf atau angka dengan memvariasikan jarak antara objek dengan webcam. 5. Pengenalan dan pembacaan objek berupa kata yang terdiri atas susunan beberapa huruf dengan memvariasikan warna. Warna yang digunakan adalah hitam, merah, hijau dan biru. 6. Pengenalan dan pembacaan objek berupa kata yang terdiri atas susunan beberapa huruf dengan memvariasikan jarak antara objek dengan webcam. 7. Pengenalan dan pembacaan objek berupa bilangan yang terdiri atas susunan beberapa angka dengan memvariasikan warna objek. Warna yang dicobakan adalah hitam, merah, hijau dan biru. 8. Pengenalan dan pembacaan objek berupa bilangan yang terdiri atas susunan beberapa angka dengan memvariasikan jarak antara objek dengan webcam. 9. Pengenalan dan pembacaan objek berupa kata yang terdiri atas susunan beberapa huruf dengan memvariasikan warna latar objek. 10. Pengenalan dan pembacaan objek berupa bilangan yang terdiri atas susunan beberapa angka dengan memvariasikan warna latar objek. Untuk skenario percobaan yang kedua, diujikan pada citra kata dan bilangan pada objek berwarna hitam dengan latar warna putih. Untuk skenario percobaan yang melakukan wariasi warna objek yaitu skenario percobaan nomor 3, 5 dan 7, warna objek yang digunakan adalah warna hitam atau RGB(0,0,0), warna merah atau RGB(255,0,0), warna hijau atau RGB(0,255,0) dan warna biru atau RGB(0,0,255), yang kesemua citra memiliki warna latar yang sama yaitu warna putih atau RGB(255,255,255). Untuk skenario percobaan yang memvariasikan jarak tangkap webcam yaitu pada skenario percobaan nomor 4, 6 dan 8, dilakukan penambahan jarak sebesar 1 cm, 2 cm dan 3 cm dari jarak normal, dan juga dilakukan 60
8 pengurangan jarak sebesar 1 cm, 2 cm dan 3cm dari jarak normal. Jarak normal adalah jarak antara webcam dengan objek pada saat pengambilan data, dalam penelitian ini adalah 23 cm. Pada masingmasing percobaan ini citra dengan objek berwarna hitam dengan latar berwarna putih. Dan untuk skenario percobaan variasi warna latar objek, objeknya berwarna hitam dan variasi warna latarnya adalah RGB(255,255,255), RGB(220,220,220), RGB(185,185,185) dan RGB(150,150,150). Hasil pengenalan pada percobaan-percobaan diatas dibunyikan oleh software Indotts untuk mendapatkan keluaran suara. Tabel 1 menunjukkan data perubahan luas piksel suatu objek ketika jarak objek dan kameradibuat bervariasi. Pengujian ini menetapkan jarak 23 cm menjadi jarak normal objek terhadap kamera. Setelah itu objek digeser-geser sepanjang sumbu normal kamera. Terdapat 2 pergeseran yang mendekatkan jarak mereka dan 3 pergeseran yang menambah jarak antara objek dan kamera. Tabel 1. Pengaruh perubahan luas piksel objek terhadap perubahan jarak kamera terhadap objek. % luas piksel Jarak (cm) objek 21 19,76 % 22 18,4 % 23 (normal) 17,5 % 24 16,23 % 25 14,95 % 26 14,06 % Dari data-data yang didapatkan bisa diketahui bahwa perubahan jarak antara webcam dengan objek mempengaruhi % luas piksel objek. Semakin jauh jarak antara webcam dengan objek maka % luas piksel objeknya semakin kecil. Dan sebaliknya, semakin jauh jarak antara webcam dengan objek maka % luas piksel objeknya semakin besar. Penentuan Nilai Threshold untuk Segmentasi dan Penentuan Nilai Batas Luas Objek untuk Filtering Dalam penelitian ini, penentuan nilai threshold ditentukan dengan pengujian nilai threshold sebesar 90, 95, 100, 105, 110, 115, 120, 125, 130 dan 135 (Tabel 2). Gambar objek yang akan ditentukan nilai threshold-nya adalah gambar kata dan bilangan dengan objek berwarna hitam dan latar berwarna putih. Pengujian dilakukan dengan mengambil salah satu nilai threshold untuk pengambilan data masing-masing karakter huruf dan angka, lalu data yang didapat digunakan untuk pengujian implementasi sistem dengan nilai threshold yang sama. Sistem disini diujicobakan untuk mengenali 25 contoh teks yang terdiri dari 15 contoh kata dan 10 contoh bilangan. Dengan cara yang sama dilakukan pengujian untuk masing-masing nilai threshold. Dan nilai threshold yang memiliki kesalahan paling kecil, inilah nilai threshold yang akan digunakan pada sistem. Tabel 2. Perubahan nilai kesalahan terhadap perubahan nilai threshold. Nilai threshold Kesalahan 90 28% 95 28% % % % 61
9 115 8% % % % % Dari hasil perhitungan % kesalahan tadi, maka didapatkan bahwa nilai pengujian pada nilai threshold 115 yang memiliki kesalahan paling kecil. Dan nilai threshold inilah yang akan digunakan pada proses segmentasi dalam implementasi sistem ini selanjutnya. Penentuan Nilai Batas Luas Objek untuk FIltering Penentuan nilai batas luas objek ini berguna untuk proses filtering yang nantinya berfungsi untuk menghilangkan noise. Objek yang luasnya kurang dari nilai batas luas ini akan dianggap sebagi noise dan untuk kemudian akan dihilangkan. Penentuan nilai batas luas objek ini dengan mempertimbangkan luas masingmasing karakter huruf dan angka. Dengan pertimbangan ini diketahui bahwa huruf I adalah karakter yang memiliki luas paling kecil. Sebelumnya telah diketahui sistem ini akan diujicobakan pada objek dengan variasi jarak, dan dari pengujian tentang pengaruh jarak tangkap webcam terhadap % luas piksel objek sebelumnya, sehingga jarak tangkap webcam juga akan mempengaruhi % luas piksel objek. Maka untuk menentukan batas luas minimal yang dianggap sebagai objek, dilakukan penghitungan luas karakter huruf I pada jarak tangkap webcam terjauh yaitu pada jarak 26 cm. Dengan menggunakan pemrograman visual basic 6, didapatkan luas karakter huruf I pada jarak 26 cm adalah sebesar 767 piksel² (Gambar 3). Maka sebaiknya penentuan nilai batas luas objek harus sedikit lebih kecil dari nilai ini. Dan dalam penelitian ini diambil nilai 500 sebagai nilai batas luas piksel objek. Gambar 4. Luas Piksel Objek huruf I Pengenalan dan Pembacaan Input dengan Variasi Warna Objek Dalam percobaan ini variasi warna yang digunakan adalah hitam, merah, hijau dan biru serta terdapat 36 objek karakter yang diuji, yeng terdiri atas 26 huruf alfabet kapital dari A sampai Z dan 10 angka dari 0 sampai 9. Masing-masing karaketer dilakukan pengujian sebanyak 3 kali untuk masingmasing warna hitam, merah hijau dan biru. Data mengenai pengaruh warna terhadap keberhasilan sistem ini dapat dilihat pada Tabel 3 Tabel 3. Tingkat keberhasilan sistem dalam 4 macam warna objek. Warna Objek Keberhasilan Hitam 100% Merah 99,07% Hijau 100% Biru 100% Untuk hasil pengenalan bilangan dengan warna hitam, hijau dan biru berhasil dengan baik. Sedangkan pada bilangan berwarna merah hanya terjadi kesalahan pada bilangan yang 62
10 terbaca oleh sistem dan pada bilangan yang terbaca menjadi Kesalahan terjadi sekali untuk masing-masing bilangan tadi dari 3 kali pengujian. Kesalahan pada pembacaan bilangan dengan warna merah ini bisa disebabkan oleh intensitas cahaya objek yang ditangkap webcam tidak terlalu baik, sehingga proses segmentasi untuk memisahkan piksel objek dengan piksel latar tidak sesuai harapan. Akibatnya data hasil integral proyeksinya tidak seperti yang diinginkan. Pengenalan dan Pembacaan Input dengan Variasi Jarak Objek dengan Kamera Pada skenario percobaan data ini, diambil data besar kesalahan sistem dalam mengenali objek ketika jarak objek dan kamera divariasikan dari jarak normalnya (23 cm). Terdapat kesalahan yang semakin memburuk ketika jarak benda semakin mendekat ataupun menjauh dari kamera. Tabel 4. Tingkat kesalahan sistem pada berbagai macam perubahan jarak Jarak (cm) Kesalahan 20 86,67 % 21 30% 22 30% 24 0% 25 70% Dari data hasil percobaan diatas (Tabel 4), sistem dapat bekerja dengan baik hanya pada kondisi penambahan jarak 1 cm, sedangkan untuk kondisi jarak yang lain sistem tidak dapat mengenali bilangan dengan baik. Pengenalan dan Pembacaan Input dengan Variasi Warna Latar Objek Komponen Warna R G B Kesalahan ,33 % ,33 % ,11 % % Dari hasil pengujian diatas dapat dikatakan bahwa saat warna RGB latar objek diset mendekati warna RGB objek maka semakin besar kesalahan pengenalan sistem dan sistem hanya dapat bekerja dengan baik pada warna objek dan warna latar objek yang sama dengan warna yang digunkan saat pengambilan data.. Ini karena nilai threshold untuk proses segmentasi hanya berlaku untuk kondisi warna yang sama. Secara umum dapat dikatakan bahwa sistem dapat bekerja dengan baik pada kondisi dan parameter yang sama dengan saat pengambilan data untuk data induk sistem pengenalan dan pembacaan kata dan bilangan. KESIMPULAN Berdasarkan analisa terhadap hasil percobaan yang didapat, maka dapat diambil beberapa simpulan sebagai berikut : 1. Perubahan jarak tangkap webcam ke objek dari jarak normal berpengaruh terhadap % luas piksel objek. 2. Perlakuan variasi warna terhadap objek huruf/angka didapatkan % kesalahan pembacaan sebesar 0 % pada warna hitam, hijau dan biru, dan 0,93 % pada warna merah. Terlihat bahwa variasi warna sangat kecil pengaruhnya terhadap hasil keluaran sistem. 3. Perlakuan variasi jarak terhadap objek huruf/angka didapatkan % 63
11 kesalahan sebesar 0,93 % pada penambahan 1 cm; 20,37 % pada penambahan 2 cm; 48,15 % pada penambahan 3 cm; 0 % pada pengurangan jarak 1 cm; 4,63 % pada pengurangan 2 cm dan 25 % pada pengurangan jarak 3 cm dari jarak normal. Semakin besar atau semakin kecil jarak antara webcam dengan objek dari jarak normal maka makin besar kesalahan yang terjadi. 4. Perlakuan variasi warna pada objek kata didapatkan % kesalahan sebesar 13,33 % pada warna hitam; 2,2 % pada warna merah; 6,67 % pada warna hijau dan 8,89 % pada warna biru. Terlihat bahwa variasi warna sangat kecil pengaruhnya terhadap hasil keluaran sistem. 5. Perlakuan variasi jarak terhadap objek kata didapatkan % kesalahan sebesar 6,67 % pada penambahan 1 cm; 13,33 % pada penambahan 2 cm; 26,67 % pada penambahan 3 cm dan 66,67 % pada pengurangan 1 cm dari jarak normal. Semakin besar atau semakin kecil jarak antara webcam dengan objek dari jarak normal maka makin besar kesalahan yang terjadi. 6. Perlakuan variasi warna pada objek bilangan didapatkan % kesalahan sebesar 0 % pada warna hitam, hijau dan biru, dan 6,67 %pada warna merah. Terlihat bahwa variasi warna sangat kecil pengaruhnya terhadap hasil keluaran sistem. 7. Perlakuan variasi jarak terhadap objek bilangan didapatkan % kesalahan sebesar 0 % pada penambahan 1 cm; 70 % pada penambahan 2 cm; 30 % pada pengurangan jarak 1 cm; 30 % pada pengurangan 2 cm dan 86,67 % pada pengurangan jarak 3 cm dari jarak normal. Semakin besar atau semakin kecil jarak antara webcam dengan objek dari jarak normal maka makin besar kesalahan yang terjadi. 8. Perlakuan variasi warna latar objek didapatkan % kesalahan untuk RGB(255,255,255) sebesar 13,33 % pada gambar kata dan 0 % pada gambar bilangan, untuk RGB(220,220,220) sebesar 53,33 % pada gambar kata dan 0 % pada gambar bilangan, dan untuk RGB(185,185,185) sebesar 71,11 % pada gambar kata dan 30 % pada gambar bilangan. Untuk variasi warna latar objek, semakin mendekati warna objek maka kesalahan yang terjadi makin besar. 9. Sistem dapat bekerja cukup baik pada kondisi yang sama dengan saat pengambilan data untuk data induk sistem. DAFTAR PUSTAKA [1] Munir, Renaldi Pengolahan Citra Digital dengan Pendekatan Algoritmik. Informatika : Bandung. [2] Sigit, Riyanto,dkk Step by Step Pengolahan Citra Digital. Yogyakarta : Andi [3] Sutama, Willy Pengenalan Huruf dengan Metode Integral Proyeksi. Tugas Akhir, Jurusaan Teknik Elektro Universitas Andalas : Padang [4] Arman, Arry Akhmad Konversi dari Teks ke Fonem. ITB:Bandung [ 64
III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
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 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 terperinciPerancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam
Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,
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 terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciSistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Integral Proyeksi
Sistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Sigit Wasista, Siwi Dian Priyanti Jurusan Teknik Elektronika Politeknik Elektronika Negeri Surabaya- Institut Teknologi
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih 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 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 terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
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 terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Permasalahan Pemanfaatan Augmented Reality pada umumnya berfokus pada kemampuan visualnya, yaitu berupa bentuk tiga dimensi, lingkungan tiga dimensi, animasi,
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciPERANCANGAN DAN REALISASI DINDING PRESENTASI INTERAKTIF DENGAN PENDETEKSIAN POSISI SINAR POINTER LASER SEBAGAI OPERATOR KURSOR MOUSE ABSTRAK
PERANCANGAN DAN REALISASI DINDING PRESENTASI INTERAKTIF DENGAN PENDETEKSIAN POSISI SINAR POINTER LASER SEBAGAI OPERATOR KURSOR MOUSE Naftali Inafiar Yonida 0822077 Email : naph_yon@yahoo.com Jurusan Teknik
Lebih terperinciSISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM
SISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM Billy Buana Putra NRP : 1122055 Email : billy_buana@yahoo.com ABSTRAK Pengenalan pelat nomor kendaraan secara
Lebih terperinciBAB 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi yang terus berkembang membuat sistem komputerisasi bergerak dengan cepat, namun hal ini tidak seimbang dengan kemampuan manusia memindahkan data secara manual
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciPENGENALAN 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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu bagian yang wajib dimiliki oleh kendaraan bermotor resmi di Indonesia adalah bagian plat nomor. Plat nomor ini memberi informasi tentang dari mana asal wilayah
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra.
Lebih 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 terperinciTEKNIK PENGKERANGKAAN CITRA DIGITAL MEMPERGUNAKAN ALGORITMA STENTIFORD PADA INPUT CITRA DOKUMEN TEKS JAWA
55 TEKNIK PENGKERANGKAAN CITRA DIGITAL MEMPERGUNAKAN ALGORITMA STENTIFORD PADA INPUT CITRA DOKUMEN TEKS JAWA A. Rudatyo Himamunanto, Elisabeth Kaka Kole Fakultas Sains dan Komputer, Universitas Kristen
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciSYSTEMIC Vol. 1, No. 1, Agustus 2015, PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI.
SYSTEMIC Vol. 1, No. 1, Agustus 2015, 14-19 PENGENALAN CATATAN PENJUALAN MENGGUNAKAN PENGENALAN ANGKA BERBASIS KORELASI Ahmad Yusuf 1) 1) Fakultas Sains dan Teknologi, Universitas Islam Negeri Sunan Ampel
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi, khususnya Ilmu Komputer telah menghasilkan berbagai kemudahan yang tentunya semakin mempermudah manusia di dalam menangani tugas tugas / permasalahan
Lebih terperinciDewasa ini teknologi robotik dan informasi telah berkembang dengan cepat. Begitu
12 BAB I PENDAHULUAN 1.1 Latar Belakang dan Rumusan Masalah 1.1.1 Latar belakang Dewasa ini teknologi robotik dan informasi telah berkembang dengan cepat. Begitu juga kontrol berbasis sensor yang merupakan
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinciIMPLEMENTASI PENGUKURAN JARAK DENGAN METODA DISPARITY MENGGUNAKAN STEREO VISION PADA ROBOT OTONOMUS PENGHINDAR RINTANGAN
IMPLEMENTASI PENGUKURAN JARAK DENGAN METODA DISPARITY MENGGUNAKAN STEREO VISION PADA ROBOT OTONOMUS PENGHINDAR RINTANGAN Disusun oleh : Hendra (1022021) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciBAB I PENDAHULUAN. pensil berbentuk lurus, berwarna biru, dan berbahan kayu. Kedua objek ini
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan pola adalah penggambaran sesuatu berdasarkan sifat atau ciri dari sebuah objek. Penggambaran objek sangat berpengaruh terhadap sifat atau ciri yang memiliki
Lebih terperinciKAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,
KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN 1
BAB I PENDAHULUAN 1.1 Latar Belakang Keinginan menusia yang membutuhkan suatu sistem aplikasi yang dapat bekerja untuk membantu meringankan tugas-tugas mereka sehari-hari menjadi salah satu faktor yang
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciEkstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak
Ekstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak Limanyono Tanto 1,Liliana 2 Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen penting dalam dunia multimedia karena memiliki peranan penting dalam hal menyajikan suatu informasi dalam bentuk gambar
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciPengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach
Pengenalan Pola Karakter Tulisan Tangan Dengan Menggunakan Metoda Clustering Melalui Similarity Measure Approach Erry Febriansyah Prananta / 0422071 Email : erry_prananta@yahoo.com Jurusan Teknik Elektro,
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB I PENDAHULUAN I.1.
15 BAB I PENDAHULUAN I.1. Latar Belakang Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakterisitik yang tidak dimiliki
Lebih terperinciPENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI. Disusun Oleh : Hery Pramono NPM.
PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI Disusun Oleh : Hery Pramono NPM. 0434010389 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
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 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 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah menjelaskan seluruh kegiatan selama berlangsungnya penelitian untuk menghasilkan informasi yang lebih akurat sesuai dengan permasalahan yang akan
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciPENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE ABSTRAK
PENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE NOVIANI KRISNADI/0322064 Email Address: s103novi@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40165, Indonesia
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH PENGUNJUNG OBYEK WISATA DENGAN WEBCAM
APLIKASI PENGHITUNG JUMLAH PENGUNJUNG OBYEK WISATA DENGAN WEBCAM Oleh : Idhawati Hestiningsih, Tri Raharjo Yudantoro Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Semarang Jl. Prof. Sudarto, S.H.,
Lebih terperinciSISTEM REALTIME KEAMANAN RUANG MENGGUNAKAN 2 WEBCAM BERBASIS HUMAN MOTION EXTRACTION
SISTEM REALTIME KEAMANAN RUANG MENGGUNAKAN 2 WEBCAM BERBASIS HUMAN MOTION EXTRACTION 1) Yusron Rijal, 2) Puput Widayanti 1) Program Studi Manajemen Informatika, STMIK Yadika 2) Program Studi Teknik Informatika,
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 terperinciANALISIS METODE MASKING-FILTERING DALAM PENYISIPAN DATA TEKS
ANALISIS METODE MASKING-FILTERING DALAM PENYISIPAN DATA TEKS Efriawan Safa (12110754) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No. 338 Simpang Limun www.inti-budidarma.com
Lebih terperinciOTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR
Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27/11/2008 OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Thiang, Leonardus Indrotanoto Jurusan Teknik
Lebih terperinciPengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur
Pengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur Retno Tri Wahyuni, Djoko Purwanto, Tri Arief Sardjono Program Studi Teknik Elektro, Program Pascasarjana ITS Kampus ITS, Sukolilo,
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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
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 terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
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 terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Salah satu cara untuk berkomunikasi adalah dengan cara melakukan interaksi langsung. Dengan interaksi maka setiap orang dapat mengerti maksud pernyataan ataupun perintah
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciJURNAL IT STMIK HANDAYANI
Syamsu Alam 1), Mirfan ) Sistem Komputer STMIK Handayani 1), Teknik Informatika STMIK Handayani ) syams.hs@gmail.com 1), mirfan@gmail.com ) Abstrak Penelitian ini bertujuan untuk merancang sistem pendeteksi
Lebih terperinciPERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS
PERANCANGAN APLIKASI SISTEM PENGENALAN IRIS MATA MENGGUNAKAN METODE GABOR WAVELET PADA EKSTRAKSI CIRI SKRIPSI PRISILIA LUKAS 081401039 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciPERANCANGAN PENDETEKSI SENYUM DENGAN METODE PENGUKURAN SIMETRI DAN DETEKSI GARIS PADA BIDANG WARNA HOSSEINI ABSTRAK
PERANCANGAN PENDETEKSI SENYUM DENGAN METODE PENGUKURAN SIMETRI DAN DETEKSI GARIS PADA BIDANG WARNA HOSSEINI Disusun oleh : Shanty Ria Suwanto 0722004 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
Lebih terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
Lebih terperinciPERANCANGAN DAN PENGEMBANGAN SISTEM DETEKSI RINTANGAN MENGGUNAKAN METODE HAAR-LIKE FEATURE PADA BRAIN-CONTROLLED WHEELCHAIR
PERANCANGAN DAN PENGEMBANGAN SISTEM DETEKSI RINTANGAN MENGGUNAKAN METODE HAAR-LIKE FEATURE PADA BRAIN-CONTROLLED WHEELCHAIR Aristian Jovianto Yunus NRP : 1322022 e-mail : aristian_jovianto@yahoo.com ABSTRAK
Lebih terperinciWEBSITE PERANCANGAN SCRAPBOOK DENGAN PEMOTONGAN GAMBAR OTOMATIS
WEBSITE PERANCANGAN SCRAPBOOK DENGAN PEMOTONGAN GAMBAR OTOMATIS C. Pickerling Teknik Informatika,Sekolah Tinggi Teknik Surabaya e-mail: pickerling@stts.edu ABSTRAK Scrapbook merupakan salah satu kegemaran
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciPERANCANGAN DAN REALISASI SISTEM PENDETEKSI GERAKAN SEBAGAI NATURAL USER INTERFACE ( NUI ) MENGGUNAKAN BAHASA C# ABSTRAK
PERANCANGAN DAN REALISASI SISTEM PENDETEKSI GERAKAN SEBAGAI NATURAL USER INTERFACE ( NUI ) MENGGUNAKAN BAHASA C# Disusun oleh : Jeffry 0822023 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinci