PENERAPAN ALGORITME VIOLA-JONES DAN EIGENFACE PADA SISTEM PENGENALAN WAJAH
|
|
- Hendri Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENERAPAN ALGORIME VIOLA-JONES DAN EIGENFACE PADA SISEM PENGENALAN WAJAH Nafier Rahmantha 1, Indah Soesanti, Hanung Adi Nugroho 3 Abstract Research in face recognition system becomes very complex and complicated. Face recognition system that has been developed turn out to be difficult since it is sensitive to illumination, expression, orientation, occlusion etc. At least, there are main components in face recognition system such as face detector and face recognition. his paper presents face recognition system which is used Viola- Jones and eigenface algorithm as the main method. By combining both of these algorithms, the automated face recognition system can be made. In this paper was used 7 faces each with 10 different expression. est results gave a accuracy of system by 95,45%. Intisari Penelitian mengenai sistem pengenalan waah merupakan permasalahan yang kompleks dan rumit. Sistem pengenalan waah yang telah dikembangkan saat ini memiliki beberapa batasanbatasan untuk menghasilkan hasil akurasi yang cukup tinggi seperti : efek pencahayaan, ekspresi waah, orientasi waah, penghalang dan lain-lain. Setidaknya terdapat dua bagian utama dalam sistem pengenalan waah yang baik, yaitu proses pendeteksian waah dan pengenalan waah. Dalam tulisan ini digunakan algoritme Viola-Jones dan eigenface sebagai algoritme utama dalam sistem pengenalan waahnya. Dengan menggabungkan kedua metode ini, sistem pengenalan waah yang otomatis dapat dibuat. Dalam penelitian yang dilakukan dengan menggunakan 7 waah dengan 10 pose berbeda, Dihasilkan akurasi sistem yang telah dirancang sebesar 95,45%. Kata kunci : Algoritme Viola-Jones, eigenface, eigenvector, pengenalan waah, pendeteksi waah. I PENDAHULUAN eknologi pengenalan waah sudah banyak diimplementasikan dalam kehidupan sehari-hari seperti contohnya menemukan teroris dalam ruang publik yang dilengkapi dengan kamera CCV, sistem keamanan pengguna pada smartphone serta sistem absensi. Sistem keamanan yang menggunakan sistem pengenalan waah mempunyai 1 Mahasiswa Jurusan eknik Elektro dan eknologi Informasi, F UGM. Jln. Wonoreo Asri XII/7 Rungkut Surabaya KODEPOS : (tlp : , nafier.rahmantha@gmail.com), 3 Dosen Jurusan eknik Elektro dan eknologi Informasi, F UGM. Jln Grafika No. Kampus UGM Yogyakarta keuntungan yang lebih apabila dibandingkan dengan sistem keamanan yang lain (kode PIN, password atau smart card) yaitu lebih praktis, pengguna tidak perlu repot mengingat sandi-sandi atau membawa kartu tertentu. Dalam sistem pengenalan waah terdapat unsur yang penting, yaitu pendeteksian waah dan proses pengenalan waah. Dalam proses pendeteksian waah atau face detection, keberadaan dan lokasi dari waah pada citra masukan dapat ditentukan sehingga dapat memudahkan proses selanutnya yaitu proses pengenalan waah atau face recognition. Algoritma Viola-Jones telah banyak digunakan dan terbukti mampu mendeteksi waah dengan tepat. Pada proses face recognition, citra waah yang telah diketahui posisinya dikenali dan dicocokkan dengan citra waah referensi. erdapat banyak pendekatan yang dapat dilakukan dalam mendeteksi waah, contoh yang cukup sederhana yaitu dengan mencari warna kulit atau mendeteksi gerakan pada video dengan latar belakang yang telah dikondisikan. Namun hingga saat ini, pendeteksian waah dengan pendekatan aringan syaraf tiruan dan appearance based menunukkan keunggulan yang lebih karena tidak terlalu sensitif dengan latar belakang yang ada pada citra [1]. Pada penelitian ini akan digunakan metode pendeteksian waah atau face detection dengan menggunakan algoritme Viola-Jones. Algoritme ini menggunakan pendekatan appearance based dan telah menadi framework dari berbagai metode face detector modern saat ini. Dalam pengenalan waah terhadap pendekatan utama yaitu feature based dan information theory concept atau appearance based [][1]. Pada pendekatan feature based, proses recognition dilakukan dengan mencari fitur-fitur waah seperti arak antar mata, arak mata dengan hidung dan lain-lain. Pendekatan feature based memiliki kelebihan yaitu tidak sensitif terhadap variasi pencahayaan dan sudut pandang. Namun, pendekatan ini semakin ditinggalkan karena rentan terhadap penghalang atau occlusion dan banyak informasi yang hilang dan diabaikan dari tekstur waah. Sementara itu pada pendekatan appearance based, citra waah dianalisis sebagai satu kesatuan waah yang tidak dapat dipisahkan. Algoritme 34 Volume 1 Nomor 1, April 014
2 Jurnal Penelitian eknik Elektro dan eknologi Informasi eigenface termasuk dalam pendekatan appearance based / information theory based. Pada penelitian ini digunakan metode eigenface sebagai algoritme dasar untuk melakukan face recognition. Algoritme ini digunakan berdasarkan penelitian yang telah dilakukan, bahwa algoritme eigenface sudah menghasilkan akurasi yang cukup baik yaitu sebesar 96% pada keadaan dengan variasi pencahayaan yang berbeda, 85% pada keadaan kemiringan waah yang berbeda dan 64% pada keadaan ukuran background terhadap citra waah yang berbeda [3]. Algoritma ini pada dasarnya merupakan pengembangan dari [4] yang menerapakan persamaan Karhunen-Loeve sebagai dasar pengenalan waahnya. uuan penelitian ini adalah melakukan deteksi dan pengenalan waah dengan akurasi yang tinggi. II MEODE A. Bahan dan Alat Penelitian Dibutuhkan beberapa perangkat guna menunang penelitian ini. Perangkat keras yang digunakan yaitu satu perangkat laptop ASUS K43SJ dengan spesifikasi sistem operasi Windows 7, dengan prosesor Intel Core i3 330M CPU. GHz dan RAM.00 GB. Perancangan sistem dan simulasi dilakukan dengan perangkat lunak Matlab R009A. Perangkat lunak Matlab R009A telah menyediakan kemudahan dan beberapa fitur dalam melakukan proses pengolahan citra digital sehingga software Matlab digunakan dalam penelitian ini. Citra waah didapatkan dengan menggunakan kamera belakang 3MP pada smartphone Samsung Galaxy ab (7.0) G-P3100. Jumlah citra ui yang digunakan sebanyak 70 buah dengan 7 enis waah dalam 10 ekspresi yang berbeda. B. Perancangan Sistem Secara Umum Secara umum, sistem pengenalan waah yang diterapkan pada penelitian ini dapat diamati pada Gbr 1. CIRA MASUKAN PENDEEKSIAN WAJAH PRE-PROCESSING PENGENALAN WAJAH CIRA REFERENSI Gbr 1 Blok Diagram Sistem Secara Umum CIRA KELUARAN Citra masukan yang mengandung komponen waah dan bukan waah dimasukkan ke dalam blok pendeteksian waah. Dengan melewatkan citra masukan ke dalam blok ini, daerah yang mengandung waah dapat dipisahkan dari latar belakangnya. Keluaran dari blok pendeteksian waah kemudian dilewatkan pada blok preprocessing dan blok pengenalan waah untuk dicocokkan dengan citra referensi sehingga waah dapat dikenali. C. Blok Pendeteksian Waah Pendeteksian waah ini mengunakan algoritma Viola Jones[5]. Pada blok ini citra masukan yang masih mengandung komponen waah dan bukan waah dipisahkan, sehingga hanya komponen waah saa yang dilewatkan oleh blok ini. Gbr menunukkan cara kera dari pendeteksian waah secara umum. CIRA MASUKAN UBAH KE INEGRAL IMAGE Haarcascade_fron talface_alt CASCADING CIRA KELUARAN Gbr Blok Diagram Proses Pengenalan Waah Citra waah masukan yang masih dalam bentuk grayscale diubah menadi integral image dengan perumusan, ii x, y ix ', y '. (. 1) Dengan x y x' x dan y ' y ii, merupakan integral image pada koordinat baris x dan kolom y, i x ', y ' merupakan citra masukan. Untuk menentukan ada atau tidaknya waah dalam sebuah citra, Paul Viola dan Michael Jones menggunakan haar-like features seperti pada Gbr 3. Gbr 3 Contoh Haar-like features [5]. Haar-like feature merupakan fitur yang cukup sederhana (buur sangkar) yang mempunyai 3 nilai, yaitu bernilai 1 untuk daerah kotak berwarna hitam, bernilai -1 untuk daerah kotak berwarna putih, dan bernilai 0 untuk daerah yang lain. Pada intinya, sifat dari haar-like feature hampir sama dengan filter yang digunakan pada deteksi tepi, yaitu menunukkan nilai intensitas yang tinggi apabila nilai-nilai piksel masukan filter selaras dengan pola yang ditunukkan pada filter itu sendiri. Haar-like feature umumnya masing-masing berukuran 4 x 4 piksel (ada uga yang berukuran 0 x 0 piksel) yang didalamnya terdapat pola fitur tertentu. Daerah yang ditunukkan oleh haar-like feature dianggap waah apabila, umlah dari seluruh daerah citra masukan yang diberi bobot nilai sesuai dengan yang ditunukkan oleh haar-like feature ke- melebihi batas threshold tertentu seperti yang ditunukkan pada persamaan. Volume 1 Nomor 1, April
3 1 ika sum h x (. ) 0 yang lain Dengan h merupakan haar-like feature ke- x yang diberi masukan daerah citra ke-x dan sum merupakan umlah dari seluruh daerah citra masukan yang diberi bobot nilai sesuai dengan yang ditunukkan oleh haar-like feature ke-. Pengambilan keputusan bahwa bagian citra tersebut merupakan waah apabila sekumpulan haar-like feature yang digunakan memenuhi persamaan,, hx h x Dengan 1 (. 3) 1 1 ika h x h x 1 0 yang lain Dengan h merupakan sekumpulan kombinasi x linear dari haar-like features, adalah bobot x kombinasi haar-like feature ke-, h merupakan haar-like feature ke- yang diberi masukan daerah citra ke-x, dan banyaknya haar-like feature yang digunakan dalam kombinasi linear. Berdasarkan persamaan (. 3), pencarian fitur dan lokasi waah pada proses cascading membutuhkan 3 komponen utama dalam perhitungannya yaitu : sebanyak haar-like features yang digunakan, bobot kombinasi dari haar-like feature ke-, dan threshold dari haar-like feature ke-. Ketiga informasi penting ini telah disediakan oleh opencv pada haarcascade_frontalface_alt. Melalui informasi yang telah disediakan oleh haarcascade_frontalface_alt, proses cascading dapat dilakukan sehingga waah dapat dideteksi. D. Blok Pre-processing Blok pre-processing digunakan untuk meningkatkan akurasi dari blok pengenalan waah dengan cara melakukan seleksi lebih lanut citra masukan dari blok pendektesian waah. Citra keluaran blok pendeteksian waah umumnya masih mengandung banyak unsur bukan waah. Untuk menghilangkan unsur bukan waah tersebut, citra keluaran pendeteksian waah dilakukan segmentasi berdasarkan warna kulit manusia. Warna kulit manusia menempati rentang nilai intensitas tertentu pada color space YCbCr dan HSV. Sensasi warna ditentukan oleh kanal Cb (croma blue) dan Cr (croma red) pada color space YCbCr dank anal H (Hue) pada color space HSV. Pada penelitian yang telah dilakukan, warna kulit manusia menempati rentang nilai 110 hingga 15 pada kanal Cb, 130 hingga 145 pada kanal Cr, dan 10 hingga 5 pada kanal H. Ilustrasi hasil dari blok ini diperlihatkan pada Gbr 4. (a) (b) (c) Gbr 4 Ilustrasi Hasil Blok Pre-processing() (a) citra hasil pendeteksi waah (b) segmentasi warna kulit (c) Hasil Keluaran E. Blok Pengenalan Waah Proses yang berlangsung pada blok ini secara umum merupakan proses perhitungan algoritme eigenface. Inti dari blok ini adalah proses pencarian fitur yang diperlukan untuk pengenalan waah. Pengenalan waah dengan metode eigenface dilakukan dengan cara melakukan rotasi sebesar [W] terhadap citra waah yang ingin dikenali dan kemudian hasil rotasi tersebut dibandingkan kedekatannya dengan citra waah referensi yang uga telah ditransformasikan sebesar [W]. Pertama-tama citra waah referensi diubah menadi vektor kolom x N dengan N merupakan banyaknya citra waah referensi sehingga terbentuk matriks X seperti pada persamaan, X x x x 1 N. (. 4) Rata-rata dari citra waah referensi / average face dihitung berdasarkan perumusan, 1 X N N n1 x n (. 5) Matriks transformasi [W] didapatkan berdasarkan eigenvector dari kovarian matriks [C] x yang dihitung berdasarkan perumusan pada persamaan, x E X X X X C (. 6) Andaikan citra waah referensi yang akan kita ui mempunyai ukuran sebesar 100 x 100 pixel. Sehingga berdasarkan persamaan (. 6), kita membutuhkan 100x100 pasang eigenvector dan eigenvalue. Berdasarkan hotelling transform atau yang biasa disebut dengan principal component analysis [6][3][4] kita cukup membutuhkan N pasang eigenvector dan eigenvalue yang paling signifikan (mempunyai varians terbesar) tanpa kehilangan banyak informasi penting. X X X X Mengingat dimensi dari auh lebih kecil apabila dibandingkan dengan dimensi dari E X X X X dan A = X X. Dengan menganggap bahwa eigenvektor E X X dari E X X adalah v i sehingga, A Av i = iv i. (. 7) 36 Volume 1 Nomor 1, April 014
4 Jurnal Penelitian eknik Elektro dan eknologi Informasi Dengan mengalikan A pada persamaan (. 7) sehingga : AA Av i = i Avi (. 8) C x Av i = i Avi Berdasarkan pada persamaan (. 8), Av i merupakan eigenvector dari [C] x dengan v i merupakan eigenvector dari A A yang merupakan eigenvector paling signifikan dari [C] x. Dengan metode ini, dimensi dari matriks transformasi [W] akan lebih kecil sehingga beban komputasi akan semakin berkurang. Lebih lanut, matriks transformasi [W] ini uga biasa disebut sebagai eigenface. Proses pengenalan waah dilakukan dengan memanfaatkan perumusan pada persamaan, y W X. (. 9) Algoritme eigenface atau PCA dapat bekera dengan baik apabila setiap dimensi data masukan dikurangi dengan nilai rata-ratanya [7]. Sehingga y merupakan masukan X X yang telah ditransformasi sebesar [W], dengan X merupakan citra waah referensi dan X merupakan rerata citra waah referensi. Citra waah yang akan dikenali uga ditransformasikan sebesar [W] agar menempati bidang yang sama dengan y. Berdasarkan pada persamaan (. 9) sehingga, W Xˆ X (. 10) Dengan merupakan citra waah yang akan dikenali Xˆ yang telah ditransformasikan sebesar [W]. Citra waah Xˆ kemudian akan dicocokkan dengan citra waah referensi berdasarkan nilai minimum dari euclidean distance nya. Perumusannya adalah, k y k. (. 11) Dengan k merupakan nilai euclidean distance dan y merupakan citra waah referensi yang telah k ditransformasikan sebesar [W]. III HASIL DAN PEMBAHASAN Pada bab ini akan dilakukan penguian sistem pengenalan waah yang telah disimulasi dan diimplementasikan pada perangkat lunak MALAB R009A. A. Penguian Pendeteksian Waah Penguian ini dilakukan untuk mengetahui akurasi dari face detector yang telah diimplementasikan. Akurasi dari face detector dihitung berdasarkan perbandingan umlah citra waah yang berhasil dideteksi dengan banyaknya citra waah yang tidak berhasil dideteksi (tidak mampu mendeteksi waah atau mengalami kesalahan dalam mendeteksi waah). Dari percobaan yang telah dilakukan algoritme Viola-Jones dapat mendeteksi waah dengan tingkat akurasi yang cukup tinggi yaitu sebesar 94,3% (4 buah citra masukan tidak berhasil dideteksi dari total 70 citra masukan). Berikut pada Gbr 5 ditunukkan contoh hasil penguian dari pendeteksi waah. Gbr 5 Hasil Penguian Pendeteksi Waah B. Penguian Pengenalan Waah Penguian ini dilakukan untuk mengetahui akurasi dari proses pengenalan waah yang telah diimplementasikan. Akurasi dari proses pengenalan waah dihitung berdasarkan umlah citra waah yang berhasil dikenali dengan benar dibandingkan dengan banyaknya citra waah yang dikenali dengan salah. Contoh citra yang digunakan sebagai citra ui dari sistem pengenalan waah diperlihatkan pada Gbr 6. (a) (b) (c) (d) (e) (f) (g) Gbr 6 Contoh Citra Ui yang Digunakan. Berdasarkan hasil penguian, sistem pengenalan waah yang tidak menggunakan blok pre-processing menghasilkan akurasi sebesar 86,36%. Sedangkan berdasar pada sistem pengenalan waah yang ditambahkan dengan blok pre-processing, mengalami peningkatan akurasi sebesar 9%. Lebih Volume 1 Nomor 1, April
5 lanut, dengan menggunakan blok pre-processing akurasi sistem menadi 95,45%. Hal ini dikarenakan dari sifat metode eigenface yang membandingkan fitur waah referensi dengan waah citra masukan. Fitur yang dibandingkan ini sebenarnya merupakan data pada koordinat kartesian yang telah ditransformasikan sebesar [W] yang mempunyai varians paling tinggi dari sekumpulan citra referensi. iap sumbu pada koordinat kartesian yang telah ditransformasikan sebesar [W] ini merupakan nilai tiap-tiap piksel pada citra referensi. Jadi, keluaran dari proses pengenalan waah akan menghasilkan hasil yang lebih akurat apabila posisi tiap fitur waah seperti mata, hidung, mulut berada pada koordinat yang sama. Dengan adanya blok pre-processing, posisi fitur mata, hidung, mulut diusahakan dalam posisi yang sama dengan citra referensi. Hal ini disebabkan oleh sifat dari blok pre-processing yang berusaha menghasilkan citra dengan hanya berisi waah sepenuhnya dengan cara melakukan segmentasi berbasis warna kulit manusia. [6] R. Dony, he ransform and Data Compression Handbook, Boca Raton: CRC Press LLC, 001. [7] L. I. Smith, A utorial on Principal Component Analysis, 00. IV KESIMPULAN Berdasarkan hasil penelitian yang telah dilakukan, dapat diambil beberapa kesimpulan sebagai berikut : 1. Metode Viola-Jones dan eigenface dapat dikombinasikan sehingga mampu membentuk sistem pengenalan waah yang otomatis.. Algoritme Viola-Jones yang digunakan dalam proses pendeteksian waah sudah mampu beralan dengan baik pada kondisi waah tegak ke depan dengan akurasi sebesar 94,3%. 3. Algoritme eigenface yang digunakan dalam proses pengenalan waah sudah mampu beralan dengan baik pada kondisi waah tegak ke depan dengan akurasi sebesar 95,45%. 4. Algoritme eigenface sangat bergantung pada posisi fitur pada waah seperti mata, hidung, dan mulut sehingga peran dari blok preprocessing cukup vital dalam sistem pengenalan waah yang telah dibuat, terbukti dengan meningkatnya akurasi sistem sebesar 9% dengan penambahan blok pre-processing. REFERENSI [1] S. Z. Li dan A. K. Jain, Handbook of Face Recognition, New York: Springer Science+Business Media, Inc 005, 005. [] M. Agarwal, H. Agrawal, N. Jain dan M. Kumar, Face Recognition using Principal Component Analysis, Eigenface and Neural Network, dalam 010 International Conference on Signal Acquisition and Processing, 010. [3] M. urk dan A. Pentland, Eigenfaces for Recognition, dalam Journal of Cognitive Neuroscience, vol. 3, [4] M. Kirby dan L. Sirovich, Application of the Karhunen- Loeve Procedure for the Characterization of Human Faces, dalam IEEE PAMI Vol 1, [5] P. Viola dan M. Jones, Robust Real-ime Obect Detection, Vancouver, Volume 1 Nomor 1, April 014
BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Home security saat ini sudah menjadi kebutuhan setiap pemilik rumah yang menginginkan tingkat keamanan yang baik. Salah satu sistem keamanan konvensional yang masih
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciPENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)
ISSN: 1693-6930 177 PENGENALAN WAJAH MANUSIA DENGAN MEODE PRINCIPLE COMPONEN ANALYSIS (PCA) Murinto Program Studi eknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus III UAD Jl Prof Dr. Supomo,
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi
Lebih terperinciRancang Bangun Prototipe Aplikasi Pengenalan Wajah untuk Sistem Absensi Alternatif dengan Metode Haar Like Feature dan Eigenface
Rancang Bangun Prototipe Aplikasi Pengenalan Wajah untuk Sistem Absensi Alternatif dengan Metode Haar Like Feature dan Eigenface Wahyu Sulistiyo, Budi Suyanto, Idhawati Hestiningsih, Mardiyono, Sukamto
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciSISTEM VERIFIKASI ONLINE MENGGUNAKAN BIOMETRIKA WAJAH
SISTEM VERIFIKASI ONLINE MENGGUNAKAN BIOMETRIKA WAJAH I Nyoman Piarsa, Riza Hisamuddin Staff Pengajar Teknik Elektro, Fakultas Teknik, Universitas Udayana Kampus Bukit Jimbaran, Bali, 80361 Email: manpits@ee.unud.ac.id
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
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 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 terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
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 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 III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciBAB 1 PENDAHULUAN 1-1
BAB 1 PENDAHULUAN Bab ini menjelaskan mengenai Latar Belakang, Identifikasi Masalah, Tujuan Tugas Akhir, Lingkup Tugas Akhir, Metodologi Tugas Akhir dan Sistematika Penulisan Tugas Akhir. 1.1 Latar Belakang
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciDETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING
DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih 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 Bab ini menjelaskan landasan teori dari metode yang digunakan dalam proses pengenalan wajah, yaitu terdiri atas: metode Eigenface, dan metode Jarak Euclidean. Metode Eigenface digunakan
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN : PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE
PRINCIPAL COMPONENT ANALYSIS UNTUK SISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACE Nunu Kustian Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email: kustiannunu@gmail.com Abstrak
Lebih terperinciSISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM VERIFIKASI WAJAH MENGGUNAKAN JARINGAN SARAF TIRUAN LEARNING VECTOR QUANTIZATION Abdul Fadlil dan Surya Yeki Program Studi Teknik Elektro, Fakultas Teknologi Industri, Univesitas Ahmad Dahlan, Kampus
Lebih terperinciANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO.
ANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO Nurani Fitriyah 1),Dr. Ir. BambangHidayat 2),SuciAulia, ST,MT 3) 1 FakultasTeknikElektro, Telkom University
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciPengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)
JURNAL EKNIK IS ol 1, (Sept, 212) ISSN: 231-9271 A-439 Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA) Ratna Dwi Kartika Rini, Wirawan dan Hendra Kusuma Jurusan eknik Elektro-FI,
Lebih terperinciPEMANFAATAN GUI DALAM PENGEMBANGAN PERANGKAT LUNAK PENGENALAN CITRA WAJAH MANUSIA MENGGUNAKAN METODE EIGENFACES
PEMANFAATAN GUI DALAM PENGEMBANGAN PERANGKAT LUNAK PENGENALAN CITRA WAJAH MANUSIA MENGGUNAKAN METODE EIGENFACES Ni Wayan Marti Jurusan Manajemen Informatika, Fakultas Teknik dan Kejuruan,Universitas Pendidikan
Lebih terperinciABSTRAK. Aplikasi Metode Viola Jones dan Eigenface Untuk Pengenalan Ekspresi Wajah Manusia
ABSTRAK Aplikasi Metode Viola Jones dan Eigenface Untuk Pengenalan Ekspresi Wajah Manusia Disusun Oleh : Ayu Maulidya (1122065) Program Studi Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri,
Lebih terperinciPELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM ABSTRAK ABSTRACT
PELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM Dhanar Intan Surya Saputra 1, Wahyu Septi Anjar 2, Kurnia Aswin Nuzul Ramadhan 3, Riki Aji Pamungkas 4 1234 Program Studi Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. satu bagian sistem biometrika adalah face recognition (pengenalan wajah). Sistem
1 BAB I PENDAHULUAN 1.1. Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia yang memiliki keunikan. Salah satu bagian sistem biometrika
Lebih terperinciABSTRAK. Kata kunci: Citra wajah manusia, Principal Component Analysis (PCA), Eigenfaces, Euclidean Distance. ABSTRACT
16 Dielektrika, ISSN 2086-9487 Vol. 1, No. 1 : 16-23 Pebruai, 2014 EKSTRAKSI CIRI WAJAH MANUSIA MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK SISTEM PENGENALAN WAJAH [Feature Extraction
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 terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB 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 terperinciLAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah
LAPORAN PENELITIAN DOSEN MUDA Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah Oleh : Endah Sudarmilah, S.T, M.Eng Umi Fadlillah, S.T Dibiayai oleh Koordinasi Perguruan Tinggi Swasta Wilayah
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI KEAMANAN PINTU BERBASIS PENGENALAN WAJAH DENGAN METODE EIGENFACE
110 PERANCANGAN DAN IMPLEMENTASI KEAMANAN PINTU BERBASIS PENGENALAN WAJAH DENGAN METODE EIGENFACE Derian Indra Bramantio 1, Erwin Susanto 2, Ramdhan Nugraha 3 1, 2, 3 Fakultas Teknik Elektro, Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinci1. Pendahuluan Perumusan Masalah Dari latar belakang yang dipaparkan di atas, masalah yang dapat dirumuskan adalah:
1. Pendahuluan 1.1. Latar Belakang Wajah manusia dapat menunjukkan dimorfisme seksual yang cukup jelas [1][2][3][4][5]. Wajah pria dan wanita memiliki bentuk dan tekstur yang berbeda, dan petunjuk yang
Lebih terperinciAplikasi Principle Component Analysis (PCA) Untuk Mempercepat Proses Pendeteksian Obyek Pada Sebuah Image
Aplikasi Principle Component Analysis (PCA) Untuk Mempercepat Proses Pendeteksian Obyek Pada Sebuah Image Liliana Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Kristen Petra, Surabaya
Lebih terperinciDAFTAR ISI v. ABSTRACT ii KATA PENGANTAR iii. DAFTAR GAMBAR.vii DAFTAR TABEL...ix
ABSTRAK Dalam laporan tugas akhir ini dijelaskan mengenai suatu sistem pengenal identitas manusia dengan menggunakan wajah sebagai pengenalnya, atau yang lebih dikenal dengan Face Recognition. Tujuan dari
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciPERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES
PERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES TUGAS AKHIR Disusun sebagai salah satu syarat untuk kelulusan Program Strata 1, Program Studi Teknik Informatika, Universitas Pasundan
Lebih terperinciPERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI
PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE EIGENFACE BERBASIS RASPBERRY PI Disusun oleh : Regina Vania Cahyadi (1122003) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciSISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR. Febrian Ardiyanto NIM :
SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE TUGAS AKHIR Oleh Febrian Ardiyanto NIM : 13203137 PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2007
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 terperinciPERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK
PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
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 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 terperinciMEMBANDINGKAN CITRA DIGITAL UNTUK MEMPREDIKSI KETERHUBUNGANNYA
A7 Seminar Nasional Teknologi Informasi 2016 MEMBANDINGKAN CITRA DIGITAL UNTUK MEMPREDIKSI KETERHUBUNGANNYA Pradita Chandra Kurniawan 1) Yulius Denny Prabowo 2) Teknik Informatika Institut Teknologi dan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciAnalisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi Ciri Principal Component Analysis (PCA) dan Overlapping Block
Scientific Journal of Informatics Vol. 2, No. 2, November 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Kinerja Pengenalan Telapak Tangan Menggunakan Ekstraksi
Lebih terperinciHuman Face Detection by using eigenface method for various pose of human face
Human Face Detection by using eigenface method for various pose of human face Esty Vidyaningrum, Prihandoko Undergraduate program, Faculty of Industrial Technology, 2009 Gunadarma University http://www.gunadarma.ac.id
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Berikut adalah alur metodologi penelitian yang akan digunakan dalam menyelesaikan penelitian tugas akhir ini : 3.2 Pengumpulan Data Gambar 3.1
Lebih terperinciImplementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia
Nusantara of Engineering/Vol. 2/ No. 1/ISSN: 2355-6684 65 Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia Rina Firliana, Resty Wulanningrum, Wisnu Sasongko Jurusan Teknik
Lebih terperinciSISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION
SISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION Putri Nurmala 1 ; Wikaria Gazali 2 ; Widodo Budiharto 3 1, 2 Mathematics and Statistics Department, School of Computer Science,
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciPrototype Pendeteksi Jumlah Orang Dalam Ruangan
e-issn: 2528-4053 36 Prototype Pendeteksi Jumlah Orang Dalam Ruangan Nesi Syafitri 1, Adri 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Riau E-mail: nesisyafitri@uir.ac.id, adrisaputra91@gmail.com
Lebih terperinciFace Identification For Presence Applications Using Violajones and Eigenface Algorithm
Face Identification For Presence Applications Using Violajones and Eigenface Algorithm Chandra Kirana Jurusan Teknik Informatika, STMIK Atma Luhur Pangkalpinang Jl. Jend. Sudirman Pangkalpinang (0717)
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK APLIKASI SISTEM KEAMANAN RUMAH
PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK APLIKASI SISTEM KEAMANAN RUMAH Diah Eka Puspitasari 1), Achmad Hidayatno, ST., MT. 2), Ajub Ajulian Zahra, ST., MT. 2) Jurusan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciSistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones
Sistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones M. Dwisnanto Putro Mahasiswa Magister Instrumentasi Teguh Bharata Adji Staf Pengajar Jurusan Teknik Bondhan Winduratna Staf Pengajar Jurusan Teknik
Lebih terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciREALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI ABSTRAK
REALISASI SISTEM PENJEJAKAN WAJAH DENGAN ALGORITMA FISHERFACE BERBASIS RASPBERRY PI Disusun oleh : Natalio Andor Pangihutan Sihite (1022052) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciAPLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI
APLIKASI PENGENALAN KARAKTER HURUF HIJAIYAH UNTUK PENDIDIKAN ANAK USIA DINI (PAUD) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih 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 terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciDeteksi Senyum Menggunakan Fitur Gabor dan Histograms of Oriented Gradients pada Bagian Mulut, Hidung, dan Mata
Deteksi Senyum Menggunakan Fitur Gabor dan Histograms of Oriented Gradients pada Bagian Mulut, Hidung, dan Mata Berty Chrismartin Lumban Tobing Fakultas Ilmu Komputer Universitas Indonesia Depok berty.chrismartin@ui.ac.id
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
Lebih terperinciMenurut Ming-Hsuan, Kriegman dan Ahuja (2002), faktor-faktor yang mempengaruhi sebuah sistem pengenalan wajah dapat digolongkan sebagai berikut:
BAB 2 LANDASAN TEORI Bab ini akan menjelaskan berbagai landasan teori yang digunakan oleh penulis dalam penelitian ini dan menguraikan hasil studi literatur yang telah dilakukan penulis. Bab ini terbagi
Lebih terperinciSistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones
Jurnal Emitor Vol.17 No. 01 ISSN 1411-8890 Sistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones Adinda Rizkita Syafira Program Studi Informatika Universitas Muhammadiyah Surakarta (UMS) Surakarta,
Lebih terperinciSIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN
SIMULASI PENGENALAN WAJAH MANUSIA MENGGUNAKAN METODE ANALISIS DISKRIMINAN LINEAR DUA DIMENSI (2D-LDA) DENGAN JARAK MANHATTAN, CANBERRA DAN EUCLIDEAN Rivaldi MHS *), Ajub Ajulian Zahra, Imam Santoso, and
Lebih terperinciJournal of Control and Network Systems
JCONES Vol 3, No 1 (14) 29-36 Journal of Control and Network Systems Situs Jurnal : http://jurnalstikomedu/indexphp/jcone APLIKASI PENGENALAN WAJAH PADA MOBILE ROBOT OMNIDIRECTIONAL MENGGUNAKAN METODE
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciORIENTASI CITRA SECARA OTOMATIS BERDASARKAN KEBERADAAN WAJAH MENGGUNAKAN FITUR HAAR-LIKE
pissn: 2442-3386 eissn: 2442-4293 Vol 1 No 1 January 2015, 1-6 ORIENTASI CITRA SECARA OTOMATIS BERDASARKAN KEBERADAAN WAJAH MENGGUNAKAN FITUR HAAR-LIKE Ahmad Hifdhul Abror 1, Handayani Tjandrasa 2 1 Pusat
Lebih terperinci