KECERDASAN BUATAN

(ARTIFICIAL INTELLIGENCE)
MAKALAH COMPUTER VISION

Disusun untuk Memenuhi

Tugas Mata Kuliah Artificial Intelligence
Dosen Pengampu : Castaka Agus S,M.Kom,MCS

Disusun Oleh :

Dwi Putra Ramadhan (D11161009)

TEKNIK INFORMATIKA 4-A

POLITEKNIK TEDC BANDUNG
2017/2018
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat NYA
sehingga makalah ini dapat tersusun hingga selesai . Tidak lupa kami juga
mengucapkan banyak terimakasih atas bantuan dari pihak yang telah berkontribusi
dengan memberikan sumbangan baik materi maupun pikirannya.

Dan harapan kami semoga makalah ini dapat menambah pengetahuan dan
pengalaman bagi para pembaca, Untuk ke depannya dapat memperbaiki bentuk
maupun menambah isi makalah agar menjadi lebih baik lagi.

Karena keterbatasan pengetahuan maupun pengalaman saya, saya yakin

masih banyak kekurangan dalam makalah ini, Oleh karena itu saya sangat
mengharapkan saran dan kritik yang membangun dari pembaca demi
kesempurnaan makalah ini.

                                                                
Bandung, Maret 2018

Dwi Putra Ramadhan

i
 DAFTAR ISI

KATA PENGANTAR...............................................................................................................i
DAFTAR ISI..........................................................................................................................ii
BAB I PENDAHULUAN........................................................................................................1
A. Latar Belakang........................................................................................................1
B. Rumusan Masalah..................................................................................................2
C. Tujuan....................................................................................................................2
BAB II PEMBAHASAN.........................................................................................................3
A. Definisi...................................................................................................................3
B. Proses pada Computer Vision................................................................................4
C. Arsitektur Computer Vision....................................................................................7
D. HUBUNGAN COMPUTER VISION DENGAN PENGOLAHAN CITRA.........................11
E. FUNGSI DAN IMPLEMENTASI COMPUTER VISION................................................13
BAB III PENUTUP..............................................................................................................19
A. Kesimpulan...........................................................................................................19
DAFTAR PUSTAKA.............................................................................................................20

ii
 BAB I
PENDAHULUAN

A. Latar Belakang

Perkembangan inovasi teknologi informasi dewasa ini sangat pesat sehingga

memunculkan berbagai cabang ilmu komputer. Ilmu komputer adalah studi
sistematik tentang proses algoritmik yang menjelaskan dan mentrasformasikan
informasi, baik itu berhubungan dengan teori-teori, analisa, desain, efisiensi,
implementasi, ataupun aplikasi-aplikasi yang ada saat ini, salah satunya adalah
komputer vision.
Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan
yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati/
diobservasi. Cabang ilmu ini bersama Artificial Intelligence akan mampu
menghasilkan sistem intelijen visual (Visual Intelligence System). Perbedaannya
adalah Computer Vision lebih mempelajari bagaimana komputer dapat mengenali
obyek yang diamati/ diobservasi. Berbeda dengan Komputer Grafika yang lebih
mengarah pada pemanipulasian gambar (visual) secara digital. Bentuk sederhana
dari Komputer Grafika adalah Komputer Grafika 2D yang kemudian berkembang
menjadi Komputer Grafika 3D, pemrosesan citra (image processing), dan
pengenalan pola (pattern recognition). Grafika komputer sering dikenal juga
dengan istilah visualisasi data.
Computer Vision adalah kombinasi antara Pengolahan Citra dan Pengenalan
Pola. Pengolahan Citra (Image Processing) merupakan bidang yang berhubungan
dengan proses transformasi citra/gambar (image). Proses ini bertujuan untuk
mendapatkan kualitas citra yang lebih baik.
Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan
dengan proses identifikasi obyek pada citra atau interpretasi citra. Proses ini
bertujuan untuk mengekstrak informasi/pesan yang disampaikan oleh
gambar/citra.

1
 B. Rumusan Masalah

1. Apa pengertian dari computer vision?

2. Bagaimana proses pada computer vision ?
3. Bagaiaman arsitektur computer vision ?
4. Apa fungsi pendukung pada sistem Computer Vision?
5. Bagaimana penerapan teknologi komputer vision ?

C. Tujuan

1. Memahami pengertian dari komputer vision.

2. Memahami proses pada computer vision
3. Memahami arsitektur computer vision
4. Memahami fungsi pendukung yang ada sistem komputer vision.
5. Mengetahui penerapan teknologi komputer vision.

2
 BAB II
PEMBAHASAN
A. Definisi

Computer Vision adalah ilmu dan teknologi mesin yang melihat, di mana
mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk
menyelesaikan tugas tertentu. Sebagai suatu disiplin ilmu, visi komputer berkaitan
dengan teori di balik sistem buatan bahwa ekstrak informasi dari gambar. Data
gambar dapat mengambil banyak bentuk, seperti urutan video, pandangan dari
beberapa kamera, atau data multi-dimensi dari scanner medis. Sedangkan sebagai
disiplin teknologi, computer vision berusaha untuk menerapkan teori dan model
untuk pembangunan sistem computer vision.
Computer Vision didefinisikan sebagai salah satu cabang ilmu
pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang
diamati. Cabang ilmu ini bersama Artificial Intelligence akan mampu
menghasilkanVisual Intelligence System. Perbedaannya adalah Computer Vision
lebih mempelajari bagaimana komputer dapat mengenali obyek yang diamati.
Namun komputer grafik lebih ke arah pemanipulasian gambar (visual) secara
digital. Bentuk sederhana dari grafik komputer adalah grafik komputer 2D yang
kemudian berkembang menjadi grafik komputer 3D, pemrosesan citra, dan
pengenalan pola. Grafik komputer sering dikenal dengan istilah visualisasi data.
Computer Vision adalah kombinasi antara :
 Pengolahan Citra (Image Processing), bidang yang berhubungan dengan proses
transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan
kualitas citra yang lebih baik.
 Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses
identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk
mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.

3
 Hubungan dari kombinasi tersebut dapat dilihat pada gambar berikut :

B. Proses pada Computer Vision

Untuk menunjang tugas Computer Vision, maka harus terdapat beberapa fungsi
pendukung di dalam sistem ini, diantaranya adalah :

1. Proses penangkapan citra (Image Acquisition)

2. Proses pengolahan citra (Image Processing)

3. Analisa data citra (Image Analysis)

4. Proses pemahaman data citra (Image Understanding)

Proses penangkapan citra (Image Acquisition)

 Image Acqusition pada manusia dimulai dengan mata, kemudian informasi visual
diterjemahkan ke dalam suatu format yang kemudian dapat dimanipulasi oleh
otak.
 Senada dengan proses di atas, computer vision membutuhkan sebuah mata untuk
menangkap sebuah sinyal visual.
 Umumnya mata pada computer vision adalah sebuah kamera video.
 Kamera menerjemahkan sebuah scene atau image.
 Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan
amplitudonya (frekuensi berhubungan dengan jumlah sinyal dalam satu detik,
sedangkan amplitudo berkaitan dengan tingginya sinyal listrik yang dihasilkan)
merepresentasikan detail ketajaman (brightness) pada scene.

4
 Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu,
memindainya dan membaginyamenjadi ratusan garis horizontal yang sama.
 Tiap‐tiap garis membuat sebuah sinyal analog yang amplitudonya menjelaskan
perubahan brightness sepanjang garis sinyal tersebut.
 Kemudian sinyal listrik ini diubah menjadi bilangan biner yang akan digunakan
oleh komputer untuk pemrosesan.
 Karena komputer tidak bekerja dengan sinyal analog, maka sebuah analog‐to‐
digital converter (ADC), dibutuhkan untuk memproses semua sinyal tersebut oleh
komputer.
 ADC ini akan mengubah sinyal analog yang direpresentasikan dalam bentuk
informasi sinyal tunggal ke dalam sebuah aliran (stream) sejumlah bilangan biner.
 Bilangan biner ini kemudian disimpan di dalam memori dan akan menjadi data
raw yang akan diproses.

Proses pengolahan citra (Image Processing)

 Tahapan berikutnya computer vision akan melibatkan sejumlah manipulasi utama

(initial manipulation) dari data binary tersebut.
 Image processing membantu peningkatan dan perbaikan kualitas image, sehingga
dapat dianalisa dan di olah lebih jauh secara lebih efisien.
 Image processing akan meningkatkan perbandingan sinyal terhadap noise (signal‐
to‐noise ratio = s/n).
 Sinyal‐sinyal tersebut adalah informasi yang akan merepresentasikan objek yang
ada dalam image.
 Sedangkan noise adalah segala bentuk interferensi, kekurangpengaburan, yang
terjadi pada sebuah objek.

Analisa data citra (Image Analysis)

 Image analysis akan mengeksplorasi scene ke dalam bentuk karateristik utama

dari objek melalui suatu proses investigasi.
 Sebuah program komputer akan mulai melihat melalui bilangan biner yang
merepresentasikan informasi visual untuk mengidentifikasi fitur‐fitur spesifik dan
 karekteristiknya.
 Lebih khusus lagi program image analysis digunakan untuk mencari tepi dan
batas‐batasan objek dalam image.
 Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau antara dua
objek yang spesifik.
 Tepi ini akan terdeteksi sebagai akibat dari perbedaan level brightness pada sisi
yang berbeda dengan salah satu batasnya.

5
6
 Proses pemahaman data citra (Image Understanding)

 Ini adalah langkah terakhir dalam proses computer vision, yang mana sprsifik
objek dan hubungannya diidentifikasi.
 Pada bagian ini akan melibatkan kajian tentang teknik-teknik artificial intelligent.
 Understanding berkaitan dengan template matching yang ada dalam sebuah scene.
 Metoda ini menggunakan program pencarian (search program) dan teknik
penyesuaian pola (pattern matching techniques)

7
C. Arsitektur Computer Vision

Struktur Komputer Vision

8
 A. Elemen Utama

Computer vision memiliki struktur yang terdiri dari beberapa elemen, diantaranya
adalah :

a. Light sources, merupakan sumber cahaya yang digunakan sebagai sumber

untuk aplikasi seperti layar laser, sistem robotika dan sebagainya.

c. Scence, merupakan kumpulan objek. Image Device, merupakan alat yang

digunakan untuk mengubah gambar menjadi suatu yang dimengerti oleh
mesin.
d. Image, merupakan gambar dari suatu objek yang merupakan representasi dari
keadaan sesungguhnya.

e. Machine vision, merupakan mesin yang menginterpretasikan gambar yang

berkenaan dengan cirri-ciri pola maupun objek yang dapat ditelusuri oleh
sistem.
f. Symbolic description, merupakan sistem yang dapat digunakan untuk
menganalogikan struktur kerja sistem ke simbol-simbol tertentu yang dapat
mimengerti oleh sistem.

g. Aplication feedback, merupakan suatu keadaan yang dapat memberikan

respon untuk menerima gambar dari suatu sistem penglihatan.
Dari paparan di atas ada tiga elemen yang mendasari suatu sistem vision, yaitu Image
Processing, Pattern Classification dan Scene Analysis.

B. Image Processing

Bagian ini berfungsi mengubah atau mengkonversi gambar eksternal menjadi

suatu representasi yang dibutuhkan. Berikut adalah bagian dari image processing:

9
 Fase Image Processing
C. Klasifikasi Pola

Ide klasifikasi pola (pattern classification) ini adalah bagaimana suatu mesin pintar
(dalam hal iniadalah komputer) dapat mengetahui berbagai macam dan bentuk pola,
seperti garis, kurva, bayangan dan berbagai pola lainnya. Artinya, Jika mesin tersebut
diberi suatu input berupa pola tertentu maka mesin dapat mengerti pola yang diberikan
itu. Berikut adalah bagian dari suatu proses klasifikasi pola:

Fase Klasifikasi Pola

Scene Analysis
Seperti telah dijelaskan sebelumnya, yang merupakan suatu permasalahan yang
tergolong rumit dalam komputer vision adalah bagaimana memperoleh informasi dari
suatu paparan (baik itu berupa gambar atau pola-pola tertentu).

Pengenalan Pola
Pengenalan pola adalah salah satu cabang ilmu pengetahuan dari bidang kecerdasan
buatan. Ada beberapa definisi yang berbeda tentang pengenalan pola, diantaranya :

1. Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa
kategori. (Duda dan Heart).

2. Ilmu pengetahuan yang menitik beratkan pada deskripsi dan klasifikasi

(pengenalan) dari suatu pengukuran (Schalkoff).

3. Proses untuk memberikan nama ω untuk pengamatan x (Schürman).

Berdasarkan beberapa definisi diatas, pengenalan pola bisa didefinisikan sebagai

cabang kecerdasan buatan yang menitik beratkan pada metode pengklasifikasian objek
ke dalam kelas-kelas tertentu untuk menyelesaikan masalah tertentu.

10
Pola adalah komposit atau gabungan dari fitur yang merupakan sifat dari sebuah objek.
Dalam klasifikasi, pola berupa sepasang variable (x, ω), dimana :

1. x adalah sekumpulan pengamatan atau fitur (vector fitur).

2. ω adalah konsep dibalik pengamatan (label).

D. Komponen Sistem Pengenalan Pola

Sistem pengenalan pola dasar terdiri dari :

1. Sensor, digunakan untuk menangkap objek yang ciri serta fiturnya akan
diekstrasi.

2. Mekanisme pre-processing, mekanisme pengolahan objek yang ditangkap

oleh sensor biasanya digunakan untuk mengurangi kompleksitas ciri yang akan
dipakai untuk proses klasifikasi.

3. Mekanisme pencari fitur (manual/otomatis). Bagian ini digunakan untuk

mengekstrasi ciri yang telah melalui tahapan pre-processing untuk
memisahkannya dari fitur-fitur pada objek yang tidak diperlukan dalam proses
klasifikasi.

4. Algoritma pemilah, Pada tahapan ini proses klasifikasi dilakukan dengan

menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah
klasifikasi dari objek yang ditangkap kedalam kriteria-kriteria yang telah
ditentukan.

11
D. HUBUNGAN COMPUTER VISION DENGAN PENGOLAHAN
CITRA

Terminologi lain yang berkaitan erat dengan pengolahan citra adalah

computer vision atau machine vision. Pada hakikatnya, computer vision mencoba
meniru cara kerja sistem visual manusia (human vision). Human vision
sesungguhnya sangat kompleks. Manusia melihat objek dengan indera
penglihatan (mata), lalu citra objek diteruskan ke otak untuk diinterpretasi
sehingga manusia mengerti objek apa yang tampak dalam pandangan matanya.
Hasil interpretasi ini mungkin digunakan untuk pengambilan keputusan (misalnya
menghindar kalau melihat mobil melaju di depan).
Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah
besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra,
klasifikasi, pengenalan (recognition), dan membuat keputusan.
Computer vision terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di
dalam citra, pengukuran ciri yang berkaitan dengan geometri objek, dan
menginterpretasi informasi geometri tersebut. Mungkin berguna bagi anda untuk
mengingat persamaan berikut:
Vision = Geometry + Measurement + Interpretation
Proses-proses di dalam computer vision dapat dibagi menjadi tiga aktivitas:
1. Memperoleh atau mengakuisisi citra digital.
2. Melakukan teknik komputasi untuk memperoses atau memodifikasi data citra
(operasi-operasi pengolahan citra).
3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan
untuk tujuan tertentu, misalnya memandu robot, mengontrol peralatan, memantau
proses manufaktur, dan lain -lain.

12
Klasifikasi proses-proses di dalam computer vision dapat dilihat dalam hirarkhi
sebagai berikut:

Dari penjelasan di atas, dapat kita lihat bahwa pengolahan citra dan
pengenalan pola merupakan bagian dari computer vision. Pengolahan citra
merupakan proses awal (preprocessing) pada computer vision, sedangkan
pengenalan pola merupakan proses untuk menginterpretasi citra. Teknik-teknik di
dalam pengenalan pola memainkan peranan penting dalam computer vision untuk
mengenali objek. Jika dihubungkan dengan grafika komputer, maka computer
vision merupakan kebalikannya. Grafika komputer membentuk (sintesis) citra,
sedangkan computer vision mengoraknya (analisis). Pada masa awal kedua bidang
ini, tidak ada hubungan antara keduanya, tetapi beberapa tahun belakangan kedua
bidang tersebut berkembang semakin dekat. Computer vision menggunakan
representasi kurva dan permukaan dan beberapa teknik lain dari grafika komputer,
sedangkan grafika komputer menggunakan teknik -teknik di dalam computer
vision untuk memuat citra realistik (virtual reality).

13
E. FUNGSI DAN IMPLEMENTASI COMPUTER VISION

A. Fungsi Computer Vision

1.Pengendalian proses, (misalnya, sebuah robot industri atau kendaraan

otonom).

2.Mendeteksi peristiwa, (misalnya, untuk pengawasan visual atau orang

menghitung).

3.Mengorganisir informasi, (misalnya, untuk pengindeksan database foto dan

gambar urutan).

4.Modeling benda atau lingkungan, (misalnya, inspeksi industrim analisis

citra medis atau model topografi).

5.Interaksi, (misalnya, sebagai input ke perangkat untuk interaksi komputer

dan manusia).

B. Implementasi Computer Vision

Bidang Pertahanan dan Keamanan (Militer)

Contohnya adalah deteksi tentara musuh atau kendaraan dan bimbingan rudal. Sistem
lebih canggih untuk panduan mengirim rudal-rudal ke daerah daripada target yang
spesifik dan pemilihan target yang dibuat ketika rudal mencapai daerah berdasarkan
data citra diperoleh secara lokal. Konsep modern militer, seperti “kesadaran medan
perang”, menunjukkan bahwa berbagai sensor, termasuk sensor gambar, menyediakan
kaya set-informasi tentang adegan tempur yang dapat digunakan untuk mendukung
keputusan strategi.

Selama 10 tahun
terakhir, MotionDSP
telah fokus pada
penyediaan pengolahan
citra dan perangkat lunak
Computer Vision untuk
aplikasi militer.

14
 Bidang Autonomous Vehicles

Contohnya adalah kendaraan otonom, yang meliputi submersibles, kendaraan darat

(robot kecil dengan roda, mobil atau truk), kendaraan udara, dan kendaraan udara tak
berawak (UAV). Menggunakan visi komputer untuk navigasi, yakni untuk mengetahui
mana itu, atau untuk menghasilkan peta lingkungan (SLAM) dan untuk mendeteksi
rintangan. Hal ini juga dapat digunakan untuk mendeteksi peristiwa-peristiwa, tugas
tertentu yang spesifik, contoh; pendukung sistem peringatan hambatan dalam mobil,

Google Shows Off Prototype Autonomous Car

Bidang Industri.
Kadang-kadang disebut visi mesin,
dimana informasi ini diekstraksi untuk
tujuan mendukung proses manufaktur.
Salah satu contohnya adalah kendali
mutu dimana rincian atau produk akhir
yang secara otomatis diperiksa untuk
menemukan cacat. Peran Computer
Vision Software guna memantau dan
mengontrol kualitas produk.

15
 Bidang Pengolahan Citra Medis
Daerah ini dicirikan oleh ekstraksi
informasi dari data citra untuk tujuan
membuat diagnosis medis pasien.
Secara umum, data citra dalam bentuk
gambar mikroskop, gambar X-ray,
gambar angiografi, gambar ultrasonik,
dan gambar tomografi. Contoh teknik
visi komputer untuk karakterisasi sendi
jari dalam gambar X-ray

CONTOH PENERAPAN COMPUTER VISION DALAM LICENSE PLATE READER (LPR)

License Plate Reader (LPR) merupakan salah satu hasil perkembangan

dari bidang computer vision, di mana proses pencatatan plat nomor kendaraan
dapat diotomasi. Di negara luar LPR sudah banyak dikembangkan sehingga dapat
diterapkan dan dimanfaatkan pada berbagai sistem seperti sistem parkir, sistem tol
dan sistem lalu lintas untuk tindak pelanggaran. Namun di Indonesia sendiri LPR
masih jarang dilakukan pengembangannya. Salah satu permasalahan untuk LPR
kendaraan di Indonesia adalah banyaknya ragam font huruf yang digunakan dan
jarak antar huruf/angka yang bisa berbeda-beda sesuai keinginan pengguna,
seperti terlihat pada Gambar 1 di bawah ini.

Meskipun sudah banyak pengembangan yang dilakukan di luar negeri kita

tidak dapat mengandalkannya karena struktur plat nomor setiap negara berbeda-
beda sebagaimana dapat dilihat pada Gambar 2. Hingga saat ini, baik di Indonesia
sendiri, LPR masih terus dikembangkan dengan mencoba berbagai algoritma
untuk menguji metode mana yang menghasilkan akurasi terbaik.

16
 Gambar 2. License Plate berbagai Negara (www.worldlicenseplates.com)

Metode yang digunakan secara umum dapat digambarkan sebagai berikut:

Gambar 3. Metode yang digunakan dalam pengenalan plat nomor

Input berupa gambar plat akan diproses terlebih dahulu dalam
Preprocessing dengan tujuan mengurangi gangguan / noise pada gambar yang
akan dilatih. Setelah proses tersebut dilakukan pemotongan tiap karakter untuk
dapat dikenali sebagai alphabet A-Z dan digit 0-9. Proses ini dikenal sebagai
Segmentation, dimana metode yang dibahas dalam artikel ini adalah dengan
menggunakan algoritma BFS (Breadth First Search). Segmentasi karakter adalah
pemisahan satu karakter dengan karakter yang lainnya agar setiap karakter
nantinya bisa dideteksi secara terpisah dari satu sama lain.
Data-data tersebut kemudian dikumpulkan dan diekstraksi untuk
mendapatkan fitur yang disimpan dalam database sebagai acuan pengenalan
dalam nantinya. Proses pengenalan (Recognition) ini akan menggunakan salah
satu metode machine learning yakni Artificial Neural Network. Hasil dari

17
pengenalan berupa nomor plat kendaraan lengkap. Secara lengkap metodologi
dapat dilihat pada artikel: Penerapan Computer Vision dalamLicense Plate Reader
(LPR): Metodologi.
Hasil dari aplikasi yang dibangun dengan metodologi di atas dibuat
menggunakan Java dengan tambahan libraryJavaFX untuk Graphic User Interface
(GUI). Model Artificial Neural Network (ANN) dibuat dan dilatih menggunakan
GNU Octave. Format aplikasi adalah aplikasi desktop dengan ekstensi .jar.

Gambar 4. Hasil Aplikasi Car Plate Recognition

Hasil uji dari metode di atas didapatkan akurasi deteksi karakter sebesar
92.74% dengan akurasi pembacaan keseluruhan plat sebesar 51%. Segmentasi
karakter memiliki akurasi yang cukup tinggi dikarenakan syarat pengambilan data
plat mobil yang sudah diharuskan untuk cukup bersih dan tidak ada huruf atau
angka yang menempel 1 dengan yang lainnya sehingga metode Breadth-First-
Search dapat berjalan dengan baik dalam tahap segmentasi karakter tersebut.
Beberapa huruf dan angka pada plat mobil memiliki font yang berbeda dengan
font yang digunakan di komputer seperti angka 4, huruf W, huruf O, dan beberapa
huruf lainnya. Tidak standarnya font pada plat nomor kendaraan ini juga terjadi di
banyak negara.

18
Gambar 5. Perbedaan angka dan huruf pada font komputer (kiri) dengan font plat
mobil (kanan)
Walaupun akurasi deteksi karakter pada kedua ANN sangat tinggi, namun
hasil pembacaan plat secara keseluruhan tidak begitu tinggi. Hal ini disebabkan
karena banyak plat yang memiliki kesalahan deteksi, hanya memiliki kesalahan
pada 1 huruf atau angkanya saja.

19
 BAB III
PENUTUP
A. Kesimpulan

Komputer vision adalah ilmu yang mempelajari bagaimana komputer

dapat mengenali obyek yang diamati. Namun komputer grafik lebih ke arah
pemanipulasian gambar (visual) secara digital.Dalam aturan pengetahuan,
komputer visi berhubungan dengan teori yang digunakan untuk membangun
sistem kecerdasan buatan yang membutuhkan informasi dari citra (gambar).

20
 DAFTAR PUSTAKA
Ramadhan, D. P. (2018, 03 08). gatewan.com. Retrieved from gatewan.com:
http://www.gatewan.com/2015/11/komputer-vision-dan-implementasinya.html

Ramadhan, D. P. (2018, 03 08). hayo.io. Retrieved from hayo.io:

https://hayo.io/computer-vision/

Ramadhan, D. P. (2018, 03 08). medium.com. Diambil kembali dari medium.com:

https://medium.com/ca-majalah-ganesha-2017/artificial-intelligence-ai-adalah-
kecerdasan-buatan-yang-dikembangkan-semenjak-adanya-keberadaan-
a13a48aad4c3

Ramadhan, D. P. (2018, 03 08). socs.binus.ac.id. Retrieved from socs.binus.ac.id:

http://socs.binus.ac.id/2017/02/13/penerapan-computer-vision-dalam-license-
plate-reader-lpr/

Ramadhan, D. P. (2018, 03 08). temukanpengertian.com. Retrieved from

temukanpengertian.com:
http://www.temukanpengertian.com/2013/08/pengertian-computer-
vision.html

21