<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="10154">
 <titleInfo>
  <title>Pemanfaatan citra dalam Penentuan frame Model Kacamata</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Atiya Karimah S</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>1455301010</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Pekanbaru</placeTerm>
   <publisher>Perpustakaan Politeknik Caltex Riau</publisher>
   <dateIssued>2018</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>xvii, 65hlm.: 21cm</extent>
 </physicalDescription>
 <note>Kacamata yang tersedia saat ini memiliki beragam jenis dan bentuk. Bentuk frame kacamata terdiri dari rectangle, square, oval, aviator, round, geometric, dan wrap. Penelitian ini ditujukan untuk membantu optisien mengenal bentuk kacamata. Citra kacamata diambil dari IP Camera dan internet. Gambar diproses ke dalam Grayscale, lalu diproses ke citra Biner untuk mendapatkan pola tinggi dan lebar kacamata. Lebar dan tinggi digunakan untuk melakukan ekstraksi ciri. Proses tersebut menghasilkan 6 atribut, yaitu 3 rasio tinggi kacamata dan 3 rasio lebar kacamata. Data training yang dihasilkan oleh ekstraksi ciri tersebut diklasifikasikan dengan menggunakan algortima k-NN. Berdasarkan pengujian yang dilakukan, akurasi ketepatan pengidentifikasian mencapai 59,52% - 70,24%. Persentase akurasi tersebut menunjukkan tingkat keberhasilan label data uji telah dikelompokkan dengan tepat sesuai dengan label sebenarnya. Dengan tingkat akurasi tersebut, sistem dapat digunakan untuk melakukan identifikasi bentuk kacamata. Sistem ini dapat membantu optisien mengenal bentuk kacamata berdasarkan survey yang dilakukan kepada optisien. Hasil kuesioner yang telah disebarkan kepada optisien diperoleh rata-rata sebesar 81,5% yang artinya optisien sangat setuju dengan adanya sistem identifikasi bentuk kacamata.  &#13;
 &#13;
Kata kunci: Kacamata, IP Camera, Feature Extraction, k-Nearest Neighbor.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>PA Teknik Informatika</topic>
 </subject>
 <classification>PA TI</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Politeknik Caltex Riau Politeknik Caltex Riau</physicalLocation>
  <shelfLocator>PA TI</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">PA1455301010</numerationAndChronology>
    <sublocation>Perpustakaan PCR (R)</sublocation>
    <shelfLocator>PA TI</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals/>
 <recordInfo>
  <recordIdentifier>10154</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2019-05-24 12:07:52</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2019-05-24 12:08:21</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>