Enhancement Citra Sidik Jari Kotor Menggunakan Hybrid Method Dan Gabor Filter
|
|
- Yulia Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Enhancement Citra Sidik Jari Kotor Menggunakan Hbrid Method Dan Gabor Filter Muhammad Nasir 1,3) Rahmat Sam,3) Mochamad Hariadi 3) 1) Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, NAD,431 ) Jurusan Matematika, Universiitas Negeri Makassar, Makassar 90. 3) Jurusan Teknik Elektro ITS, Surabaa masnasir_poli@ahoo.com; rahmat_sam@ahoo.co.id; mochar@ee.its.ac.id Abstrak Sistem pengenalan sidik ari bertuuan untuk mengindentifikasi seseorang, namun kendala utama dalam pengenalan sidik ari seseorang pada umumna citra sidik ari memiliki kualitas ang rendah, antara lain disebabkan oleh enis kulit (berminak, kering, kotor) dan enis scanner fingerprint ang digunakan. Kualitas citra sidik ari merupakan faktor utama penentu tingkat akurasi hasil pengenalan citra sidik ari pada sistem biometrik. Agar citra sidik ari kotor mudah diinterpretasi oleh manusia maupun mesin, maka perlu di-enhancement dengan meminimalkan bagian ang kotor. Penelitian ini bertuuan untuk enhancement kualitas citra sidik ari kotor dengan metode Gabor filter. Pada penguian 00 data citra sidik ari kotor dihasilkan peningkatan kualitas citra sidik ari sebesar 87%. Kata kunci : Enhancement, Gabor Filter, Peningkatan Kualitas Citra, Sidik Jari 1. PENDAHULUAN Sistem biometrik adalah sistem untuk melakukan identifikasi menggunakan ciri-ciri fisik atau anggota tubuh manusia, seperti sidik ari (fingerprint), waah, iris dan retina mata, suara. Teknologi biometrik memiliki beberapa kelebihan seperti tidak mudah hilang, tidak dapat lupa, tidak mudah dipalsukan, dan memiliki keunikan ang berbeda antara manusia satu dengan ang lain [1]. Salah satu anggota tubuh ang sangat sering digunakan oleh para ahli forensik di dalam investigasi kriminal dalam sistem biometrik dengan kehandalan sangat tinggi adalah sidik ari. Agar citra ang mengalami gangguan mudah diinterpretasi (baik oleh manusia maupun mesin), maka citra tersebut perlu dimanipulasi menadi citra lain ang kualitasna lebih baik. Bidang ang terkait tentang hal ini adalah pengolahan citra (image processing). Salah satu metode ang digunakan untuk meningkatkan kualitas citra adalah image enhancement, akni proses peningkatan kualitas pada citra. Metode image enhancement telah banak ditemukan dan digunakan oleh para peneliti dalam meningkatkan kualitas citra secara umum, antara lain: Image enhancement, ang dilakukan oleh (Jianwei Yang, dkk., 003) telah mempelopori sebuah teknik memodifikasi sebuah Gabor filter, dimana peneliti (Jianwei Yang, dkk., 003) terinspirasi dari Traditional Gabor Filter (TGF). Dari hasil penelitianna dikembangkan sebuah filter baru aitu Modified Gabor Filter (MGF). Dari hasil modifikasi filter tersebut dapat mengurangi FRR % dan FAR 0,01%. Fingerprint Matching using Gabor Filters, ang dilakukan oleh (Muhammamd Umer Munir dan Dr. Muhammmad Younas Javed, 004) dimana pencocokan sidik ari ini didasarkan pada arak Euclidean antara dua vektor fitur ang sesuai. Keaslian penerimaan tingkat filter Gabor berbasis matcher diamati ~ 10% sampai 15% lebih tinggi daripada minutiae-based matcher dengan nilai ratarata rendah. Ekstraksi fitur sidik ari dan pencocokan mengambil ~ 7,1 detik menggunakan Pentium IV, prosesor,4 GHz. Namun secara khusus pada peningkatan kualitas citra sidik ari ang kotor masih kurang didalami. Oleh karena itu, kami mengusulkan enhancement citra sidik ari kotor menggunakan Hbrid method dan Gabor Filter.. PENGOLAHAN CITRA DIGITAL.1 Citra Digital Pengolahan citra adalah pemrosesan citra, khususna menggunakan komputer menadi citra ang kualitasna lebih baik. Sebagai contoh, citra sidik ari ang tampak agak gelap, lalu dengan operasi pengolahan citra kontrasna diperbaiki sehingga menadi lebih terang dan taam seperti pada Gambar.1.
2 (a) Gambar.1 Pengolahan Citra Sidik Jari (a) Citra Asli; Hasil Pengolahan Citra Digital (Maltoni, 003) Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori komputer atau media lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat, misalna scanner, kamera digital, dan handcam. Ketika sebuah citra sudah diubah ke dalam bentuk digital (selanutna disebut citra digital), bermacam-macam proses pengolahan citra dapat diperlakukan terhadap citra tersebut [3]. Teknik-teknik pengolahan citra digital dapat dilakukan sebagai berikut : 1. Perbaikan kualitas citra (image enhancement). Jenis operasi ini bertuuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan cara operasi ini, maka ciri-ciri khusus ang terdapat di dalam citra dapat ditonolkan. Contoh dari operasi ini aitu perbaikan kontras (gelap/terang), perbaikan tepi obek (edge enhancement), penaaman (sharpening), reduksi derau [4].. Segmentasi citra (image segmentation). Jenis operasi ini bertuuan untuk memecah dan memilih suatu area ke dalam beberapa segmen dengan suatu kriteria tertentu. Dalam operasi ini, kasus ang sering teradi terkait dengan pengenalan pola. Misal segmentasi mata, hidung, waah atau ang lainna... Sidik Jari Sidik ari adalah suatu bentuk pola garis (ridge) pada permukaan sebuah uung ari. Sebuah sidik ari berkualitas baik dapat dibedakan berdasarkan polapola dan ciri-ciri (feature) ang menediakan ekstraksi feature ang bermanfaat untuk pencocokan sidik ari. Sebuah algoritma pencocokan sidik ari otomatis berbasis minutiae menggunakan ciri-ciri ang membandingkan karakteristikkarakteristik ridge lokal (minutiae) dari dua sidik ari. Berdasarkan pola garis (ridge) dan lembah (valle), sidik ari dapat diklasifikasikan menadi tiga kelas utama, aitu: Arch, Loop dan Whorl (Prabakar).[] (a) (c) Gambar. Klasifikasi Jenis Sidik Jari (a) Arch, Loop dan (c) Whorl Dari klasifikasi ini dapat di bagi menadi beberapa subklasifikasi (prabhakar), aitu : 1. Arch merupakan bentuk pokok sidik ari ang semua garis-garisna datang dari satu sisi lukisan, mengalir atau cenderung mengalir ke sisi ang lain dari lukisan itu, dengan bergelombang naik ditengah-tengah. Arch terdiri dari : Plain Arch adalah bentuk pokok sidik ari dimana garis-garis dating dari sisi lukisan ang satu mengalir ke arah sisi ang lain, dengan sedikit bergelombang naik ditengah. Tented arch adalah bentuk pokok sidik ari ang memiliki garis tegak (upthrust), sudut (angle) atau dua dan tiga ketentuan loop. dari beberapa populasi arch mempunai presentasi sebesar 5%.. Loop adalah bentuk pokok sidik ari dimana satu garis atau lebih datang dari satu sisi lukisan, melereng, menentuh atau melintasi suatu garis baangan ang ditarik antara delta dan core, berhenti atau cenderung berhenti kearah sisi semula. Loop dibagi menadi left loop, right loop dan double loop. Berbeda dengan arch, umlah individu ang mempunai klasifikasi loop sangat besar aitu sebesar 60 % 3. Whorl adalah bentuk pokok sidik ari, mempunai delta dan sedikitna satu garis melingkar di dalam pattern area, terletak diantara kedua delta. Pada klasifikasi ini umlah prosentasi individu sebesar 35%..3. Enhancement Citra Definisi dari enhancement citra adalah berasal dari kata enhancement ang artina mempertinggi atau meningkatkan, adi enhancement citra memiliki arti secara utuh adalah mempertinggi atau meningkatkan kualitas citra dengan metodemetode tertentu. Proses-proses dalam enhancement citra terdiri dari sekumpulan teknik ang dilakukan untuk meningkatkan tampilan visual dari sebuah citra, atau untuk mengkonversikan citra ke dalam bentuk ang lebih cocok untuk analisa mata manusia atau analisa mesin. Untuk pemprosesan mesin, definisi dari enhancement citra adalah untuk
3 menghentikan data-data ang hilang dalam ekstraksi citra. Sebagai sebuah contoh, sebuah sistem enhancement citra menguatkan garis tepi sebuah citra dengan menggunakan filtering dengan frekuensi tinggi. Gambar ang telah di-enhance kemudian digunakan sebagai input ke dalam sebuah mesin ang akan melacak garis tepi dari sebuah obek dan mungkin saa membuat sebuah pengukuran dari bentuk dan ukuran dari obek tersebut. Saat ini pada dasarna tidak ada teori penatuan umum dari enhancement citra, karena tidak ada standar umum dari kualitas citra ang dapat digunakan sebagai desain ukuran untuk sebuah enhancement processor citra..4 Gabor Filter Saat informasi ridge orientasi dan ridge frekuensi telah di tentukan, parameter-parameter ini digunakan untuk membentuk simetrik genap Gabor Filter. Sebuah Gabor filter dua dimensi terdiri atas dua gelombang sinusoida dari orientasi dan frekuensi, di modulasikan oleh sebuah envelope (sampul) Gaussian [9]. Gabor filter bekera pada frekuensi dan orientasi ang selektif sesuai sifatna. Sifat-sifat ini membuat filter di tuning agar menghasilkan respon maksimal pada ridge orientasi dan ridge frekuensi tertentu dalam pencitraan sidik ari. Untuk itu, tuning ang sempurna dari gabor filter dapat digunakan secara efektif untuk mempertahankan struktur ridge saat teradi pengurangan noise. Gabor filter simetrik genap adalah bagian nata dari fungsi gabor, ang diberikan oleh gelombang cosinus ang di modulasi oleh Gaussian (Gambar.1). Gabor filter dalam domain spatial ditentukan oleh [9]: ' ' θ θ ( ; θ, f ) = ep + cos( πf ), G θ.1 = cosθ sinθ,. = sinθ + cosθ,.3 θ 1 σ ', σ ' Dimana θ adalah orientasi gabor filter, f adalah frekuensi gelombang cosinus, σ dan σ adalah deviasi standar sifat gaussian sepanang sumbu dan, dan θ dan θ mendefinisikan sumbu dan dari koordinat filter. θ f Gambar.3 Gabor filter simetris genap dalam spatial domain (Thai Ramond, 003 ) Gabor Filter diterapkan pada citra sidik ari secara spasial pada konvolusi citra dengan filter. Konvolusi piksel ( i, ) pada citra memerlukan kesesuaian orientasi nilai O ( i, ) dan nilai frekuensi ridge F ( i, ) pada pikselna. Oleh karena itu, penerapan gabor filter G untuk memperoleh peningkatan citra E dilakukan sesuai rumus: w = w.4 dimana O adalah orientasi citra, F adalah frekuensi ridge citra, N adalah citra sidik ari ang telah dinormalkan, w dan w adalah lebar dan tinggi dari mask Gabor filter. Bandwidth filter, ang menentukan rentang respon frekuensi filter, ditentukan oleh parameter standar deviasi σ dan σ. Karena bandwidth filter diatur untuk menesuaikan frekuensi ridge lokal, maka dapat disimpulkan bahwa pemilihan parameter σ dan σ harus terkait dengan frekuensi ridge. Namun, pada algoritma originalna Hong. dkk, σ dan σ secara empiris diatur pada (, ) Gu (, v; Oi (, ), F( i, ) ) N( i u, v) Ei w w u= v= tetapan nilai masing-masing 4.0 dan 4.0. Sebuah kelemahan menggunakan nilai ang tetap adalah bahwa kekuatan untuk bandwidth selalu konstan, tidak memperhitungkan variasi ang mungkin teradi dalam nilai-nilai frekuensi ridge. Misalna, ika sebuah filter dengan bandwidth konstan diterapkan untuk citra sidik ari ang mana menunukkan variasi ang signifikan pada nilai frekuensi, dapat menebabkan enhancement secara non-uniform atau enhancement tambahan lainna. Dengan demikian, daripada menggunakan nilai tetap, maka dipilih nilai σ dan σ menadi fungsi parameter frekuensi ridge, ang didefinisikan sebagai berikut: σ = k F( i, ),.5
4 = k F( i, ), σ.6 dimana F merupakan frekuensi ridge citra, k adalah variabel konstan untuk σ, dan k adalah variabel konstan untuk σ. Hal ini memungkinkan pendekatan ang lebih adaptif untuk digunakan, sebagai nilai-nilai σ dan σ sekarang dapat ditentukan secara adaptif sesuai dengan frekuensi ridge lokal dari citra sidik ari. Selanutna, dalam algoritma asal, lebar dan tinggi dari mask filter sama-sama diatur pada nilai tetap. Ukuran filter mengontrol luas spasial dari filter, ang idealna dapat secara umum mengakomodasi manfaat informasi sinal Gabor. Namun, nilai filter ang tetap akan tidak optimal karena tidak dapat mengakomodasi sinal Gabor dengan bandwidth ang berbeda. Oleh karena itu, agar memungkinkan ukuran filter bervariasi secara otomatis mengikuti bandwidth sinal Gabor, maka ditetapkan ukuran filter menadi fungsi ang memakai standar deviasi sebagai parameter: Jika T = C maka: w ( baru) = w ( lama) + α ( w ( lama)).9 Jika T = C maka : w ( baru) = w ( lama) α ( w ( lama)) DATA DAN METODOLOGI Secara umum, penelitian enhancement citra sidik ari kotor ini melalui beberapa tahapan proses, seperti ditunukan dalam Gambar 3.1. ` w = 6σ,.7 Gambar 3.1. Blok Diagram Penelitian w = 6σ.5 Learning Vector Quantization (LVQ).8 Merupakan suatu metode untuk melakukan pelatihan terhadap lapisan-lapisan kompetitif ang terawasi.suatu lapisan kompetitif akan secara otomatis belaar untuk mengklasifikasikan vektorvektor input.jika dua vektor input memiliki nilai ang mendekati atau hampir sama maka dalam lapisan kompetitif akan mengenali kedua vektor input tersebut pada kelas ang sama. Jadi LVQ adalah metode untuk klasifikasi (pengelompokkan) pola dan memiliki output ang mewakili dari kelas tertentu. Algoritma LVQ bertuuan akhir mencari nilai bobot ang sesuai untuk mengelompokkan vektorvektor input kedalam kelas tuuan ang telah diinisialisasi pada saat pembentukan Jaringan LVQ. Sedangkan algoritma penguianna adalah menghitung nilai output, ang terdekat dengan vektor input, atau dapat disamakan dengan proses pengklasifikasian (pengelompokkan). Dimana nilai vektor ang berdekatan dikelompokkan kedalam kelas ang sama sesuai dengan hasil perhitungan dengan mencari nilai kelas terdekat. Perbaikan bobot pada metode Learning Vector Quantization (LVQ) adalah: Pada penelitian ini, pengambilan data citra sidik ari dilakukan dari berbagai latar belakang pekeraan subek penelitian (mahasiswa, karawan, buruh, petani). Data sidik ari akan diambil dengan meruuk pada pedoman pengambilan data Fingerprint Verification Competition (FVC) Database- (DB), akni menggunakan optical sensor fingerprint U.are.U 4000 ang diproduksi oleh digital persona dengan mendapatkan ukuran citra piksel grascale dalam format bitmap. Data diambil dari ibu ari 0 orang dengan 10 sampel per ari (00 citra sidik ari). Pengambilan sidik ari kotor, terlebih dahulu melalui tahapan dengan memberikan tinta atau debu ang disesuikan dengan seberapa kepekaan scan dapat membaca data sidik ari. Bila sidik ari terlalu kotor,maka data sidik ari tidak dapat dibaca oleh scan fingerprint. Gambar 3. merupakan contoh citra sidik ari kotor ang diambil dengan scan fingerprint U are U Gambar 3. Contoh Data Sidik Jari Kotor
5 Selanutna data sidik ari di proses dalam beberapa tahap, antara lain : 1. Normalisasi. Binarisasi 3. Gabor Filter 4. Thinning 5. Minutiae Etraction, dan 6. Learning Vector Quantization (LVQ) Sebuah citra grascale adalah mempunai umlah tingkat satu grascale ang spesifik. Untuk 8 bit citra grascale bisa merepresentasikan 8-1 = 55 intensitas atau tingkat abu-abu. Pada penelitian ini dilakukan dengan memakai beberapa nilai threshold dengan tuuan untuk melihat mana ang terbaik dalam proses binarisasi. Adapun nilai threshold ang di pilih antara lain 130, 150 dan HASIL DAN PEMBAHASAN Pada penelitian ini diperoleh hasil sebagai berikut: 4.1. Penguian Normalisasi Proses normalisasi dilakukan untuk menstandartisasi atau meneragamkan nilai intensitas citra sidik ari kotor dengan menesuaikan cakupan deraat keabuan sehingga berada pada cakupan nilai ang diharapkan. Gambar 4.1 merupakan hasil dari normalisasi suatu citra sidik ari ang mempunai nilai mean nol dan variance satu. Histogram citra asli ang ditunukkan pada Gambar 4.1(c) menggambarkan bahwa semua nilai piksel tidak merata pada intensitas citra melalui proses normalisasi maka nilai umlah piksel di rata-ratakan sepanang nilai intensitas seperti ang di tunukkan pada Gambar 4.1 (d). Pada histogram di perlihatkan adana peneragaman nilai piksel gelap dan terang. Oleh karena itu normalisasi citra diperlukan untuk meningkatkan kontras antara ridge dan valle pada citra sidik ari. (a) (a) (c) (d) Gambar 4. Hasil Binarisasi dengan Nilai Threshold Berbeda (a) Citra Asli; Threshold 130; (c) Threshold 150; (d) Threshold Penguian Thinning melalui beberapa tahapan segmentasi aitu normalisasi dan binarisasi maka selanutna citra sidik di thinning. Penerapan algoritma thinning pada citra sidik ari ang mempertahankan konektivitas sementara struktur ridge akan membentuk bagian penulangan (skeleton) dari citra biner. Skeleton citra ini kemudian digunakan dalam ekstraksi minutiae selanutna. Gambar 4.3 memperlihatkan hasil proses thinning. (c) (d) Gambar 4.1 Hasil Normalisasi Cita (a) Citra Asli; Citra Ternormalisasi; (c)histogram dari Citra Asli; (d) Histogram dari Citra Ternormalisasi 4.. Penguian Binerisasi Binarisasi adalah proses dimana citra grascale ditingkatkan ke dalam suatu konversi citra biner. Gambar 4.3 Hasil Proses Thinning 4.4 Enhancement dengan Gabor Filter
6 Pada penelitian ini proses enhancement di lakukan dengan menggunakan gabor filter, dimana citra sidik ari ang telah ternormalisasikan di konvolusi dengan 8 buah Filter Gabor dengan arah orientasi ang berbeda (0 o,.5 o, 45 o, 67.5 o, 90 o, 11.5 o, 135 o, o ). Sehingga pada akhirna terbentuk 8 buah citra baru terfilterisasi. Hasil dari proses orientasi Gabor filter untuk enhancement sperti ang ditunukkan pada Gambar 4.4. Pada penelitian nilai deviasi ditetapkan sebesar 3 dan k = 10, dimana k adalah nilai perioda. 4.5 Learning Vector Quantization (LVQ) Untuk mengukur tingkat keberhasilan enhancement citra sidik ari kotor pada penelitian ini, digunakan metode Learning Vector Quantization (LVQ). Penguian ini dilakukan dengan menggunakan 4 citra sebagai pelatihan pada setiap kelasna. Adapun umlah kelas pada penguian ini seluruhna 0 kelas dengan tiap kelas terdiri dari 10 citra. Adapun hasil dari LVQ ditunukkan pada tabel 4.1. Tabel 4.1 Hasil dari Learning Vector Quantization (LVQ). Data Citra Input Dikenali Tidak dikenali % (a) Citra Asli 50 Enhancement Enhancement o (c).5 o (c) 45 o Enhancement Enhancement Enhancement Enhancement (e) 67.5 o (e) 90 o (f) 11.5 o 00 Enhancement Enhancement (g) 135 o (h) o (i) Citra Enhancemnet Gambar 4.4 Hasil Proses 8 Orientasi Gabor Filter Untuk tampilan Gabor Filter simetris genap untuk θ =.5 o seprti diperlihatkan pada Gambar 4.5. Gambar 4.6 Grafik Penguian LVQ (a) Gambar 4.5 Hasil Gabor Filter Simetris Genap (a) Tampilan Posisi 0 o ; Tampilan Posisi.5 o 5. KESIMPULAN Berdasarkan ui coba dan analisis hasil penguian terhadap citra sidik ari kotor dengan menggunakan hbrid morpholog dan gabor filter untuk mendapatkan citra ang ter-enhancement, dapat disimpulkan sebagai berikut :
7 1. Dari hasil penelitian ang dilakukan untuk enhancement citra sidik ari ang terbaik menggunakan 8 orientasi, aitu 0 o,.5 o, 45 o, 67.5 o, 90 o, 11.5 o, 135 o, o.. Untuk mengukur tingkat keberhasilan enhancement citra sidik ari kotor pada penelitian ini, digunakan metode Learning Vector Quantization (LVQ). Dari hasil diperoleh tingkat keberhasilan pengenalan adalah 87%. DAFTAR REFERENSI [1] Arun, R. Jain, A. dan Resimen, J., 00, A Hbrid Fingerprint Matcher, Proceedings Of International Conference on Pattern Recognition (ICPR), Quebec Cit, hal [] Chaohong Wu, Zhiin Shi, Fingerprint Image Enhancement Method Using Directional Median Filter [3] D. Maltoni, D. Maio, A.K. Jain, S. Prabhakar, 003, Handbook of Fingerprint Recognition, Springer, New York. [4] Jianwei Yang, Lifeng Liu, Tianzi Jiang, 003. A modified Gabor filter design method for fingerprint image enhancement , National Laborator of Pattern Recognition, Institute of Automation, Chinese Academ of Sciences [5] Mehtre, B. M Fingerprint Image Analsis for outomatic Identification. Machine Vision and Application 6. (14-139). [6] Munir, Umer Muhammad; Javed,Younas Muhammad, 004. Fingerprint Matching Using Gabor Filter. [7] Peng Yang et.al. 00, Face Recognition Using Ada-Boosted Gabor Feature. Institute of Computing Technolog of Chinese Academ Science and Microsoft Research Asia, China [8] Rafel C. Gonzalez, Richard E. Woods. 00. Digital Image Processing (Second Edition). Prentice-Hall. New Jerse. [9] Thai Ramond Fingerprint Image Enhancement and Minutiae Etraction. The Universit of Western Australia. [10] Usman Ahmad Pengolahan Citra Didital dan Teknik Pemrogramanna, Graha Ilmu, Yokakarta. [11] Vincent Levesque, 003, Teture Segmentation Using Gabor Filters, Center For Intelligent Machines, McGill Universit [1] Yiang Zhang, Yuhua Jiao, A Fingerprint Enhancement Algorithm using a Federated Filter.
ENHANCEMENT 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 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 terperinciDeteksi 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 terperinciBAB 2 TINJAUAN PUSTAKA. Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan
19 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Biometrik Sistem biometrik merupakan teknologi pengenalan diri yang menggunakan bagian tubuh atau perilaku manusia. Sidik jari dan tanda tangan merupakan contoh biometrik
Lebih terperinciMuhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com
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 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 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 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 terperinciPENGENALAN POLA SIDIK JARI
TUGAS SISTEM PENDUKUNG KEPUTUSAN PENGENALAN POLA SIDIK JARI Disusun oleh : FAHMIATI NPM : 08.57201.000502 PROGRAM STUDI STRATA SATU (S1) SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS DARWAN ALI SAMPIT
Lebih terperinciBAB 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 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 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 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 terperinciPerancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor
Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 2, April 2003, hal. 39-46 Perancangan dan Realisasi Sistem Ekstraksi Ciri Sidik Jari Berbasis Algoritma Filterbank Gabor Kusworo Adi Laboratorium Instrumentasi
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
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 terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
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 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 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 terperinciYOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
Lebih terperinciPENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI
F12 menggunakan verifikasi sidik jari yang diharapkan akan PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI Fila Harmuningtyas 1), Indah Agustien 2) Fitri Damayanti 3)
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 terperinciKLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *
KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA
IDENTIFIKASI SIDIK JARI DENGAN MENGGUNAKAN STRUKTUR MINUTIA Anggya N.D. Soetarmono, S.Kom. ABSTRAK Penelitian ini membahas tentang sistem identifikasi personal dengan menggunakan kesesuaian biometrik pada
Lebih terperinciBAB 1 PENDAHULUAN. bertujuan untuk mengenali identitas seseorang secara otomatis dengan menggunakan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Sistem pengenalan diri merupakan salah satu sistem biometrika yang bertujuan untuk mengenali identitas seseorang secara otomatis dengan menggunakan teknologi komputer.
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 terperinciSISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA
SISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA Nana Ramadijanti, Achmad Basuki Politeknik Eletronika Negeri Surabaa, Institut Teknologi Sepuluh Nopember Surabaa Kampus PENS-ITS, Keputih, Sukolilo, Surabaa
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 terperinciPenerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari
Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari Annisa Muzdalifa/13515090 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 3 METODOLOGI. 3.1 Kerangka Pikir
BAB 3 METODOLOGI 3.1 Kerangka Pikir Pengenalan sidik jari merupakan salah satu metode yang diterapkan pada teknologi yang digunakan manusia seperti pada mesin absensi, alat pengamanan pada brankas dan
Lebih 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 terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciPengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik
Pengenalan Citra Sidikjari Menggunakan Minutiae Dan Propagasi Balik Sri Heranurweni 1 1) Jurusan Teknik Elektro, Universitas Semarang email : heranur@yahoo.com Abstrak : Teknik identifikasi konvensional
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
Lebih terperinciTUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA
TUGAS AKHIR CI1599 METODE PENGENALAN SIDIK JARI PARSIAL DENGAN MENGGUNAKAN DELAUNAY TRIANGULATION DAN ALGORITMA GENETIKA TOVAN SETIONO NRP 5105 100 007 Dosen Pembimbing Prof. Dr. Ir. Handayani Tjandrasa,
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
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 terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
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 terperinciSISTEM PENGAMAN BRANKAS MENGGUNAKAN KODE PASSWORD DAN SIDIK JARI BERBASIS MIKROKONTROLLER
SISTEM PENGAMAN BRANKAS MENGGUNAKAN KODE PASSWORD DAN SIDIK JARI BERBASIS MIKROKONTROLLER Khairul Agus Rizal 1, Naziruddin 2 dan Zamzami 3 1 Prodi Instrumentasi dan Otomasi Industri Jurusan Teknik Elektro
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 terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciPENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR
PENGENALAN CITRA TULISAN TANGAN DOKTER DENGAN MENGGUNAKAN SVM DAN FILTER GABOR Angga Lisdiyanto (1), Lukman Zaman P.C.S.W (2) Teknik Informatika, Universitas Islam Lamongan (1) Teknik Informatika, Sekolah
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciIdentifikasi Iris Mata Menggunakan Tapis Gabor Wavelet Dan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ)
ARTIKEL ILMIAH TERPUBLIKASI Identifikasi Iris Mata Menggunakan Tapis Gabor Wavelet Dan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) oleh : R. Rizal Isnanto, ST, MM, MT Program Studi Sistem
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 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 terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciCS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra
CS3214 Pengolahan Citra - UAS CHAPTER 1. Pengantar Pengolahan Citra Fakultas Informatika IT Telkom CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis) = fungsi
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciPENERAPAN METODE DETEKSI BULUMATA UNTUK PENINGKATAN AKURASI PENGENALAN PERSONAL BERBASIS CITRA IRIS
PENERAPAN METODE DETEKSI BUUMATA UNTUK PENINGKATAN AKURASI PENGENAAN PERSONA BERBASIS CITRA IRIS Andi Patombongi*, Rully Soelaiman ** Program Pasca Sarjana Jurusan Teknik Informatika Fakultas Teknologi
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4E3 PENGOLAHAN CITRA DIGITAL Disusun oleh: Bedy Purnama PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Pembelajaran
Lebih terperinciSimulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)
Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) ISSN : 1693 1173 Abstrak Penelitian ini menekankan pada pentingnya teknik simuasi pada pengolahan citra digital. Simulasi
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 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 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 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 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 terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
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 terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
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 terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
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 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 terperinciSEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP DOSEN PEMBIMBING: Drs. Daryono Budi Utomo, M.Si
APLIKASI FILTER LOG GABOR PADA SISTEM PENGENALAN IRIS MATA (Application Log-Gabor Filter in Iris Recognition System ) SEMINAR TUGAS AKHIR M. RIZKY FAUNDRA NRP 1206100051 DOSEN PEMBIMBING: Drs. Daryono
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengenalan Wajah Pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciPola adalah entitas yang terdefinisi dan dapat diidentifikasi melalui ciri-cirinya (features).
Pola adalah entitas yang terdefinisi dan dapat diidentifikasi melalui ciri-cirinya (features). Ciri-ciri tersebut digunakan untuk membedakan suatu pola dengan pola lainnya. Ciri yang bagus adalah ciri
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperincidengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan
dengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan Gambar 8 Struktur PNN. 1. Lapisan pola (pattern layer) Lapisan pola menggunakan 1 node untuk setiap data pelatihan yang digunakan.
Lebih terperinciIDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR
ISSN: 1693-693 1 IDENTIFIKASI SIDIK JARI MENGGUNAKAN TEKNIK PENCOCOKAN TEMPLATE TAPIS GABOR R. Rizal Isnanto, Achmad Hidayatno, Muhammad Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciIDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR. Oleh : Siswo Santoso
IDENTIFIKASI SIDIK JARI DENGAN DATA BERSKALA BESAR MENGGUNAKAN METODE HYBRID MINUTIAE DAN FILTER GABOR Oleh : Siswo Santoso Pendahuluan Latar Belakang Angka kelahiran lebih besar dari angka kematian sehingga
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
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 terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tanda Tangan Tanda tangan atau dalam bahasa Inggris disebut signature berasal dari latin signare yang berarti tanda atau tulisan tangan, dan biasanya diberikan gaya tulisan
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 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 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
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 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 terperinci