SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET
|
|
- Suparman Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM PENGENALAN WAJAH MENGGUNAKAN NEURO-WAVELET Benni Agung Nugroho, Irna Wijayanti dan Agus Widayanti Jurusan Teknik Informatika, Politeknik Kediri benni.nugroho@gmail.com Abstrak Sistem pengenalan wajah dapat diaplikasikan dalam berbagai bidang, misalnya bidang kedokteran, sitem keamanan, perkantoran, pertokoan, absensi dan lain sebagainya. Sistem pengenalan wajah ini menggunakan metode neuro-wavelet, yang merupakan gabungan dari metode wavelet yang berguna untuk mereduksi ukuran citra wajah. Jaringan syaraf tiruan yang berguna untuk pengenalan pola atau pengambilan citi citra wajah dan LVQ (Learning Vector Quantization) yang berguna untuk pelatihan citra wajah, dan diimplementasikan dengan bahasa pemrograman Matlab. Sistem ini menggunakan citra wajah dengan ukuran 40x40 piksel, kemudian citra wajah yang dibuat dengan klasifikasi wavelet, JST (Jaringan syaraf tiruan) dan LVQ tersebut dicocokkan dengan ciri citra wjaah yang ada di database. Secara otomatis program akan menampilkan hasil pengenalan citra wajah, apakah citra wajah yang diujikan dikenali atau tidak. Dengan menggunakan metode ini tingkat pengenalan citra wajah bisa mencapai 90%. Penelitian ini diharapkan dapat memudahkan peneliti selanjutnya untuk mengembangkan program ini menjadi lebih sempurna misalnya dibuat untuk aplikasi presensi pelajar/karyawan, identifikasi wajah korban atau pelaku kejahatan pada bidang kepolisian, identifikasi wajah costumer yang ditangkap oleh kamera pengintai/ cctv untuk keamanan pertokoan, bank atau tempat-tempat belanja dan lain-lain. Kata kunci : Pengenalan wajah, wavelet, Jaringan syaraf tiruan dan LVQ 1. PENDAHULUAN Sistem pengenalan wajah saat ini sudah digunakan dibeberapa tempat, namun selama ini di Politeknik Kediri belum ada aplikasi yang dapat mengenali wajah seseorang seperti absensi mahasiswa, dosen, karyawan maupun kebutuhan lain yang berhubungan dengan pengenalan wajah. Hal ini yang mendorong peneliti untuk membuat penelitian yaitu sebuah program pengenalan wajah yang nantinya dapat di gunakan dikampus Politeknik Kediri sebagai aplikasi absensi mahasiswa, dosen dan karyawan. Absensi menggunakan sistem pengenalan wajah dapat meningkatkan kedisiplinan mahasiswa, dosen dan karyawan dalam menjalankan perkuliahan dan tugasnya. Dengan adanya absensi pengenalan wajah, tidak ada lagi sistem titip absen yang biasanya dilakukan mahasiswa jika tidak dapat hadir dalam perkuliahan karena setiap orang mempunyai bentuk wajah (ciri wajah) yang berbeda. Pada penelitian penelitian ini peneliti hanya melakukan studi kasus pada mahasiswa Teknik Informatika semester VI angkatan 2008 Politeknik Kediri untuk pengambilan data. 2. METODOLOGI PENELITIAN 2.1 Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) LVQ diterapkan pada saat melakukan pengenalan pola atau klasifikasi dengan cara melakukan pembelajaran berulang-ulang hingga batas tertentu. Batas-batas tersebut dapat meliputi : a. Jumlah epoch > max epoch epoch adalah perulangan besar atau secara global b. Nilai learning rate (α) >= max error learning rate (α) adalah derajat pembelajaran yang digunakan untuk merubah nilai dari bobot [0...1].
2 max error adalah maksimal error yang diperbolehkan contohnya [max error < 10-2 ] Algoritma LVQ (Learning Vector Quantization) : 1) Tentukan max epoch, misal max epoch = 500. Tentukan max error, misal max error = 0, Tentukan nilai learning rate (α) awal [0.1] misal α = 0,8. Tentukan nilai faktor pengurang [0 1] fp = 0,5. 2) Lakukan perulangan While (epoch < max epoch) or (α max error) 3) Hitung suatu pola lebih dekat ke kelas mana, menggunakan rumus euclidean. D(kelas) = ( (x i w im ) 2 ) (1) Keterangan : i = input ke i (0..34) m = suatu kelas (0..9) 4) Bila suatu pola masuk ke kelas yang benar, lakukan update pada bobotnya dengan rumus : w im (baru) = w im (lama) + α (x i w im ) (2) Bila pola tidak masuk ke kelas yang seharusnya, maka update bobotnya dengan rumus : w im (baru) = w im (lama) - α (x i w im ) (3) 5) Update learning rate : α (baru) = α (lama) - α * faktor pengurang (4) 6) Naikkan nilai epoch Epoch = epoch +1 (5) 7) Kembali ke langkah 2 8) Bila langkah 2 sudah terpenuhi maka selesailah pelatihan. X X W 1 Y_in 1 F 1 Y X X W 2 Y_in 2 F 2 Y X Keterangan : X = Vektor masukan (x 1, x 2,..., x n ) F = Lapisan kompetitif Y_in = Masukan ke lapisan kompetitif Y = Keluaran (Output) W = Vektor bobot untuk unit keluaran x w = Selisih nilai jarak euclidean antara vektor input dengan bobot untuk unit Output 2.2 Transformasi Wavelet Gambar 1 Arsitektur jaringan LVQ Transformasi wavelet merupakan perangkat untuk melakukan dekomposisi pada citra menjadi beberapa resolusi yang berbeda.transformasi wavelet dapat digunakan untuk mengekstrak ciri didalam citra ke dalam berbagai frekuensi dan skala yang berbeda. Ketika dilakukan dekomposisi komponen aproksimasi dan komponen detail dapat dipisahkan. Untuk melakukan dekomposisi pada citra, digunakan tranformasi wavelet diskret 2D (2D DWT) yang akan mendekomposisi citra ke dalam komponen aproksimasi (L j ) dan komponen detail yang dibagi menjadi komponen horisontal (D j hor ), vertikal (D j vert ) dan diagonal (D j diag ) yang dinyatakan dalam persamaan berikut : L j (m,n) = [H x *[H y *L j-1 ] 2,1 ] 1,2 (m,n) (6) D j vert (m,n) = [H x *[G y *L j-1 ] 2,1 ] 1,2 (m,n) D j hor (m,n) =[G x *[H y *L j-1 ] 2,1 ] 1,2 (m,n) D j diag (m,n) =[G x *[G y *L j-1 ] 2,1 ] 1,2 (m,n)
3 Dimana * menyatakan operator konvolusi, 2,1 merupakan subsampling sepanjang baris, 1,2 merupakan subsampling sepanjang kolom, sedangkan H dan G merupakan filter low pass dan high pass. Sedangkan j menyatakan dekomposisi pada level tertentu Pada penelitian ini, transformasi wavelet digunakan untuk mengekstrak ciri pada citra latih, citra uji dan citra yang akan dideteksi dan diidentifikasi. 2.3 Integral projection Integral projection merepresentasikan sebingkai citra sebagai hasil penjumlahan nilai nilai piksel baik secara vertikal ataupun horizontal. Dari hasil penjumlahan piksel yang didapat dari sebuah objek dapat dipisahkan dari objek lain disekelilingnya Gambar 2 Integral Projection Contoh Penghitungan integral projection : x 1 = = 12 y 1 = = x 2 = = 25 y 2 = = x 3 = = 15 y 3 = = x 4 = = 11 y 4 = = 17 Hasil Penghitungan Integral Projection = [ 12, 25, 15, 11, 11, 16, 19, 17 ] 3. HASIL DAN PEMBAHASAN Pada sistem pengenalan wajah menggunakan neuro-wavelet ini, terdapat beberapa proses mulai dari penyiapan citra wajah hingga dapat mengenali citra wajah mahasiswa. Proses-proses yang dilakukan antara lain : a. Menyiapkan citra wajah Citra wajah yang diambil berupa video yang diambil melalui webcam menggunakan software CyberLink YouCam. Kemudian video tersebut dicapture menggunakan software Presto! VideoWorks 6, hasil capture video tersebut berupa file citra wajah bertipe jpg. Kemudian citra wajah tersebut di crop mulai dari ujung kepala hingga dagu menggunakan software FSViewer39. Gambar 3 Contoh citra wajah yang di crop Bedakan citra wajah antara mahasiswa satu dengan lainnya dengan memasukkan citra wajah pada folder angka yang terdiri dari dua digit secara berurutan. Nama folder tersbut menunjukkan kelas pemilik wajah.
4 Gambar 4 Kumpulan kelas citra wajah Setiap folder (kelas) citra_latih terdapat sepuluh macam pose yang berbeda. Folder (kelas) uji terdapat lima macam pose yang berbeda. Gambar 5 Pose citra wajah pelatihan b. Proses pelatihan Proses pelatihan dilakukan dengan memasukkan parameter pelatihan yaitu jumlah kelas, jumlah epoch dan max error. Maka program akan menghitung citra latih sesuai parameter yang dimasukkan untuk mendapatkan ciri citra wajah tiap kelas. Sebelum menentukan ciri citra wajah tiap kelas, perlu dilakukan langkah-langkah sebagai berikut : resize citra latih, ubah citra latih menjadi grayscale, melakukan normalisasi brightness pada setiap citra latih, mereduksi citra latih menggunakan metode wavelet kemudian dihitung menggunakan integral projection. Dari hasil reduksi ditentukan citra yang digunakan sebagai data target awal dan data pelatihan. Setelah ditentukan data target dan data pelatihan, dicari ciri setiap kelas menggunakan jaringan syaraf tiruan dengan metode LVQ (Learning Vector Quantization). Hasilnya didapatkan target atau ciri dari masing-masing kelas citra latih. c. Proses pengujian Proses pengujian dilakukan dengan memasukkan citra uji baik melalui folder uji ataupun di luar folder uji yang telah disediakan oleh penulis. Program akan menghitung citra uji yang dicocokkan dengan ciri setiap kelas yang ada di database menggunakan rumus euclidean. Sebelum mencocokkan citra uji dengan ciri citra wajah pada tiap kelas, perlu dilakukan langkah-langkah sebagai berikut : resize citra uji, ubah citra uji menjadi grayscale, melakukan normalisasi brightness citra uji, mereduksi citra uji menggunakan metode wavelet kemudian dihitung menggunakan integral projection. Dari hasil reduksi citra uji dilakukan proses pencocokan dengan ciri citra latih untuk ditentukan masuk di kelas manakah citra uji yang dimasukkan ke dalam program. Tabel tingkat pengenalan dengan citra latih Dari proses pelatihan didapatkan ciri citra wajah tiap kelas yang dibandingkan dengan semua citra latih yang ada di dalam database, sehingga dapat menghasilkan prosentase tingkat pengenalan. Terdapat 10 pose pada tiap kelas citra latih. Jika diimplementasikan dalam tabel berdasarkan jumlah data dan prosentase pengenalan seperti dibawah ini : Tabel 1 Tingkat pengenalan dengan citra latih Kelas Prosentase Pengenalan (%) 1 100, , , , , ,00
5 Tabel tingkat pengenalan dengan citra uji 7 100, , , , , , , , , , , , , , , , , , ,60 Dari ciri yang didapatkan dari proses pelatihan, dibandingkan dengan data uji yang berada di database sehingga diperoleh prosentase tingkat pengenalan pada citra wajah yang diujikan. Tabel 2 Tingkat pengenalan dengan citra wajah pada folder uji Kelas Prosentase Pengenalan (%) 1 100, , , , , , , , , , , , , , , , , , , , , , , ,8 Grafik tingkat pengenalan dengan citra latih Dari tabel 1 dapat dilihat bahwa jumlah kelas yang dimasukkan akan mempengaruhi prosentase pengenalan. Dapat dilihat bahwa jika jumlah kelas yang dimasukkan berjumlah 25, maka prosentase pengenalannya turun 1 %. Nilai prosentase ini menurun hingga kelas 25 yaitu 12,4 %. Hal ini disebabkan
6 Prosentase Prosentase oleh banyaknya kelas yang dicocokkan oleh program. Sehingga dapat ditarik kesimpulan bahwa semakin besar jumlah kelas maka prosentase pengenalan semakin kecil. Grafik Tingkat Pengenalan Citra Pelatihan 1 Jumlah Data Grafik tingkat pengenalan dengan citra uji Gambar 6 Grafik tingkat pengenalan dengan citra latih Dari Tabel 2 dapat dilihat bahwa jumlah kelas yang dimasukkan akan mempengaruhi prosentase pengenalan. Dapat dilihat bahwa jika jumlah kelas yang dimasukkan berjumlah 25, maka prosentase pengenalannya turun 5 %. Nilai prosentase ini menurun hingga kelas 25 yaitu 19,2 %. Hal ini disebabkan oleh banyaknya kelas yang dicocokkan oleh program. Sehingga dapat ditarik kesimpulan bahwa semakin besar jumlah kelas maka prosentase pengenalan semakin kecil. Prosentase Tingkat Pengenalan Citra Uji Jumlah Data Gambar 7 Grafik tingkat pengenalan dengan citra Wajah pada folder uji Gambar 8 Citra wajah bisa dikenali yang terdapat pada folder uji Sedangkan keluaran dari program dapat dilihat dari Gambar 8 sampai dengan Gambar 10 Gambar 9 Citra wajah yang tidak bisa dikenali oleh program Gambar 10Hasil pengujian jika folder citra uji bukan dari folder uji
7 4. KESIMPULAN Dari penelitian ini dapat penulis simpulkan bahwa : 1. Sistem Pengenalan Wajah Menggunakan Neuro-Wavelet dapat mengenali citra wajah mahasiswa yang dicocokkan dengan ciri citra wajah yang berada didalam database. 2. Sistem Pengenalan Wajah Menggunakan Neuro-Wavelet dapat menampilkan keterangan hasil pengujian seperti citra wajah yang berhasil dikenali, citra uji, nama pemilik wajah, kelas yang dikenali, jarak yang dikenali, kelas seharusnya, nama wajah seharusnya dan jarak dari kelas seharusnya dan prosentase 3. Algoritma yang digunakan pada Sistem Pengenalan Wajah Menggunakan Neuro-Wavelet yaitu wavelet dan JST sangat baik karena prosentase hasil pengenalan sebesar 90 %. 5. SARAN Pada penelitian ini masih banyak kekurangan, diharapkan pada penelitian selanjutnya dilakukan perbaikan pada program ini diantaranya : 1. Nama pemilik citra wajah masih diinputkan secara manual melalui program, diharapkan pada penelitian selanjutnya nama pemilik citra wajah dapat diketahui melalui nama folder pemilik citra wajah. 2. Proses pelatihan dilakukan pada folder kelas yang berurutan. Jika folder kelas tidak ada, program tidak dapat melakukan pelatihan. Namun program belum bisa menampilkan message box error jika folder kelas atau file citra latih tidak ditemukan di dalam database. Pada penelitian selanjutnya jika folder kelas atau file citra latih tidak ditemukan, dapat ditampilkan message box error. 3. Dalam pengembangan program selanjutnya sebaiknya menggunakan bahasa pemrograman lain, agar program ini menjadi aplikasi yang bisa berdiri sendiri misalnya Delphi, Visual Basic atau bahasa pemrograman lainnya. 4. Untuk pengembangan selanjutnya sebaiknya dibuat aplikasi dengan menggunakan webcam yang dilengkapi sistem deteksi wajah. UCAPAN TERIMA KASIH Pada kesempatan ini penulis ingin menyampaikan hormat dan terima kasih yang sebesar-besarnya atas bantuan dan dukungan dari berbagai pihak yang memberikan masukan dalam penyusunan penelitian ini : 1. Manajemen Politeknik Kediri, Direktur Drs. H.M. Zaini M.M., Pembantu Direktur Ir. H. IGG Heru Marwanto, M.M., Drs. Bambang Sukodiono, M.T., Drs. Hasyim Nawawie, S.H., M.Si., dan Ketua SPK Drs. Bambang Sumarjono, M.M. yang telah memberikan dukungan dan kesempatan kepada penulis untuk menyelesaikan penelitian ini. 2. Seluruh rekan kerja, jajaran dosen, laboran dan staf di Politeknik Kediri. Terima kasih atas dukungan dan bantuannya selama penulis menyelesaikan penelitian 3. Mahasiswa Politeknik Kediri seluruh angkatan. 4. Keluarga besar di Kediri yang telah memberikan dukungannya baik secara material maupun nonmaterial. 5. Seluruh pihak yang tidak dapat penulis sebutkan satu per satu, yang telah membantu penulis dalam menyelesaikan penelitian ini. DAFTAR PUSTAKA [1] Al Fatta, Hanif Pengenalan Wajah Dengan Algoritma Eigen Face. Yogyakarta, pdf. Hlm: 1-9 [2] Bullinaria, John Learning Vector Quatization (LVQ). Guest Lecture 2. Hlm: [3] Chahyati, dina Dekomposisi Citra Dengan Wavelet Haar. Hlm: 1-4 [4] Chahyati, dina Wavelet. Draft Tesis II, pdf. Hlm: 1-7 [5] S. Wahyono, Eko and Ernastuti Identifikasi Nomor Polisi Mobil Menggunakan metode Jaringan Saraf buatan learning vector Quantization. Depok, pdf. Hlm: 6-8
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciBAB 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 terperinciPENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana
PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing Tugas Ujian Sarjana. Penjelasan Learning Vector Quantization (LVQ) Learning
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION
ANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION Bambang Robi in eure_bbg@yahoo.com Akademi Teknik PIRI Yogyakarta Abstrak Indonesia merupakan negara yang
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinci1.2 Rumusan Masalah Berdasarkan latar belakang yang telah dibuat diatas, rumusan masalah yang dapat diambil adalah :
BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan adalah sebuah bentuk khusus dari tulisan tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan yang sering digunakan sebagai bukti vertifikasi
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih 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 terperinciIdentifikasi Otentifikasi Citra Tanda Tangan Menggunakan Wavelet dan Backpropagation
Identifikasi Otentifikasi Citra Tanda Tangan Menggunakan Wavelet dan Backpropagation Resa Abdilah 1, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
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 CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciBAB I PENDAHULUAN. dengan pesat yang hampir memasuki setiap bidang yang berkenaan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi dan informasi semakin berkembang dengan pesat yang hampir memasuki setiap bidang yang berkenaan dengan aktivitas manusia. Seiring dengan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Ayam seperti halnya hewan lain juga tidak terlepas dari serangan penyakit. Antisipasi untuk mencegah dan mengenali gejala penyakit yang berbahaya sangatlah penting.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem adalah penguraian dari suatu sistem yang utuh ke dalam bagian-bagian komponennya dengan tujuan mengidentifikasikan dan mengevaluasi
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980 IDENTIFIKASI DAN KLASIFIKASI KEMURNIAN SUSU SAPI BERDASARKAN PENGOLAHAN SINYAL VIDEO MENGGUNAKAN METODE DISCRETE WAVELET
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tomat merupakan salah komoditas di pertanian Indonesia saat ini, tomat sudah menjadi kebutuhan pokok penunjang pangan di indonesia akan tetapi cara mengidentifikasi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciOPTICAL CHARACTER RECOGNIZATION (OCR)
LAPORAN JARINGAN SYARAF TIRUAN OPTICAL CHARACTER RECOGNIZATION (OCR) DISUSUN OLEH: DIJAS SCHWARTZ. S (524) FIRNAS NADIRMAN (481) INDAH HERAWATI (520) NORA SISKA PUTRI (511) OKTI RAHMAWATI (522) EKSTENSI
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Penelitian maupun pembuatan aplikasi mengenai pengenalan karakter / pengenalan pola ataupun yang berhubungan dengan Jaringan Syaraf Tiruan terlebih dengan metode Backpropagation
Lebih terperinciBAB III ANALISIS SISTEM. Sistem absensi berbasis webcam adalah sistem yang melakukan absensi anggota
BAB III ANALISIS SISTEM 3.1. Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi anggota berdasarkan input citra hasil capture webcam. Sistem akan melakukan
Lebih terperinciImplementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR
Implementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR Diajukan Oleh : RENDRA FEBRIANTO 0634015068 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
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 terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124
BAB I PENDAHULUAN 1.1 Latar Belakang Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124 dan 128 E. Terletak di Asia Tenggara, Pulau Timor merupakan bagian dari Asia Tenggara Maritim,
Lebih terperinciAnalisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005 / 2006 Analisis dan Perancangan Transformasi Wavelet Untuk Jaringan Syaraf Tiruan pada Pengenalan Sidik
Lebih terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan. Halaman Motto. Kata Pengantar.
DAFTAR ISI Halaman Judul i Lembar Pengesahan Pembimbing ii Lembar Pengesahan Penguji iii Halaman Persembahan iv Halaman Motto v Kata Pengantar vi Abstraksi viii Daftar Isi ix Daftar Gambar xii Daftar Tabel
Lebih terperinciKomparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation
Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciAPLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Hamsina 1, Evanita V Manullang 1, Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
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 III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinci3 BAB III METODE PENELITIAN
20 3 BAB III METODE PENELITIAN 3.1 Metode penelitian Penenelitian ini merupakan penelitian eksperimen, dengan melalui beberapa tahapan sebagai berikut : 1. Pengumpulan data Tahapan ini merupakan langkah
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 terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciAPLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT
APLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT Fradika Indrawan Jurusan Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta Jl.
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciIDENTIFIKASI KEASLIAN MATA UANG RUPIAH MELALUI INVISIBLE INK BERBASIS FOURIER TRANSFORM MENGGUNAKAN NEURAL LEARNING VECTOR QUANTIZATION
IDENTIFIKASI KEASLIAN MATA UANG RUPIAH MELALUI INVISIBLE INK BERBASIS FOURIER TRANSFORM MENGGUNAKAN NEURAL LEARNING VECTOR QUANTIZATION Yusron Rijal Jurusan Sistem Informasi STIKOMP SURABAYA, email: yusron@stikom.edu
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciPenerapan Learning Vector Quantization Penentuan Bidang Konsentrasi Tugas Akhir (Studi Kasus: Mahasiswa Teknik Informatika UIN Suska Riau)
Penerapan Learning Vector Quantization Penentuan Bidang Konsentrasi Tugas Akhir (Studi Kasus: Mahasiswa Teknik Informatika UIN Suska Riau) Elvia Budianita 1, Ulti Desi Arni 2 1,2 Teknik Informatika, UIN
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciBAB I PENDAHULUAN. penelitian di dunia pendidikan. Dilaporkan sekitar 25-60% mahasiswa drop-out
BAB I PENDAHULUAN 1.1 Latar Belakang Pada tahun 1980, Student Engagement menjadi topik hangat dalam penelitian di dunia pendidikan. Dilaporkan sekitar 25-60% mahasiswa drop-out dikarenakan merasa bosan
Lebih terperinciKLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *
KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Studi Berikut ini adalah beberapa studi terkait yang pernah melakukan penelitian identifikasi citra kendaraan: 1. KLASIFIKASI KENDARAAN MENGGUNAKAN LEARNING VECTOR
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 terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. fold Cross Validation, metode Convolutional neural network dari deep learning
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Program P rinsip kerja program yaitu dengan melakukan pra pengolahan citra terhadap foto fisik dari permukaan buah manggis agar ukuran seluruh data
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciSKRIPSI RAYMOND P.H. SIRAIT
PERANGKAT LUNAK CAPTURE PLAT NOMOR POLISI MOBIL DENGAN ALGORITMA JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION DAN BACK PROPAGATION BERBASIS IP CAMERA SKRIPSI RAYMOND P.H. SIRAIT 071401040 PROGRAM
Lebih terperinciIDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)
IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik
Lebih terperinciPENGEMBANGAN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDI KASUS PADA DATABASE MUG)
PENGEMBANGAN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDI KASUS PADA DATABASE MUG) Zaenal Abidin Jurusan Matematika Universitas Negeri Semarang Kampus Sekaran
Lebih terperinciAplikasi Mobile Pengenalan Karakter Manusia Melalui Bentuk Bagian Wajah Menggunakan Metode Learning Vector Quantization
Aplikasi Mobile Pengenalan Karakter Manusia Melalui Bentuk Bagian Wajah Menggunakan Metode Learning Vector Quantization Rezky Aulia Pratama 1, Kartina Diah Kesuma W, S.T 2, Wawan Yunanto, S.Kom., M.T 3
Lebih terperinciPENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH
PENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH Devira Anggi Maharani 1, Mila Fauziyah 2, Denda Dewatama 3 1,2 Jurusan Elektro, Prodi Elektronika,
Lebih terperinciBAB I PENDAHULUAN. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1. Latar Belakang Absensi merupakan data yang sangat penting dalam setiap kegiatan, baik itu kegiatan perkuliahan maupun kegiatan perkantoran. Namun sering kali data-data absensi ini
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kelapa sawit (Elaeis Guineensis) merupakan salah satu komoditas ekspor perkebunan terbesar di Indonesia. Indonesia mempunyai struktur tanah serta curah hujan yang
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Bab ini menjelaskan mengenai tahapan analisis dan perancangan sistem yang akan dikembangkan, yaitu Sistem Identifikasi Buron. Bab ini terbagi atas 5 bagian yang
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan.
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan. Pada hari Jumat tanggal 2 Oktober 2009 di Abu Dhabi, Uni Emirat Arab, United Nations Educational, Scientific, and Culture Organization (UNESCO) memberikan
Lebih terperinciBAB I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciTugas Akhir Pengembangan Perangkat Lunak Berbasis Suara Ucapan untuk Membuka dan Mencetak Dokumen
Tugas Akhir Pengembangan Perangkat Lunak Berbasis Suara Ucapan untuk Membuka dan Mencetak Dokumen Oleh: Abd. Wahab 1208100064 Pembimbing: Drs. Nurul Hidayat, M.Kom 19630404 198903 1 002 BAB1 Pendahuluan
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi seperti saat ini, kebutuhan akan informasi dan sistem yang dapat membantu kebutuhan manusia dalam berbagai aspek sangatlah penting.
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB IV. Analisis Pada bab ini dibahas mengenai analisis terhadap citra aproksimasi dan hasil ekstraksi jalan pada citra aproksimasi tersebut untuk mendapatkan gambaran mengenai keterkaitan antara proses
Lebih terperinciAPLIKASI ABSENSI KULIAH BERBASIS IDENTIFIKASI WAJAH MENGGUNAKAN METODE GABOR WAVELET
APLIKASI ABSENSI KULIAH BERBASIS IDENTIFIKASI WAJAH MENGGUNAKAN METODE GABOR WAVELET Agus Kurniawan, Akuwan Saleh, Nana Ramadijanti Jurusan Teknik Telekomunikasi, Politeknik Elektronika Negeri Surabaya,
Lebih terperinci