BABI PENDAHULUAN 1.1 Latar Belakang
|
|
- Yuliana Hermanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BABI PENDAHULUAN 1.1 Latar Belakang Kebutuhan sistem otomatis dalam dunia industri dan non-industri yang semakin kompleks menyebabkan permintaan pasar terhadap teknologi machine vision semakin meningkat [1]. Penelitian terhadap perkembangan teknik-teknik machine vision dibutuhkan untuk mendukung tersedianya teknologi machine vision yang berkualitas. Teknik machine vision tidak dapat terlepas dari bidang pengolahan citra dan pengenalan pola karena prosesnya selalu berdasarkan pada penangkapan dan pemprosesan citra [2]. Identifikasi lingkaran merupakan bagian dari teknik pengenalan pola yang dibutuhkan untuk mendukung perkembangan teknologi machine vision [3]-[4]. Hal ini dapat dilihat dari perkembangan aplikasi identifikasi lingkaran baik dalam dunia industri maupun non-industri yang semakin luas, sehingga penelitian untuk mencari teknik identifikasi lingkaran yang paling efektif dan akurat mengalami peningkatan yang signifikan [1][5][6][7]. Penerapan aplikasi identifikasi lingkaran dalam dunia manufaktur dan industri diimplementasikan menjadi suatu sistem yang dapat digunakan untuk mengkoreksi kecacatan suatu produk, quality control, serta identifikasi kepresisian lubang pada Printed Circuit Board (PCB) [3][4][8][9]. Di bidang non-industri, identifikasi lingkaran diterapkan pada bidang penelitian ilmiah, penentuan lokasi target, robotika, biologi, biomedis, dan sebagai dasar segmentasi serta pendefinisian suatu objek [6][7][10][11][12][13][14][15]. Cakupan aplikasi identifikasi lingkaran yang sangat luas memiliki metode identifikasi yang berbeda-beda bergantung pada kebutuhan sistem. Metodemetode yang digunakan pada penelitian identifikasi lingkaran dititikberatkan pada dua faktor penting yaitu waktu komputasi dan keakuratan identifikasi [16]. Metode-metode tersebut dapat diklasifikasikan menjadi dua macam yaitu metode deterministic dan metode nondeterministic [16]. Metode deterministic sebagian besar menggunakan dasar metode Hough Transform dan lebih mengutamakan 1
2 keakuratan identifikasi yang dihasilkan. Metode Hough Transform digunakan dalam penelitian [3]. Metode tersebut memiliki kelemahan dalam hal efisiensi waktu identifikasi. Perbaikan dari metode Hough Transform bernama Randomize Hough Transform digunakan pada penelitian [12]. Metode tersebut masih memiliki masalah terhadap penggunaan memori yang cukup signifikan dan memiliki kompleksitas perhitungan yang rumit. Metode nondeterministic lebih banyak digunakan dalam penelitian identifikasi lingkaran. Metode tersebut menekankan pada analisis geometris dan lebih mengutamakan dalam hal efisiensi komputasi [16]. Metode identifikasi lingkaran yang termasuk dalam metode nondeterministic yaitu metode identifikasi lingkaran berdasarkan penelusuran kontur garis tepi serta metode identifikasi lingkaran dengan menggunakan morfologi matematika dan kode rantai. Kode rantai merupakan salah bentuk algoritme yang dapat digunakan untuk memahami bentuk struktur suatu objek. Kode rantai banyak digunakan dalam penelusuran data kontur garis karena hemat memori data dan memiliki informasi lebih dibandingkan dengan sebuah titik [6]. Penelitian [17] mengungkapkan bahwa penkodean kontur menyediakan representasi kode suatu area objek yang sangat cocok untuk identifikasi fitur seperti sudut, proyeksi, serta segmentasi garis lurus yang mana dapat digunakan untuk analisis bentuk objek dan analisa pengenalan bentuk berdasarkan pola. Neeta Nain, dkk menyebutkan bahwa metode identifikasi sudut menggunakan difference chain code yang dilakukannya sangat efisien karena hanya berdasarkan perhitungan operasi integer serta sangat mudah untuk diimplementasikan [18]. Identifikasi lingkaran menggunakan kode rantai telah digunakan oleh penelitian metode kode rantai [9]. Penelitian tersebut memiliki hasil pengujian kurang presisi dalam menentukan titik tengah lingkaran karena semua kode rantai dilibatkan secara keseluruhan. Selain itu metode tersebut hanya dapat mengenali bentuk lingkaran sempurna. Kekurangan metode deterministic dan nondeterministic secara umum adalah ketidakefektifan identifikasi karena metode-metode tersebut sebagian besar belum melakukan operasi pencarian kandidat lingkaran terlebih dahulu sehingga terjadi pemborosan dalam hal komputasi dan penggunaan memori. Masalah dalam 2
3 metode deterministic dan nondeterministic dapat diatasi dengan cara melakukan pencarian kandidat lingkaran terlebih dahulu sebelum melakukan identifikasi lingkaran. Penentuan kandidat lingkaran sebelum mengidentifikasi lingkaran didasarkan pada cara mata manusia mengenali sebuah objek lingkaran. Pencarian kandidat dilakukan dengan penelusuran setiap kontur garis tepi yang ada pada citra yang memiliki potensi bentuk sebagai lingkaran. Manusia menyatakan suatu bentuk lingkaran adalah dengan melihat kontur objek tanpa melakukan perhitungan titik tengah terlebih dahulu. Oleh karena itu, kandidat lingkaran dapat dikenali dengan memahami struktur objek yang diidentifikasi. Struktur dari objek tersebut berbentuk suatu garis kontur yang terdiri dari banyak titik yang saling terhubung satu dengan yang lainnya. Salah satu bentuk metode pencarian kandidat dalam menentukan potensi suatu kontur garis tepi merupakan kandidat lingkaran adalah dengan melakukan pengujian titik acuan yang merupakan bagian dari suatu bentuk garis kontur yang terhubung secara noncollinier [19]. Sebagian besar metode identifikasi lingkaran yang menerapkan cara ini tidak menghitung keseluruhan titik-titik yang ada pada kontur garis untuk mengurangi penggunaan memori dan memangkas waktu eksekusi. Perhitungan dilakukan dengan cara mengambil minimal tiga titik acuan secara acak. Pemilihan beberapa titik acuan saja sangat efektif namun memiliki kelemahan jika dalam proses penentuan titik acuan tidak tepat maka akan memberikan dampak pada kesalahan metode dalam menentukan potensi garis kontur tersebut sebagai objek lingkaran. Oleh sebab itu penentuan titik acuan harus dilakukan tidak secara acak dan dengan perhitungan tertentu sehingga hasil yang penentuan kandidat lingkaran tersebut valid. Pengembangan dari proses penentuan kandidat dapat dilakukan dengan meningkatkan validasi pemilihan titik acuan menggunakan metode hasil perbaikan algoritme kode rantai pada penelitian [18]. Metode tersebut menggunakan perpindahan arah kode rantai untuk mengidentifikasi posisi perubahan arah kontur yang dapat digunakan untuk menentukan titik acuan dalam menentukan kandidat objek sebagai lingkaran. Penelitian [18] menyebutkan bahwa algoritme differential chain code sangat efisien karena hanya berdasarkan 3
4 perhitungan operasi integer serta sangat mudah untuk diimplementasikan. Tujuan dari metode identifikasi lingkaran menggunakan kode rantai ini adalah untuk melakukan penghematan waktu dan meningkatkan keakuratan hasil identifikasi dengan memangkas waktu pencarian titik acuan sebagai dasar penentuan kandidat lingkaran dalam suatu citra. Penghematan waktu didapat dengan cara melakukan pemeriksaan terhadap setiap garis kontur untuk mendapatkan titik acuan di awal perhitungan sehingga proses identifikasi lingkaran akan berhenti jika tidak ditemukan tanda-tanda garis kontur tersebut tidak berpotensi sebagai lingkaran. Keakuratan identifikasi meningkat karena pengambilan titik acuan tidak secara acak dan melalui perhitungan terlebih dahulu sehingga nilainya valid sehingga penentuan kandidat lingkaran lebih presisi. Penelitian ini akan menitikberatkan pada efisiensi pemilihan titik acuan berdasarkan perpindahan arah kode rantai untuk mendapatkan titik-titik acuan yang dapat digunakan untuk menentukan objek tersebut sebagai kandidat lingkaran. Selain itu titik acuan yang didapat lebih valid dan tidak secara acak sehingga dapat meningkatkan kepresisian ketika digunakan untuk menentukan kandidat, menghitung titik pusat dan juga jari-jari lingkaran. Metode ini mampu mengidentifikasi lebih dini objek yang diamati apabila bukan merupakan lingkaran dan juga mampu mengenali berbagai macam bentuk lingkaran baik lingkaran sempurna maupun lingkaran tidak sempurna sesuai tingkat sensitivitas yang ditentukan sehingga dapat meningkatkan efisiensi dan akurasi dalam proses identifikasi. 1.2 Perumusan masalah Dari latar belakang yang dikemukakan di atas, permasalahan penelitian dalam hal waktu eksekusi yang lama dan kebutuhan komputasi memori yang besar dikarenakan tidak adanya proses penentuan kandidat objek sebagai lingkaran terlebih dahulu serta analisis penelitian hanya melibatkan informasi posisi piksel saja tanpa menggunakan informasi perubahan posisi perpindahan piksel, yang mana hanya dapat dilakukan dengan menggunakan analisis kode rantai (chain code). Permasalahan tingkat akurasi dan kepresisian hasil penelitian 4
5 yang tidak maksimal disebabkan tidak adanya pemilihan validasi pemilihan titik acuan yang digunakan sebagai acuan dasar perhitungan identifikasi. 1.3 Keaslian penelitian Penelitian ini mengacu pada penelitian sebelumnya mengenai identifikasi lingkaran (circle detection). Terdapat dua macam pendekatan metode yang digunakan yaitu metode deterministic berbasis Hough Transform (HT) dan metode nondterministic bukan berbasis Hough Transform (non-ht). Beberapa metode menerapkan proses pencarian kandidat lingkaran dahulu sebelum proses identifikasi lingkaran yang sebenarnya serta melakukan pemilihan titik acuan secara acak sebagai dasar titik acuan perhitungan. Penerapan pencarian kandidat lingkaran digunakan untuk mengurangi kompleksitas perhitungan dan juga meningkatkan efisiensi penggunan memori sehingga mampu mempercepat waktu ekseskusi proses identifikasi. Tabel 1.1 menunjukkan rangkuman penelitian terdahulu yang menjadi acuan penelitian yang dilakukan. Tabel 1.1 Rangkuman penelitian sebelumnya Penulis/Judul Tujuan Penelitian Metode Liyan Luo, dkk A Fast and Robust Circle Detection Method using Perpendicular Bisector of Chords [1] Kuo-Liang Chung, dkk Efficient Sampling Strategy and Refinement Strategy for Randomized Circle Detection [5] Penelitian ini bertujuan mengembangkan metode non-ht dengan menerapkan Perpendicular Bisector of Chords untuk mengatasi kelemahan metode Centroid, metode Hough Tranform dan juga metode Least Square. Penelitian ini bertujuan untuk meningkatkan kecepatan dan akurasi deteksi metode RCD 5 Perpendicular Bisector of Chords diterapkan dengan mendasarkan pada perpotongan antara garis tegak lurus dengan garis tegak lurus yang lainnya untuk mendapatkan posisi titik tengah lingkaran. Perhitungan gradient directions dilakukan untuk mendapatkan evidences sebagai dasar proses multiple-evidence-based sampling strategy. Refinement strategy untuk mengatasi kekurangan permasalahan bias pada metode RCD
6 Tabel 1.2 Rangkuman penelitian sebelumnya (lanjutan) Penulis/Judul Tujuan Penelitian Metode Yueqiu Jiang A New Circular Region Detection Algorithm Based on the Geometric Characteristics [6] Penelitian ini bertujuan mencari metode lain deteksi lingkaran yang akurat dan efisien selain Hough transform dan Freeman Chain Code dengan menerapkan pendekatan Geometric Dasar Geometric Chracteristic berupa titik maksimal atas, bawah, kiri, dan kanan yang kemudian ditarik garis lurus sehingga didapatkan titik perpotongan untuk menentukan nilai tengah lingkaran. Ming Chen, dkk Circle Detection using Scan Lines and Histograms [7] Characteristics Penelitian ini bertujuan menerapkan teknik Scan Lines dan Histogram pada proses deteksi lingkaran untuk mengurangi lamanya waktu komputasi Horizontal Midpoint Histogram (HMH) dan Vertical Midpoint Histogram (VMH) digunakan sebagai dasar perhitungan Histogram untuk menentukan objek sebagai lingkaran Fu dan Han A Circle Detection Algorithm Based on Mathematical Morphology and Chain Code [9] Jiang, L Efficient Randomized Hough Transform for Circle Detection using Novel Probability Sampling and Feature Points [11] Menerapkan metode non- HT untuk mendeteksi lingkaran menggunakan kode rantai dan perhitungan morfologi matematika Mengoptimalkan metode RHT dalam menentukan titik sampling dan menentukan kandidat objek sebagai lingkaran. Kode rantai digunakan untuk menghitung perimeter dan area pada perhitungan Circularity Index (CI). Penentuan objek sebagai lingkaran didasarkan pada perhitungan CI terhadap threshold ( s ) yang ditetapkan. Circle parameters didapatkan dengan menggunakan teknik probabilitas (probability sampling) untuk menentukan kandidat lingkaran ditentukan melalui perhitungan symmetric points. Penentuan objek sebagai lingkaran menggunakan evidencecollection dan Hough Transform (HT). 6
7 Tabel 1.3 Rangkuman penelitian sebelumnya (lanjutan) Penulis/Judul Tujuan Penelitian Metode Li-qin jia dan Cheng-Zhang Peng A New Circle Detection Method Based on Parallel Operator [14] Menerapkan metode non- HT untuk mendeteksi keberadaan objek lingkaran secara cepat dan akurat dengan menggunakan parallel operator Teknik parallel pair points digunakan untuk menentukan objek sebagai lingkaran yang diperoleh berdasar perhitungan valid pixel point meliputi gradient vector, magnitude, dan orientation line. Chen, A dan Dong, G Efficient Method for Rapidly Detecting Circles Based on Edge-Tracking [19] E. Cuevas, dkk Circle Detection on Images using Learning Automata [20] Menerapkan metode non- HT untuk mendeteksi lingkaran berdasarkan kontur tepi objek Penelitian ini bertujuan menerapkan metode non- HT untuk mendeteksi lingkaran secara otomatis pada citra yang kompleks dan berderau dengan menggunakan metode Learning Automata (LA) Perhitungan evidencecollecting digunakan untuk menentuan objek kandidat lingkaran sebagai lingkaran didasarkan perhitungan distance ( d m ) terhadap parameter threshold ( T d ) Tiga titik sampling diambil secara acak digunakan untuk menentukan kandidat lingkaran. Kandidat dianggap sebagai lingkaran melalui proses performance evaluation function (.). Berdasarkan pada Tabel 1.1, Tabel 1.2, dan Tabel 1.3 dapat dilihat perbandingan keaslian penelitian ini dibandingkan dengan penelitian sebelumnya. Liyan Luo, dkk [1] meneliti tentang identifikasi lingkaran menggunakan metode Perpendicular Bisector of Chords. Penggunaan metode ini bertujuan untuk mengatasi kelemahan metode Centroid berupa penyimpangan hasil identifikasi, serta mengatasi kekurangan metode Hough Transform dalam hal waktu komputasi dan penggunaan memori. Selain itu penggunaan metode ini ditujukan untuk mengatasi kelemahan metode Least Square yang sensitif terhadap noise. Perpendicular Bisector of Chords diterapkan dengan membagi suatu bentuk kontur lingkaran menjadi empat bagian berupa empat titik parameter. Kemudian 7
8 setiap dua lokasi titik dihubungkan dan dihitung nilai simpangannya secara tegak lurus terhadap garis yang terbentuk. Perpotongan antara garis tegak lurus dengan garis tegak lurus yang lainnya akan didapatkan posisi titik tengah lingkaran sehingga dapat dihitung nilai jari-jarinya. Kuo-Liang Chung, dkk [5] meneliti tentang metode identifikasi lingkaran berbasis Rundomized Circle Detection (RCD) dengan melakukan penentuan kandidat lingkaran terlebih dahulu sebelum dinyatakan sebagai lingkaran sebenarnya dengan teknik Multiple-Evidence-Based Sampling Strategy dan meningkatkan akurasi dengan Refinement Strategy. Perhitungan gradient directions dilakukan untuk mendapatkan parameter evidences sebagai dasar proses multiple-evidence. Evidence yang pertama adalah arah gradient empat buah titik harus valid dan terletak pada suatu kontur lingkaran. Evidence yang kedua merupakan validasi lokasi titik acuan untuk menentukan kandidat lingkaran. Evidence ketiga merupakan validasi arah gradient dari seluruh titik acuan menuju kearah pusat. Evidence ketiga digunakan untuk menentukan objek sebagai lingkaran. Refinement strategy digunakan untuk mengatasi kekurangan permasalahan bias pada metode RCD. Yueqiu Jiang [6] mengusulkan penelitian yang bertujuan mencari metode lain identifikasi lingkaran yang akurat dan efisien selain Hough transform dan Freeman Chain Code dengan menerapkan pendekatan Geometric Characteristic. Operator Canny digunakan dalam segmentasi objek pada tahap pre-processing. Identifikasi lingkaran didasarkan pada Geometric Chracteristic berupa titik maksimal atas, bawah, kiri, dan kanan yang kemudian ditarik garis lurus sehingga didapatkan titik perpotongan untuk menentukan nilai tengah lingkaran. Metode ini sangat sederhana sehingga keakuratan dan efisiensi hanya didapat pada pengujian lingkaran sempurna kondisi ideal. Metode ini juga tidak dapat mengidentifikasi bentuk lingkaran tidak sempurna ataupun bertumpuk. Penelitian dengan tujuan mengembangkan metode identifikasi lingkaran non-ht berdasarkan sifat karakterisik simetris lingkaran diusulkan oleh Ming Chen, dkk [7]. Metode ini menerapkan teknik Scan Lines dan Histogram untuk mengurangi lamanya waktu komputasi. Objek kandidat lingkaran didapatkan 8
9 dengan menerapkan teknik Scan Lines sehingga didapatkan nilai Horizontal Midpoint Histogram (HMH) dan Vertical Midpoint Histogram (VMH). Untuk memvalidasi kandidat lingkaran tersebut sebagai lingkaran yang sebenarnya maka dihitung histogram dari distance dari semua titik kontur terhadap titik tengah untuk memverifikasi bentuk lingkaran dan mendapatkan nilai jari-jari lingkaran tersebut. Metode ini memiliki tingkat komputasi yang tinggi dan berpotensi terjadi kesalahan karena keputusan diambil berdasarkan data histogram. Fu dan Han [9] melakukan penelitian dengan menerapkan metode non-ht untuk mengidentifikasi lingkaran menggunakan kode rantai (chain code) dan perhitungan morfologi matematika. Kode rantai (chain code) digunakan karena dapat digunakan untuk mempresentasikan berbagai bentuk kontur tertutup. Proses morfologi dilakukan dengan cara denoising dan area filling. Kode rantai didapatkan dari proses penelusuran kode pada hasil identifikasi tepi objek yang sudah diekstraksi menjadi sebuah kontur tunggal. Kode rantai digunakan untuk menghitung perimeter dan area pada perhitungan Circularity Index (CI). Penentuan objek sebagai lingkaran didasarkan pada perhitungan CI terhadap threshold ( s ) yang ditetapkan. Metode ini hanya mampu mengidentifikasi objek lingkaran sempurna dan memiliki tingkat kepresisian yang rendah. Jiang, L [11] penelitian ini bertujuan mengoptimalkan metode RHT dalam menentukan titik acuan dan menentukan kandidat objek sebagai lingkaran. Pengambilan tiga titik acuan dilakukan secara acak dalam suatu kontur. Titik acuan ditetapkan jika memenuhi syarat perhitungan circle parameters yang dihitung dengan menggunakan teknik probabilitas (probability sampling). Kandidat lingkaran ditentukan melalui perhitungan symmetric points dari nilai circle parameters yang didapat. Penentuan objek kandidat lingkaran sebagai lingkaran melalui perhitungan evidence-collection dan Hough Transform (HT). Penelitian tentang identifikasi lingkaran tanpa melakukan pencarian kandidat lingkaran dan menggunakan prinsip parallel operator dilakukan oleh Liqin jia [14]. Metode ini dikembangkan untuk dapat mengidentifikasi keberadaan objek lingkaran secara cepat dan akurat dengan menggunakan parallel operator. Penentuan valid pixel dilakukan dengan cara menentukan titik acuan dan dihitung 9
10 nilai gradient vector, magnitude, dan orientation line berdasarkan nilai threshold T tertentu. Valid pixel digunakan sebagai dasar penentuan parallel pair points. Parallel pair points digunakan untuk menghitung titik tengah lingkaran. Verifikasi objek sebagai lingkaran dilakukan dengan cara menghitung distance d pada setiap titik-titik anggota objek terhadap nilai parameter k 1 tertentu. Objek ditentukan sebagai lingkaran jika hasil verifikasi > parameter k 1. Chen, A dan Dong, G [19] melakukan penelitian dengan menerapkan menerapkan metode non-ht untuk mengidentifikasi lingkaran berdasarkan kontur tepi objek. Pengambilan tiga titik acuan dilakukan secara acak. Penentuan kandidat lingkaran didasarkan pada perhitungan tiga titik acuan yang didapat secara non-colliniear. Penentuan objek kandidat lingkaran sebagai lingkaran didasarkan perhitungan distance d terhadap parameter threshold T pada perhitungan evidences-collecting. m E. Cuevas, dkk [20] melakukan penelitian dengan tujuan menerapkan metode non-ht untuk mengidentifikasi lingkaran secara otomatis pada citra yang kompleks dan berderau dengan menggunakan metode Learning Automata (LA). Data pre-processing diperoleh dengan menerapkan metode Canny sehingga didapatkan vektor kontur ( P ). Tiga titik acuan diambil secara acak tanpa validasi dan digunakan untuk perhitungan nilai jari-jari ( r ). Kandidat lingkaran didapatkan apabila perhitungan nilai r berada diantara rentang nilai 8 r max( I( coloumns )/ 2, I( rows) / 2). Kandidat dianggap sebagai lingkaran melalui proses performance evaluation function (.). Pada penelitian di atas terdapat beberapa hal yang dapat dijadikan celah penelitian. Celah penelitian pertama adalah tidak ada usaha untuk menentukan titik acuan secara valid sejak awal sehingga dapat menghindari pengambilan titik acuan secara acak pada tahap identifikasi kandidat lingkaran. Pengambilan titik acuan secara acak hanya dapat diterapkan apabila bentuk kontur merupakan lingkaran sempurna. Apabila bentuk kontur tidak sempurna maka dapat menimbulkan kesalahan identifikasi dan berimbas pada ketidakakuratan hasil bahkan kegagalan metode dalam mengidentifikasi lingkaran. Pemilihan titik d 10
11 acuan secara valid dapat dilakukan dengan menerapkan identifikasi perubahan sudut perpindahan arah piksel kontur dengan kode rantai. Posisi perubahan sudut tersebut akan digunakan sebagai acuan titik acuan. Teknik penentuan titik acuan secara valid sejak awal tidak terdapat pada metode yang diusulkan oleh Liyan Luo, dkk [1], Kuo-Liang Chung, dkk [5], Yueqiu Jiang [6], Ming Chen, dkk [7], Fu dan Han [9], Jiang, L [11], Li-qin jia [14], Chen, A dan Dong, G [19], E. Cuevas, dkk [20]. Hal ini dapat meningkatkan metode identifikasi lingkaran dalam hal kepresisian hasil, mengurangi lamanya waktu eksekusi, serta efisiensi perhitungan komputasi. Celah yang kedua adalah identifikasi lingkaran pada suatu objek hanya dilakukan dengan hanya mendasarkan pada informasi piksel. Piksel citra tidak memiliki informasi perpindahan arah. Kode rantai (chain code) dapat digunakan sebagai solusi dari permasalahan tersebut. Kode rantai (chain code) memiliki informasi tentang piksel sekaligus informasi tentang perpindahan arah piksel suatu kontur yang dapat digunakan sebagai acuan untuk menentukan titik acuan. Penggunaan kode rantai (chain code) tidak terdapat pada metode yang diusulkan oleh Liyan Luo, dkk [1], Kuo-Liang Chung, dkk [5], Yueqiu Jiang [6], Ming Chen, dkk [7], Jiang, L [11], Li-qin jia [14], Chen, A dan Dong, G [19], E. Cuevas, dkk [20]. Celah yang ketiga adalah harus adanya peningkatan hasil akurasi identifikasi tidak hanya pada lingkaran sempurna tetapi juga pada bentuk lingkaran yang tidak sempurna. Peningkatan keakuratan hasil ini dapat dilakukan secara dinamis dengan menggunakan parameter tertentu sehingga kebulatan lingkaran yang teridentifikasi dapat dilakukan dari persentase keakuratan terkecil hingga persentase paling besar. Peningkatan hasil akurasi identifikasi lingkaran tidak sempurna tidak ditemukan pada metode yang diusulkan oleh Liyan Luo, dkk [1], Yueqiu Jiang [6], Ming Chen, dkk [7], Fu dan Han [9], Li-qin jia [14]. Sebagai ringkasan, penelitian ini memberikan tiga kontribusi yakni : 1. Pemilihan titik acuan dilakukan dengan menerapkan identifikasi perubahan sudut perpindahan arah piksel kontur dengan kode rantai. Posisi perpindahan arah tersebut diambil dan digunakan sebagai acuan titik acuan pada tahap 11
12 identifikasi kandidat lingkaran. 2. Identifikasi lingkaran dengan menggunakan kode rantai (chain code) 3. Penentuan tingkat keakuratan hasil identifikasi lingkaran terhadap tingkat keutuhan lingkaran dapat dilakukan secara dinamis sesuai persentase keutuhan bentuk lingkaran yang diinginkan. 1.4 Tujuan Penelitian Tujuan yang ingin dicapai pada penelitian ini adalah mampu mengembangkan metode identifikasi lingkaran non-ht menggunakan kode rantai (chain code) yang memiliki proses identifikasi kandidat lingkaran terlebih dahulu dengan pemilihan titik acuan yang valid serta mampu mengidentifikasi lingkaran dengan tingkat keutuhan bentuk lingkaran yang dapat ditentukan secara dinamis. 1.5 Manfaat Penelitian Hasil dari penelitian ini diharapkan dapat memberi manfaat, diantaranya adalah sebagai berikut : 1. Penelitian identifikasi lingkaran dengan menggunakan kode rantai (chain code) ini berhasil mengidentifikasi objek berbentuk lingkaran sempurna dan lingkaran tidak sempurna. 2. Penggunaan pemilihan titik acuan secara valid berdasarkan perpindahan arah kode rantai (chain code) dapat mengidentifikasi objek lingkaran nyata (real object). 3. Penelitian identifikasi lingkaran dengan menggunakan kode rantai (chain code) ini dapat meningkatkan akurasi hasil, mengidentifikasi objek secara cepat, dan juga dapat mengidentifikasi objek lingkaran dengan komputasi yang lebih sederhana. 1.6 Batasan Penelitian Dari rumusan masalah tersebut di atas, maka dalam penelitian ini hanya dibatasi pada permasalahan-permasalahan sebagai berikut : 1. Citra berupa citra sintetis buatan software computer dan citra natural 12
13 (real) hasil dari penangkapan perangkat kamera. 2. Citra berupa citra statis, bukan citra real-time. 3. Citra merupakan citra original yang belum diedit atau diberi efek untuk tujuan mempermudah proses identifikasi. 4. Citra natural yang digunakan bukan hasil rekayasa/photo edit, namun murni merupakan asli hasil dari capture devices. 13
DETEKSI KANDIDAT LINGKARAN MENGGUNAKAN KODE RANTAI
DETEKSI KANDIDAT LINGKARAN MENGGUNAKAN KODE RANTAI Ahmad Fashiha Hastawan1), Indah Soesanti2), Risma Septiana3) 1), 2),3) Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada Yogyakarta
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia memiliki kemampuan visual dalam satu sistem yang utuh. Sistem visual manusiatersebut terdiri atas gabungan dari proses perekaman dan pendeteksian obyek. Oleh
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendeteksian objek dalam suatu citra merupakan hal mendasar dalam banyak aplikasi analisis citra (image analysis). Manusia bisa langsung mengenali objek yang dilihatnya
Lebih terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
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 terperinciPENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA ABSTRAK
PENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA Yuliana Melita Pranoto 1, Endang Setyati 2 1) Teknik Informatika, Sekolah Tinggi Teknik Surabaya Jl. Ngagel Jaya Tengah 73-77
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
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 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 terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
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 terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinciBAB I PENDAHULUAN. ukuran, dan warna ketika suatu citra digambarkan meskipun dalam ruang 2D (dua
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Suatu citra memiliki beragam bentuk tekstur dan warna yang berbeda. Citra dapat dikenali dengan mudah oleh manusia dikarenakan manusia sudah memiliki persepsi atau
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 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 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 terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
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 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 terperinci2015 PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR
BAB I PENDAHULUAN Latar Belakang Sistem pengawasan menggunakan kamera merupakan salah satu aplikasi praktis dari perkembangan teknologi yang dapat membantu permasalahan seharihari. Dengan sistem pengawasan
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Deteksi kulit manusia berperan penting dan digunakan secara luas sebagai langkah awal pada aplikasi pengolahan citra seperti gesture analysis, content based
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciDeteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT)
Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT) Dwi Puspitasari 1 *, Handayani Tjandrasa 2 Jurusan Teknik Elektro,
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 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 terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciDeteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity
54 Integer Journal, Vol 1, No 1, Maret 2016: 54-59 Deteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity Hendro Nugroho Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian ini merupakan penelitian di bidang pemrosesan citra. Bidang pemrosesan citra sendiri terdapat tiga tingkatan yaitu operasi pemrosesan citra tingkat rendah,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi wajah pada suatu citra merupakan bagian yang penting dalam perkembangan sistem pengenalan wajah (Face Recognition). Pengenalan wajah banyak digunakan untuk
Lebih terperinciBAB I PENDAHULUAN. organ dalam tubuh seperti Computed Tomography (CT) scan, Digital
BAB I PENDAHULUAN A. Latar Belakang Perkembangan jaman menghantarkan masyarakat dunia masuk ke era globalisasi dimana tidak ada keterbatasan ruang dan waktu yang melingkupi berbagai aspek. Kemajuan teknologi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1. Identifikasi Masalah Penggunaan citra digital telah menjadi semakin popular akhir-akhir ini. Hal ini menyebabkan program pengolah grafis untuk memanipulasi citra
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinciFitur bentuk merupakan fitur dasar dalam visual content
7407030059 1 KLASIFIKASI CIRI BENTUK MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM Mala Alfiyah Ningsih; Setiawardhana, S.T; Nana Ramadijanti, S.Kom,M.Kom Abstract Fitur bentuk merupakan fitur dasar dimana
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Industri keramik yang terdiri dari ubin (tile), saniter, perangkat rumah tangga (tableware), genteng telah memberikan kontribusi signifikan dalam mendukung pembangunan
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
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 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 terperinciPENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI
PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu
Lebih terperinciBABI PENDAHULUAN 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Wireless Sensor Network (WSN) merupakan teknologi yang digunakan untuk pemantauan dan pengumpulan data secara langsung [1]. WSN mengalami perkembangan yang sangat pesat
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam suatu proses pembelajaran, evaluasi menjadi salah satu komponen yang memegang peranan penting sebagai ukuran bagaimana suatu proses pembelajaran telah diserap
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
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 terperinciBAB III PROSEDUR DAN METODOLOGI
BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
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 terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peningkatan yang pesat dalam jumlah kendaraan dikota besar memiliki dampak terhadap kebutuhan parkir di tempat-tempat umum seperti di rumah sakit, kantor, pusat perbelanjaan,
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan teknologi yang amat pesat, menuntut pula adanya otomatisasi dan efisiensi dalam memperoleh informasi. Hal ini didukung pula oleh perkembangan mobile
Lebih terperinciBAB I PENDAHULUAN. (terlibat 8%) (Austroads, 2002). Salah satu faktor terbesar penyebab kecelakaan
BAB I PENDAHULUAN 1.1 Latar Belakang Tingkat kecelakaan lalu lintas diindonesia tergolong cukup tinggi. Menurut BPS (Badan Pusat Statistik) Indonesia, terdapat sebanyak 117.949 kecelakaan lalu lintas pada
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang kwh-meter merupakan alat yang digunakan untuk mengukur besarnya pemakaian energi listrik pada suatu bangunan atau gedung [1]. Berdasarkan sistem pembayarannya,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Keamanan adalah masalah penting dalam kehidupan masyarakat pada saat ini. Terjadinya banyak tindak kejahatan dan pemalsuan identitas mengindikasikan bahwa masyarakat
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
Lebih terperinciPenerapan Algoritma Greedy untuk Mendeteksi Bola pada Robot Sepak Bola Beroda
Penerapan Algoritma Greedy untuk Mendeteksi Bola pada Robot Sepak Bola Beroda Muhammad Hilmi Asyrofi 13515083 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciImplementasi Circular Hough Transform untuk Deteksi Kemunculan Bulan Sabit
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Implementasi Circular Hough Transform untuk Deteksi Kemunculan Bulan Sabit Ike Mardiya Sari, Agus Zainal Arifin, dan Anny Yuniarti Teknik Informatika, Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciBAB 4 PENGUJIAN DAN EVALUASI. teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik
BAB 4 PENGUJIAN DAN EVALUASI 4.1 Pengujian Pengujian yang akan dilakukan buertujuan untuk melakukan perbandingan antara teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik konvensional.
Lebih terperinciPENERAPAN METODE CANNY DALAM KOREKSI LEMBAR JAWABAN KOMPUTER UNTUK TRY OUT
PENERAPAN METODE CANNY DALAM KOREKSI LEMBAR JAWABAN KOMPUTER UNTUK TRY OUT Mira Chandra Kirana 1, Sartikha 2, Ela Erminawati 3 1,2,3 Jurusan Teknik Informatika, Politeknik Negeri Batam 1 mira@polibatam.ac.id,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Umum 2.1.1. Warna Dengan menggunakan 3 buah reseptor manusia dapat membedakan banyak warna. Warna tricromatic RGB dalam sistem grafis umumnya menggunakan 3 byte (2 8 ) 3,
Lebih terperinciDEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK
DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN
PENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN 1008605032 JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciSISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG * Iman Sapuguh, Daniel O Siahaan, dan Chastine Fatichah Program Magister Teknik
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 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 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 terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Saat ini jalan tol menjadi suatu jalan alternatif untuk mengatasi kemacetan lalu lintas ataupun untuk mempersingkat jarak dari satu tempat ke tempat lain. Untuk menikmati layanan
Lebih terperinciTidak ada tepat satu teori untuk menyelesaikan problem pengenalan pola Terdapat model standar yang dapat dijadikan teori acuan
Terdapat banyak jenis pola: Pola visual Pola temporal Pola logikal Tidak ada tepat satu teori untuk menyelesaikan problem pengenalan pola Terdapat model standar yang dapat dijadikan teori acuan Statistik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Fotogrametri adalah suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan sekitarnya melalui proses
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 terperinciANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY
Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 28) Auditorium Universitas Gunadarma, Depok, 2-21 Agustus 28 ISSN : 1411-6286 ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
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 terperinciAplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra
Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciComputer Graphic. Output Primitif dan Algoritma Garis. Erwin Yudi Hidayat. Computer Graphics C Version 2 Ed by Donald Hearn
Computer Graphic Output Primitif dan Algoritma Garis Erwin Yudi Hidayat erwin@dsn.dinus.ac.id Computer Graphics C Version 2 Ed by Donald Hearn Addison Wesley is an imprint of erwin@dsn.dinus.ac.id CG -
Lebih terperinci9BAB V. 10KESIMPULAN DAN SARAN
9BAB V. 10KESIMPULAN DAN SARAN 10.1. KESIMPULAN Pada penelitian ini pengembangan pelacak objek CAMSHIFT telah dilakukan menggunakan metode segmentasi mean-shift dan region growing yang diterapkan pada
Lebih terperinciPAGI. SOAL PILIHAN GANDA : No
PAGI SOAL PILIHAN GANDA : No. 1 35. 1. Salah satu contoh aplikasi Grafika Komputer adalah Virtual Reality. Yang dimaksud Virtual Reality adalah: a. lingkungan virtual seperti yang ada di dunia internet
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 3 METODE PENELITIAN. pendapat para responden mengenai Augmented Reality, aplikasi Virtual dressing
BAB 3 METODE PENELITIAN 3.1 Hasil Uji Kuesioner Kuisioner terdiri dari 12 pertanyaan dan terdapat 56 responden yang menjawab kuesioner secara online. Kuisioner ini dimaksudkan untuk mengetahui pendapat
Lebih terperinciPerancangan dan Pembuatan Aplikasi Skeletonization
Perancangan dan Pembuatan Aplikasi Skeletonization Gideon Simon 1, Liliana 2, Kartika Gunadi 3 Fakultas Teknologi Industri Program Studi Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto 121-131,
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 3 ANALISIS DAN PENGEMBANGAN ALGORITMA. ketidakpastian. Citra tersebut terkadang belum tentu dapat diketahui objeknya,
BAB 3 ANALISIS DAN PENGEMBANGAN ALGORITMA 3.1 Analisis Permasalahan Pengolahan citra merupakan sebuah proses yang memiliki banyak faktor ketidakpastian. Citra tersebut terkadang belum tentu dapat diketahui
Lebih terperinciSegmentasi Bagian Paru-Paru di Citra 2D CT-Scan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan Naser Jawas STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail: naser.jawas@stikom-bali.ac.id
Lebih terperinciSistem Ar Drone Pengikut Garis Menggunakan Algoritma Progressive Probabilistic Hough Transform
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2965-2971 http://j-ptiik.ub.ac.id Sistem Ar Drone Pengikut Garis enggunakan Algoritma Progressive
Lebih terperinciBAB I PENDAHULUAN. piksel yang memiliki karakteristik tersebut. pendekteksian tepi. Salah satu metode yang ada adalah active contour yang
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini perpaduan antara perkembangan teknologi dan ilmu pengetahuan sudah banyak dilakukan orang khususnya dalam pengolahan citra. Pengolahan citra merupakan proses
Lebih terperinciBAB 1 PENDAHULUAN. Augmented Reality menjadi semakin luas. Teknologi Computer Vision berperan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi Augmented Reality dapat memvisualisasikan dengan baik model 3 dimensi, video, paparan area, maupun animasi 3 dimensi dengan hanya membutuhkan deteksi visual
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 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 terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Segmentasi 1 Langkah berikutnya dari operasi atas image Image Segmentation Feature Extraction Object Classification 2 Image Segmentation W.G.CHO 3 Pengertian Segmentasi Segmentasi
Lebih terperinci