ABSTRAK Data adalah kumpulan informasi keterangan-keterangan dari suatu hal yang diperoleh melalu... more ABSTRAK Data adalah kumpulan informasi keterangan-keterangan dari suatu hal yang diperoleh melalui pengamatan atau pencarian ke sumber-sumber tertentu. Data yang diperoleh dapat menjadi suatu anggapan atau fakta karena memang belum diolah lebih lanjut. Dalam pengolahan data demi tercapainya akurasi terbaik maka dilakukan dengan sebuah algoritma k-NN. Tujuan penelitian dengan metode studi pustaka (mengumpulkan data dari beberapa studi pustaka seperti jurnal) ini adalah mengetahui cara kerja algoritma k-NN berikut penerapan algoritma k-NN untuk pengolahan data sebuah instansi atau perusahaan.
ABSTRAK Sistem pengenalan wajah yang baik adalah sistem yang mampu mengatasi variasi yang timbul ... more ABSTRAK Sistem pengenalan wajah yang baik adalah sistem yang mampu mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini bisa berupa ekspresi wajah, aksesoris yang dipakai, tingkat pencahayaan dan arah pengambilan citra. Variasi tersebut akan ditangkap oleh garis-garis maya yang dibuat dari setidaknya dua prototype dalam sebuah kelas. Garis maya tersebut akan mengeneralisasi variasi yang mungkin terjadi dari kedua prototype. Proses identifikasi wajah akan dilakukan dengan mencari jarak terpendek antara wajah yang akan dikenali dengan semua variasi hasil ekstrapolasi dan interpolasi prototype pada tiap kelas. Implementasi dari metode ini bisa mencapai tingkat akurasi lebih dari 90% dengan waktu eksekusi 0.5 detik pada kondisi optimal. Kata Kunci : pengenalan wajah, eigenface, principal component analysis, nearest feature line, nearest feature midpoint 1. Pendahuluan Pengenalan wajah adalah salah satu bidang kaji dalam pengenalan pola yang selalu mengalami pengembangan. Kehandalan sebuah metode bisa dilihat dari proses perhitungan dengan biaya minimal dan hasil perhitungan dengan tingkat kesalahan yang relatif kecil. Sebuah sistem pengenalan wajah yang handal harus tetap bisa bekerja dan mampu menangani masukan citra wajah dengan berbagai variasi terutama dalam sudut pengambilan, ekspresi, pencahayaan dari citra yang dijadikan masukan. Dari ketiga variasi tersebut, variasi wajah yang sama dalam pencahayaan dan sudut pan-dang pada saat pengambilan citra biasanya jauh lebih besar dari pada ekspresi wajah yang sama. Nearest Feature Midpoint (NFM) adalah salah satu metode dalam pengenalan wajah yang dinyatakan sebagai metode perbaikan dari pengenalan wajah dengan metode Nearest Feature Line (NFL) [1]. Diharapkan dengan menggunakan metode ini bisa dibangun sebuah Aplikasi pengenalan wajah yang relatif lebih baik dibandingkan dengan metode NFL. Secara umum, klasifikasi menggunakan NFL dan NFM dilakukan dengan mencari jarak minimum antara feature point yang di-query-kan (wajah yang akan dikenali) dengan semua feature line yang ada [1]. Feature line adalah garis virtual yang menghubungkan dua prototype dalam sebuah kelas (satu orang) sedangkan feature midpoint adalah titik tengah antara dua prototype dalam sebuah kelas yang sama. Dengan demikian, perbendaharaan wajah akan diperbanyak dengan melakukan ekstrapolasi atau interpolasi feature point pada tiap feature line yang ada dalam feature space [2]. Untuk melakukan klasifikasi berbasis feature line ini, sebagai representasi awal dari citra akan digunakan metode pembentukan eigenface. Secara umum dengan membentuk eigenface space, dimensi-dimensi yang kurang signifikan dalam citra wajah akan direduksi sehingga hanya menyisakan dimensi yang penting saja. Pembentukan eigenface space tidak lepas dari penggunaan Principal Component Analysis (PCA) sebagai alat pereduksi dimensi.
Abstrak Autentikasi pribadi (AP) pada ponsel pintar memainkan peran penting dalam pembayaran selu... more Abstrak Autentikasi pribadi (AP) pada ponsel pintar memainkan peran penting dalam pembayaran seluler. Fitur wajah adalah fitur biometrik yang paling user-friendly yang dibuat oleh kamera, ketika kita menggunakan smartphone sebagai perangkat pembayaran. Dalam penelitian ini, metode baru yang diotentikasi diusulkan untuk Autentikasi pribadi dengan mengintegrasikan transformasi Feature Line Embedding (FLE) dan Biased Discriminant Analysis (BDA) dengan menggunakan fitur wajah. Karena dari beberapa contoh pada suatu pelatihan, untuk pembelajaran kekuatan diskriminan masih terbatas. Dalam ruang fitur, fitur garis dianggap sebagai kombinasi antara dua sampel pelatihan dan mensimulasikan fitur tak terbatas yang mungkin dari berbagai kondisi untuk pelatihan. Pada Autentikasi Pribadi (AP), hanya sampel positif yang digunakan untuk menghitung pencar di dalam kelas, dan antara penghamburan kelas juga dihitung menggunakan sampel negatif oleh strategi BDA. Dibandingkan dengan klasifikasi dua kelas tradisional dan masalah BDA, FLE menyatu dengan BDA untuk memperoleh transformasi reduksi dimensi yang lebih baik. Sebuah support vector machine (SVM) lebih lanjut dilatih untuk menentukan sampel kueri itu nyata atau hanya sampel yang dipalsukan. Kata kunci — Nearest Feature Line, Biased Discriminant Analysis, fitur biometrik, fitur wajah, Autentikasi pribadi 1. PENDAHULUAN Meluasnya penggunaan pembayaran seluler, misalnya, Apple pay, Autentikasi Pribadi (AP) pada ponsel pintar memainkan peran penting dalam banyak layanan komersial. Dari pada pendekatan berbasis kata sandi, fitur biometrik [1] lebih stabil dan aman dari pada kata sandi untuk menghindari hilangnya atau kelupaan kata sandi dalam AP. Selain itu, mencegah risiko pencurian atau duplikasi karena suatu keunikan. Ketika menggunakan ponsel pintar sebagai perangkat pembayaran, fitur wajah adalah fitur biometrik yang paling ramah pengguna dengan kamera yang ada pada perangkat tersebut. Verifikasi wajah dapat dianggap sebagai masalah klasifikasi dua kelas dalam pengenalan pola. Secara umum, representasi fitur, analisis fitur diskriminan, dan kalsifikasi desain adalah tiga komponen dalam tugas klasifikasi. Fitur tingkat rendah seperti LBP [1], SIFT [2], Gabor [3] dan fitur LE yang telah dipelajari [4] banyak digunakan dalam pengenalan wajah. Cui dkk. [5] mengusulkan deskriptor lokal yang jarang dikodekan (SELD) dengan mengekstraksi fitur diskriminan untuk verifikasi wajah. Berbeda dari fitur-fitur concatenated berbasis intensitas, fitur SELD dihasilkan dalam dua modul: (1) Intensitas piksel diambil sampelnya dan dikodekan melalui pengkodean sparse non-negatif, dan kemudian (2) kode blok-bijaksana diakumulasi melalui penjumlahan dan dimensi yang dikurangi melalui PCA yang memutih. Kubanek dan Bobulski [6] mendesain suatu klasifikasi berbasis HMM (hidden Markov model) untuk verifikasi identitas menggunakan fitur wajah asimetris. Dari Pengamatan fitur vektor memiliki panjang varian yang dikodekan dari titik-titik karakteristik pada wajah. Pendekatan ini dapat memverifikasi identitas bahkan jika beberapa titik karakteristik terlewatkan dengan data yang tidak lengkap. Selanjutnya, Sun et al. [7] mengusulkan jaringan
ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Teknikn... more ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Tekniknya yang sangat mutakhir diperuntukkan untuk pemecahan masalah gambar atau citra yang sangat erat dengan kebutuhan customer maupun pengambilan keputusan. Impian gambar ataupun citra dapat di analisis sehingga menghasilkan bentuk yang baik yang masih terus diteliti ketepatannya menggunakan CAD maupun CAM. Tujuan dari penelitian yaitu menghubungkan algoritma Hermite, Bezier, B-Spline pada fungsi harmonisnya dengan menciptakan gambar atau citra yang tepat untuk suatu bentuk yang dapat dipakai dalam rekayasa gambar untuk pengambilan keputusan. Hasil penelitian ini menghasilkan suatu algoritma yang memadai untuk perancangan gambar atau citra.
ABSTRAK Pengawasan Video Kamera Tunggal (PVKT) telah diterapkan dalam pemantauan pasif. Pengawasa... more ABSTRAK Pengawasan Video Kamera Tunggal (PVKT) telah diterapkan dalam pemantauan pasif. Pengawasan video mencakup area kecil. Informasi video tidak cukup tanpa kemampuan pelacakan bersama. Saat ini kinerja yang buruk di sebagian besar jaringan serupa disebabkan oleh ketidaktetapan waktu sebenarnya. Dalam tulisan ini kami mengusulkan jaringan kamera multi-mata cerdas terdistribusi dengan memanfaatkan smartphone, yang tidak hanya menyajikan skema tetapi juga realisasi konkritnya. Dengan menggunakan jaringan smartphone dengan pengaturan yang baik pada waktu nyata, target akan tertangkap oleh kamera dan dilacak dengan baik. Pekerjaan ini bertujuan untuk memanfaatkan telepon seluler yang tidak terpakai untuk membentuk jaringan keamanan. Kontribusi ini bertujuan untuk meningkatkan akurasi deteksi invasi orang asing. Untuk menyelesaikan tugas pengenalan wajah yang jauh, kami menggunakan algoritma pengenalan wajah berbasis PCA untuk meningkatkan efektivitas resolusi. Kami membuat list berbagai pendekatan untuk meningkatkan resolusi dan menggunakan pendekatan terbaik untuk menangani situasi yang berbeda. Sementara itu kami merancang dan merealisasikan keseluruhan struktur jaringan keamanan termasuk desain modul basis data, desain terminal klien dan pemantauan desain node, membentuk jaringan penghematan energi yang kuat. Jurnal ini dapat memberikan referensi berharga untuk desain jaringan keamanan praktis yang saat ini dalam permintaan sosial yang tinggi.
Pada sebuah bank ketika pelanggan mengisi form dan diterima oleh teller, teller akan menginput k... more Pada sebuah bank ketika pelanggan mengisi form dan diterima oleh teller, teller akan menginput kembali kedalam komputer. Proses akan lebih cepat jika ada sistem automasi. Dibangun sistem yang dapat mensimulasikan situasi diatas. Dibuat sistem untuk mengenali karakter tulisan tangan dengan menggunakan Diagonal Based Feature Extraction dan metode klasifikasi K-Nearest Neighbour. Dari hasil pengujian diperoleh akurasi terbaik 90% dengan metode Diagonal Feature Extraction dari kanan dan KNN dengan k=2.
Abstrak Sistem pengenalan wajah yang baik yaitu sistem yang dapat mengatasi variasi yang timbul s... more Abstrak Sistem pengenalan wajah yang baik yaitu sistem yang dapat mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini dapat berupa ekspresi wajah, aksesoris yang dipakai, pencahayaan, dan arah pengambilan citra wajah. Penelitian tentang pengenalan wajah telah dilakukan oleh berbagai metode, akan tetapi penelitian masih dilakukan dengan pengembangan teknologi dan metode pengolahan gambar. Di Indonesia banyak warganya yang memakai jilbab, bahkan sampai menggunakan cadar. Hal ini tentu dapat menjadi masalah dalam proses pengenalan wajah, karena jilbab biasanya memiliki model yang sama. Sehingga, area wajah menjadi lebih sempit dikarenakan tertutup oleh cadar. Dalam penelitiaan yang menggunakan algoritma nearest feature midpoint, proses identifikasi wajah dilakukan dengan mencari jarak terpendek antara wajah yang akan dikenali dengan semua variasi hasil ekstrapolasi dan interpolasi prototype pada tiap kelas. Sedangkan, dalam penelitian dengan menggunakan metode ekstraksi fitur Two-Dimensional Principal Component Analysis (2DPCA), adalah wajah wanita yang menggunakan cadar yang berukuran 180 x 200 Piksel. Setelah dilakukan ekstrasi fitur citra wajah 2DPCA kemudian digunakan metode K-Nearest Neighbor (KNN) berdasarkan metode Euclidian Distance. Implementasi dari metode Nearest feature Midpoint mencapai tingkat akurasi lebih dari 90% dengan waktu eksekusi 0,5 detik pada kondisi optimal. Berbeda dengan metode 2DPCA dan KNN, ditemukan bahwa wajah wanita berjilbab dengan dua model jilbab memiliki tingkat yang lebih sulit dibandingkan dengan wanita yang menggunakan cadar.
Abstrak Sistem yang mampu mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini... more Abstrak Sistem yang mampu mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini bisa berupa ekspresi wajah, aksesoris yang dipakai, tingkat pencahayaan dan arah pengambilan citra. Variasi tersebut akan ditangkap oleh garis-garis maya yang dibuat dari setidaknya dua prototype dalam sebuah kelas. Garis maya tersebut akan mengeneralisasi variasi yang mungkin terjadi dari kedua prototype. Proses identifikasi wajah akan dilakukan dengan mencari jarak terpendek antara wajah yang akan dikenali dengan semua variasi hasil ekstrapolasi dan interpolasi prototype pada tiap kelas. Jika ukuran populasi tak mendekati berhingga maka nilai ekspektasi dari populasi adalah nilai mean. Dianalogikan untuk penentuan titik proyeksi citra uji pada garis fitur, maka titik proyeksi pada proses pengenalan akan mendekati titik tengah dari garis fitur. Asumsi bahwa dimensi wajah sangat banyak. Setiap Tahapan dalam pencocokan bertujuan menemukan jawaban yang akurasi dengan tingkat kemiripan yang tinggi dan perbandingan setiap titik dalam matrik bertujuan untuk menghitung bagaimana perkumpulan titik memiliki nilai akurasi yang tinggi. Kata Kunci: Algoritma Nearest Feature, Citra Wajah,Titik Proyeksi Abstract A system that uses a viewing angle that produces when shooting a face image. These variations can include facial expressions, accessories used, lighting levels and image taking directions. The variation will be taken from the prototype in a class. The virtual line will generalize that may occur from both prototypes. The search process will be done by finding the shortest distance between which will be identified with the extrapolated content and the prototype interpolation in each class. If the size is not centuries, then the expected value of the result is the average. Analogous to know the points used to describe the features, then the projection point on the process will recognize the midpoint of the feature. Assumption that the dimensions are numerous. Each Stage in the context finds an accurate answer with a high degree of similarity and precisely each point in the goal to calculate something that has a high accuracy value.
ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Teknikn... more ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Tekniknya yang sangat mutakhir diperuntukkan untuk pemecahan masalah gambar atau citra yang sangat erat dengan kebutuhan customer maupun pengambilan keputusan. Impian gambar ataupun citra dapat di analisis sehingga menghasilkan bentuk yang baik yang masih terus diteliti ketepatannya menggunakan CAD maupun CAM. Tujuan dari penelitian yaitu menghubungkan algoritma Hermite, Bezier, B-Spline pada fungsi harmonisnya dengan menciptakan gambar atau citra yang tepat untuk suatu bentuk yang dapat dipakai dalam rekayasa gambar untuk pengambilan keputusan. Hasil penelitian ini menghasilkan suatu algoritma yang memadai untuk perancangan gambar atau citra.
Di era digital ini, dimana strategi marketing terus berkembang. Sistem pengenalan wajah yang baik... more Di era digital ini, dimana strategi marketing terus berkembang. Sistem pengenalan wajah yang baik adalah sistem yang mampu mengatasi variasi yang timbul saat pengambil-an citra wajah. Variasi ini bisa berupa ekspresi wajah, aksesoris yang dipakai, tingkat pencahayaan dan arah pengambilan citra.
Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekita... more Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekitar wilayah penuturannya. Aksara jawa merupakan ciri khas dan warisan leluhur dari suku jawa yang perlu di lestarikan dan dijaga keberadaannya. Pemanfaatan pengolahan citra digital dapat digunakan untuk mengenali tulisan peninggalan warisan leluhur suku jawa. Maka dari itu terdapat beberapa metode dari Algoritma K-Nearest Neighbor diantara metode pendekatan Manhattan Distance dan metode pendekatan Euclidian Distance sebagai metode klasifikasi. Permasalahan yang timbul dari hal tersebut yaitu menemukan metode yang paling akurat dalam pengenalan aksara jawa. Hasil dari perbandingan antara Algoritma K-Nearest Neighbor dengan metode pendekatan Manhattan Distance yang paling akurat dengan akurasi sebesar 90% dibandingkan dengan metode Euclidian Distance yang hanya memiliki akurasi sebesar 85%. Kata kunci: Aksara Jawa, Algoritma K-Nearest Neighbor, Metode pendektaan Manhattan Distance, Metode Pendekatan Euclidian Distance. Abstract Javanese script, used in various Javanese text and several other languages around the area penuturannya. Javanese script is a typical and ancestral heritage of the tribe of Java that need to be preserved and maintained its existence. Utilization of digital image processing can be used to recognize the legacy of ancestral tribes of Java tribe. Therefore there are several methods of K-Nearest Neighbor Algorithm between Manhattan Distance approach method and Euclidian Distance approach method as classification method. The problem that arises from it is finding the most accurate method in the introduction of Javanese script. The result of comparison between K-Nearest Neighbor Algorithm with the most accurate approach of Manhattan Distance approach with accuracy of 90% compared with Euclidian Distance method which has only 85% accuracy.
SUMEDANG ABSTRAK Untuk menampilkan gambar dengan berbagai ukuran pada layar komputer memerlukan p... more SUMEDANG ABSTRAK Untuk menampilkan gambar dengan berbagai ukuran pada layar komputer memerlukan proses serta urutan langkah-langkah logis yang disusun secara sistematis dan logis. Untuk menyederhanakan proses ini menggunakan Grafik komputer. Untuk menghasilkan grafik di komputer kita harus memahami algoritma dan teknik yang digunakan untuk mengasilkan gambar sesuai dengan keinginan. Untuk menggambarkan proses pembuatan garis dari titik awal hingga titik akhir dapat mempergunakan Algoritma Digital Differential Analyzer (DDA) dan Bressenham.
INTISARI Algoritma Nearest Neighbor adalah suatu metode yang menggunakan algoritma supervised, di... more INTISARI Algoritma Nearest Neighbor adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas diimplementasikan pada algoritma ini. Penelitian ini dilakukan untuk mengkaji algoritma nearest neighbor dan mengimplementasikan pada klasifikasi data. Dalam proses penyewaan kontrakan yang biasanya biasanya terdapat fitur-fitur yang menjadi standar keinginan konsumen. Contoh kecilnya seperti fitur daerah atau fitur harga. Fitur-fitur tersebut akan menjadi variabel penentu dalam proses rekomendasi. Dari fitur tersebut dapat dibangun sebuah aplikasi sistem rekomendasi pembelian rumah. Terdapat beberapa metode yang digunakan untuk mendukung cara kerja sistem rekomendasi, salah satu yang paling akurat adalah pengimplementasian algoritma classification. Oleh karena itu, dilakukanlah penelitian terhadap implementasi algoritma nearest neighbor dan case selection pada aplikasi sistem rekomendasi pembelian rumah. Berdasarkan penelitian, algoritma nearest neighbor berhasil memberikan hasil akurat dalam proses similarity antara query dan basis kasus dengan tingkat keberhasilan 85% dan kegagalan 15%, serta dapat menampilkan hasil rekomendasi yang sesuai dengan permintaan user. Kata kunci : Algoritma nearest neighbor, case selection, sistem rekomendasi pembelian rumah ABSTRACT Nearest Neighbor algorithm is a method using supervised algorithms, where the results of the new test samples were classified based on the majority implemented in this algorithm. This study was conducted to assess and implement the nearest neighbor algorithm on data classification. In the process of rent house is usually contained features that became standard consumer desires. Examples of such small area feature or features price. These features will be the determining variable in the recommendation process. Of these features can be built a house purchase recommendation system applications. There are several methods used to support the workings of the system of recommendation, one of the most accurate classification algorithm implementation. Therefore, conducted this study to the nearest neighbor algorithm implementation and case selection in home purchase recommendation system applications. Based on research, nearest neighbor algorithm successfully deliver accurate results in the process of similarity between the query and the base case with a success rate of 85% and 15% failures, and can display the results of the recommendations in accordance with user demand.
Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekita... more Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekitar wilayah penuturannya. Aksara jawa merupakan ciri khas dan warisan leluhur dari suku jawa yang perlu di lestarikan dan dijaga keberadaannya. Pemanfaatan pengolahan citra digital dapat digunakan untuk mengenali tulisan peninggalan warisan leluhur suku jawa. Maka dari itu terdapat beberapa metode dari Algoritma K-Nearest Neighbor diantara metode pendekatan Manhattan Distance dan metode pendekatan Euclidian Distance sebagai metode klasifikasi. Permasalahan yang timbul dari hal tersebut yaitu menemukan metode yang paling akurat dalam pengenalan aksara jawa. Hasil dari perbandingan antara Algoritma K-Nearest Neighbor dengan metode pendekatan Manhattan Distance yang paling akurat dengan akurasi sebesar 90% dibandingkan dengan metode Euclidian Distance yang hanya memiliki akurasi sebesar 85%. Kata kunci: Aksara Jawa, Algoritma K-Nearest Neighbor, Metode pendektaan Manhattan Distance, Metode Pendekatan Euclidian Distance. Abstract Javanese script, used in various Javanese text and several other languages around the area penuturannya. Javanese script is a typical and ancestral heritage of the tribe of Java that need to be preserved and maintained its existence. Utilization of digital image processing can be used to recognize the legacy of ancestral tribes of Java tribe. Therefore there are several methods of K-Nearest Neighbor Algorithm between Manhattan Distance approach method and Euclidian Distance approach method as classification method. The problem that arises from it is finding the most accurate method in the introduction of Javanese script. The result of comparison between K-Nearest Neighbor Algorithm with the most accurate approach of Manhattan Distance approach with accuracy of 90% compared with Euclidian Distance method which has only 85% accuracy.
Penggunaan smartphone saat ini semakin luas setiap hari seiring dengan perkembangan teknologi inf... more Penggunaan smartphone saat ini semakin luas setiap hari seiring dengan perkembangan teknologi informasi dan komunikasi. Namun perkembangan ini memunculkan permasalahan yang semakin besar dilihat dari sisi keamanan sistem. Karenanya perangkat-perangkat yang dikembangkan harus memperhatikan aspek kemananan. Aspek keamanan yang ditambahkan pada sistem seringkali menyebabkan harus mengorbankan kenyamanan pengguna dalam konteks interaksi komputer dengan manusia. Tujuan dari penelitian ini adalah untuk memudahkan keamanan smartphone dalam keadaan darurat dengan menggunakan gestur tubuh. Untuk merealisasikan tujuan tersebut maka pada penelitian ini dimanfaatkan pengenalan gerak tangan dan wajah, analisanya dengan metode gerakan berbasis HMM yang dimana gerakan tersebut dapat di implementasikan untuk mengamankan smartphone.
ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Teknikn... more ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Tekniknya yang sangat mutakhir diperuntukkan untuk pemecahan masalah gambar atau citra yang sangat erat dengan kebutuhan customer maupun pengambilan keputusan. Impian gambar ataupun citra dapat di analisis sehingga menghasilkan bentuk yang baik yang masih terus diteliti ketepatannya menggunakan CAD maupun CAM. Tujuan dari penelitian yaitu menghubungkan algoritma Hermite, Bezier, B-Spline pada fungsi harmonisnya dengan menciptakan gambar atau citra yang tepat untuk suatu bentuk yang dapat dipakai dalam rekayasa gambar untuk pengambilan keputusan. Hasil penelitian ini menghasilkan suatu algoritma yang memadai untuk perancangan gambar atau citra.
ABSTRAK Data adalah kumpulan informasi keterangan-keterangan dari suatu hal yang diperoleh melalu... more ABSTRAK Data adalah kumpulan informasi keterangan-keterangan dari suatu hal yang diperoleh melalui pengamatan atau pencarian ke sumber-sumber tertentu. Data yang diperoleh dapat menjadi suatu anggapan atau fakta karena memang belum diolah lebih lanjut. Dalam pengolahan data demi tercapainya akurasi terbaik maka dilakukan dengan sebuah algoritma k-NN. Tujuan penelitian dengan metode studi pustaka (mengumpulkan data dari beberapa studi pustaka seperti jurnal) ini adalah mengetahui cara kerja algoritma k-NN berikut penerapan algoritma k-NN untuk pengolahan data sebuah instansi atau perusahaan.
ABSTRAK Sistem pengenalan wajah yang baik adalah sistem yang mampu mengatasi variasi yang timbul ... more ABSTRAK Sistem pengenalan wajah yang baik adalah sistem yang mampu mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini bisa berupa ekspresi wajah, aksesoris yang dipakai, tingkat pencahayaan dan arah pengambilan citra. Variasi tersebut akan ditangkap oleh garis-garis maya yang dibuat dari setidaknya dua prototype dalam sebuah kelas. Garis maya tersebut akan mengeneralisasi variasi yang mungkin terjadi dari kedua prototype. Proses identifikasi wajah akan dilakukan dengan mencari jarak terpendek antara wajah yang akan dikenali dengan semua variasi hasil ekstrapolasi dan interpolasi prototype pada tiap kelas. Implementasi dari metode ini bisa mencapai tingkat akurasi lebih dari 90% dengan waktu eksekusi 0.5 detik pada kondisi optimal. Kata Kunci : pengenalan wajah, eigenface, principal component analysis, nearest feature line, nearest feature midpoint 1. Pendahuluan Pengenalan wajah adalah salah satu bidang kaji dalam pengenalan pola yang selalu mengalami pengembangan. Kehandalan sebuah metode bisa dilihat dari proses perhitungan dengan biaya minimal dan hasil perhitungan dengan tingkat kesalahan yang relatif kecil. Sebuah sistem pengenalan wajah yang handal harus tetap bisa bekerja dan mampu menangani masukan citra wajah dengan berbagai variasi terutama dalam sudut pengambilan, ekspresi, pencahayaan dari citra yang dijadikan masukan. Dari ketiga variasi tersebut, variasi wajah yang sama dalam pencahayaan dan sudut pan-dang pada saat pengambilan citra biasanya jauh lebih besar dari pada ekspresi wajah yang sama. Nearest Feature Midpoint (NFM) adalah salah satu metode dalam pengenalan wajah yang dinyatakan sebagai metode perbaikan dari pengenalan wajah dengan metode Nearest Feature Line (NFL) [1]. Diharapkan dengan menggunakan metode ini bisa dibangun sebuah Aplikasi pengenalan wajah yang relatif lebih baik dibandingkan dengan metode NFL. Secara umum, klasifikasi menggunakan NFL dan NFM dilakukan dengan mencari jarak minimum antara feature point yang di-query-kan (wajah yang akan dikenali) dengan semua feature line yang ada [1]. Feature line adalah garis virtual yang menghubungkan dua prototype dalam sebuah kelas (satu orang) sedangkan feature midpoint adalah titik tengah antara dua prototype dalam sebuah kelas yang sama. Dengan demikian, perbendaharaan wajah akan diperbanyak dengan melakukan ekstrapolasi atau interpolasi feature point pada tiap feature line yang ada dalam feature space [2]. Untuk melakukan klasifikasi berbasis feature line ini, sebagai representasi awal dari citra akan digunakan metode pembentukan eigenface. Secara umum dengan membentuk eigenface space, dimensi-dimensi yang kurang signifikan dalam citra wajah akan direduksi sehingga hanya menyisakan dimensi yang penting saja. Pembentukan eigenface space tidak lepas dari penggunaan Principal Component Analysis (PCA) sebagai alat pereduksi dimensi.
Abstrak Autentikasi pribadi (AP) pada ponsel pintar memainkan peran penting dalam pembayaran selu... more Abstrak Autentikasi pribadi (AP) pada ponsel pintar memainkan peran penting dalam pembayaran seluler. Fitur wajah adalah fitur biometrik yang paling user-friendly yang dibuat oleh kamera, ketika kita menggunakan smartphone sebagai perangkat pembayaran. Dalam penelitian ini, metode baru yang diotentikasi diusulkan untuk Autentikasi pribadi dengan mengintegrasikan transformasi Feature Line Embedding (FLE) dan Biased Discriminant Analysis (BDA) dengan menggunakan fitur wajah. Karena dari beberapa contoh pada suatu pelatihan, untuk pembelajaran kekuatan diskriminan masih terbatas. Dalam ruang fitur, fitur garis dianggap sebagai kombinasi antara dua sampel pelatihan dan mensimulasikan fitur tak terbatas yang mungkin dari berbagai kondisi untuk pelatihan. Pada Autentikasi Pribadi (AP), hanya sampel positif yang digunakan untuk menghitung pencar di dalam kelas, dan antara penghamburan kelas juga dihitung menggunakan sampel negatif oleh strategi BDA. Dibandingkan dengan klasifikasi dua kelas tradisional dan masalah BDA, FLE menyatu dengan BDA untuk memperoleh transformasi reduksi dimensi yang lebih baik. Sebuah support vector machine (SVM) lebih lanjut dilatih untuk menentukan sampel kueri itu nyata atau hanya sampel yang dipalsukan. Kata kunci — Nearest Feature Line, Biased Discriminant Analysis, fitur biometrik, fitur wajah, Autentikasi pribadi 1. PENDAHULUAN Meluasnya penggunaan pembayaran seluler, misalnya, Apple pay, Autentikasi Pribadi (AP) pada ponsel pintar memainkan peran penting dalam banyak layanan komersial. Dari pada pendekatan berbasis kata sandi, fitur biometrik [1] lebih stabil dan aman dari pada kata sandi untuk menghindari hilangnya atau kelupaan kata sandi dalam AP. Selain itu, mencegah risiko pencurian atau duplikasi karena suatu keunikan. Ketika menggunakan ponsel pintar sebagai perangkat pembayaran, fitur wajah adalah fitur biometrik yang paling ramah pengguna dengan kamera yang ada pada perangkat tersebut. Verifikasi wajah dapat dianggap sebagai masalah klasifikasi dua kelas dalam pengenalan pola. Secara umum, representasi fitur, analisis fitur diskriminan, dan kalsifikasi desain adalah tiga komponen dalam tugas klasifikasi. Fitur tingkat rendah seperti LBP [1], SIFT [2], Gabor [3] dan fitur LE yang telah dipelajari [4] banyak digunakan dalam pengenalan wajah. Cui dkk. [5] mengusulkan deskriptor lokal yang jarang dikodekan (SELD) dengan mengekstraksi fitur diskriminan untuk verifikasi wajah. Berbeda dari fitur-fitur concatenated berbasis intensitas, fitur SELD dihasilkan dalam dua modul: (1) Intensitas piksel diambil sampelnya dan dikodekan melalui pengkodean sparse non-negatif, dan kemudian (2) kode blok-bijaksana diakumulasi melalui penjumlahan dan dimensi yang dikurangi melalui PCA yang memutih. Kubanek dan Bobulski [6] mendesain suatu klasifikasi berbasis HMM (hidden Markov model) untuk verifikasi identitas menggunakan fitur wajah asimetris. Dari Pengamatan fitur vektor memiliki panjang varian yang dikodekan dari titik-titik karakteristik pada wajah. Pendekatan ini dapat memverifikasi identitas bahkan jika beberapa titik karakteristik terlewatkan dengan data yang tidak lengkap. Selanjutnya, Sun et al. [7] mengusulkan jaringan
ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Teknikn... more ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Tekniknya yang sangat mutakhir diperuntukkan untuk pemecahan masalah gambar atau citra yang sangat erat dengan kebutuhan customer maupun pengambilan keputusan. Impian gambar ataupun citra dapat di analisis sehingga menghasilkan bentuk yang baik yang masih terus diteliti ketepatannya menggunakan CAD maupun CAM. Tujuan dari penelitian yaitu menghubungkan algoritma Hermite, Bezier, B-Spline pada fungsi harmonisnya dengan menciptakan gambar atau citra yang tepat untuk suatu bentuk yang dapat dipakai dalam rekayasa gambar untuk pengambilan keputusan. Hasil penelitian ini menghasilkan suatu algoritma yang memadai untuk perancangan gambar atau citra.
ABSTRAK Pengawasan Video Kamera Tunggal (PVKT) telah diterapkan dalam pemantauan pasif. Pengawasa... more ABSTRAK Pengawasan Video Kamera Tunggal (PVKT) telah diterapkan dalam pemantauan pasif. Pengawasan video mencakup area kecil. Informasi video tidak cukup tanpa kemampuan pelacakan bersama. Saat ini kinerja yang buruk di sebagian besar jaringan serupa disebabkan oleh ketidaktetapan waktu sebenarnya. Dalam tulisan ini kami mengusulkan jaringan kamera multi-mata cerdas terdistribusi dengan memanfaatkan smartphone, yang tidak hanya menyajikan skema tetapi juga realisasi konkritnya. Dengan menggunakan jaringan smartphone dengan pengaturan yang baik pada waktu nyata, target akan tertangkap oleh kamera dan dilacak dengan baik. Pekerjaan ini bertujuan untuk memanfaatkan telepon seluler yang tidak terpakai untuk membentuk jaringan keamanan. Kontribusi ini bertujuan untuk meningkatkan akurasi deteksi invasi orang asing. Untuk menyelesaikan tugas pengenalan wajah yang jauh, kami menggunakan algoritma pengenalan wajah berbasis PCA untuk meningkatkan efektivitas resolusi. Kami membuat list berbagai pendekatan untuk meningkatkan resolusi dan menggunakan pendekatan terbaik untuk menangani situasi yang berbeda. Sementara itu kami merancang dan merealisasikan keseluruhan struktur jaringan keamanan termasuk desain modul basis data, desain terminal klien dan pemantauan desain node, membentuk jaringan penghematan energi yang kuat. Jurnal ini dapat memberikan referensi berharga untuk desain jaringan keamanan praktis yang saat ini dalam permintaan sosial yang tinggi.
Pada sebuah bank ketika pelanggan mengisi form dan diterima oleh teller, teller akan menginput k... more Pada sebuah bank ketika pelanggan mengisi form dan diterima oleh teller, teller akan menginput kembali kedalam komputer. Proses akan lebih cepat jika ada sistem automasi. Dibangun sistem yang dapat mensimulasikan situasi diatas. Dibuat sistem untuk mengenali karakter tulisan tangan dengan menggunakan Diagonal Based Feature Extraction dan metode klasifikasi K-Nearest Neighbour. Dari hasil pengujian diperoleh akurasi terbaik 90% dengan metode Diagonal Feature Extraction dari kanan dan KNN dengan k=2.
Abstrak Sistem pengenalan wajah yang baik yaitu sistem yang dapat mengatasi variasi yang timbul s... more Abstrak Sistem pengenalan wajah yang baik yaitu sistem yang dapat mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini dapat berupa ekspresi wajah, aksesoris yang dipakai, pencahayaan, dan arah pengambilan citra wajah. Penelitian tentang pengenalan wajah telah dilakukan oleh berbagai metode, akan tetapi penelitian masih dilakukan dengan pengembangan teknologi dan metode pengolahan gambar. Di Indonesia banyak warganya yang memakai jilbab, bahkan sampai menggunakan cadar. Hal ini tentu dapat menjadi masalah dalam proses pengenalan wajah, karena jilbab biasanya memiliki model yang sama. Sehingga, area wajah menjadi lebih sempit dikarenakan tertutup oleh cadar. Dalam penelitiaan yang menggunakan algoritma nearest feature midpoint, proses identifikasi wajah dilakukan dengan mencari jarak terpendek antara wajah yang akan dikenali dengan semua variasi hasil ekstrapolasi dan interpolasi prototype pada tiap kelas. Sedangkan, dalam penelitian dengan menggunakan metode ekstraksi fitur Two-Dimensional Principal Component Analysis (2DPCA), adalah wajah wanita yang menggunakan cadar yang berukuran 180 x 200 Piksel. Setelah dilakukan ekstrasi fitur citra wajah 2DPCA kemudian digunakan metode K-Nearest Neighbor (KNN) berdasarkan metode Euclidian Distance. Implementasi dari metode Nearest feature Midpoint mencapai tingkat akurasi lebih dari 90% dengan waktu eksekusi 0,5 detik pada kondisi optimal. Berbeda dengan metode 2DPCA dan KNN, ditemukan bahwa wajah wanita berjilbab dengan dua model jilbab memiliki tingkat yang lebih sulit dibandingkan dengan wanita yang menggunakan cadar.
Abstrak Sistem yang mampu mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini... more Abstrak Sistem yang mampu mengatasi variasi yang timbul saat pengambilan citra wajah. Variasi ini bisa berupa ekspresi wajah, aksesoris yang dipakai, tingkat pencahayaan dan arah pengambilan citra. Variasi tersebut akan ditangkap oleh garis-garis maya yang dibuat dari setidaknya dua prototype dalam sebuah kelas. Garis maya tersebut akan mengeneralisasi variasi yang mungkin terjadi dari kedua prototype. Proses identifikasi wajah akan dilakukan dengan mencari jarak terpendek antara wajah yang akan dikenali dengan semua variasi hasil ekstrapolasi dan interpolasi prototype pada tiap kelas. Jika ukuran populasi tak mendekati berhingga maka nilai ekspektasi dari populasi adalah nilai mean. Dianalogikan untuk penentuan titik proyeksi citra uji pada garis fitur, maka titik proyeksi pada proses pengenalan akan mendekati titik tengah dari garis fitur. Asumsi bahwa dimensi wajah sangat banyak. Setiap Tahapan dalam pencocokan bertujuan menemukan jawaban yang akurasi dengan tingkat kemiripan yang tinggi dan perbandingan setiap titik dalam matrik bertujuan untuk menghitung bagaimana perkumpulan titik memiliki nilai akurasi yang tinggi. Kata Kunci: Algoritma Nearest Feature, Citra Wajah,Titik Proyeksi Abstract A system that uses a viewing angle that produces when shooting a face image. These variations can include facial expressions, accessories used, lighting levels and image taking directions. The variation will be taken from the prototype in a class. The virtual line will generalize that may occur from both prototypes. The search process will be done by finding the shortest distance between which will be identified with the extrapolated content and the prototype interpolation in each class. If the size is not centuries, then the expected value of the result is the average. Analogous to know the points used to describe the features, then the projection point on the process will recognize the midpoint of the feature. Assumption that the dimensions are numerous. Each Stage in the context finds an accurate answer with a high degree of similarity and precisely each point in the goal to calculate something that has a high accuracy value.
ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Teknikn... more ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Tekniknya yang sangat mutakhir diperuntukkan untuk pemecahan masalah gambar atau citra yang sangat erat dengan kebutuhan customer maupun pengambilan keputusan. Impian gambar ataupun citra dapat di analisis sehingga menghasilkan bentuk yang baik yang masih terus diteliti ketepatannya menggunakan CAD maupun CAM. Tujuan dari penelitian yaitu menghubungkan algoritma Hermite, Bezier, B-Spline pada fungsi harmonisnya dengan menciptakan gambar atau citra yang tepat untuk suatu bentuk yang dapat dipakai dalam rekayasa gambar untuk pengambilan keputusan. Hasil penelitian ini menghasilkan suatu algoritma yang memadai untuk perancangan gambar atau citra.
Di era digital ini, dimana strategi marketing terus berkembang. Sistem pengenalan wajah yang baik... more Di era digital ini, dimana strategi marketing terus berkembang. Sistem pengenalan wajah yang baik adalah sistem yang mampu mengatasi variasi yang timbul saat pengambil-an citra wajah. Variasi ini bisa berupa ekspresi wajah, aksesoris yang dipakai, tingkat pencahayaan dan arah pengambilan citra.
Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekita... more Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekitar wilayah penuturannya. Aksara jawa merupakan ciri khas dan warisan leluhur dari suku jawa yang perlu di lestarikan dan dijaga keberadaannya. Pemanfaatan pengolahan citra digital dapat digunakan untuk mengenali tulisan peninggalan warisan leluhur suku jawa. Maka dari itu terdapat beberapa metode dari Algoritma K-Nearest Neighbor diantara metode pendekatan Manhattan Distance dan metode pendekatan Euclidian Distance sebagai metode klasifikasi. Permasalahan yang timbul dari hal tersebut yaitu menemukan metode yang paling akurat dalam pengenalan aksara jawa. Hasil dari perbandingan antara Algoritma K-Nearest Neighbor dengan metode pendekatan Manhattan Distance yang paling akurat dengan akurasi sebesar 90% dibandingkan dengan metode Euclidian Distance yang hanya memiliki akurasi sebesar 85%. Kata kunci: Aksara Jawa, Algoritma K-Nearest Neighbor, Metode pendektaan Manhattan Distance, Metode Pendekatan Euclidian Distance. Abstract Javanese script, used in various Javanese text and several other languages around the area penuturannya. Javanese script is a typical and ancestral heritage of the tribe of Java that need to be preserved and maintained its existence. Utilization of digital image processing can be used to recognize the legacy of ancestral tribes of Java tribe. Therefore there are several methods of K-Nearest Neighbor Algorithm between Manhattan Distance approach method and Euclidian Distance approach method as classification method. The problem that arises from it is finding the most accurate method in the introduction of Javanese script. The result of comparison between K-Nearest Neighbor Algorithm with the most accurate approach of Manhattan Distance approach with accuracy of 90% compared with Euclidian Distance method which has only 85% accuracy.
SUMEDANG ABSTRAK Untuk menampilkan gambar dengan berbagai ukuran pada layar komputer memerlukan p... more SUMEDANG ABSTRAK Untuk menampilkan gambar dengan berbagai ukuran pada layar komputer memerlukan proses serta urutan langkah-langkah logis yang disusun secara sistematis dan logis. Untuk menyederhanakan proses ini menggunakan Grafik komputer. Untuk menghasilkan grafik di komputer kita harus memahami algoritma dan teknik yang digunakan untuk mengasilkan gambar sesuai dengan keinginan. Untuk menggambarkan proses pembuatan garis dari titik awal hingga titik akhir dapat mempergunakan Algoritma Digital Differential Analyzer (DDA) dan Bressenham.
INTISARI Algoritma Nearest Neighbor adalah suatu metode yang menggunakan algoritma supervised, di... more INTISARI Algoritma Nearest Neighbor adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas diimplementasikan pada algoritma ini. Penelitian ini dilakukan untuk mengkaji algoritma nearest neighbor dan mengimplementasikan pada klasifikasi data. Dalam proses penyewaan kontrakan yang biasanya biasanya terdapat fitur-fitur yang menjadi standar keinginan konsumen. Contoh kecilnya seperti fitur daerah atau fitur harga. Fitur-fitur tersebut akan menjadi variabel penentu dalam proses rekomendasi. Dari fitur tersebut dapat dibangun sebuah aplikasi sistem rekomendasi pembelian rumah. Terdapat beberapa metode yang digunakan untuk mendukung cara kerja sistem rekomendasi, salah satu yang paling akurat adalah pengimplementasian algoritma classification. Oleh karena itu, dilakukanlah penelitian terhadap implementasi algoritma nearest neighbor dan case selection pada aplikasi sistem rekomendasi pembelian rumah. Berdasarkan penelitian, algoritma nearest neighbor berhasil memberikan hasil akurat dalam proses similarity antara query dan basis kasus dengan tingkat keberhasilan 85% dan kegagalan 15%, serta dapat menampilkan hasil rekomendasi yang sesuai dengan permintaan user. Kata kunci : Algoritma nearest neighbor, case selection, sistem rekomendasi pembelian rumah ABSTRACT Nearest Neighbor algorithm is a method using supervised algorithms, where the results of the new test samples were classified based on the majority implemented in this algorithm. This study was conducted to assess and implement the nearest neighbor algorithm on data classification. In the process of rent house is usually contained features that became standard consumer desires. Examples of such small area feature or features price. These features will be the determining variable in the recommendation process. Of these features can be built a house purchase recommendation system applications. There are several methods used to support the workings of the system of recommendation, one of the most accurate classification algorithm implementation. Therefore, conducted this study to the nearest neighbor algorithm implementation and case selection in home purchase recommendation system applications. Based on research, nearest neighbor algorithm successfully deliver accurate results in the process of similarity between the query and the base case with a success rate of 85% and 15% failures, and can display the results of the recommendations in accordance with user demand.
Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekita... more Abstrak Aksara jawa, digunakan dalam berbagai teks bahasa jawa dan beberapa bahasa lain di sekitar wilayah penuturannya. Aksara jawa merupakan ciri khas dan warisan leluhur dari suku jawa yang perlu di lestarikan dan dijaga keberadaannya. Pemanfaatan pengolahan citra digital dapat digunakan untuk mengenali tulisan peninggalan warisan leluhur suku jawa. Maka dari itu terdapat beberapa metode dari Algoritma K-Nearest Neighbor diantara metode pendekatan Manhattan Distance dan metode pendekatan Euclidian Distance sebagai metode klasifikasi. Permasalahan yang timbul dari hal tersebut yaitu menemukan metode yang paling akurat dalam pengenalan aksara jawa. Hasil dari perbandingan antara Algoritma K-Nearest Neighbor dengan metode pendekatan Manhattan Distance yang paling akurat dengan akurasi sebesar 90% dibandingkan dengan metode Euclidian Distance yang hanya memiliki akurasi sebesar 85%. Kata kunci: Aksara Jawa, Algoritma K-Nearest Neighbor, Metode pendektaan Manhattan Distance, Metode Pendekatan Euclidian Distance. Abstract Javanese script, used in various Javanese text and several other languages around the area penuturannya. Javanese script is a typical and ancestral heritage of the tribe of Java that need to be preserved and maintained its existence. Utilization of digital image processing can be used to recognize the legacy of ancestral tribes of Java tribe. Therefore there are several methods of K-Nearest Neighbor Algorithm between Manhattan Distance approach method and Euclidian Distance approach method as classification method. The problem that arises from it is finding the most accurate method in the introduction of Javanese script. The result of comparison between K-Nearest Neighbor Algorithm with the most accurate approach of Manhattan Distance approach with accuracy of 90% compared with Euclidian Distance method which has only 85% accuracy.
Penggunaan smartphone saat ini semakin luas setiap hari seiring dengan perkembangan teknologi inf... more Penggunaan smartphone saat ini semakin luas setiap hari seiring dengan perkembangan teknologi informasi dan komunikasi. Namun perkembangan ini memunculkan permasalahan yang semakin besar dilihat dari sisi keamanan sistem. Karenanya perangkat-perangkat yang dikembangkan harus memperhatikan aspek kemananan. Aspek keamanan yang ditambahkan pada sistem seringkali menyebabkan harus mengorbankan kenyamanan pengguna dalam konteks interaksi komputer dengan manusia. Tujuan dari penelitian ini adalah untuk memudahkan keamanan smartphone dalam keadaan darurat dengan menggunakan gestur tubuh. Untuk merealisasikan tujuan tersebut maka pada penelitian ini dimanfaatkan pengenalan gerak tangan dan wajah, analisanya dengan metode gerakan berbasis HMM yang dimana gerakan tersebut dapat di implementasikan untuk mengamankan smartphone.
ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Teknikn... more ABSTRAK Grafika komputer adalah ilmu yang sebenarnya banyak digunakan di berbagai bidang. Tekniknya yang sangat mutakhir diperuntukkan untuk pemecahan masalah gambar atau citra yang sangat erat dengan kebutuhan customer maupun pengambilan keputusan. Impian gambar ataupun citra dapat di analisis sehingga menghasilkan bentuk yang baik yang masih terus diteliti ketepatannya menggunakan CAD maupun CAM. Tujuan dari penelitian yaitu menghubungkan algoritma Hermite, Bezier, B-Spline pada fungsi harmonisnya dengan menciptakan gambar atau citra yang tepat untuk suatu bentuk yang dapat dipakai dalam rekayasa gambar untuk pengambilan keputusan. Hasil penelitian ini menghasilkan suatu algoritma yang memadai untuk perancangan gambar atau citra.
Uploads
Papers by Esa Firmansyah, M.Kom
pengambilan citra.
pengambilan citra.