BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI"

Transkripsi

1 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 akan dirancang dan rancangan sistem sehingga pengembangan program berjalan sesuai dengan tujuan yang diharapkan. 3.1 Analisis Program Aplikasi Program aplikasi pengenalan karakter mandarin ini dibuat dengan menggunakan perangkat lunak Microsoft Visual Studio 2010 dengan bahasa pemrograman C#. Untuk dapat melakukan proses training dengan neural network digunakan AForge.NET yang berisi kumpulan library untuk computer vision dan artificial intelligence yang meliputi pengolahan citra, jaringan syaraf tiruan, algoritma genetika, fuzzy logic, machine learning dan robotika. AForge.NET menggunakan bahasa pemograman C# dan bersifat open source. Proses perancangan menggunakan model Waterfall yang dapat dijelaskan sebagai berikut. a. Sebelum mulai merancang program aplikasi, dilakukan proses pencarian kebutuhan dari keseluruhan sistem yang akan diaplikasikan ke dalam program aplikasi. 41

2 42 b. Merancang program aplikasi berdasarkan kebutuhan sistem yang dapat dipresentasikan ke dalam sebuah diagram alir/flow chart sebelum dilakukan pengkodean. c. Mengubah desain dari flow chart menjadi bentuk yang dapat dimengerti oleh komputer, yaitu ke dalam bahasa pemograman melalui proses pengkodean. d. Melakukan pengujian terhadap program yang sudah dibuat dan memastikan hasilnya sesuai kebutuhan yang sudah didefinisikan sebelumnya. e. Melakukan pemeliharaan program aplikasi untuk pengembangan lebih lanjut. Pemeliharaan juga dapat memperbaiki kesalahan (error) kecil yang tidak ditemukan sebelumnya. dan ada penambahan fitur-fitur yang belum ada pada program tersebut Gambaran Umum Program Aplikasi Program aplikasi pengenalan karakter mandarin, secara umum terbagi menjadi 3 proses utama yaitu pengolahan citra, proses pelatihan dan proses pengenalan. Sebelum citra karakter mandarin dapat dikenali, harus diproses terlebih dahulu yang bertujuan agar citra memenuhi syarat untuk dapat dilakukan proses pengenalan. Proses pengolahan citra terdiri dari pre-processing dan ekstraksi. Proses pelatihan dan pengenalan pola citra yang telah diolah menggunakan metode counterpropagation neural network. Secara umum, flow chart untuk program aplikasi pengenalan karakter mandarin yang akan dibuat seperti pada gambar 3.1.

3 Gambar 3.1 Flow Chart Program Aplikasi 43

4 Pre-Processing Proses awal dalam pembuatan program aplikasi pengenalan karakter mandarin adalah melakukan segmentasi berdasarkan intensitas warna terhadap citra karakter. Proses segmentasi adalah proses pemisahan antara background dengan pola karakter. Tujuan utama dari proses ini adalah mendapatkan dua obyek citra yaitu background yang berwarna putih dan pola karakter yang berwarna hitam. Proses ini juga bertujuan untuk menghilangkan titik-titik noise akibat dari proses pemindaian yang sebenarnya bukan merupakan bagian dari citra. Proses segmentasi dilakukan dengan menggunakan metode mean clustering dengan memanfaatkan citra histogram. Dilakukan scanning pada setiap piksel untuk mendapatkan kode warnanya. Derajat keabuan dari sebuah citra dapat diperoleh dengan rumus sebagai berikut. di mana: : nilai dari derajat keabuan sebuah piksel : nilai dari warna merah, hijau, biru Obyek citra menggunakan mode grayscale (derajat keabuan) dengan kode warna nol untuk warna paling gelap (hitam), kode warna 255 untuk warna paling terang (putih) dan jika kodenya diantara 0 hingga 255 maka akan menghasilkan warna abu-abu sesuai dengan tingkat gradasinya. Setiap kode warna dikelompokkan sesuai dengan intensitas warnanya sehingga diperoleh frekuensi dari masing-masing warna. Kemudian dicari harga rata-rata dari frekuensi masing-masing warna tersebut. Harga rata-rata ini

5 45 kemudian dinamakan nilai threshold. Jika nilai derajat keabuan dari suatu piksel lebih rendah daripada nilai threshold, maka piksel tersebut akan dihitamkan. Sebaliknya, jika nilai dari piksel tersebut lebih tinggi dari nilai threshold maka piksel tersebut akan diputihkan. Nilai threshold dapat ditentukan dengan menggunakan dua cara, yaitu secara manual dan dengan menggunakan metode mean value threshold. Jika user memilih untuk menentukan nilai threshold secara manual, maka ia dapat menginput nilai threshold dari 0 sampai 255. Proses penentuan nilai threshold dengan metode mean value threshold, bertujuan untuk menentukan nilai ambang berdasarkan rata-rata piksel dari suatu citra. Pseudocode dari proses penentuan nilai ambang dengan metode mean value threshold adalah sebagai berikut. Awal modul luas = panjang_gambar * lebar_gambar; dari nilai y yang ke-0 hingga (lebar_gambar) 1 mulai dari nilai x yang ke-0 hingga (panjang_gambar) 1 mulai salin nilai piksel gambar ke dalam array_penampung selesai selesai dari i yang ke-0 hingga luas 1 mulai nilai = nilai + array_penampung(i) selesai nilai_ambang = nilai / luas Akhir modul Selain itu, pseudocode untuk proses thresholding secara keseluruhan adalah sebagai berikut. Awal modul dari nilai y yang ke-0 hingga (lebar_gambar) 1

6 46 mulai dari nilai x yang ke-0 hingga (panjang_gambar) 1 mulai jika nilai piksel citra(x,y) lebih kecil dari nilai_ambang maka ubah nilai piksel citra(x,y) menjadi 0 selain itu ubah nilai piksel citra(x,y) menjadi 255 selesai selesai Akhir modul Proses ini akan membantu untuk mereduksi noise yang dimiliki oleh suatu citra. Nilai piksel yang lebih tinggi dari nilai ambang akan secara otomatis diputihkan, sehingga sebagian noise akan terhapus. Setelah proses segmentasi dan thresholding dilakukan, selanjutnya adalah proses penapisan atau filtering. Proses penapisan atau filtering adalah sebuah proses untuk menentukan nilai dari suatu piksel dengan cara melakukan perhitungan dari nilai intensitas piksel-piksel di sekeliling piksel tersebut. Pada penulisan skripsi ini, digunakan dua jenis penapisan sebagai berikut. a. Tapis Lolos Rendah (Low Pass Filter) Filter ini mempunyai tujuan untuk mempertegas bagian dengan frekuensi rendah pada suatu citra. Ia akan melakukan pemerataan tingkat keabuan, sehingga membuat citra terlihat agar kabur kontrasnya. Namun demikian tapis lolos rendah dapat mengurangi sebagian efek noise yang ada pada sebuah citra. Ia akan mengurangi berbagai gangguan yang berbentuk garis tajam. Filter ini umumnya berbentuk matriks mask, di mana umumnya bernilai tiga atau lima.

7 47 Tabel 3.1 Mask Low Pass Filter P1 * K P2 * K P3 * K P4 * K P5 * K = C * K P6 * K P7 * K P8 * K P9 * K Tabel 3.2 Mask Low Pass Filter P1 * K P2 * K P3 * K P4 * K P5 * K P6 * K P7 * K P8 * K P9 * K P10 * K P11 * K P12 * K P13 * K = C * K P14 * K P15 * K P16 * K P17 * K P18 * K P19 * K P20 * K P21 * K P22 * K P23 * K P24 * K P25 * K P adalah piksel pada citra yang akan di-filter, C adalah titik tengah dari mask, yang akan diganti niainya dan K adalah konstanta. Nilai dari konstanta adalah. Jadi untuk mask ukuran, nilai konstantanya adalah. Pseudocode dari mask adalah sebagai berikut. Awal modul luas = panjang_gambar * lebar_gambar; dari nilai y yang ke-0 hingga (lebar_gambar) 1 mulai dari nilai x yang ke-0 hingga (panjang_gambar) 1 mulai nilai_piksel(x,y) = nilai_piksel(x-1,y-1)*1/9 + nilai_piksel(x,y-1)*1/9 + nilai_piksel(x+1,y-1)*1/9 + nilai_piksel(x-1,y)*1/9 + nilai_piksel(x,y)*1/9 + nilai_piksel(x+1,y)*1/9+nilai_piksel(x-1,y+1)*1/9 + nilai_piksel(x,y+1)*1/9 + nilai_piksel(x+1,y+1)*1/9 selesai

8 48 selesai Akhir modul b. Tapis Lolos Tinggi (High Pass Filter) Filter ini mempunyai karakter yang berlawan dengan Low Pass Filter. Ia bersifat memperkuat piksel-piksel dengan frekuensi yang tinggi. Penggunaan filter ini akan membuat garis batas antar obyek menjadi lebih tajam. Untuk menerapkan filter ini pada suatu citra, dibutuhkan sebuah mask yang sama seperti pada bagian tapis lolos rendah, yaitu matriks mask. Perbedaannya hanya terletak pada nilai koefisiennya, yaitu. Pseudocode dari high pass filter adalah sebagai berikut. Awal modul Akhir modul luas = panjang_gambar * lebar_gambar; dari nilai y yang ke-0 hingga (lebar_gambar) 1 mulai dari nilai x yang ke-0 hingga (panjang_gambar) 1 mulai nilai_piksel(x,y) = nilai_piksel(x-1,y-1)*(-1/4) + nilai_piksel(x,y-1)*(-1/4) + nilai_piksel(x+1,y-1)*(-1/4) + nilai_piksel(x-1,y)*(-1/4) + nilai_piksel(x,y)*(-1/4) + nilai_piksel(x+1,y)*(-1/4)+nilai_piksel(x-1,y+1)*(-1/4) + nilai_piksel(x,y+1)*(-1/4) + nilai_piksel(x+1,y+1)*(-1/4) selesai selesai Ekstraksi Ciri Tahap ekstraksi bertujuan untuk melakukan ekstraksi ciri dengan metode dekomposisi Wavelet Haar. Setelah suatu citra melewati tahap pengolahan citra, maka citra tersebut siap untuk diekstrak cirinya. Pada skripsi ini, input pertama pada tahap ekstraksi ciri berukuran piksel. Perlu dihitung level maksimum dari

9 49 dekomposisi Wavelet yang mungkin dilakukan dengan menggunakan rumusan yang telah diuraikan pada bagian sebelumnya. Pada skripsi ini, panjang datanya adalah 128, panjang filternya adalah dua, sehingga level maksimum dari dekomposisi Wavelet setelah dihitung dengan menggunakan rumusan adalah tujuh. Skripsi ini menggunakan level dekomposisi lima. Pada dekomposisi level pertama, citra dengan ukuran pada ukuran yang lebih rendah yaitu piksel menjadi citra dengan empat sub bidang piksel. Keempat sub bidang ini akan membawa informasi yang berbeda, yaitu informasi aproksimasi, vertikal, horizontal dan diagonal. Dekomposisi level kedua menghasilkan citra dengan ukuran dekomposisi level ketiga menghasilkan citra dengan ukuran dekomposisi level keempat menghasilkan citra dengan ukuran piksel, piksel, piksel dan dekomposisi level kelima menghasilkan citra dengan ukuran piksel. Hasil dari dekomposisi inilah yang akan digunakan sebagai citra masukan pada jaringan saraf tiruan, pada tahap selanjutnya. Adapun algoritma dari dekomposisi Wavelet ini adalah sebagai berikut. a. Tahap 1: Input citra diubah menjadi empat bagian citra baru dengan ukuran. b. Tahap 2: Tes kondisi berhenti, jika ukuran dari citra aproksimasi adalah piksel atau telah mencapai level dekomposisi yang diinginkan, maka proses berhenti. Jika tidak, ulangi tahap pertama dengan menggunakan citra aproksimasi sebagai input citra.

10 50 Tiap langkah dalam transformasi Wavelet Haar memperhitungkan koefisienkoefisien Wavelet dan kumpulan rata-rata. Jika suatu kumpulan data berisi unsur-unsur N, akan terdapat rata-rata dan nilai koefisien. Rata-rata menjadi input untuk langkah selanjutnya dalam perhitungan Wavelet, dimana untuk iterasi. Iterasi-iterasi berlanjut sampai rata-rata tunggal dan koefisien tunggal dihitung. Persamaan Wavelet Haar untuk menghitung suatu rata-rata dan koefisienkoefisien Wavelet dari suatu kumpulan data ditunjukkan sebagai berikut. persamaan (i) persamaan (ii) Cara kerja dari Wavelet Haar adalah dengan melakukan perhitungan rata-rata dari input sinyal yang diperolehnya. Misalkan terdapat suatu citra berukuran piksel, dengan nilai piksel, maka hasil dari proses perhitungan nilai rata-rata menggunakan persamaan(i), diperoleh nilai. Hasil tersebut kembali dihitung nilai rata-ratanya sehingga diperoleh nilai Nilai ini akan menjadi nilai indeks pertama. Nilai indeks kedua dihitung dengan persamaan (ii) dari data sehingga diperoleh nilai. Nilai indeks ketiga dan keempat diperoleh dari dan dengan menggunakan persamaan(ii) diperoleh nilai dan. Dari contoh ini, citra digital dengan piksel, akan ditransformasikan dengan koefisien yang diperoleh dari perhitungan sebelumnya yaitu:.

11 51 Nilai asli citra digital dapat diperoleh dengan mengalikan koefisien Haar yang diperoleh dengan empat basis Haar. Empat basis Haar berupa matriks adalah sebagai berikut. Maka, pada contoh sebelumnya akan diperoleh: Perhitungan Transformasi Wavelet pada citra dua dimensi memiliki prinsip yang sama dengan perhitungan pada citra satu dimensi. Proses perhitungan dilakukan secara horizontal terlebih dahulu, kemudian dilakukan secara vertikal. Pada skripsi ini, hasil dari proses ekstraksi ciri pada citra berukuran piksel ini adalah citra aproksimasi dengan ukuran piksel. Kemudian setiap piksel ini akan diambil nilainya dan dijadikan input layer dari jaringan saraf tiruan. Total input yang dihasilkan adalah 16 sel Proses Pelatihan dan Pengenalan Karakter Proses pelatihan dilakukan dengan metode Counterpropagation Neural Network. Counterpropagation merupakan algoritma pembelajaran terawasi dan biasanya menggunakan jaringan multi layer untuk mengubah bobot-bobot yang menghubungkan

12 52 antar layer. Algoritma counterpropagation menggunakan error output untuk mengubah nilai bobot-bobotnya dengan arah mundur (backward). Untuk mendapatkan error tersebut, tahap perambatan maju (forward propagation) harus dilakukan terlebih dahulu. Pada saat forward propagation, node-node diaktifkan dengan fungsi aktivasi. Flow chart proses pelatihan/training dari perancangan program aplikasi pengenalan karakter mandarin dapat dilihat pada gambar 3.2 dan flow chart proses pengenalan karakter mandarin dilihat pada gambar 3.3.

13 Gambar 3.2 Flow Chart Pelatihan Neural Network 53

14 Gambar 3.3 Flow Chart Proses Pengenalan 54

15 Analisis Kebutuhan Dari analisis metode counterpropagation dapat menganalisis kebutuhan apa saja yang diperlukan untuk perangkat lunak yang akan dibuat. Analisis kebutuhan dibagi menjadi tiga bagian, yaitu: kebutuhan data, kebutuhan proses dan kebutuhan antar muka (interface) Kebutuhan Data Analisis pada kebutuhan data meliputi data-data yang akan digunakan sebagai berikut. a. Data pemrosesan gambar mulai dari proses gambar asli sampai gambar akhir yang siap diambil informasinya. b. Data citra karakter, dari data ini diperoleh data lainnya, yaitu: 1) Nilai dimensi, yang dapat diketahui dari jumlah piksel 2) Nilai vektor dari suatu citra yang diperoleh dari proses ekstraksi. Pada proses ekstraksi untuk mempermudah perhitungan digunakan nilai warna grayscale. c. Jumlah seluruh data dapat diketahui dari jumlah data citra yang ada. d. Nilai-nilai pembentuk struktur jaringan counterpropagation yang meliputi nilai learning rate, jumlah hidden node dan nilai bobot Kebutuhan Proses Berikut ini akan dibahas mengenai analisis pada proses-proses yang akan digunakan pada perancangan program aplikasi ini.

16 56 a. Sistem membutuhkan suatu proses untuk menyamakan ukuran data citra yang akan digunakan untuk pembentukan struktur jaringan saraf tiruan sesuai dengan ketentuan yang telah ditetapkan. b. Sistem membutuhkan suatu proses untuk mengubah gambar menjadi biner. c. Sistem membutuhkan suatu proses untuk mengurangi noise pada citra. d. Sistem membutuhkan suatu proses ekstraksi. e. Sistem membutuhkan suatu proses untuk membentuk struktur jaringan saraf tiruan counterpropagation yang terdiri dari dua fase pelatihan, yaitu fase kohonen learning dan grossberg learning. f. Sistem membutuhkan suatu proses untuk menguji struktur jaringan saraf yang telah terbentuk sehingga dapat diketahui kebenaran pengenalan polanya Kebutuhan Antar Muka Pada kebutuhan antar muka, analisis yang diperoleh melalui analisis pada masing-masing form yang tersedia sebagai berikut. a. Form dari menu-menu program aplikasi b. Form untuk memproses citra karakter sebelum diambil datanya untuk kebutuhan pembentuk jaringan counterpropagation. c. Form untuk pengidentifikasian data citra sebagai unsur pembentuk jaringan counterpropagation. Semua hasil dari form ini akan disimpan ke dalam database. d. Form untuk tempat pelatihan jaringan saraf tiruan dengan menggunakan metode counterpropagation yang terdiri dari dua fase pelatihan.

17 57 e. Form untuk menguji kebenaran pengenalan pola karakter setelah proses pelatihan yang dilakukan sebelumnya. f. Form laporan untuk mengetahui karakter yang sudah dimasukkan ke dalam database. 3.3 Perancangan Program Aplikasi Perancangan program aplikasi karakter mandarin meliputi perancangan database dan perancangan user interface Perancangan Desain Data Pada bagian ini, akan menjelaskan mengenai rancangan database untuk menyimpan data yang diperlukan dan rancangan struktur dari data input dalam metode counterpropagation. Data untuk pembentukan JST counterpropagation antara lain: a. Data citra input berupa file bitmap (*.bmp) yang diperoleh dari hasil scan. Citra ini yang akan melalui proses preprocessing dan proses ekstraksi. b. Nilai learning rate jumlah hidden node dan nilai bobot. Untuk nilai learning rate disarankan menggunakan angka sekitar 0,1 0,9. Untuk jumlah hidden node dapat diisi sembarang, namun jika semakin banyak jumlah hidden node maka semakin bagus hasilnya karena semakin banyak pilihan yang dapat diambil. Sedangkan untuk nilai bobot pertama kalinya akan dirandom oleh komputer. Selanjutnya akan mengikuti update dari jaringan.

18 Perancangan User Interface Gambar 3.4 merupakan tampilan layar utama ketika pengguna pertama kali menjalankan aplikasi. Pada layar ini terdapat menu File dan Help. Menu File dapat di-click sehingga pengguna dapat memilih sub menu, yaitu Load Network dan Save Network. Menu Help juga mempunyai sub menu, yaitu User Manual dan About. Tombol Click Here to Start harus di-click pengguna untuk mulai menggunakan aplikasi. Gambar 3.4 Rancangan Layar Utama

19 59 Pada gambar 3.5 terdapat tiga tab menu yang dapat dipilih oleh pengguna yaitu: Training Network, Image Processing dan Recognition. Menu Training Network yang merupakan proses yang digunakan untuk melatih jaringan saraf tiruan counterpropagation supaya dapat mengenali karakter yang ditampilkan. Gambar 3.5 Rancangan Layar Menu Training Network Keterangan: a. Tombol Add Folder Image merupakan tombol untuk menambahkan semua image dari satu folder untuk di-training. b. Tombol Preprocessing Folder merupakan tombol untuk untuk melakukan tahap preprocessing dan extracting pada semua file yang terdapat pada list bar. Output yang dihasilkan merupakan input untuk pelatihan jaringan saraf tiruan.

20 60 c. LR Alpha yang diinput oleh pengguna merupakan angka learning rate untuk fase kohonen learning. d. LR Beta yang diinput oleh pengguna merupakan angka learning rate untuk fase kohonen learning. e. Value of a yang diinput oleh pengguna merupakan angka learning rate A untuk fase grossberg learning. f. Value of b yang diinput oleh pengguna merupakan angka learning rate B untuk fase grossberg learning. g. Total of Hidden Node yang diinput oleh pengguna merupakan jumlah node yang tersembunyi yang digunakan dalam pelatihan. h. Epochs yang diinput oleh pengguna merupakan jumlah perulangan yang dilakukan dalam melatih jaringan. i. Errors akan berisi nilai kesalahan setelah tombol Start Training di klik. j. Tombol Start Training digunakan untuk memulai proses pelatihan. k. Tombol Reset berfungsi untuk mengacak kembali nilai bobot awal pada jaringan. Pada gambar 3.6 terdapat menu Image Processing merupakan menu yang berisi proses-proses untuk mengolah image dari karakter yang akan di-training. Proses-proses tersebut antara lain: Preprocessing, Extract Template dan Recognition.

21 61 Gambar 3.6 Rancangan Layar Menu Image Processing Keterangan: a. Source Image merupakan tempat untuk menampilkan image dari karakter yang akan diproses. b. Destination Image adalah tempat untuk menampilkan hasil dari image karakter yang sudah diproses. c. Load adalah tombol untuk membuka file image dari karakter yang akan diproses. d. Clear adalah tombol untuk membersihkan layar pada Source Image. e. Preprocessing adalah tombol untuk memulai proses pengolahan gambar yaitu mengubah image berwarna menjadi grayscale.

22 62 f. Extract Template adalah tombol untuk melakukan proses ekstraksi fitur pada image yang sudah berwarna grayscale. g. Recognition adalah tombol untuk berpindah ke tab Recognition dan melakukan pengenalan terhadap karakter yang sudah diproses. h. File Path menunjukkan alamat fisik tempat menyimpan image dari karakter yang diproses. i. Output Field adalah tempat yang menampikan secara tulisan proses-proses yang sedang berlangsung. j. Clear Output Field adalah tombol untuk membersihkan layar pada Output Field. Pada gambar 3.7 terdapat menu Recognition yang merupakan proses yang digunakan untuk mengenali karakter yang ditampilkan. Gambar 3.7 Rancangan Layar Menu Recognition

23 63 Keterangan: a. Character Image merupakan tempat untuk menampilkan image dari karakter yang akan dikenali. b. Result Image merupakan tempat untuk menampilkan image dari karakter yang sudah berhasil dikenali. c. File Path menunjukkan alamat fisik tempat menyimpan image dari karakter yang dikenali. d. Recognition Result merupakan tempat untuk menampilkan hasil dari proses pengenalan. Hasil berupa pin yin dan arti dari karakter yang dikenali. e. Tombol Clear All untuk membersihkan apa yang ada di layar Result Pada gambar 3.8 terdapat rancangan layar About yang berisi nama penulis dan tujuan dari pembuatan program aplikasi ini. Gambar 3.8 Rancangan Layar About

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB 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 terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM. suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang

BAB 3 ANALISIS DAN PERANCANGAN SISTEM. suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang 38 BAB 3 ANALISIS DAN PERANCANGAN SISTEM Kriminalitas adalah suatu hal yang sering terjadi di dunia ini. Indonesia termasuk suatu negara yang memiliki tingkat kriminalitas cukup tinggi. Hal inilah yang

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM. implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan

BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM. implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM Dari hasil perancangan yang dilakukan oleh penulis, pada bab ini disajikan implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan spesifikasi sistem

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB 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 terperinci

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan

Lebih terperinci

IMPLEMENTASI 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 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 terperinci

BAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.

BAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini. BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Tahap sebelum perancangan berhubungan dengan proses penglihatan awal. Tujuan utama dari prapemrosesan adalah untuk menggembangkan gambaran yang berguna dari bentuk

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman

BAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian

Lebih terperinci

BAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang

BAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa

Lebih terperinci

IMPLEMENTASI DAN EVALUASI

IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem

Lebih terperinci

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,

Lebih terperinci

PERANCANGAN 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 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 terperinci

BAB 3 ANALISA DAN PERANCANGAN SISTEM

BAB 3 ANALISA DAN PERANCANGAN SISTEM BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN PERANCANGAN 32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi

Lebih terperinci

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN 44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas

Lebih terperinci

BAB 2 KONSEP DASAR PENGENAL OBJEK

BAB 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 terperinci

BAB 3 PERANCANGAN SISTEM. mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan oleh

BAB 3 PERANCANGAN SISTEM. mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan oleh 23 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Perangkat keras yang digunakan dalam sistem kali ini berupa rancangan untuk mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan

Lebih terperinci

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON

SISTEM 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 terperinci

BAB III METODE PENELITIAN

BAB 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 terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Tahapan analisis terhadap suatu sistem dilakukan sebelum masuk ke tahapan perancangan. Tujuan dilakukannya analisis terhadap suatu sistem

Lebih terperinci

PERANCANGAN 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 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 terperinci

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses 8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1. Evaluasi Pada penelitian ini, algoritma untuk identifikasi sidik jari tersusun dari 3 tahapan proses yakni tahap preprocessing fingerprint image, minutiae extraction, dan

Lebih terperinci

Oleh: Riza Prasetya Wicaksana

Oleh: Riza Prasetya Wicaksana Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.

Lebih terperinci

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan

Lebih terperinci

BAB 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 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 terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D 30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam

Lebih terperinci

EKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Angga Sukma Prinata 3 Adiwijaya 12 Departemen Teknik Informatika

Lebih terperinci

PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK

PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45

BAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45 20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192

Lebih terperinci

BAB 3 PERANCANGAN PROGRAM. dilanjutkan dengan rancangan cetak biru untuk program yang akan dibangun.

BAB 3 PERANCANGAN PROGRAM. dilanjutkan dengan rancangan cetak biru untuk program yang akan dibangun. BAB 3 PERANCANGAN PROGRAM Pada bab 3 ini, akan dijelaskan proses rancangan program aplikasi pengurangan noise pada citra digital. Dimulai dari analisa kebutuhan sistem yang akan dirancang, dilanjutkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN 68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi

BAB 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 terperinci

BAB 4 IMPLEMENTASI. minimum 2 Giga Hertz dan memory RAM minimum 256 MB, sedangkan untuk

BAB 4 IMPLEMENTASI. minimum 2 Giga Hertz dan memory RAM minimum 256 MB, sedangkan untuk 74 BAB 4 IMPLEMENTASI 4.1 Spesifikasi Kebutuhan Sarana Untuk menjalankan training dalam program peramalan ini diperlukan spesifikasi Hardware dengan prosesor minimum setingkat Intel Pentium IV dengan kecepatan

Lebih terperinci

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah

BAB 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 terperinci

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338

Lebih terperinci

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

PEMANFAATAAN 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 terperinci

BAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.

BAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak. 29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1

Lebih terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com

Lebih terperinci

BAB 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih

BAB 1 PENDAHULUAN. memindahkan data secara manual ke dalam komputer untuk dapat diolah lebih BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi yang terus berkembang membuat sistem komputerisasi bergerak dengan cepat, namun hal ini tidak seimbang dengan kemampuan manusia memindahkan data secara manual

Lebih terperinci

Implementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR

Implementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR Implementasi Pengenalan Tanda Tangan dengan Menggunakan Metode Backpropagation TUGAS AKHIR Diajukan Oleh : RENDRA FEBRIANTO 0634015068 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci

Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad

Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah

Lebih terperinci

BAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa

BAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan

Lebih terperinci

STMIK 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 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 terperinci

BAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector

BAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko

Lebih terperinci

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

DAFTAR 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 terperinci

BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Permasalahan Aplikasi ini tergolong sebagai sistem kecerdasan buatan karena akan menggantikan peran seseorang yang mampu mengenali ekspresi wajah. Tiga ekspresi

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya

Lebih terperinci

Pengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global

Pengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode

Lebih terperinci

Bab III ANALISIS&PERANCANGAN

Bab 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 terperinci

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai

Lebih terperinci

PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL

PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)

Lebih terperinci

BAB VI HASIL DAN PEMBAHASAN

BAB VI HASIL DAN PEMBAHASAN BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan

Lebih terperinci

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra. BAB III METODE PENELITIAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk

Lebih terperinci

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu

Lebih terperinci

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD

SEGMENTASI 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 terperinci

ANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA

ANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA ANALISIS DAN PEMBUATAN SISTEM PENGENALAN SIDIK JARI BERBASIS KOMPUTER DI POLDA METRO JAYA Wikaria Gazali; Alexander Agung Santoso Gunawan Mathematics & Statistics Department, School of Computer Science,

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan pada aplikasi penelitian pengenalan ekspresi wajah ini seperti pada tabel Tabel 4.1 Spesifikasi

Lebih terperinci

Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation

Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi

Lebih terperinci

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi

Lebih terperinci

3 BAB III METODE PENELITIAN

3 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 terperinci

BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM

BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir

Lebih terperinci

BAB 3. ANALISIS dan RANCANGAN. eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses

BAB 3. ANALISIS dan RANCANGAN. eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses BAB 3 ANALISIS dan RANCANGAN 3.1 Analisa metode Secara garis besar, tahap pada pengenalan wajah dengan metode eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses yang dilakukan

Lebih terperinci

BAB III PERANCANGAN SISTEM

BAB III PERANCANGAN SISTEM BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database

Lebih terperinci

BAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.

BAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m. BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun

Lebih terperinci

Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner

Algoritma 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 terperinci

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN

BAB 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, di antaranya adalah kemudahan dalam mendapatkan

Lebih terperinci

Identifikasi Abnormalitas Paru-Paru Pada Citra Foto Thorax (Chest X-Ray) menggunakan Metode Wavelet Daubechies dan Jaringan Syaraf Tiruan

Identifikasi Abnormalitas Paru-Paru Pada Citra Foto Thorax (Chest X-Ray) menggunakan Metode Wavelet Daubechies dan Jaringan Syaraf Tiruan Identifikasi Abnormalitas Paru-Paru Pada Citra Foto Thorax (Chest X-Ray) menggunakan Metode Wavelet Daubechies dan Jaringan Syaraf Tiruan Rezkiana Hasanuddin rezkianaaa@gmail.com Deasy Mutiara Putri deasymutiaraputri@gmail.com

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW 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 terperinci

BAB I PERSYARATAN PRODUK

BAB I PERSYARATAN PRODUK BAB I PERSYARATAN PRODUK Pemrosesan gambar secara digital telah berkembang dengan cepat. Pengolahan gambar ini didukung dengan kemajuan teknologi perangkat keras yang signifikan. Produk produk pengolah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat

Lebih terperinci

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER. PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa

Lebih terperinci

BAB 1 PENDAHULUAN. Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem

BAB 1 PENDAHULUAN. Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem penulisannya. Salah satu jenis huruf Jepang adalah kana, yaitu karakter fonetis yang melambangkan

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN 26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan

Lebih terperinci

PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION

PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output

Lebih terperinci

IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME

IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan

Lebih terperinci