JURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
|
|
- Susanti Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1
2 JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah Wita Widyandini, Atik Suprapti, R. Siti Rukayah Aplikasi Statistical Process Control (SPC) Dalam Pengendalian Variabilitas Kuat Tekan Beton Iwan Rustendi Identifikasi Wajah Menggunakan Principal Component Analysis Dengan Penambahan Fitur-fitur Geografis Kholistianingsih Tinjauan Pelaksanaan Pekerjaan pemadatan Tanah Pada Pekerjaan Jalan Rel Dwi Sri Wiyanti, Taufik Dwi Laksono Keberhasilan Deteksi Berbasis Pencocokan Template dengan Perubahan Lokasi Benda Kholistianingsih Pengaruh Pola Bayangan Terhadap Suhu Permukaan Ruang Luar Di Perumahan Taman Cipto Cirebon Eka Widiyananto Perancangan dan Implementasi Mikrokontroler Sebagai Pengendali Dan Pendeteksi Banjir Priyono Yulianto
3 JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN HALAMAN REDAKSI Jurnal Teodolita adalah jurnal imiah fakultas teknik Universitas Wijayakusuma Purwokerto yang merupakan wadah informasi berupa hasil penelitian, studi literatur maupun karya ilmiah terkait. Jurnal Teodolita terbit 2 kali setahun pada bulan Juni dan Desember. Penanggungjawab : Dekan Fakultas Teknik Universitas Wijayakusuma Purwokerto Pemimpin Redaksi : Taufik Dwi Laksono, ST MT Sekretaris : Dwi Sri Wiyanti, ST MT Bendahara : Basuki,ST MT Editor : Drs. Susatyo Adhi Pramono, M.Si Tim Reviewer : Taufik Dwi Laksono, ST MT Iwan Rustendi, ST MT Yohana Nursruwening, ST MT Wita Widyandini, ST MT Priyono Yulianto, ST MT Kholistianingsih, ST MT Alamat Redaksi : Sekretariat Jurnal Teodolita Fakultas Teknik Universitas Wijayakusuma Purwokerto Karangsalam-Beji Purwokerto Telp teodolitaunwiku@yahoo.com Tim Redaksi berhak untuk memutuskan menyangkut kelayakan tulisan ilmiah yang dikirim oleh penulis. Naskah yang di muat merupakan tanggungjawab penulis sepenuhnya dan tidak berkaitan dengan Tim Redaksi.
4 KEBERHASILAN DETEKSI BERBASIS PENCOCOKAN TEMPLATE DENGAN PERUBAHAN LOKASI BENDA Kholistianingsih Teknik Elektro Universitas Wijayakusuma Purwokerto Abstrak Penerapan teknologi pengolahan citra digital masih merupakan tantangan tersendiri bagi penekun dan peneliti pada bidang ini. Pencocokan template merupakan salah satu cara untuk melakukan pengenalan obyek, identifikasi, dan deteksi. Penelitian ini menggunakan algoritma pencocokan template untuk mendeteksi benda. Input yang digunakan adalah citra dengan variasi lokasi dari benda yang diuji. Parameter yang diukur sebagai dasar pengujian adalah nilai korelasi tertinggi. Pengujian yang dilakukan adalah kepekaan algoritma terhadap perubahan lokasi benda. Hasil pengujian menunjukkan bahwa tingkat keberhasilan deteksi objek memiliki nilai yang signifikan yaitu 100%. Hal ini menunjukkan bahwa perubahan lokasi benda tidak mengurangi tingkat keberhasilan deteksi. Kata kunci : pencocokan template, deteksi, korelasi PENDAHULUAN Manusia memiliki indra mata yang berfungsi menangkap keindahan dan keunikan gambar atau citra. Oleh karena itu, citra memegang peranan yang sangat penting dalam perspektif manusia. Akan tetapi mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik. Komputer atau mesisn pencitraan dapat menangkap hampir keseluruhan sinyal elektromagnetikmulai dari gamma hingga gelombang radio. Mesin pencitraan dapat bekerja dengan citra dari sumber yang tidak sesuai, tidak cocok, atau tidak dapat ditangkap dengan penglihatan manusia. Hal inilah yang menyebabkan pengolahan citra digital memiliki kegunaan dan spektrum aplikasi yang sangat luas. Teknologi pengolahan citra dapat masuk ke berbagai bidang seperti kedokteran, industri, pertanian, geologi, kelautan, dan sebagainya. Kehadiran teknologi pengolahan citra memberikan kemajuan yang luar biasa pada bidang-bidang tersebut. Ke depan penerapan teknologi pengolahan citra digital ini akan terus meluas. Hal ini merupakan tantangan tersendiri bagi penekun dan peneliti pada bidang ini. Keberhasilan Deteksi Berbasis Penocokan Template dengan Perubahan Lokasi Benda 55
5 Pengolahan citra meliputi bermacam-macam operasi. Operasi-operasi yang paling sederhana antara lain pra pengolahan citra untuk mengurangi derau, pengaturan kontras, dan pengaturan ketajaman citra. Selanjutnya juga ada operasi segmentasi dan klasifikasi. Pengolahan citra kategori tinggi melibatkan proses pengenalan dan deskripsi citra. [1-5] Template matching merupakan salah satu cara untuk melakukan: pengenalan obyek, identifikasi, dan deteksi. Salah satu metode template matching yang sering digunakan adalah korelasi, dengan memanfaatkan lokasi dari nilai korelasi silang tertinggi citra template dan citra frame yang berisi obyek yang ingin dideteksi. Teknik ini sebenarnya tahan terhadap derau dan pengaruh cahaya pada citra, tapi mengandung jumlah komputasi yang sangat besar. Point correlation dapat digunakan untuk mengurangi komputasi menjadi sekumpulan titik-titik dalam jumlah yang kecil [2-3]. Penelitian ini menggunakan algoritma template matching untuk mendeteksi benda. Inputnya adalah citra dengan variasi lokasi dari benda yang diuji. Pengujian yang dilakukan adalah kepekaan algoritma terhadap perubahan lokasi benda. LANDASAN TEORI Citra digital didefinisikan sebagai fungsi dua dimensi, f(x,y), dimana x dan y adalah koordinat spasial, dan amplitudo f pada setiap koordinat adalah intensitas derajat keabuan dari citra pada titik tersebut [3-4]. Template matching adalah proses mencari suatu obyek (template) di dalam suatu citra digital. Template dibandingkan dengan keseluruhan objek tersebut dan bila template cocok (cukup dekat) dengan suatu objek yang belum diketahui pada citra tersebut maka objek tersebut ditandai sebagai template [1]. Perbandingan antara template dengan keseluruhan objek pada citra dapat dilakukan dengan menghitung selisih jaraknya, seperti ditunjukkan pada persamaan 1. (1) 56 Teodolita Vol.14, No.1., Juni 2013:55-63
6 Dengan f(j,k) menyatakan citra tempat objek yang akan dibandingkan dengan template T(j,k), sedangkan D(m,n) menyatakan jarak antara template dengan objek pada citra. Pada umumnya template lebih kecil dari ukuran citra. Secara ideal, template dikatakan cocok dengan objek pada citra bila D(m,n) = 0, namun kondisi tersebut akan sulit dipenuhi apalagi jika template merupakan citra grayscale. Oleh karena itu, kondisi yang dicari adalah jika D(m,n) minimum. Hal ini akan terpenuhi jika nilai korelasi maksimum pada semua lokasi (m,n). Rumus korelasi ditunjukkan pada persamaan 2. (2) METODOLOGI PENELITIAN Penentuan nilai korelasi tertinggi merupakan langkah untuk mengidentifikasi nilai terukur sebagai pemisah dua daerah klasifikasi yang berbeda satu sama lain [6]. Nilai korelasi yang berbeda merupakan dasar dalam proses klasifikasi. Titik koordinat dimana terukur nilai korelas tertinggi adalah daerah terdeteksi dan selainnya adalah bukan daerah terdeteksi. Algoritma deteksi benda adalah : 1.Pra pengolahan citra yang meliputi pengubahan ukuran citra dan pengubahan menjadi citra grayscale. 2.Membaca input citra uji dan citra template. 3.Menghitung nilai korelasi. 4.Menentukan nilai korelasi tertinggi menjadi pemenang. 5.Menyimpan titik koordinat pemenang. 6.Menandai lokasi pemenang dengan garis kotak putih. DATA PENGAMATAN Data yang digunakan pada penelitian ini adalah sebuah data template sebagai data referensi dengan ukuran 39x46 piksel dan 100 buah citra uji yang berukuran 128x171 piksel. Data citra telah diubah dalam bentuk grayscale melalui proses pra pengolahan citra. Keberhasilan Deteksi Berbasis Penocokan Template dengan Perubahan Lokasi Benda 57
7 Citra Template ditunjukkan pada Gambar 1, yang merupakan citra dari obyek deteksi yang berupa Labu Siam. Gambar 2 menunjukkan Citra Uji, yang merupakan kumpulan beberapa jenis sayur yang diletakan pada lokasi yang bervariasi. Input citra uji menempatkan objek deteksi pada titik koordinat yang bervariasi. Akan tetapi setiap benda/objek pada citra uji, diletakan dengan arah posisi yang sama. Gambar 1. Citra Template Gambar 2. Citra Uji 58 Teodolita Vol.14, No.1., Juni 2013:55-63
8 HASIL DAN PEMBAHASAN Pengujian dilakukan terhadap 100 buah citra uji yang merupakan variasi lokasi dari objek deteksi. Pada penelitian ini, pemenang hanya ditentukan pada lokasi dengan nilai korelasi tertinggi. Hasil pengamatan diperoleh ditunjukkan dalam bentuk grafik. Gambar 3 menunjukkan proses deteksi benda. Gambar 3.a menunjukkan citra template, Gambar 3.b menunjukkan salah satu citra uji. Gambar 3.c menunjukkan hasil proses template matching. Keberhasilan deteksi ditunjukkan dengan tanda kotak dengan garis berwarna putih pada lokasi yang ditentukan sebagai pemenang. Keberhasilan deteksi diwakili dengan nilai persentase 0 % sampai dengan 100%. Tingkat keberhasilan ini diukur berdasarkan ketepatan lokasi kotak deteksi. Hal ini juga diperkuat dengan tampilan titik koordinat lokasi hasil deteksi yang ditunjukkan pada Tabel 1. Gambar 3. (a) Citra Template, (b) Citra Uji, (c) Hasil Operasi Deteksi Tabel 1 menunjukkan variasi titik koordinat objek yang dideteksi. Lokasi citra labu siam bervariasi dengan tingkat pergeseran kecil. Berdasarkan Tabel 1 ini, dapat diukur ketepatan lokasi hasil deteksi dengan membandingkan dengan titik koordinat lokasi labu siam berdasarkan pengamatan pada keadaan yang sebenarnya pada citra uji. Keberhasilan Deteksi Berbasis Penocokan Template dengan Perubahan Lokasi Benda 59
9 Tabel 1. Titik Koordinat Hasil Deteksi CITRA TITIK KOORDINAT CITRA TITIK KOORDINAT CITRA TITIK KOORDINAT UJI DETEKSI UJI DETEKSI UJI DETEKSI 1 57, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Teodolita Vol.14, No.1., Juni 2013:55-63
10 Gambar 4 merupakan grafik nilai korelasi dari 100 citra uji. Pada grafik ini, sumbu x menunjukkan data ke-x, dan sumbu y menunjukkan nilai korelasi tertinggi dan nilai korelasi terendah. Nilai korelasi tertinggi adalah nilai korelasi pemenang pada algoritma deteksi objek dengan metode pencocokan template ini. Pada grafik terlihat bahwa nilai korelasi tertinggi mengelompok pada bagian atas dari grafik. Hal ini menunjukkan bahwa nilai korelasi tertinggi relatif stabil, dengan nilai rata-rata ,61. Pada grafik juga ditunjukkan nilai korelasi terendah yang memiliki kecenderungan yang sama dengan kenaikan dan penurunan pada nilai korelasi tertinggi. Jadi rentang nilai korelasi relatif tetap yaitu dengan rata-rata ,65. Dengan nilai rentang yang relatif tetap ini, seharusnya nilai korelasi dapat dinormalisasi dengan membandingkan dengan nilai rentang rata-rata tersebut. Dengan demikian nilai korelasi dapat menjadi acuan untuk citra input bebas. 2.5 x 105 GRAFIK NILAI KORELASI CITRA UJI 2 Gambar 3. Grafik Nilai Korelasi dari Citra Uji Nilai Korelasi Tertinggi Terendah Citra Uji ke- Gambar 4. Nilai korelasi setiap citra uji Keberhasilan Deteksi Berbasis Penocokan Template dengan Perubahan Lokasi Benda 61
11 Tabel 2. Tingkat Keberhasilan Deteksi CITRA TINGKAT KEBERHASILAN CITRA TINGKAT KEBERHASILAN CITRA TINGKAT KEBERHASILAN UJI DETEKSI (%) UJI DETEKSI (%) UJI DETEKSI (%) Teodolita Vol.14, No.1., Juni 2013:55-63
12 Tabel 2 menunjukkan tingkat keberhasilan deteksi. Tingkat keberhasilan ditentukan dengan ketepatan lokasi kotak bergaris putih pada target objek labu siam dan ketepatan titik koordinat hasil deteksi. Tingkat keberhasilan deteksi rata-rata pada penelitian ini adalah 100%. Berdasarkan analisis di atas, pencocokan template sangat baik dalam keberhasilannya mendeteksi benda/objek dengan variabel lokasi titik koordinat benda. Hal ini ditunjukkan dengan perolehan tingkat keberhasilan yang cukup signifikan yaitu 100%. Akan tetapi pada penelitian ini, input masih dibatasi dengan arah posisi yang tetap dan kualitas citra yang sama. KESIMPULAN Penelitian ini menunjukkan bahwa algoritma pencocokan template sangat baik dalam keberhasilannya mendeteksi benda/objek dengan variabel lokasi titik koordinat benda. Tingkat keberhasilan yang diperoleh adalah 100%. Nilai korelasi tertinggi rata-rata yang diperoleh adalah ,61. Penelitian ini masih sangat sederhana. Penelitian ini masih dapat dikembangkan lagi dengan menguji algoritma pencocokan template terhadap variabel input yang berbeda, antara lain dengan menguji pengaruh kekaburan citra terhadap keberhasilan deteksi atau menguji terhadap perubahan arah posisi objek. Nilai korelasi juga perlu untuk dinormalisasi agar data dapat dijadikan acuan atau standar yang tetap. DAFTAR PUSTAKA [1] Putra, Darma, Pengolahan Citra Digital, Andi Offset, Yogyakarta, [2] Ahmad, Usman, Pengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu, Yogyakarta, 2005 [3] Gonzales,R.C., Woods, R.E., Digital Image Processing, Prentice Hall, Third Edition. New Jersey, 2008 [4] Sonka, M,, Hlavac, V., and Boyle, R..,Image Processing, Analysis, and Machine Vision, Third Edition, Thomson Corporation, Canada, [5] Wijaya, M. Ch., Priyono, A., Pengolahan Citra Digital Menggunakan Matlab, Informatika, Bandung, [6] Theodoridis, S., Koutroumbas, K., Pattern Recognition, Academic Press, Burlington, USA, 2009 Keberhasilan Deteksi Berbasis Penocokan Template dengan Perubahan Lokasi Benda 63
JURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 ISSN 1411-1586 DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas.. 1-11 Wita Widyandini, Yohana Nursruwening Analisa
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciJURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 5 NO., Juni 04 ISSN 4-586 DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas.. - Wita Widyandini, Yohana Nursruwening Analisa Tingkat
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciJURNAL TEODOLITA. VOL. 15 NO. 2, Desember 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 2, Desember 2014 ISSN 1411-1586 DAFTAR ISI Orientasi Dan Hirarki Pada Tata Ruang Permukiman ABOGE Cikakak Di Wangon, Banyumas.... 1-10 Wita Widyandini, Dwi Jati Lestariningsih
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciJURNAL TEODOLITA. VOL. 15 NO. 2, Desember 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 5 NO. 2, Desember 204 ISSN 4-586 DAFTAR ISI Orientasi Dan Hirarki Pada Tata Ruang Permukiman ABOGE Cikakak Di Wangon, Banyumas.... - 0 Wita Widyandini, Dwi Jati Lestariningsih Persepsi
Lebih terperinciJURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 ISSN 1411-1586 DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas.. 1-11 Wita Widyandini, Yohana Nursruwening Analisa
Lebih terperinciJURNAL TEODOLITA. VOL. 16 NO. 1, Juni 2015 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 16 NO. 1, Juni 2015 ISSN 1411-1586 DAFTAR ISI Analisis Kebutuhan Ruang Parkir Berdasarkan Analisis Kapasitas Ruang Parkir DI RSUD Banyumas..... 1-15 Dwi Sri Wiyanti Analisa Kapasitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
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 terperinciJURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 ISSN 1411-1586 DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas.. 1-11 Wita Widyandini, Yohana Nursruwening Analisa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
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 terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciIdentifikasi dan Kumulasi Pilihan Jawaban Responden Pada Kertas Lembar Jawaban Menggunakan Metoda Template Matching
Identifikasi dan Kumulasi Pilihan Jawaban Responden Pada Kertas Lembar Jawaban Menggunakan Metoda Template Matching Joko Risanto dan Zaiful Bahri Jurusan Matematika FMIPA Universitas Riau E-mail: jokorisanto@yahoo.co.id
Lebih terperinciKAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,
KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
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 terperinciJURNAL TEODOLITA. VOL. 15 NO. 2, Desember 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 2, Desember 2014 ISSN 1411-1586 DAFTAR ISI Orientasi Dan Hirarki Pada Tata Ruang Permukiman ABOGE Cikakak Di Wangon, Banyumas.... 1-10 Wita Widyandini, Dwi Jati Lestariningsih
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
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 terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciJURNAL TEODOLITA. VOL. 14 NO. 1, Juni 2013 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 14 NO. 1, Juni 2013 ISSN 1411-1586 DAFTAR ISI Perpaduan Arsitektur Jawa dan Sunda Pada Permukiman Bonokeling Di Banyumas, Jawa Tengah...1-15 Wita Widyandini, Atik Suprapti, R. Siti
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciPENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI. Disusun Oleh : Hery Pramono NPM.
PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI Disusun Oleh : Hery Pramono NPM. 0434010389 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS
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 II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciJURNAL TEODOLITA. VOL. 16 NO. 1, Juni 2015 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 16 NO. 1, Juni 2015 ISSN 1411-1586 DAFTAR ISI Analisis Kebutuhan Ruang Parkir Berdasarkan Analisis Kapasitas Ruang Parkir DI RSUD Banyumas..... 1-15 Dwi Sri Wiyanti Analisa Kapasitas
Lebih terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciBAB I PENDAHULUAN. karakteristik kerjanya menyerupai jaringan Syaraf biologis manusia. Jaringan
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Jaringan Syaraf tiruan adalah suatu sistem pengolah informasi yang karakteristik kerjanya menyerupai jaringan Syaraf biologis manusia. Jaringan Syaraf tiruan
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
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 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 terperinciJURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 ISSN 1411-1586 DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas.. 1-11 Wita Widyandini, Yohana Nursruwening Analisa
Lebih terperinciImplementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI
Implementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI 1 Desti Riminarsih dan 2 Cut Maisyarah Karyati 1 Pusat Studi Komputasi Matematika(PSKM), Universitas
Lebih terperinciJURNAL TEODOLITA. VOL. 15 NO. 2, Desember 2014 ISSN DAFTAR ISI
JURNAL TEODOLITA VOL. 15 NO. 2, Desember 2014 ISSN 1411-1586 DAFTAR ISI Orientasi Dan Hirarki Pada Tata Ruang Permukiman ABOGE Cikakak Di Wangon, Banyumas.... 1-10 Wita Widyandini, Dwi Jati Lestariningsih
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciPerbaikan Citra X-ray Gigi Menggunakan Contrast Stretching
Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Ima Kurniastuti 1, Tri Deviasari Wulan 1, I Ketut Eddy Purnama 2, Mauridhi Hery Purnomo 2, Margareta Rinastiti 3, Fatmala Agustina 1 1 Sistem
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 terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
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 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 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 terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
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 terperinciANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI
ANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI Hanafi (12110244) Mahasiswa Program Studi Teknik Informatika, Stmik Budidarma Medan Jl. Sisimangaraja
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciPENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU
PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU Oleh: Amilia Khoiro Masruri 1210 100 029 Dosen Pembimbing: Dr. Budi Setiyono, S.Si, MT JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
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 terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciOperasi Bertetangga (1)
Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga
Lebih terperinciOperasi Titik Kartika Firdausy
Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan
Lebih terperinciRancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra
Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas
Lebih terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB I PENDAHULUAN. Citra (image) istilah lain untuk gambar sebagai salah satu komponen
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Citra (image) istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik
Lebih terperinciMENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET
MENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET Purnomo Adi Setiyono Program Studi Teknik Informatika-S1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro (Udinus) Semarang
Lebih terperinciAPLIKASI BIOMETRICS TELAPAK TANGAN MENGGUNAKAN PERBANDINGAN HISTOGRAM
APLIKASI BIOMETRICS TELAPAK TANGAN MENGGUNAKAN PERBANDINGAN HISTOGRAM Freska Rolansa Jurusan Teknik Elektro Politeknik Negeri Pontianak Email freska_ynz@yahoo.co.id Abstrak: Keamanan informasi merupakan
Lebih terperinciANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI
ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI Afriliana Kusumadewi 1 * Sugeng Santoso 2 * Abstrak Teknik histogram equalization merupakan
Lebih terperinciBAB 1 PENDAHULUAN. Sistem penglihatan manusia merupakan suatu system yang sangat kompleks,
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG PERMASALAHAN Sistem penglihatan manusia merupakan suatu system yang sangat kompleks, tetapi sangat dapat diandalkan. Sistem ini memberikan sarana pengenalan obyek yang
Lebih terperinciOTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR
Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27/11/2008 OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Thiang, Leonardus Indrotanoto Jurusan Teknik
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciPENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE
PENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE Muhammad Luqman Afif - A11.2009.04985 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang ABSTRAK Program
Lebih terperinciSistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot
Sistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot Mara Nugraha Teknik Informatika Universitas Gunadarma Jl. Margonda Raya 100, Depok maranugraha@sta.gunadarma.ac.id Abstrak Pengenalan
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
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 terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
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 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 terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
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 terperinciPercobaan 1 Percobaan 2
direpresentasikan dengan histogram. Perlakuan pertama terhadap data-data penelitian ini adalah menghitung histogramnya. Kemudian dari interval antara 0-255 akan dibagi menjadi interval-interval bagian
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 terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciKonsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI
Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real
Lebih terperinci