BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
|
|
- Adi Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 syaraf tiruan backpropagation yaitu 1. Dalam penelitian yang dilakukan oleh Andri Suryadi (2006) dengan skripsi berjudul Sistem Pengenalan Wajah Menggunakan Metode Principal Component Analysis Dengan Algoritma Fuzzy C-Means menghasilkan nilai rata-rata akurasi 80,66%. Tahapan proses pengenalan wajah yang dilakukan dalam penelitian ini, pertama dilakukan tahapan praproses pendeteksian wajah menggunakan Opencv, setelah itu tahap image processing dengan mengubah citra menjadi citra keabuan. Tahap kedua yaitu tahap ekstraksi wajah menggunakan PCA, dan tahap terakhir yaitu tahap pengelompokan menggunakan algoritma fuzzy C-means. 2. Kemudian penelitian yang dilakukan oleh Zakky Wildan (2011) dengan skripsi berjudul Implementasi Pengenalan Objek Dua Dimensi dengan Menggunakan Metode Backpropagation Multilayer Neural Network dan Higher Order Neural Network menghasilkan nilai akurasi lebih dari 60%. Tahapan proses pengenalan objek dua dimensi yang dilakukan dalam penelitian ini, pertama citra ditangkap menggunakan web camera, lalu dilakukan beberapa image processing yaitu pengubahan citra
2 9 menjadi citra keabuan, setelah itu pendeteksian tepi (edge) menggunakan algotima SUSAN, mengubah citra keabuan menjadi citra binary, lalu ke proses shape extraction melakukan resize citra menjadi berukuran 20 x 20 piksel. Kedua merupakan tahap pengelompokan dan pengenalan menggunakan backpropagation multilayer neural network dan higher order neural network. 3. Terakhir penelitian yang dilakukan oleh Miftachul Jannah (2012) dengan skripsi berjudul Sistem Pengenalan Wajah 2D Menggunakan Jaringan Syaraf Tiruan Algoritma Backpropagation dan Metode Eigenface Principal Component Analysis menghasilkan nilai akurasi lebih dari 70%. Tahapan proses pengenalan objek dua dimensi yang dilakukan dalam penelitian ini, pertama citra disimpan dalam sebuah folder database, lalu dilakukan image processing yaitu pengubahan citra menjadi grayscale, setelah itu citra diekstraksi untuk mereduksi noise dan pengambilan ciri menggunakan eigenface PCA. Kemudian proses pelatihan jaringan dengan algoritma backpropagation dan terakhir proses pengenalan wajah. 2.2 Pengenalan Wajah Wajah merupakan bagian dari tubuh yang berperan penting dalam proses penyampaian ciri, identitas dan emosi seseorang. Kemampuan manusia dalam mengenali wajah sering terjadi secara tidak sadar, manusia mampu mengenali ribuan wajah sepanjang hidupnya dan mengidentifikasi wajah yang sekilas
3 10 dikenalnya sampai beberapa tahun kemudian. Proses ini berlangsung begitu cepat dan dapat tersimpan cukup lama dalam memori manusia walaupun wajah yang dikenalnya memiliki banyak perubahan visual seperti adanya perubahan kondisi, ekspresi, sudut pandang, penuaan dan penambahan aksesoris seperti kacamata, topi sampai adanya perubahan gaya rambut (Turk, M., Pentland, A. 1991:1). Oleh karena itu wajah digunakan sebagai acuan indikasi untuk mengenali seseorang. Pengenalan wajah merupakan salah satu bagian sistem biometrik yang banyak diaplikasikan khususnya dalam sistem security. Sistem absensi dengan wajah, mengenali pelaku tindak kriminal dengan CCTV adalah beberapa aplikasi dari pengenalan wajah. Efisiensi dan akurasi menjadi faktor utama mengapa pengenalan wajah banyak diaplikasikan khususnya dalam sistem security. Penelitian terhadap pengenalan wajah manusia sudah banyak dilakukan dengan kelebihan dan kekurangan tertentu, hal ini disebabkan karena wajah manusia merepresentasikan sesuatu yang kompleks dan mengembangkan model komputasi untuk pengenalan wajah manusia adalah hal yang sulit (Samuel Lukas, 1999:1). Pengenalan wajah dibagi menjadi dua bagian yaitu dikenali dan tidak dikenali. Kesulitan muncul ketika wajah dipresentasikan dalam suatu pola yang berisi informasi unik yang membedakan dengan wajah lain. Metode pengenalan wajah memiliki dua prosedur (Joko Hartono, 2009), yaitu a. Featured-based yaitu pengenalan kontur wajah dengan mengenali bentuk hidung, mata, mulut dan bentuk korelasi diantara keduanya. Karakteristik organ tersebut kemudian dinyatakan dalam bentuk vektor.
4 11 b. Image-based yaitu analisis komponen wajah secara keseluruhan. Berdasarkan dari konsep ini, perhitungan model terbaik yang menjelaskan bentuk wajah dengan mengutip informasi paling relevan yang terkandung didalam wajah tersebut. Secara garis besar tahapan pengenalan wajah terdiri dari beberapa garis besar, yaitu 1. Pengambilan Citra Pengambilan citra ini dilakukan oleh user dan dapat dilakukan dengan beberapa pilihan media seperti: kamera digital, web camera, ponsel dan lain-lain. Setelah itu menyimpan data tersebut kedalam komputer sehingga dapat digunakan untuk proses selanjutnya. 2. Pengelompokan Pengelompokan ini dilakukan oleh user dengan tujuan agar nama citra terurut, sehingga sistem dapat memproses nya dengan lebih optimal dan lebih cepat. 3. Image Processing Tahap ini dilakukan oleh sistem, dalam pengenalan wajah biasa disebut pra-proses yang merupakan tahap dimana citra tersebut disiapkan agar dapat diproses lebih lanjut dan bertujuan agar sistem berjalan secara optimal dan cepat. Beberapa proses yang dilakukan dalam image processing yaitu seperti mengubah format warna citra dan mereduksi dimensi citra.
5 12 4. Feature Extraction Tahapan ini dilakukan oleh sistem menggunakan metode tertentu, dimana akan dicari informasi yang merupakan ciri dari citra wajah. Ciri tersebut pada umumnya akan selalu tetap untuk setiap manusia dewasa karena sudah tidak mengalami masa pertumbuhan dan selalu berbedabeda pada setiap orang, sehingga dapat dijadikan acuan untuk mendapatkan identitas dari suatu wajah. Dibalik kemudahan pengenalan wajah, terdapat beberapa masalah yang mungkin timbul ketika proses pengenalan wajah, yaitu a. Perubahan Skala Citra seseorang dapat direpresentasikan berbeda yang diakibatkan perbedaan jarak saat pengambilan citra dengan media tertentu, semakin dekat jarak maka citra wajah akan semakin jelas dan besar. b. Perubahan Posisi Citra seseorang dapat direpresentasikan berbeda yang diakibatkan perubahan posisi seseorang ataupun perubahan sudut pengambilan. Misalnya posisi wajah tegak, menoleh (10 0, 20 0, 30 0, 45 0, 60 0 ) atau tampak samping. c. Perubahan Cahaya Citra seseorang dapat direpresentasikan berbeda yang diakibatkan perubahan kondisi yang terjadi pada saat pengambilan citra, seperti:
6 13 intensitas cahaya pada ruangan, arah sumber cahaya dan karakteristik lensa dari media yang digunakan. d. Perubahan Detail dan Ekspresi Citra seseorang dapat direpresentasikan berbeda yang diakibatkan perubahan detail secara fisik seperti mulai tumbuhnya janggut, kumis, pemakaian aksesoris, perubahan gaya rambut dan perubahan ekspresi wajah seperti tertawa, tersenyum, sedih, muram, berbicara, menangis dan lain sebagainya yang dapat mengakibatkan perubahan visual citra. 2.3 Pengolahan Citra Pengolahan citra merupakan suatu proses yang dilakukan dengan input berupa citra dan output nya pun berupa citra. Proses ini dilakukan pada citra data training sebelum proses feature extraction (pengambilan ciri). Terdapat dua hal mendasar dalam memahami proses pembentukan citra, yaitu 1. Geometri formasi citra yang menentukan lokasi suatu titik dalam pemandangan yang diproyeksikan pada bidang citra. 2. Fisik cahaya yang menentukan brightness suatu piksel citra sebagai fungsi pencahayaan. Oleh karena itu, diperlukan penghubung antara notasi matematika untuk mengembangkan algoritma pengolahan citra dan notasi algoritma yang digunakan untuk pembuatan program komputer yang disimpan kedalam sistem penyimpanan memori dua dimensi yang disebut larik (array).
7 14 Tujuan utama dari pengolahan citra ini adalah untuk perbaikan data citra dengan menekan noise yang tidak diinginkan pada citra sehingga dapat diproses dan dianalisa lebih lanjut. Pada proses ini citra dinormalisasikan agar lebih siap untuk diolah pada proses selanjutnya dan kualitas yang dihasilkan tergantung pada proses pengolahan citra. Proses ini memiliki tahapan-tahapan tertentu dengan berbagai metode dan perhitungan sesuai dengan kebutuhan penelitian. Tahapan pengolahan citra yang dilakukan dalam penilitian ini adalah sebagai berikut: Pra-Proses Tahapan dalam proses ini dilakukan oleh sistem dan merupakan proses awal dari sistem pengenalan wajah sebelum proses pengambilan ciri, inti dari proses ini adalah melakukan normalisasi pada citra yang akan diolah. Dalam tahap ini terdapat 2 proses utama yaitu 1. RGB to Grayscale Proses ini merupakan proses konversi warna pada citra RGB (Red- Green-Blue) menjadi citra grayscale (keabuan). Grayscale pada sebuah image digital adalah citra yang pada setiap pikselnya hanya berisikan informasi intensitas warna putih dan hitam. Citra grayscale lebih mudah untuk diproses karena mengandung nilai yang lebih sedikit yaitu 8bit warna daripada citra RGB dengan 24bit warna. Citra berwarna setiap pikselnya terdiri dari gabungan tiga warna yaitu merah (R), hijau (G) dan Biru (B). Berikut ini persamaan yang digunakan untuk mengubah citra RGB menjadi citra grayscale:
8 15 Grayscale = (R*0,2126) + (G*0,7152) + (B*0,0722) Ket: R = Warna merah, G = Warna hijau, B = Warna biru Banyak metode yang digunakan untuk mengubah citra RGB menjadi grayscale, namun pada persamaan diatas yang juga digunakan dalam penelitian ini yaitu metode luminance. Metode ini banyak dipakai dalam perangkat lunak serta video dikarenakan lebih menitikberatkan pada nilai hijau dengan anggapan manusia lebih cenderung sensitif dengan warna hijau daripada warna lainnya. 2. Dimension Reduction Merupakan proses untuk mengubah dimensi citra yang pada penelitian ini adalah mengubah dimensi citra 2D menjadi citra 1D. Proses ini bertujuan untuk memperkecil ukuran citra yang diolah, sehinggan mempercepat proses selanjutnya. Hasil dari reduksi ini adalah matriks kolom, yang selanjutnya dimasukkan kedalam matriks augmentasi Eigenface PCA Tahapan ini merupakan proses pengambilan ciri dari suatu citra yang nantinya nilai yang didapatkan akan dianalisa dalam proses perhitungan kesamaan jarak (Similimarity Distance Measure). Dalam penelitian ini penulis menggunakan algoritma eigenface berbasi PCA (Principal Component Analysis) untuk proses
9 16 pengambilan ciri, hal ini dikarenakan algoritma ini cepat, sederhana dan dapat menyesuaikan dengan environtment yang ditentukan. Sebuah citra wajah dapat dilihat sebagai sebuah vektor yang jika panjangnya W dan H piksel, maka jumlah komponen dari vektor ini adalah WxH (setiap piksel dikodekan oleh satu komponen vektor) dan vektor wajah tersebut berada dalam ruang wajah (ruang-eigen) yang merupakan ruang dari semua citra. Namun keseluruhan ruang citra bukanlah ruang yang optimal untuk menggambarkan wajah, oleh karena itu dibutuhkan cara yang bertujuan untuk membentuk sebuah ruang wajah yang dapat menggambarkan wajah dengan lebih baik. PCA digunakan untuk mereduksi dimensi dari sekumpulan atau ruang citra, sehingga bisa mendapatkan ruang wajah yang lebih baik. Berikut ini langkahlangkah pencarian eigenface dan fitur PCA-nya: 1. Sebagai contoh, terdapat 5 citra 2D berukuran 3x4 piksel dalam data training. Mulanya citra 2D dirubah menjadi citra 1D dan disimpan kedalam matriks T = [a1 a2 a3 a4 a5]. Kemudian cari nilai rata-rata (m) dari tiap baris yang ada dalam matriks T, erikut persamaan yang dipakai: m = (sum_baris_ke_i) / (jml_baris_ke_i) Setelah itu kurangi tiap nilai yang ada dalam matriks T dengan nilai rata-rata yang sesuai dengan baris hasil pengurangannya dan hasil dari pengurangan tersebut dimasukan ke dalam matriks A. A = T - m
10 17 2. Setelah mendapatkan matriks A, lalu hitung matriks kovarian L dengan cara mengalikan matriks A dengan transposenya (A ). Berikut persamaannya: L = A x A 3. Selanjutnya yaitu menghitung nilai eigen (E) dan vektor eigen (C) dari matriks kovarian L. Langkah awal yaitu menghitung nilai eigen menggunakan transformasi similar householder dengan persamaan berikut ini: H = I - 2ww Setelah menemukan H (n-1), dimana n merupakan ukuran dari matriks persegi. Maka langkah selanjutnya adalah transformasi householder dengan persamaan: R = H2 x H1 x A Q = H1 x H2 Setelah nilai hasil dari transformasi householder diperoleh, maka langkah selanjutnya yaitu menggabungkan dengan faktorisasi QR dengan persamaan: A = R x Q 4. Langkah selanjutnya adalah menghitung vektor eigen, setelah itu menghilangkan nilai kolom vektor eigen yang nilainya lebih kecil dari
11 18 ambang batas, kemudian adalah menghitung nilai eigenfaces dengan persamaan: eigenfaces = A x C 5. Setelah nilai eigenface diperoleh, proses selanjutnya adalah menghitung nilai PCA citra pada data training dan memproyeksikan kedalam ruang eigen dengan persamaan: PCA_train = eigenface x A 6. Proses selanjutnya adalah menghitung nilai PCA citra tes dan memproyeksikannya kedalam fitur ruang wajah dengan persamaan: PCA_test = eigenfaces x Difference Nilai Difference diperoleh setelah citra tes dijadikan citra 1D dan dikurangi dengan nilai rata-rata seperti pada langkah Langkah terakhir yaitu proses pengenalan wajah menggunakan perhitungan manhattan distance dengan persamaan: manhat_dist = PCA_test - PCA_train 8. Nilai perhitungan yang diambil sebagai hasil dari pengenalan wajah adalah yang terkecil. 2.4 Distance Measures Proses ini merupakan proses akhir pengenalan wajah, inti dari proses ini adalah pencocokan dua citra wajah antara citra data training dan citra yang diuji. Pencocokan tersebut salah satunya dengan menggunakan metode pengukuran
12 19 jarak. Pada dasarnya pengukuran jarak digunakan untuk menghitung perbedaan antara dua vektor citra dalam ruang eigen. Setelah citra wajah diproyeksikan ke dalam space wajah, tugas selanjutnya adalah menentukan citra wajah yang mana yang paling mirip dengan citra dalam data training. Distance-Based Similarity Measure digunakan untuk mengukur tingkat kesamaan dua buah objek dari segi jarak geometris dari variabel-variabel yang tercakup di dalam kedua objek tersebut. Metode penghitungan ini memiliki kelebihan tertentu, misalnya jarak antara dua benda tidak dipengaruhi oleh penambahan objek baru untuk analisis. Namun, jarak dapat sangat dipengaruhi oleh perbedaan skala antara dimensi dari mana jarak dihitung. Dalam penggunaannya terdapat banyak metode dalam mengukur tingkat kesamaan jarak, diantaranya yaitu jarak euclidean, manhattan (city block), mahalanobis, chebyshev, correlation, angle-based, minkowski dan cosini-correlation. Dalam penggunaannya dengan algoritma eigenface, perhitungan manhattan distance digunakan untuk menghitung jarak antara citra data training yang diproyeksikan dan citra yang diuji, yang juga diproyeksikan dengan menggunakan persamaan masing-masing. Pada akhirnya, masing-masing perhitungan memiliki nilai dengan kelebihan dan kekurangannya masing-masing Merupakan salah satu pengukuran yang paling banyak digunakan dalam penggantian perbedaan kuadrat atau biasa disebut dengan euclidean distance.
13 20 Hasil dalam perhitungan ini hampir menyerupai dengan hasil perhitungan squared euclidean distance. Pengukuran ini lebih dikenal dengan city block distance. Manhattan = PCA_test - PCA_train Ket: PCA_test = nilai ciri citra yang diuji PCA_train = nilai ciri citra data training PCA_test PCA_train Gambar 1. Jarak manhattan dari nilai PCA_test ke PCA_train Nilai PCA_train pada penelitian ini adalah nilai ciri dari data training, sedangkan nilai PCA_test adalah nilai ciri dari citra yang diuji. Perhitungan manhattan distance memiliki kelebihan dibandingkan perhitungan kesamaan jarak lainnya yaitu perhitungan ini mutlak tanpa adanya pembulatan seperti pada squared euclidean distance, sehingga proses perhitungan menjadi lebih cepat. Pada penelitian ini, hasil perhitungan manhattan distance yang menjadi hasil sistem pengenalan wajah adalah nilai yang terkecil. Sedangkan hasil akhir dari penelitian mengenai sistem pengenalan wajah ini yaitu berupa citra wajah.
BAB 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 terperinciBAB I PENDAHULUAN. Sistem biometrik merupakan penerapan teknologi yang mempelajari
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrik merupakan penerapan teknologi yang mempelajari karakteristik biologi yang menjadi keunikan tersendiri pada manusia. Salah satu bagian sistem biometrik
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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
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 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 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 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 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 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 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 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 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 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 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 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 terperinciANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS
ANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS Fetty Tri Anggraeny, Wahyu J.S Saputra Jurusan Teknik Informatika, Universitas
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 terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciPENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
PENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Riza Firdaus Ardiansyah NIM : A11.2009.05106 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB 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 terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB II 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 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 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 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 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 III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
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 terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
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 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 terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB 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 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 terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Bab ini akan membahas tentang pengujian dan analisis sistem. Pada pengujian akan dijelaskan tentang kriteria pengujian serta analisis dari pengujian 4.1. Kriteria Pengujian
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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file). Sedangkan
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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciBAB 3. ANALISIS dan RANCANGAN. eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses
BAB 3 ANALISIS dan RANCANGAN 3.1 Analisa metode Secara garis besar, tahap pada pengenalan wajah dengan metode eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses yang dilakukan
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih 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 terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN ALGORITMA FUZZY C-MEANS (FCM)
SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN ALGORITMA FUZZY C-MEANS (FCM) Andri Suryadi Abstrak Berkembangnya ilmu pengetahuan dan teknologi dalam computer vision
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Penelitian mengenai pengenalan wajah termotivasi oleh banyaknya aplikasi praktis yang diperlukan dalam identifikasi wajah. Pengenalan wajah sebagai salah satu dari teknologi
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 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 terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
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 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 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 1 PENDAHULUAN. 1. Sistem pengawasan atau surveillance system
BAB 1 PENDAHULUAN Bab ini menjelaskan latar belakang, permasalahan, tujuan, dan ruang lingkup dari tugas akhir. Setelah itu dilanjutkan dengan sistematika penulisan laporan. 1.1. Latar Belakang Saat ini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Daun Daun adalah salah satu organ pada tumbuhan yang memiliki peranan sangat penting dalam keberlangsungan hidup tumbuhan tersebut. Hal ini dikarenakan tumbuhan merupakan organisme
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
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 terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
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 terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 355~360 355 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE Abdul Hamid
Lebih terperinciPENGENALAN WAJAH PELANGGAN TOKO
PENGENALAN WAJAH PELANGGAN TOKO Semuil Tjiharjadi Jurusan Sistem Komputer, Universitas Kristen Maranatha Jl. Suria Sumantri 65, Bandung 40164 E-mail: semuiltj@gmail.com 1 ABSTRAK Pada era persaingan yang
Lebih terperinciImplementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA)
46 Implementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA) Iwan Setiawan setiawanise@yahoo.com, Welly Iskand welly.iskand@gmail.com, Fauzi Nur Iman
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Bab ini menjelaskan mengenai tahapan analisis dan perancangan sistem yang akan dikembangkan, yaitu Sistem Identifikasi Buron. Bab ini terbagi atas 5 bagian yang
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciKULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS
KULIAH TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS Matriks merupakan sebuah susunan segiempat siku-siku dari bilanganbilangan, dalam baris dan kolom. Bilangan-bilangan tersebut disebut entri atau elemen
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciPengenalan Citra Wajah Sebagai Identifier Menggunakan Metode Principal Component Analysis (PCA)
JURNAL TEKNIK INFORMATIKA VOL 9 NO. 2, OKTOBER 2016 166 Pengenalan Citra Wajah Sebagai Identifier Menggunakan Metode Principal Component Analysis (PCA) Aris Budi S 1, Suma'inna 2, Hata Maulana 3 1,2 Matematika,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih 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 terperinciKONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC
KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC Hanif Al Fatta STMIK AMIKOM Yogyakarta e-mail : hanivonitch@yahoo.com ABSTRACTS This paper explains how to manipulate image file format.
Lebih 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 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 I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seiring dengan perkembangan zaman yang secara tidak disadari diikuti oleh perkembangan teknologi sangat banyak memberi pengaruh terhadap perkembangan ilmu
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Citra Digital Gambar atau citra merupakan informasi yang berbentuk visual. Menurut kamus Webster citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1. 1 Latar Belakang Jaringan saraf buatan merupakan kumpulan dari elemen-elemen pemrosesan buatan yang disebut neuron. Sebuah neuron akan mempunyai banyak nilai masukan yang berasal dari
Lebih terperinciPERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA
PERBANDINGAN METODE MINIMUM DISTANCE PATTERN CLASSIFIER DAN NEURAL NETWORK BACKPROPAGATION DALAM MENGENALI WAJAH MANUSIA DENGAN EKSPRESI YANG BERBEDA Bharasaka Krisnandhika 51412445 Dr. Dewi Agushinta
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Sistem Absensi Berbasis Webcam
BAB PEMBAHASAN.1 Sistem Absensi Berbasis Webcam Sistem absensi berbasis webcam adalah sistem yang melakukan absensi karyawan berdasarkan input citra hasil capture webcam. Sistem akan melakukan posting
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB 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 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 terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinci