Muhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
|
|
- Vera Sucianty Sumadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe 21 mail : masnasir_poli@yahoo.com Abstrak Sistem biometrik adalah sistem untuk melakukan identifikasi dengan cara menggunakan ciri-ciri fisik atau anggota tubuh manusia, seperti sidik jari, wajah, iris dan retina mata, suara. Teknologi biometrik ini memiliki beberapa kelebihan seperti tidak mudah hilang, tidak dapat lupa, tidak mudah dipalsukan, dan memiliki keunikan yang berbeda antara manusia satu dengan yang lain. Salah satu cara yang digunakan dalam sistem biometrik dengan kehandalan sangat tinggi dan sangat sering digunakan dalam investigasi kriminal adalah pengenalan sidik jari. Sistem pengenalan sidik jari bertujuan untuk mengidentifikasi sidik jari seseorang. Metode yang biasanya digunakan adalah metode minutiae dan metode image-matching. Paper ini mengusulkan klasifikasi dan pengenalan sidik jari tertumpuk menggunakan metode image-matching dengan metode Learning Vector Quantization (LVQ) dengan pemrosesan awal filter, binerisasi dan thinning. Penelitian ini bertujuan untuk menemukan karakteristik dan hasil terbaik dalam melakukan klasifikasi dan pengenalan sidik jari tertumpuk menggunakan metode Learning Vector Quantization (LVQ) dengan pemrosesan awal filter, binerisasi dan thinning. Kata kunci: pengenalan, sidik jari/fingerprint, Learning Vector Quantization. 1. Pendahuluan Sistem biometrik adalah sistem untuk melakukan identifikasi dengan cara menggunakan ciri-ciri fisik atau anggota badan manusia, seperti sidik jari, wajah, iris dan retina mata, suara [1]. Teknologi biometrik ini memiliki beberapa kelebihan seperti tidak mudah hilang, tidak dapat lupa, tidak mudah dipalsukan, dan memiliki keunikan yang berbeda antara manusia satu dengan yang lain [2,, & ]. Salah satu cara yang digunakan dalam sistem biometrik dengan kehandalan sangat tinggi dan sangat sering digunakan oleh para ahli forensik di dalam investigasi kriminal adalah pengenalan sidik jari. Sistem pengenalan sidik jari bertujuan untuk mengidentifikasi sidik jari seseorang. Metode yang digunakan adalah metode minutiae dan metode image-matching []. Metode minutiae unggul dari segi kecepatan dibandingkan dengan metode image matching, namun rendah dari segi hasil keakuratan identifikasi/pengenalan. Sebaliknya, metode image matching unggul dari segi keakuratan pengenalan, namun rendah dari segi kecepatan proses [6].
2 Analisis citra bertujuan mengidentifikasi parameter-parameter yang diasosiasikan dengan ciri (feature) dari obyek di dalam citra, untuk selanjutnya parameter tersebut digunakan dalam menginterpretasi citra. Analisis citra pada dasarnya terdiri dari tiga tahapan: ekstraksi ciri (feature extraction), segmentasi, dan klasifikasi. [7] Pada penelitian sebelumnya (Nasir Muhammad, 2012) membahas mengenai pengujian kualitas citra sidik jari kotor dengan metode Learning Vector Quantization (LVQ) dengan jumlah kelas pada pengujian seluruhnya 20 kelas dengan tiap kelas terdiri dari 10 citra yang menghasilkan peningkatan kualitas citra sidik jari sebesar 87%.[8]. Pada penelitian (Supriyono, Yoyok, 2009) mengenai deteksi kerusakan citra sidik jari diantaranya sidik jari, diantaranya sidik sidik jari kotor,sidik jari berminyak, sidik jari sebagian,sidik jari rotasi.sedangkan ekstraksi ciri menggunakan pemisah luasan defect dan non defect dan deteksi menggunakan metode Learning Vector Quantization (LVQ). Hasil yang diperoleh dari penelitian tersebut citra sidik jari sebagian akurasi mencapai 100%, citra sidik jari kotor 8%, sidi jari berminyak 96,6%, sidik jari rotasi 8 % [9]. Faktor kunci dalam mengekstraksi ciri adalah kemampuan mendeteksi keberadaan tepi (edge) dari obyek di dalam citra [8]. Faktor utama yang sangat menentukan hasil pengenalan sidik jari adalah kualitas citra input yang digunakan. Saat ini jaringan syaraf tiruan berkembang dengan pesat dan telah diupayakan untuk berbagai aplikasi, salah satu aplikasinya adalah pengenalan pola sidikjari. Learning Vector Quantizations (LVQ) merupakan suatu metode klasifikasi pola yang masing-masing unit mewakili kategori atau kelas tertentu [10]. Dalam makalah ini dilakukan pengembangan Jaringan LVQ dalam mengklasifikasi sidik jari dengan pemrosesan awal filter, binerisasi dan thinning. 2. Metodelogi PPOCSSING FATU XTACTION IMAG CLASSIFICATION SGMNTATION Gambar 1. Alur Penelitian Secara Umum ksperimen ini dilakukan dengan mengambil citra sidik jari standar FVC2000 DB1_B (berukuran 00x00 piksel) sebagai data input. Jumlah citra sidik jari pada FVC2000 DB1_B ini sebanyak 80 citra, dari 10 orang dimana masing-masing orang sebanyak 8 posisi pengambilan yang berbeda. Citra sidik jari tertumpuk diperoleh dengan melakukan proses substraksi antara dua buah citra sidik jari tunggal/normal.
3 C i t r a I n p u t S i d i k J a r i P P O C S S I N G M e d i a n F ilte r B i n e r i s a s i T h i n n i n g F A T U X T A C T I O N L e a r n i n g V e c t o r Q u a n tiz a tio n K la s ifik a s i/ P e n g e n a l a n P o l a S i d i k J a r i Gambar 2. Sidik Jari menggunakan Pemrosesan Awal Filter dengan ktraksi Fitur menggunakan Wavelet Jumlah sidik jari yang diambil sebagai sampel adalah sebanyak 7, 8, 9, dan 10 kelas masing-masing 8 posisi. Masing-masing kelas dilakukan kali pengujian dengan citra posisi ke 2 sebagai bobot awal pelatihan. Data testing tidak termasuk ke dalam data training (bila data citra termasuk ke dalam data training, maka data tersebut tidak dilakukan testing, demikian pula sebaliknya) dengan jumlah data training dan data testing per kelas yang berbeda (lihat tabel hasil eksperimen). Masing-masing kelompok sampel di atas diterapkan pada pengenalan sidik jari tertumpuk dengan pemrosesan awal filter, binerisasi, dan thinning. Transformasi wavelet digunakan untuk mengekstraksi ciri dengan dekomposisi sebanyak tiga kali sehingga citra menjadi berukuran 7x7 piksel. Preprocessing dilakukan dengan menerapkan median filter sebagaimana terlihat pada Gambar 2.. Hasil ksperimen dan Pembahasan Tabel 1. Hasil ksperimen dari 80 Citra Sidik Jari dengan , 76, , 7, ata-rata 77,9 76,28 Tabel 2. Hasil ksperimen dari 72 Citra Sidik Jari dengan 9 77,78 7 7,07 77,78 77,78 70,7 ata-rata 7,92 7,1
4 Tabel. Hasil ksperimen dari 6 Citra Sidik Jari dengan ,88 70, ,7 70,8 ata-rata 72,7 7,19 Tabel. Hasil ksperimen dari 6 Citra Sidik Jari dengan 7 77,1 71, 76, , 76,19 ata-rata 7,92 7,87 Tabel. ekapitulasi ata-rata Hasil ksperimen ,9 7,92 72,7 7,92 76,28 7,1 7,19 7,87 ata-rata 7,12 7,16 Pada hasil eksperimen di atas menggambarkan bahwa dalam melakukan klasifikasi dan pengenalan sidik jari tertumpuk menggunakan metode image-matching dengan metode Learning Vector Quantization (LVQ) dengan pemrosesan awal filter, binerisasi dan thinning, karakteristik terbaik akan diperoleh apabila semakin banyak jumlah kelas dan jumlah citra yang digunakan. Hasil terbaik dalam melakukan klasifikasi dan pengenalan sidik jari tertumpuk menggunakan metode imagematching dengan metode Learning Vector Quantization (LVQ) dengan pemrosesan awal filter, binerisasi dan thinning ini adalah berada pada jumlah kelas dan jumlah citra tertinggi. ata-rata tingkat pengenalan sidik jari yang ditumpuk lebih tinggi 0,0% dibandingkan dengan sidik jari tunggal/normal. Dengan demikian ujicoba jaringan syaraf tiruan tersebut menunjukkan bahwa jaringan LVQ yang dibangun dengan ekstraksi ciri berbasis Transformasi Wavelet dengan pemrosesan awal menggunakan median filter, binerisasi dan thinning dapat berfungsi baik.
5 Gambar. Grafik Hasil ksperimen dari 80 Citra Sidik Jari dengan 10 Gambar. Grafik Hasil ksperimen dari 72 Citra Sidik Jari dengan 9 Gambar. Grafik Hasil ksperimen dari 6 Citra Sidik Jari dengan 8
6 Gambar 6. Grafik Hasil ksperimen dari 6 Citra Sidik Jari dengan 7. Kesimpulan Dari hasil eksperimen di atas, dapat disimpulkan bahwa semakin banyak jumlah kelas dan jumlah citra yang digunakan dalam jaringan LVQ yang dibangun dengan ekstraksi ciri berbasis Transformasi Wavelet dengan pemrosesan awal menggunakan median filter, binerisasi dan thinning pada citra sidik jari tertumpuk, maka semakin tinggi tingkat pengenalannya. ata-rata tingkat pengenalan sidik jari yang tertumpuk lebih tinggi 0,0% dibandingkan dengan sidik jari tunggal/normal.. eferensi [1] Gonzalez,. C. and Wintz, P, Digital Image Processing, Addison Wesley., 199 eading, MA. [2] Jain, Anil and Pankanti, Sharath, Fingerprint Classification and Matching, [] Arun oss, Anil Jain dan James esimen, A Hybrid Fingerprint Matcher, Appeared in Proc. Of International Conference on Pattern ecognition (ICP), Quebec City, 2002, [] Virginia spinosa, Minutiae Detection Algorithm for Fingerprint ecognition, ICCST, [] Karthik Nandakumar, Anil K. Jain, Local Correlation-based Fingerprint Matching, Proceedings of ICVGIP, 200, Kolkata. [6] Dunham, Margaret H., Data Mining Introductory and Advanced Topics, Pearson ducation Inc, Upper Saddle iver, New Jersey 078, 200, pp [7] Kim, James, H.H., Face Detection and Face ecognition, 200, Survey Papaer,. [8] Nasir, Muhammad, Pengujian Kualitas Citra Sidik Jari Kotor Menggunakan Learning Vector Quantization, Jurnal Litek, pp 6-69, 200. [9] Supriyono, Yoyok, Deteksi Kerusakan Citra Sidik Jari Menggunakan Learning Vector Quantization, Seminar Nasional Teknologi Informatika dan Automasi, Surabaya, pp 72-7, [10] Fauzett, Laurene, Fundamentals of Neural Networks, Arcihitectures, Algorithms, and Applications, Prentice Hall-Inc., Canada, 199.
Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation
th Seminar on Intelligent Technology and Its Applications, SITIA 00 ISSN: 087-33X Deteksi Citra Sidik Jari Terotasi Menggunakan Metode Phase-Only Correlation Cahyo Darujati,3 Rahmat Syam,3 Mochamad Hariadi
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 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 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 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 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 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 terperinciAnalisis dan Perancangan Transformasi Wavelet. Untuk Jaringan Syaraf Tiruan pada. Pengenalan Sidik Jari
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap 2005 / 2006 Analisis dan Perancangan Transformasi Wavelet Untuk Jaringan Syaraf Tiruan pada Pengenalan Sidik
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciAdiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER
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 terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 1 NO. 1 MARET 2010
IDENTIFIKASI SIDIKJARI DENGAN EKSTRAKSI CIRI BERBASIS TRANSFORMASI WAVELET HAAR Minarni 1 ABSTRACT This research investigated a possible fingerprint identification system. The fingerprint images were preprocessed
Lebih terperinciBAB I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih 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 terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih 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 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 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 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 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 terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciBAB 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 terperinci1.1 Latar Belakang. Universitas Indonesia
BAB 1 PENDAHULUAN Bab ini menjelaskan latar belakang penelitian tugas akhir, pernyataan permasalahan yang timbul dari latar belakang tersebut, tujuan penelitian, batasan masalah, manfaat penelitian, tahapan
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih 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 II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Penelitian maupun pembuatan aplikasi mengenai pengenalan karakter / pengenalan pola ataupun yang berhubungan dengan Jaringan Syaraf Tiruan terlebih dengan metode Backpropagation
Lebih terperinciPengukuran Blok Window Terbaik Berdasarkan MSE...
Pengukuran Blok Window Terbaik Berdasarkan MSE... (Dwiyanto dkk.) PENGUKURAN BLOK WINDOW TERBAIK BERDASARKAN MSE UNTUK SEGMENTASI CITRA SIDIK JARI BERBASIS MEAN DAN VARIANS Dwiyanto *, Agus Bejo, Risanuri
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 terperinciHardisk 80 GB Perangkat lunak Window XP Profesional MATLAB 7.0.1
Hardisk 8 GB Perangkat lunak Window XP Profesional MATLAB 7..1 HASIL DAN PEMBAHASAN Percobaan yang dilakukan pada penelitian ini terdiri atas dua macam, yaitu citra yang akan mengalami proses pengenalan
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 terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada
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 terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector
BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko
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 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 terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih 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 terperinciPengenalan Pola Garis Telapak Tangan Menggunakan Metode Fuzzy K- Nearest Neighbor
Pengenalan Pola Garis Telapak Tangan Menggunakan Metode Fuzzy K- Nearest Neighbor Nurul Fajriani 1, Jayanti Yusmah Sari 2 Program Studi Teknik Informatika Universitas Halu Oleo Kendari, Indonesia nfajriani96@gmail.com
Lebih terperinciBAB I PENDAHULUAN. sesuai dengan berbagai macam pemikiran manusia. Banyak teori-teori maupun
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berjalannya waktu ilmu pengetahuan semakin berkembang pesat sesuai dengan berbagai macam pemikiran manusia. Banyak teori-teori maupun aplikasi baru yang lahir
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih 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 terperinciIDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ)
IDENTIFIKASI IRIS MATA MENGGUNAKAN TAPIS GABOR WAVELET DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ) Budi Setiyono, R. Rizal Isnanto *) Abstract Biometric represents the human identification
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 terperinciTOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA
Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan
Lebih terperinciKlasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ
Klasifikasi Identitas Wajah Untuk Otorisasi Menggunakan Deteksi Tepi dan LVQ Gilang Ramadhan *, Esmeralda C Djamal, Tedjo Darmanto Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl.
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN DFT (DISCRETE FOURIER TRANSFORM) Cilla Sundari 1, Muhammad Nasir 2, Hari Toha Hidayat 3 Program Studi Teknik Informatika, Jurusan Teknologi
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 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 terperinciAplikasi Pengenalan Citra Chord Gitar Menggunakan Learning Vector Quantization (LVQ)
95 Aplikasi Pengenalan Citra Chord Gitar Menggunakan Learning Vector Quantization (LVQ) Imam Suderajad *), Tamam Asrori **), Mohammad ***), Dwi Prananto ****) Teknik Elektro, Universitas Panca Marga Email:
Lebih terperinciPengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet
Tersedia secara online di: http://journal.ipb.ac.id/index.php.jika Volume 1 Nomor 1 halaman 7-12 ISSN: 2089-6026 Pengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet Hand-Written
Lebih terperinciAPLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
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 terperinciSISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Oleh: Bakhtiar Arifin (1206 100 722) Dosen Pembimbing: Prof. DR. M.
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
Lebih terperinciPerancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik
JURNAL ILMIAH SEMESTA TEKNIKA Vol. 17, No. 2, 157-165, Nov 2014 157 Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik (Software Design for Feature Extraction and Classification
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 terperinciPengantar Mata Kuliah Pengolahan Citra
Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Pengantar Mata Kuliah Pengolahan Citra Content: 1. Tujuan mata kuliah Pengolahan Citra 2. Apa saja yang bisa dikerjakan dengan
Lebih terperinciBAB 6 SIMPULAN DAN SARAN
39 BAB 6 SIMPULAN DAN SARAN 6.1 Simpulan Dari penelitian yang telah dilakukan hingga mendapatkan hasil yang cukup memuaskan, maka ada beberapa kesimpulan yang dapat peneliti berikan, 1. Teknik ekstraksi
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 terperinciPENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN
PENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN Bagus Fadzerie Robby 1), Resty Wulanningrum 2) 1), 2) Universitas Nusantara PGRI Kediri 1), 2) Jl. KH. Achmad Dahlan 76, Kediri, Jawa Timur 64112 Email
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
Lebih terperinciIJNS Indonesian Journal on Networking and Security - Volume 5 No ijns.org
Identifikasi Ikan Mentah Ber Menggunakan Nilai HSV Dan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) Dari Citra Ikan Mentah Achmad Lukman 1), Asih Winantu 2) 1 Teknik Komputer, STMIK EL RAHMA,
Lebih terperinciPENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2)
PENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2) SKRIPSI Disusun Sebagai Salah Satu Syarat Menyelesaikan Program Studi
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 terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2005/2006
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2005/2006 SISTEM AUTENTIFIKASI DENGAN PENGENALAN IRIS Kent Kadim 0600618004 Yuwanly 0600660795 Abstrak
Lebih terperinciDETEKSI PENYAKIT KULIT MENGUNAKAN FILTER 2D GABOR WAVELET DAN JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION
1.1 Latar Belakang BAB I PENDAHULUAN Kulit merupakan pelindung tubuh kita pertama kali dari benda asing yang masuk ke dalam tubuh. Kulit terdiri dari lapisan epidermis berupa lapisan kulit mati dan dermis
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 terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54521 / Pengolahan Citra Digital Revisi - Satuan Kredit Semester : 3 SKS Tgl revisi : - Jml Jam kuliah dalam seminggu
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
Lebih terperinciPENGARUH POSISI DAN PENCAHAYAAN DALAM IDENTIFIKASI WAJAH
Seminar Nasional Teknologi Informasi & Komunikasi Terapan 11 (Semantik 11) ISBN --- PENGARUH POSISI DAN PENCAHAYAAN DALAM IDENTIFIKASI WAJAH Ricardus Anggi Pramunendar FTMK, Univesity Teknikal Malaysia
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. 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 terperinciPENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN MODEL PROPAGASI BALIK
ABSTRAK PENGENALAN SUARA MANUSIA DENGAN MENGGUNAKAN Dosen Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Pada penelitian ini dibuat sebuah sistem pengenalan suara manusia dengan
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciKLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION
KLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION Resty Wulanningrum 1), Bagus Fadzerie Robby 2) 1), 2) Teknik Informatika, Fakultas Teknik Universitas Nusantara PGRI Kediri Kampus 2 Universitas
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 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 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 terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciPembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD)
Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 1, Januari 2003, hal 5-10 Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Kusworo Adi Laboratorium Instrumentasi dan Elektronika
Lebih terperinciANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA
ANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA Wikaria Gazali; Alexander Agung Santoso Gunawan Mathematics & Statistics Department, School of Computer Science,
Lebih terperinciSISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
SISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Pradityo Utomo 1) dan Setiyo Daru Cahyono 2) 1) Program Studi Magister Ilmu Komputer, Universitas
Lebih terperinci