SEGMENTASI CITRA PADA PETA DENGAN METODE FUZZY C- MEANS
|
|
- Sudirman Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SEGMENTASI CITRA PADA PETA DENGAN METODE FUZZY C MEANS Novanto Yudistira, S.Kom., M.Sc, Dinda Novitasari, W. Lisa Yunita, Nur Alfiyah, Chasandra Puspitasari, Arista Welasari Laboratorium Komputasi Cerdas dan Visualisasi, Jurusan Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya (UB), Malang, 65145, Indonesia yudistira@ub.ac.id, @mail.ub.ac.id, @mail.ub.ac.id, @mail.ub.ac.id, @mail.ub.ac.id, @mail.ub.ac.id Abstrak Perkembangan teknologi membuat banyak orang tertarik untuk meneliti dan menganalisis lebih lanjut seberapa besar peranannya dalam implementasi kehidupan seharihari. Proses pengenalan obyek yang dilakukan menggunakan segmentasi citra bermanfaat untuk membagi citra ke dalam beberapa bagian dengan menggunakan thresholding. Proses pengenalan obyek memerlukan beberapa pemisahan region atau wilayah untuk memisahkan gambar asli dengan gambar yang telah di olah. Segementasi citra yang akan diolah harus melalui beberapa tahap untuk selanjutnya di dapatkan citra baru yang memiliki contour, tekstur, dan penghitungan atas warna yang telah tercluster. Untuk melakukan segementasi peta, kami menggunakan metode Fuzzy cmeans Clustering. Metode ini mefinisikan derajad keanggotaan untuk mapatkan penghitungan clustering yang akan dilakuakn Kata kunci: segmentasi, citra, region, contour, tekstur, Fuzzy cmeans Clustering, derajad keanggotaan. I. PENDAHULUAN 1.1 Latar Belakang Segmentasi citra adalah proses pembagian wilayah berdasarkan kesamaan bagian pada nilai thresholding, yaitu suatu piksel dengan perbandingan tingkat thresholding pikselpiksel tetangganya. Thresholding adalah langkah awal untuk menentukan segmentasi citra, dimana nilai thresholding didapat dari nilai tengah yang dihitung dari skala keabuan yang didapat. Segmentasi citra biasa diimplementasikan dengan penggunaan clusterisasi suatu masalah. Pada paper ini akan dijelaskan jika segementasi dapat dilakukan dengan menggunakan metode fuzzy cmeans clustering. Terdapat 3 pembagian wilayah segmentasi yaitu segmentasi clustering (classification segmentation), segmentasi tepi (edge segmentation), dan segmentasi wilayah (region segmentation). Pembagian wilayah segmentasi di atas, dapat dijabarkan dengan :[1] 1. Segmentasi clustering (classification segmentation) Yaitu pemisahan citra menggunakan metode clustering dimana citra akan dihitung, hal ini dilakukan karena untuk mengelompokkan ruang warna yang berbeda menjadi satu sehingga dapat dilakukan penghitungan. 2. Segmentasi tepi (edge segmentation), Yaitu penggunaan tepi sebagai pembatas untuk menentukan wilayah yang ada pada himpunan pixel yang ada pada 2 wilayah yang berbeda. Jika terdapat banyak segmen, dapat diminimalkan dengan penghitungan property zero crossing dari turunan kedua. Pada segmentasi tepi berfungsi untuk mengidentifikasi garis batas (boundary) dari obyek yang ada pada citra. 3. Segmentasi wilayah (region segmentation) Yaitu pemisahan wilayah dengan menggunakan metode wilayah yang memiliki nilai threshold tertinggi. Pada segmentasi yang dilakukan, wilayah yang memiliki warna akan diubah menjadi keabuan, dimana wilayah yang memiliki nilai keabuan yang sama adalah wilayah yang ingin untuk dikelompokkan. Dengan memanfaatkan segmentasi yang ada, citra peta yang kami uji harus melalui 3 segmentasi yang telah dituliskan diatas. Awalnya citra akan dilakukan segmentasi tepi, kemudian dilakukan segmentasi clusteringkan dan kemudian dilakukan segmentasi wilayah. Untuk melakukan pengelompokkan kami menggunakan fuzzy cmeans untuk mengclusterkan wilayah yang akan dikonversi. Pada segmentasi yang kami lakukan terdapat beberapa fitur untuk mengubah peta yang ada untuk melakukan peningkatan kualitas citra dengan konversi. Konversi yang digunakan antara lain dengan konversi RGB Rumusan Masalah 1. Apa bahasa pomrograman yang digunakan dalam melakukan implementasi? 2. Apa penghitungan yang digunakan aplikasi untuk mengelompokkan wilayah dalam peta? 3. Apa saja fitur yang digunakan dalam melakukan konversi citra? 1
2 1.3 Batasan Masalah Dalam implementasinya di kehidupan nyata, digunakan batasan masalah dalam pembuatannya, berikut adalah batasan masalah: 1. Informasi diperoleh dari gambar yang diambil dan diuji oleh aplikasi yang dirancang. 2. Peta yang diinputkan sebagai media konversi akan ditampilkan kembali 3. Peta hasil konversi akan muncul sesuai dengan fitur yang dipilih oleh user untuk melakukan pengujian. 4. Aplikasi ini dilakukan dengan bahasa pemrograman MATLAB dengan bantuan tools interface. 1.4 Tujuan dari penggunaan aplikasi Metode fuzzy cmeans yang digunakan untuk mengelompokkan wilayah pada gambar kasus uji dapat didapat setelah melalui penghitungan. Setelah selesai melakukan penghitungan, maka user dapat melakukan pilihan output gambar tergantung fitur yang dipilih, sehingga masingmasing fitur yang telah ada memiliki karakteristik yang berbedabeda untuk menampilkan outputan/ hasil dari pengolahan citra. II. DASAR TEORI 2.1 Segmentasi Citra Segmentasi dilakukan untuk mapatkan hasil citra yang lebih baik dibanging dari citra original, yaitu terlihat jelas obyek yang disegmentasi akan memiliki warna yang lebih mencolok akan terlihat lebih putih setelah segementasi[6]. Tujuan dari segmentasi citra adalah melakukan pemisahan menurut metode yang digunakan. Berikut adalah gambaran dari proses yang dilakukan segmentasi citra : Gambar 1. Alur Penghitungan 1. Citra peta yang ada dimasukkan ke dalam aplikasi test uji 2. Akan terdeteksi ciri wilayah yang didapat dari peta, misalnya laut bewarna biru akan berbeda dengan daratan yang bewarna coklat. 3. Citra yang telah dideteksi ciricirinya akan dilakukan pemetaan untuk setiap kesamaan 4. Dilakukan pengelompokan fuzzy dengan menggunakan metode fuzzy cmeans 5. Setelah dilakukan penghitungan, maka akan diberikan tanda hasil penghitungan pengelompokkan fuzzy 6. Output berupa segmentasi citra akan terlihat. Tahaptahap diatas berisfat interaktif dimana penghitungan fuzzy cmeans digunakan untuk melakukan penandaan kelas sebelum dilakukan outputan. Sehingga proses satu dengan yang lain saling berhubungan dan terkait. 2.2 FUZZY CMEANS (FCM) [4] Fuzzy cmeans adalah pengelompokkan dengan menggunakan nilai keanggotaan. Metode ini memungkinkan jika 1 bagian segmen citra memiliki 2/ lebih kelompok. Hal ini dilakukan dengan memperbaiki nilai keanggotaan pusat pengelompokkan yang telah dihitung secara berulang. Teori ini juga disebut dengan metode hard C Means, dimana pixelpixel yang ada menjadi data olahan. Data yang telah masuk ini diproses dari semua kelas yang terbentuk dengan derajad keanggotaan berbedabeda, rentang derajad keanggotaan ini antara 01. Data yang ada ditentukan wilayahnya sesuai dengan derajad keanggotaan yang didapat. Pada kondisi awal penghitungan tidak mapat nilai yang akurat, sehingga diperlukan pengulangan untuk mapatkan hasil yang akurat, dimana pada setiap perulangan akan dilakukan perbaikan pusat pengelompokkan. Pengulangan dilakukan untuk menghitung jarak dari titik data yang telah dihitung pada pusat pengelompokkan yang telah memiliki derajad keanggotaan. Berikut adalah algoritma dari Fuzzy CMeans yang digunakan : 1. Menginputkan peta yang akan diuji pada cluster X, dimana cluster X adalah matriks a x b. x x X = x x " a = jumlah data yang akan dikelompokkan b = jumlah variable. X ij = data contoh kei (i=1,2,3,..a) dan data contoh kej (j=1,2,3,.b) 2. Menentukan beberapa variable seperti : jumlah kelompok yang akan dibentuk C = ( 2); pangkat = w; maksximum iterasi = MaxIter ; error terkecil yang diharapkan = Ɛ fungsi obyektif awal P = 0 Iterasi awal = t =1 ; 3. Mentriger bilangan random μ " dimana i = (1,2,..a); k = (1,2,3,..c); sebagai elemen matriks partisi awal U. 2
3 Menghitung jumlah tiap atribut : 𝑄 = Hitung : 𝜇" = 4. 𝜇" saja, melainkan terdiri dari data random yang selanjutnya di lihat berdasarkan kemirimpan yang ada. Tingkat kemiripan ini tergantung dari apa yang akan di samakan untuk dilakukan penghitungan, setiap kesamaan data satu dengan yang lain akan memiliki perbedaan yang berbeda dengan data yang lain. Karenanya tipe data yang akan dilakukan clustering baik secara kualitas ataupun kuantitas akan menentukan ukuran apa yang nantinya digunakan dalam pembuatan algoritma[5]. 𝜇" 𝑄 Menghitung pusat kelompuk ke k : 𝑉", dengan k = 1,2,.c dan j = 1,2,.b 𝑉" = 𝑣 𝑉= 𝑣 5. ((𝜇" ) 𝑋" " (𝜇" ) 2.5 Color Based Metode clustering yang kami lakukan adalah dengan menggunakan color based yaitu warna yang menjadi dasar dalam penentuan clustering yang dilakukan dalam melakukan pemetaan warna. Pada tahap, setiap wilayah atau region yang ada akan dibedakan menurut warna yang dihasilkan oleh tingkat penentuan warna RGB yang diambil dari proses deteksi peta yang diinputkan. RGB memiliki penghitungan rentang warna antara 0 hingga Nilai 0 adalah warna hitam dan 255 adalah warna putih. Dengan menggunakan penghitungan clustering, maka akan dikelompokkan warna yang didapat dengan hasil yang muncul. Kami mengcluster peta menjadi 3 warna untuk dibedakan, berikut adalah warna dasar untuk yang digunakan untuk clustering peta yang diuji. 𝑣 𝑣" Menghitung fungsi obyektif iterasi ke = t, 𝑃 = 6. 𝑋" 𝑉" ) ](𝜇" ) ([ Menghitung perubahan matriks partisi : 𝜇" = [ (𝑋" [ 𝑉" ) ] (𝑋" 𝑉" ) ] Dengan i =( 1,2,a) dan k =( 1,2,.c) Cek kondisi berarti berhenti Jika (𝑃 𝑃 < 𝜀} atau (t>maciter) maka stop Jika tidak : t = t+1, ulangi langkah ke4 Gambar 2. Color based yang tampak setelah clustering 3. Implementasi 3.1 Proses algoritma fuzzy cmeans dalam implementasi Setelah image diinputkan pada program maka akan dimasukkan ke dalam fungsi RGB, dimana RGB akan dilakukan pemisahan warna Red, Green Blue yang memiliki tingkat nilai yang berbedabeda pada setiap citra yang diinputkan. Berikut adalah code program untuk melakukan pemisahan warna berdasarkan RGB pada citra %==============RGB================% get individual RGB colours included in segmentation [a,b,c]=size(img.read); rc=img.read(:,:,1); gc=img.read(:,:,2); bc=img.read(:,:,3); Hasil dari FCM akan menampilkan kelompok data dalam bentuk bulat. Hal ini dikarenakan semua kelompok diasumsikan memiliki ukuran yang sama [2]. 2.3 Fitur RGB RGB adalah citra asli yang dikelompokkan dalam 3 warna utama yaitu Red, Green, Blue dimana masingmasing warna memiliki kapasitas sirisiri. Berikut adalah perhitungan RGB : Lightness Method Gray = (max(r, G, B) + min(r, G, B)) / 2 Average Method Gray = (R + G + B) / 3 Luminosity Method Gray = 0.21 R G B Image yang telah dikelompokkan menurut RGB, akan dimasukkan pada segmentasi sesuai dengan 3 cluster yang akan dilakukan. Berikut adalah code program saat melakukan segmentasi dengan memasukkan nilai RGB pada variabel baru : segcolors = double([rc(:) gc(:) bc(:)]); img.temp=img.read; 2.4 Clustering Pengertian Clustering adalah pemisahan data menjadi beberapa bagian/kelompok tersiri berdasarkan pola kemiripan atribut yang ada didalamnya[5]. Dalam melakukan clustering data yang akan dipisah ini tidak langsung terpisah begitu 3
4 % ============================== axes(handles.image3); img.load = imshow (img.temp); nclusters = 3; title('segmenting. Please wait...'); drawnow; Setelah dimasukkan dalam variabel baru maka akan dilakukan penghitungan fuzzy cmeans dengan melakukan memasukkan hasil segmentasi dengan cluter yang ada. [Idx,U,obj_fcn] = fcm(segcolors,nclusters); [g,j]=size(u); % ============================== img.status = zeros(a,b); img.clus1 = 0; img.clus2 = 0; img.clus3 = 0; Penghitungan Fuzzy cmeans membutuhkan penghitungan derajad keanggotaan untuk mapat clusterclusternya. Berikut adalah code program untuk menghitung derajad keanggotaan : degree = max(u); for i=1 : j if ( U(1,i)== degree(1,i) ) Id(i,:) = Idx(1,:); img.clus1 = img.clus1+1; elseif ( U(2,i)== degree(1,i) ) Id(i,:) = Idx(2,:); img.clus2 = img.clus2+1; elseif ( U(3,i)== degree(1,i) ) Id(i,:) = Idx(3,:); img.clus3 = img.clus3+1; img.size = j; Untuk mapat clustering, Berikut adalah contoh penghitungan Cluster yang dihitung oleh penghitungan derajad keanggotaan, dapat dilihat pada code berikut ini : % Cluster #1 clus1(1,:) = U(1,:); cluster1 = reshape(clus1,size(img.read(:,:,1)) ); markcluster1 = zeros(a,b); img.imagecluster1 = zeros(a,b,c); for x=1 : a for y=1 :b if cluster1(x,y)> 0.5 markcluster1(x,y) = 1; [pixel,i] = contour_trace(markcluster1,1,1); [batasx,batasy]=size(i); I(batasx,:) = 0; I(batasx1,:) = 0; I(:,batasy) = 0; I(:,batasy1) = 0; for x=1 : a for y=1 :b if I(x,y) == 255 img.imagecluster1(x,y,1)=idx(1,1); img.imagecluster1(x,y,2)=idx(1,2); img.imagecluster1(x,y,3)=idx(1,3); Dari hasil penghitungan FCM yang kami lakukan didapat bahwa kelas keanggotaan C1(warna abuabu) lebih rah dibanding C2(warna hitam) kelas keanggotaan C3(warna biru) lebih rah disbanding C2(warna hitam) kelas keanggotaan C2(warna hitam) lebih tinggi dari C3(warna biru) dan C1(warna abuabu) Dengan percobaan yang dilakukan, maka hasil penghitungan tidak dapat diabaikan begitu saja. Perkiraan representative dari cluster lain tetap dekat dengan volume utama kumpulan data. [3] Segmentasi yang kami lakukan dapat menginputkan gambar setelah menekan tombol open image dimana image harus di load untuk selanjutnya dilakukan penghitungan. Berikut adalah tampilan GUI dari program yang kami buat : Gambar 3. GUI Aplikasi Dalam implementasi pengclusteran peta yang kami uji, kami mapatkan hasil dengan menggunakan metode segmentasi fuzzy cmeans dan mapatkan hasil yang akurat. Berikut ini adalah gambar implementasi program yang kami buat : 4
5 Gambar 4. Implementasi dengan memasukkan peta PENUTUP 4.1 Kesimpulan Kesimpulan dari penulisan ini antara lain adalah : 1. Clustering citra dapat dilakukan dengan menggunakan metode fuzzy c means dimana akan diclusteringkan sesuai dengan rule yang kita inginkan dalam mengkategorikan wilayah pada peta. 2. Beberapa metode pengubahan citra dapat digunakan untuk memperbaiki citra. 3. Model pengubahan citra dapat dilakukan dengan mengubah warna menjadi beberapa bagian kemudian dihitung sesuai dengan konversi yang diinginkan. 4. Deteksi wilayah peta dapat dilakukan dengan bantuan clustering menggunakan metode fuzzy cmeans 5. Jika nilai confidence kurang dari batas yang ditentukan, maka akan dilakukan delete item. 4.2 Saran kami menerima kritik dan saran jika ingin mengetaui lebih lanjut tentang paper yang kami gunakan atau ingin mengembangkan lebih lanjut sistem ini. REFERENSI [1] Apriliani, Dya. Murinto.. Analisis perbandingan teknik segmentasi citra digital menggunakan metode levelset chan & vase dan lankton. [2]Reandy Sasmita, Novi. Sofyan, Hizir. Subianto, Muhammad. Perbandingan metode fuzzycmeans (FCM) dan fuzzy c sheel (FCS) menggunakan data citra satelit quicbird. [3]Subkhan, muhammad. Algoritma Clustering. Yogyakarta, [4] Irandha.P.W, Irma, Fariza, Arna, Martiana K, Entin. Analisa keluarga miskin dengan menggunakan metode fuzzy cmeans clustering. [5]Bahar, Penentuan jurusan sekolah menengah atas denganalgortima fuzzy cmeans [6]Witeti. Identifikasi Sel kanker Prostat menggunakan metode segmentasi berdasar ukuran objek pada citra. 5
BAB 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 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 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 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 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 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 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 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 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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
84 BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dibahas mengenai implementasi sistem yaitu spesifikasi sistem dan cara menggunakan aplikasi segmentasi citra dengan menggunakan metode Fuzzy C- Means
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 terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
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 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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
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 terperinciAspek Penerapan Video Segmentasi Sebagai Sistem Pendeteksi Pelanggaran Lalu Lintas
Aspek Penerapan Video Segmentasi Sebagai Sistem Pendeteksi Pelanggaran Lalu Lintas Christian Desamta. S*, Indra Yasri** *Alumni Tenik Elektro Universitas Riau**Jurusan Teknik Elektro Universitas Riau Kampus
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 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi
Lebih terperinciPEMANFAATAN APLIKASI GOOGLE EARTH SEBAGAI MEDIA PEMBELAJARAN GOGRAFIS MENGGUNAKAN METODE IMAGE ENHANCEMENT
PEMANFAATAN APLIKASI GOOGLE EARTH SEBAGAI MEDIA PEMBELAJARAN GOGRAFIS MENGGUNAKAN METODE IMAGE ENHANCEMENT Dewi Arita 1, Andri Pranolo 2 1 Teknik Informatika, FITB, Universitas Teknologi Yogyakarta Jalan
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 terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
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 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 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 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 terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB III PERANCANGAN PERANGKAT LUNAK
BAB III PERANCANGAN PERANGKAT LUNAK 3.1. Sistem Pendeteksi Senyum Sistem pendeteksi senyum dalam skripsi ini dibuat dengan membandingkan tiga buah metode, yaitu Harris Corner Detection, Edge Based Corner
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciCLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 02, No.1(2013), hal. 21-26 CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS Cary Lineker Simbolon,
Lebih terperinciBAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan
BAB V PENUTUP 5.1. Kesimpulan Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means
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 terperinciPENGKLASIFIKASIAN MAHASISWA JURUSAN TEKNIK ELEKTRO YANG MENGIKUTI MATA KULIAH RANGKAIAN LISTRIK DENGAN METODE FUZZY CLUSTERING. M.
Rodhi Faiz, Pengklasifikasian Mahasiswa Jurusan Teknik Elektro Yang Mengikuti Mata Kuliah Rangkaian Listrik Dengan Metode Fuzzy Clustering PENGKLASIFIKASIAN MAHASISWA JURUSAN TEKNIK ELEKTRO YANG MENGIKUTI
Lebih terperinciI. PENDAHULUAN. Contoh untuk proses segmentasi citra yang digunakan adalah klasterisasi (clustering).
1 MAKALAH SEMINAR TUGAS AKHIR SEGMENTASI CITRA MENGGUNAKAN TEKNIK PEMETAAN WARNA COLOR MAPPING) DENGAN BAHASA PEMROGRAMAN DELPHI Saptono Widodo*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Selama ini
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB IV ANALISA HASIL SISTEM. Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server
75 BAB IV ANALISA HASIL SISTEM 4.1 UMUM Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server Apache menggunakan PHP4-PHP5 dengan Apache2Triad sebagai tool dan matlab 6.1 sebagai
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciPENGKLASIFIKASIAN LULUSAN JURUSAN TEKNIK ELEKTRO BERDASARKAN NILAI IPK DENGAN METODE FUZZY CLUSTERING. M. Rodhi Faiz
Rodhi Faiz, Pengklasifikasian Lulusan Jurusan Teknik Elektro Berdasarkan Nilai Ipk Dengan Metode Fuzzy Clustering PENGKLASIFIKASIAN LULUSAN JURUSAN TEKNIK ELEKTRO BERDASARKAN NILAI IPK DENGAN METODE FUZZY
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 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 terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
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 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 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 terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu
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 terperinciIDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA
IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciPRAKTIKUM 2. MATRIK DAN JENIS CITRA
PRAKTIKUM 2. MATRIK DAN JENIS CITRA 1. TUJUAN: Mahasiswa memahami konsep matriks dan berbagai jenis citra Mahasiswa memahami konsep threshold dan mampu menerapka konsep threshold di dalam script Mahasiswa
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciANALISIS PERBANDINGAN TEKNIK SEGMENTASI CITRA DIGITAL MENGGUNAKAN METODE LEVEL SET CHAN & VESE DAN LANKTON
ANALISIS PERBANDINGAN TEKNIK SEGMENTASI CITRA DIGITAL MENGGUNAKAN METODE LEVEL SET CHAN & VESE DAN LANKTON Dyah Apriliani 1, Murinto 2 1 Mahasiswa Program Pasca Sarjana S2 Ilmu Komputer Undip Semarang
Lebih terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciAPLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN
APLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN Abdul Aziz, S.Si, M.Si. Abstrak Teknik Fuzzy c-means clustering termasuk dalam salah satu keluarga clustering. Seperti teknik clustering
Lebih terperinciKata kunci : Analisis kelompok, Fuzzy Clustering, Fuzzy C-Means (FCM), Fuzzy C-Shell (FCS), Penginderaaan Jarak Jauh.
PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY C- SHELL (FCS) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (STUDI KASUS DAERAH PEUKAN BADA, ACEH BESAR) Novi Reandy Sasmita 1, Hizir Sofyan 1, Muhammad Subianto
Lebih terperinciANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS
ANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS Iin Parlina1, Prof.Herman Mawengkang2, Dr.Syahril Efendi, S.Si, M.IT3 Magister Teknik Informatika, Universitas Sumatera Utara
Lebih terperinciBreak Even Point Estimation Using Fuzzy Cluster(FCM)
SNTIKI III 2011 ISSN : 2085-9902 1 Break Even Point Estimation Using Fuzzy Cluster(FCM) Stefant Cristian, Kartina Diah Kusuma W, S.T., Dadang Syarif SS, S.Si, M.Sc. Politeknik Caltex Riau Jl. Umban Sari
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab analisa dan perancangan ini akan mengulas tentang tahap yang digunakan dalam penelitian pembuatan aplikasi implementasi kompresi gambar menggunakan metode
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciPemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means
ISSN: 2089-3787 527 Pemilihan Minat Topik Tugas Akhir Menggunakan Metode Fuzzy C-Means Yulia Yudihartanti, Sudiyanur Hidayatullah STMIK Banjarbaru Jl. A. Yani Km. 33 Banjarbaru, 0511(4782881) e-mail: yuliaydh@yahoo.co.id,
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciPENERAPAN ALGORITMA K.MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
PENERAPAN ALGORITMA K.MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION Instianti Elyana Program Studi Manajemen Informatika Akademik Manajemen Informatika dan Komputer
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciANALISIS PERBANDINGAN TEKNIK SEGMENTASI CITRA DIGITAL MENGGUNAKAN METODE LEVEL-SET CHAN & VESE DAN LANKTON
ANALISIS PERBANDINGAN TEKNIK SEGMENTASI CITRA DIGITAL MENGGUNAKAN METODE LEVEL-SET CHAN & VESE DAN LANKTON 1 Dyah Apriliani (08018225), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika Universitas
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 terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
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 terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciANALISIS PERBANDINGAN ANTARA METODE IMAGE AVERAGING BERDASARKAN MEAN DAN MEDIAN PADA PENENTUAN GOLONGAN DARAH MANUSIA
ANALISIS PERBANDINGAN ANTARA METODE IMAGE AVERAGING BERDASARKAN MEAN DAN MEDIAN PADA PENENTUAN GOLONGAN DARAH MANUSIA Murinto, Eko Aribowo, Lidya Puspa Harleni Program Studi Teknik Informatika Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
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 terperinciSEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING DIGITAL FISH IMAGE SEGMENTATION BY THRESHOLDING METHOD
SEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING Max R. Kumaseh 1), Luther Latumakulita 1), Nelson Nainggolan 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat,
Lebih terperinci