Temu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas
|
|
- Yuliani Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Temu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas Nama : Yudhi Septianto A.P NPM : Pembimbing : Dr. Karmilasari., Skom, MM
2 LATAR BELAKANG Klasifikasi rambu Lalu-lintas di negara Indonesia dan Jepang berbeda Teknik pencarian berbasis teks kurang mendukung Teknik pencarian berbasis konten dengan istilah Temu Kenali Citra atau Content Base Image Retrieval(CBIR) Penelitian CBIR ekstraksi bentuk dan warna telah dilakukan oleh beberapa peneliti terdahulu
3 Tujuan Umum membuat sebuah program aplikasi temu kenali citra berbasis konten bentuk dan warna untuk menampilkan informasi dari masing-masing rambu yang mempunyai kemiripan dengan rambu yang dicari untuk rambu negara Indonesia dan Jepang.
4 Tujuan Khusus Mengestraksi konten bentuk dengan menggunakan metode Canny Edge Detection dan Freeman Chain Code. Mengestraksi konten warna dengan menggunakan metode Local Color Histogram. Menghitung kemiripan rambu lalu lintas kedua negara berdasarkan hasil ekstraksi bentuk dan warna dengan menggunakan metode Euclidean Distance. Mengurutkan hasil kemiripan rambu lalu-lintas dengan menggunakan metode Selection Sort.
5 Data Uji Citra yang di uji Larangan Peringatan Perintah Indonesia Jepang 2i.jpg 13i.jpg 6i.jpg 2j.jpg 13j.jpg 6j.jpg
6 Metode Penelitian Lanjut Bentuk Warna Basis data Kemiripan Sortir
7 Kembali Ekstraksi Bentuk (Canny) Mulai Citra RGB Beri tanda pixel tepi yang memiliki nilai maxima lokal Gambar hasil deteksi tepi Canny. Transformasi citra ke dalam skala keabuan Thresholding ganda untuk pixel tepi yang berpotensi BufferImage gambar hasil deteksi tepi Smoothing citra dengan filter Gaussian, standar deviasi = 1,4. Penentuan pixel tepi final dengan hysteresis ImageBuffer gambar 1 cari pixel tepi dengan menentukan gradien gambar. Tulis ulang gambar hasil deteksi tepi Canny
8 Kembali Hasil Canny Kualitas Tinggi Kualitas Rendah (a)citra asli (b) Citra hasil
9 Kembali Ekstraksi Bentuk (Freeman) 1 2 Arah Mata Angin Freeman Setiap piksel memiliki 8 piksel tetangga sesuai arah mata angin Koordinat piksel tepi dan informasi piksel tetangga Telusur setiap piksel gambar Verifikasi terhadap piksel tetangga Data piksel tepi objek ke-n Ambil informasi piksel tetangga ke-n Kode piksel tetangga ke-n serta koordinatnya Himpun kode piksel tetangga serta koordinatnya Y Siapkan himpunan bentuk dasar tepi Bagi kode rantai ke-n per 20 digit kode 20 digit kode rantai ke-n Hitung nilai gradien garis Gradien = y2 y1 x2 x1 Untuk setiap piksel tepi objek Proses informasi piksel tepi objek T Dapat kode rantai ke - n Buat persamaan garis y = mx + b atau x = my + b Memiliki tetangga Piksel tepi objek terakhir Y 3 2
10 Kembali Ekstraksi Bentuk (Definisi) 3 Y = 0 Y Bentuk dasar tepi horisontal + 1 T Setiap bagian 5 digit 20 digit dibagi menjadi 4 bagian T X = 0 Y Bentuk dasar tepi vertikal + 1 Hitung gradien bagian ke - n Bandingkan gradien setiap bagian Tidak berubah Y Bentuk dasar tepi diagonal + 1 T Persentase Perubahan > 75% T Bentuk dasar tepi sudut + 1 Y Bentuk dasar tepi busur + 1 Proses himpunan bentuk dasar tepi Normalisasi himpunan bentuk dasar tepi Data hasil ekstraksi bentuk Selesai
11 Kembali Hasil Definisi Bentuk Hasil Freeman dari gambar 13j.jpg Tepi ke- Koordinat (x,y) Arah piksel tetangga terdekat Jumlah tetangga terdekat 1 (7,71) (7,77) (8,71) (140,83) (141,71) (141,77) 4 1
12 Kembali Hasil Ekstraksi Bentuk Hasil Ekstraksi Bentuk pada gambar 13j.jpg dan 6i.jpg No Rambu Nilai Histogram 1 0.0, , , , , 0.0, , ,
13 Kembali Ekstraksi Warna (LCH) Mulai 1 untuk memperoleh histogram warna lokal CITRA RAMBU Data masuk ke dalam histogram lokal Regionisasi citra ke dalam 16 bagian Pixel terakhir? T Y Bentuk histogram warna lokal. (kosong) T Normalisasi histogram warna lokal yang telah diperoleh Sesuai kuantitasnya Proses data setiap pixel gambar Area bagian akhir? sebagai nilai RGB Y Ambil byte kedua, ketiga dan ke empat Pengumpulan setiap histogram warna lokal. Kuantisasi nilai RGB yang diperoleh. data warna pixel hasil kuantisasi 1 Data hasil ekstraksi warna. Selesai
14 Kembali Hasil Kuantisasi Warna Hasil Local Color Histogram dari gambar 13j.jpg Bagian Kuantitas indeks ke- Nilai
15 Hasil Ekstraksi Warna Hasil Ekstraksi Warna dari gambar 13j.jpg dan 6i.jpg No Rambu Nilai Histogram 1 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, , 0.0, 0.0, 0.0, 0.0, , 0.0, 0.0, 0.0, , 0.0, , 0.0, 0.0, , 0.0, 0.0, , 0.0, 0.0, 0.0, 0.0,
16 Kembali Basis Data
17 Kembali Perhitungan Kemiripan Data ekstraksi gambar query Data ekstraksi gambar basis data Y Ekstraksi bentuk T n = n + 1 n = n bentuk dasar tepi; (1)horisontal, (2)vertikal, (3)diagonal, (4)busur, (5)sudut BTQ(n) = bentuk dasar tepi ke-n query BTD(n) = bentuk dasarr tepi ke-n data LHQ(n) = lokal histogram query LHD(n) = lokal histogram data 16 histogram warna lokal Bentuk tepi(n) = (BTQ(n) - BTD(n))^2 T T Lokal histogram(n) = (LHQ(n) - LHD(n))^2 Total = Total + Bentuk tepi (n) Total = Total + Lokal histogram (n) n = 5 n = 16 Y Y Similaritas = Total ^ 1/2 Data similaritas
18 Kembali Perhitungan Kemiripan Perhitungan jarak Euclidean Hasil perhitungan jarak di format dalam persamaan : ID data@nilai jarak# 1@ #2@ #3@ #.. #129@ #130@ #
19 Kembali Sorting (Selection Sort) Data similaritas ekstraksi Proses informasi data similaritas Id ekstraksi Nilai similaritas i = 1 Min = i j = i + 1 Similaritas[min] > Similaritas[j] Y T Min = j j = j + 1 T similaritas[i] = similaritas[min] Id[i] = id[min] Y j > length(data similaritas) i = i + 1 i = length(data similaritas) Y Data hasil sortir T
20 Kembali Sorting (Selection Sort) Hasil sortir 10 data teratas dari bentuk # Hasil sortir perhitungan jarak warna dari 10 data
21 Perhitungan Kemiripan dan Sorting Sortir total jarak dari bentuk dan warna Hasil perhitungan jarak di format dalam persamaan : ID data@jarak bentuk@jarak bentuk@total jarak 60@0.0@0.0@0.0#59@ @ @ #96@ @ @ #111@ @ @ #80@ @ @ @ @ #95@ @ @ #
22 Hasil Pencarian Hasil percobaan rambu peringatan gambar 13j.jpg dengan kualitas tinggi
23 Hasil Pencarian Hasil percobaan rambu peringatan gambar 13j.jpg dengan kualitas rendah
24 Halaman Utama Graphical User Interface
25 Graphical User Interface Halaman Input Data
26 Graphical User Interface Halaman Pencarian
27 Graphical User Interface Halaman Output Informasi
28 Graphical User Interface Halaman Bantuan
29 Halaman Info Graphical User Interface
30 Kesimpulan Berhasil membuat membuat sebuah program aplikasi temu kenali citra berbasis konten bentuk dan warna untuk menampilkan informasi dari masing-masing rambu yang mempunyai kemiripan dengan rambu yang dicari untuk rambu negara Indonesia dan Jepang. Berhasil melakukan pengekstraksian citra dengan berbasis bentuk dengan menggunakan metode Canny Edge Detection dan Freeman Chain Code dan juga berhasil mengekstraksi warna citra dengan menggunakan metode Local Color Histogram. Berhasil menghitung jarak kemiripan citra yang dicari dengan menggunakan rumus perhitungan Euclidean Distance dan mengatur urutan peringkat citra yang mempunyai tingkat kemiripan paling tinggi dengan menggunakan teknik Selection Sort. Aplikasi ini berkontribusi sebagai perangkat bantu pengenalan rambu lalulintas bagi pengguna jalan yang sering bepergian di dalam negeri ataupun ke luar negeri.
PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
Lebih terperinciBAB 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 terperinciLAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN
L.1 LAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN Koordinat (x,y) Tabel A.1. Nilai data citra terhadap proses gradien Data citra bayangan (0,0) (99372, 36036, 13068) (1,0) (2352, -17472, 129792)
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
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 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 terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih 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 I PENDAHULUAN. Perkembangan teknologi komputer dan internet semakin maju
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi komputer dan internet semakin maju menyebabkan data digital yang dihasilkan, disimpan, ditransmisikan, dianalisis, dan diakses menjadi
Lebih terperinciIMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih 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 ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem yang Sedang Berjalan Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB II Tinjauan Pustaka
BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
Lebih 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Fungsi utama perancangan program aplikasi tugas akhir ini adalah melakukan konversi terhadap citra dengan format raster atau bitmap ke format vektor dengan tipe
Lebih 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 terperinciGambar 1.1 Tahapan Penelitian
BAB 1 PENDAHULUAN Latar Belakang Masalah Content Based Image Retrieval (CBIR) atau dikenal sebagai query dengan konten image dan pengambilan informasi visual berbasis konten merupakan penerapan teknik
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciPENGUKURAN KEMIRIPAN CITRA BERBASIS WARNA, BENTUK, DAN TEKSTUR MENGGUNAKAN BAYESIAN NETWORK RIZKI PEBUARDI
PENGUKURAN KEMIRIPAN CITRA BERBASIS WARNA, BENTUK, DAN TEKSTUR MENGGUNAKAN BAYESIAN NETWORK RIZKI PEBUARDI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih 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 terperinciOperasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan
KONVOLUSI Informatics Eng. - UNIJOYO log.i Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan Citra ideal: korespondensi satu-satu sebuah titik pada obyek yang dicitrakan
Lebih terperinciII TINJAUAN PUSTAKA. * adalah operasi konvolusi x dan y, adalah fungsi yang merepresentasikan citra output,
5 II INJAUAN PUSAKA.1 Fitur Scale Invariant Feature ransform (SIF) Fitur lokal ditentukan berdasarkan pada kemunculan sebuah objek pada lokasi tertentu di dalam frame. Fitur yang dimaksudkan haruslah bersifat
Lebih terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
Lebih terperinciPERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR
PERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR Muhammad Nasir 1, Amri 2, Husaini 3 1,2,3 Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe
Lebih terperinciMENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET
MENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET Purnomo Adi Setiyono Program Studi Teknik Informatika-S1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro (Udinus) Semarang
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 4, No. 2, Hal ISSN : x
PENGENALAN MOTIF BATIK INDONESIA MENGGUNAKAN DETEKSI TEPI CANNY DAN TEMPLATE MATCHING [1] Fera Flaurensia, [2] Tedy Rismawan, [3] Rahmi Hidayati [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
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 terperinciABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha
ABSTRAK Content-Based Image Retrieval (CBIR) adalah proses untuk mendapatkan suatu citra berdasarkan konten-konten tertentu, konten yang dimaksud dapat berupa tekstur, warna, bentuk. CBIR pada dasarnya
Lebih terperinciSEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Anik Purwaningsih, Sutopa *
SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION Anik Purwaningsih, Sutopa * ABSTRAK SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Pengujian pelat elemen bakar (PEB)
Lebih terperinciPengubahan Data Image Ikan Air Tawar ke Data Vektor menggunakan Edge Detection Metode Canny
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Pengubahan Data Image Ikan Air Tawar ke Data Vektor menggunakan Edge Detection Metode Canny Fety Fatimah 1, Gibtha Fitri Laxmi 2, Puspa Eosina 3 Universitas
Lebih terperinciRancang Bangun Sistem Temu Kembali Gambar Ikan Berdasarkan Estraksi Ciri Warna HSV, Bentuk Canny dan Tekstur Orde Dua
Rancang Bangun Sistem Temu Kembali Gambar Ikan Berdasarkan Estraksi Ciri Warna HSV, Bentuk Canny dan Tekstur Orde Dua Lestari Handayani 1, Awaliyah 2 1,2 Jurusan Teknik Informatika, Fakultas Sains dan
Lebih terperinciBAB III PERANCANGAN PERANGKAT LUNAK
BAB III PERANCANGAN PERANGKAT LUNAK 3.1. Sistem Pendeteksi Senyum Sistem pendeteksi senyum dalam skripsi ini dibuat dengan membandingkan tiga buah metode, yaitu Harris Corner Detection, Edge Based Corner
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciAspek Penerapan Video Segmentasi Sebagai Sistem Pendeteksi Pelanggaran Lalu Lintas
Aspek Penerapan Video Segmentasi Sebagai Sistem Pendeteksi Pelanggaran Lalu Lintas Christian Desamta. S*, Indra Yasri** *Alumni Tenik Elektro Universitas Riau**Jurusan Teknik Elektro Universitas Riau Kampus
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
Lebih terperinciBAB III METODELOGI PENELITIAN
BAB III METODELOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan penelitian merupakan bagian yang berisi rancangan yang akan dilakukan dalam penelitian. Dimana tahap-tahapan pembangunan sistem ini dapat dilihat
Lebih terperinciPeningkatan Figure of Merit Pada Detektor Tepi Canny Menggunakan Teknik Skala Multiplikasi
Peningkatan Figure of Merit Pada Detektor Tepi Canny Menggunakan Teknik Skala Multiplikasi ABSTRAK Ni Luh Putri B. Vidyawati (0522138) Jurusan Teknik Elektro Email : niluhputribv@ymail.com Teknik pendeteksian
Lebih terperinciPEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI
Artikel Skripsi PEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih 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 terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
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 terperinciEKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :
EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
Lebih terperincicomparing the search results using the method GCHs with the search results using the method LCHs or use both types of these histograms. So get a color
CBIR BERDASARKAN EKSTRAKSI FITUR WARNA MENGGUNAKAN JAVA Agus Sumarna sumarna_agus@yahoo.com Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma, Margonda Raya 100 Depok 16424
Lebih terperinciMuhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel pada Domain Frekuensi Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Pengertian Konvolusi Pengertian Frekuensi Filter Lolos-Rendah
Lebih terperinciImplementasi Deteksi Tepi Canny pada Citra Mammografi
JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia
Lebih terperinciPAINTING AIRBRUSH DESIGNED USING CANNY ADGE DETECTION METHOD
Muhammad, Perancangan Painting Air Brush 21 PERANCANGAN PAINTING AIR BRUSH MENGGUNAKAN METODE CANNY ADGE DETECTION Mar i Muhammad (1), Harianto (2), (1), (2) Program Studi S1 Sistem Komputer, Sekolah Tinggi
Lebih terperinciAPLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahap analisis merupakan tahapan yang paling awal dalam sistem sebuah pendeteksian tepi pada citra digital. Analisis sistem dilakukan dengan tujuan untuk
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY
Jurnal Riset Komputer (JURIKOM), Volume :, Nomor: 1, Februari 2016 ISSN : 2407-89X ANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY Linda Herliani Harefa Mahasiswa Program
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2.1 Pengertian Citra Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue)
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah
BAB IV HASIL DAN PEMBAHASAN A. Data Sampel Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah sampel beras B, 1 buah sampel beras C, dan 2 buah sampel beras D. 1. Data Pengujian Mutu Beras
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
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 terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan mengikuti perkembangan zaman, tentunya teknologi juga semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga pengembangan dari teknologi yang sudah
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB 2 LANDASAN TEORI. citra, piksel, convolution, dan Software Development Life Cycle.
BAB 2 LANDASAN TEORI Pada bab ini diuraikan beberapa landasan teori dan konsep konsep yang berhubungan dengan pengolahan citra, di antaranya adalah tentang pengolahan citra, citra, piksel, convolution,
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciEDGE DETECTION MENGGUNAKAN METODE ROBERTS CROSS
EDGE DETECTION MENGGUNAKAN METODE ROBERTS CROSS Arifin 1, Budiman 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 arifins2c@yahoo.com 1, sync_vlo@yahoo.com 2 Abstrak Pengolahan citra digital
Lebih terperinciANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY
Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 28) Auditorium Universitas Gunadarma, Depok, 2-21 Agustus 28 ISSN : 1411-6286 ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
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 terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2007/2008
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2007/2008 PENGOLAHAN CITRA DENGAN PENDEKATAN FUZZY EVOLUTIONARY ALGORITHMS Abstrak Indra Gunawan 0800741882
Lebih terperinciBAB II Tinjauan Pustaka
23 BAB II Tinjauan Pustaka II.1. Pengolahan Citra Digital Citra yang diperoleh dari lingkungan masih terdiri dari warna yang sangat komplek sehingga masih diperlukan proses lebih lanjut agar image tersebut
Lebih terperinciIII METODOLOGI PENELITIAN
13 III METODOLOGI PENELITIAN 3.1 Kerangka Penelitian Penelitian dilakukan dalam lima tahapan utama, yaitu ekstraksi frame video, ekstraksi fitur SIFT dari seluruh frame, pembentukan kantong kata visual
Lebih terperinciSISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET
Seminar Nasional Aplikasi Teknologi Informasi 27 (SNATI 27) ISSN: 197-522 Yogyakarta, 16 Juni 27 SISTEM PENGENALAN IRIS MATA MANUSIA DENGAN MENGGUNAKAN TRANSFORMASI WAVELET Maimunah 1), Agus Harjoko 2)
Lebih terperinciImplementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel
Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Sri Enggal Indraani, Ira Dhani Jumaddina, Sabrina Ridha Sari Sinaga (enggal24@gmail.com, Ira.dhani5393@gmail.com,
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Alat transportasi merupakan bagian dari ekosistem kota yang perlahan terus berkembang dan memenuhi kebutuhan penduduk agar dapat berpindah dari satu tempat
Lebih terperinciDAFTAR ISI LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... LEMBAR PENGESAHAN PENGUJIAN... iv HALAMAN PERSEMBAHAN... HALAMAN MOTO...
xi DAFTAR ISI LEMBAR PENGESAHAN PEMBIMBING...Error! Bookmark not d LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... ii LEMBAR PENGESAHAN PENGUJIAN... iv HALAMAN PERSEMBAHAN... v HALAMAN MOTO... vi KATA
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar belakang 1.2. Perumusan Masalah
BAB I PENDAHULUAN 1.1. Latar belakang Salah satu implementasi di bidang komputer yang ditampilkan pada ciri kendaraan saat ini atau masa datang adalah proses Computer Vision Image Processing (CVIP), maksudnya
Lebih terperinci