BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
|
|
- Hartono Setiabudi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73
2 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi dua bagian, yaitu proses pembuatan basis data dan proses analisis. Proses pembuatan basis data berguna untuk melatih sistem dengan memasukkan data statistik dari setiap karakter (huruf dan angka) pada berkas yang sesuai dengan klasifikasinya, sehingga akan dihasilkan masukan-masukan yang siap pakai untuk melakukan proses analisis. Proses pembuatan basis data terdiri dari dua bagian, yaitu pembuatan basis data statistik dan pembuatan data awal FCM. Proses analisis dilakukan untuk mengetahui tingkat keberhasilan pengenalan karakter berdasarkan karakteristik dan klasifikasi masing-masing karakter yang telah ditentukan. Dari hasil proses analisis inilah nantinya akan diambil suatu kesimpulan apakah karakteristik yang ditentukan sudah cukup dapat diandalkan untuk pengenalan karakter pada plat nomor kendaraan. 3.2 Proses Pembuatan Basis Data dan Training FCM Pada pembuatan basis data dan training FCM, proses yang pertama dilakukan adalah pengolahan citra dan dilanjutkan dengan cropping atau pemotongan citra. Keduanya merupakan bagian dari pemrosesan awal citra. Setelah proses pemotongan selesai, proses dilanjutkan dengan proses segmentasi dan klasifikasi. Dalam proses segmentasi, citra huruf hasil pemotongan (proses sebelumnya) akan dibagi menjadi 32 segmen kecil berbentuk bujur sangkar. Pada proses klasifikasi, setiap bujur sangkar kecil hasil segmentasi akan dihitung bobot piksel hitamnya
3 75 terhadap bobot piksel hitam secara keseluruhan pada karakter tersebut. Hasil perhitungan tersebut akan disimpan dalam basis data yang statis Pemrosesan Awal Pemrosesan awal yang dilakukan meliputi: pengolahan citra (terdiri dari proses penyekalaan dan binerisasi) dan cropping atau pemotongan (terdiri dari proses penetapan batas atas dan bawah, penetapan batas karakter, pemotongan, dan penyekalaan ulang). Pemrosesan awal ini menghasilkan citra yang siap untuk disegmentasi dan diklasifikasi Pengolahan Citra Tujuan dari pengolahan citra adalah untuk menghasilkan citra yang lebih mudah untuk diolah, yang akan dipakai dalam proses pemotongan. Setelah melalui proses pengolahan citra, akan didapatkan citra yang lebih sederhana yang sangat signifikan untuk keberhasilan proses-proses berikutnya Penyekalaan Tujuan dari proses penyekalaan adalah untuk menyamakan ukuran citra awal dari banyak citra plat nomor kendaraan yang disimpan, sehingga citra tidak ada yang terlalu besar maupun terlalu kecil. Penyekalaan menjadi penting karena citra yang
4 76 terlalu besar akan memperlambat proses dan citra yang terlalu kecil akan menyulitkan proses segmentasi. Oleh karena itu, kami menetapkan setiap tinggi citra plat yang masuk akan diubah tingginya menjadi 100 piksel, dimana lebih kurang rata-rata ukuran tinggi karakter pada citra plat menjadi 60 piksel (karena pada basis data menggunakan ukuran tinggi x lebar = 40 x 20), dimana citra masukan tersebut akan mengecil ukurannya karena ukuran citra dari hasil pemotretan yang paling kecil yaitu: tinggi x lebar = 118 x 327, sedangkan yang paling besar yaitu 642 x Dengan ukuran yang relatif kecil (dengan mengubah tinggi menjadi 100), proses pengolahan citra dapat berlangsung lebih cepat, sedangkan untuk lebarnya akan menyesuaikan dengan mempertahankan aspek rasio dari ukuran citra awal dengan rumus seperti berikut: Lt = 100 / Ta Lt = Lebar citra akhir hasil dari penyekalaan Ta = Tinggi citra awal Proses penyekalaan ini menghasilkan citra plat yang telah diskala dengan ukuran yang sama tanpa terpengaruh pada ukuran citra awal sebelum diskala. Citra plat dengan ukuran yang sama ini akan sangat membantu proses selanjutnya, terutama dalam penentuan nilai-nilai ambang pada proses penetapan batas, pembuatan histogram keseluruhan citra, serta proses segmentasi dan pemotongan. Perbedaan ukuran citra plat dapat menyebabkan proses-proses tadi menjadi tidak akurat.
5 Binerisasi Proses ini digunakan untuk mengubah warna pada citra plat nomor kendaraan menjadi sebuah citra biner sesuai dengan nilai ambang yang digunakan. Awal prosesnya adalah dengan mengubah nilai tiap piksel dari citra plat menjadi nilai piksel level keabuan, yaitu dengan mengambil nilai rata-rata dari ketiga unsur warna RGB. Proses dapat dilihat dari potongan pseudocode berikut: Ulangi sebanyak tinggi citra Ulangi sebanyak lebar citra Ambil nilai piksel (p) Red = (0xff & (p >> 16)) Green = (0xff & (p >> 8)) Blue = (0xff & p) P = ((red+green+blue)/3)//piksel warna keabuan Setelah semua piksel diubah menjadi nilai keabuan, pencarian nilai ambang pun dilakukan. Ada beberapa cara untuk menentukan nilai ambang, misalnya dengan menentukan langsung berdasarkan nilai tengah dari level keabuan, yaitu 127 dan 128; dengan menentukan suatu nilai tertentu sebagai nilai rata-rata dari total piksel level keabuan dalam citra, dan menjadikannya sebagai nilai ambang rata-rata (mean threshold value). Cara menentukan nilai ambang yang digunakan pada penelitian ini adalah
6 78 dengan menentukan nilai rata-rata dari total piksel level keabuan dalam citra, dan menjadikannya sebagai nilai ambang rata-rata. Nilai ambang = Σ nilai piksel keabuan / Σ piksel Kemudian setelah didapat nilai ambang tersebut, maka akan dilakukan perbandingan tiap nilai piksel dari citra keabuan tersebut dengan nilai ambangnya. Jika nilai piksel lebih besar dari nilai ambangnya (yang berarti nilai piksel lebih terang dari pada nilai ambang), maka nilai piksel tersebut akan diubah menjadi 0 (nol), yang mempunyai nilai heksadesimal 0xff (piksel berwarna hitam). Sedangkan jika yang terjadi sebaliknya, yaitu nilai pikselnya lebih kecil dari nilai ambang yang ditentukan, maka nilai piksel tersebut akan diubah menjadi 1 (satu), yang mempunyai nilai heksadesimal 0xffffffff. Algoritma untuk fungsi tersebut : Jika (nilai piksel keabuan < nilai ambang) maka Nilai piksel baru = 0xffffffff; //warna putih Jika tidak Nilai piksel baru = 0xff000000; //warna hitam
7 79 Hasil penggunaan nilai ambang dapat dilihat pada gambar berikut dengan menggunakan citra plat yang ditinjau dari segi pencahayaan maupun keseragaman warnanya cukup baik. (a) (b) (c) Gambar 3.2 (a) Plat awal, (b) Binerisasi dengan nilai 128, (c) Binerisasi dengan nilai rata-rata
8 80 Hasil yang didapat antara nilai ambang, baik yang bernilai 128 maupun dengan nilai ambang rata-rata tidaklah berbeda banyak. Berdasarkan percobaan yang dilakukan, untuk kondisi plat yang relatif terang (rata-rata piksel keabuannya lebih besar dari 128), perbedaan yang ada memang tidak begitu signifikan. Namun untuk citra plat yang cenderung gelap, hasil binerisasi yang didapat akan sangat jelas perbedaannya dengan menggunakan kedua metode pemilihan nilai ambang di atas, bahkan citra plat hasil binerisasi dapat berupa hanya warna putih saja. Hasilnya dapat dilihat pada contoh berikut: (a) (b) (c) Gambar 3.3 (a) Plat awal, (b) Nilai ambang = 128, (c) Nilai ambang = nilai rata-rata
9 81 Setelah dilakukan percobaan terhadap contoh plat sebanyak 50, ternyata dengan menggunakan nilai ambang rata-rata tersebut (berkisar antara 30 sampai dengan 79), banyak citra yang setelah dilakukan proses binerisasi masih kurang baik kualitasnnya. Citra yang dihasilkan kadang-kadang mempunyai terlalu banyak derau yang berupa bercak-bercak hitam, selain itu juga menyebabkan karakter terlihat gemuk. Lalu untuk menghilangkan bercak-bercak hitam tersebut sekaligus merampingkan karakterkarakter tersebut, nilai ambang rata-rata tersebut ditambahkan dengan suatu nilai tertentu berdasarka hasil percobaan yang dilakukan, nilai yang paling efektif yaitu sebesar 32. Namun setelah melakukan penambahan nilai tersebut, ada beberapa plat yang dimana setelah mendapatkan penambahan justru merusak karakter-karakternya. Setelah diteliti lebih lanjut, ternyata kerusakan terjadi pada citra yang nilai ambang rata-ratanya Olah karena itu ditetapkan sebuah nilai ambang sebesar 40, dimana jika nilai rata-rata ambang dari suatu citra kurang dari atau sama dengan 40, maka nilai ambang citra tersebut akan ditambahkan 32, sedangkan jika nilai rata-rata ambangnya lebih besar dari 40, maka tidak dilakukan penambahan. berikut: Aturan dari pengambilan nilai ambang tersebut dapat dilihat pada pseudocode Jika nilai rata-rata ambang > 40 maka Nilai rata-rata ambang =+ 32 Jika tidak
10 82 Nilai rata-rata ambang tetap Sedangkan alasan mengapa penambahan yang dipilih adalah 32 adalah karena berdasarkan hasil percobaan kami, nilai 32 merupakan nilai yang terbaik yang sudah kami uji pada 50 contoh citra plat secara acak Pemotongan (Cropping) Segmentasi merupakan salah satu proses yang sangat penting dalam sistem pengenalan karakter, terutama dalam sistem yang menggunakan pendekatan statistik Karena ketidakakuratan delam mengekstraksi karakter, suatu karakter akan mengubah nilai statistik dari suatu karakter. Dalam proses segmentasi, selain memiashkan karakter-karakter dari citra biner, dilakukan juga pemisahan antara karakter huruf dengan karakter angka. Proses segmentasi dapat dibagi menjadi 4 proses penting, yaitu : 1. Penetapan batas atas dan batas bawah citra plat 2. Penetapan batas karakter 3. Pemotongan 4. Penyekalaan ulang
11 Penetapan Batas Atas dan Batas Bawah Citra Plat Pada proses pertama dari proses segmentasi ini, dilakukan scanning terhadap baris-baris piksel yang terdapat pada citra tersebut. Penentuan batas atas dan bawah dilakukan dengan menghitung jumlah piksel hitam yang terdapat pada satu baris piksel. Batas atas dan batas bawah yang diperoleh akan digunakan untuk membantu keakuratan proses penentuan batas masing-masing karakter. Batas akan ditentukan dengan menggunakan algoritma: Ulangi dari baris ke-0 sampai baris ke-5 Cek setiap piksel pada baris tersebut Jika jumlah piksel hitam = 0maka Batas atas = baris piksel tersebut Jika pseudocode di atas gagal menemukan batas atas citra, maka digunakan pseudocode berikut: X = lebar citra / 3 Ulangi dari baris ke-0 sampai baris ke-10 Cek setiap piksel pada baris tersebut Jika jumlah piksel htam <=x maka Batas atas = baris piksel
12 84 X = jumlah piksel hitam Sedangkan penentuan batas bawah dilakukan dengan menggunakan algoritma yang memanfaatkan karakteristik plat nomor di Indonesia yang memiliki garis putih pada bagian bawah plat: Ulangi dari baris piksel ke-tinggi citra/2 sampai baris piksel ke-tinggi citra Cek setiap piksel pada baris tersebut Jika jumlah piksel hitam >= ¾ lebar citra maka Batas bawah = baris piksel Jika pada citra plat nomor yang akan ditentukan batas bawahnya tidak ditemukan garis putih pada bagian bawah plat, maka algoritma yang digunakan adalah: Ulangi dari baris piksel ke-tinggi citra/2 sampai baris piksel ke-tinggi citra Cek setiap piksel pada baris tersebut Jika jumlah piksel putih >= ¾ lebar citra maka Batas bawah = baris piksel Proses penentuan batas atas dan batas bawah ini cukup sulit dilakukan terutama apabila citra plat yang dijadikan masukan memiliki banyak derau atau distorsi.
13 85 Penentuan batas atas dan batas bawah ini membantu pembuatan histogram keseluruhan yang akan digunakan untuk menetapkan batas-batas tiap karakter Penetapan Batas Karakter Dalam proses ini akan dihitung posisi batas kiri, kanan, atas, bawah serta lebar dan tinggi dari masing-masing karakter. Batas kiri dari setiap karakter dilakukan dengan melakukan pengecekan terhadap piksel hitam dari karakter. Penetapan batas karakter pada plat ini dihitung dengan menggunakan batas atas dan batas bawah citra plat, sehingga memiliki tingkat keakuratan yang baik. Berikut adalah pseudocode yang digunakan untuk menghitung histogram keseluruhan citra: For(int index=0;index<((batas bawah-batas atas)x lebar citra);index++) If(nilai piksel yang ke-index=0xff000000); //warna hitam Nilai piksel yang ke-[index % lebar citra] = nilai piksel yang ke- [index % lebar citra] + 1; Batas kiri dan batas kanan ditentukan bergantian, yaitu jika jumlah piksel hitam yang terdapat pada suatu kolom bernilai lebih besar dari nilai ambang, maka kolom tersebut adalah batas kiri karakter. Kemudian jika jumlah piksel hitam pada suatu kolom bernilai nilai ambang, maka kolom tersebut adalah batas kanan karakter. Proses pengecekan tersebut dilakukan terus sampai semua karakter berhasil dihitung batas kiri
14 86 dan kanannya. Berikut adalah pseudocode yang digunakan untuk menentukan batas kiri dan kana tiap karakter: For(int index = 0; index < panjang histogram keseluruhan;index++) If(i%2==0) If(nilai piksel hitam keseluruhan pada kolom ke-index > nilai ambang) Batas yang ke-i = index; Temp++; Else if(nilai piksel hitam keseluruhan pada kolom ke-index < nilai ambang) Batas yang ke-i = index; Temp++; Nilai ambang yang akan dipakai diberi nilai 5, namun pada saat dilakukan pengecekan dan ternyata batas yang dicari tidak didapat, maka nilai ambang akan ditambah untuk memperoleh batas-batas yang dicari. Nilai ambang sebesar 5 tersebut hanya digunakan untuk proses penentuan batas pada citra plat mobil, sedangkan pada citra plat motor digunakan nilai ambang sebesar 3. Perbedaan nilai ambang ini dilakukan karena karakter pada plat motor lebih kecil daripada karakter pada plat mobil.
15 87 Jumlah batas kiri dan batas kanan juga dapat digunakan untuk menghitung jumlah karakter yang terdapat pada citra plat tersebut. Selain itu, posisi dari batas kiri dan kanan tadi juga akan digunakan untuk menentukan apakah karakter tertentu pada citra plat adalah huruf atau angka, yaitu dengan menentukan 2 jarak karakter terbesar den membagi plat berdasarkan 2 posisi jarak tersebut. Karakter di sebelah kiri jarak terbesar pertama adalah huruf, karakter-karakter di antara kedua jarak terbesar tersebut adalah angka, dan karakter di sebelah kanan jarak terbesar kedua adalah huruf. Selain itu juga dilakukan pengecekan apakah jumlah karakter pada sebuah plat nomor berjumlah 8, karena plat yang memiliki 8 karakter akan terdiri dari 2 huruf 4 angka 2 huruf. Sedangkan penentuan batas bawah dan batas atas masing-masing karakter dilakukan dengan algoritma yang sama dengan penentuan batas atas dan batas bawah citra plat pada proses sebelumnya, hanya saja pengecekan dilakukan di antara batas kiri dan kanan masing-masing karakter Pemotongan Setelah batas dan posisi masing-masing karakter berhasil ditentukan, dilakukan proses pemotongan sesuai dengan batas-batas dan posisi masing-masing karakter yang telah didapat. Proses pemotongan bertujuan untuk memisahkan karakter-karakter yang telah disegmentasi. Jumlah proses pemotongan sesuai dengan jumlah karakter yang
16 88 terdeteksi pada proses penentuan batas kiri dan batas kanan dari masing-masing karakter Penyekalaan Ulang Selanjutnya, proses terakhir dari proses segmentasi ini adalah proses penyekalaan ulang, dimana sejumlah karakter yang telah diekstraksi dari citra plat akan diatur ulang ukurannya menjadi ukuran yang telah kita tetapkan sebelumnya, yaitu: Lebar x tinggi = 20 piksel x 40 piksel Tujuan dari penyekalaan ulang gambar ini adalah untuk mendapatkan bentuk karakter yang seragam, sehingga data statistik yang akan didapat akan lebih konsisten dan universal untuk setiap karakternya. Hal ini sangat berguna pada proses pembuatan basis data dan analisis karena ukuran karakter yang berbeda-beda sangat menyulitkan proses analisis. Ukuran 20 piksel x 40 piksel yang dipilih juga dimaksudkan agar proses pembuatan basis data dan pengujian tidak terlalu lama karena semakin besar ukuran karakter, semakin lama pula prosesnya. Namun ukuran karakter juga tidak boleh terlalu kecil karena akan menyebabkan banyak karakteristik histogram karakter tersebut yang hilang.
17 Segmentasi dan Klasifikasi Proses ini dilakukan dengan cara mengelompokkan karakter-karekter tersebut sesuai dengan kemiripan antar karakter berdasarkan nilai statistik mereka Segmentasi Dalam proses segmentasi, tiap karakter akan dibagi menjadi 32 bagian bujur sangkar yang sama besar. Tiap bujur sangkar (segmen) berukuran 5 piksel x 5 piksel = 25 piksel. Berikut gambaran proses segmentasi karakter: Gambar 3.4 Segmentasi Karakter
18 Klasifikasi Pada proses ini setiap bujur sangkar kecil hasil segmentasi akan dihitung bobot piksel hitamnya terhadap bobot piksel hitam secara keseluruhan pada karakter tersebut. Metode pembacaan piksel hitam tiap segmennya sama seperti pembacaan piksel hitam pada saat akan memotong karakter. Tiap segmen yang berbentuk bujur sangkar akan memiliki nilai masing-masing. Nilai tersebut didapat dari: Bobot segmen [x,y] = Jumlah piksel hitam pada segmen [x,y] x 100% Jumlah piksel hitam yang terdapat pada karakter tersebut Setelah semua segmen dihitung bobotnya, maka akan terdapat matriks bobot berukuran 4 x 8 seperti berikut: (1,1) (1,2) (1,3) (1,4) (2,1) (2,2) (2,3) (2,4) (3,1) (3,2) (3,3) (3,4) 4,1) (4,2) (4,3) (4,4) (5,1) (5,2) (5,3) (5,4) (6,1) (6,2) (6,3) (6,4) (7,1) (7,2) (7,3) (7,4) (8,1) (8,2) (8,3) (8,4) Gambar 3.5 Matriks Bobot Segmen
19 91 Tiap nilai segmen akan disimpan dalam basis data yang statis untuk proses pengenalan karakter dengan pendekatan statistik. Selain itu, nilai-nilai tersebut juga akan dipetakan dalam ruang FCM sebagai training nilai. perhitungan: Data-data tiap segmen dihitung dalam MATLAB. Berikut gambaran hasil Gambar 3.6 Hasil Perhitungan Bobot Segmen pada MATLAB
20 Penulisan Data Histogram Setelah proses segmentasi dan klasifikasi selesai, data matriks bobot tiap segmen pada suatu karakter akan disimpan dalan sebuah file, sesuai dengan pengklasifikasian yang sudah ditentukan sebelumnya. Matriks bobot yang telah disimpan akan dijadikan tolak ukur dan mewakili ciri dan nilai karakter tersebut. Proses penulisan matriks bobot segmen akan dimulai dari kiri ke kanan, dari baris atas ke bawah. Dengan kata lain, nilai-nilai bobot akan dituliskan dalam satu baris tiap karakternya. Penulisan akan dimulai dengan jumlah piksel secara keseluruhan, kemudian diikuti dengan nilai bobot tiap segmen, dan diakhiri dengan identitas karakter. Setiap nilai akan dipisahkan dengan spasi. Berikut format penulisan nilai bobot: Jumlah piksel (1,1) (1,2) (1,3) (1,4) (2,1) (2,2) (2,3) (2,4) (3,1) (3,2) (3,3) (3,4) (4,1) (4,2) (4,3) (4,4) (5,1) (5,2) (5,3) (5,4) (6,1) (6,2) (6,3) (6,4) (7,1 ) (7,2) (7,3) (7,4) (8,1) (8,2) (8,3) (8,4) Karakter Format penulisan ini akan dimasukkan ke dalam file.txt yang akan menampung semua data, baik hasil training maupun data pengujian. Penulisan akan dilakukan per baris, tiap data akan dituliskan dalam satu baris. Untuk keperluan pembangunan basis data analisis secara statistik, rata-rata penulisan setiap karakter dilakukan sebanyak 30 kali karena terdapat perbedaan nilai bobot karakter dengan identitas yang sama. Selain itu, semakin banyak data yang ada, maka nilai keakuratannya akan semakin mendekati sempurna. Karakter yang datanya dimasukkan ke dalam basis data adalah karakter-karakter dengan bentuk yang unik, bukan karakter yang terkena noise atau distorsi. Karakter-karekter tersebut diambil dari
21 plat nomor mobil den berbeda dengan plat-plat nomor kendaraan yang digunakan pada pengujian, sedangkan untuk basis data motor, digunakan 40 plat nomor yang juga berbeda dengan yang digunakan pada waktu pengujian. Banyaknya data yang dimasukkan ke dalam basis data juga diperhatikan sebab semakin banyak data, proses pengenalan karakter lebih lambat. Sedangkan untuk keperluan pembelajaran pada FCM, tiap karakter yang masuk akan langsung diproses nilainya, sehingga lingkungan FCM dapat menyempurnakan letak titik pusat tiap cluster-nya. Semakin banyak data yang dimasukkan, FCM akan lebih mudah menentukan cluster data selanjutnya. Proses pembuatan basis data untuk mobil dan motor tidak mempunyai perbedaan kecuali data masukkannya. 3.3 Proses Analisis Pada proses analisis, pemrosesan awal dan klasifikasi yang dilakukan terhadap citra sama persis dengan saat dilakukan proses pembuatan basis data. Jika karakter sudah terklasifikasi, dilakukan proses analisis pengenalan karakter dengan pendekatan statistik. Apabila analisis pengenalan karakter dengan pendekatan statistik gagal mengenali satu atau lebih karakter dari suatu plat nomor kendaraan, satu atau lebih karakter tersebut akan dianalisis dengan menggunakan pendekatan FCM.
22 Analisis Pengenalan Karakter dengan Pendekatan Statistik Setelah melalui proses pengolahan citra, pemotongan, segmentasi, dan klasifikasi, nilai bobot yang sudah diperoleh melalui proses-proses tersebut akan dibandingkan dengan nilai bobot yang ada di basis data. Untuk menemukan suatu karakter, digunakan cara sebagai berikut: Jika selisih antara nilai bobot dari data-data yang ada pada basis data dengan data yang akan dianalisis dan selisih dari posisi nilai maksimum tersebut kurang dari nilai ambang, maka cek dan bandingkan data-data yang ada pada basis data dengan data dari plat yang dianalisi. Nilai ambang adalah batasan nilai yang digunakan, besar awalnya adalah dua dan bertambah satu bila pada pengecekan sebelumnya tidak diperoleh nilai kesamaan yang sesuai (antara 15-20). Jika nilai data pada kolom yang sama bernilai sama atau berselisih satu, maka nilai kesamaannya bertambah satu. Setelah semua data dicek, akan didapat nilai kesamaan keseluruhan (maksimum nilai kesamaan = 20). Jika nilai kesamaannya mempunyai nilai antara 15-20, maka karakter yang dianalisis kemungkinan sama dengan karakter yang datanya digunakan pada proses ini. Kemungkinan tersebut dapat terjadi karena data yang dianalisis tidak dibandingkan hanya dengan satu set data saja, tetapi lebih dari satu set data yang berasal dari karakter yang berbeda, sehingga akan didapatkan beberapa kesamaan. Untuk penentuan terakhir, nilai kesamaan yang telah diperoleh dibandingkan satu sama lain hingga didapatkan nilai kesamaan yang paling besar.
23 Proses Switching Proses switching yang dimaksud adalah proses penggantian metode pengenalan karakter dari metode statistik menjadi metode FCM. Apabila analisis dengan pendakatan statistik gagal mengenali satu atau lebih karakter pada plat nomor kendaraan (pada program aplikasi akan terlihat karakter? ), maka plat tersebut akan dianalisis kembali dengan menggunakan pendekatan FCM. Semua karakter pada plat akan kembali dianalisis dengan pendekatan FCM, tidak hanya karakter yang gagal dikenali. Hal ini juga berlaku ketika pendekatan statistik secara bersamaan gagal dan salah mengenali karakter pada plat nomor yang dianalisis. Namun, apabila analisis pendekatan statistik hanya salah dalam mengenali karakter pada plat nomor kendaraan (misalnya: karakter 8 dikenali sebagai karakter 3 ), maka proses tidak akan menganalisis kembali plat tersebut dengan pendekatan FCM Analisis Pengenalan Karakter dengan Pendekatan FCM Apabila dengan menggunakan pendekatan statistik karakter masih belum dapat dikenali, analisis akan dilanjutkan dengan pendekatan FCM. Dengan data histogram yang sudah diperoleh melalui proses sebelumnya, setiap karakter akan diperiksa dan dihitung nilai keanggotaannya terhadap cluster-cluster yang mewakili masing-masing karakter plat nomor kendaraan.
24 96 Alasan dipilihnya algoritma FCM, bukan algoritma Substractive Clustering adalah karena dalam permasalahan yang dihadapi, jumlah cluster dapat ditentukan sebelumnya, yaitu 36 cluster. 36 cluster tersebut tersebut terdiri dari 26 cluster karakter huruf (A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, W, X, Y, dan Z) dan 10 cluster karakter angka (0, 1, 2, 3, 4, 5, 6, 7, 8, dan 9). Untuk menemukan suatu karakter, digunakan cara sebagai berikut: Masukkan data berupa matriks yang terdiri dari rangkaian angka yang menunjukkan nilai bobot tiap segmen dari karakter yang akan dicari. Setelah itu, nilai bobot karakter akan dimasukkan sebagai input proses FCM. Proses ini tentunya telah mendapatkan training dan akan melatih dirinya sendiri setiap kali menerima input. Karakter akan menemukan selisih jarak terdekatnya dengan pusat cluster. Cluster inilah yang menjadi identitas karakter yang dicari. Setelah proses training selesai, tiap data karakter pada plat kendaraan bermotor yang gagal dikenali akan menjadi masukan dalam proses FCM ini. Pertama, data karakter yang berupa rangkaian nilai matriks bobot akan dipetakan dalam bentuk titik data pada variabel lingkungan FCM yang telah di-train sebelumnya. Setelah itu, titik data tersebut akan dihitung jarak euclidean dengan masing-masing pusat cluster. Selanjutnya, akan didapat nilai-nilai jarak dengan masing-masing pusat cluster. Data akan memiliki identitas sebagai suatu karakter yang jarak euclidean-nya paling kecil. Dapat pula dikatakan data akan memiliki identitas pusat cluster terdekat. Setelah semua proses tersebut, proses dilanjutkan dengan menghitung pusat cluster baru.
25 97 Sebagai contoh, berikut plat dengan karakter yang gagal dikenali dengan menggunakan pendekatan statistik: Gambar 3.7 Plat yang memiliki karakter yang gagal dikenali dengan pendekatan statistik Dengan menggunakan pendekatan statistik, tidak semua karakter pada plat nomor di atas dapat dikenali. Karakter 2 pada plat di atas tidak mampu dikenali oleh analisis semantik. Seperti yang telah ditentukan, karakter yang gagal dikenali dengan pendekatan semantik, akan dikenali dengan pendekatan FCM. Karakter 2 di atas tentunya telah melewati proses-proses sebelumnya. Oleh karena itu, karakter 2 tersebut tentunya telah memiliki matriks nilai bobot. Matriks nilai bobot sebagai representasi karakter angka 2 tersebut akan dijadikan input dalam lingkungan FCM. Dari seluruh nilai bobot yang dimiliki oleh karakter 2, karakter ini akan dipetakan dalam lingkungan FCM sebagai sebuah titik. Kemudian, titik tersebut akan dihitung selisih jaraknya dengan setiap titik pusat cluster yang telah terbentuk dalam lingkungan FCM tersebut. Setelah jarak titik data yang baru (data karakter 2 ) dihitung dengan tiap pusat cluster dan mendapatkan nilai terdekat, karakter 2 akan
26 98 dikenali sebagai angka 2. Hal ini disebabkan oleh karena letak titik data karakter 2 dalam FCM paling dekat dengan pusat cluster karakter 2. Akibat banyaknya nilai bobot yang mewakili tiap karakter (32 nilai bobot untuk masing-masing karakter), sebaran titik-titik data dan pusat cluster karakter pada lingkungan FCM tidak mungkin dipetakan. 3.4 Hasil Pengujian Setelah proses analisis selesai, maka akan didapatkan hasil pengujian,seperti dapat dilihat pada gambar berikut: (a) (b)
27 99 (c) Gambar 3.8 (a) Citra Plat yang telah diskala ulang (b) Citra Plat yang telah dibinerisasi (c) Citra karakter yang telah melalui proses pemotongan
UNIVERSITAS 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 PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM Abstrak Victor Prahara
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
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 II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL
PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL Silviana Utari, Tjut Awaliyah, M.Kom, Irma Anggraeni, M.Kom
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 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 METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih terperinciIV. RANCANG BANGUN SISTEM. Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk
IV. RANCANG BANGUN SISTEM 4.1 Analisis dan Spesifikasi Sistem Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk menyisipkan label digital, mengekstraksi label digital, dan dapat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBAB 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 terperinciNama : Raden Septiana Faza NPM : Jurusan : Teknik Informatika Pembimbing 1 : Dr. Rodiah Pembimbing 2 : Fitrianingsih, Skom.
IMPLEMENTASI TRANSFORMASI RADON UNTUK PERBAIKAN SUDUT KEMIRINGAN HURUF PADA PROSES SEGMENTASI DAN PENGENALAN TULISAN TANGAN SAMBUNG OFFLINE MENGGUNAKAN MATLAB 2015A Nama : Raden Septiana Faza NPM : 55412851
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
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 terperinciDeteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV
Jati Sasongko Wibowo Program Studi Teknik Informatika, Universitas Stikubank email : jatisw@gmail.com Abstrak Dalam model HSV (Hue Saturation Value) ini digunakan untuk segmentasi warna kulit manusia dan
Lebih terperinciIDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN
IDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN Soegianto Soelistiono, Ardan Listya Romdhoni Departemen Fisika Fakultas Sains dan
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
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 terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
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 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 terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciBAB III LANDASAN TEORI. 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix)
BAB III LANDASAN TEORI 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix) Metode GLCM menurut Xie dkk (2010) merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Plat nomor kendaraan bermotor merupakan ciri atau tanda pengenal suatu kendaraan yang diberikan oleh kepolisian. Setiap plat nomor kendaraan memiliki kombinasi
Lebih terperinciTabel 6 Skenario pengujian 4
7 Tabel 6 Skenario pengujian 4 Cover Rhinos.avi & Vipmen.avi bit 1-8 bit Berkas pesan karakter Test.txt 197 Daftar.txt 15.384 TestCase.txt 33.792 5 Pengujian kualitas stegovideo secara objektif menggunakan
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
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 terperinciBAB 3. ANALISIS dan RANCANGAN. eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses
BAB 3 ANALISIS dan RANCANGAN 3.1 Analisa metode Secara garis besar, tahap pada pengenalan wajah dengan metode eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses yang dilakukan
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBAB 1 PENDAHULUAN. Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses pengolahan citra digital. Hal ini dilakukan karena citra yang akan diolah kemungkinan memiliki
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciKULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA
KULIAH 2 TEKNIK PENGOLAHAN CITRA HISTOGRAM CITRA Informasi penting mengenai isi citra digital dapat diketahui dengan membuat histogram citra. Histogram citra adalah grafik yang menggambarkan penyebaran
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 terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dibidang transportasi darat khususnya kendaraan bermotor, semakin membantu masyarakat penggunanya, sehingga menjadikan kendaraan bermotor sebagai
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 terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN Pada bab ini berisi mengenai analisa dan perancangan program steganografi dengan menggunakan Matlab. Analisa ini bertujuan untuk mengetahui cara kerja proses steganografi
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciPERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN
PERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN Teguh Triantoro, F. Rizal Batubara, Fahmi Konsentrasi Teknik Komputer, Departemen Teknik Elektro Fakultas Teknik
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
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 terperinciOperasi Piksel dan Histogram
BAB 3 Operasi Piksel dan Histogram Setelah bab ini berakhir, diharapkan pembaca memahami berbagai bahasan berikut. Operasi piksel Menggunakan histogram citra Meningkatkan kecerahan Meregangkan kontras
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak
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 terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1 Data Uji Printer forensik merupakan suatu proses identifikasi untuk mengetahui asal dokumen bukti, cara yang dilakukan dengan membandingkan dengan ciri yang terdapat
Lebih terperinciPRAKTIKUM 2. MATRIK DAN JENIS CITRA
PRAKTIKUM 2. MATRIK DAN JENIS CITRA 1. TUJUAN: Mahasiswa memahami konsep matriks dan berbagai jenis citra Mahasiswa memahami konsep threshold dan mampu menerapka konsep threshold di dalam script Mahasiswa
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 terperinciBAB 3 PERANCANGAN. Input Data, Pre-processing, Feature Extraction, Training, dan Verification. Pada tahap
BAB 3 PERANCANGAN 3.1 Desain Verifikasi Tanda Tangan Desain verifikasi tanda tangan secara umum terdiri dari lima tahap utama, yaitu Input Data, Pre-processing, Feature Extraction, Training, dan Verification.
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 terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciDETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA
DETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA Triyanto Adi Saputro., Elha Dhanny H, Andriansyah Ramadhan, Afi Muftihul Situmorang, M Fajar Lazuardi. Teknik Informatika, Fakultas Program
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 terperinciSISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL
SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian, Ivanna K. Timotius, Iwan Setyawan SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian 1, Ivanna K. Timotius 2,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
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 I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan
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 terperinciBAB 3 PERANCANGAN. ANPR Software. Image. Deteksi Posisi Plat Nomor. Segmentasi Plat Nomor. Neural Network Pengenal Karakter. Hasil
48 BAB 3 PERANCANGAN 3.. Gambaran Umum ANPR Software Kamera Digital Image Deteksi Posisi Plat Nomor Segmentasi Plat Nomor Neural Network Trainer Pasangan Data Training Neural Network Pengenal Karakter
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau benda, misal: foto seseorang mewakili entitas dirinya sendiri di depan kamera. Sedangkan
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Analisa merupakan tahapan yang sangat penting dalam melakukan penelitian. Tahap analisa yaitu proses pembahasan persoalan atau permasalahan yang dilakukan sebelum
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 6 Restorasi Citra (Image Restoration) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra yang bersifat
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 terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciGambar 3.1 Contoh Citra yang digunakan
BAB III DATASET DAN RANCANGAN PENELITIAN Pada bab ini dijelaskan tentang dataset citra yang digunakan dalam penelitian ini serta rancangan untuk melakukan penelitian. 3.1 DATASET PENELITIAN Penelitian
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Ilustrasi pencarian titik pusat dan jari-jari pupil. Segmentasi
4 Perangkat keras berupa Notebook: Processor intel Core i3 2.2 GHz. RAM kapasitas 2. GB. Harddisk Kapasitas 5 GB. Monitor pada resolusi 1366 x 768 piksel. Merek Acer Aspire 475. Perangkat lunak berupa:
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 terperinciIDENTIFIKASI PERSONAL BERDASAR BENTUK TANGAN
IDENTIFIKASI PERSONAL BERDASAR BENTUK TANGAN Ardi Sanjaya 1), Ema Utami 2), Armadyah Amborowati 3) 1 ) 2) 3) Magister Teknik Informatika, Program Pasca Sarjana, STMIK AMIKOM Yogyakarta Jl Ring road Utara,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciIII. 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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinci