Feedback

ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM (FFT)

 1  86  13

dokumen informasi

ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM (FFT) SKRIPSI RIMA LESTARI 081401076 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012 Universitas Sumatera Utara ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM (FFT) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer RIMA LESTARI 081401076 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2012 Universitas Sumatera Utara PERSETUJUAN Judul Kategori Nama Nomor Induk Mahasiswa Program Studi Departemen Fakultas : ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM(FFT) : SKRIPSI : RIMA LESTARI : 081401076 : SARJANA (S1) ILMU KOMPUTER : ILMU KOMPUTER : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Komisi Pembimbing Pembimbing 2 Diluluskan di Medan, 13 Agustus 2012 : Pembimbing 1 Maya Silvi Lydia, B.Sc., M.Sc. NIP 197401272002122001 Drs. Marihat Situmorang,M.Kom NIP 196312141989031001 Diketahui/Disetujui oleh Departemen Ilmu Komputer FASILKOM-TI USU Ketua, Dr. Poltak Sihombing, M.Kom NIP 196203171991021001 Universitas Sumatera Utara PERNYATAAN ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM (FFT) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, 13 Agustus 2012 RIMA LESTARI 081401076 Universitas Sumatera Utara PENGHARGAAN Puji dan syukur penulis panjatkan kehadirat Allah SWT,,yang telah melimpahkan rahmat dan karunia-Nya, sehingga skripsi ini berhasil diselesaikan dalam waktu yang telah ditetapkan sebagai syarat untuk mencapai gelar Sarjana Komputer.serta shalawat beriring salam penulis persembahkan kepada Nabi Besar Muhammad SAW. Pada pengerjaan skripsi dengan judul Analisis dan Perancangan Perangkat Lunak Kompresi Citra Menggunakan Algoritma Fast Fourier Transfrom (FFT), penulis menyadari bahwa banyak pihak yang turut membantu dan memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terima kasih kepada: 1. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. 2. Bapak Drs. Marihat Situmorang, M.Kom sebagai pembimbing yang telah memberikan banyak nasehat, arahan dan motivasi kepada penulis dalam pengerjaan skripsi ini. 3. Ibu Maya Silvi Lydia, B.Sc, M.Sc, selaku pembimbing dan sekretaris Fakultas Ilmu Komputer dan Teknologi Informasi yang memberikan banyak nasehat, arahan dan motivasi kepada penulis dalam pengerjaan skripsi ini. 4. Ibu Dian Rachmawati,S.Si, M.Kom sebagai dosen penguji yang telah memberikan kritik dan saran kepada penulis dalam penyempurnaan skripsi ini. 5. Ibu Dian Wirdasari,S.Si, M.Kom sebagai dosen penguji yang telah memberikan kritik dan saran kepada penulis dalam penyempurnaan skripsi ini serta Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer danTeknologi Informasi Universitas Sumatera Utara. 6. Ayahanda Ir. Sufiardi Gafur dan Ibunda Henny Sulastri yang telah memberikan doa, dukungan, perhatian serta kasih sayang yang tulus serta pengorbanan yang tidak ternilai harganya. 7. Abang dan Adik penulis, Rico Aditya dan Riqqa Endiyani serta kepada seluruh keluarga besar penulis. 8. Keluarga besar Ilmu Komputer, khususnya angkatan 2008 dan semua teman, kerabat, dan sahabat yang tidak dapat disebutkan satu persatu, terima kasih atas ide, saran, dan kerja samanya selama ini. Universitas Sumatera Utara Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya. Medan,13Agustus 2012 Penulis Universitas Sumatera Utara ABSTRAK Kecepatan pengiriman informasi dalam bentuk perpaduan data teks, audio maupun citra secara nyata merupakan aspek penting dalam pertukaran informasi. Kecepatan pengiriman ini sangat bergantung kepada ukuran dari informasi tersebut. Pada umumnya informasi yang berupa citra akan membuat file menjadi lebih besar sehingga mempengaruhi kecepatan proses pengiriman informasi. Salah satu solusi untuk masalah di atas adalah dengan melakukan kompresi data citra sebelum ditransmisikan. Kompresi data adalah mengurangi ukuran file atau meminimalkan kebutuhan memori untuk merepresentasikan sebuah file digital. Pada penelitian ini dilakukan kompresi file citra dengan teknik lossy menghasilkan file citra hasil kompresi lebih kecil dari file semula karena adanya data yang dihilangkan. Data yang dihilangkan tersebut tidak akan terlihat oleh kasat mata manusia secara kualitas. Teknik kompresi yang tepat untuk keperluan diatas adalah transformasi citra, dimana yang digunakan adalah Tranformasi Fast Fourier. Hasil kompresi dengan perangkat lunak yang dibangun menunjukkan ukuran file citra yang dihasilkan berkurang ratarata untuk format sebesar BMP 87,02% dan format JPG sebesar 41,11%. Keyword: Pengolahan Citra Digital, Kompresi Citra, Algoritma Fast Fourier Transform Universitas Sumatera Utara ANALYSIS AND DESIGN OF IMAGE COMPRESSION SOFTWARE USING FAST FOURIER TRANSFORM(FFT) ALGORITHM ABSTRACT Speed transmission of information in the form of a combination of text data, audio and image clearly an important aspect in the exchange of information. Speed of delivery is highly dependent on the size of the information. In general, the information in the form of the image will create a larger file that affect the speed of information delivery process. One solution to the above problem is to compress the image data before being transmitted. Data compression is to reduce or minimize the file size of the memory requirements to represent a digital file. In this research the image file compressed with lossy techniques yield compression of the image file is smaller than the original file because the data is removed. The data omitted will not be seen by the naked human eye in quality. Compression techniques are appropriate for the purposes of the above is the image transformation, which is used is the Fast Fourier Transformation.The result with software compression bulit shows the resulting image file size on average is reduced to BMP format at 87,02 % and JPG format at 41,11 %. Keyword: Digital Image Processing,Image Compression, Fast Fourier Transform Algorithm Universitas Sumatera Utara DAFTAR ISI Halaman Persetujuan Pernyataan Penghargaan Abstrak Abstract Daftar Isi DaftarTabel DaftarGambar ii iii iv vi vii viii x xi Bab 1 Pendahuluan 1.1 LatarBelakang 1.2 RumusanMasalah 1.3 BatasanMasalah 1.4 TujuanPenelitian 1.5 ManfaatPenelitian 1.6 MetodePenelitian 1.7 SistematikaPenulisan 1 1 2 2 3 3 3 4 Bab 2 LandasanTeori 2.1 Citra 2.2 Pengolahan Citra 2.3 Format File Citra Bimap (BMP) 2.3.1 Format File Citra JPEG 2.4 Mode Warna 2.5 RepresentasiWarna Digital 2.6 Kompresi Data 2.7 Dekompresi 2.8 Transformasi Fourier 2.8.1 Discrete Fourier Transfrom(DCT) 2.8.2 Fast Fourier Transform(FFT) 5 5 9 12 13 13 15 16 18 19 21 22 Bab 3 AnalisisdanPerancanganSistem 3.1 AnalisisSistem 3.1.1 MenghitungNilai RGB Citra 3.1.2 MenghitungNilaiGrayscale Citra 3.1.3 Kompresi Citra 3.1.4 FlowchartGambaranUmumSistem 3.1.5 FlowchartAlgoritmaFast Fourier Transfrom (FFT) 3.1.6Perancangan Data Flow Diagram(DFD) 3.1.6.1 Data Flow Diagram Level 0 3.1.6.2 Data Flow Diagram Level 1 3.1.6.3 Data Flow Diagram Level 2 Proses Transformasi 25 25 25 34 36 41 42 44 44 45 47 Universitas Sumatera Utara 3.2 PerancanganSistem 3.2.1 PerancanganPerangkatLunak 3.2.2 Rancangan Menu Utama 3.2.3 RancanganKompresi Citra 3.2.4 RancanganHasilPengujianSistem 3.2.5 Rancangan Help 3.2.6 Rancangan About Bab 4 ImplementasidanPengujian 4.1 ImplementasiSistem 4.1.1 TampilanMenuUtama 4.1.2 TampilanKompresi FFT 4.1.3 TampilanAbout 4.1.4 TampilanHelp 4.2 PengujianSistem 4.2.1 Tampilan Proses KompresiFile Citra Format JPG 4.2.2 Tampilan Proses Kompresi File Citra Format BMP 4.2.3 TampilanHasilPengujian Bab 5 Kesimpulandan Saran 5.1 Kesimpulan 5.2 Saran DaftarPustaka Lampiran A Listing Program Lampiran B QuisonerPenelitian 49 49 49 51 52 53 54 56 56 56 57 57 58 58 58 62 66 67 67 68 69 A-1 B-1 Universitas Sumatera Utara DAFTAR TABEL NomorTabel 3.1 3.2 3.3 3.4 Keterangan Spesifikasi Proses DFD Level 1 Kamus Data pada DFD Level 1 Spesifikasi Proses DFD Level 2 Proses TransformasiFFT Kamus Data pada DFD Level 2 Proses Transformasi FFT Halaman 46 47 48 49 Universitas Sumatera Utara DAFTAR GAMBAR NomorGambar 2.1 2.2 2.3 2.4 2.5 2.6 2.7 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 3.18 3.19 3.20 3.21 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 Keterangan Proses Sampling RepresentasiWarna RGB Pada Citra Digital AlurKompresiLossy Transformasi Fourier Format KoordinatFrekuensi DFT PadaImage Processing Filter Mask High-PassdanLow Pass Citra WarnadanPiksel Piksel Citra Warna 24-bit MatriksNilai RGB Citra 4 x 4 Piksel MatriksNilaiGrayscale Citra MatriksTransformasi MatriksNilaiReal MatriksNilaiImaginer MatriksThreshold NilaiReal MatriksThreshold NilaiImaginer MatriksGraycale Citra MatriksNormalisasiGraycaleCitra FlowchartGambaranUmumSistem FlowchartKompresiFFT DFD Level 0 DFD Level 1 DFD Level 2 Proses Transformasi FFT Rancangan Menu Utama Rancangan Kompresi File Citra RancanganHasilPengujianSistem Rancangan Help Rancangan About Tampilan Menu Utama Tampilan Kompresi FFT Tampilan About Tampilan Help TampilanKotak Dialog Browse File Citra JPG Tampilan Citra JPG yang akan di Kompresi TampilanTombol Proses Kompresi FFT File Citra JPG TampilanPemasukanNama File Citra JPG HasilKompresi Tampilan Citra JPG HasilKompresi TampilanPesan Proses Selesai Citra JPG TampilanKotak Dialog Browse File Citra BMP TampilanTombol Proses Kompresi FFT File Citra BMP TampilanTombol Proses Kompresi FFT File Citra BMP Halaman 7 8 19 20 21 22 24 26 26 34 35 38 39 39 39 40 41 41 42 43 44 45 47 50 51 53 54 55 56 57 57 58 59 59 60 60 61 62 62 63 63 Universitas Sumatera Utara 4.14 TampilanPemasukanNama File Citra BMP 64 HasilKompresi 4.15 Tampilan Citra BMP HasilKompresi 65 4.16 TampilanPesan Proses Selesai Citra BMP 65 4.17 Tampilan Proses PencetakanHasilPengujian 66 4.18 TampilanHasilPengujian 66 Universitas Sumatera Utara digunakan seperti filtering. Dengan menggunakan transformasi fourier, sinyal atau citra dapat dilihat sebagai suatu obyek dalam domain frekuensi [13]. i. Transformasi fourier diskrit Transformasi fourier diskrit atau disebut dengan Discrete Fourier Transform (DFT) adalah model transformasi fourier yang dikenakan pada fungsi diskrit, dan hasilnya juga diskrit [22]. DFT didefinisikan dengan: N ∑F (k ) = f (n).e− j2πknT / N . . (2.7) n=1 UNIVERSITAS SUMATRA UTARA ii. Fast fourier transform FFT atau Fast Fourier Transform merupakan pendekatan lain untuk menghitung DFT, cara ini sangat efektif dibandingkan dengan cara yang lain dan ratusan kali dapat mengurangi waktu komputasi seperti pada Gambar 2.20. FFT merupakan salah satu algoritma paling rumit dalam Digital Signal Processing [22]. Tahapan dalam FFT antara lain, tahap pertama adalah dekomposisi N point time domain signal menjadi N time domain signal yang tiap-tiapnya terdiri dari satu point, pada tahapan ini dapat diselesaikan dengan menggunakan bit reversal sorting algorithm. Gambar 2.20. Tahap pertama FFT [27] UNIVERSITAS SUMATRA UTARA Tahap kedua adalah menghitung N frequency spectra sesuai dengan N time domain pada tahap pertama, frequency spectra dari satu point signal sama dengan nilai satu point signal itu sendiri, karena pada tahap pertama dibentuk satu point signal pada tiap-tiap time domain signal, maka tidak ada yang perlu dilakukan pada tahap ini. Tahap terakhir N spectra disintesis menjadi frequency spectrum tunggal, dalam sintesis ini membutuhkan 3 buah loop. Loop paling luar berjalan sejumlah Log2N stage, dengan N merupakan panjang signal. Loop tengah berjalan sejumlah individual frequency spectra sesuai dengan stage-nya. Loop yang paling dalam melakukan operasi butterfly untuk melakukan perhitungan pada point dalam tiap frequency spectra. Operasi butterfly merupakan operasi yang digunakan untuk mengkombinasikan 2 buah n point spektra menjadi 2n point spectrum [27]. Misalkan data ReX dan ImX akan dilewatkan pada FFT maka kemudiam hasil dari FFT akan di-overwrite ke ReX dan ImX, inilah alasan lain kenapa FFT merupakan algoritma yang sangat optimal untuk DFT, array yang sama digunakan untuk input juga sebagai penyimpanan dan output. Gambar 2.21. FFT Butterfly [13] UNIVERSITAS SUMATRA UTARA Time Domain Data Bit Reversal Data Sorting Overhead Overhead Butterfly Calculation Time Domain Decomposition Frequency Domain Synthesis Loop for Log2N stages Loop for Leach Sub DFT Loop for each Butterfly Frequency Domain Data Gambar 2.22. Diagram Alir FFT [27] 2.5.2.1.FFT 2D FFT 2D atau Fast Fourier Trasform 2 Dimention merupakan perluasan FFT yang digunakan untuk melakukan FFT pada array 2 dimensi, FFT yang telah dijelaskan di atas merupakan FFT yang menerima input berupa array satu dimensi (FFT 1D), sedangkan jika kita ingin melakukan FFT pada image (image direpresentasikan sebagai array 2 dimensi), maka harus menggunakan FFT2D [31]. FFT2D tidak jauh beda dengan FFT 1D, pada FFT2D yang dilakukan adalah melakukan FFT 1D pada tiap baris input array 2 dimensi, kemudian akan dilakukan UNIVERSITAS SUMATRA UTARA FFT 1D lagi pada tiap kolom dari array 2 dimensi hasil FFT 1D pada baris, proses dari FFT 2D dapat dilihat pada Gambar 2.23 berikut: (0,0) (N-1) (0,0) y (N-1) v (0,0) (N-1) v f(x,y) Transformasi Baris F(x,y) Transformasi Kolom F(u,v) (N-1) (N-1) (N-1) xx u Gambar 2.23. 2D FFT [27] 2.5.2.2. FFT Analisis Metode FFT telah banyak digunakan dalam penelitian sebelumnya dari sistem pengenalan citra sidik jari. Dalam implementasinya, kita membagi gambar menjadi blok pengolahan kecil (32 x 32 piksel) dan melakukan Transformasi Fourier berdasarkan rumus [4]: UNIVERSITAS SUMATRA UTARA ∑ ∑F (u.v) = M −1 N −1 f (x, y)x exp{− j2π x( ux + uy )} . (2.8) x=0 y=0 MN Untuk u = 0, 1, 2, ., 31 and v = 0, 1, 2, ., 31. Dalam rangka meningkatkan blok tertentu dengan frekuensi dominan, kita kalikan FFT dari blok oleh besarnya waktu. Dimana besarnya yang asli: FFT = abs (F (u, v)) = | F (u, v) |. Maka diperoleh peningkatan citra berdasarkan persamaan: g(x.y) = F −1{F (u, v)x F (u, v) K } . (2.9) dimana F-1 (F (u, v)) diberikan oleh: ∑ ∑F (u.v) = 1 M −1 N −1 f (x, y)x exp{− j2π x( ux + uy )} .(2.10) MN x=0 y=0 MN Untuk x = 0, 1, 2 . 31 dan y = 0, 1, 2 . 31. K dalam persamaan 2.9 adalah konstanta yang ditentukan, dipilih k = 0,2 sampai dengan k=1,2 untuk menghitung. Nilai k tinggi dapat meningkatkan penampilan dari ridge dengan mengisi lubang-lubang kecil di ridge, tetapi jika nilai k terlalu tinggi dapat mengakibatkan kesalahan dengan bergabung ridge yang mungkin menyebabkan penghentian menjadi sebuah bifurkasi [16]. UNIVERSITAS SUMATRA UTARA BAB 3 METODELOGI PENELITIAN 3.1. Metode yang Diusulkan Penelitian yang diusulkan penulis pada dasarnya ada delapan tahapan, yaitu: 1. Pengambilan data citra sidik jari. 2. Preprocessing (Normalisasi dan Binerisasi). 3. Perhitungan nilai ridges dan valley. 4. Peningkatan citra sidik jari dengan FFT. 5. Binerisasi kembali citra yang telah di enhancement. 6. Analisa perubahan jenis citra sidik jari setelah di enhancement. 7. Persentase kualitas citra sebelum dan sesudah enhancement. 8. Verifikasi citra sidik jari sebelum dan sesudah enhancement. Adapun metode peningkatan kualitas citra sidik jari kering yang diusulkan dalam penelitian ini adalah metode enhancement, sehingga cacat pada citra sidik jari dapat dihilangkan agar tingkat akurasi pengenalan sidik jari dalam sistem biometrik dapat ditingkatkan. Sebelum delapan tahapan penelitian ini dilaksanakan, penulis terlebih dahulu melakukan pengumpulan referensi sebagai acuan dalam penelitian lalu kemudian menelaah referensi tersebut dengan melakukan studi pustaka tentang enhamcement citra terutama pada citra sidik jari kering. UNIVERSITAS SUMATRA UTARA 3.2. Tahapan Penelitian Secara Umum ada empat tahapan utama pada penelitian ini, yakni preprocessing, enhancement, dan klasifikasi serta tahapan perbandingan sebelum enhancement dan setelah enhancement. Tahapan perbandingan dilakukan untuk mengetahui sejauh mana hasil yang diperoleh sebelum enhancement dan sesudah enhancement dengan menggunakan FFT terlihat pada Gambar 3.1. Citra Sidik Jari Original Normalisasi Binerisasi Preprocessing Perhitungan Nilai Ridges dan Valley Peningkatan citra sidik jari dengan FFT Binerisasi Citra setelah di Enhancement Verifikasi Citra Sidik Jari sebelum dan sesudah Enhancement Analisa perubahan jenis citra sidik jari setelah di Enhancement Persentase kualitas citra sebelum dan sesudah enhancement. Gambar 3.1. Blok diagram tahapan penelitian UNIVERSITAS SUMATRA UTARA 3.2.1. Pengambilan data citra sidik jari Sebelum masuk pada tahapan utama penelitian, maka terlebih dahulu dilakukan pengambilan data sampel citra sidik jari yang diambil dari beberapa mahasiswa dan karyawan. Proses pengambilan data dilakukan dengan merujuk pada pedoman pengambilan data Fingerprint Verification Competition (FVC) yakni menggunakan optical sensor fingerprint “U.are.U 45000”, kemudian diproses dengan pemograman Matlab. Setiap subyek sidik jari, sampel data diambil masing-masing sebanyak delapan kali dengan ukuran 307 x 400 piksel. Jumlah subyek penelitian terdiri dari 10 orang dengan 8 sampel jari (80 citra sidik jari), dimana 10 citra sidik jari normal dan 70 citra sidik jari kategori kering seperti pada Gambar 3.2. Gambar 3.2. Contoh data sidik jari kering UNIVERSITAS SUMATRA UTARA 3.2.2. Preprocessing Pada tahap ini terdapat proses untuk membuat sidik jari yang telah diakuisisi menjadi file citra sidik jari ternormalisasi yang siap untuk di ekstraksi cirinya. 3.2.2.1.Normalisasi Tahap berikutnya dalam proses enhancement sidik jari adalah normalisasi citra. Proses normalisasi dilakukan untuk menstandartisasi atau menyeragamkan nilai intensitas citra sidik jari normal dengan menyesuaikan cakupan derajat keabuan sehingga berada pada cakupan nilai yang diharapkan. Dalam pengolahan citra normalisasi dibutuhkan juga untuk menyeragamkan ukuran pada citra yang tidak sesuai pada saat pengambilan citra awal. Gambar 3.3 merupakan hasil dari normalisasi suatu citra sidik jari yang mempunyai nilai mean nol dan variance satu. (a) Citra Asli (b) Citra Ternormalisasi Gambar 3.3. Hasil normalisasi dengan rata-rata yang diinginkan dengan varian antara nol dan satu UNIVERSITAS SUMATRA UTARA 3.2.2.2.Binerisasi Kebanyakan algoritma ekstraksi minutiae beroperasi pada citra biner dimana hanya ada dua tingkat dominan: piksel hitam yang mewakili ridge, dan piksel putih yang mewakili valley. Binarisasi adalah proses mengubah greylevel citra menjadi citra biner seperti pada Gambar 3.4. Hal ini meningkatkan kontras antara ridge dan valley dalam citra sidik jari, dan akibatnya memfasilitasi ekstraksi K=0,6 K=0,8 % Hasil % Hasil Similarity Similarity K=1 K=1,2 % Hasil % Hasil Similarity Similarity 12 102_4 13 102_4 14 102_4 15 103_3 16 103_3 17 103_3 18 103_3 19 103_3 20 103_3 21 103_3 22 104_7 102_6 102_7 102_8 103_1 103_2 103_4 103_5 103_6 103_7 103_8 104_1 36.84 Matching 10.53 No Matching 23.33 No Matching 30.61 Matching 14.06 No Matching 29.54 No Matching 60.97 Matching 22.58 No Matching 29.04 No Matching 22.58 No Matching 16.33 No Matching 40.35 Matching 26.32 No Matching 26.32 No Matching 34.78 Matching 20.75 No Matching 39.02 Matching 38.60 Matching 19.30 No Matching 19.30 No Matching 30.61 Matching 14.58 No Matching 41.46 Matching 58.54 Matching 39.02 Matching 35.42 Matching 43.90 Matching 48.78 Matching 53.66 Matching 35.42 Matching 24.49 No Matching 43.90 Matching 16.33 No Matching 35.08 Matching 33.33 Matching 12.28 No 10.53 No Matching Matching 24.56 No 24.56 No Matching Matching 17.07 No 24.39 No Matching Matching 21.57 No 19.51 No Matching Matching 41.46 Matching 46.34 Matching 43.90 Matching 29.27 No Matching 36.58 Matching 26.83 No Matching 48.78 Matching 48.78 Matching 36.58 Matching 26.83 No Matching 10.20 No 8.16 No Matching Matching 22.81 No Matching 5.26 No Matching 22.81 No Matching 19.51 No Matching 26.83 No Matching 39.02 Matching 21.95 No Matching 21.95 No Matching 48.78 Matching 21.95 No Matching 10.20 No Matching Universitas Sumatera Utara CCiittrraa SSiiddiikk Citra Sidik K=0,2 No. JariJNaorirmal Jari % Standard Enhancement Similarity Hasil K=0,4 % Hasil Similarity K=0,6 K=0,8 % Hasil % Hasil Similarity Similarity K=1 K=1,2 % Hasil % Hasil Similarity Similarity 23 104_7 24 104_7 25 104_7 26 104_7 27 104_7 28 104_7 29 105_3 30 105_3 31 105_3 32 105_3 33 105_3 104_2 34.69 Matching 34.69 Matching 38.77 Matching 32.65 Matching 22.45 No Matching 18.37 No Matching 104_3 20.00 No 32.14 Matching 14.81 No 29.41 No 28.57 No 10.20 No Matching Matching Matching Matching Matching 104_4 28.57 No 30.61 Matching 32.65 Matching 30.61 Matching 22.45 No 24.49 No Matching Matching Matching 104_5 42.86 Matching 32.65 Matching 30.61 Matching 34.69 Matching 36.74 Matching 20.41 No Matching 104_6 26.53 No 38.78 Matching 38.78 Matching 28.57 No 34.69 Matching 38.77 Matching Matching Matching 104_8 34.69 Matching 40.82 Matching 16.33 No 22.45 No 20.41 No 10.20 No Matching Matching Matching Matching 105_1 24.24 No Matching 24.24 No Matching 18.18 No Matching 18.18 No Matching 15.15 No Matching 15.15 No Matching 105_2 9.09 No 27.27 No 20.51 No 14.28 No 15.15 No 18.18 No Matching Matching Matching Matching Matching Matching 105_4 21.21 No 18.18 No 18.18 No 9.09 No 9.09 No 18.18 No Matching Matching Matching Matching Matching Matching 105_5 24.24 No Matching 21.21 No Matching 18.18 No Matching 30.30 Matching 24.24 No Matching 12.12 No Matching 105_6 13.89 No 18.18 No 33.33 Matching 27.27 No 24.24 No 9.09 No Matching Matching Matching Matching Matching Universitas Sumatera Utara Citra Sidik Citra Sidik K=0,2 No. CitrJaaSriidik JSartianNdoarrmdal Jari Enhancement % Similarity Has il K=0,4 % Hasil Similarity K=0,6 K=0,8 % Hasil % Has il Similarity Similarity K=1 K=1,2 % Hasil % Hasil Similarity Similarity 34 105_3 35 105_3 36 106_4 37 106_4 38 106_4 39 106_4 40 106_4 41 106_4 42 106_4 43 107_1 44 107_1 45 107_1 46 107_1 47 107_1 48 107_1 49 107_1 50 108_2 51 108_2 52 108_2 53 108_2 105_7 105_8 106_1 106_2 106_3 106_5 106_6 106_7 106_8 107_2 107_3 107_4 107_5 107_6 107_7 107_8 108_1 108_3 108_4 108_5 18.18 13.89 30.19 49.06 54.38 35.85 35.85 46.43 44.64 41.46 31.71 19.51 24.39 17.77 7.30 29.27 23.07 20.51 20.51 15.38 No Matching No Matching Matching Matching Matching Matching Matching Matching Matching Matching Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching 24.24 18.18 No Matching No Matching 37.74 Matching 49.06 Matching 46.15 Matching 49.06 Matching 39.62 Matching 53.57 Matching 32.07 Matching 31.71 Matching 29.27 24.39 19.51 13.95 9.76 21.95 20.51 20.51 No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching 30.77 Matching 15.38 No Matching 15.15 33.33 No Matching Matching 35.85 45.28 55.00 33.96 50.94 62.96 35.85 Matching Matching Matching Matching Matching Matching Matching 39.02 24.39 21.95 17.07 14.28 7.32 14.63 17.95 25.64 30.77 15.38 Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching Matching No Matching 24.24 27.27 No Matching No Matching 30.19 Matching 52.83 Matching 50.88 Matching 54.72 Matching 42.86 Matching 49.06 Matching 32.08 Matching 26.83 29.27 29.27 19.51 13.95 9.75 14.63 15.38 25.64 23.08 10.26 No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching 21.21 24.24 28.30 35.85 43.40 45.28 No Matching No Matching No Matching Matching Matching Matching 33.96 Matching 56.60 28.30 21.95 26.83 24.39 19.51 12.28 9.76 17.07 15.38 17.95 23.08 10.26 Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching No Matching 21.21 No Matching 9.09 No Matching 18.87 No Matching 32.07 Matching 39.34 Matching 47.17 Matching 28.30 No Matching 43.40 Matching 30.19 Matching 14.63 No Matching 24.39 No Matching 17.07 No Matching 17.07 No Matching 20.00 No Matching 9.76 No Matching 9.76 No Matching 7.69 No Matching 15.38 No Matching 7.69 No Matching 7.69 No Matching Universitas Sumatera Utara Citra Sidik Citra Sidik K=0,2 No. CitrJaaSriidik JSartai nNdoarrmdal Jari Enhancement % Similarity Hasil K=0,4 % Hasil Similarity K=0,6 K=0,8 K=1 K=1,2 % Hasil % Hasil % Hasil % Hasil Similarity Similarity Similarity Similarity 54 108_2 108_6 55 108_2 108_7 56 108_2 108_8 57 109_1 109_2 58 109_1 109_3 59 109_1 109_4 60 109_1 109_5 61 109_1 109_6 62 109_1 109_7 63 109_1 64 110_7 65 110_7 66 110_7 67 110_7 68 110_7 69 110_7 109_8 110_1 110_2 110_3 110_4 110_5 110_6 70 110_7 110_8 Rata-rata Persentase 10.25 30.77 6.25 27.94 39.71 No Matching Matching No Matching No Matching Matching 41.17 Matching 23.53 23.53 No Matching No Matching 32.35 Matching 5.90 55.00 60.00 35.00 52.17 65.00 No Matching Matching Matching Matching Matching Matching 31.82 Matching 30.77 Matching 29.37 44.29 10.25 23.08 6.12 No Matching No Matching No Matching 30.88 Matching 41.18 Matching 38.24 Matching 22.06 26.47 No Matching No Matching 33.82 Matching 5.90 60.00 60.00 30.00 70.00 61.91 No Matching Matching Matching Matching Matching Matching 40.00 Matching 29.17 No Matching 31.75 52.86 7.69 23.08 10.20 23.53 38.24 36.76 33.82 30.88 29.41 4.41 55.00 57.14 36.36 75.00 60.00 40.00 33.33 31.01 No Matching No Matching No Matching No Matching Matching Matching Matching Matching No Matching No Matching Matching Matching Matching Matching Matching Matching Matching 54.29 7.69 17.95 6.52 19.12 No Matching No Matching No Matching No Matching 30.88 Matching 30.88 Matching 13.24 23.53 26.47 5.88 50.00 70.00 50.00 75.00 50.00 No Matching No Matching No Matching No Matching Matching Matching Matching Matching Matching 45.00 Matching 45.00 Matching 29.58 45.71 7.69 15.38 8.51 22.06 No Matching No Matching No Matching No Matching 30.88 Matching 26.47 No Matching 14.70 No Matching 22.06 No Matching 27.94 No Matching 4.41 No Matching 45.00 Matching 57.14 Matching 35.00 Matching 60.00 Matching 45.00 Matching 40.00 Matching 50.00 Matching 26.57 28.57 5.13 No Matching 12.82 No Matching 6.52 No Matching 14.70 No Matching 26.47 No Matching 26.47 No Matching 8.82 No Matching 17.65 No Matching 19.12 No Matching 5.88 No Matching 55.00 Matching 50.00 Matching 35.00 Matching 50.00 Matching 50.00 Matching 5.00 No Matching 20.00 No Matching 22.06 20.00 Universitas Sumatera Utara
ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM (FFT)
RECENT ACTIVITIES

Penulis

Bergabung : 2016-09-17

Dokumen serupa

Upload teratas

ANALISIS DAN PERANCANGAN PERANGKAT LUNAK KOMPRESI CITRA MENGGUNAKAN ALGORITMA FAST FOURIER TRANSFORM (FFT)

Bebas