Suhendar, Restu (2014) Implementasi Neural Network Menggunakan HU Invariant Moment Untuk Mengenali Objek Tersebar. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Objek dalam citra digital memiliki bentuk dan posisi yang berbeda��beda, selain itu objek tersebar dalam sebuah citra digital memungkinkan memiliki beragam perbedaan translasi, mempunyai beragam perbedaan rotasi, serta penskalaan citra. Neural Network Backpropagation merupakan salah satu Algoritma Machine Learning yang dapat mengenal pola dan mengidentifikasi suatu objek citra berdasarkan pelatihan yang diberikan. Implementasi Neural Network ketika digunakan untuk citra yang memiliki beragam translation, scaling dan rotasi tanpa dimanipulasi terlebih dahulu memungkinkan terjadinya proses learning yang memerlukan jumlah sampel yang cukup banyak bahkan dalam segi keakurasian memungkinkan terjadinya kegagalan dalam pengambilan keputusan mengenali objek. Hu Invariant Moment memungkinkan dijadikan sebagai solusi perbaikan algoritma dari masalah tersebut. Nilai-nilai yang dihasilkan dari Hu Invariant Moment ini terdiri dari tujuh nilai yang menidentifikasikan ciri dari sebuah objek citra digital. Nilai-nilai tersebut bersifat independen terhadap translasi, rotasi dan penskalaan. Objek yang dikenali berupa objek yang memiliki ciri empat corner dan terhubung dengan tepinya atau bisa disebut kotak. Pemisahan objek dari citra penuh dilakukan dengan cara mendeteksi corner dengan algoritma harris dan mendeteksi tepi dengan algoritma canny. Setelah corner dan tepi pada citra ditemukan dilakukan penelusuran untuk setiap corner pada tepi guna mencari empat corner yang terhubung kemudian dipisahkan dari latar belakangnya. Setiap objek yang didapat dihitung tujuh nilai Hu Invariant Moment-nya. Nilai-nilai ini dimanfaatkan sebagai informasi tiap objek untuk masukan dari Machine Learning guna mengenali suatu objek. Pengujian akurasi dari penggabungan algoritma Neural Network Backpropagation dan Hu Invariant Moment menggunakan metode K-Fold Cross Validation. Objek yang digunakan sebagai pengujian sebanyak 32 objek citra yang memiliki beragam translasi, rotasi dan penskalaan. 32 objek citra tersebut terdiri dari 4 objek beda yang diambil dari 8 file. Hasil akurasi terbaik yang didapatkan dari pengujian tersebut adalah 87,5%. Sehingga bisa disimpulkan Neural Network dan Hu Invariant Moment bisa diimplementasikan dan memiliki akurasi yang cukup baik.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Neural Network, Hu Invariant Moment, Citra Digital, Objek Tersebar |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2014 |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
| Depositing User: | Admin Repository |
| Date Deposited: | 16 Nov 2016 08:09 |
| Last Modified: | 16 Nov 2016 08:09 |
| URI: | http://repository.unikom.ac.id/id/eprint/28694 |
Actions (login required)
 |
View Item |
