METODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN
|
|
- Sudirman Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 METODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN Febriliyan Samopa Program Studi Sistem Informasi, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS) - Surabaya Kampus ITS, Jl. Raya ITS, Sukolilo Surabaya Tel , Fax iyan@its-sby.edu ABSTRAK Pada penelitian sebelumnya [1][] metode Fair-Share Amount ini dibuat khusus untuk men-generate codebook dari jumlah vektor yang besar pada kompresi citra menggunakan kuantisasi vektor. Dengan waktu eksekusi yang relatif singkat dan hasil yang cukup baik (error yang cukup kecil) metode ini cocok dipergunakan untuk jumlah vektor data yang besar karena kompleksitasnya hanyalah n log n. Tetapi metode ini bukannya tanpa kelemahan, karena pada penelitian sebelumnya [1][], metode ini hanya dapat diterapkan pada data citra gray level yang sejenis (dimensi dan tema setiap citra sama). Karenanya pada penelitian ini dicoba unt uk menerapkan metode Fair-Share Amount ini pada data citra gray level sembarang (dimensi dan tema citra berbeda). Hasil penelitian ini menunjukkan bahwa metode Fair-Share Amount dapat digunakan pada data citra gray level sembarang karena dengan waktu eksekusi yang relatif singkat hasil yang didapat cukup baik (error yang cukup kecil). Namun sama seperti penelitian sebelumnya [1][], metode ini tidak cocok untuk diterapkan pada jumlah data yang kecil. Pada jumlah data yang kecil error yang dihasilkan relatif lebih besar dibanding dengan metode-metode lain yang ada pada saat ini. Kata kunci : Kuantisasi Vektor, metode Fair-Share Amount, Codebook generation 1. PENDAHULUAN Pada penelitian ini juga dicoba untuk menggunakan Fair-Share Amount pada set data yang berupa citra gray level sembarang dalam artian tema citra dan dimensi citra dalam satu set tidak ada yang sama. Hal ini dilakukan karena pada penelitianpenelitian sebelumnya[1][] metode Fair-Share Amount ini hanya ditujukan untuk set data yang berupa citra gray level sejenis (tema dan dimensi citra sama). perolehan suara setiap area untuk menentukan jumlah vektor pewakil dari setiap area tersebut. Vektor-vektor pewakil dari setiap area ini (yang jumlahnya masing-masing sesuai dengan persentase perolehan suara -nya) akan menjadi elemen dari codebook. Dengan cara ini codebook dapat dihasilkan tanpa membutuhkan training set, sehingga proses training set dapat dihilangkan yang juga berarti pemangkasan waktu komputasi. 3. HASIL EKSPERIMEN. METODE FAIR-SHARE AMOUNT Untuk menghitung kinerja dari metode ini digunakan empat buah parameter sebagai berikut : Seperti tercantum dalam penelitian sebelumnya 1. CR (Compression Ratio) atau rasio kompresi, [], ide dasar dari metode ini adalah sistem pemilu yaitu rasio perbandingan antara ukuran citra di Indonesia dimana setiap partai peserta pemilu hasil kompresi dengan ukuran citra sebelum yang memperoleh suara di atas batas perolehan suara dikompresi. minimal akan memperoleh jatah perwakilan di Didefinisikan sebagai : DPR(D) sesuai dengan persentase perolehan CR = Sa / Sk (4) suaranya. Juga pernyataan Y. Linde [4] bahwa untuk Sa = ukuran data citra, training set yang evenly distributed Sk = ukuran cenderung memberikan hasil lebih baik. Karena itu. e-rms (Root Mean Square Error) adalah akar metode ini bekerja dengan cara yang sama, yaitu dari rata-rata jumlah selisih kuadrat antara pixel dengan membagi vektor-vektor yang ada menjadi dari dengan citra sejumlah area yang sama, dan kemudian menghitung setelah dikompresi. 66 Volume, Nomor 1, Januari 003 : 66 70
2 Didefinisikan oleh Gonzales [3] untuk citra berukuran m x n sebagai : m n e-rms = f '( x, f ( x, mn (5) 3. SNR (Signal to Noise Ratio) adalah perbandingan antara jumlah dari kuadrat nilai pixel dengan jumlah dari kuadrat selisih nilai antara pixel citra sebelum dan sesudah dikompresi. Didefinisikan oleh Gonzales [3] untuk citra berukuran m x n sebagai : SNR = m 1 n 1 f '( x, f ( x, m 1 n 1 f '( x, (6) 4. MAE (Maximum Absolute Error) adalah nilai maksimum dari selisih absolut antara nilai pixel citra sebelum dan sesudah dikompresi. Didefinisikan sebagai : MAE = Max ( f (x, - f(x, ) (7) x = 0 m-1, y = 0 n-1 Sebagai bahan eksperimen digunakan vektor yang berasal dari 75 buah data citra gray level yang berisi berbagai tema serta berbagai macam ukuran, yang paling kecil berukuran 74 x 14 pixel, sedangkan yang paling besar berukuran 757 x 77 pixel. Data selengkapnya dapat dilihat pada tabel 1. Tabel 1. Set Data Asli Nama File Dimensi Ukuran Jumlah Vektor Data001.bmp 640 x Data00.bmp 640 x Data003.bmp 45 x Data004.bmp 45 x Data005.bmp 45 x Data006.bmp 45 x Data007.bmp 45 x Data008.bmp 45 x Data009.bmp 45 x Data010.bmp 45 x Data011.bmp 757 x Data01.bmp 384 x Data013.bmp 500 x Data014.bmp 419 x Data015.bmp 66 x Data016.bmp 600 x Data017.bmp 737 x Data018.bmp 45 x Data019.bmp 45 x Data00.bmp 45 x Data01.bmp 45 x Data0.bmp 640 x Data03.bmp 45 x Data04.bmp 585 x Data05.bmp 640 x Data06.bmp 45 x Data07.bmp 494 x Data08.bmp 45 x Data09.bmp 640 x Data030.bmp 45 x Data031.bmp 45 x Data03.bmp 45 x Data033.bmp 45 x Data034.bmp 45 x Data035.bmp 45 x Data036.bmp 45 x Data037.bmp 45 x Data038.bmp 480 x Data039.bmp 437 x Data040.bmp 45 x Data041.bmp 400 x Data04.bmp 45 x Data043.bmp 333 x Data044.bmp 78 x Data045.bmp 159 x Data046.bmp 45 x Data047.bmp 375 x Data048.bmp 45 x Data049.bmp 45 x Data050.bmp 474 x Data051.bmp 691 x Data05.bmp 37 x Data053.bmp 45 x Metode Fair-Share Amount untuk Kompresi Menggunakan Kuantisasi Vektor pada Basis Data 67 Citra grey level Sembarang dengan Derajat Keabuan Febriliyan Samopa
3 Nama File Dimensi Ukuran Jumlah Vektor Data054.bmp 33 x Data055.bmp 315 x Data056.bmp 3 x Data057.bmp 36 x Data058.bmp 3 x Data059.bmp 3 x Data060.bmp 3 x Data061.bmp 483 x Data06.bmp 319 x Data063.bmp 69 x Data064.bmp 761 x Data065.bmp 697 x Data066.bmp 37 x Data067.bmp 55 x Data068.bmp 606 x Data069.bmp 761 x Data070.bmp 777 x Data071.bmp 790 x Data07.bmp 869 x Data073.bmp 84 x Data074.bmp 500 x Data075.bmp 657 x Total Setiap citra yang ada akan dibagi menjadi sejumlah blok berukuran 4 x 4 pixel, dimana setiap bloak akan dijadikan sebagai vektor dari citra tersebut. Jika dimensi citra tidak habis dibagi 4 maka citra akan di resize menjadi dimensi yang habis dibagi 4 menggunakan pembulattan ke atas (ceiling). Dari tabel 1 di atas tampak bahwa jumlah vektor yang dihasilkan seharusnya sebesar padahal sesungguhnya cuma Ini terjadi karena ada sejumlah 7776 vektor yang redundant. Sehingga dengan kuantisasi vektor untuk sejumlah data ini pada tahap awal, data dapat dihemat sebesar 7776 vektor (6,5 %). Untuk kuantisasi digunakan indeks sebesar 16 bit, sehingga kuantisasi yang terjadi adalah menjadi Dengan penggunaan indeks sebesar 16 bit maka rasio kompresi (4) yang dapat dicapai sebesar ( x x ) : = : = 1 : 5,55 Hasil eksperimen dari penggunaan metode Fair- Share Amount dapat dilihat pada tabel. Tabel. Hasil Eksperimen Menggunakan FSA Nama File MAE e-rms SNR Data001.bmp 41 1, ,11 Data00.bmp 8 1, ,039 Data003.bmp 69 3, ,775 Data004.bmp 56 4, ,708 Data005.bmp 65 4, ,1 Data006.bmp 47 3,551 9,756 Data007.bmp 53 3, ,019 Data008.bmp 53 3, ,897 Data009.bmp 48 3,53 677,601 Data010.bmp 61 3, ,093 Data011.bmp 51 4, ,463 Data01.bmp 48 4, ,989 Data013.bmp 34, ,709 Data014.bmp 38 3,035 43,011 Data015.bmp 44 4, ,036 Data016.bmp 53 1,83 365,196 Data017.bmp 4 3,47 134,035 Data018.bmp 48 4, 846,78 Data019.bmp 36, ,539 Data00.bmp 35, ,404 Data01.bmp 4 3,07 803,9 Data0.bmp 51, ,057 Data03.bmp 40 3, ,78 Data04.bmp 48 3, ,76 Data05.bmp 53 3, ,14 Data06.bmp 37,167 05,711 Data07.bmp 4 4, ,655 Data08.bmp 59 4, ,847 Data09.bmp 58, ,37 Data030.bmp 38 3, ,31 Data031.bmp 41 3, ,596 Data03.bmp 48 3,77 158,317 Data033.bmp 49,3 657,384 Data034.bmp 39 3, ,716 Data035.bmp 47 4, ,9 Data036.bmp 47 3, ,639 Data037.bmp 54 4,1 667,853 Data038.bmp 34, ,38 Data039.bmp 39 3, ,787 Data040.bmp 69 6,393 36,388 Data041.bmp 3 1,88 758,714 Data04.bmp 40 3,15 070,866 Data043.bmp 9,394 57,439 Data044.bmp 33 3,357 98,48 Data045.bmp 3 3, ,753 Data046.bmp 60 3,934 38,441 Data047.bmp 5 3,781 71,3 Nama File MAE e-rms SNR Data048.bmp 57 4,85 511, Volume, Nomor 1, Januari 003 : 66 70
4 Data049.bmp 6 5,98 563,534 Data050.bmp 40 1, ,544 Data051.bmp 8, ,333 Data05.bmp 3, ,37 Data053.bmp 51 5,59 457,401 Data054.bmp 31 3, ,848 Data055.bmp 33, ,683 Data056.bmp 39, ,93 Data057.bmp 33 3, ,66 Data058.bmp 38 3, ,854 Data059.bmp 38, ,886 Data060.bmp 36 3,94 04,87 Data061.bmp 39 3, ,934 Data06.bmp 9, ,509 Data063.bmp 39 3, ,3 Data064.bmp 8, ,14 Data065.bmp 35, ,507 Data066.bmp 34 3, ,837 Data067.bmp 44 4, ,05 Data068.bmp 30 1, ,439 Data069.bmp 36, ,975 Data070.bmp 34 1, ,601 Data071.bmp 33, ,95 Data07.bmp 35 1, ,769 Data073.bmp 41,85 959,1 Data074.bmp 43 3, ,675 Data075.bmp 35 1, ,887 Total , ,6 Maksimum 69 6, ,11 Minimum 8 1,18 38,441 Rata- Rata 4,9 3,8 151,4701 Sedangkan pada tabel 3 dapat dilihat error yang didapatkan jika menggunakan kompresi JPG. Parameter yang digunakan adalah rasio antara ukuran file dan kualitas citra di buat 50 : 50 sehingga diperoleh hasil yang fair antara ukuran file dengan kualitas citra pada file JPG tersebut Tabel 3. Hasil Eksperimen Menggunakan JPG Nama File Kompresi MAE e-rms SNR Data001 3, , ,357 Data00 13,83 3 1, ,63 Data003 8,08 30, ,883 Data004 6,00 3, ,470 Data005 6, , ,88 Data006 7,5 3, ,071 Data007 7,8 9, ,368 Nama File Kompresi MAE e-rms SNR Data008 5,68 9 3, ,96 Data009 5, , ,181 Data010 7,99 9, ,488 Data011 7, , ,7 Data01 4, , ,810 Data013 10, , ,476 Data014 5,75, ,908 Data015 5,85 3,79 16,104 Data016 14,0 7 1,4 3931,804 Data017 13, , ,535 Data018 9,44,68 18,079 Data019 9,7,134 9,49 Data00 5,96 1,778 81,531 Data01 6,69 8,4 1573,66 Data0 13,35 8 0, ,89 Data03 5, , ,551 Data04 6,98 30, ,96 Data05 14,15 1 1, ,71 Data06 6, , ,81 Data07 6,31 4 3, ,598 Data08 5,96 8 3,61 039,961 Data09 19,9 11 0, ,491 Data030 7, , ,08 Data031 9,4 17 1, ,470 Data03 10, , ,077 Data033 7,17 1, ,405 Data034 5, , ,96 Data035 3,08 3 3, ,5 Data036 7,63 9, ,090 Data037 4, , ,045 Data038 18,9 0 1, ,41 Data039 3,4 17,480 75,598 Data040 16,7 37 4, ,193 Data041 7,4 14 1, ,875 Data04 6, , ,080 Data043 0,39 6 4, ,767 Data044 4,1 30 4, ,746 Data045 1,86 3 4, ,37 Data046 7,48 38, ,68 Data047 5,79 3,733 14,85 Data048 4,4 41 3, ,980 Data049 11,9 38 4, ,767 Data050 3, ,59 517,8 Data051 11,00 6 3,91 159,544 Data05 7,54 8 4, ,551 Data053 4,78 9 3, ,80 Metode Fair-Share Amount untuk Kompresi Menggunakan Kuantisasi Vektor pada Basis Data 69 Citra grey level Sembarang dengan Derajat Keabuan Febriliyan Samopa
5 Nama File Kompresi MAE e-rms SNR Data054 6,0 7 4,44 61,886 Data055 8,01 4 4, ,490 Data056 7, , ,458 Data057 5,76 9 4, ,449 Data058 7,6 34 4,076 53,673 Data059 10,33 8 3, ,588 Data060 5, , ,177 Data061 6,63 3 4, ,645 Data06 8, , ,39 Data063 7, , ,978 Data064 7,0 8 4, ,691 Data065 7,75 5 3, ,07 Data066 6, , ,958 Data067 5, ,398 43,851 Data068 9,70 5 4,74 65,15 Data069 8,34 5 3, ,611 Data070 10,10,478 04,131 Data071 9,30 6 3, ,477 Data07 11,68 1, ,359 Data073 7, ,40 071,01 Data074 6,86 31, ,703 Data075 14,93 38, ,649 Total 631, , ,973 Maksimum 3, , ,357 Minimum 1,86 8 0,891 43,851 Rata-rata 8,4 6,1, ,946 Sebagai catatan, data pada tabel 3 diberikan hanya untuk memberikan gambaran kinerja dari metode FSA ini, karena JPG sebenarnya tidak mampu untuk melakukan kompresi pada sejumlah data besar sekaligus. Juga sebagai tambahan catatan, keseluruhan citra yang digunakan sebagai set data berasal dari citra dalam format JPG, dengan rasio antara ukuran file dan kualitas sebesar 65 : 35, yang di konversi menjadi citra dalam format BMP. Sehingga citra yang di uji coba pada format JPG pada dasarnya hanyalah merubah rasio antara ukuran file dan kualitas citra. Akibatnya hasilnya tampak lebih baik.. Metode Fair-Share Amount lebih cocok untuk diterapkan pada jumlah citra / data yang besar. 5. DAFTAR PUSTAKA [1] Febriliyan Samopa, Kuantisasi Vektor dengan Pendekatan Metode Fair-Share Amount pada Kompresi Citra, Tesis, Universitas Indonesia, Depok, 001 [] Febriliyan Samopa, Aniati Murny A., Fair Share Amount, Metode untuk Men-Generate Codebook dengan Jumlah Vektor Besar Pada Kuantisasi Vektor, Proceedings SNKK II 001, Vol. No. 1, Hal 79-83, Oktober 001 [3] Michael J. Ryan, John F. Arnold, The Lossless Compression of AVIRIS Images by Vector Quantization, IEEE Transaction on Geoscience and Remote Sensing, Vol. 35-3, Page , May, [4] Y. Linde et al., An Algorithm for Vector Quantizer Design, IEEE Trans Commun., Vol. COMM-8, Page 84-95, January, [5] Rafael C. Gonzales, Richard E. Woods, Digital Image Processing, Addison Wesley Pub. Co., USA, 199. [6] Vector Quantization of Images, Brigham Young University, ~cline/ideas/vquant.html [7] Vector Quantization, Information Theory, Delft University Technology, index.htm [8] Jyh-Han Lin, Jeffrey Scott Vitter, Nearly Optimal Vector Quantization via Linear Programming, Brown University, USA. [9] ImageGear The Imaging Toolkit of Choice : ActiveX User s Guide, AccuSoft Corp., Westborough, USA, KESIMPULAN Dari hasil eksperimen yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut : 1. Metode Fair-Share Amount dapat digunakan untuk men-generate sebuah codebook untuk sejumlah citra gray level sembarang dengan error yang relatif kecil. 70 Volume, Nomor 1, Januari 003 : 66 70
INDEXING BASISDATA CITRA DENGAN METODE KUANTISASI VEKTOR MENGGUNAKAN ALGORITMA FARI SHARE AMOUNT
INDEXING BASISDATA CITRA DENGAN METODE KUANTISASI VEKTOR MENGGUNAKAN ALGORITMA FARI SHARE AMOUNT Ary Mazharuddin S. Febriliyan Samopa Darlis Heru Murti Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
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 terperinciPenerapan Kohonen Self Organized Map Dalam Kuantisasi Vektor Pada Kompresi Citra Bitmap 24 Bit
Penerapan Kohonen Self Organized Map Dalam Kuantisasi Vektor Pada Kompresi Citra Bitmap 24 Bit Gadis Fransiska Yulianti Tae, Sri Suwarno, Widi Hapsari Fakultas Teknologi Informasi, Program Studi Teknik
Lebih terperinciESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP. Rosida Vivin Nahari 1*, Riza Alfita 2 2 1,2
Simposium Nasional Teknologi Terapan (SNTT) 5 017 ISSN:339-08X ESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP Rosida Vivin Nahari 1*, Riza Alfita 1, Fakultas Teknik, Universitas Trunojoyo
Lebih terperinciDiperlukan suatu mekanisme dimana kita dapat mengukur performansi dari suatu proses pengolahan citra.
Fidelity Criteria Proses pengolahan citra pada dasarnya dilakukan untuk menghasilkan sebuah citra yang sesuai dengan kebutuhan user Dengan definisi diatas sulit menentukan pengukuran secara objektif terhadap
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latarbelakang
BAB 1 PENDAHULUAN Pada bab ini akan dijelaskan tentang latarbelakang penulisan, rumusan masalah, batasan masalah yang akan dibahas, serta tujuan penelitian skripsi ini. Manfaat dalam penelitian, metodelogi
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciPENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,
1 VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini, Abstrak Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR
ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciPENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE
PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE Aeri Rachmad Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 4 HASIL UJI COBA DAN ANALISIS
38 BAB 4 HASIL UJI COBA DAN ANALISIS Uji coba dilakukan terhadap 5 buah citra tanda tangan. Dari tiap citra kemudian diujicobakan dengan ditransmisikan sebanyak 1 kali yang akan menghasilkan 1 variasi
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciPemampatan Citra Pemampatan Citra versus Pengkodean Citra
Bab 10 Pemampatan Citra P ada umumnya, representasi citra digital membutuhkan memori yang besar. Sebagai contoh, citra Lena dalam format bitmap yang berukuran 512 512 pixel membutuhkan memori sebesar 32
Lebih terperinciAplikasi Metode Steganografi Berbasis JPEG dengan Tabel Kuantisasi yang Dimodifikasi Kris Reinhard /
Aplikasi Metode Steganografi Berbasis JPEG dengan Tabel Kuantisasi yang Dimodifikasi Kris Reinhard / 0522094 Email : kris_putih05@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria
Lebih terperinciKompresi Citra. Topik. Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB. 1. Fundamentals. 2. Model Kompresi citra. 3.
Kompresi Citra Yeni Herdiyeni Departemen Ilmu Komputer FMIPA IPB Topik. Fundamentals 2. Model Kompresi citra 3. Teori Informasi 2 2 Kendala Data Citra Diital Mengapa perlu kompresi dan reduksi data? Data
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 terperinciPengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur
Pengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur Retno Tri Wahyuni, Djoko Purwanto, Tri Arief Sardjono Program Studi Teknik Elektro, Program Pascasarjana ITS Kampus ITS, Sukolilo,
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA
ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra adalah gambar bidang dua dimensi yang juga merupakan keluaran data. Artinya suatu data atau informasi tidak hanya direpresentasikan dalam bentuk teks, namun juga
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK
KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK Disusun Oleh : Ardyan Lawrence (1022068) Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg. Suria Sumantri, MPH No.65, Bandung, Indonesia.
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6 Semeste r : VI Waktu : x x 5 Menit Pertemuan : & 4 A. Kompetensi. Utama Mahasiswa dapat memahami tentang sistem pengolahan
Lebih terperinciPERBANDINGAN PERFORMANCE IMAGE MATCHING MENGGUNAKAN KESAMAAN LANGSUNG DAN KESAMAAN SETELAH SEGMENTASI
Seminar asional Ilmu Komputer dan eknologi Informasi 003 PERBADIGA PERFORMACE IMAGE MACHIG MEGGUAKA KESAMAA LAGSUG DA KESAMAA SEELAH SEGMEASI AA RAMADIJAI, ACHMAD BASUKI Jurusan eknologi Informasi Lab
Lebih terperinciPenyembunyian Pesan Rahasia Dalam Gambar dengan Metoda JPEG - JSTEG Hendry Hermawan / ABSTRAK
Penyembunyian Pesan Rahasia Dalam Gambar dengan Metoda JPEG - JSTEG Hendry Hermawan / 0622097 Email : e3n_17@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria Sumantri, MPH 65,
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang Masalah
1. Pendahuluan 1.1 Latar Belakang Masalah Jumlah pengguna komputer semakin meningkat. Peningkatan jumlah pengguna komputer mengakibatkan penggunaan data digital juga semakin meningkat. Salah satu media
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciPERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET
PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET Sarwosri, Rully Soelaiman, dan Esther Hanaya Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciWATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL
SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM
Lebih terperinciPemampatan Citra. Esther Wibowo Erick Kurniawan
Pemampatan Citra Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Mengapa? MEMORI Citra memerlukan memori besar. Mis. Citra 512x512 pixel 256 warna perlu 32 KB (1 pixel =
Lebih terperinciKOMPRESI CITRA BERWARNA MENGGUNAKAN METODE POHON BINER HUFFMAN. Sarifuddin Madenda, Hayet L. dan I. Bayu *
KOMPRESI CITRA BERWARNA MENGGUNAKAN METODE POHON BINER HUFFMAN Sarifuddin Madenda, Hayet L. dan I. Bayu * ABSTRAK KOMPRESI CITRA BERWARNA MENGGUNAKAN METODE POHON BINER HUFFMAN. Makalah ini membahas tentang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih terperinciESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM)
ESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM) Mursyidah 1, Muhammad Nasir 2 1 Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, ACEH, 24312
Lebih terperinciMKB3383 -TEKNIK PENGOLAHAN CITRA. Kompresi Citra. Muhammad Zidny Naf an, M.Kom. Genap, 2016/2017
MKB3383 -TEKNIK PENGOLAHAN CITRA Kompresi Citra Muhammad Zidny Naf an, M.Kom. Genap, 2016/2017 Latar Belakang 2 Latar Belakang Seringkali representasi citra yang besar membutuhkan memori yang besar Contoh
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 terperinciKOMPRESI CITRA. lain. Proses mengubah citra ke bentuk digital bisa dilakukan dengan beberapa perangkat,
KOMPRESI CITRA Dalam kesempatan ini saya mencoba untuk menjelaskan apa itu kompresi citra dan bagaimana cara-cara format citra dengan menggunakan BMP, PNG, JPEG, GIF, dan TIFF. Kompresi citra itu adalah
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
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 terperinciImplementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra
249 Implementasi Metode Run Length Encoding (RLE) untuk Kompresi Citra Ahmad Jalaluddin 1, Yuliana Melita 2 1) Univers itas Islam Lamongan 2) Sekolah Tinggi Teknik Surabaya Odden.85@gmail.com, ymp@stts.edu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciSistem Penitipan Barang berdasarkan Pola Tanda Tangan Dengan menggunakan Metode Ekstraksi Ciri Nia Saurina SST., M.Kom
Sistem Penitipan Barang berdasarkan Pola Tanda Tangan Dengan menggunakan Metode Ekstraksi Ciri Nia Saurina SST., M.Kom ABSTRAK Sistem penitipan barang yang umum digunakan adalah secara manual, penjaga
Lebih terperinciBAB 3 PERANCANGAN SISTEM
21 BAB 3 PERANCANGAN SISTEM Sebelum citra tanda tangan dikenali dengan menggunakan Hidden Markov Model (HMM) citra tanda tangan tersebut ditransmisikan dengan dikompresi menggunakan Run Length Encoding
Lebih terperinciANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR
ANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR Shinta Puspasari MDP Computer and Informatics Management Institute Jl. Rajawali 14, Palembang, 30113, Indonesia e-mail : shinta@stmik-mdp.net ABSTRAKSI
Lebih terperinciBab I Pendahuluan 1 BAB I PENDAHULUAN
Bab I Pendahuluan 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pesatnya perkembangan teknologi multimedia, jaringan komputer, jaringan Internet menimbulkan peningkatan kemudahan pengiriman informasi yang berupa
Lebih terperinciROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM
ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciStudi Banding antara Metode Minimum Distance dan Gaussian Maximum Likelihood Sebagai Pengklasifikasi Citra Multispektral
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 2, 26-35, Agustus 2004, ISSN : 40-858 Studi Banding antara Metode Minimum Distance dan Gaussian Maximum Likelihood Sebagai Pengklasifikasi Citra Multispektral
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini citra digital sedang menjadi trend di kalangan masyarakat, apalagi dengan semakin berkembangnya teknologi digital serta makin murahnya harga perangkat yang
Lebih terperinciApa Compressed Sensing?
1 COMPRESSED SENSING UNTUK APLIKASI PENGOLAHAN CITRA OMRIN TAMPUBOLON 2207100531 DOSEN PEMBIMBING Dr. Ir. Wirawan, DEA Jurusan Teknik Elektro Bidang Studi Telekomunikasi Multimedia Institut Teknologi Sepuluh
Lebih terperinciKOMPRESI CITRA GRAY SCALE DENGAN MODIFIKASI ALGORITMA KUANTISASI. Krisnawati STMIK AMIKOM Yogyakarta
KOMPRESI CITRA GRAY SCALE DENGAN MODIFIKASI ALGORITMA KUANTISASI Krisnawati STMIK AMIKOM Yogyakarta Abstract Suatu file yang kapasitasnya besar dapat diperkecil dengan pemampatan (compression). Untuk file
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciBAHAN AJAR. Mata Kuliah Pengolahan Citra. Disusun oleh: Minarni, S. Si., MT
BAHAN AJAR Mata Kuliah Pengolahan Citra Disusun oleh: Minarni, S. Si., MT JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
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 terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciPenerapan Pohon Biner Huffman Pada Kompresi Citra
Penerapan Pohon Biner Huffman Pada Kompresi Citra Alvin Andhika Zulen (3507037) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha No 0 Bandung,
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciImage Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010
Image Processing Nana Ramadijanti Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010 Referensi 1. Rafael C. Gonzales E.Woods, Digital Image Processing,2 nd Edition,Prentice Hall,2001 2. Wanasanan Thongsongkrit,
Lebih terperinciPenerapan Teknik Dekomposisi Square Root dan Algoritma Mo s pada Rancangan Algoritma Studi Kasus: SPOJ Klasik Counting Diff-Pairs
A5 Penerapan Teknik Dekomposisi Square Root dan Algoritma Mo s pada Rancangan Algoritma Studi Kasus: SPOJ Klasik Counting Diff-Pairs Abdul Majid Hasani, Rully Soelaiman dan Fajar Baskoro Departemen Informatika,
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1 BAB I PENDAHULUAN 1.1 Latar Belakang Gambar digital telah digunakan secara luas dalam grafika komputer. Gambar digital tersebut banyak ditemukan pada website, foto digital, desain grafis,
Lebih terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciIMPLEMENTASI DAN ANALISIS KINERJA ALGORITMA ARIHTMETIC CODING DAN SHANNON-FANO PADA KOMPRESI CITRA BMP
IMPLEMENTASI DAN ANALISIS KINERJA ALGORITMA ARIHTMETIC CODING DAN SHANNON-FANO PADA KOMPRESI CITRA BMP Syahfitri Kartika Lidya 1) Mohammad Andri Budiman 2) Romi Fadillah Rahmat 3) Jurusan Teknologi Informasi
Lebih terperinciKOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra
KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra PEMAMPATAN CITRA Semakin besar ukuran citra semakin besar memori yang dibutuhkan. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum, data citra digital ditandai oleh informasi dengan jumlah bit yang besar sehingga menimbulkan masalah untuk memindahkan, memproses atau menyimpannya. Biasanya
Lebih terperinciSTUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH
STUDI DAN IMPLEMENTASI WATERMARKING CITRA DIGITAL DENGAN MENGGUNAKAN FUNGSI HASH Fahmi Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha No.
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN DISCRETE COSINE TRANSFORM (DCT) BERBASIS ALGORITMA GENETIKA
BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN DISCRETE COSINE TRANSFORM (DCT) BERBASIS ALGORITMA GENETIKA Disusun oleh : Nama : Aryanto M Nrp : 0722066 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinci[TTG4J3] KODING DAN KOMPRESI. Oleh : Ledya Novamizanti Astri Novianty. Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom
[TTG4J3] KODING DAN KOMPRESI Oleh : Ledya Novamizanti Astri Novianty Prodi S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Merepresentasikan nilai input yang banyak dan tak terbatas
Lebih terperinciLAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL
LAPORAN PENELITIAN JURUSAN TEKNIK INFORMATIKA STIKOM BALIKPAPAN PENERAPAN METODE TRANSFORMASI FOURIER UNTUK PERBAIKAN CITRA DIGITAL oleh Setyo Nugroho Jurusan Teknik Informatika STIKOM Balikpapan 2005
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bab ini membahas landasan teori yang bersifat ilmiah untuk mendukung penulisan penelitian ini. Teori-teori yang dibahas mengenai pengertian citra, jenis-jenis citra digital, metode
Lebih terperinciENHANCED K-SVD ALGORITHM for IMAGE DENOISING
ENHANCED K-SVD ALGORITHM for IMAGE DENOISING Edwin Junius, Reza Alfiansyah, Endra,Universitas Bina Nusantara, mono_unk@yahoo.com, devil.reza12@yahoo.com, ABSTRAK Penelitian ini bertujuan untuk membuat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciIMPLEMENTASI METODE HISTOGRAM EQUALIZATION UNTUK MENINGKATKAN KUALITAS CITRA DIGITAL
70 Isa Akhlis, Implementasi Metode Histogram IMPLEMENTASI METODE HISTOGRAM EQUALIZATION UNTUK MENINGKATKAN KUALITAS CITRA DIGITAL Isa Akhlis dan Sugiyanto 1, * 1 Jurusan Fisika, Universitas Negeri Semarang
Lebih terperinciANALISIS GALAT AKIBAT KUANTISASI PADA IMPLEMENTASI DIGITAL SISTEM ADAPTIF LMS
ANALISIS GALAT AKIBAT KUANTISASI PADA IMPLEMENTASI DIGITAL SISTEM ADAPTIF LMS Indrastanti R. Widiasari Fakultas Teknologi Informasi - Universitas Kristen Satya Wacana indrastanti@yahoo.com ABSTRACT Most
Lebih terperinciANALISIS STEGANOGRAFI METODE TWO SIDED SIDE MATCH
ANALISIS STEGANOGRAFI METODE TWO SIDED SIDE MATCH Nurul Khairina Politeknik Ganesha Medan J Jl. Veteran No. 190 Pasar VI Manunggal nurulkhairina27@gmail.com Abstrak Terbatasnya ukuran citra terhadap panjang
Lebih terperinciSATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN CITRA / 8 KODE MK / SKS / SIFAT : AK / 2 SKS / MK LOKAL
SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN / 8 KODE MK / SKS / SIFAT : AK01220 / 2 SKS / MK LOKAL Pertemuan Pokok Bahasan dan ke TIU 1 PENDAHULUAN TIU mengetahui
Lebih terperinciPENGEMBANGAN KAMERA NON-METRIK UNTUK KEPERLUAN PEMODELAN BANGUNAN
Presentasi Tugas Akhir PENGEMBANGAN KAMERA NON-METRIK UNTUK KEPERLUAN PEMODELAN BANGUNAN Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember 213 Oleh: Muhammad Iftahul
Lebih terperinciPertemuan 2 Dasar Citra Digital. Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 2 Dasar Citra Digital Anny Yuniarti, S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman tentang konsep-konsep dasar dalam pengolahan citra digital, a.l.: Apakah pengolahan citra digital? Sampling dan
Lebih terperinciMetode Steganografi Penyisipan Karakter dengan Teknik LSB dan Penempatan Bit mengikuti Langkah Kuda Catur (L-Shape)
Metode Steganografi Penyisipan Karakter dengan Teknik LSB dan Penempatan Bit mengikuti Langkah Kuda Catur (L-Shape) Charits Muntachib 1,*, Ratri Dwi Atmaja 1, Bambang Hidayat 1 1 S1 Teknik Telekomunikasi,
Lebih terperinciNASKAH PUBLIKASI KOMPRESI IMAGE MENGGUNAKAN VECTOR QUANTIZATION
NASKAH PUBLIKASI KOMPRESI IMAGE MENGGUNAKAN VECTOR QUANTIZATION Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan Teknik Elektro Universitas
Lebih terperinciPeningkatan Resolusi Citra Digital dengan Interpolasi Bilinear
Peningkatan Resolusi Citra Digital dengan Interpolasi Bilinear (Ricky Christanto, Junibakti Sanubari, dan Ivanna K. Timotius) Peningkatan Resolusi Citra Digital dengan Interpolasi Bilinear Ricky Christanto,
Lebih terperinciBAB I PENDAHULUAN. MMS (Multimedia Messaging Service) adalah puncak dari evolusi SMS
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah MMS (Multimedia Messaging Service) adalah puncak dari evolusi SMS (Short Messaging Service) yang berupa pesan teks pendek, dan EMS (Enhanced Messaging Service)
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik adalah ilmu untuk menetapkan identitas seseorang berdasarkan ciri fisik, kimia, ataupun tingkah laku dari orang tersebut. Dewasa ini, biometrik telah menjadi suatu
Lebih terperinciPERANCANGAN APLIKASI PENGACAKAN CITRA MENGGUNAKAN M-SEQUENCE BERDASARKAN PARAMETER
PERANCANGAN APLIKASI PENGACAKAN CITRA MENGGUNAKAN M-SEQUENCE BERDASARKAN PARAMETER Kristian Telaumbanua 1, Susanto 2 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciPengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial
Pengembangan Algoritma Pengubahan Ukuran Citra Berbasiskan Analisis Gradien dengan Pendekatan Polinomial Eric Christopher School of Electrical Engineering and Informatics, Institute Technology of Bandung,
Lebih terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciPROSIDING ISBN :
T-21 PERBANDINGAN RASIO KOMPRESI PADA KOMPRESI CITRA DIGITAL BITMAP MENGGUNAKAN KOMBINASI METODE DISCRETE COSINE TRANSFORM DAN ARITHMETIC CODING DENGAN BERBAGAI DIMENSI CITRA SUMBER Dimas Aryo Prakoso
Lebih terperinciAPLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE
APLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE 1 Rudy Adipranata 2 Fauzi Josephine Desiree 3 Andreas Handojo 1, 2, 3 Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciOtentikasi Citra dengan Fragile Watermarking pada Citra GIF
Otentikasi Citra dengan Fragile Watermarking pada Citra GIF Farid Firdaus School of Electrical Engineering and Informatics Institute Technology of Bandung 10 th Ganeca Street Bandung, Indonesia firdaus.farid22@gmail.com
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciKONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC
KONVERSI FORMAT CITRA RGB KE FORMAT GRAYSCALE MENGGUNAKAN VISUAL BASIC Hanif Al Fatta STMIK AMIKOM Yogyakarta e-mail : hanivonitch@yahoo.com ABSTRACTS This paper explains how to manipulate image file format.
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
Lebih terperinci