Bab III ANALISIS&PERANCANGAN
|
|
- Yohanes Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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; 2012) Penelitian ini Memiliki kerangka pemikiran untuk analisis sistem temu kembali ciri citra batik berdasarkan kemiripan bentuk dan tekstur dengan implementasi logika fuzzy yang terdapat pada algoritma threshold. Pada dasarnya terdapat 5 tahap yang akan dilakukan yaitu: (1) persiapan (pengumpulan dan pengolahan data citra), (2) Praproses (3) Segmentrasi bentuk dan tekstur, (4) Perhitungan Kemiripan Citra, (5) Perhitungan nilai Grade bentuk dan tekstur (6) Perbandingan hasil ciri. Penyusunan prototipe sistem. Secara umum gambaran dari kerangka pemikiran dari penelitian tersebut dapat dilihat sebagai berikut: Gambar 3.1 Gambar Kerangka Pikir Penelitian Sebelumnya 29
2 30 Berikut ini adalah penjelasan dari tahap-tahap pada Gambar 3.1 diatas yaitu meliputi: 1. Tahap persiapan atau pengumpulan data pada penelitian ini dilakukan melalui beberapa cara seperti: pengambilan citra batik melalui internet, pengambilan, photo digital ataupun melalui kumpulan cd-motif citra batik. Citra yang sudah didapatkan akan dirubah ekstension nya menjadi ekstension JPG atau BMP (*.jpg dan *.bmp). 2. Tahap Praproses Analisis temu kembali citra motif batik terdiri dari dua bagian setelah adanya pembacaan data warna citra RGB yaitu reduksi dimensi citra dan transformasi warna. Reduksi dimensi citra dilakukan jika dimensi citra RGB lebih besar dari jumlah piksel maksimum dengan dimensi 200 x Tahap ekstraksi ciri bentuk Proses dimana citra batik diubah menjadi tujuh vektor momen invarian dan citra yang digunakan adalah citra dengan format grayscale. proses ekstraksi ciri bentuk dimulai dengan menghitung momen dan momen pusat citra grayscale. Selanjutnya momen pusat ini dinormalisasi untuk mendapatkan vektor momen invarian citra. Sedangkan untuk citra tekstur merupakan salah satu elemen dasar citra. Elemen citra ini berupa ciri-ciri atau sifat-sifat yang terdapat di dalam citra, dan membentuk suatu pola-pola dengan interval jarak dan arah tertentu secara berulang-ulang yang memenuhi sebagian besar atau seluruh bidang citra.
3 31 4. Tahap ekstraksi ciri tekstur Proses ekstraksi ciri tekstur dilakukan dengan pendeteksi tepi canny yang akan menandai piksel-piksel yang mengalami perubahan intensitas gradien yang cukup signifikan dan memberi nilai nol pada piksel-piksel lain yang tidak mengalami perubahan intensitas gradien secara signifikan. Tiap piksel yang ditandai oleh pendeteksi tepi atau yang bernilai 1 kemudian diperiksa untuk mencari kemungkinan kurva yang melalui piksel tersebut. Setiap piksel pada citra yang dilalui representasi bentuk diberi voting 1. Begitu seterusnya sampai semua piksel pada citra biner diperiksa. 5. Perhitungan nilai grade bentuk dan tekstur Pada tahapan ini akan dilakukan perhitungan citra batik berdasarkan kemiripan ciri bentuk dan tekstur, proses ini terbagi menjadi 4 tahapan yang akan dilakukan yaitu : a. Melakukan perhitungan gradeness pada setiap ciri citra. b. Melakukan sortasi secara menaik untuk setiap nila gradeness ciri citra. c. Melakukan agregasi terhadap gradeness ciri citra. d. Menampilkan sejumlah citra yang sangat relevan (Top k). 6. Perbandingan hasil ciri bentuk dan tekstur Pada tahap ini akan dihasilkan urutan dari yang mirip sekali hingga yang kurang mirip dengan citra input-an, mengunakan algoritma threshold yang merupakan turunan dari algoritma fagin. Nilai threshold (ambang) yang diambil dari citra query, akan
4 32 dibandingkan dengan nilai ambang pada semua citra yang ada di database citra melalui pengunaan fungsi euclid. Berdasarkan nilai ambang, maka citra dengan nilai ambang yang mirip, akan ditampilkan secara berurutan (sorting). Tampilan citra dimulai dari yang mirip dengan input-an hingga yang kurang mirip. Karena proses perbandingan nilai ambang berdasarkan tekstur dan bentuk, maka akan dilakukan proses fuzzy logic dengan hitungan : µ A B= min( µ A[ x], µ B[ y] dimana a= bentuk b = Tekstur. 7. Pengukuran Kinerja Temu Kembali Citra Motif Batik Dengan adanya perbedaan sudut pandang (edge detection) dan pencahayaan (lighting) menyebabkan citra yang dihasilkan bervariasi warna dan bentuknya untuk setiap tema citra. Database citra batik yang digunakan dalam penelitian ini adalah citra dengan tema dan ornamen yang beragam dan unik. Dalam menentukan kinerja sistem temu kembali pada citra batik yang berdasarkan tekstur dan bentuk dengan menggunakan Algoritma Threshold, akan menjadi benar dan akurat, jika jumlah motif citra yang mirip terhadap pola berhasil diidentifikasi dengan benar oleh sistem. Walaupun dengan kasat mata keakuratan tersebut dapat ditentukan dari prosentase yang dihasilkan. Dengan demikian jika diketahui dasar motif dari suatu daerah, maka akan diketahui motif motif yang menyerupai / hampir sama, termasuk asal dari batik tersebut. Sebagai contoh :
5 33 X = motif bulat kecil kecil dan bulat yang tidak beraturan besarnya, maka pengembangan motif tersebut dapat berupa : X 1 = motif bulat besar dan kecil X 2 = motif bulat yang besar dan kecil secara acak X 3 = motif bulat namun bentuk yang tidak beraturan X n = motif lainnya namun masih berhubungan dengan lingkaran Untuk mencari kemiripan motif, maka dilakukan pengukuran kinerja kemiripan dengan menggunakan persamaan sebagai berikut : X = A. Citra yang relevant ( X) x ycitrahasil kuery citradatab ase B. Citra yang presisi (Y) x y citrahasil query Y= citradatab ase Dalam penelitian ini untuk kemiripan motif citra batik, difokuskan tidak hanya presisi tetapi yang utama juga citra yang relevan kemiripannya baik yang berdasarkan bentuk dan tekstur. Terlampir tabel hasil penlitian terhadap perhitungan nilai presisi untuk Kemiripan Citra Batik (%)
6 34 Tabel 1.0 Tabel Perhitungan Nilai Presisi Citra Batik Nilai Presisi untuk Kemiripan Citra Batik (%) Kurva Pemulus Kurva Pusat 0,1 0,3 0,5 0,7 0, Dengan melihat tabel diatas, bahwa nilai presisi tertinggi jika menggunakan nilai kurva pusat adalah -8 dan nilai pemulus adalah 0,5 sebesar 75 %. Hal ini menyimpulkan bahwa dari 200 kali percobaan dengan mengunakan kurva pusat 10 dan -8 dan kurva pemulus 0.1, 0.3, 0.5, 0.7 dan 0.9 maka hampir semua citra batik yang tersimpan pada Basis Data, sanga sesuai dengan citra batik yang ada dikueri dan mempunyai rata rata nilai presisi antara 70 % - 75%.
7 35 Gambar 3.2 Hasil Ouput Protipe Sebelumnya Dari analisis terhadap penelitian tersebut dan dari latar belakang yang sudah dijabarkan pada bab pertama, maka penulis mencoba menawarkan beberapa solusi yaitu: 1. Membuat klasifikasi untuk mengoptimalkan kinerja pencarian bentuk dan tekstur. 2. Menggunakan metode wavelet transform sebagai metode pengenal ciri bentuk.
8 Kerangka Pemikiran Penelitian Proses Pengumpulan Batik Preproses Ekstraksi Motif Build Decision Tree Citra batik inputan dari user db_citra.mat QueryIndeksBentuk.mat Decision.mat QueryIndeksMotif.mat Ekstraksi Motif Explore Decision tree Sorting hasil Euclidean Distance Ekstraksi Bentuk Visualisasi Gambar 3.3 Gambar Kerangka Pikir Penelitian Berdasarkan Gambar 3.3 penulis akan menjabarkan cara kerja dari aplikasi dan penjelasan dari tiap-tiap proses, yaitu sebagai berikut: 1. Cara Kerja Pada saat pertama kali pengguna menggunakan aplikasi ini, pengguna harus meng-input dahulu citra batik yang sudah diketahui klasifikasinya ke dalam folder-folder klasifikasi pada database sesuai dengan klasifikasinya. Semakin banyak citra yang dimasukan ke dalam database maka akan semakin tinggi tingkat ketepatan aplikasi ini untuk mengenali citra batik nantinya, penulis menyarankan minimal 15 citra pada masing-masing folder-folder klasifikasi pada database yang sesuai dengan ketentuannya masing-masing, setelah pengisian citra data pada
9 37 database selesai, dilanjutkan dengan proses training / praproses, dengan menekan tombol segmentasi pada GUI utama. Proses training akan selesai setelah mendengar bunyi alert, barulah pengguna dapat menggunakan aplikasi untuk mengenali citra batik yang diinginkan. Citra batik yang sudah di-input untuk dikenali, akan bertambah secara otomatis kedalam database. Setiap citra akan masuk ke dalam masingmasing folder klasifikasi pada database yang sesuai dengan hasil pengenalan klasifikasi. Apabila pengguna merasa aplikasi sudah mengenali banyak citra batik dan memiliki output yang sesuai atau benar, lebih baik aplikasi ini dilatih kembali atau training kembali yang bertujuan untuk meningkatkan ketepatan pengenalan citra batik. Hal ini dilakukan untuk meng-update database aplikasi ini. 2. Proses pengumpulan,seleksi dan klasifikasi citra batik Citra batik untuk penelitian ini didapatkan dari data mentah yang sudah ada yang didapatkan dengan cara mengambil beberapa foto kain batik dan pengumpulan data citra dari internet. Setelah itu akan dilakukan proses seleksi citra batik yang tidak memiliki banyak noise contoh blur dan kemudian setelah diseleksi data citra batik akan di-resize menjadi ukuran 200x200 piksel dengan format *jpg. Citra batik hasil dari pengeditan akan diklasifikasikan menurut teksturnya yaitu kawung,parang,ceplok dan pola khsusus setelah itu proses terakhir yaitu data citra akan dimasukkan kedalam database klasifikasi.
10 38 Gambar 3.4 Gambar Proses Pengumpulan Citra 3. Praproses Didalam tahap ini akan dijalankan proses training. Proses training ini terdiri dari beberapa proses yaitu: A. Proses ekstraksi bentuk Tahap awal dalam proses ini adalah mendeklarasikan path database. Pada masing-masing folder database akan di-scan seluruh atribut file yang memiliki format jpg. Data hasil scan akan disimpan dengan nama db_citra.mat dan diberi kolomnya diberi nama ifile. File db_citra.mat tersebut kembali di-load untuk dipakai pada proses selanjutnya. Kemudian dilakukan perulangan untuk mengambil nama file pada setiap element-nya. Nama ini digunakan sebagai penunjuk file yang akan diolah dengan metode invariant moment. Setelah semua element berhasil
11 39 diolah oleh invariant moment hasil perhitungan tersebut di simpan dengan nama QueryIndexBentuk.mat. hal ini dilakukan pada seluruh folder klasifikasi pada database. Scan Attribute dari file db_citra.mat File diolah menggunakan invariant moment sesuai dengan nama status citra Disimpan sebagai QueryIndeksBentuk Gambar 3.5 Gambar Proses Pengumpulan Citra B. Proses ekstraksi motif Tahap awal dalam proses ini adalah mendeklarasikan path database, load db_citra.mat dan mengambil banyaknya data citra. Kemudian dilakukan perulangan untuk mengambil nama file pada setiap element-nya. Nama ini digunakan sebagai penunjuk file yang akan diolah dengan metode 2D - wavelet transform. Perhitungan 2D - wavelet transform ini membutuhkan input berupa citra grayscale. Output-nya berupa hasil perhitungan rumus 2D - wavelet transform dengan berbagai macam derajat rotasi. Perulangan ini akan dilakukan di seluruh folder klasifikasi pada database. Setelah semua proses selesai, masingmasing citra akan diberi status klasifikasi sesuai dengan folder klasifikasinya.
12 40 Scan Attribute dari file db_citra.mat File diolah menggunakan wavelet transformsesuai dengan nama status citra Disimpan sebagai QueryIndeks Build Decision Tree sesuai dengan queryindeks motif dan folder klasifikasinya Gambar 3.6 Gambar Proses Pengumpulan Citra C. Proses Explore decision tree Hasil perhitungan dari citra yang di-input akan di bandingkan dengan decision tree yang sudah ada. Hasil penelusuran decision tree akan menghasilkan status klasifikasi dari citra yang di-input. E. Euclidean distance Disini akan menghitung jarak kemiripan antar citra yang di input dengan database, pertama deklarasi path database setelah citra input di klasifikasi, baca QueryIndexBentuk.mat pada folder tersebut, untuk setiap element pada QueryIndexBentuk.mat tersebut dilakukan perhitungan jarak euclid dengan rumus "rumus euclid" seletah itu melakukan transformasi nilai dengan rumus transofrmasi nilai = (nilai transpose - nilai minimal transpose)/(nilai maksimum transpose - nilai minimum transpose) setelah itu di hitung sigmoid-nya dan di- save kedalam variabel.
13 41 F. Sorting hasil Pada tahap ini akan dilakukan proses men-sorting atau mengurutkan hasil perhitungan dari jarak Euclid. G. Visualisasi Pada tahap ini hasil dari sorting akan ditampilkan sebanyak 8 citra mulai dari yang memiliki kemiripan tertinggi sampai yang paling rendah.
ANALISIS SELEKSI CITRA MIRIP DENGAN MEMANFAATKAN KONSEP CBIR DAN ALGORITMA THRESHOLD
ANALISIS SELEKSI CITRA MIRIP DENGAN MEMANFAATKAN KONSEP CBIR DAN ALGORITMA THRESHOLD A. Haris Rangkuti Computer Science Department, School of Computer Science Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciSELEKSI CITRA BERDASARKAN CIRI DENGAN ALGORITMA THRESHOLD MENGUNAKAN FUZZY KURVA S DAN FUNGSI MIN
SELEKSI CITRA BERDASARKAN CIRI DENGAN ALGORITMA THRESHOLD MENGUNAKAN FUZZY KURVA S DAN FUNGSI MIN A. Haris Rangkuti Computer Science Department, School of Computer Science, Binus University Jln. K. H.
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih 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 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 III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciV. IMPLEMENTASI SISTEM. yang dibutuhkan oleh sistem dari media penyimpan program ke dalam media
V. IMPLEMENTASI SISTEM A. Instalasi Sistem Instalasi sistem temukembali citra adalah proses menggandakan seluruh file yang dibutuhkan oleh sistem dari media penyimpan program ke dalam media penyimpan komputer.
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
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 terperincicepat pada industri komputer. Perkembangan terjadi karena dukungan yang diberikan baik pada perangkat keras atau perangkat lunak untuk pengunaan data
I. PENDAHULUAN 1.1 Latar Belakang Beberapa tahun belakangan ini, telah terjadi perkembangan yang sangat cepat pada industri komputer. Perkembangan terjadi karena dukungan yang diberikan baik pada perangkat
Lebih terperinciIll. METODOLOGI PENELlTlAN. Dalam pelaksanaan penilitan ini dilakukan 4 tahap utama yang terdiri dari:
Ill. METODOLOGI PENELlTlAN 3.1 Kerangka Pemikiran Dalam pelaksanaan penilitan ini dilakukan 4 tahap utama yang terdiri dari: persiapan (pengurnpulan dan pengolahan data citra buah), algoritma pendukung,
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 terperinciVI. HASIL DAN PEMBAHASAN. Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk
VI. HASIL DAN PEMBAHASAN A. Segmentasi Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk mendapatkan informasi dari basisdata citra. Segmentasi warna adalah proses mengelompokkan citra
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 terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
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 terperinciANALISIS SEGMENTASI CIRI CITRA BUAH DAN BUNGA DENGAN INVARIANT MOMENT DAN ALGORITMA THRESHOLD
ANALISIS SEGMENTASI CIRI CITRA BUAH DAN BUNGA DENGAN INVARIANT MOMENT DAN ALGORITMA THRESHOLD A Haris Rangkuti 1 1 Jurusan Teknik Informatika, Fakultas Ilmu Komputer,Universitas Bina Nusantara Jl. KH Syahdan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
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 terperinciTemu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas
Temu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas Nama : Yudhi Septianto A.P NPM : 50408886 Pembimbing : Dr. Karmilasari., Skom, MM LATAR BELAKANG Klasifikasi rambu
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
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 terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
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 II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
Lebih terperinciV HASIL DAN PEMBAHASAN
22 V HASIL DAN PEMBAHASAN 5.1 Karakteristik Video dan Ektraksi Frame Video yang digunakan di dalam penelitian ini merupakan gabungan dari beberapa cuplikan video yang berbeda. Tujuan penggabungan beberapa
Lebih terperinciHASIL DAN PEMBAHASAN. Data
dengan menggunakan model Bayesian Network. Nilai kemiripan dapat dihitung dengan Persamaan 21. P(I j Q)=n[1-(1-P(CS j CS)) x(1-p(ct j CT))] (21) dengan n adalah jumlah citra pada basis data, P(CS j CS)
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
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 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 terperinciII TINJAUAN PUSTAKA. * adalah operasi konvolusi x dan y, adalah fungsi yang merepresentasikan citra output,
5 II INJAUAN PUSAKA.1 Fitur Scale Invariant Feature ransform (SIF) Fitur lokal ditentukan berdasarkan pada kemunculan sebuah objek pada lokasi tertentu di dalam frame. Fitur yang dimaksudkan haruslah bersifat
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciANALISIS DATA CITRA BUAH BUAHAN DENGAN ALGORITMA FAGIN DAN THRESHOLD
ANALISIS DATA CITRA BUAH BUAHAN DENGAN ALGORITMA FAGIN DAN THRESHOLD A. Haris Rangkuti 1, Marimin 2, Kudang Boro Seminar 3 Mahasiswa Sekolah Pascasarjana IPB, Program Studi Ilmu Komputer 1, Ketua Komisi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciIMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA
Hal : -29 IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Asmardi Zalukhu Mahasiswa Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Deteksi
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB 2 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 terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
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 II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Batik Asal kata batik pertama kali berasal dari jawa yang memiliki arti menulis dan titik. Batik adalah kerajinan tangan yang memiliki nilai seni tinggi dan telah menjadi bagian
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 terperinciBAB IV ANALISIS DAN PERANCANGAN SISTEM
BAB IV ANALISIS DAN PERANCANGAN SISTEM Bagian ini akan menjelaskan mengenai analisis dan perancangan sistem yang akan dikembangkan. 4.1 ANALISIS KEBUTUHAN Secara umum pengembangan Sistem Identifikasi Manusia
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
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 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 terperinciGambar 2 Prinsip pencarian: (a) struktur dan area-area pencarian, (b) jumlah dari garis-garis sampling (Sumber: (Kirchgeβner et al. 2002).
6 kebanyakan informasi tentang suatu garis tepi objek akan berada pada frekuensi rendah dari transformasi Fourier diskret (Petković & Krapac 2002). Pada penerapan ekstraksi venasi daun, inisialisasi parameter
Lebih terperinciBAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciMetode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
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 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 terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
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 terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciKelas. Kelas. p q r s t u v w x y Level Transformasi.
Fitur yang digunakan untuk pelatihan pada algoritme VFI5 diperoleh dari tiap-tiap piksel pada citra tanda tangan. Fitur pada pelatihan yang semula berupa matriks berukuran 3 4 piksel disusun menjadi matriks
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Fungsi utama perancangan program aplikasi tugas akhir ini adalah melakukan konversi terhadap citra dengan format raster atau bitmap ke format vektor dengan tipe
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 III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu bagian yang wajib dimiliki oleh kendaraan bermotor resmi di Indonesia adalah bagian plat nomor. Plat nomor ini memberi informasi tentang dari mana asal wilayah
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
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 IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
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 IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Desain frame grabber Desain frame grabberdiawali dengan pemilihan perangkat kamera yang akan digunakan. Video akan muncul komponen VideoWindow1 yang secara realtime terhubung
Lebih terperinciBAB III METODE YANG DIUSULKAN
BAB III METODE YANG DIUSULKAN Pada bab ini akan dijelaskan tentang metode pengenalan manusia dengan menggunakan citra dental radiograph yang diusulkan oleh peneliti. Pengenalan ini akan dilakukan dalam
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 terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
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 terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik adalah ilmu untuk menetapkan identitas seseorang berdasarkan ciri fisik, kimia, ataupun tingkah laku dari orang tersebut. Dewasa ini, biometrik telah menjadi suatu
Lebih terperinciBAB IV UJI COBA DAN ANALISIS
BAB IV UJI COBA DAN ANALISIS Bab ini tersusun atas penjelasan hasil uji coba terhadap Sistem Pencocokan Dental yang dikembangkan beserta analisis hasil uji coba. Pengujian dan analisis dilakukan untuk
Lebih terperinciBAB II LANDASAN TEORI. Citra digital sebenarnya bukanlah sebuah data digital yang normal,
BAB II LANDASAN TEORI II.1 Citra Digital Citra digital sebenarnya bukanlah sebuah data digital yang normal, melainkan sebuah representasi dari citra asal yang bersifat analog [3]. Citra digital ditampilkan
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
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 terperinci