PENDETEKSIAN LOKASI PLAT NOMOR KENDARAAN MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS
|
|
- Ivan Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENDETEKSIAN LOKASI PLAT NOMOR KENDARAAN MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS Devi Alfiani Fakultas Teknik Informatika, Jurusan Teknik Informatika Universitas Telkom Jalan Telekomunikasi No.1, Bandung, Indonesia Hannan Izzaturrofa Fakultas Teknik Infomatika, Jurusan Teknik Informatika Universitas Telkom Jalan Telekomunikasi No.1, Bandung, Indonesia Abstrak Computer vision merupakan suatu bidang keilmuan yang menggunakan komputer untuk memahami isi citra. Salah satu contoh pengaplikasiannya adalah Optical Character Recognition (OCR) yang mengenali objek data citra berupa tulisan. Biasanya OCR digunakan dalam membaca informasi tulisan pada suatu gambar. Salah satu penerapannya adalah membaca plat nomor kendaraan. Plat nomor kendaraan merupakan identitas dari suatu kendaraan yang membedakannya dengan kendaraan lainnya. Namun untuk membaca suatu tulisan pada citra sistem harus dapat menemukan lokasi dari tulisan yang akan dibaca tersebut. Plat nomor kendaraan merupakan suatu informasi yang bersifat umum serta menjadi salah satu kewajiban yang harus dimiliki kendaraan yang penerapannya diatur oleh pemerintah sehingga penulisannya tidak dapat dimodifikasi secara sembarangan. Oleh karena itu, setiap karakter yang sama pada mobil berbeda akan tetap memiliki bentuk yang hampir sama. Maka dari itu penelitian ini akan menggunakan ekstraksi ciri Histogram of Oriented Gradients sebagai metode untuk menemukan plat nomor kendaraan dan m. Metode tersebut menghasilkan akurasi sebesar 86,84%. Kata kunci : Computer vision, Optical Character Recognition, Histogram of Oriented Gradients, K-Nearest Network Abstract Computer vision is a field of science that uses computers to understand the content of the image. An example of it is Optical Character Recognition (OCR) to recognize the object image data in the form of writing. Usually OCR is used in reading information written on an image. The example is to read a license plate. Vehicle license plate is the identity of a vehicle that sets it apart from other vehicles. However, to read an information such a text on the image of the system should be able to find the location of the text that will be read. Vehicle license plate is a general information as well as being one of the obligations that must be owned vehicles whose application is regulated by the government so the writing can not be modified arbitrarily. Therefore, each of the same character in different cars will still have a shape that is almost the same. Thus, this study will use a feature extraction Histogram of Oriented Gradients as a method for finding the vehicle license plate number and classification method used K-Nearest Network (KNN). In this paper, with the proposed method produces the accuracy is 86.84%. Keywords : 66
2 Computer vision, Optical Character Recognition, Histogram of Oriented Gradients, K-Nearest Network I. PENDAHULUAN Perkembangan dunia khususnya dibidang teknologi saat ini telah berkembang pesat. Teknologi dapat dimanfaatkan untuk membantu pekerjaan manusia dengan cara mengotomatisasi suatu kegiatan yang awalnya dilakukan secara manual, salah satu contohnya adalah pengenalan plat nomor kendaraan yang disebut License Plate Recognition (LPR) yang diterapkan untuk sistem parkir, sistem tol, sistem lalu lintas, dan sistem lain yang berhubungan dengan kendaraan. LPR merupakan salah satu bagian dari Optical Character Recognition (OCR) yang mengenali objek data citra yang berupa tulisan (nomor polisi). Ada beberapa tahapan yang harus dilakukan untuk mengenali nomor polisi plat nomor kendaraan. Tahap awal adalah menemukan lokasi plat nomor kendaraan, setelah itu dilakukan pengidentifikasian karakter agar dapat dilanjutkan ke tahap pengenalan nomor polisi plat nomor kendaraan. Telah banyak penelitian yang dikembangkan untuk mengenali karakter nomor polisi pada plat nomor kendaraan, namun belum banyak penelitian yang menggunakan dataset berupa gambar utuh dari sebuah kendaraan. Penelitian tesebut terfokus pada pengenalan karakter pada plat nomor saja. Oleh karena itu, pada penelitian tugas akhir ini akan difokuskan pada tahap menemukan lokasi plat nomor kendaraan dengan menggunakan Histogram of Oriented Gradients (HOG). HOG digunakan untuk mengekstraksi fitur pada objek citra dengan menggunakan objek karakter pada plat nomor. Pada proses untuk mengekstraksi fitur tersebut, citra akan dikelompokkan menjadi block yang terdiri dari beberapa cell yang akan dihitung nilai gradient setiap pksel yang ada pada block tersebut. Setelah dilakukan ekstraksi bentuk menggunakan HOG, akan dilakukan klasifikasi karakter menggunakan K-Nearest Neighbour (K-NN) untuk melihat apakah citra yang diambil merupakan bagian dari plat nomor atau tidak. Setelah itu akan dilakukan penyeleksian kandidat yang benar menggunakan algoritma sliding window. II. KAJIAN LITERATUR Pada penelitian ini terdapat beberapa tahap yang harus dilewati untuk bisa membangun sebuah sistem yang dapat mendeteksi lokasi plat nomor kendaraan. Tahapan yang dilalui adalah preprocessing, ekstraksi ciri, klasifikasi dan penyeleksian. Preprocessing citra dilakukan untuk mengecilkan daerah penelusuran yang akan digunakan pada saat ekstraksi ciri dilakukan. Setelah melalui preprocessing akan dilanjutkan ke tahap ekstraksi ciri menggunakan Histogram of Oriented Gradients (HOG). Ekstraksi ciri digunakan untuk mengambil ciri dari bentuk gambar yang dimasukkan, kemudian dilakukan klasifikasi menggunakan metode K-Nearest Neighbour (KNN). Setelah itu daerah hasil pengklasifikasian akan diseleksi menggunakan algoritma sliding windows. Tahapan preprocessing yang dilakukan adalah konversi RGB ke grayscale, Histogram Equalization (Histeq), deteksi tepi Canny, dan Morfologi Operation, dan segmentasi. Proses konversi RGB ke grayscale dilakukan untuk mengurangi kompleksitas dalam pemrosesan citra. Hasil citra grayscale akan diproses menggunakan median filtering untuk menghilangkan noise salt and pepper yang ada pada citra. Setelah itu akan dilakukan pemerataan histogram dengan menggunakan metode Histogram equalisation (Histeq). Histeq bertujuan untuk memperbaiki atau menjadikan gambar memiliki kontras yang lebih baik. Deteksi tepi Canny digunakan untuk mendapatkan tepi citra dikarenakan operator Canny telah didesain untuk menjadi pendeteksi tepi yang dapat bekerja secara optimal pada citra yang memiliki kriteria berbeda-beda [1]. Morphological Operation digunakan untuk menebalkan garis tepi dan menghilangkan objek kecil. Operasi morfologi yang dilakukan adalah dilasi dengan menggunakan struktur elemen s. 67
3 Gambar 2. Dilasi dengang menggunakan 3x3 square structuring element [8] Segmentasi dilakukan untuk mengurangi daerah citra yang tidak diperlukan. Segmentasi dilakukan dengan membangun daerah dari garis tepi citra hasil deteksi tepi Canny. HOG adalah salah satu metode yang digunakan dalam image processing untuk mendeteksi suatu objek. Teknik ini dilakukan dengan menghitung nilai gradien dalam daerah tertentu pada suatu citra. Tiap citra memiliki karakteristik yang berbeda yang ditunjukkan oleh distribusi gradien, yang didapatkan dengan membagi citra ke dalam beberapa bagian kecil yang disebut block. Tiap block dibangun oleh beberapa daerah kecil yang disebut cell. Tiap cell disusun sebuah histogram dari sebuah gradien. Setiap piksel dari cell berkontribusi dalam proses voting untuk membangun nilai dari Histogram tersebut. Kombinasi dari histogram tersebut yang akan dijadikan sebagai deskriptor yang mewakili sebuah objek. vertikal menggunakan deteksi tepi Sobel 1-D dengan rumus sebagai berikut. (1) (2) Dari nilai gradien tersebut akan dihitung magnitude dan orientasi-nya. (3) (4) Dimana nilai merupakan nilai intensitas citra pada posisi x dan y. untuk mengurangi pengaruh pencahayaan, maka pada cell dan block dilakukan normalisasi dengan rumus sebagai berikut. Proses awal untuk membangun HOG adalah dengan menghitung nilai gradien horisontal dan (5) 68
4 Nilai v merupakan nilai vektor yang mengandung histogram pada sebuah blok dan adalah bilangan kecil konstan. Cell dalam HOG dapat berupa persegi panjang (R-HOG) atau setengah lingkaran (C-HOG). R-HOG diwakili oleh tiga parameter yaitu jumlah cell per block, jumlah piksel per cell, dan jumlah bin per histogram. Sedangkan C-HOG memiliki empat parameter yaitu jumlah sudut dan radial bin, jari-jari center bin, dan faktor ekspansi untuk radius tambahan dari radial bin. Gambar 2. Cell yang menyusun sebuah Block K-Nearest Neighbor (K-NN) adalah sebuah metode yang menggunakan algoritma supervised dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN. Tujuan algoritma ini adalah mengklasifikasikan objek baru berdasarkan atribut dan sampel latih. Dalam pengujiannya akan diberikan sebuah titik yang akan dihitung jaraknya terhadap sejumlah K objek (titik training). Klasifikasi dilakukan dengan mengambil voting terbanyak di antara klasifikasi dari K obyek. Algoritma K-NN menggunakan klasifikasi ketetanggan sebagai nilai prediksi dari sampel uji yang baru. Dekat atau jauhnya tetangga biasanya dihitung berdasarkan rumus Eucledian sebagai berikut. (6) Pada persamaan diatas x dan y adalah vektor yang jaraknya ingin dibandingkan, k adalah banyak nilai di dalam vektor x atau y dengan nilai yang sama, i adalah indeks dari vektor yang ingin dibandingkan. 69
5 Dataset yang digunakan dalam penelitian ini merupakan citra kendaraan roda empat yang memiliki plat nomor berwarna hitam yang diambil sendiri di daerah lingkungan kampus Universitas Telkom dengan menggunakan kamera Canon EOS 550D. Keseluruhan dataset memiliki beberapa kondisi yang berbeda yaitu, jarak yang berbeda, sudut yang berbeda, posisi yang berbeda dan warna mobil yang berbeda. Total dataset yang digunakan adalah 228 citra dengan pembagian 116 citra untuk skenario training sistem dan 228 citra untuk skenario testing. Contoh data gambar yang terdapat di dalam dataset dapat dilihat pada gambar di bawah ini. Dataset yang Gambar digunakanan 5. Testing adalah citra dari sebuah kendaraan roda empat lengkap dengan background. Jumlah dataset yang digunakan adalah sebanyak 228 citra yang diambil dari jarak 3-5 meter, dan sudut pengambilan gambar 0-15 derajat dari kamera, serta posisi pengambilannya dari arah kiri, tengah dan kanan dari kendaraan. Pada proses pembangunan model, citra akan dipotong menjadi ukuran sebesar 60x20. Untuk ekstraksi model tersebut akan digunakan potongan citra yang mengandung karakter huruf dan angka plat nomor. Gambar Perhitungan 3. Data gambar akurasi yang menggunakan ada di dalam perhitungan dataset biasa yaitu dengan membagi jumlah citra yang berhasil dideteksi per jumlah seluruh citra yang digunakan dikali dengan 100 persen. III. ANALISIS DAN PERANCANGAN Sistem pendeteksian lokasi plat nomor ini terbagi menjadi dua bagian, yaitu bagian pembangunan model dan bagian pengujian. Alur pembangunan model digambarkan seperti dibawah ini. Gambar 4. Pembangunan Model 70
6 Gambar 7. (Kiri) Sampel citra; (Kanan) Hasil preprocessing Setelah melalui tahap preprocessing, akan dilanjutkan ke tahap klasifikasi menggunakan metode K-Nearest Network (KNN). KNN dilengkapi dengan nilai threshold yang akan menjadi standar penentuan apakah potongan citra tersebut merupakan plat nomor atau tidak. Pada penelitian ini digunakan nilai threshold sebesar 0,7. Nilai threshold didaptkan dari hasil trial and error. Hasil dari klasifkasi adalah sebuah citra yang terdiri atas blok-blok citra yang memiliki nilai dibawah threshold. Citra tersebut akan diseleksi dengan menggunakan algoritma sliding windows yang berukuran 100x300 untuk menemukan kandidat lokasi plat nomor yang benar. Pada tahap klasifikasi dilakkukan pengujian untuk mencari nilai K terbaik yang dapat menghasilkan akurasi tertinggi. Gambar 6. Sampel citra untuk pembangunan model Pembangunan model dilakukan dengan ekstraksi bentuk Histogram of Oriented Gradients (HOG) dengan menggunakan R-HOG yang menggunakan block saling overlapping 50% yang memiliki 2x2 cell. Sehingga satu citra akan memiliki 4x14 blok yaitu 56 blok. Setelah proses pembangunan model, dilanjutkan ke tahap preprocessing menggunakan Histogram equalisation (Histeq) yang bertujuan untuk menyeratakan histogram citra agar penyebaran warnanya lebih merata. Pendeteksian tepi dan penebalan garis tepi dilakukan untuk mempermudah pembentukan daerah pada citra untuk segmentasi gambar. Hasil dari tahap preprocessing adalah citra yang telah dihilangkan daerah yang dianggap tidak dibutuhkan. (a) (c) (b) (d) (e) Gambar 8. (a) Hasil klasifikasi 1-NN; (b) Hasil Klasifikasi 3-NN; (c) Hasil Klasifikasi 5-NN; (d) Hasil Klasifikasi 7-NN; (e) Hasil Klasifikasi 9-NN; (f) Hasil Klasifikasi 11-NN (f) 71
7 (a) (b) Kemungkinan yang bisa terjadi selain hal tersebut adalah banyaknya daerah selain plat nomor yang digolongkan ke dalam sebuah kelas, dan kelas yang terpilih tersebut memiliki nilai jarak kurang dari nilai threshold sehingga pada saat penyeleksian, kandidat lokasi yang tidak benar tersebut dianggap sebagai lokasi dari plat nomor. Untuk penelitian lebih lanjut sebaiknya dilakukan pengujian terhadap parameter HOG dan nilai threshold dari KNN nya serta dataset untuk pembuatan model lebih diperbanyak agar sistem yang dibangun lebih baik. (a) (d) REFERENSI (e) Gambar 9. (a) Hasil sliding windows 1-NN; (b) Hasil sliding windows 3-NN; (c) Hasil Klasifikasi 5-NN; (d) Hasil Klasifikasi 7-NN; (e) Hasil Klasifikasi 9-NN; (f) Hasil Klasifikasi 11-NN 90.00% 80.00% 70.00% 85.08% Akurasi 85.96% 86.84% 82.89% (f) 80.26% 78.50% 1-NN 3-NN 5-NN 7-NN 9-NN 11-NN Akurasi Setelah melakukan pengujian dengan beberapa nilai K didapatkan akurasi terbaik pada saat nilai K=5 yaitu sebesar 86,84%. [1]. S. P. A. W. E. W. R. Fisher, Canny Edge Detector, [Online]. [Diakses 28 December 2016]. [2]. B. T. Navneet Dalal, Histogram of Oriented Gradients for Human Detection, [3]. G. C.-C. W. R. S. D. M. R. F. Prates, Brazilian License Plate Detection Using Histogram of Oriented Gradients and Sliding Windows, [4]. Y. Z. J. G. Q. H. Kuan Zheng, License Plate Detection Using Haar-like Features and Histogram of Oriented Gradients, [5]. K. W. Z. Y. H. X. Chao Gou, License Plate Recognition Using MSER and HOG Based on ELM, [6]. Z.-N. L. Haoyu Ren, Object Detection Using Edge Histogram of Oriented Gradient, [7]. H. A. Jawad Muhammad, Improved License Plate Detection Using HOG-based Features and Genetic Algorithm, IV. KESIMPULAN DAN SARAN Nilai parameter KNN sangat berpengaruh terhadap hasil yang didaptakan. Dapat dilihat bahwa nilai K=5 merupakan parameter yang menghasilkan akurasi tertinggi. Hal ini disebabkan semakin banyaknya nilai K maka semakin banyaknya peluang suatu potongan citra diklasifikasikan ke dalam sebuah kelas karakter, namun tiap kelas karakter yang terpilih belum tentu memiliki nilai jarak yang kurang dari nilai threshold yang ditentukan. 72
8 SISTEM INFORMASI PENGOLAHAN SERTIFIKAT BERBASIS WEB DI DIVISI TRAINING SEAMOLEC Faizal Ari Prabowo, Mamay Syani Program Studi Teknik Informatika- Politeknik TEDC Bandung Jl. Politeknik-Pesantren KM2 Cibabat Cimahi Utara Cimahi Jawa Barat Indonesia Abstrak Southeast Asian Ministers of Education Organization of Open Learning Center (SEAMOLEC) adalah organisasi yang bergerak untuk mengembangkan Pendidikan Terbuka dan Jarak Jauh (PTJJ). Di dalam mengembangkan Pendidikan Terbuka dan Jarak Jauh, SEAMOLEC memiliki beberapa program salah satunya ialah pelatihan Digital Class Development.Dalam penelitian ini bertujuan membuat Sistem Informasi Pengolah Sertifikat berbasis website untuk merubah sistem dari manual menjadi komputerisasi, dan membangun sistem yang dapat membantu mengelola sertifikat. Dalam penyelesaian penelitian ini menggunakan metode waterfall yang membantu pada pengembangan sistem, tahap analisis dan sebagai identifikasi sistem yang sedang berjalan dengan sistem yang akan dikembangkan, pada tahap perancangan sistem menggunakan Unified modeling language (UML), MySQL digunakan sebagai perancangan database, dan perancangan sistem menggunakan bahasa pemrograman Hypertext Preprocessor (PHP). Hasil penelitian menunjukkan bahwa sistem ini dapat menggantikan proses manual kedalam proses komputerisasi. Dan hasil pengujian User Acceptance Test (UAT) sistem ini bisa diterima dengan baik dengan persentase sebesar 85%. Kata Kunci: Sistem informasi, sertifikat, web, SEAMOLEC. A. Latar Belakang I. PENDAHULUAN Southeast Asian Ministers of Education Organization of Open Learning Center (SEAMOLEC) adalah organisasi yang bergerak untuk mengembangkan Pendidikan Terbuka dan Jarak Jauh (PTJJ). Di dalam mengembangkan Pendidikan Terbuka dan Jarak Jauh, SEAMOLEC memiliki beberapa progam salah satunya ialah pelatihan Digital Class Development. Pelatihan Digital Class Development adalah suatu pelatihan untuk mengembangkan kemampuan guru-guru dalam hal pengintegrasian Teknologi Informasi dan Komunikasi dan mengembangkan e-learning sebagai metode pembelajaran baru. Pada pelatihan Digital Class Development, setelah peserta mengikuti pelatihan selama 3 hari, peserta akan mendapatkan sebuah sertifikat sebagai tanda telah melaksanakan kegiatan pelatihan Digital Class Development. Di divisi Training SEAMOLEC pembuatan sertifikat utuk kegiatan Digital Class Development pada saat ini masih bersifat konvensional dengan menggunakan software Microsoft Excel dan Microsoft Publiser untuk mengelola sertifikat. Proses pembuatan sertifikat memakan waktu yang lama dalam pembuatannya dan masih banyak Staff yang belum bisa mengelola dan mencetak sertifikat dengan baik. B. Rumusan Masalah 73
9 1. Bagaimana analisis sistem yang sedang berjalan di divisi Training SEAMOLEC? 2. Bagaimana merancang dan mengembangkan sistem informasi pengolah sertifikat berbasis web? 3. Bagaimana Implementasi sistem informasi pengolah sertifikat berbasis web di divisi training SEAMOLEC? C. Batasan Masalah 1. SEAMOLEC sebagai objek studi kasus dalam penelitian. 2. Sistem informasi pengolah sertifikat pada divisi Training SEAMOLEC yang melingkupi data pelatihan, data peserta, dan cetak sertifikat D. Tujuan Penelitian 1. Menganalisa sistem yang berjalan di divisi training SEAMOLEC 2. Merancang dan mengembangkan sistem informasi pengolah sertifikat berbasis web 3. Mengimplementasikan sistem informasi pengolah sertifikat berbasis web di divisi training SEAMOLEC. E. Metodologi Penelitian Pada penelitian ini menggunakan model waterfall dimana terdapat 6 langkah yaitu: requirements, analysis, design, coding, testing, dan maintenance. Namun dalam hal ini pada sistem informasi pengolah sertifikat tidak menambahkan untuk langkah maintenance, dikarenakan sistem yang berjalan saat ini hanya sampai pada langkah testing, langkahlangkah yang dilakukan ialah sebagai berikut : 1. Requirements: yaitu tahap untuk melakukan pengumpulan data dan penetapan kebutuhan semua elemen sistem. Dalam hal ini pengumpulan data dilakukan dengan cara observasi, wawancara dan studi literatur. Observasi yang dilakukan yaitu dengan melakukan pengamatan langsung pada objek penelitian yang berkaitan dengan proses pengolah sertifikat di divisi Training SEAMOLEC, Kemudian wawancara dilakukan kepada staff divisi Training tentang informasi instansi tersebut dan menanyakan informasi mengenai pengolahan sertifikat atau hal lain yang kurang jelas pada saat pengumpulan data. Selain itu melakukan studi literatur atau mencari referensi teori yang relefan dengan kasus atau permasalahan yang ditemukan. Referensi ini dapat dicari dari buku, jurnal, artikel laporan penelitian dan situs-situs di internet mengenai perancangan dan pembuatan sistem informasi pengolah sertifikat di divisi Training SEAMOLEC. 2. Analysis: tahap untuk menganalisis alur sistem pembuatan sertifikat yang sedang berjalan di SEAMOLEC, kemudian melakukan analisis data yang diperoleh sehingga mampu menganalisis hal-hal yang diperlukan untuk sistem yang akan dibangun dalam pelaksanaan proyek pembuatan sistem informasi Pengolah sertifikat. 3. Design: tahap penerjemahan dari keperluan atau data yang telah dianalisis untuk sistem informasi pengolah sertifikat di divisi Trainig SEAMOLEC yang akan dibangun seperti merancang database dengan menggunakan MySQL dan merancang user interface atau tampilan sistem ke dalam bentuk yang mudah dimengerti oleh pengguna menggunakan CSS Bootstrap. 4. Coding: tahap untuk menerjemahkan data, atau pemecahan masalah yang telah dirancang ke dalam bahasa pemrograman komputer yang telah ditentukan. Dalam hal ini menggunakan bahasa pemrograman PHP dan Database MySQL. 5. Testing: tahap untuk melakukan uji coba terhadap sistem informasi pengolah sertifikat berbasis web yang telah dibuat apakah sudah sesuai dengan kebutuhan divisi Training SEAMOLEC atau masih ada kesalahan II. LANDASAN TEORI A. Profil SEAMEO SEAMOLEC South East Asian Ministers of Education Organization Regional Open Learning Centre (SEAMOLEC) merupakan organisasi dibawah South East Asian Ministers of Education Organization (SEAMEO) atau Organisasi dari beberapa Kementerian Pendidikan se-asia Tenggara yang berdiri pada tanggal 27 Februari 1997 di Pustekkom, 74
SISTEM INFORMASI PENGOLAHAN SERTIFIKAT BERBASIS WEB DI DIVISI TRAINING SEAMOLEC
SISTEM INFORMASI PENGOLAHAN SERTIFIKAT BERBASIS WEB DI DIVISI TRAINING SEAMOLEC Faizal Ari Prabowo, Mamay Syani Program Studi Teknik Informatika- Politeknik TEDC Bandung Jl. Politeknik-Pesantren KM2 Cibabat
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 terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
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 terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kendaraan adalah sebutan bagi alat transportasi yang digunakan oleh manusia dalam kehidupan sehari-hari. Kendaraan dapat digerakkan dengan mesin, tenaga manusia, tenaga
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 terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
Lebih terperinciEKSTRAKSI DAN PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DI INDONESIA
TESIS EKSTRAKSI DAN PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR DI INDONESIA DONNY AVIANTO No. Mhs : 135302024/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS ATMA JAYA YOGYAKARTA
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Setiap organisasi memiliki budaya yang berbeda dalam mencapai setiap misi dan tujuannya. Budaya organisasi merupakan kumpulan nilai-nilai yang membantu anggota organisasi
Lebih terperinciBAB 1 PENDAHULUAN. Dewasa ini, lahan parkir menjadi kebutuhan utama pengguna kendaraan,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini, lahan parkir menjadi kebutuhan utama pengguna kendaraan, terutama di kota-kota besar. Pada tempat-tempat yang ramai dikunjungi, untuk memudahkan dokumentasi
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciModel Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan. Andry Jonathan ( )
Model Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan Andry Jonathan (1122041) Email: andry.jonathan1234@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
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 terperinci2015 PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR
BAB I PENDAHULUAN Latar Belakang Sistem pengawasan menggunakan kamera merupakan salah satu aplikasi praktis dari perkembangan teknologi yang dapat membantu permasalahan seharihari. Dengan sistem pengawasan
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciPERANCANGAN PENGENALAN PLAT NOMOR MELALUI CITRA DIGITAL DENGAN OPENCV
PERANCANGAN PENGENALAN PLAT NOMOR MELALUI CITRA DIGITAL DENGAN OPENCV Abdillah Komarudin 1401139432 Program Studi Sistem Komputer, Universitas Bina Nusantara, abdee_dillah@yahoo.com Ahmad Teguh Satria
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 terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciDeteksi Mobil Menggunakan Histogram of Oriented Gradient
1 Deteksi Mobil Menggunakan Histogram of Oriented Gradient Cahyo Permata,I Ketut Eddy Purnama dan Muhtadin Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
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 terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
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 3 ANALISIS DAN PERANCANGAN. negara misalnya untuk penegakkan hukum oleh polisi (police enforcement). Sistem ini
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Kebutuhan User Beberapa aplikasi pengenalan plat nomor sudah banyak digunakan di beberapa negara misalnya untuk penegakkan hukum oleh polisi (police enforcement).
Lebih terperinciPENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN BERBASIS OPTICAL CHARACTER RECOGNITION MENGGUNAKAN METODE TEMPLATE MATCHING CORRELATION
PENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN BERBASIS OPTICAL CHARACTER RECOGNITION MENGGUNAKAN METODE TEMPLATE MATCHING CORRELATION Yoga Aldian Putra 1, Catur Supriyanto 2 1,2 Teknik Informatika, Fakultas
Lebih terperinciSISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM
SISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM Billy Buana Putra NRP : 1122055 Email : billy_buana@yahoo.com ABSTRAK Pengenalan pelat nomor kendaraan secara
Lebih terperinciIDENTIFIKASI PLAT NOMOR MOBIL MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)
IDENTIFIKASI PLAT NOMOR MOBIL MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Yudil Taufik Umar¹, Heroe Wijanto², Rita Magdalena³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Untuk kepentingan pengenalan
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciDeteksi Mobil Menggunakan Histogram of Oriented Gradient
Deteksi Mobil Menggunakan Histogram of Oriented Gradient Cahyo Permata 2207100167 Dosen Pembimbing : DR. I Ketut Eddy Purnama, ST.,MT. Muhtadin, ST.,MT.,Msc. Latar Belakang Pemanfaatan teknologi deteksi
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari bagaimana computer dapat mengenali obyek yang diamati. Computer Vision
Lebih terperinciUNIVERSITAS BINA NUSANTARA ANALISIS DAN PERANCANGAN SISTEM PENGENAL KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR DENGAN PENDEKATAN LOGIKA FUZZY
UNIVERSITAS BINA NUSANTARA ANALISIS DAN PERANCANGAN SISTEM PENGENAL KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR DENGAN PENDEKATAN LOGIKA FUZZY Josua Napitupulu 0800737821 Daniel Marshall 0800749020 Mahargono
Lebih terperinciPengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour. Yustar Pramudana
Pengenalan Tulisan Tangan Dengan Menggunakan Metode Diagonal Feature Extraction dan K-Nearest Neighbour Yustar Pramudana Program Studi Teknik Informatika, Departemen Informatika Telkom University Jl. Telekomunikasi
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu bagian yang wajib dimiliki oleh kendaraan bermotor resmi di Indonesia adalah bagian plat nomor. Plat nomor ini memberi informasi tentang dari mana asal wilayah
Lebih terperinciPENGARUH PEMAKAIAN EDGE DETECTION PADA SISTEM PENGENALAN HURUF KAPITAL TULISAN TANGAN
Jurnal Teknik dan Ilmu Komputer PENGARUH PEMAKAIAN EDGE DETECTION PADA SISTEM PENGENALAN HURUF KAPITAL TULISAN TANGAN (The Influence of Edge Detection Use on Capital Letter Hand Writing Recognition System)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciDAFTAR ISI. BAB 3 PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Alir Utama Kamera Web iii
Aplikasi Kamera Web Untuk Mengidentifikasi Plat Nomor Mobil Jemmy / 0322042 E-mail : kaiser_jemmy@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria
Lebih terperinciPENERAPAN METODE DETEKSI TEPI CANNY UNTUK SISTEM PENGENALAN PLAT NOMOR KENDARAAN TUGAS AKHIR
PENERAPAN METODE DETEKSI TEPI CANNY UNTUK SISTEM PENGENALAN PLAT NOMOR KENDARAAN (STUDI KASUS PADA TEMPAT PARKIR NYI AGENG SERANG) TUGAS AKHIR Diajukan sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciDedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2
37 Pengelompokan Jenis Tekstur Kayu Menggunakan K- Nearest Neighbor dan Ekstraksi Fitur Histogram Wood Texture Classification Using K-Nearest Neighbor and Histogram Feature Extraction Dedi Argya Nugroho
Lebih terperinciBAB I PENDAHULUAN. Berkembangnya usaha-usaha perdagangan yang sangat pesat pada saat
BAB I PENDAHULUAN A. Latar Belakang Berkembangnya usaha-usaha perdagangan yang sangat pesat pada saat ini menjadikan informasi sebagai hal yang sangat penting peranannya dalam menunjang jalannya operasi-operasi
Lebih terperinciPengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas
Pengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalu Lintas. Riza Prasetya Wicaksana Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh Nopember Suarabaya
Lebih terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat sekarang ini, banyak perusahaan jasa parkir yang dapat kita temui diberbagai kota maupun daerah. Biasanya, perusahaan jasa parkir ini mengelola lahan parkir yang
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih terperinciDAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i. DAFTAR TABEL... vi. DAFTAR GAMBAR... vii
DAFTAR ISI KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i DAFTAR TABEL... vi DAFTAR GAMBAR... vii BAB I PENDAHULUAN... Error! Bookmark not defined. 1.1 Latar Belakang... Error! Bookmark
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciKLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR
Powered by TCPDF (www.tcpdf.org) KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR Bertha Yulizar¹, Bambang Hidayat², Tody Ariefianto Wibowo³ ¹Teknik Telekomunikasi,,
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun imitasi dari sebuah objek atau benda. Citra memiliki beberapa karateristik yang menjadikan
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 terperinciPERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION
Jurnal Komputer dan Informatika (KOMPUTA) 29 PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION Raden Sofian Bahri 1, Irfan Maliki 2 1,2 Program Studi Teknik
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
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 terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini, perusahaan yang bergerak di bidang jasa pengelolaan sumber daya manusia yang disalurkan kepada perusahaan pengguna jasa atau yang dikenal dengan sebutan outsourcing
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
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 terperinciSistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Integral Proyeksi
Sistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Sigit Wasista, Siwi Dian Priyanti Jurusan Teknik Elektronika Politeknik Elektronika Negeri Surabaya- Institut Teknologi
Lebih 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 terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciPENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING
PENGENALAN ANGKA PADA PLAT NOMOR DENGAN METODE TEMPLATE MATCHING Rendra Pranadipa 1, Vika Novitasari 2, Maya Kurniawati 3, Nurlia Puspitasari 4, Yana Bonita 5 Informatika,, Malang E-mail: 1 rendradipa19@gmail.com,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi saat ini telah mengalami perubahan yang pesat. Teknologi telah menjadi bagian dari kehidupan manusia. Hampir setiap kegiatan yang dilakukan manusia
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
Lebih terperinciPERBANDINGAN TINGKAT AKURASI PENGENALAN OBJEK ANTARA FITUR HOG DAN C-HOG UNTUK JARAK POTRET DAN RESOLUSI KAMERA
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PERBANDINGAN TINGKAT AKURASI PENGENALAN OBJEK ANTARA FITUR HOG DAN C-HOG UNTUK JARAK POTRET DAN RESOLUSI KAMERA Erfin Sandrio 1, Yupiter 2, Gasim
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun merupakan imitasi dari sebuah objek atau benda. Citra memiliki beberapa karakteristik yang
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB 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 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 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 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Automatic Number Plate Recognition (ANPR) Berdasarkan penjelasan dari penelitian sebelumnya mengenai deteksi plat nomor, maka dapat disimpulkan bahwa pendeteksian ini sangat dibutuhkan
Lebih terperinciBAB I PENDAHULUAN. Dewasa ini kepedulian masyarakat Indonesia akan budaya-budaya lokal
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini kepedulian masyarakat Indonesia akan budaya-budaya lokal semakin memudar. Hal ini paling jelas terlihat di kalangan kaum muda, dimana mereka telah banyak
Lebih terperinciBAB I PENDAHULUAN. diakses oleh siapa saja, kapan saja dan dimana saja. Teknologi internet
BAB I PENDAHULUAN A. Latar Belakang Berkembangnya usaha-usaha perdagangan yang sangat pesat pada saat ini menjadikan informasi sebagai hal yang sangat penting peranannya dalam menunjang jalannya operasi-operasi
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinci# 1.2 Rumusan Masalah Pada saat ini, setelah penulis melakukan penelitian pada proses bisnis yang sedang berjalan, maka permasalahan yang sering terja
BAB I PENDAHULUAN 1.1 Latar Belakang Pertamina Corporate University berada dibawah kendali Direktorat SDM, Teknologi Informasi & Umum yang merupakan unit operasional PT. Pertamina (Persero) yang dirancang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ilmu Teknik Informatika adalah suatu ilmu yang sangat berhubungan erat dengan teknologi informasi, dimana penerapannya mengarah kepada kemajuan teknologi masa
Lebih terperinciPENCOCOKAN OBYEK WAJAH MENGGUNAKAN METODE SIFT (SCALE INVARIANT FEATURE TRANSFORM)
Jurnal Ilmiah NERO Vol. 1 No. 1 2014 PENCOCOKAN OBYEK WAJAH MENGGUNAKAN METODE SIFT (SCALE INVARIANT FEATURE TRANSFORM) Meidya Koeshardianto, S. Si., M. T. Program Studi D3Manajemen Informatika, Universitas
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciPENGENALAN POLA TULISAN TANGAN DENGAN METODE K NEAREST NEIGHBOR
J-ICON, Vol. No. 1, Maret 014, pp. 65~7 65 PENGENALAN POLA TULISAN TANGAN DENGAN METODE K NEAREST NEIGHBOR Ryan Arief Misnadin 1, S. Adi. S. Mola, Adriana Fanggidae 3 1,,3 Jurusan Ilmu Komputer, Fakultas
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DENGAN METODE KOHONEN SOM
PENGENALAN PLAT NOMOR KENDARAAN DENGAN METODE KOHONEN SOM Didik Styawan 1, Catur Supriyanto 2 Teknik Informatika, Universitas Dian Nuswantoro Jl. Nakula I No. 5-11, Semarang Jawa Tengah 50131 E-mail :
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinci