Proses pengukuran berat badan dengan menggunakan pengelolaan citra digital dimulai dengan pengambilan data menggunakan kamera webcam beresolusi tinggi. Dalam penelitian ini, kamera beresolusi 640x480 pixel digunakan dengan penempatan yang cermat, yaitu dengan jarak 470 cm dan 250 cm dari objek yang diukur. Dua kondisi pengambilan citra berbeda digunakan: pada jarak 470 cm untuk pengambilan citra full body dan pada jarak 250 cm untuk pengambilan citra setengah badan.
Setelah data citra terkumpul, langkah selanjutnya adalah analisis citra menggunakan algoritma pengolahan citra. Algoritma ini dirancang untuk mengidentifikasi area tubuh pada gambar dan menganalisis proporsi serta distribusi massa tubuh. Penggunaan algoritma ini memungkinkan pengukuran berat badan yang cepat dan akurat, membantu individu dalam memantau perubahan tubuh mereka seiring waktu.
2. pengelolaan citra untuk Pengenalan Wajah
Pengolahan citra merupakan teknik yang penting dalam berbagai aplikasi pengenalan dan analisis visual. Citra, dalam konteks ini, adalah representasi gambar atau imitasi dari suatu objek. Citra dapat berupa foto optic, sinyal video analog, atau data digital yang tersimpan. Dalam pengenalan wajah, pengolahan citra menjadi kunci dalam proses identifikasi individu berdasarkan ciri-ciri wajah mereka.
Salah satu metode yang banyak digunakan dalam pengenalan wajah adalah metode Eigenface. Metode ini melibatkan transformasi citra wajah menjadi serangkaian fitur karakteristik, yang disebut sebagai eigenvector dari matriks kovarian citra-citra wajah. Eigenface tidak hanya mengandalkan fitur-fitur khusus seperti mata, hidung, atau mulut untuk mengenali wajah, tetapi juga memanfaatkan informasi keseluruhan dari citra wajah.
Proses pengenalan wajah dimulai dengan pendeteksian wajah pada citra. Ini melibatkan proses memeriksa apakah citra tersebut mengandung wajah atau tidak. Jika wajah terdeteksi, langkah selanjutnya adalah pemisahan wajah dari latar belakang dan normalisasi citra. Normalisasi melibatkan grayscaling citra, pemotongan citra untuk mengambil bagian wajah, resizing untuk menyesuaikan dimensi citra, dan equalizing untuk koreksi tingkat kecerahan citra.
Setelah normalisasi, dilakukan ekstraksi fitur untuk mendapatkan ciri-ciri pembeda yang membedakan satu wajah dari yang lain. Algoritma seperti Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), atau Independent Component Analysis (ICA) sering digunakan dalam proses ekstraksi fitur. Informasi yang dihasilkan dari ekstraksi fitur disebut vektor fitur, yang merupakan dasar untuk pencocokan wajah.
Pencocokan wajah adalah proses perbandingan fitur yang diekstraksi dari citra uji dengan fitur citra wajah dari database yang telah melalui proses pelatihan. Tujuan utamanya adalah untuk mengidentifikasi individu dengan membandingkan vektor fitur dari citra uji dengan vektor fitur dari citra-citra yang tersimpan dalam database. Dengan demikian, pengolahan citra menjadi langkah kunci dalam memfasilitasi pengenalan wajah yang cepat dan akurat.
3. Deteksi Keasilian uang kertas
Perkembangan teknologi informasi telah membawa dampak signifikan dalam berbagai aspek kehidupan, termasuk dalam bidang pengolahan citra digital. Salah satu aplikasi menarik dari teknologi ini adalah dalam mendeteksi keaslian uang kertas menggunakan metode pengolahan citra. Dalam konteks ini, metode Canny Edge Detection menjadi fokus utama untuk mendeteksi tanda air pada uang kertas sebagai indikator keasliannya. Penggunaan metode ini dipandang sebagai pendekatan yang efektif karena mampu menghasilkan tepi dengan presisi tinggi dan sensitivitas yang baik terhadap noise.
Penelitian ini didasarkan pada landasan teori yang menggambarkan konsep dasar pengolahan citra, pengertian uang sebagai objek penelitian, dan prinsip deteksi tepi menggunakan metode Canny. Metode eksperimental digunakan dalam penelitian ini, dengan tahapan yang meliputi pemilihan ide, merumuskan masalah dan hipotesis, menentukan variabel, desain penelitian, pelaksanaan penelitian, analisis hasil, hingga kesimpulan.
Objek penelitian ini adalah uang kertas rupiah asli dengan nilai nominal beragam, diambil dalam kondisi baik dan tidak terlipat. Proses akuisisi citra dilakukan dengan menggunakan kamera dan pencahayaan yang memadai. Selanjutnya, citra uang kertas diproses melalui tahapan pre-processing, termasuk cropping, resizing, dan segmentasi, untuk mempersiapkan citra sebelum dilakukan deteksi.
Pengujian dilakukan terhadap citra uang kertas menggunakan algoritma Canny Edge Detection. Hasil pengujian menunjukkan bahwa program berhasil mendeteksi tanda air pada uang kertas dengan tingkat keberhasilan sebesar 85,71%. Namun, masih terdapat beberapa faktor yang mempengaruhi hasil deteksi, seperti penempatan watermark yang tumpang tindih dengan elemen lain pada uang kertas.
Kesimpulan dari penelitian ini adalah bahwa metode Canny Edge Detection efektif dalam mendeteksi keaslian uang kertas berdasarkan tanda air. Namun, perlu dilakukan penyempurnaan sistem untuk meningkatkan tingkat akurasi, seperti penyesuaian terhadap perbedaan tekstur pada setiap nominal uang kertas, dan peningkatan presisi dalam deteksi tepi. Disarankan pula untuk melakukan uji coba dengan variasi kondisi pencahayaan yang lebih luas dalam penelitian selanjutnya.
3. Deteksi Keasilian uang kertas
Perkembangan teknologi informasi telah membawa dampak signifikan dalam berbagai aspek kehidupan, termasuk dalam bidang pengolahan citra digital. Salah satu aplikasi menarik dari teknologi ini adalah dalam mendeteksi keaslian uang kertas menggunakan metode pengolahan citra. Dalam konteks ini, metode Canny Edge Detection menjadi fokus utama untuk mendeteksi tanda air pada uang kertas sebagai indikator keasliannya. Penggunaan metode ini dipandang sebagai pendekatan yang efektif karena mampu menghasilkan tepi dengan presisi tinggi dan sensitivitas yang baik terhadap noise.
Penelitian ini didasarkan pada landasan teori yang menggambarkan konsep dasar pengolahan citra, pengertian uang sebagai objek penelitian, dan prinsip deteksi tepi menggunakan metode Canny. Metode eksperimental digunakan dalam penelitian ini, dengan tahapan yang meliputi pemilihan ide, merumuskan masalah dan hipotesis, menentukan variabel, desain penelitian, pelaksanaan penelitian, analisis hasil, hingga kesimpulan.
Objek penelitian ini adalah uang kertas rupiah asli dengan nilai nominal beragam, diambil dalam kondisi baik dan tidak terlipat. Proses akuisisi citra dilakukan dengan menggunakan kamera dan pencahayaan yang memadai. Selanjutnya, citra uang kertas diproses melalui tahapan pre-processing, termasuk cropping, resizing, dan segmentasi, untuk mempersiapkan citra sebelum dilakukan deteksi.
Pengujian dilakukan terhadap citra uang kertas menggunakan algoritma Canny Edge Detection. Hasil pengujian menunjukkan bahwa program berhasil mendeteksi tanda air pada uang kertas dengan tingkat keberhasilan sebesar 85,71%. Namun, masih terdapat beberapa faktor yang mempengaruhi hasil deteksi, seperti penempatan watermark yang tumpang tindih dengan elemen lain pada uang kertas.
