IDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
|
|
- Susanti Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IDENTIFIKASI KEMATANGAN JERUK BERDASARKAN CITRA WARNA RGB DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Erni Seniwati 1. 1 Program Studi Sistem Informatika STMIK AMIKOM Yogyakarta erni.s@amikom.ac.id Abstract Recognize technology base on image so far can be develop more and more, to help costumer for recognize good taste fruits, a few method has been used to solve how recognize good taste fruits. This research using colours based RGB for each image capture lemon fruits, the results of RGB lemon fruits can be classified with neural networks Learning Vector Quantization. The measuring identified image fruits can be part. Part 1 using training data resulting 91,67% accurate then part 2 using testing data that resulting 89,28% with 12 images training data and 28 images testing data. Keywords RGB, LVQ, Buah Jeruk PENDAHULUAN 1.1 Latar Belakang Pada saat ini kemajuan teknologi komputer atau interaksi antara manusia dengan komputer telah menyentuh dunia pertanian baik sebelum panen maupun pasca panen. Sebagai contoh sebelum panen biasanya digunakan teknologi komputer untuk menganalisa jenis penyakit atau kromosom perkawinan silang. Sedangkan pasca panen biasanya untuk mengetahui mutu dan berat dari buah atau sayuran. Namun disini timbul permasalahan bagaimana mengenali buah dan sayuran tersebut sehingga sesuai dengan kondisi real yang sesungguhnya. Warna adalah salah satu atribut yang berperan dalam mengidentifikasikan objek tertentu, pemrosesan warna termasuk didalamnya adalah ekstraksi informasi tentang spectral properties dari permukaan objek dan mencari kesamaan terbaik dari sekumpulan deskripsi yang telah diketahui untuk melakukan pengenalan. Pengenalan objek citra dapat menggunakan perbedaan warna dasar RGB (Red, Green, Blue) [1], perbedaan warna dasar RGB akan diklasifikasi dengan metode pembelajaran menggunakan metode jaringan syaraf tiruan LVQ. 1.2 Batasan Masalah Berdasarkan uraian latar belakang, dapat diambil beberapa rumusan masalah yaitu: 1. Identifikasi buah jeruk masak dan buah jeruk masih muda berdasarkan citra buah jeruk menggunakan warna dasar RGB
2 2. Menerapkan algoritma jaringan syaraf tiruan learning vector quantization untuk mengklasifikasi hasil warna dasar RGB dari citra jeruk yang diekstraksi. 1.3 Tujuan dan Manfaat Tujuan Penelitian 1. Menerapkan ekstraksi warna dasar RGB dari citra jeruk. 2. Menerapkan algoritma jaringan syaraf tiruan learning vector quantization untuk mengklasifikasi hasil warna dasar RGB dari citra jeruk yang diekstraksi Manfaat Penelitian 1. Penelitian ini diharapkan menghasilkan akurasi yang tinggi pengenalan kematangan buah jeruk menggunakan warna dasar RGB yang didapatkan dari citra buah jeruk. 2. Menjadi prototype untuk merancang alat identifikasi buah jeruk yang dapat dikembangkan serta bisa digunakan untuk masyarakat umum 2. Dasar Teori Image atau citra merupakan gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, scanner, dan semacamnya. Meskipun citra kaya informasi, namun seringkali citra tersebut mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Sehingga citra semacam ini akan menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Agar citra yang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (image processing). Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Operasi-operasi pengolahan citra diterapkan pada citra [2]. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra. 2.1 Format Citra Komputer dapat mengolah isyarat-isyarat elektronik digital yang merupakan kumpulan sinyal biner (bernilai 0 dan 1). Untuk itu, citra dgital harus mempuyai format tertentu yang sesuai sehingga dapat merepresentasikan obyek pencitraan dalam bentuk
3 kombinasi data biner. Format citra yang banyak dipakai adalah citra biner, skala keabuan, warna, dan warna berindeks [3]. Tabel 2.1 Format Citra Skala Keabuan Rentang Nilai Keabuan Pixel Depth 2 1 (2 nilai) 0 dan 1 1 bit 2 2 (4 nilai) 0 sampai 7 2 bit 2 3 (16 nilai) 0 sampai 15 3 bit 2 8 (256 nilai) 0 sampai bit 2.2 Operasi Pengolahan Citra Pengolahan citra pada dasarnya dilakukan dengan cara memodifikasi setiap titik dalam citra tersebut sesuai keperluan. Secara garis besar, modifikasi tersebut dikelompokkan menjadi: 1. Operasi titik, di mana setiap titik diolah secara tidak menempel terhadap titik-titik yang lain. 2. Operasi global, di mana karakteristik global (biasanya berupa sifat statistik) dari citra digunakan untuk memodifikasi nilai setiap titik. 3. Operasi temporal/berbasis bingkai, di mana citra diolah dengan cara dikombinasikan dengan citra lain. 4. Operasi geometri, yaitu operasi pengolah citra yang berhubungan dengan perubahan bentuk geometri citra, baik bentuk, ukuran, atau orientasinya. Beberapa contoh pada operasi geometri, di antaranya: pencerminan (flipping), rotasi/pemutaran (rotating), penskalaan (scaling/zooming), pemotongan (cropping), dan pendoyongan (skew). 5. Operasi banyak titik bertetangga, di mana data dari titik-titik yang bersebelahan (bertetangga) dengan titik yang ditinjau ikut berperan dalam mengubah nilai. 6. Operasi morfologi, yaitu operasi yang berdasarkan segmen atau bagian dalam citra yang menjadi perhatian Gray-Scale Dalam komputasi, suatu citra digital grayscale atau greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sampel tunggal. Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra grayscale berbeda dengan citra hitam-putih, dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu hitam dan putih saja. Pada citra grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada spektrum elektromagnetik single band. Citra grayscale disimpan dalam format 8 bit untuk setiap sampel pixel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manipulasi bit yang tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan remote sensing biasa juga digunakan format 10,12 maupun 16 bit.
4 2.3 Learning Vector Quantization Learning vector quantization (LVQ) (Kohonen, 1989a, 1990a) adalah sebuah metode pengklasifikasian pola dimana setiap unit keluaran merepresentasikan sebuah kelas atau kategori tertentu. Selama pelatihan, unit keluaran dimodifikasi (dengan merubah nilai bobot melalui pelatihan terawasi) untuk memperkirakan permukaan keputusan dari teori pengklasifikasi Bayes. Diasumsikan bahwa sekumpulan pola untuk pelatihan disediakan, bersama dengan sebuah distribusi awal dari vektor referensi (setiap vektor merepresentasikan sebuah kelas). Arsitektur dari jaringan syaraf LVQ ditunjukkan dengan Gambar 2.1 Gambar 2.1 Jaringan Syaraf Learning Vector Quantization [4] Langkah-langkah algoritma LVQ 1. Inisialisasi : bobot awal variabel input ke-j menuju kelas ke-i (W), maksimum epoch (MaxEpoch), error mínimum yang diharapkan (Eps), Learning rate ( ). 2. Masukkan : a. Data Input : x(m,n); dengan i=1,2,...,n dan j=1,2,...,m b. Target berupa kelas : T(1,n); dengan k=1,2,...,n 3. Inisialisasi kondisi awal: c. Epoch = 0 d. Err = 1 4. Kerjakan jika: (epoch < MaxEpoch), nilai error minimum tercapai atau nilai error=0 dan (α > Eps) e. Epoch = Epoch+1; f. Kerjakan untuk i = 1 sampai n a. Tentukan Jarak sedemikian hingga xij-wij nimimum (sebut sebagai Cj) b. Perbaiki Wj dengan ketentuan: i. Jika T = Cj maka: Wij(baru) = wij(lama) + α (xij-wj(lama)) (3.29) ii. Jika T Cj maka: Wij(baru) = wij(lama) - α (xij-wij(lama)) (3.30)
5 g. Kurangi nilai α Pengurangan α = 0,1 * α kondisi berhenti jika nilai α = METODE PENELITIAN Metode penelitian yang digunakan pada penelitian ini terdiri dari beberapa tahapan yaitu : 1. Pengumpulan sampel buah jeruk, jeruk dikumpulkan sebanyak 40 buah kemudian diambil gambarnya masing-masing dan dipisahkan menjadi dua bagian yaitu 20 buah gambar jeruk yang sudah matang dan 20 buah gambar jeruk yang masih muda atau belum matang. 2. Rancang Bangun Sistem, sistem dirancang untuk mengklasifikasi buah jeruk menjadi dua bagian berdasarkan warna dasar yang ada pada jeruk sampel tersebut kemudian di klasifikasi dengan metode jaringan syaraf tiruan. 3. Implementasi sistem, yaitu dengan melakukan pelatihan pengenalan pola terhadap sistem yang telah dibuat serta melakukan pengujian. Luarannya adalah akurasi sistem terhadap pengenalan buah jeruk. 3.1 Analisis Dan Rancangan Sistem Ada dua tahapan proses utama dalam identifikasi buah jeruk menggunakan nilai RGB dan jaringan syaraf tiruan learning vector quantization (LVQ) dari citra buah jeruk yang dibangun dalam penelitian ini, yakni tahapan pelatihan dan tahapan pengujian. Tahapan pelatihan adalah tahapan untuk melatih atau mengajari sistem untuk mengenali pola umum citra jeruk matang dan jeruk yang belum matang. Sedangkan tahapan pengujian adalah tahapan untuk mengetahui kemampuan pengenalan yang dapat dilakukan oleh sistem berdasarkan tahapan pelatihan yang dilakukan. Kedua tahapan proses dalam sistem ditunjukkan dalam bentuk bagan alir sistem pada Gambar 3.1 dan 3.2. Membaca file citra buah jeruk Ekstraksi warna dasar RGB JST LQV Bobot Hasil JST LVQ Gambar 3.1 Bagan alir sistem klasifikasi pada tahap pelatihan Membaca file citra buah jeruk Transformasi dasar RGB JST LQV Hasil Pengujian JST LVQ Bobot Hasil pelatihanjst LVQ Gambar 3.2 Bagan alir sistem klasifikasi pada tahap pengujian
6 Gambar buah jeruk yang telah diambil sebanyak 40 buah yaitu 20 buah gambar jeruk matang dan 20 buah gambar jeruk muda, masing-masing dari jenis gambar jeruk matang dan jeruk muda diambil 6 buah gambar yang digunakan proses pelatihan untuk sistem dan sisanya yaitu sebanyak 28 buah digunakan untuk pengujian sistem. Berdasarkan Gambar 3.1 yaitu proses pelatihan menunjukkan bahwa sistem mula-mula membaca file gambar buah jeruk yaitu sebanyak 5 buah gambar untuk jeruk matang dan 5 buah gambar untuk jeruk muda, kemudian 1 buah gambar jeruk matang dan 1 buah gambar jeruk muda digunakan untuk bobot awal pelatihan pada jaringan syaraf tiruan LVQ. Proses membaca file gambar tersebut melalui tahap transformasi warna dasar RGB menghasilkan nilai-nilai RGB, dari nilai RGB tersebut kemudian di transformasi lagi untuk mencari nilai gray-scale. Gray-scale digunakan untuk menyederhanakan model citra tanpa harus melakukan perhitungan masing masing layer yaitu layer Red, layer- Blue dan layer-green. Nilai gray-scale untuk setiap gambar jeruk dari 12 gambar jeruk yang dijadikan data latih merupakan masukan untuk proses klasifikasi jaringan syaraf tiruan Learning Vector Quantization sehingga menghasilkan bobotlatih. Bobot latih yang telah dihasilkan dari Gambar 3.1 selanjutnya di pakai untuk mengidentifikasi gambar jeruk 28 buah yang diperlihatkan pada Gambar 3.2. proses yang terjadi pada Gambar 3.2 sama dengan proses yang telah dilakukan pada saat pelatihan yang di tunjukkan pada Gambar 3.1, namun bedanya adalah bobot awal yang digunakan pada proses pengujian sistem adalah bobot latih yang dihasilkan pada proses pelatihan sistem. 3.2 Jaringan Syaraf Tiruan LVQ Arsitektur jaringan syaraf tiruan LVQ yang dibangun pada penelitian ini seperti terlihat pada Gambar 3.3
7 Gambar 3.3 Arsitektur Jaringan Syaraf Tiruan LVQ Gambar 3.3 merupakan arsitektur jaringan syaraf tiruan LVQ dengan 2 lapisan (layer), yaitu 1 lapisan input berupa X 11, X 12, X 13,... X mn, dimana n adalah jumlah nilai gray-scale setiap file gambar jeruk sebanyak 256 titik. Selanjutnya 1 lapisan output dengan 2 keluaran yaitu Y 1 untuk nilai gray-scale jeruk matang, Y 2 untuk nilai grayscale jeruk muda. HASIL DAN PEMBAHASAN 4.1 Pengujian Data Latih Sebelum melakukan pengujian pada data uji, terlebih dahulu dilakukan pengujian akurasi pengenalan jaringan syaraf tiruan terhadap data latih yaitu sebanyak 12 buah. Untuk menghitung persentase hasil pengenalan dari aplikasi yang dibuat menggunakan rumus : = 100%
8 No Citra Tabel 4.1 data latih citra jeruk Type citra dan dimensi 1 JPEG 94 x 94 Jenis jeruk Pengenalan sistem 2 JPEG 94 x 94 3 JPEG 94 x 94 4 JPEG 94 x 94 5 JPEG 94 x 94 6 JPEG 94 x 94 7 JPEG 94 x 94 8 JPEG 94 x 94 9 JPEG 94 x JPEG 94 x JPEG 94 x 94 Tidak 12 JPEG 94 x 94
9 Tabel 4.1 menunjukkan hasil pengujian dari sistem yang dibuat, sehingga untuk mengetahui persentase hasil pengujian adalah 4.2 Pengujian dengan data uji = 100% = 91,67% Pada pengujian dengan data uji didapatkan hasil seperti pada table 4.2. No Citra Tabel 4.2 Data Uji citra Jeruk Type citra dan dimensi 1 JPEG 94 x 94 Jenis jeruk Pengenalan sistem 2 JPEG 94 x 94 3 JPEG 94 x 94 4 JPEG 94 x 94 Tidak 5 JPEG 94 x 94 Tidak 6 JPEG 94 x 94 7 JPEG 94 x 94 8 JPEG 94 x 94 9 JPEG 94 x JPEG 94 x 94
10 11 JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x 94 Tidak 22 JPEG 94 x JPEG 94 x 94
11 24 JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x JPEG 94 x 94 Hasil pengujian berdasarkan table 4.2 menunjukkan kinerja sistem untuk citra jeruk yang dikenal oleh sistem ada 28 buah sedangkan citra jeruk yang tidak atau tidak sesuai kondisi jeruk yaitu ada 2 buah, sehingga persentase pengenalan sistem terhadap hasil pengujian dengan data uji citra jeruk adalah KESIMPULAN = % = % Dari hasil penelitian yang dilakukan didapatkan kesimpulan 1. Identifikasi jeruk yang diproses berdasarkan citra jeruk didapatkan hasil untuk data latih sebanyak 12 buah citra, persentase sistem untuk melakukan pengenalan 97,16 %, ini menunjukkan sistem identifikasi yang dibuat sudah berhasil mengenali obyek data latih. 2. Proses identifikasi dengan data latih untuk data citra jeruk sebanyak 28 buah citra keberhasilannya 89.28% dengan kesalahan pengenalan ada 3 buah citra jeruk yang tidak bisa. 3. Persentase hasil identifikasi tersebut menunjukkan bahwa sistem yang dibuat menggunakan metode RGB-grayscale dengan klasifikasi jaringan syaraf tiruan LVQ sudah berhasil mengenali obyek citra jeruk. SARAN 1. Perlu diperhatikan pencahayaan saat pengambilan data citra jeruk agar hasil yang didapatkan sesuai dengan yang diharapkan 2. Penelitian kedepan diharapkan dapat diterapkan pada peralatan portable atau smartphone untuk mendeteksi langsung secara realtime buah jeruk.
12 DAFTAR PUSTAKA [1] Putra,Darma. Pengolahan Citra Digital. Andi Offset, Yogyakarta [2] Munir,Rinaldi, 2004, Pengolahan citra Digital dengan Pendekatan Algoritmik, Cetakan Pertama, Informatika, Bandung. [3] Balza A., dan Kartika F., Teknik Pengolahan Citra menggunakan Delphi. Yogyakarta: Ardi Publishing [4] Fausset, L., 1994, Fundamentals of Neural Networks, Architecture, Algorithms and Application, Prentice-Hall. [5] Prijono A., dan Marvin Ch. Wijaya, 2007,Pengolahan Citra Digital Menggunakan Matlab, Cetakan Pertama, Informatika, Bandung. [6] Handoko A.P. dan Utami Y.R.W, Pengenalan Buah Berdasarkan Karakteristik Warna Citra. CSRID 1, [7] Efendi,Susanto, 2010, Deteksi Citra Digital Menggunakan Metode Edge Detection. Teknik Informatika, Universitas Stikubank Semarang. [8] Wibowo J.S., 2011, Deteksi dan Klasifikasi Cara Berdasarkan Warna Kulit Menggunakan HSV. Dinamik 16, [9] Jogiyanto, 1990, Analisis dan Desain Sistem Operasi. Andi Offset, Yogyakarta. [10] Pressman, Roger S, 2002, Rekayasa Perangkat Lunak ; Pendekatan Praktisi (buku 1). Andi. [11] Sukendar,Hari, 2010, Identifikasi Buah Menggunakan Ciri Warna danbentuk.teknik Informatika, Universitas Dian Nuswantoro Semarang. [12] Sari W. Z., 2010, Pengenalan Pola Penggolongan Darah Menggunakan Jaringan Syaraf Tiruan Backpropagation, Skripsi Jurusan Teknik Informatika UIN Malang.
Oleh: 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 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 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 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 terperinciIJNS Indonesian Journal on Networking and Security - Volume 5 No ijns.org
Identifikasi Ikan Mentah Ber Menggunakan Nilai HSV Dan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) Dari Citra Ikan Mentah Achmad Lukman 1), Asih Winantu 2) 1 Teknik Komputer, STMIK EL RAHMA,
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
Lebih terperinciKONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC
KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC Hanif Al Fatta STMIK AMIKOM Yogyakarta e-mail : hanivonitch@yahoo.com ABSTRACTS This paper explains how to manipulate image file format.
Lebih terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
Lebih terperinciKLASIFIKASI MUTU JERUK NIPIS DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) Ahmad Sahru Romadhon 1 dan Vivi Tri Widyaningrum 2
Volume 8, No. 2, Oktober 2015 Halaman 121-128 ISSN: 0216-9495 KLASIFIKASI MUTU JERUK NIPIS DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) Ahmad Sahru Romadhon 1 dan Vivi Tri Widyaningrum 2 1,2 Program
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 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 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 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 terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih 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 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Citra Digital Gambar atau citra merupakan informasi yang berbentuk visual. Menurut kamus Webster citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau
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. Citra (image) istilah lain untuk gambar sebagai salah satu komponen
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Citra (image) istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik
Lebih terperinciBAB 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 terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
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 terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih 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 terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
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 terperinciIMPLEMENTASI PENGOLAHAN CITRA DAN ALGORITMA LVQ UNTUK PENGENALAN POLA BUKU
IMPLEMENTASI PENGOLAHAN CITRA DAN ALGORITMA LVQ UNTUK PENGENALAN POLA BUKU Andi Lukman Program Studi Teknik Informatika STIMED Nusa Palapa, Jl. Urip Sumohardjo No. 20 Graha Pena Lt. 10 Makassar uke@stimednp.ac.id
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR
ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR Oleh: RIDHO ARY SUMARNO 13.1.03.02.0092 Dibimbing oleh : 1. Hermin Istiasih M.T., M.M. 2. Mochammad Bilal S.kom.,
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 terperinciPemampatan citra dengan menggunakan metode pemampatan kuantisasi SKRIPSI. Oleh : Sumitomo Fajar Nugroho M
Pemampatan citra dengan menggunakan metode pemampatan kuantisasi SKRIPSI Oleh : Sumitomo Fajar Nugroho M 0104062 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2010 BAB
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tanda Tangan Tanda tangan atau dalam bahasa Inggris disebut signature berasal dari latin signare yang berarti tanda atau tulisan tangan, dan biasanya diberikan gaya tulisan
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciPENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK
PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK Naskah Publikasi disusun oleh Zul Chaedir 05.11.0999 Kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
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 terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
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 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 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 terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
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 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 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 terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
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 terperinciKLASIFIKASI KUALITAS BUAH GARCINIA MANGOSTANA L. MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
KLASIFIKASI KUALITAS BUAH GARCINIA MANGOSTANA L. MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Endi Permata 1), Andri Suherman 2) 1) Pendidikan Teknik Elektro Universitas Sultan Ageng Tirtayasa Banten
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
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 terperinciBAB 2 TINJAUAN PUSTAKA. Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ).
BAB 2 TINJAUAN PUSTAKA Bab 2 ini berisi tentang pembahasan teori-teori tentang jaringan syaraf tiruan, Algoritma Learning Vector Quantization (LVQ). 2.1. Algoritma Algoritma adalah urutan langkah-langkah
Lebih terperinciAPLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI
APLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciPENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE
PENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE Muhammad Luqman Afif - A11.2009.04985 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang ABSTRAK Program
Lebih terperinciIdentifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ)
Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ) Sutarno Rouzan Fiqri Abdullah Rossi Passarella Jurusan Sistem
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Secara harafiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya
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 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 terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciPENGENALAN POLA TEKSTIL MENGGUNAKAN MATRIKS CHI SQUARED SKRIPSI OLEH : SULISTYA FITRI YULAIKAH
PENGENALAN POLA TEKSTIL MENGGUNAKAN MATRIKS CHI SQUARED SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) pada Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
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 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 terperinciPERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME
PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS
Lebih terperinciPENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE ABSTRAK
PENGENALAN DAN PEWARNAAN PADA CITRA GRAY-SCALE NOVIANI KRISNADI/0322064 Email Address: s103novi@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40165, Indonesia
Lebih 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 terperinciAplikasi Pengenalan Citra Chord Gitar Menggunakan Learning Vector Quantization (LVQ)
95 Aplikasi Pengenalan Citra Chord Gitar Menggunakan Learning Vector Quantization (LVQ) Imam Suderajad *), Tamam Asrori **), Mohammad ***), Dwi Prananto ****) Teknik Elektro, Universitas Panca Marga Email:
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
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 terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
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 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 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 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 terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciFUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ)
BAB 2 FUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ) Bab ini akan menjelaskan algoritma pembelajaran FNLVQ konvensional yang dipelajari dari berbagai sumber referensi. Pada bab ini dijelaskan pula eksperimen
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
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 III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
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 terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciMengubah Citra Berwarna Menjadi Gray Scale dan Citra biner
Rina Candra Noor Santi, S.Pd, M.Kom Fakultas Teknologi Informasi, Universitas Stikubank Semarang email : r_candra_ns@yahoo.com Abstrak Proses awal yang banyak dilakukan dalam image processing adalah mengubah
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 terperinciPENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU
PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU Risky Meliawati 1,Oni Soesanto 2, Dwi Kartini 3 1,3Prodi Ilmu Komputer FMIPA UNLAM 2 Prodi Matematika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
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 terperinci