Analisa dan Pemodelan Kerumunan Orang pada Video Digital
|
|
- Utami Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman ( ) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1
2 Latar Belakang Angka kejahatan yang semakin meningkat karena kurangnya sistem pemantau yang memadai. Diperlukan sebuah sistem pengawasan yang memadai dengan menganalisa gerakan yang terjadi dan mengelompokkannya. Oleh karena itu sistem pengawasan terhadap kerumunan diciptakan. 2
3 Perumusan Masalah Bagaimana mendeteksi objek yang sedang bergerak dalam sebuah video. Bagaimana mengelompokan gerakan agar dapat dianalisa. 3
4 Batasan Masalah Video ditangkap menggunakan kamera pada telepon genggam. Latar belakang objek tidak berubah atau statis. Software yang digunakan adalah Matlab R2010a dan Microsoft visual C++ express Identifikasi objek tidak dilakukan. Video diambil dengan intensitas cahaya yang cukup terang. 4
5 Tujuan Tujuan Menciptakan suatu sistem keamanan dalam pemantauan berdasarkan gerakan-gerakan yang tertangkap oleh kamera yaitu berupa rekaman video. Menganalisa dan mengelompokkan gerakan tersebut berdasarkan gerakan yang terjadi. Mencari suatu keanehan dari suatu peristiwa. 5
6 Human Visual System 6
7 Feature Extraction Background Extraction Foreground Extraction Background & Foreground Extraction C Keterangan : = nilai-nilai yang diamati dalam sebuah adegan = objek bergerak = perpindahan kamera = latar belakang adegan yang ideal = latar belakang yang bergerak = kebisingan sistem = perubahan pencahayaan jangka panjang = suatu noise dari latar belakang yang dapat dianggap stabil 7
8 Gaussian Kernel Citra satu dimensi Citra dua dimensi Kernel Keterangan : x adalah jarak dari titik asal dalam sumbu horisontal σ adalah deviasi standar dari distribusi Gaussian. 8
9 Gabor Kernel Keterangan : (i, j) = konvolusi pixel E = peningkatan citra O = orientasi citra F = frekuensi ridge citra N = citra yang telah dinormalkan = lebar dari Gabor Kernel = tinggi dari Gabor Kernel 9
10 Spectral residual 1. Diberikan gambar input I(x) 2. fourier magnitude fourier phases log spectrum spectral residual 6. * g (x) = filter Gaussian dengan = 8 = sebuah matrik n x n yang didefinisikan spectral residual 10
11 Konvolusi M x M N h ( x, y) f ( u, v) g( x u, y v) y N contoh: (1*200) + (0*180) + (-1*160) + (2*160) + (1*160) + (-2*150) + (1*140) + (0*120) + (-1*120) =
12 Eye Movement Perbedaan penglihatan dalam satu gambar yang diamati Scanpaths eye-tracked berdasarkan probabilitas Sistem penglihatan manusia 12
13 Blok Diagram Pemodelan Lingkungan Background Camera Ekstraksi Aktivasi Tracking Normalisasi/ Kombinasi ekstraksi : mengekstrak fitur vektor pada lokasi permukaan gambar. aktivasi : membentuk sebuah "peta aktivasi" (atau beberapa peta) menggunakan fitur vektor. normalisasi / kombinasi: menormalkan peta aktivasi (atau beberapa peta, diikuti oleh kombinasi dari beberapa peta ke peta tunggal). 13
14 Pemodelan saliency berdasarkan penglihatan I = (r + g + b) / 3 untuk intensitas R = r - (g + b) / 2 untuk merah, G = g - (r + b) / 2 untuk hijau, B = b - (r + g) / 2 untuk biru, dan Y = (r + g) / 2 - r - g / 2 - b untuk kuning (nilai negatif diatur ke nol). Orientasi Gabor Kernel 14
15 Pemodelan saliency berdasarkan penglihatan (cont) 15
16 Pemodelan saliency berdasarkan penglihatan (cont) 16
17 Constrained Levy Exploration Sebelum mendeteksi setiap gerakan yang terjadi pada video, dilakukan pemahaman terlebih dahulu terhadap citra gambar tunggal yang merupakan matrik statis. Berikut adalah pengamatan yang menggunakan scanpaths eyetracked untuk menerapkan eye movement secara random walk yang langsung dipresentasikan dalam bidang matrik saliency. Random walk dapat diringkas dalam algoritma Constrained Levy Exploration algorithm (CLE). algorithm (CLE) 17
18 Scanpath pada matrik dinamis Untuk menilai masing-masing matrik yang disampelkan dari gambar yang dinamis, maka dilakukan scanpath yang menggunakan sistem probabilitas secara acak yang dilakukan beberapa kali secara seragam yaitu penarikan contoh pengacakan yang diulang beberapa kali untuk mengevaluasi peluang yang terjadi dengan nilai yang berubah-ubah. Perhitungan tersebut dilakukan dengan memperhitungkan jarak Kullback Leibler (KL) dimana matrik yang lebih baik memprediksi scanpath antar objek (misalkan manusia) dengan jarak yang lebih tinggi dibandingkan jarak-jarak lain pada scanpath. 18
19 Jarak Kullback Leibler (KL) Jarak KL = M(i, j) M(p, q), dimana M(i, j) adalah node pixel frame pertama dan M(p, q) adalah node pixel frame kedua. 19
20 Menghilangkan Noise dengan Entropy Keterangan : = sekumpulan koefisien independen berdasarkan lingkungan yang terpusat di j,k. = konteks di mana perkiraan probabilitas dari koefisien w yang didasarkan. w(s,t) = sejauh mana koefisien w pada koordinat s,t yang memberikan kontribusi untuk estimasi/perkiraan probabilitas. = output dari operasi ini yang mengkodekan dampak dari fungsi kernel dengan rata-rata pada nilai Gaussian Entropy Self-Information 20
21 Operasi Markovian P(D1) = a + b + c + d = ¼; P(D3) = i + j + k + l = ¼; P(D2) = e + f + g + h = ¼; P(D4)= m + n + o + p = ¼; Karena P(D1) = ¼, maka pengamatan ini membawa 2 P(D1) = 2 bit informasi Shannon S(D1, ) ) = P(M D1) S(D1,M) + P( D1) S(D1, ) + P(N D1) S(D1,N) + P(Ñ D1) S(D1, Ñ) = wow 21
22 Operasi Markovian (cont) 22
23 Pengujian perubahan nilai pixel 23
24 Pengujian terhadap kecepatan objek Video hasil rekaman yang terdiri dari gambar-gambar RGB dengan ukuran 320x pixel = 2.97 cm Frame rate = fps Durasi = 13 s Jumlah frame = 82 frame Waktu antar frame = 13/82 =0.165 s Kecepatan = jarak/waktu Karena gerakan dihasilkan dari perubahan nilai pixel dari frame 1 ke frame 2 yang dihubungkan dengan jarak Kullback-Leibler (KL), maka berdasarkan jarak tersebut kecepatan dapat diperhitungkan. 24
25 Pengujian terhadap kecepatan objek (cont) 25
26 Pengujian terhadap kecepatan objek (cont) frame 1 - frame 2 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (v) objek objek objek objek objek objek objek objek frame 2 - frame 3 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (v) objek objek objek objek objek objek objek objek
27 Pengujian terhadap kecepatan objek (cont) frame 3 - frame 4 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (cm/s) objek objek objek objek objek objek objek objek frame 4 - frame 5 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (cm/s) objek objek objek objek objek objek objek objek
28 Pengujian terhadap kecepatan objek (cont) 28
29 Pengujian terhadap kecepatan objek (cont) Kecepatan total dari masingmasing objek pada perbandingan frame 1 sampai dengan frame 5 29
30 Simulasi Kerumunan Bola marble yang memiliki gumpalan berkosentrasi paling tinggi tersebut dikarenakan gerakannya yang lebih cepat dibandingkan gerakan bola marble yang lain, dan hal tersebut dapat dikatakan sebagai suatu adegan yang mencolok/tidak biasa dimana adegan tersebutlah yang akan dijadikan penganalisaan utama dalam sistem video surveillance. 30
31 Simulasi Kerumunan (cont) 31
32 Kesimpulan Dari hasil simulasi dan analisa dapat disimpulkan bahwa : Untuk menganalisa gerakan yang terjadi pada suatu video terdiri dari tiga tahap yaitu ekstraksi, aktivasi, dan normalisai. Gerakan dapat dideteksi dengan adanya perubahan dari nilai pixel dan menentukan jarak berdasarkan jarak Kullback-Liebler (KL). Pengelompokan gerakan dapat dilakukan dengan menerapkan sistem probabilitas terhadap jarak Kullback-Liebler (KL) yang diprediksi melalui scanpath eye movement dimana terdiri dari gumpalan-gumpalan berkosentrasi yang dihasilkan dari perbedaan Gaussian. Kejadian yang aneh/tidak biasa dapat diartikan sebagai suatu gerakan cepat yang terjadi di dalam kerumunan dimana gerakangerakan yang lain nilainya dibawah dari gerakan cepat tersebut. 32
33 Saran Dengan diselesaikannya Tugas Akhir ini diharapkan dapat digunakan guna mengembangkan sistem pendeteksian gerakan secara real time yaitu pendeteksian secara langsung secara live dari video. Dari pengembangan tersebut, nantinya dapat digunakan dalam beberapa aplikasi pendeteksian gerakan, seperti dalam pengawasan dengan menggunakan CCTV, digunakan untuk entertainment, digunakan untuk pembuatan robot yang dapat mendeteksi gerakan, menganalisa gerakan, dan sebagainya. 33
34 SEKIAN & TERIMA KASIH 34
35 Pertanyaan Yang dianalisa parameternya apa saja? Pemodelannya untuk apa? Aplikasinya bagaimana! Aplikasi dilapangan? (Pak Gatot) Aplikasi dalam kehidupan? (Bu Prima) Ini real time? Kalau ingin real time realisasinya bagaimana? Bagaimana caranya supaya prosesnya pergerakannya cepat? Kesulitannya apa kalau dikembangkan ke real time? (Pak Affandi) Model kerumunannya seperti apa? Pelan atau cepat? Secepat apa? (Bu Prima) Kenapa tidak ada karakterisasi dari putih-putih? Seharusnya dibuat identifikasi warna lain? Kalau putih semua seharusnya diameternya diatur! (Pak Affandi) Itu maksudnya satuan kecepatannya gimana? Itu 1 cm/detik gimana ngukurnya? Harusnya diukur! (Pak Affandi) Hubungannya kamera sama pixelnya apa? Jarak kamera dengan pixel? Skalanya? (Pak Gatot) 35
36 Parameter-parameter pengenalan objek Parameter dari analisa dan pemodelan kerumunan orang pada video digital adalah : Perubahan nilai pixel, orientasi, dan intensitas Jarak Kullback Liebler (KL) antara dua frame Probabilitas Pengelompokan gerakan 36
37 Perubahan nilai pixel dan orientasi 37
38 Jarak Kullback Leibler (KL) Jarak KL = M(i, j) M(p, q), dimana M(i, j) adalah node pixel frame pertama dan M(p, q) adalah node pixel frame kedua. 38
39 Jarak Kullback Leibler (KL) Objek1 = M(i, j) M(p, q) = = 33 pixel, atau Objek1(pada gambar) = = pixel. Objek2 = = 20 pixel, atau Objek2(pada gambar) = = 20 pixel. Objek3 = = 28 pixel, atau Objek3(pada gambar) = = 28 pixel. Objek4 = = 36 pixel, atau Objek4(pada gambar) = = pixel. 39
40 Probabilitas P(D1) = a + b + c + d = ¼; P(D3) = i + j + k + l = ¼; P(D2) = e + f + g + h = ¼; P(D4)= m + n + o + p = ¼; Karena P(D1) = ¼, maka pengamatan ini membawa 2 P(D1) = 2 bit informasi Shannon S(D1, ) ) = P(M D1) S(D1,M) + P( D1) S(D1, ) + P(N D1) S(D1,N) + P(Ñ D1) S(D1, Ñ) = wow 40
41 Probabilitas (cont) 41
42 Penerapan secara real time Pada tugas akhir ini aplikasi hanya untuk menganalisa suatu adegan yang telah terjadi (hasil dari rekaman video). Untuk lebih lanjut aplikasi dapat dikembangkan seperti dalam pengawasan dengan menggunakan CCTV, digunakan untuk entertainment, digunakan untuk pembuatan robot yang dapat mendeteksi gerakan, menganalisa gerakan, dan sebagainya. 42
43 Contoh Aplikasi 43
44 44
45 Simulasi Kerumunan Bola marble yang memiliki gumpalan berkosentrasi paling tinggi tersebut dikarenakan gerakannya yang lebih cepat dibandingkan gerakan bola marble yang lain, dan hal tersebut dapat dikatakan sebagai suatu adegan yang mencolok/tidak biasa dimana adegan tersebutlah yang akan dijadikan penganalisaan utama dalam sistem video surveillance. 45
46 Kerumunan 46
47 Kesulitan penerapan ke real time Pada tugas akhir ini proses pemodelan dilakukan secara non-real time dimana sebuah video digital diolah sehingga menjadi frame-frame gambar kemudian diturunkan sebagai fungsi matrik, dan proses pemodelannnya dilakukan bertahap. Apabila diterapkan secara real time maka proses harus dilakukan secara bersamaan atau secara paralel dengan mengandalkan kapasitas dari memori. Algoritma-algoritma yang digunakan sebagian besar hampir sama dengan proses secara real time seperti gabor kernel, normalisasi, konvolusi dan lain-lain. 47
48 Pemodelan saliency berdasarkan penglihatan (real time) 48
49 Pemodelan saliency berdasarkan penglihatan (real time) 49
50 Pemodelan saliency berdasarkan penglihatan (real time) 50
51 Kecepatan Berdasarkan jarak Kullback- Leibler (KL) dan waktu Validasi antara hasil perekaman dengan hasil nyata. Kecepatan ditentukan oleh jarak dan waktu. - Untuk validasi waktu antara hasil perekaman dengan hasil nyata terdapat kesamaan. - Untuk validasi jarak, terdapat perbedaan antara jarak melalui pengukuran langsung dengan jarak yang dihitung melalui koordinat video 51
52 Kecepatan Berdasarkan jarak Kullback-Leibler (KL) dan waktu (cont) Video hasil rekaman yang terdiri dari gambar-gambar RGB dengan ukuran 320x pixel = 2.97 cm Frame rate = fps Durasi = 13 s Jumlah frame = 82 frame Waktu antar frame = 13/82 =0.165 s Kecepatan = jarak/waktu Karena gerakan dihasilkan dari perubahan nilai pixel dari frame 1 ke frame 2 yang dihubungkan dengan jarak Kullback-Leibler (KL), maka berdasarkan jarak tersebut kecepatan dapat diperhitungkan. Kecepatan yang paling tinggi dihasilkan dengan cara membandingkan jarak Kullback-Leibler (KL), diman jarak perpindahan terjauh dapat diartikan memiliki kecepatan paling tinggi 52
53 Pengujian terhadap kecepatan objek 53
54 Pengujian terhadap kecepatan objek (cont) frame 1 - frame 2 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (cm/s) objek objek objek objek objek objek objek objek frame 2 - frame 3 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (cm/s) objek objek objek objek objek objek objek objek
55 Pengujian terhadap kecepatan objek (cont) frame 3 - frame 4 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (cm/s) objek objek objek objek objek objek objek objek frame 4 - frame 5 jarak (pixel) jarak (cm) t per frame (s) kecepatan objek (cm/s) objek objek objek objek objek objek objek objek
56 Pengujian terhadap kecepatan objek (cont) 56
57 Pengujian terhadap kecepatan objek (cont) Kecepatan total dari masingmasing objek pada perbandingan frame 1 sampai dengan frame 5 57
58 Thresholding Gambar hasil pengolahan merupakan nilai dari grayscale ( ) 58
ANALISA DAN PEMODELAN KERUMUNAN ORANG PADA VIDEO DIGITAL
ANALISA DAN PEMODELAN KERUMUNAN ORANG PADA VIDEO DIGITAL Nick Darusman (1, Wirawan (2 Jurusan Teknik Elektro FTI - ITS 1) nick.darusman09@mhs.ee.its.ac.id 2) wirawan@ee.its.ac.id Abstrak Pemanfaatan teknologi
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciBAB V PEMBAHASAN UMUM
BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk
Lebih terperinci6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan
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 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 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 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 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 terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciAnalisa Gerakan Manusia Pada Video Digital
Analisa Gerakan Manusia Pada Video Digital Abstrak - Pengenalan cara bergerak tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance (pengawasan), dunia hiburan,
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih 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 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 III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Universitas Sumatera Utara
BAB 1 PENDAHULUAN Pada bab ini dijelaskan tentang latar belakang penelitian dibuat, rumusan masalah, batasan masalah yang akan dibahas, tujuan penelitian, manfaat penelitian, metodologi penelitian yang
Lebih terperinciDeteksi Gerak Pada Citra Objek Video Surveillance Dengan Menggunakan Metode Spektral Residual
Rahmawati, Deteksi Gerak Pada Citra Objek Video Surveillance Dengan Menggunakan Metode Spektral Residual 57 Deteksi Gerak Pada Citra Objek Video Surveillance Dengan Menggunakan Metode Spektral Residual
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Salah satu cara untuk berkomunikasi adalah dengan cara melakukan interaksi langsung. Dengan interaksi maka setiap orang dapat mengerti maksud pernyataan ataupun perintah
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih 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 terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pada saat ini pengamatan atau pemantauan suatu kondisi tempat ataupun ruangan melalui video sudah banyak diterapkan. Pengembangan dari sistem pengamatan berbasis video
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 terperinciPENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING
PRESENTASI TESIS (P3) PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING HEROE POERNOMO 4108204006 LATAR BELAKANG Pengaruh getaran terhadap
Lebih terperinciRancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra
Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas
Lebih terperinciIII. METODOLOGI PENELITIAN
15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas
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 terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciBAB 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 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 terperinciBAB 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 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciBAB 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 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 terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
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 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 METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih 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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih 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 terperinciBAB 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 terperinciBAB II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
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 terperinciYOGI WARDANA NRP
PENGEMBANGAN ALGORITMA SISTEM IDENTIFIKASI MATA MANUSIA BERBASIS PENGOLAHAN CITRA DENGAN METODE GABOR PADA PERALATAN AOI ( AUTOMATED OPTICAL INSPECTION ) YOGI WARDANA NRP. 2107 100 115 JURUSAN TEKNIK MESIN
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
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 terperinciMILIK UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Thinning atau penipisan citra adalah suatu operasi untuk mereduksi citra biner dalam suatu objek menjadi rangka (skeleton) yang menghampiri sumbu objek.
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 terperinciIdentifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ)
Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ) Sutarno Rouzan Fiqri Abdullah Rossi Passarella Jurusan Sistem
Lebih terperinciRestorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah
Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah Bayu Setyo Prayugi Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih 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 terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciSistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir Dengan Jaringan Multi-Camera
Sistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir Dengan Jaringan Multi-Camera DODI WAHYU B NRP 2206100020 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh
Lebih terperinciPENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING
PENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING ELVA SUSIANTI 2209204802 Pembimbing: 1. ACHMAD ARIFIN, ST., M. Eng., Ph.D 2. Ir. DJOKO PURWANTO, M. Eng., Ph.D. Bidang Keahlian Teknik Elektronika
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
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 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 terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciIP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL
IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL OLEH : ANDI MUHAMMAD ALI MAHDI AKBAR Pembimbing 1: Arief Kurniawan, ST., MT Pembimbing 2: Ahmad Zaini, ST., M.Sc. Page 1
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: PC dengan spesifikasi: a. Sistem Operasi : Microsoft Windows 10 Enterprise 64-bit
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 terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Ekstraksi ciri Citra yang digunakan dalam penelitian ini berukuran 150 x 150 pixel, sehingga jika divektorkan akan menghasilkan vektor berukuran 22500. Melalui tahap ekstraksi ciri
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
30 BAB V HASIL DAN PEMBAHASAN A. Data Penelitian Uji model hidraulik fisik dilakukan di Laboratorium Jurusan Teknik Sipil Universitas Muhammadiyah Yogyakarta. Data yang dihasilkan yaitu berupa rekaman
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 III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciBab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA)
37 Bab VI Perbandingan Model Simulasi menggunakan Metode Monte Carlo dan Metode Functional Statistics Algorithm (FSA) VI.1 Probabilitas Integral (Integral Kumulatif) Ketika menganalisis distribusi probabilitas,
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 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 terperinciABNORMALITY MOVEMENT DETECTION DENGAN MENGGUNAKAN METODE PENDEKATAN SPEKTRAL RESIDUAL
ABNORMALITY MOVEMENT DETECTION DENGAN MENGGUNAKAN METODE PENDEKATAN SPEKTRAL RESIDUAL Lailia Rahmawati Teknologi Informasi Sekolah Tinggi Teknik Surabaya liamanis_undar@stts.edu ABSTRAK Teknologi multimedia
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 TI JAUA PUSTAKA
BAB II TI JAUA PUSTAKA Pada bab ini akan dibahas mengenai teori-teori yang menunjang tugas akhir ini. Antara lain yaitu pengertian citra, pengertian dari impulse noise, dan pengertian dari reduksi noise.
Lebih terperinciBAB IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
Lebih 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciBAB I PENDAHULUAN. memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Localisation merupakan proses yang dilakukan oleh robot untuk memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan proses untuk membangun peta
Lebih terperinci