Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik
|
|
- Suhendra Kusnadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Sri Heranurweni 1 1) Jurusan Teknik Elektro, Universitas Semarang heranur@yahoo.com Abstrak : Teknik identifikasi konvensional untuk mengenali identitas seseorang dengan menggunakan password atau kartu tidak cukup handal, karena sistem keamanan dapat ditembus ketika password dan kartu tersebut digunakan oleh pengguna yang tidak berwenang. Sistem pengenalan identitas dengan teknologi komputer ini menggunakan teknik identifikasi biometrik, hal itu dilakukan karena cenderung memiliki tingkat akurasi yang tinggi dan mudah untuk diterapkan. Didasarkan pada karakteristik alami manusia, yaitu karakteristik fisiologis dan karakteristik perilaku seperti sidik jari, suara, telapak tangan, iris dan retina mata, DNA (Deoxsiribo Nukleid Acid) dan tanda tangan. Teknik identifikasi biometrik yang mempunyai berbagai kelemahan pada sistem konvensional itu dapat berkurang. Citra masukan dari sidik jari kiri yang berupa citra dalam format BMP dan JPEG akan dilakukan proses thresholding dan thinning agar lebih mudah untuk diproses. Dilanjutkan dengan proses ekstraksi ciri dan pencarian minutiae terhadap sejumlah citra untuk pembelajaran menggunakan Propagasi Balik, maka akan dihasilkan vektor ciri dari citra untuk pembelajaran. Secara umum terdapat dua proses penting dalam perancangan, yaitu proses pelatihan dan pembelajaran. Metode Propagasi Balik menggunakan nilai jarak hasil pengujian dengan menggunakan 30 citra untuk pembelajaran, dan 10 citra pengujian. Nilai hasil propagasi balik digunakan untuk menguji apakah citra sidik jari luar dikenali identitasnya atau tidak berdasarkan nilai ecludean distance. Metode Propagasi Balik, pada pengujian dengan memasukkan 5 citra pembelajaran dan 5 citra lainnya didapat hasil pengenalan dengan tingkat keberhasilan 99 %. Kata kunci : sistem biometrik sidik jari, propagasi balik, ecludean distance 1. PENDAHULUAN Sistem biometrik sidik jari merupakan sistem autentikasi berbasis biometrik yang paling banyak digunakan saat ini karena cenderung memiliki tingkat akurasi yang tinggi dan mudah untuk diterapkan. Pengkajian terhadap akurasi dan unjuk kerja sistem biometrik sidik jari menjadi latar belakang penelitian ini agar hasil dari analisis performansi tersebut nantinya dapat diterapkan untuk aplikasi keamanan akses. Salah satu bagian terpenting dalam sistem pengenalan sidik jari adalah teknik pencocokan sidik jari. Umumnya, teknik yang digunakan untuk mencocokkan sidik jari yaitu: minutiae-based dengan menghitung jumlah minutiae yang cocok dari dua buah citra sidik jari dan correlationbased dengan membandingkan pola umum dari dua buah citra sidik jari. Teknik yang berbasis minutiae bergantung pada seberapa akurat ekstraksi minutiae dari citra sidik jari sedangkan teknik yang berbasis korelasi bergantung pada distorsi dan noise yang ada di dalam citra sidik jari [Tirta Mahardika, 2006]. Salah satu permasalahan penting dalam sistem pengenalan sidik jari adalah peningkatan optimasi kerja sistem, untuk meningkatkan optimasi kerja sistem, dapat digunakan berbagai macam algoritma optimasi. Salah satunya yang dikenal cukup handal adalah propagasi balik yang merupakan metoda pelatihan supervised dan didesain untuk operasi pada jaringan feed forward multi lapis. 2. Ekstraksi Minutiae Ekstraksi minutiae diperoleh menggunakan matriks ketetanggaan dan filter bentuk dengan topologinya dirancang untuk mengeksploitasi dua sifat minutiae, yaitu untuk mendeteksi akhir garis alur atau titik-titik percabangan. Citra awal berhubungan dengan arah garis-garis alur pola sidik jari yang kemudian di sekat-sekat kedalam daerah-daerah yang terhubung yang homogen. Terminasi dan percabangan garis alur pola sidik jari maka diperoleh titik-titik minutiae. Peta dari titik-titik minutiae disimpan sebagai informasi unik berhubungan dengan sidik jari individual [D. Maltoni, 2003]. Pencocokan minutiae ini akan melakukan analisis percabangan garis (ridges bifurcations) dan akhir garis (ridges ending). Keseluruhan pola sidik jari rata-rata berisikan 100 minutiae, area pengukuran rata-rata berisikan minutiae tergantung dari jari dan area sensor. Titik-titik minutiae disimpan berikut posisi dari titik minutiae local dalam kode 1
2 pola sidik jari atau secara langsung dalam template acuan. Gambar. 1. Bentuk Ridge pada Sidikjari [D. Maltoni, 2003]. Bagian utama dari penggunaan pola sidik jari untuk sistem autentikasi adalah bagaimana mendapatkan pola sidik jari untuk disimpan sebagai template sewaktu pendaftaran ataupun sewaktu dilakukan perbandingan pola sidk jari tertentu dengan template tersebut (sewaktu identifikasi/verifikasi). Sistem pengenalan sidik jari memanfaatkan struktur sidik jari setiap manusia yang berbeda(ada kesamaan degan presentase yang cukup kecil). Sistem ini melibatkan penentuan tingkat kesamaan antara 2 citra sidik jari dengan membandingkan struktur ridge atau distribusi spasial dari titik-titik minutiae. Untuk mendapatkan titik-titik minutiae ini diperlukan beberapa proses terhadap citra hasil penangkapan Menggunakan Sensor Fingerprint Seperti Threshold Dan Thinning.[Adi, Kusworo, 2002] 3. Jaringan Syaraf Tiruan Propagasi Balik 3.1. Normalisasi Meskipun di algoritma ini tidak disebutkan bahwa data harus di normalisasi, akan tetapi ada baiknya dilakukan normalisasi sehingga didapatkan nilai antara 0 sampai 1. Alasan pertama adalah data menjadi lebih kecil karena sudah nol koma dan alasan kedua adalah dengan data yang kecil pengolahan tidak memerlukan memori yang besar sehingga akan menambah kecepatan proses pembelajaran [D. Maltoni, 2003]. Normalisasi dilakukan dengan cara membagi setiap komponen nilai dari data jarak minutiae dengan nilai maksimum dari data jarak minutiae tersebut Jaringan Syaraf Tiruan Propagasi Balik Algoritma pelatihan propagasi balik (Backpropagation), pertama kali dirumuskan oleh Werbos dan dipopulerkan oleh Rumelhart dan McClelland untuk dipakai pada jaringan syaraf tiruan (JST), dan selanjutnya algoritma ini biasa disingkat dengan BP. Algoritma ini termasuk metoda pelatihan terbimbing (supervised) dan didesain untuk operasi pada jaringan feed forward multi lapis. Metoda Propagasi Balik ini banyak diaplikasikan secara luas. Sekitar 90%, bahkan lebih BP telah berhasil diaplikasikan di berbagai bidang, diantaranya diterapkan di bidang finansial, pengenalan pola tulisan tangan, pengenalan pola suara, sistem kendali, pengolah citra medika dan masih banyak lagi keberhasilan BP sebagai salah satu metoda komputasi yang handal. Algoritma ini juga banyak dipakai pada aplikasi pengaturan karena proses pelatihannya didasarkan pada hubungan yang sederhana, yaitu : Jika keluaran memberikan hasil yang salah, maka penimbang (Weight) dikoreksi supaya galatnya dapat diperkecil dan respon jaringan selanjutnya diharapkan akan lebih mendekati harga yang benar. BP juga berkemampuan untuk memperbaiki penimbang pada lapisan tersembunyi (hidden layer). Gambar 2. Model Jaringan Syaraf Tiruan Lapis Jamak Secara garis besar, mengapa algoritma ini disebut sebagai propagasi balik, dapat dideskripsikan sebagai berikut: Ketika jaringan diberikan pola masukan sebagai pola pelatihan maka pola tersebut menuju ke unit-unit pada lapisan tersembunyi untuk diteruskan ke unit-unit lapisan keluaran. Kemudian unit-unit lapisan keluaran memberikan tanggapan yang disebut sebagai keluaran jaringan. Saat keluaran jaringan tidak sama dengan keluaran yang diharapkan maka keluaran akan menyebar mundur (backward) pada lapisan tersembunyi diteruskan ke unit pada lapisan masukan. Mekanisme pelatihan tersebut dinamakan backpropagation/propagasi balik. Tahap pelatihan ini merupakan langkah bagaimana suatu jaringan saraf itu berlatih, yaitu dengan cara melakukan perubahan penimbang (sambungan antar lapisan yang membentuk jaringan melalui masing-masing unitnya). Sedangkan pemecahan masalah baru akan dilakukan jika proses pelatihan tersebut selesai, fase tersebut adalah fase mapping atau proses pengujian/testing [D. Maltoni, 2003]. 2
3 4. Sistem Pengenalan Sidik Jari dengan Propagasi Balik Data input sistem pengenalan sidik jari ini diambil dari citra sidikjari dalam file.bmp atau.jpeg yang kemudian akan melalui proses normalisasi untuk mendapatkan citra yang sama ukurannya pikselnya. Dilanjutkan dengan proses inhacement, ekstraksi ciri untuk memperoleh data minutiae sebagai masukan pada jaringan propagasi balik untuk pembelajaran, sebagian data tersebut akan disimpan di database. Pengenalan citra untuk pengujian data akan membandingkan data yang akan diuji dengan data yang disimpan pada database. Hasilnya berupa data dikenali atau tidak dengan data yang duji. Perancangan program sistem pengenalan sidik jari dengan menggunakan minutiae dan metode jaringan syaraf tiruan propagasi balik (backpropagation). Sistem ini untuk mengenali citra sidik jari terbagi menjadi dua sistem yaitu : sistem pembelajaran dan sistem pengenalan. Tahap pre pocessing ini ada dua tahap yaitu Tresholding dan Thinning. adalah salah satu algoritma thinning yang cukup populer dan telah digunakan sebagai suatu basis perbandingan untuk thinning. Algoritma ini cepat dan mudah di implementasikan. Setiap iterasi dari metode ini terdiri dari dua subiterasi yang berurutan yang dilakukan terhadap contour points dari wilayah citra. Contour point adalah setiap piksel dengan nilai 1 dan memiliki setidaknya satu 8-neighbor yang memiliki nilai Ekstraksi Ciri Minutiae dicari dengan mendeteksi adanya percabangan saja. Cabang hitam pada suatu citra biner merupakan ujung hitam pada citra biner inversnya. Thinning dilakukan pada obyek hitam dari citra biner, sehingga hasil penulangan suau citra akan berbeda dengan hasil penulangan citra inversnya. Selain itu proses tersebut dapat mengatasi kerusakan pada citra yang mengakibatkan hilangnya minutiae. Image Enhancement Ekstraksi Ciri Hasil Pengenalan Propagasi Balik Database Gambar 3. Diagram Blok Sistem Pengenalan Sidikjari Tresholding Image / citra sidik jari yang telah dinormalisasi, selanjutnya mengalami proses threshold untuk memperjelas alur sidik jari. Proses ini sangat berguna jika citra yang didapat, terdapat warna piksel yang tidak jelas (blok hitam). Tahap ini terlebih dahulu mencari filter rata-rata / mean dari citra sidik jari, pada program ini mean yang merupakan hasil dari jumlah piksel dibagi dengan hasil perkalian scale width dengan scale height dan dengan 1.38 untuk meminimalkan /mengurangi warna hitam (hitam yang mengeblok). Nilai piksel baru / hasil treshold didapat dari hasil piksel lebih dari mean maka image tresholding dirubah RGB nya menjadi 255, 255, 255 sebaliknya jika kurang dari mean maka diubah menjadi 0,0, Thinning Algoritma thinning yang digunakan pada penelitian ini adalah Zhang Suen. Algoritma ini Hasil penulangan adalah garis dengan ketebalan satu piksel. Pada citra thinning adanya percabangan dideteksi dengan cara menelusuri setiap piksel hitam pada citra yang delapan titik tetangganya sesuai salah satu dari dua belas (12) matriks 3 x 3 piksel yang merupakan konfigurasi dari matriks percabangan Minutiae yang diperoleh dari penulangan citra biner awal merupakan alur cabang (ridge bifurcation), sedangkan minutiae yang diperoleh dari penulangan citra biner hasil inversnya merupakan alur berhenti (ridge ending) Ekstraksi Daerah Minutiae / Jarak Proses ekstraksi minutiae semua minutiae dideteksi lalu minutiae minutiae tersebut kemudian ditandai dengan diberi titik pada tiap minutiae. Sehingga hasil dari proses ekstraksi minutiae adalah beberapa titik yang menandai adanya minutiae baik 3
4 jalur percabangan (ridge bifurcation) maupun alur perhentian (ridge ending). Kemudian tiap tiap minutiae diekstraksi untuk mendeteksi tetangganya, dengan memposisikan salah satu minutiae (yang diekstraksi) berada di tengah, sedangkan yang disekitarnya merupakan minutiae minutiae tetangga. Jarak minutiae tetangga nantinya akan bervariasi ada yang dekat dan ada yang jauh. Data awal / jarak ini dijadikan sebagai inputan / sumber data yang akan diolah mengunakan propagasi balik. Langkah awal sebelum mencari propagasi balik. Citra sidik jari akan di enhancement (perbaikan citra) dengan cara di tresholding, thinning untuk penipisan alur sidik jari. Hasil dari proses thinning ini akan diekstraksi dengan ekstraksi minutiae, setelah mendapatkan titik minutiae, maka hitung jarak antar titik minutiae tersebut. Data hasil jarak antar titik tersebut nantinya akan dijadikan data input / yang akan dihitung dalam proses selanjutnya yaitu propagasi balik (Backpropagation). Gambar 6. Blok Diagram Pembelajaran Gambar 4. Tampilan Hasil Minutiae Normalisasi Sebelum melakukan proses propagasi balik maka akan dilakukan normalisasi terhadap data input untuk propagasi balik tersebut. Untuk data input yang akan di normalisasi adalah hasil data jarak dari proses minutiae. Normalisasi ini bertujuan agar didapatkan nilai antara 0 sampai 1. Alasan pertama adalah data menjadi lebih kecil karena sudah nol koma dan alasan kedua adalah dengan data yang kecil pengolahan tidak memerlukan memori yang besar sehingga akan menambah kecepatan proses pembelajaran. Proses Region of Interest (ROI) ini diambil hanya pada daerah yang ada titik termination dan bifurfication dari citra ini, yiatu yang ditandai titik merah dan hijau. Cara ini mempunyai dua cara yaitu automatis dan manual. Proses ini gunanya untuk mempermudah proses validasi. Hasil dari propagasi balik berupa sebuah nilai dari output layer yang mewakili identitas dari masingmasing sidik jari (akan disebut ciri I) ini nantinya akan disimpan ke dalam database, sebagai matrik / sidik jari referensi. Lebih jelasnya bisa dilihat pada gambar 6 yaitu blok diagram pada sistem pembelajaran. Gambar 6 diatas dapat dilihat bahwa secara keseluruhan terdapat empat bagian, yaitu : a. Bagian akuisisi citra, pengambilan citra sidik jari b. Ekstraksi ciri, terdiri dari pre-processing untuk memperoleh suatu ciri c. Pencocokan, untuk mencocokkan ciri yang diperoleh dengan ciri yang ada dalam basis data d. Basis data, dibutuhkan untuk menyimpan data biometrik individu yang telah terdaftar. (a )Hidden Layer 8, iterasi 500 Gambar 5. Region of Interest Automatis dari Hasil Minutiae 4.3. Tahap Pembelajaran (b) Hidden Layer 8, iterasi 1000 Gambar 7. Hasil dengan Hidden Layer 8 4
5 Proses pre-processingnya adalah dilakukan perbaikan citra (Image Enhancement) sidik jari. Setelah dilakukan perbaikan maka sidik jari tersebut akan diekstraksi dengan menggunakan ekstraksi Minutiae. Setiap titik percabangan akan dihitung jaraknya. Hasil perhitungan (jarak) ini digunakan sebagai data / input untuk proses Backpropagation. Jarak antar titik minutiae / percabangan dan hasil nilai bobot serta output Backpropagation disimpan ke dalam database Sistem Pengenalan Tahapan ini langkah langkahnya hampir sama seperti pada sistem pembelajaran tetapi yang membedakan adalah membandingkan hasilnya dengan citra sidik jari dari sistem pembelajaran. Citra sidik jari akan di Enhancement (perbaikan citra) dengan cara di tresholding, thinning untuk penipisan alur sidik jari. Hasil dari proses i ini akan diekstraksi dengan ekstraksi Minutiae, setelah mendapatkan titik i, maka hitung jarak antar titik minutiae tersebut. Data hasil jarak antar titik tersebut nantinya akan dijadikan data input / yang akan dihitung dalam proses selanjutnya yaitu propagasi balik (backpropagation). Hasil dari Backpropagation berupa suatu nilai output (akan disebut ciri II ) ini nantinya akan dibandingkan dengan ciri I (yang ada dalam database) menggunakan metode Ecludean Distance. Dari hasil percobaan antara saat nilai iterasi 500 dengan 1000 untuk jumlah hidden layer sama, akan menghasilkan nilai yang lebih baik saat nilai iterasi 1000, dikarenakan menghasilkan nilai yang lebih stabil Proses Verifikasi Proses Verifikasi (proses pengenalan) ini akan mengenali sidik jari seseorang, untuk prosesnya hampir sama pada form proses pembelajaran yaitu melalui proses Image Enhancment, Ekstraksi Minusi, Normalisasi dan Propagasi Balik. Tetapi ada sedikit perbedaan dalam proses propagasi balik, yaitu dalam form verifikasi ini hanya menggunakan proses forward tanpa backward. Sidik jari seseorangyang akan di kenali di proses terlebih dahulu sehingga menghasilkan output propagasi balik (Ciri II) untuk dilakukan matching dengan output propagasi balik pada proses pembelajaran (Ciri I). Dari hasil matching ini dapat di ketahui apakah sidik jari tersebut dapat dikenali atau tidak Ecludian Distance Proses mencocokkan sidik jari tersebut menggunakan Ecludean Distance yaitu yang menghitung selisih antara output Ciri I dan Ciri II. Berikut adalah tampilan tabel output pada proses verifikasi. Tabel 1. Hasil Output Propagasi Balik Referensi Sidik Sidik Output Output jari jari Tabel 2. Hasil Propagasi Balik Verifikasi I Output Sedangkan hasil dari mencocockkan sidik jari (matching) dengan menggunakan Ecludean Distance dapat dilihat pada tabel hasil Ecludean berikut. Tabel 3. Hasil Ecludean Verifikasi I Data Sidik Jari Ecludean Jika selisihnya / error sama dengan nol (0) atau kurang dari 10% maka sidik jari dianggap cocok / dikenali. Apabila sidik jari tersebut dikenali maka akan muncul keterangan data dikenali. Dari hasil percobaan diatas tampak bahwa dalam mengenali suatu sidik jari secara tingkat keakuratan aplikasi ini adalah 90% atau akurat. Karena titik minutiae pada waktu verifikasi sama dengan titik minutiae yang ada dalam database. 5. Kesimpulan Berdasarkan hasil penelitian dan pengujian maka dapat diambil kesimpulan sebagai berikut : 1. Penggunaan metode Propagasi Balik, pada pembelajaran memasukkan 30 citra dan pengujian yang digunakan adalah 10 citra, didapat hasil pengenalan dengan tingkat keberhasilan 99 % sehingga Propagasi Balik layak untuk digunakan sebagai metode pengenalan. 2. Propagasi Balik untuk jumlah iterasi lebih banyak akan menghasilkan data yang lebih 5
6 baik, penelitian ini digunakan 500 dan 1000 iterasi. Jumlah hidden layer juga berpengaruh, jika digunakan jumlah layer yang 8 data yang diperoleh lebih baik dibanding 4 layer. 3. Penggunaan ecludean distance menghasilkan selisih atau eror 1 (satul) %. DAFTAR PUSTAKA 1. Adi, Kusworo, Ekstraksi Ciri Berbasis Filter Gabor sebagai Sistem Verifikasi Sidikjari, Tesis Magister, ITB, Darma Putra, Sistem Biometrika : Konsep Dasar, Teknik Analisa Citra, dan Tahapan Membangun Aplikasi Sistem Biometrika, Andi Offset, Yogyakarta 3. D. Maltoni, D. Maio, A.K. Jain, S. Prabakhar, Handbook of Fingerprint Recognition, Springer, New York, Novira, Ade Chopie, Pengenalan Pola Sidikjari dengan Jaringan Syaraf Tiruan,Skripsi, Teknik Elektro FT UGM, O Gorman L, Fingerprint Verification, ook/2.pdf, diunduh tanggal 18 September Minarni, Klasifikasi Sidikjari dengan Pemrosesan Awal Tranformasi Wavelet, pdf, diunduh tanggal 18 September Nalini K.R., Andrew Senior, Ruud M.Bolle, Automated Biometriks, diunduh tanggal 18 September Sri Heranurweni, Performansi Autentikasi Sistem Biometrik Sidik Jari Menggunakan Principal Component Analysis, Penelitian LPPM Universitas Semarang, Tirta Mahardika, Sistem Verifikasi Sidik Jari dengan Metode Bank Gabor Filter, Skripsi Teknik Elektro UNHAS,
PEMANFAATAAN 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 terperinciAPLIKASI TRANSAKSI VOUCHER MENGGUNAKAN RFID DAN FINGERPRINT
APLIKASI TRANSAKSI VOUCHER MENGGUNAKAN RFID DAN FINGERPRINT Andi Prasetyo 1), Setiawardhana, S.T 2), Fernando Ardilla, S.ST 2) Mahasiswa Jurusan Teknologi Informasi 1), Dosen Jurusan Teknologi Informasi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG Pada bab ini akan dibahas tentang teori penunjang dan pengujian yang dilakukan oleh orang lain yang mendukung dalam pengerjaan proyak akhir ini Teori dan metode penunjang yang disajikan
Lebih terperinciKLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *
KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manuasia. Namun mata manusia memiliki keterbatasan
Lebih terperinciTugas Teknik Penulisan Karya Ilmiah. M.FAIZ WAFI Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya
Tugas Teknik Penulisan Karya Ilmiah Sistem Identifikasi Biometrik Finger Knuckle Print Menggunakan Histogram Equalization dan Principal Component Analysis (PCA) M.FAIZ WAFI 09121001043 Sistem Komputer
Lebih terperinciBAB I PENDAHULUAN. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,
1 BAB I PENDAHULUAN A. Latar belakang Saat ini pemanfaatan teknologi pengolaan citra untuk mempermudah manusia dalam menyelesaikan masalah-masalah tertentu sudah banyak diterapkan, khususnya dibidang Identifikasi.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Rumusan Masalah
BAB I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pemalsuan identitas sering kali menjadi permasalahan utama dalam keamanan data, karena itulah muncul teknik-teknik pengamanan data seperti penggunaan
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciJurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE
ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciBAB 3 METODOLOGI. 3.1 Kerangka Pikir
BAB 3 METODOLOGI 3.1 Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan
Lebih terperinciBAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia adalah makhluk yang unik dan berbeda satu satu sama lain. Ia memiliki berbagai karakteristik yang dapat digunakan untuk membedakan dirinya dengan individu
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih 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 terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
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 terperinciENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER
ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Klasifikasi sidik jari merupakan bagian penting dalam sistem pengidentifikasian individu. Pemanfaatan identifikasi sidik jari sudah semakin luas sebagai bagian dari
Lebih terperinciFarah Zakiyah Rahmanti
Farah Zakiyah Rahmanti Latar Belakang Struktur Dasar Jaringan Syaraf Manusia Konsep Dasar Permodelan JST Fungsi Aktivasi JST Contoh dan Program Jaringan Sederhana Metode Pelatihan Supervised Learning Unsupervised
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1), Tulus 2), F. Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciPENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN
PENGENALAN TANDA TANGAN DENGAN MENGGUNAKAN NEURAL NETWORK DAN PEMROSESAN AWAL THINNING ZHANG SUEN Chairisni Lubis 1) Yuliana Soegianto 2) 1) Fakultas Teknologi Informasi Universitas Tarumanagara Jl. S.Parman
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciJARINGAN SARAF TIRUAN PADA BIOMETRIKA DETEKSI CITRA GARIS TELAPAK TANGAN DENGAN METODE BACKPROPAGATION
1 JARINGAN SARAF TIRUAN PADA BIOMETRIKA DETEKSI CITRA GARIS TELAPAK TANGAN DENGAN METODE BACKPROPAGATION Satria Bagus Pamungkas A11.2009.05057 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer
Lebih terperinciCitra. Prapengolahan. Ekstraksi Ciri BAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai pengenalan pola, pengolahan citra,
Lebih terperinciBAB I PENDAHULUAN. identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi biometrik merupakan teknologi yang memanfaatkan identitas individu baik secara fisiologis, sehingga dapat dijadikan alat atau kunci dalam kontrol akses ke
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT
Mikrotiga, Vol, No. Mei 0 ISSN : 0 PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT Suci Dwijayanti *, Puspa Kurniasari Jurusan Teknik Elektro Universitas Sriwijaya,
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Sistem Absensi Otomatis Menurut kamus besar bahasa Indonesia absen memiliki arti ketidak hadiran dalam suatu kegiatan, baik kegiatan belajar mengajar ataupun dalam
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1),Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciBAB I PENDAHULUAN. perkembangan zaman dan teknologi, teknik pengenalan individu secara
BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mengontrol akses menuju suatu wilayah atau material yang dilindungi, dibutuhkan teknik pengenalan individu yang handal. Seiring dengan perkembangan zaman dan
Lebih terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
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 terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciREVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH
REVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH ABSTRAK Biometrika merupakan cara untuk mengidentifikasi individu menggunakan karekteristik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, manusia selalu memanfaatkan teknologi untuk melakukan kegiatannya. Ini dikarenakan teknologi membuat tugas manusia menjadi lebih ringan
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
Lebih terperinciPENGENALAN POLA SIDIK JARI
TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN Pada pendahuluan ini, membahas mengenai latar belakang, perumusan masalah, maksud tujuan, batasan masalah, metodologi penelitian, dan sistematika penulisan. 1.1. Latar belakang Teknik
Lebih terperinciSISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR
SISTEM PENGENALAN INDIVIDU MELALUI IDENTIFIKASI TELAPAK TANGAN DENGAN MENGGUNAKAN MATRIKS DISKRIMINATOR SEMINAR HASIL TUGAS AKHIR Oleh: Ahmad Sirojuddin Luthfi - 1210100052 Dosen Pembimbing : Drs. Nurul
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 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 terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciTeknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari
Teknik Ekstraksi Minutiae Untuk Sistem Verifikasi Keaslian Sidik Jari Okta Hadi Saputra, Irawan Jurusan Teknik Elektro FTI - ITS Abstrak Teknik kriptografi sudah banyak digunakan untuk menjamin kerahasiaan
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciPENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA
IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA Anggya N.D. Soetarmono, S.Kom. ABSTRAK Penelitian ini membahas tentang sistem identifikasi personal dengan menggunakan kesesuaian biometrik pada
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra.
Lebih terperinciImplementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR
Implementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR Diajukan Oleh : RENDRA FEBRIANTO 0634015068 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu
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 I PENDAHULUAN. a. Universal (universality), dimana karakteristik yang dipilih harus dimiliki oleh setiap orang.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berdasar dari ciri atau tanda dari seseorang maka identitas seseorang itu dapat diketahui. Permasalahan yang menyangkut identitas seseorang tersebut dapat dikategorikan
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 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 2 LANDASAN TEORI. memungkinkan sistem komputer membaca secara otomatis nomor kendaraan dari gambar digital
BAB 2 LANDASAN TEORI 2. License plate recognition [4] License plate recognition (LPR) adalah jenis teknologi, terutama perangkat lunak, yang memungkinkan sistem komputer membaca secara otomatis nomor kendaraan
Lebih terperinciPENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
Penguian Kualitas Citra Sidik Jari Kotor Menggunakan...Muhammad Nasir dan Muhammad Syahroni PENGUJIAN KUALITAS CITRA SIDIK JARI KOTOR MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Muhammad Nasir 1 dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
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 terperinciAPLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE
APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE Matheus Supriyanto Rumetna 1*, Marla Pieter, Monica Manurung 1 1 Fakultas Ilmu Komputer dan Manajemen, Universitas Sains
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB I PENDAHULUAN. kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu
BAB I PENDAHULUAN A Latar Belakang Masalah Jaringan Syaraf Tiruan merupakan bagian dari sistem kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu pengetahuan yang digunakan untuk menyelesaikan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciDETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Sri Suwarno 1, Sri Hartati 2 1 Program Studi Teknik Informatika UKDW Yogyakarta 2 Program Studi Ilmu Komputer Fakultas
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 terperinciPerancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor
Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 2, April 2003, hal. 39-46 Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Kusworo Adi Laboratorium Instrumentasi
Lebih terperinciENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5
MAKALAH SEMINAR TUGAS AKHIR ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5 Sunaryo 1, Budi Setiyono 2, R. Rizal Isnanto 2 Abstrak - Biometrik merupakan
Lebih terperinciBAB I PENDAHULUAN. Perkembangan Teknologi Informasi atau Information Technology (IT)
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Teknologi Informasi atau Information Technology (IT) pada dekade terakhir ini meningkat sejalan dengan tingkat kebutuhan manusia terhadap teknologi
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
Lebih terperinciAPLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI
APLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI Arie Firmansyah Permana ), Achmad Hidayatno ), R. Rizal Isnanto ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Identitas sangat penting sebagai bukti bahwasanya manusia yang satu dengan yang lainnya adalah berbeda. Pada beberapa aplikasi yang membutuhkan pengidentifikasian seseorang
Lebih terperinciMILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Thinning atau penipisan citra adalah suatu operasi untuk mereduksi citra biner dalam suatu objek menjadi rangka (skeleton) yang menghampiri sumbu objek.
Lebih terperinciBAB I PENDAHULUAN. macam aplikasi dalam kehidupan sehari-hari. Proses autentikasi itu sendiri adalah
BAB I PENDAHULUAN Latar Belakang Dewasa ini proses autentikasi semakin banyak digunakan untuk berbagai macam aplikasi dalam kehidupan sehari-hari. Proses autentikasi itu sendiri adalah proses untuk menentukan
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 terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinci