Asep Nana Hermana
Institut Teknologi Nasional Bandung

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : MIND (Multimedia Artificial Intelligent Networking Database) Journal

Identifikasi Ciri Garis Telapak Tangan Berbasis Template Matching dan Metode K-Nearest Neighbor Asep Nana Hermana; Irma Amelia Dewi; Irwan Susanto
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 3, No 2 (2018): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v3i2.25-35

Abstract

Telapak tangan merupakan ciri unik yang dimiliki oleh manusia yang dapat digunakan pada sistem identifikasi. Proses template matching membutuhkan perhitungan pencocokan untuk menentukan bagian kecil gambar yang memiliki nilai terbesar dikarenakan semakin besar nilai maka tingkat kecocokan semakin tinggi. Sehingga untuk pencocokan dibutuhkan perhitungan normalized cross correlation dengan perhitungan konvolusi yang setiap bagian pixel akan dilakukan pencocokan, diawali dari pixel bagian pojok kiri atas hingga pojok kanan bawah dan akan mendapatkan nilai pencocokan terbesar.Setelah mendapat nilai terbesar dilakukan k-nearest neighbor yang merupakan pengelompokan berdasarkan jarak dan untuk menentukan jarak k digunakan perhitungan euclidien distance. Selanjutnya pengelompokan berdasarkan voting terbanyak yang dimulai dari nilai jarak ketetanggaan terkecil hingga terbesar. Tingkat akurasi pengujian dari 30 sampel telapak tangan didapatkan presentase sebesar 86,67% teridentifikasi benar dan 13,33% salah.
Implementasi Pembentukan Rectangle dan Similarity Triangle pada Pengukuran Dimensi Objek Asep Nana Hermana; Milda Gustiana; Randy Adityawarman Tohir
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 2, No 1 (2017): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v2i1.15-25

Abstract

Pembentukan rectangle berfungsi untuk mendapatkan nilai area piksel yang menjadi batas objek sebagai penentuan koordinat maksimum posisi x untuk lebar dan posisi y untuk tinggi. Area citra objek ditandai dengan rectangle. Kemudian masuk pada tahap similarity triangle yaitu mencari nilai fokus webcam dengan menghitung perkalian antara nilai area piksel dan nilai jarak webcam terhadap objek dan dibagi ukuran objek real sebagai acuan, selanjutnya nilai fokus dimasukkan kedalam similarity triangle sehingga didapatkan nilai tinggi dan lebar objek dalam centimeter.Pada preprocessing terdapat proses subtraksi citra yaitu mencari selisih dari frame background dan frame yang dideteksi. Selisih tersebut merupakan objek citra yang masih memiliki noise. Dikarenakan selalu ada noise, maka morfologi berfungsi menghilangkan nilai piksel yang bukan bagian dari objek. Penelitian pengukuran ini bermanfaat untuk mengetahui fungsi maksimal dan sejauh apa webcam dapat mendeteksi objek. Metode rectangle dan similarity triangle diperlukan sebagai proses mendapatkan tinggi dan lebar objek secara real time. Presentase keberhasilan pengukuran yaitu 98,55% .