 Dapat mengetahui metode dan teknik yang digunakan pada Pengenalan Pola 2

          Dasar-dasar Pengenalan Pola Model dan sistem pengenalan pola Teori keputusan Bayesian Metode Bayesian dan HMAP Recognition dan interpretation pada citra Pattern Recognition dan Data Mining Pohon keputusan Pengklasteran Pemilihan Fitur Hidden Markov Model 3

1 2 3 UTS UAS Tugas Tugas 35% 35% 30% 4

  Wajib ◦ Richard O. Duda, et. al, Pattern Classification 2nd Edition, John Wiley & Sons, Inc., 2001.

Anjuran ◦ K. Fukunaga, "Introduction to Statistical Pattern Recognition," Academic Press, 1990.

5

   Ilmu yang berkaitan dengan pendeskripsian atau pengklasifikasian (pengenalan) hasil suatu pengukuran (measurement) Pendekatan yang telah banyak digunakan ◦ pendekatan statistik (Decision Theoritic) ◦ ◦ pendekatan sintaktik (struktural) Jaringan Saraf Tiruan (Neural Network) yang menjadi alternatif pendekatan pengenalan pola terutama untuk implementasi algoritma black box Ketiga model pendekatan tersebut, tidak satu pun yang menjamin pemecahan yang paling optimal bagi semua masalah 6

 ◦ ◦ ◦ ◦ ◦ ◦ ◦ Teknik-teknik pada Pengenalan Pola akan terkait dengan bidang keilmuan lainnya yaitu ◦ Sistem dan Pengolahan Sinyal Kecerdasan Buatan Pemodelan Neural Teori Estimasi dan Optimasi Teori Automata Himpunan Fuzzy Pemodelan Struktural Bahasa Formal 7

         Prapengolahan, Segmentasi dan Analisis Citra Visi Komputer Analisis Seismik Analisis Multispektral Pengenalan Wajah Pengenalan Suara Pengenalan Sidik Jari Pengenalan Tulisan Tangan Data Mining 8

Data Input LANDSAT-TM Band 5 Derajat Keanggotaan vs Brightness Value Partisi Fuzzy 1D Hasil Pengklasifikasian dengan Metode Explicit Fuzzy 9

Nilai Ambang Pra Pemrosesan Ekstraksi Pola Tangan

11

      Alat optik untuk mengambil gambar sidik jari Komputer untuk pemrosesan gambar Perangkat lunak Penyimpanan data multimedia (gambar sidik jari) Jaringan komputer Integrasi sistem DIKENALI

Alat optik untuk mengambil gambar sidik jari Server Utama

12

13

14

  The University of Bern (UB) face database memuat 30 orang yang masing-masing memiliki 10 citra wajah frontal. Basisdata UB memiliki karakteristik adanya perubahan yang relatif kecil pada facial expression serta perubahan posisi kepala kearah kiri, kanan, atas dan bawah sebesar  30 derajat 15

Pencarian Wajah Deteksi muka tampak depan dan bagian vertikalnya:

    Data muka tersedia dengan semua ukuran dan skala tertentu Data muka setiap orang tersedia dengan beberapa ekspresi berbeda Kondisi pencahayaan mempengaruhi pengenalan Ciri khusus pada gambar wajah (tua/muda, laki-laki/perempuan, memakai kacamata)

Tujuan desain sistem deteksi wajah:

 Membuat algoritma yang cepat  Membuat algoritma dengan keakurasian tinggi 16

      Alat optik untuk mengambil gambar wajah Komputer untuk pemrosesan gambar Perangkat lunak Penyimpanan data multimedia (gambar wajah) Jaringan komputer Integrasi sistem

Server Utama

DITOLAK 17