BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
|
|
- Suhendra Cahyadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 dengan komputer, sangat memudahkan bagi pengguna-nya, karena sistem tersebut sudah terotomatisasi dan membuat performa sistem menjadi lebih baik. Pada sistem yang ditempatkan di area terbuka maka pencahayaan akan menjadi faktor hambatan dalam performa sistem, bilamana pencahayaan buruk, maka gambar yang ditangkap oleh kamera juga akan terpengaruh. Pencahayaan akan mempengaruhi kualitas gambar, baik tinggi atau rendahnya intensitas cahaya yang masuk jadi harus di tentukan batas minimum dan batas maksimum yang dapat diterima oleh sistem. Perhitungan kecepatan yang menjadi tujuan dari perancangan sistem ini sangat dipengaruhi oleh faktor cahaya yang dibahas sebelumnya, sistem dapat mengamati dengan bantuan cahaya dan sistem dapat menghitung kecepatan juga karena mengamati. Tingkat cahaya bukan hanya dipengaruhi oleh sumber cahaya itu sendiri, tapi juga lingkungan dapat mempengaruhi, pemantulan merata terhadap ruangan ataupun tidak merata membuat pembagian cahaya yang masuk ke sistem berbeda, oleh sebab itu pada implementasi akan terlihat bagaimana efek pencahayaan terhadap sistem. 30
2 31 Pada topik ini penulis mengangkat bagaimana sebuah sistem yang terintegrasi dengan kamera dapat membantu dalam menentukan kecepatan sebuah benda bergerak, banyak sekali alat yang digunakan sekarang ini untuk menentukan kecepatan benda, baik dengan teknik suara atau dengan laser. Pada topik ini digunakan computer vision untuk membantu dalam menentukan kecepatan benda, camera (webcam) digunakan untuk mengambil gambar dari 1 tempat/fokus yang sudah ditentukan dari awal, beberapa teknik segmentasi akan digunakan dalam perancangan ini, dan algoritma yang ditempatkan pada program untuk menentukan kecepatan benda tersebut. Beberapa hal yang perlu diperhatikan, oleh karena sistem ini menggunakan kamera untuk mengambil gambar, maka tentunya terdapat kalibrasi, yaitu bagaimana menselaraskan ukuran pada gambar terhadap ukuran aslinya, agar hasil yang didapat berbentuk ukuran sebenarnya. Hasil dalam bentuk gambar akan diproses oleh software sehingga mendapatkan informasi dari kecepatan benda tersebut. Berdasarkan bahan bahan yang telah dibahas, maka lingkungan, hardware, dan juga cahaya adalah beberapa faktor masalah yang terdapat, dan faktor faktor ini diluar dari faktor faktor yang tidak diduga seperti kejadian alam, dan lain lainnya.
3 Perancangan Umum Sistem Pengukuran Kecepatan Gambar 3.1 Sistem Secara Menyeluruh Gambar diatas merupakan ilustrasi rancangan sistem Menghitung Kecepatan Menggunakan Computer Vision secara keseluruhan. Perancangan sistem dilakukan didalam ruangan (indoor) sehingga objek hanya mendapatkan pencahayaan yang datang dari lampu ruangan, pada landasan teori telah dijelaskan bagaimana sebuah cahaya yang dipantulkan terhadap lingkungan sehingga memancarkan balik bentuk dari lingkungan tersebut, berarti sifat dasar dari lingkungan mempengaruhi pemantulan cahaya, karena ruangan indoor maka aspek yang mempengaruhi adalah warna pada dinding ruangan, besar ruangan, peletakan sumber cahaya terhadap besar ruangan, dan lain lainnya.
4 33 Adapun rumus yang digunakan untuk menentukan tinggi kamera terhadap lintasan yang digunakan, rumus ini bertujuan untuk mempermudah kalibrasi gambar terhadap panjang lintasan, dan agar hasil yang ditangkap kamera sesuai dengan ukuran frame pada kamera itu sendiri. Pada tiap kamera area (field view) yang dapat ditangkap mungkin berbeda sesuai dengan spesifikasi hardware masing masing, pada kamera Logitech c270 ini field view yang dapat ditangkap sekitar 60. Dimana : z = Jarak antara kamera dengan lintasan d = Jarak / panjang lintasan s1 = Panjang sisi luar view kamera s2 = Panjang sisi luar view kamera 1 = Sudut pada setengah view bagian kiri 2 = Sudut pada setengah view bagian kanan Berdasarkan rumus segitiga di atas, maka nilai z dapat diketahui, yaitu tinggi kamera yang dibutuhkan agar gambar yang diambil tidak keluar dari frame, dengan memasukkan nilai 1 / 2 dan d1 / d2, maka z akan diketahui.
5 34 Berikut adalah perancangan yang dilakukan untuk mencari tinggi kamera. Berdasarkan pembulatan terhadap angka yang didapat, maka didapatkan tinggi kamera yang akan dipakai sekitar 1,6m. Dengan demikian maka kalibrasi dapat dilakukan lebih mudah, kalibrasi awal dilakukan dengan menyocokkan frame gambar yang didapat dengan ukuran sebenarnya pada frame, berikut adalah tahap tahap yang dilakukan untuk melakukan kalibrasi terhadap frame pada gambar. (a)
6 35 (b) Gambar 3.2 (a) dan (b) Penempatan Posisi Kamera Terhadap Lintasan Gambar diatas menjelaskan bagaimana penempatan kamera berdasarkan perancangan yang telah dibuat, setelah penempatan selesai, maka akan dilanjutkan dengan kalibrasi terhadap frame gambar yang telah didapat. Gambar 3.3 Kalibrasi Terhadap Lintasan Setelah proses peletakan objek dan pengaturan posisi kamera sudah dilakukan, maka kalibrasi dilakukan secara manual, kalibrasi yang dilakukan adalah menentukan
7 36 lebar dan panjang dari frame gambar yang diambil oleh kamera, apakah frame gambar sudah sesuai dengan ukuran skala yang akan digunakan untuk algoritma menentukan kecepatan. Proses kalibrasi manual menggunakan Logitech Webcam Software untuk melihat hasil kamera, kemudian digunakan pengamatan secara visual dan pengukuran manual panjang dan lebar lintasan yang tertangkap oleh kamera terhadap jumlah pixel pada gambar, gambar yang diperoleh dari webcam akan diukur panjang dan lebarnya dalam pixel, panjang dan lebar dari lintasan sebenarnya akan diukur secara manual, sampai panjang dan lebar sebenarnya berada pada angka yang mudah untuk diproses. x1 dan x2 adalah ukuran panjang dan lebar dari frame gambar yang didapat dari webcam, ukuran x1 dan x2 di harapkan sebuah angka yang nilainya integer, sehingga angka tersebut lebih mudah diperoses dibandingkan angka yang mempunyai beberapa digit dibelakang koma. Rumus yang digunakan untuk mengkonversi ukuran panjang dan lebar lintasan ke dalam satuan pixel adalah sebagai berikut : X = Y = Berdasarkan hasil dari kalibrasi manual selesai dilakukan, maka webcam akan menangkap gambar dari obyek, dan kemudian setiap gambar yang sudah ditangkap akan diproses, seperti grayscaling, thresholding, mencari centroid, dan yang terakhir adalah menentukan kecepatan benda tersebut dengan algoritma yang sudah ditetapkan, dan
8 37 hasil dari percobaan dapat dianalisa apakah hasil yang didapat sesuai dengan harapan dan tujuan dari topik skripsi ini. Berikut adalah diagram alir (flowchart) dari perancangan umum sistem Menghitung Kecepatan Menggunakan Computer Vision Gambar 3.4 Diagram Alir Secara Keseluruhan Pada sistem ini diawali dengan initiate webcam, yaitu melakukan pengaturan terhadap kamera sehingga kamera dapat digunakan oleh sistem, kemudian dilanjutkan dengan image capturing, yaitu sistem melakukan pengambilan gambar sesuai dengan pengaturan awal terhadap kamera.
9 38 Berdasarkan hasil dari pengambilan gambar selesai maka hasil dari pengambilan gambar akan disimpan kedalam sebuah directory dimana program tersebut terletak, kemdian sistem dilanjutkan dengan image segmentation, dimana program memproses gambar hasil dari proses sebelumnya, tujuan dari segmentasi adalah membuat gambar dapat dikenali oleh sistem, sehingga sistem dapat melakukan penghitungan matematik terhadap obyek yang di tangkap, setelah segmentasi selesai maka akan masuk ke proses velocity measurement dimana sistem menghitung kecepatan dari benda atau objek yang diamati. Berikut adalah diagram alir proses inisialisasi webcam : Gambar 3.5 Diagram Alir Proses Inisialisasi Webcam
10 39 Proses inisialisasi webcam dimulai dengan mengecek koneksi dari webcam, apakah webcam sudah terhubung dengan personal computer atau belum, lalu masuk ke positioning object yang dilakukan secara manual, karena pada percobaan ini penguji menggunakan mobil mainan yang harus diletakkan terlebih dahulu maka penguji harus meletakkannya kedalam track atau lintasan yang sudah disediakan. Berdasarkan hasil dari proses sebelumnya selesai, maka proses masuk ke kalibrasi, didalam kalibrasi terdapat pertimbangan ukuran terhadap ukuran sebenarnya. Pertimbangan ukuran yang terdapat pada gambar terhadap ukuran yang sebenarnya adalah yang menentukan algoritma dalam menghitung kecepatan, karena pada algoritma itu dibutuhkan sebuah ukuran yang sebenarnya dari obyek dan dari lintasan, sehingga kalibrasi sangat digunakan dalam hal ini. Kalibrasi dilakukan secara visual hingga didapatkan ukuran yang cocok dan sesuai. Inisialisasi dilakukan hanya pada kondisi awal atau saat sistem harus merubah mode-nya, contohnya sistem pada ketinggian 1 meter dengan sistem pada ketinggian 3 meter, maka harus melakukan inisialisasi ulang pada blok initiate webcam, untuk menyesuaikan tinggi sistem dengan algoritma perhitungan kecepatan dan juga hasil dari image capturing. 3.3 Perancangan Sistem Pengambilan Gambar Pada perancangan ini, akan membahas bagaimana sistem dapat mengambil sebuah gambar terhadap lingkungan yang di amati nya, pada bab sebelumnya diceritakan bahwa sebuah kamera dapat digunakan untuk mengawasi sebuah lingkungan, dalam mengawasi tersebut harus ada pengambilan gambar yang dianalisa, untuk mendapatkan gambar tersebut, maka sistem harus mengatur selang waktu (sampling time) agar kamera dapat mendapatkan gambar sesuai dengan waktu yang diinginkan. Selang waktu (sampling time) mempengaruhi hasil dari image capturing
11 40 (pengambilan gambar), semakin besar sampling time maka terjadinya pengambilan gambar semakin lama. Berdasarkan beberapa teori yang telah dikumpulkan maka perancangan dalam pengambilan gambar dapat di gambarkan seperti berikut : Gambar 3.6 Diagram Alir Sistem Pengambilan Gambar Proses pengambilan gambar pada sistem ini diawali dengan input sampling time, Sistem akan melakukan pengambilan gambar selama selang waktu t detik berdasarkan input sampling time, bila sistem diharapkan untuk mengambil gambar selama tiap 1
12 41 detik, maka input sampling time harus bernilai 1, dan nilai yang sudah dimasukkan akan disimpan oleh sistem untuk dijalankan terus menerus. Input sampling time tidak boleh 0, karena kamera tidak mungkin dapat mengambil gambar tanpa selang waktu, bila itu terjadi maka akan terjadi kerusakan hardware. Gambar akan diambil secara perframe, artinya setiap rekaman gambar dari kamera akan diambil selama tiap selang waktu t, dan banyak frame yang akan diambil oleh kamera telah disesuaikan pada ujicoba ini, misalkan banyak frame yang diinginkan adalah 10, maka kamera akan mengambil gambar selama selang waktu t dan akan terus melakukan pengambilan gambar selama sepuluh kali, lalu setelah semua pengaturan telah dilakukan maka sistem akan masuk ke dalam tahap pengambilan gambar, kamera akan mengambil gambar sesuai dengan inputan yang diberikan. Sebuah kamera dipengaruhi oleh karakteristik hardware yang dibawanya, pada kamera yang dipakai pada skripsi ini, input sampling time tidak kurang dari 0.5 detik. 3.4 Perancangan Sistem Pengolahan Gambar Berdasarkan hasil dari proses pengambilan gambar selesai, maka sistem akan mengolah gambar dan memberikan output hasil segmentasi. Pada pembahasan bab sebelumnya, pengolahan gambar (segmentation) dikaitkan dengan pemecahan suatu gambar terhadap proses proses segmentasi yang merubah gambar asli menjadi gambar digital yang dapat dianalisa oleh sistem, sistem pengolahan gambar adalah bagian terpenting dalam menentukan obyek, sehingga obyek dapat dianalisa. Dengan dasar dasar teori yang telah di kumpulkan pada bab sebelumnya, dan juga dengan hasil pengambilan gambar, maka akan dilakukan proses pengolahan
13 42 gambar yang bertujuan untuk mendapatkan titik tengah (centroid) dari obyek yang diamati. Berikut adalah diagram alir dari perancangan yang didasarkan pada dasar dasar teori yang didapat pada bab sebelumnya : Gambar 3.7 Diagram Alir Sistem Pengolahan Gambar
14 43 Sistem pengolahan gambar adalah bagian dimana computer vision menjadi penting digunakan, karena dengan computer vision maka sistem dapat mengenali obyek yang telah ditangkap oleh kamera. Pada pengolahan gambar atau dalam computer vision biasa disebut segmentasi terjadi banyak proses yang melibatkan manipulasi terhadap sebuah gambar, seperti telah dijelaskan pada bab sebelumnya berbagai manipulasi terhadap gambar yang dapat dilakukan. Pada pengolahan gambar pada percobaan ini diawali oleh grayscaling, yaitu proses perubahan/pergeseran nilai pixel dari gambar berwarna (RGB) 24bit menjadi gambar dalam gray-level 8 bit yang memudahkan komputer untuk memanipulasinya. Grayscaling dilakukan untuk mempermudah pengolahan gambar karena intensitas warna yang diperlukan dalam sistem ini hanya ada dua, yaitu hitam dan putih, sehingga warna RGB dapat diubah sehingga proses menjadi lebih sederhana. Proses grayscaling dilakukan dengan meratakan nilai pixel dari 3 nilai RGB menjadi 1 nilai. Salah satu presentasi yang sering digunakan adalah 29,9% warna merah (Red), 58,7% warna hijau (Green), dan 11,4% warna biru (Blue). Nilai pixel didapat dari jumlah presentasi 3 nilai tersebut. Pada Matlab perubahan warna pixel menjadi grayscale tersebut dilakukan pada tiga matriks (Red, Green, Blue), lalu nilai warna pada setiap matriks (Red, Green, Blue) dijumlahkan kemudian dibagi sebuah nilai yang sudah ditentukan. Contoh dari proses grayscaling adalah sebagai berikut :
15 44 Gambar 3.8a RGB ( Original ) Gambar 3.8b Hasil Grayscaling Pada gambar diatas, gambar original diproses kedalam Matlab dengan proses perhitungan RGB sebagai berikut : * R * G * B Berdasarkan hasil dari perhitungan diatas, maka didapatkan hasil grayscaling seperti pada gambar 3.9.
16 45 Setelah selesai proses grayscaling maka akan dilanjutkan kedalam proses thresholding, diantara kedua proses ini disisipkan proses filtering yaitu imtophat filtering yang berfungsi menselaraskan pencahayaan background dengan foreground. Thresholding adalah proses dimana gambar akan dibuat menjadi binary image, perlu diketahui bahwa grayscaling hanya mengubah derajat gambar berwarna menjadi gambar yang keabu-abuan, sehingga memudahkan proses segmentasi, setelah gambar menjadi abu-abu maka akan memudahkan dalam penentuan gambar binernya.[ [1] Otsu, N., "A Threshold Selection Method from Gray-Level Histograms," IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, 1979, pp ]. Hasil dari proses thresholding dapat dilihat pada gambar dibawah. Gambar 3.9 Hasil Thresholding Hasil dari thresholding berupa gambar biner yang hanya mempunyai nilai 0 (hitam) atau 1 (putih). Thresholding sangat diperlukan dalam menentukan objek yang akan dianalisa, tetapi pada gambar diatas masih terdapat banyak sekali noise, noise - noise tersebut
17 46 adalah sisa sisa dari grayscaling yang terdapat pada background gambar. Dalam proses segmentasi ini gambar biner adalah hasil akhir yang dibutuhkan untuk mengenali obyek, tetapi dalam proses-nya gambar biner yang diinginkan adalah apabila pixel yang terdapat pada obyek bernilai 1 atau putih, sehingga antara background dengan objek terdapat perbedaan, dan biasanya background berwarna gelap untuk perhitungan yang lebih mudah. Oleh karena itu sistem harus mengubah (invert) pixel didalam gambar dari putih ke hitam, dan begitu juga sebaliknya. Hasil dari proses reverse pixel dapat dilihat pada gambar dibawah. Gambar 3.10 Hasil Reverse Pixel Gambar diatas adalah hasil reverse pixel dari gambar sebelumnya, semua pixel yang bernilai 1 akan berubah menjadi 0, dan begitu juga sebaliknya. Proses yang terdapat pada reverse pixel bisa dikatakan sederhana, karena algoritmanya hanya membaca variabel yang menyimpan nilai pixel lalu menguranginya dengan angka 1. Contoh : Apabila terdapat pixel yang berwarna putih ingin di reverse menjadi pixel yang berwarna hitam, maka dapat dilakukan dengan cara
18 47 1 pixel awal = reverse pixel 1 1 = 0 Berdasarkan rumus diatas, maka pixel akhir yang telah dibalik akan berubah nilainya, oleh sebab itu maka hasil dari gambar akan berubah nilai pixel-nya. Setelah proses pembalikkan nilai pixel (inverting) terlihat masih banyak noise yang terdapat pada gambar, filtering tidak dapat menghilangkan noise seperti ini, untuk menghilangkan noise noise ini maka dibutuhkan algoritma yang dapat membedakan objek dengan noise, dengan memisahkan objek dengan noise maka dengan mudah noise dapat dihilangkan. Algoritma yang dibutuhkan yaitu menghitung jumlah pixel dalam objek tersebut, setelah didapat jumlah pixel yang terdapat pada objek yaitu mobil, maka dapat diketahui bahwa setiap pixel yang jumlahnya kurang dari jumlah pixel mobil tersebut adalah noise, sehingga jumlah pixel yang kurang tersebut dapat kita hapus atau dihilangkan. Hasil dari proses removing pixel dapat dilihat pada gambar dibawah. Gambar 3.11 Hasil Removing Pixel
19 48 Berdasarkan gambar di atas, noise noise telah hilang dengan cara menghilangkan pixel yang berhubungan (connected) yang nilainya tidak lebih besar dari nilai yang sudah ditentukan. Berdasarkan proses tersebut, maka pada awalnya memang harus ditentukan terlebih dahulu batas minimal jumlah pixel yang dianggap noise, sehingga sistem tidak mengalami kebingungan dalam menentukan objek dengan noise. Algoritma dalam removing pixel secara umum adalah : Langkah langkah yang dilakukan. 1. Menentukan pixel yang berhubungan. CC = bwconncomp(bw, conn); 2. Hitung jumlah area dari pixel tersebut. S = regionprops(cc, 'Area'); 3. Remove pixel yang diinginkan BW2 = ismember(l, find([s.area] >= P)); Setelah proses removing selesai seharusnya objek sudah dapat dikenali oleh sistem, sehingga sistem dapat secara langsung menentukan titik tengah (centroid) dari objek tersebut, tetapi pada objek tersebut masih terdapat pixel pixel yang berlainan, ini diakibatkan saat thresholding pixel tidak terjadi secara merata karena terdapat noise, oleh karena itu seakan-akan terlihat seperti bercak. Untuk itu sistem harus menghilangkan atau menyamarkan bercak bercak tersebut dengan cara mengisi kembali daerah (region) dengan nilai pixel yang sama. Proses pengisian daerah (region) dilakukan oleh sistem dengan cara mengisi daerah yang ditentukan dengan pixel yang sudah ditentukan juga, dengan syarat pixel
20 49 yang diisi tidak melewati sisi luar (edge) dari objek tersebut, jadi batas pengisian pixel hanya sampai sisi luar objek (edge). [[1] Soille, P., Morphological Image Analysis: Principles and Applications, Springer-Verlag, 1999, pp ] Hasil dari proses image filling region dapat dilihat pada gambar dibawah. Gambar 3.12 Hasil dari Image Filling Region Berdasarkan gambar diatas, pixel pixel di dalam objek sudah merata. Pada tahap ini dijelaskan bagaimana mengisi kekosongan pada sebuah obyek yang masih terdapat pixel pixel yang berlainan, P. soille pada bukunya Morphological Image Analysis menjelaskan bagaimana mengisi sebuah kekosangan pada sebuah obyek. Dengan cara menghapus semua pixel yang tidak terhubung ke batas luar (border) dari area gambar, atau dengan cara mengubah set nilai pixel yang tidak terhubung terhadap batas luar (border) atau dalam buku tersebut disebut sebuah erosi terhadap gambar yang ingin di fill.
21 50 Gambar diagram kartesius diatas diambil pada buku Morphological Image Analysis, menjelaskan bagaimana erosi atau fill image terjadi, yaitu dengan cara menghilangkannya (kiri) dan mengubah set nilai pixel sehingga menjadi sama (kanan). Gambar 3.13 Contoh Fill Image Apabila gambar sudah terisi, maka output dari gambar akan lebih mudah untuk di analisa, membuat objek sudah dapat dikenali dengan utuh, namun masih terdapat pixel yang terhubung (connected pixel) namun tipis, tetapi itu tidak mempengaruhi sistem untuk menentukan titik tengah (centroid) dari objek tersebut, karena objek sudah dapat dilihat secara jelas dan keutuhan objek tersebut juga sudah jelas. Proses selanjutnya ialah menentukan titik tengah (centroid) dari objek, proses ini ialah proses terakhir pada diagram alir segmentasi (segmentation).
22 51 Menentukan titik tengah ditentukan dari objek itu sendiri, untuk menentukan titik tengah dari objek maka dibutuhkan informasi dari daerah (region) dari objek tersebut. Pada Matlab banyak sekali fungsi fungsi yang dapat digunakan untuk mencari properties pada objek tersebut, dan mencari titik tengah (centroid) adalah salah satunya. Titik tengah (centroid) adalah vektor yang menunjukkan informasi x dan y pusat dari daerah tersebut. Gambar 3.14 Centroid (Matlab Help) Gambar diatas mengilustrasikan bagaimana sebuah centroid pada sebuah bounding box, region dari bounding box tersebut terdiri dari pixel putih dan pixel hitam, Matlab tidak mencari centroid pada pixel putih ataupun pixel hitam, karena yang menjadi permintaan atau daerah yang menjadi permintaan adalah bounding box, maka Matlab akan menandai bahwa region yang valid atau yang termasuk dalam pencarian properties dari region adalah bounding box, dan pixel yang berwarna merah adalah centroid dari bounding box tersebut. Elemen dari centroid adalah horizontal coordinate (x-coordinate) dari pusat massa dan elemen kedua adalah vertical coordinate (y-coordinate). Elemen elemen lain dalam centroid adalah dalam bentuk dimensi. Pada pencarian centroid tidak berhenti hanya sampai mencari region dan menentukan centroid, tetapi bagaimana menampilkan informasi yang jelas dilayar bahwa terdapat centroid pada region yang dianalisa. Untuk menampilkan centroid maka digunakan perintah plot pada Matlab, plot adalah perintah untuk menampilkan string pada gambar.
23 52 Hasil dari proses find centroid dapat dilihat pada gambar dibawah. Gambar 3.15 Hasil dari Proses find centroid 3.5 Proses Menghitung Kecepatan Proses akhir dari diagram alir secara keseluruhan adalah menghitung kecepatan dari obyek tersebut, pada dasar teori yang telah dikumpulkan, untuk menghitung kecepatan kita membutuhkan informasi mengenai titik atau koordinat dari benda tersebut (dalam hal ini berbentuk 2D). Pada bab sebelumnya dijelaskan mengenai obyek yang bergerak mengalami perpindahan atau pergeseran, terhadap lokasi awal yang ditempatinya, perlu diketahui bahwa perpindahan tersebut akan menghasilkan perbedaan nilai titik atau koordinat, perbedaan nilai tersebutlah yang akan digunakan sistem untuk menghitung kecepatannya.
24 53 Berikut adalah diagram alir proses menghitung kecepatan : Gambar 3.16 Diagram Alir Sistem Menghitung Kecepatan Pada proses ini akan dijelaskan bagaimana sistem akan mendapatkan kecepatan dan perubahan sudut, nilai pixel yang didapat, akan dikonversikan kedalam satuan meter, sehingga satuan yang keluar akan berupa meter, dengan memberikan nilai nilai tersebut, maka sistem akan langsung menghitung magnitude dari kecepatan rata rata yang didapat, dan perubahan sudut yang dihasilkan. Beberapa hal yang perlu diketahui pada percobaan ini adalah, saat mobil pada posisi awal maka tentunya tidak ada perubahan yang terjadi didalam proses tersebut,
25 54 maka pada gambar awal yang diambil kecepatan (velocity) benda tersebut pasti 0, dengan perubahan sudut juga 0. Hasil kecepatan dari gambar yang diperoleh : Gambar Hasil Perhitungan Kecepatan pertama Gambar Hasil Perhitungan Kecepatan kedua Pada percobaan ini, nilai dari koordinat x dan y telah ditampung kedalam variabel, lalu masuk kedalam algoritma perhitungan kecepatan, yang kemudia langsung ditampilan pada layar user. Berdasarkan percobaan yang di lakukan sampai tahap ini maka diharapkan tujuan dari skripsi ini tercapai, yaitu mendapatkan informasi dari kecepatan (velocity)
26 55 dan arah perpindahan. Karena pengamatan yang dilakukan bertujuan mendapatkan velocity maka algoritma untuk mendapatkan speed tidak diikut sertakan pada skripsi ini. pada perhitungan kecepatan, kemampuan kamera dalam mengambil gambar dan cahaya yang masuk juga menjadi pertimbangan apakah hasil yang didapat sesuai keinginan atau tidak. Karena pencahayaan yang tidak baik akan mengubah nilai pixel yang membuat intensitas cahaya gambar berubah. Berdasarkan percobaan percobaan tersebut maka pada bab ini telah didapatkan bahwa sistem berjalan sesuai dasar teori yang dikumpulkan, dasar dasar teori menjadi pendukung utama dalam perancangan, baik dari perancangan awal hingga perancangan akhir, maka perancangan pada bab ini akan dilanjutkan terhadap bab selanjutnya, dengan melakukan uji coba terhadap perancangan perancangan sistem diatas.
MENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION
MENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION Danny Agus Wahyudi; Iman H. Kartowisastro Computer Engineering Department, Faculty of Engineering, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciBAB II. Computer vision. teknologi. yang. dapat. Vision : Gambar 2.1
BAB II LANDASAN TEORI Computer vision adalah bagian dari ilmu pengetahuan dan teknologi yang membuat mesin seolah-olah dapat melihat. Komponen dari Computer Vision tentunya adalah gambar atau citra, dengan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
Lebih terperinciGambar 4.1 Diagram Percobaan
BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
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 terperinciBAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
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 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 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 terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA Pada bab IV ini akan membahas sistem kerja, pengujian dan juga analisa dari rancang bangun sistem ini. Disini juga disajikan hasil uji coba secara riil percobaan dengan kondisi
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciPenghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi
Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain:
BAB III METODE PEELITIA Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain: 1. Studi kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
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 terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciWEBSITE PERANCANGAN SCRAPBOOK DENGAN PEMOTONGAN GAMBAR OTOMATIS
WEBSITE PERANCANGAN SCRAPBOOK DENGAN PEMOTONGAN GAMBAR OTOMATIS C. Pickerling Teknik Informatika,Sekolah Tinggi Teknik Surabaya e-mail: pickerling@stts.edu ABSTRAK Scrapbook merupakan salah satu kegemaran
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciPengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel
Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinci3 BAB III METODE PENELITIAN
20 3 BAB III METODE PENELITIAN 3.1 Metode penelitian Penenelitian ini merupakan penelitian eksperimen, dengan melalui beberapa tahapan sebagai berikut : 1. Pengumpulan data Tahapan ini merupakan langkah
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciPengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video
Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video Abstrak Mochamad Faisol Baharun¹, T.Sutojo, SSi., M.Kom² Program Studi S1
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Kendali Sistem Kendali atau control system terdiri dari dua kata yaitu system dan control. System berasal dari Bahasa Latin (systēma) dan bahasa Yunani (sustēma) adalah
Lebih terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
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 terperinciBAB III PERANCANGAN. 3.1 Diagram blok sistem
BAB III PERANCANGAN 3.1 Diagram blok sistem Sistem pada penginderaan jauh memiliki dua sistem, yaitu sistem pada muatan roket dan sistem pada ground segment. Berikut merupakan gambar kedua diagram blok
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 terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
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 terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
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 terperinciDETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING
DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
Lebih terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
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 terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciStudi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness
Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id
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 terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. objek, analisis blob, SMS service, dan video saving. Deteksi objek adalah proses untuk
BAB 3 PERANCANGAN PROGRAM 3.1 Spesifikasi rancangan program Secara garis besar program dapat dibagi menjadi 4 bagian besar, yaitu deteksi objek, analisis blob, SMS service, dan video saving. Deteksi objek
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 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Permasalahan Pemanfaatan Augmented Reality pada umumnya berfokus pada kemampuan visualnya, yaitu berupa bentuk tiga dimensi, lingkungan tiga dimensi, animasi,
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB II SISTEM PENENTU AXIS Z ZERO SETTER
BAB II SISTEM PENENTU AXIS Z ZERO SETTER 2.1 Gambaran Umum Berdasarkan latar belakang masalah yang telah dipaparkan pada Bab I, tujuan skripsi ini adalah merancang suatu penentu axis Z Zero Setter menggunakan
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 terperinciPerancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam
Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
Lebih terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
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 terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
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 II Teori Dasar 2.1 Representasi Citra
Bab II Teori Dasar 2.1 Representasi Citra Citra dapat direpresentasikan sebagai kumpulan picture element (pixel) pada sebuah fungsi analog dua dimensi f(x,y) yang menyatakan intensitas cahaya yang terpantul
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
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 terperinciBAB IV ATRIBUT OUTPUT PRIMITIF
BAB IV ATRIBUT OUTPUT PRIMITIF OBJEKTIF : Pada Bab ini mahasiswa mempelajari tentang : 1. Fungsi Warna 2. Fungsi dan Atribut Titik 3. Fungsi dan Atribut Garis 4. Fungsi dan Atribut Kurva TUJUAN DAN SASARAN:
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 II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciIII. METODE PENELITIAN. Penelitian mengenai analisis pola interferensi pada interferometer Michelson
22 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian mengenai analisis pola interferensi pada interferometer Michelson akibat perbedaan ketebalan benda transparan dengan metode image processing
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 terperinci