Implementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions
|
|
- Susanti Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Implementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions Ivan Hardiyanto, Yudhi Purwananto, S.Kom, M.Kom, dan Rully Soelaiman, S.Kom, M.Kom Jurusan T.Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya purwananto@gmail.com Abstrak Segmentasi merupakan proses yang sering digunakan dalam pemilahan citra dan telah menjadi subyek kegiatan penelitian selama beberapa tahun terakhir. Fuzzy C- Means (FCM) adalah salah satu algoritma segmentasi yang banyak digunakan dan memiliki banyak varian dari hasil pengembangan metode tersebut. Tugas Akhir ini memberikan alternatif penyelesaian segmentasi citra dengan menerapkan metode pengembangan dari FCM yaitu Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions (GIFP FCM). Dalam metode ini akan ditambahkan sebuah membership constraint sehingga tahan dalam mengatasi noise dan meningkatkan konvergensi dari proses segmentasi. Dalam Tugas Akhir ini akan dilakukan perbandingan hasil segmentasi citra yang dihasilkan oleh metode FCM dan GIFP FCM. Uji coba dilakukan pada citra grayscale yang telah ditambahkan noise. Hasil dari kedua metode dibandingkan tingkat kualitasnya dengan koefisien partisi (Vpc) dan entropi partisi (Vpe) dan diketahui bahwa metode GIFP FCM lebih baik daripada metode FCM. Kata Kunci Algoritma Fuzzy Clustering, Fuzzy Partitions, Membership constraint function, Segmentasi Citra. S I. PENDAHULUAN EGMENTASI citra merupakan salah satu topik penting ilmu komputer terutama dalam bidang pengolahan citra digital dan visi komputer. Tujuan segmentasi citra adalah untuk mempartisi gambar menjadi beberapa wilayah yang tidak tumpang tindih dengan karakteristik yang homogen, seperti intensitas, warna, dan tekstur. Seiring dengan berkembangnya teknologi pada aplikasi yang memproses sebuah obyek seperti rekonstruksi tiga dimensi, pengenalan benda, pengenalan tulisan, deteksi wajah, pengkodean obyek dan lain-lain maka proses segmentasi menjadi semakin diperlukan. Hasil segmentasi juga harus semakin akurat karena ketidak akuratan hasil segmentasi akan mempengaruhi pula hasil proses selanjutnya. Dalam beberapa dekade terakhir, banyak algoritma segmentasi telah dikembangkan. Fuzzy clustering adalah salah satu teknik paling banyak digunakan untuk segmentasi citra. Algoritma Fuzzy c-means (FCM) adalah algoritma fuzzy clustering paling populer dan banyak ditemukan algoritma fuzzy clustering baru berasal dari algoritma tersebut. Namun kelemahan utama dari algoritma fuzzy clustering adalah sensitif terhadap noise pada citra. Untuk mengatasi masalah ini, sebuah membership constraint yang baru diperkenalkan ke fungsi obyektif dari FCM untuk mendapatkan partisi yang lebih jelas. Dalam Tugas Akhir ini diusulkan alternatif penyelesaian segmentasi citra dengan menerapkan metode pengembangan dari FCM yaitu Generalized Fuzzy C-Means Clustering Algorithm with Improved Fuzzy Partitions (GIFP FCM). GIFP FCM adalah sebuah algoritma fuzzy clustering dengan sebuah membership constraint yang baru diperkenalkan ke fungsi obyektif dari FCM untuk mendapatkan partisi yang lebih jelas. Sehingga lebih efektif dan tahan dalam mengatasi noise. Selain itu dengan memperkenalkan membership constraint yang baru maka didapatkan fungsi keanggotaan dan fungsi obyektif yang baru sehingga meningkatkan konvergensi dari proses segmentasi A. Segmentasi II. METODE Segmentasi citra adalah proses membagi citra digital menjadi beberapa daerah atau kelompok, dimana masingmasing daerah terdiri dari sekumpulan piksel. Segmentasi citra menyederhanakan dan merubah representasi citra ke sesuatu yang lebih bermakna dan lebih mudah untuk dianalisis. Segmentasi citra di-gunakan untuk mencari obyek yang ingin di cari dan batas-batas bentuk objek seperti garis, kurva dalam citra. B. Clustering Clustering merupakan proses pengelompokan data dalam kelas-kelas atau cluster-cluster sehingga data dalam suatu cluster memiliki tingkat kesamaan yang tinggi antara data satu dengan yang lainnya tetapi sangat berbeda dengan data pada cluster lain [4]. Clustering juga dapat dianggap sebagai bentuk kompresi data, di mana sejumlah besar sampel diubah menjadi sejumlah kecil perwakilan prototipe atau cluster. Tergantung pada data dan apli-kasi, berbagai jenis ukuran kesamaan dapat digunakan untuk mengidentifikasi kelas, di mana ukuran kesamaan mengontrol bagaimana cluster terbentuk. Beberapa contoh nilai-nilai yang dapat digunakan
2 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) sebagai parameter kesamaan termasuk jarak, konektivitas dan intensitas. C. Fuzzy C-Means Fuzzy C-Means adalah suatu teknik clustering (pengelom-pokan) data di mana keberadaan titik-titik data dalam suatu cluster ditentukan oleh derajat keanggotaan. Penentuan titik cluster dilakukan secara berulang-ulang hingga diperoleh data yang akurat berdasarkan derajat keanggotaannya. Perulangan ini didasarkan pada minimalisasi fungsi obyektif yang meng-gambarkan jarak dari titik data ke pusat cluster yang terbobot oleh derajat keanggotaan. Akibat adanya derajat keanggotaan tersebut, maka suatu titik data bisa dimiliki lebih dari satu kelompok. Metode ini merupakan minimasi dari fungsi objektif [4]. Di mana merupakan jarak squared euclidean distance antara titik data ke j dengan pusat cluster ke i, u merupakan matriks partisi dari derajat keanggotaan. Variabel m merupakan angka real yang harus lebih besar dari 1 yang merepresentasikan eksponen pembobotan untuk keanggotaan dan bernilai konstan yang mengontrol pembagian nilai fuzzy. Derajat keanggotaan suatu partisi matriks memiliki syarat dimana jumlah keanggotaan suatu titik data terhadap semua cluster yaitu: Dengan menggunakan fungsi objektif Fuzzy C-Means mempartisi data masuk ke dalam cluster-cluster hingga optimasi dari fungsi objektif tercapai. Untuk proses perubahan membership atau keanggotaan data digunakan persamaan (3) dan pembaruan pusat cluster digunakan persamaan (4) berikut ini (3) Keanggotaan data terhadap cluster dan pusat cluster akan terus mengalami perubahan mencapai konvergensi di mana perubahan batas minimum distance error (ε) yang telah ditentukan sebagai termination criterion yang ditujukkan dengan persamaan: D. Generalized fuzzy c-means clustering algorithm with improved fuzzy partitions Generalized fuzzy c-means clustering algorithm with improved fuzzy partitions (GIFP FCM) adalah sebuah algoritma FCM yang dimodifikasi dengan ditambahkan (1) (2) (4) (5) sebuah parameter pada fungsi obyektif dan fungsi nilai keanggotaan. GIFP FCM dengan parameter yang tepat dapat mempercepat konvergensi daripada metode FCM [6]. Metode ini memiliki fungsi obyektif: Batasan nilai keanggotaan tetap seperti halnya FCM Untuk proses perubahan membership atau keanggotaan data digunakan persamaan (8) dan pembaruan pusat cluster digunakan persamaan (9) berikut ini: Karena rumus update nilai keanggotaan telah ditambahkan parameter maka nilai akan berubah setiap kali iterasi, untuk menjadikan 0 < < 1, maka: = α min (10) dimana parameter α (0 < α < 1) yang mengontrol kecepatan konvergensi dari GIFP FCM. Nilai akan bergantung pada inputan nilai α. Keanggotaan data terhadap cluster dan pusat cluster akan terus mengalami perubahan mencapai konvergensi di mana perubahan batas minimum distance error (ε) yang telah ditentukan sebagai termination criterion yang ditujukkan dengan persamaan: (11) Metode ini memiliki perbedaan dengan Fuzzy C-means dimana untuk proses perubahan nilai keanggotaan (membership) melibatkan nilai. Sedangkan untuk proses pembaruan pusat cluster menggunakan rumus yang sama dengan Fuzzy C-means. III. HASIL DAN PEMBAHASAN A. Fungsi Validitas (Vpc dan Vpe) Fungsi validitas adalah fungsi yang dihitung yang digunakan untuk menilai secara kuantitatif dan mengevaluasi hasil kerja clustering [5]. Fungsi representasi untuk partisi fuzzy adalah koefisien partisi (Vpc) dan entropi partisi (Vpe) yang didefinisikan sebagai : (6) (7) (8) (9)
3 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) (12) dimana: : koefisien partisi (13) : entropi partisi : Nilai keanggotaan dari fuzzy untuk cluster ke-i dan data ke-j : Total jumlah pixel pada citra Gagasan kedua fungsi validitas tersebut adalah bahwa partisi dengan ketidakteraturan (fuziness) yang kurang, berarti menunjuk-kan kinerja yang lebih baik. Jadi pengelompokan terbaik dicapai bila Vpc maksimal dan Vpe minimal. B. Hasil Pengamatan Uji coba terhadap sistem untuk melakukan proses segmentasi citra dengan menggunakan metode FCM dan GIFP FCM. Uji coba yang dilakukan diantaranya adalah dengan memasukkan data masukan awal berupa citra grayscale yang di dalamnya diberikan noise. Kemudian dilakukan proses segmentasi sehingga dapat dihasilkan citra yang tersegmentasi yang nantinya akan dibandingkan nilai Vpc dan Vpe-nya. Implementasi pada penelitian ini menggunakan perangkat lunak Matlab dengan processor intel core i3 untuk sengmentasi citra grayscale. Gambar 1a dan 1c menunjukan citra house dan blood yang belum diberikan noise, gambar 1b dan 1d adalah citra house dan blood yang telah diberikan gaussian noise. Citra disegmentasi berdasarkan jumlah inputan cluster mulai n=3, n=4, dan n=5. Selain itu citra disegmentasi berdasarkan perubahan nilai parameter α (alfa) mulai dari α=0.1 hingga α=0.99 serta berdasarkan perubahan tingkat gaussian noise mulai dari (0, 0.006) hingga (0, 0.025). Beberapa hasil dari citra tersebut dapat dilihat pada gambar 1k-1p. Hasil nilai Vpe dan Vpe dapat dilihat pada gambar 2 dan gambar 3. Sedangkan perbandingan nilai Vpc dan Vpe berdasarkan nilai parameter α (alfa) dan berdasarkan tingkta noise dapat dilihat pada gambar 4. gambar 7. Dari diagram tersebut dapat dilihat bawah hasil Vpc dan Vpe pada GIFP FCM lebih baik dari FCM sedangkan jumlah iterasi pada GIFP FCM lebih sedikit dibanding jumlah iterasi pada FCM. IV. KESIMPULAN/RINGKASAN Berdasarkan sejumlah uji coba yang telah dilakukan didapatkan beberapa kesimpulan, yaitu : 1. Metode GIFP FCM memiliki nilai koefisien partisi (Vpc) lebih baik dibandingkan nilai koefisien partisi metode FCM. 2. Metode GIFP FCM memiliki nilai entropi partisi (Vpe) lebih baik dibandingkan nilai entropi partisi metode FCM. a b c d e f g h i j k l m n o p Gambar. 1. (a)house 256x256 pixel (b)blood 272x265 pixel (c)house with noise (d)blood with noise (e)peppers 256x256 pixel (f)peppers with noise (g)lena 256x256 pixel (h)lena with noise (i)rice 256x256 pixel (j)rice with noise (k)peppers GIFP cluster = 3 (l)house GIFP cluster = 4 (m)lena GIFP cluster = 5 (n)rice GIFP cluster = 3 (o)blood GIFP cluster = 4 (p)blood GIFP cluster = 5 3. Rata-rata jumlah iterasi pada metode GIFP FCM lebih sedikit dibandingkan metode FCM. 4. Jumlah cluster yang diinputkan mempengaruhi hasil segmentasi dibuktikan dengan semakin kecil nilai Vpc dan semakin besar nilai Vpe jika inputan cluster semakin besar. 5. Semakin besar nilai alfa (α) maka hasil Vpc dan Vpe yang dihasilkan semakin baik. 6. Semakin rendah tingkat noise maka hasil Vpe dan Vpe cenderung membaik.
4 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Gambar. 2. Diagram perbandingan nilai Vpc pada FCM dan GIFP FCM Gambar. 3. Diagram perbandingan nilai Vpe pada FCM dan GIFP FCM Gambar. 4. Diagram perbandingan nilai Vpc dengan nilai parameter yang bervariasi Gambar. 5. Diagram perbandingan nilai Vpe dengan nilai parameter yang bervariasi
5 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) Gambar. 6. Diagram perbandingan nilai Vpc dengan tingkat noise yang bervariasi Gambar. 7. Diagram perbandingan nilai Vpe dengan tingkat noise yang bervariasi DAFTAR PUSTAKA [1] Youssef,A., "Image Downsampling and Upsampling Methods", Department of EECS, The George Washington University. [2] Gonzalez R.C., Woods R.E, Digital Image Processing, Third Edition, Prentice Hall, [3] Gonzalez, R. C. and Woods, R. E. Digital Image Processing Using MATLAB, Prentice Hall, Upper Saddle River, NJ [4] B. Sowmya, B. Sheela Rani. Colour image segmentation using fuzzy clustering techniques and competitive neural network, Elsevier Applied Soft Computing ScienceDirect. Sathyabama University, Old Mamallapuram Road, Chennai , India, [5] F.Zhao, L.Jiao, H.Liu, and X.Gao, A novel fuzzy clustering algorithm with non local adaptive spatial constraint for image segmentation, Signal Process. 91 (12) (2011) [6] L. Zhu, F.L. Chung, S.T. Wang, Generalized fuzzy c-means clustering algorithm with improved fuzzy partitions, IEEE Trans. Syst., Man, Cybern. B, Cybern. 39 (3) (2009) [7] A. Buades, B. Coll, J.M. Morel, A non-local algorithm for image denoising. in: Proc. IEEE Int. Conf. Comput. Vision Pattern Recognition. (2005) [8] [9] Image Processing Toolbox, The MathworksInc.
Penyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE GENERALIZED FUZZY C- MEANS CLUSTERING ALGORITHM WITH IMPROVED FUZZY PARTITIONS (Kata kunci: Algoritma Fuzzy Clustering,
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciAhmad Mauliyadi M, Hizir Sofyan, dan Muhammad Subianto. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala
Tersedia di www.fmipa.unsyiah.ac.id Jurnal Matematika 00 (2013) 01 05 PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (Studi Kasus Desa
Lebih terperinciKLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON
Seminar Nasional IENACO 213 ISSN: 2337-39 KLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON Ratna Ekawati 1),Nurul Yulis 2) 1) Jurusan
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinci(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST
(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST 1Nor Indah FitriyaNingrum, 2 Suwanda, 3 Anna Chadidjah 1Mahasiswa JurusanStatistika FMIPA UniversitasPadjadjaran 2Jurusan Statistika FMIPA Universitas
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciImplementasi Algoritma Fuzzy C Means Dan Statistical Region Merging Pada Segmentasi Citra
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Algoritma Fuzzy C Means Dan Statistical Region Merging Pada Segmentasi Citra I Made Budi Adnyana STMIK STIKOM
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciIdentifikasi Spasial Calon Walikota Manado Tahun 2015 Menggunakan Algoritma Fuzzy C-Means
Identifikasi Spasial Calon Walikota Manado Tahun 2015 Menggunakan Algoritma Fuzzy C-Means Winsy Weku 1, Charitas Fibriani 2 1 Program Studi Matematika, FMIPA, UNSRAT Manado, winsy_weku@unsrat.ac.id 2 Program
Lebih terperinciCLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING)
CLUSTERING MENGGUNAKAN K-MEANS ALGORITHM (K-MEANS ALGORITHM CLUSTERING) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract Classification is the process of organizing
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciSEGMENTASI CITRA. thresholding
SEGMENTASI CITRA Dalam visi komputer, Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen (set piksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi adalah untuk menyederhanakan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciPerbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering
Berkala MIPA, 23(3), September 2014 Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Muhammad Safrizal 1 dan Agus Harjoko 2 1,2 Universitas
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciSegmentasi Gambar Berwarna menggunakan Metode Hibrida Modifikasi Sauvola dan Fuccy C-Means (SMFCM)
Segmentasi Gambar Berwarna menggunakan Metode Hibrida Modifikasi Sauvola dan Fuccy C-Means (SMFCM) Irawan Dwi Wahyono 1, Gilang Bayu Adhi 2 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Brawijaya
Lebih terperinciPENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE
PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciAPLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET
APLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET Anny Yuniarti 1), Nadya Anisa Syafa 2), Handayani Tjandrasa 3) 1,2,3) Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember (ITS) Surabaya Surabaya
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Kata Kunci: Citra Fundus Retina, Segmentasi Citra,
Lebih terperinciProsiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :
Clustering Data Status Tugas Belajar Dan Ijin Belajar Menggunakan Metode Fuzzy C-Means (Studi Kasus : Di Lingkungan Pemerintah Provinsi Kalimantan Timur) Fevin Triyas Rantika 1, Indah Fitri Astuti, M.Cs
Lebih terperinciKlasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching
Klasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching Octa Heriana 1, Risanuri Hidayat 2 1,2 Jurusan Teknik Elektro FT UGM Jln. Grafika 2 Yogyakarta 55281 INDONESIA
Lebih terperinciPerancangan Sistem Pengujian Distorsi Kaca Spion Menggunakan Metode Radial Line
JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2301-9271 A-207 Perancangan Sistem Pengujian Distorsi Kaca Spion Menggunakan Metode Radial Line Fitri Rahmah, Apriani Kusumawardhani, Heru Setijono Department
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB III LANDASAN TEORI. 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix)
BAB III LANDASAN TEORI 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix) Metode GLCM menurut Xie dkk (2010) merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui
Lebih terperinciMATHunesa Jurnal Ilmiah Matematika Volume 2 No.6 Tahun 2017 ISSN
MATHunesa Jurnal Ilmiah Matematika Volume 2 No.6 Tahun 2017 ISSN 2301-9115 SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING (MRI) MENGGUNAKAN FUZZY C- MEANS (FCM) Erva Ani Dwi Katwarti 1) Jurusan Matematika,
Lebih terperinciSegmentasi Citra dengan Menggunakan Modifikasi Robust Fuzzy C-Means
Segmentasi Citra dengan Menggunakan Modifikasi Robust Fuzzy C-Means Charista Christie Tjokrowidjaya 1, Zuherman Rustam 2 1,2 Departemen Matematika, Fakultas Matematika Ilmu Pengetahuan Alam Universitas
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 SEGMENTASI CITRA SPOT DENGAN MENGGUNAKAN PENDEKATAN FUZZY C-MEANS Jimmy Johan / 0700708953
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciPERANCANGAN PERANGKAT LUNAK SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE FUZZY CLUSTERING SKRIPSI MUHAMMAD PRAYUDHA
PERANCANGAN PERANGKAT LUNAK SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE FUZZY CLUSTERING SKRIPSI Diajukan untuk melengkapi tugas dan syarat mencapai gelas Sarjana Komputer MUHAMMAD PRAYUDHA 061401016 PROGRAM
Lebih terperinciOPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK
OPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK ABSTRAK Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Algoritma umum metode propagasi
Lebih terperinciPerancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference Putu Desiana Wulaning
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciKLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI
TUGAS AKHIR CI1599 KLASTERISASI PADA SUBRUANG DENGAN ALGORITMA PEMBOBOTAN ENTROPI PADA K-MEANS PADA SPARSE DATA BERDIMENSI TINGGI AHMAD DENI DWI PRANOTO NRP 5103 100 015 Dosen Pembimbing I Rully Soelaiman,
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI CITRA MENGGUNAKAN METODE KONTUR AKTIF DENGAN SEGMENTASI LOKAL ATAU GLOBAL SECARA SELEKTIF (Kata kunci: segmentasi citra, kontur aktif, fungsi level set, filter
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciDeteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT)
Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT) Dwi Puspitasari 1 *, Handayani Tjandrasa 2 Jurusan Teknik Elektro,
Lebih terperinciTESIS DETEKSI KEPALA JANIN PADA GAMBAR USG MENGGUNAKAN FUZZY C-MEANS (FCM) DENGAN INFORMASI SPASIAL & ITERATIVE RANDOMIZED HOUGH TRANSFORM (IRHT)
TESIS DETEKSI KEPALA JANIN PADA GAMBAR USG MENGGUNAKAN FUZZY C-MEANS (FCM) DENGAN INFORMASI SPASIAL & ITERATIVE RANDOMIZED HOUGH TRANSFORM (IRHT) Oleh : Dwi puspitasari - 5109201026 Dosen Pembimbing :
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciPREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR
PREDIKSI CUACA MARITIM UNTUK MENDETEKSI KEBERADAAN SUMBER DAYA LAUT IKAN DI PERAIRAN JAWA TIMUR OLEH : Bagusranu Wahyudi Putra 2410100044 DOSEN PEMBIMBING : Dr. Ir. Aulia Siti Aisjah, MT. Ir. Syamsul Arifin,
Lebih terperinciRESTORASI CITRA DENGAN METODE ITERATIF BERDASARKAN BAYESIAN GAUSS-MARKOV LINEAR MODEL DENGAN ALGORITMA GLOBAL GMRES
PRESENTASI TUGAS AKHIR KI091391 RESTORASI CITRA DENGAN METODE ITERATIF BERDASARKAN BAYESIAN GAUSS-MARKOV LINEAR MODEL DENGAN ALGORITMA GLOBAL GMRES Penyusun Tugas Akhir : Alfa Masjita Rahmat (NRP. 5106100103)
Lebih terperinciLeast Square Estimation
Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciPENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA
PENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA APPLICATION OF GUSTAFSON-KESSEL CLUSTERING METHODS FOR SEGMENTATION DETERMINING DEBTOR AT BANK CIMB
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciANALISA KINERJA CODEBOOK PADA KOMPRESI CITRA MEDIS DENGAN MEMPERHATIKAN REGION OF INTEREST
ANALISA KINERJA CODEBOOK PADA KOMPRESI CITRA MEDIS DENGAN MEMPERHATIKAN REGION OF INTEREST Michihiro Suryanto / 0422033 Departement Of Electrical Engineering, Maranatha Christian University. Jl. Prof.Drg.Suria
Lebih terperinciPenerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop)
157 Penerapan Metode Fuzzy C-Means dengan Model Fuzzy RFM (Studi Kasus : Clustering Pelanggan Potensial Online Shop) Elly Muningsih AMIK BSI Yogyakarta E-Mail : elly.emh@bsi.ac.id Abstrak Berkembangnya
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciKOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM)
KOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM) Bambang Trianggono *, Agus Zainal Arifin * Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
Lebih terperinciSEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET
SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET Miftahus Sholihin, Agus Zainal Arifin, Anny Yuniarti Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENGELOMPOKAN PERSENTASE PENDUDUK BERUMUR 15 TAHUN KE ATAS MENURUT KABUPATEN/KOTA DAN PENDIDIKAN TERTINGGI
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
Lebih terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan penelitian yang dilaksanakan ditunjukan pada Gambar 6. Akusisi Citra INPUT Citra Query Preprocessing Citra Pre processing Citra Ekstraksi Fitur
Lebih terperinciSegmentasi Citra Berbasis Clustering Menggunakan Algoritma Fuzzy C-Means
JURNAL TEKNOLOGI ELEKTRO, VOL.14, NO.1, JANUARI-JUNI 2015 16 Segmentasi Berbasis Clustering Menggunakan Algoritma Fuzzy C-Means I Made Budi Adnyana, I Ketut Gede Darma Putra, dan I Putu Agung Bayupati
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
Lebih terperinciMENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS
MENENTUKAN NILAI AKHIR KULIAH DENGAN FUZZY C-MEANS Arwan Ahmad Khoiruddin, S.Kom. Staf Pengajar Jurusan Tekn Informata, Fakultas Teknologi Industri, Universitas Islam Indonesia arwan@fti.uii.ac.id ABSTRACT
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1
JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 27-59 (201-9271 Print) 1 Implementasi Citra dengan Menggunakan Regresi Linier dan Metode Wavelet Rina Kharisma Juwitasari, Diana Purwitasari, dan Rully Soelaiman
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciKOMPRESI CITRA (2) & SEGEMENTASI CITRA. Pertemuan 13 Mata Kuliah Pengolahan Citra
KOMPRESI CITRA (2) & SEGEMENTASI CITRA Pertemuan 13 Mata Kuliah Pengolahan Citra SPATIAL COMPRESSION (Metode Run Length Encoding / RLE) Cocok digunakan untuk memampatkan citra yang memiliki kelompok-kelompok
Lebih terperinciBAB I PENDAHULUAN. Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai bidang untuk menyelesaikan masalah-masalah yang ada. Walaupun logika samar adalah
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciSegmentasi Gambar Warna Menggunakan Sauvola Modifikasi Fuzzy C-Means (SMFCM)
Segmentasi Gambar Warna Menggunakan Sauvola Modifikasi Fuzzy C-Means (SMFCM) Gilang Bayu Adhi 1, Irawan Dwi Wahyono 2 Institut Teknologi Sepuluh Nopember Jalan ITS Raya 60111, Surabaya e-mail: gilangbayu.adhi@gmail.com
Lebih terperinciBAB VI KESIMPULA dan SARA
BAB VI KESIMPULA dan SARA 6. Kesimpulan dan Saran Pada bab ini dijelaskan mengenai kesimpulan yang didapat setelah melakukan serangkaian uji coba. Dalam bab ini pula dijelaskan mengenai saran pengembangan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciBAB I. PENDAHULUAN Latar Belakang Masalah
BAB I. PENDAHULUAN 1 1.1. Latar Belakang Masalah Citra adalah gambar yang berada pada bidang dua dimensi. Agar dapat diproses lebih lanjut, sebuah citra disimpan di dalam bentuk digital. Ukuran citra digital
Lebih terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciPengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier
JURNAL TEKNIK ITS Vol. 1, (Sept, 01) ISSN: 301-971 A-46 Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier Ahmad Yusuf, Hari Ginardi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciDeteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna
F7 bentuk [5]. Pendekatan berbasis bentuk bibir menggunakan Deteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna Shinta Puspasari, STMIK lobal Informatika MDP Abstrak Metode yang
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 ANALISA PERBANDINGAN METODE HIERARCHICAL CLUSTERING, K-MEANS DAN GABUNGAN KEDUANYA DALAM MEMBENTUK CLUSTER DATA (STUDI KASUS : PROBLEM KERJA PRAKTEK JURUSAN
Lebih terperinciPerbandingan Kinerja Fuzzy C-Means dan DBSCAN Dalam Segmentasi Citra USG Kepala Janin
JURNAL SISTEM DAN INFORMATIKA Perbandingan Kinerja Fuzzy C-Means dan DBSCAN Dalam Segmentasi Citra USG Kepala Janin Putu Desiana Wulaning Ayu STMIK STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail:
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM Abstrak Victor Prahara
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
Lebih terperinciHASIL DAN PEMBAHASAN. B fch a. d b
7 dengan nilai σ yang digunakan pada tahap pelatihan sebelumnya. Selanjutnya dilakukan perhitungan tingkat akurasi SVM terhadap citra yang telah diprediksi secara benar dan tidak benar oleh model klasifikasi.
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciHardisk 80 GB Perangkat lunak Window XP Profesional MATLAB 7.0.1
Hardisk 8 GB Perangkat lunak Window XP Profesional MATLAB 7..1 HASIL DAN PEMBAHASAN Percobaan yang dilakukan pada penelitian ini terdiri atas dua macam, yaitu citra yang akan mengalami proses pengenalan
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciAPLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI
APLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI OLEH: FARIS SANTA EKA WIARTA NPM : 0736010025 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK INDUSTRI - FTI UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinci