TEKNIK INFORMATIKA
UNIVERSITAS MUHAMMADIYAH BENGKULU
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa yang telah memberikan
rahmat dan karunia-Nya, sehingga Makalah ini dapat terlaksana dengan baik dan lancar.
Makalah ini disusun sebagai pertanggung jawaban terhadap Pengampuh matakuliah yang akan
digunakan untuk proses belajar mengajar. Kami menyadari bahwa keberhasilan dalam
pembuatan makalah yang kami lakukan bukanlah keberhasilan individu.
DAFTAR ISI
BAB 1 ............................................................................................................................4
PENDAHULU ...............................................................................................................4
1.2 Tujuan..........................................................................................................4
BAB II ...........................................................................................................................5
PEMBAHASAN............................................................................................................5
PENDAHULUAN
Citra digital, pengenalan pola, dan komputer vision merupakan bidang-bidang yang
mengalami perkembangan pesat dalam dunia teknologi dan ilmu komputer..
Pengolahan citra digital melibatkan pemrosesan gambar dan video menggunakan algoritma
komputer. Dengan bantuan komputer vision, kita dapat melakukan analisis mendalam terhadap
citra dan video untuk mengambilinformasi yang berharga Pengenalan pola adalah komponen
penting dalam pengolahan citra digital dan komputer vision. Ini adalah proses
Dalam makalah ini, kami akan menjelajahi lebih dalam tentang bagaimana citra digital,
pengenalan pola, dan komputer vision telah mengubah cara kita berinteraksi dengan dunia
digital. Kami akan membahas berbagai konsep, teknik, dan aplikasi dalam ketiga bidang ini.
1.2 Tujuan
Dengan pembuatan makalah ini di harapkan dapat membantu di dalam memahami apa saja
yang ada di pengolahan pola dan objek.
BAB II
PEMBAHASAN
Iterasi dilakukan terus sampai semua pola memiliki keluaran jaringan yang sama dengan
targetnya (jaringansudah memahami pola). Iterasi tidakberhenti setelah semuapola
dimasukkan.[2]
Tujuan dari pengenalan pola adalah memberikan kemampuan untuk komputer agar bisa
mengenali keberadaan suatu objek atau pristiwa pada suatu tempat dan menemukan nama atau
jenis dari objek atau pristiwa tersebut Citra digital pada umumnya menunjuk pada pemrosesan
citra 2 dimensi menggunakan komputer.
Setelah didapat hasil dari pelatihan atau training denganJaringan Saraf Tiruan
Backpropagation yang beruparepresentasi dari setiap kelas ,akan dilakukan pengujiandengan
data uji.[3]
Hal penting dalam area sidik jariini adalah setiap senyawa yang berbeda menghasilkan pola
lembah yang berbeda-beda pada spektrum bagian ini.[4]
Perkembangan pada bidang komputer saatini dapat menghasilkan suatu sistem
dimanakomputer dapat menentukan kelompok dari suatuobjek pada citra digital dengan
menerapkan sistempengenalan pola didalamnyaada pun cara analisi non-fungsional di gunakan
untuk dibutuhkan untuk menentukan spesifikasi kebutuhan sistem
Pada sistem pembentukan ciri membutuhkan data masukkan berupa citra digital yang memuat
gambar objek, sedangkan keluarannya berupa ciri dari objek tersebut.[5]
• Segmentasi. Tahap segmentasi adalah tahap untuk menentukan keberadaan dari target
yang jadi objek pengenalan dalam rekaman data. Contohnya hasil tangkapan dari
kamera bisa diolah untuk menentukan lokasi atau keberadaan wajah manusia.
• Ekstrasksi ciri. Tahap ini adalah tahap pengenalan pola, dimana komputer akan
mengambil atribut-atribut (deskriptor) dari target yang sudah tersegmentasi. Misalnya
untuk manusia deskriptor bisa berupa tinggi badan dan warna kulit.
Komputer vision adalah salah satu bahasan yang menarik di prodi Teknologi Sains Data.
Komputer vision adalah bidang studi yang berfokus pada pengembangan kemampuan
komputer untuk menginterpretasi informasi visual yang biasanya berupa gambar atau video.
Tujuan utamanya adalah mereplikasi kemampuan penglihatan manusia dan memahami data
visual, Kemampuan di bidang vision dapat di kembangkan, contohnya sebuah robot
menggunakan vision untuk seakan-akan dapat melihat, dan lengan robot di pabrik yang dapat
membuat lingkaranpresisi atau meletakkan sesuatu. Penelitian yang dilakukan pada karya tulis
ini merupakanjenis penelitian kualitatif dengan metode studi pustaka(library research)
menggunakan berbagai buku dan literatur.[6]
bacaan lainnya seperti jurnal dan website khusus sehinggamenghasilkan informasi dari topik
yang diteliti.
sebuah komputer mampu mendeteksi warnadan membedakan latar belakang atau background
pertama objek diberi tanda atau marker beberapapenelitian telah membuktikan bahwa metode
inimampu memditeksi wajah dan tangan[7]
Visualisasi data non linier lebih sering terjadi pada kasus di dunia nyata hal ini yang kadang
selalu menjadi inputan padapengolahan data dengan perceptron Bagian utama dari sistem AGV
adalah sistem kontrol,[8]
sistem mobile, sistem navigasi, sistem komunikasi
dan sistem catu daya Kita hidup di era informasi yang melibatkan banyak perangkat teknologi
informasi.[9] Indra penglihatan merupakan salah satu alattubuh manusia yang mempunyai
fungsi yang sangatpenting untuk memungkinkan manusia dapat menerimainformasi dari
lingkungan kehidupan sekitarnya. Penelitian ini merupakan penelitian observasionalanalitik
dengan pendekatan cross sectional yang bertujuanmengetahui hubungan lama penggunaan
laptop dengantimbulnya keluhan computer vision syndrome (CVS) padamahasiswa/i Fakultas
Kedokteran Umum UniversitasbMalahayati[10]
Komputer vision telah mengalami kemajuan yang luar biasa dalam beberapa tahun terakhir,
terutama karena tersedianya dataset dalam skala besar, peningkatan kemampuan perangkat
keras, dan terobosan dalam teknik deep learning. Bidang ini memiliki berbagai aplikasi di
berbagai industri, termasuk kesehatan, pertanian, dan manufaktur.
Mikrosoft Kinect yang memiliki beberapa teknologi seperti mikrofon, kamera RGB dan
sensor data kedalaman banyak di manfaatkan dalam pengembangan aplikasi komputer vision.
skeletal trcking atau pelacakan rangka adalah teknik pelacakan manusia di depan kamera
dengan mengidentifikasi bagian-bagian dari tubuh manusia untuk mengenali orang atau objek
dan mengikuti tindakan mereka .
Dalam bidang ilmu komputer, terutama pada bidang visi komputer, istilah pengolahan
citra atau image processing cukup dikenal. Pengolahan citra digital menggunakan algoritma-
algoritma dalam pemrosesannya untuk mengekstrak beberapa informasi yang bermanfaat,
seperti objek-objek yang ada pada citra atau gambar. Pengolahan citra digital memiliki banyak
keunggulan teknologi informasi yang sangat
cepat di tengah masyarakat membuat data atauinformasi tidak hanya disajikan dalam bentuk
teks,tetapi juga dapat berupa gambar, audio, dan video[11]
dibandingkan dengan pengolahan citra analog Karena citra analog memiliki sifat
kontinu, seperti gambar pada monitor televisi, foto sinar-X, foto yang tercetak di kertas foto,
lukisan, hasil CT scan, dan lain-lain. Abstraksi adalahproses memperhatikan dan menentukan
sifat, atribut ataupun karakteristik khusus[12]utama dari image processing adalah mengimpor
atau mengambil gambar melalui scanning atau fotografi digital. Pada akuisisi citra, citra yang
dihasilkan berupa citra berwarna 24 bit[13]Dalam pendeteksian citra, warna memiliki
kepekaan yang tinggi terhadap perubahan cahaya, maka untuk mengatasinya dilakukan
transformasi citra RGB ke dalam sebuah ruangwarna yang komponen luminasi dan
kromatiknya dipisahkan sehingga cukup digunakan kromatik saja untuk proses deteksi warna
kulit[14]Citra wajah yang digunakan merupakan citra RGB yang dimasukkan ke dalam folder
yang merupakan sebagai citra input atau sebagai citra uji.[15]
Perbedaan utama adalah bahwa citra digital adalah representasi visual dalam bentuk
angka-angka, sedangkan pengenalan pola adalah tentang kemampuan komputer untuk
mengidentifikasi pola atau objek dalam data, termasuk citra digital. Citra digital adalah data
mentah, sedangkan pengenalan pola adalah proses analisis yang digunakan untuk mengambil
informasi dari data tersebut.Pengenalan pola adalah aspek penting dari komputer vision.
Komputer vision lebih luas dalam cakupannya dan mencakup seluruh sistem yang
memungkinkan komputer untuk "melihat" dan "memahami" citra digital. Ini melibatkan lebih
dari sekadar pengenalan pola; juga termasuk pemrosesan citra, pemahaman konteks, dan
pengambilan keputusan berbasis citra.Citra digital adalah representasi dasar gambar,
sedangkan komputer vision adalah kemampuan sistem komputer untuk mengolah,
menganalisis, dan mengambil tindakan berdasarkan citra digital.
Citra digital adalah bahan mentah, sementara komputer vision mengubahnya menjadi
informasi yang berguna.Demikianlah penjelasan dan perbedaan antara citra digital, pengenalan
pola, dan komputer vision menurut para ahli. Semua tiga bidang ini memiliki peran penting
dalam perkembangan teknologi informasi modern dan memiliki aplikasi yang luas dalam
berbagai industri.
DAFTAR PUSTAKA
Duda, R. O., Hart, P. E., & Stork, D. G. (2012). "Pattern Classification." Wiley.
Gonzalez, R. C., Woods, R. E., & Eddins, S. L. (2009). "Digital Image Processing Using MATLAB."
Gatesmark Publishing.
Forsyth, D. A., & Ponce, J. (2011). "Computer Vision: A Modern Approach." Prentice Hall.
Szeliski, R. (2010). "Computer Vision: Algorithms and Applications." Springer.
Prince, S. J. (2012). "Computer Vision: Models, Learning, and Inference." Cambridge University Press.
Bishop, C. M. (2006). "Pattern Recognition and Machine Learning." Springer.
Jain, A. K., Duin, R. P. W., & Mao, J. (2000). "Statistical Pattern Recognition: A Review." IEEE
Transactions on Pattern Analysis and Machine Intelligence, 22(1), 4-37.
Sonka, M., Hlavac, V., & Boyle, R. (2014). "Image Processing, Analysis, and Machine Vision." Cengage
Learning.
Tinku Acharya, Ajoy K. Ray. (2005) "Image Processing: Principles and Applications." Wiley-Interscience.
Prince, S. J. (2012). "Computer Vision: Models, Learning, and Inference." Cambridge University Press.
Trucco, E., & Verri, A. (1998). "Introductory Techniques for 3-D Computer Vision." Prentice Hall.
Burger, W., & Burge, M. J. (2008). "Digital Image Processing: An Algorithmic Approach Using Java."
Springer.
Moeslund, T. B., Hilton, A., & Krüger, V. (2006). "A survey of advances in vision-based human motion
capture and analysis." Computer Vision and Image Understanding, 104(2-3), 90-126.
Bradski, G., & Kaehler, A. (2008). "Learning OpenCV: Computer Vision with the OpenCV Library."
O'Reilly Media.
Cipolla, R., & Gee, A. (1999). "Face recognition: experiments with the feret database." In Computer
Vision, 1999. The Proceedings of the Seventh IEEE International Conference on (Vol. 2, pp. 885-890).
IEEE.