Penemuan Dimensi Standar Kepala Manusia Berdasarkan Citra CT
|
|
- Ida Glenna Santoso
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Penemuan Dimensi Standar Kepala Manusia Berdasarkan Citra CT Bayu Kurniawan, Dr. I Ketut Eddy Purnama, ST., MT., Ir. Stevanus Hardiristanto,. ST., MT Jurusan Teknik Elektro FTI-ITS Abstrak Angka kecelakaan lalu lintas dan bencana alam di Indonesia semakin tinggi, mengakibatkan banyak korban yang mengalami patah tulang. Tindakan medis berupa pembedahan biasanya dilakukan untuk menyambung tulang dengan menggunakan bone plate. Dalam pemasangan plat diperlukan perkiraan panjang plat dan sekrup yang sesuai dengan dimensi tulang korban. Jika plat yang digunakan terlalu panjang akan merusak tulang, sedangkan jika terlalu pendek akan mempengaruhi kekuatan tulang. Sekarang ini belum ada penemuan dimensi standar kepala manusia, sehingga pada penelitian ini akan dibuat suatu sistem untuk mendapatkan dimensi kepala berdasarkan parameterparameter yang diukur seperti lebar tengkorak, tulang pipi, tulang rahang, panjang tulang tengkorak dan titik kelengkungan tengkorak. Tahap awal pada penelitian ini yaitu segmentasi, dimana hasil segmentasi akan digunakan acuan untuk mengukur parameter-parameter yang telah ditentukan. Kemudian hasil pengukuran fitur tersebut akan dijadikan input untuk klasifikasi. Pada tahap penemuan kelas dimensi tulang diimplementasikan algoritma K-means. Pada proses klasifikasi diperoleh dua kelas dimensi tulang yang paling sesuai untuk data citra CT dengan nilai rata-rata dan silhouette negatif sebanyak 0 buah. Tingkat akurasi yang didapat sebesar 93.99%. Dengan adanya penelitian ini diharapkan dapat digunakan sebagai dasar penentuan standar dimensi tulang kepala berdasarkan fitur yang didapat sehingga dapat dimanfaatkan dalam berbagai kebutuhan seperti pembuatan bone plate. T Kata Kunci Bone Plate, K-means, Citra CT I. PENDAHULUAN ulang merupakan bagian yang penting dari tubuh manusia. Tanpa adanya tulang yang kokoh manusia tidaklah mungkin bisa beraktifitas dengan baik. Tulang berfungsi untuk melindungi bagian-bagian tubuh yang lunak dan sebagai tempat menempelnya otot. Karena tulang merupakan bagian tubuh yang tidak lentur, maka tulang bisa patah jika terkena benturan keras. Tulang memiliki bentuk yang sama pada manusia. Akan tetapi ukuran tulang bisa berbeda pada setiap orang, karena setiap orang mempunyai tipe dan bentuk tubuh yang berbeda. Ukuran tulang bisa dibedakan dari ukuran fitur tulang, misalnya panjang tulang. Dengan mengetahui ukuran sebuah tulang bisa didapatkan ukuran atau kelas dimensi tulang. II. DASAR TEORI A. Citra CT Pencitraan medis bertujuan untuk menghasilkan citra dari sebagian atau keseluruhan dari bagian tubuh manusia untuk kepentingan medis seperti pemeriksaan medis dan diagnose penyakit atau untuk kepentingan ilmu kedokteran seperti anatomi dan fisiologi. Modality adalah jenis scanner yang digunakan untuk menghasilkan citra medis. Terdapat beberapa jenis modality yang digunakan untuk menghasilkan citra medis. Dalam penelitian Tugas Akhir ini akan digunakan Citra CT dengan standard DICOM. Computed Tomography (CT) atau juga dikenal dengan Computed Assisted Tomography / Computerized Axial Tomography (CAT), merupakan suatu modalitas yang memberikan informasi anatomi atau struktural dari seorang pasien. Pemindai CT dapat menghasilkan lebih dari 100 irisan gambar berukuran 512x512 dengan ketebalan irisan sekitar mm. B. Bone Plate Bone plate adalah salah satu cara yang digunakan untuk menyembuhkan tulang yang patah dan retak. Bone plate harus cukup kuat untuk menopang beban pada daerah yang patah selama proses penyembuhan tulang. Dalam pemasangan bone plate juga harus memperhatikan ukuran yang cocok pada bagian tulang yang akan dipasangkan bone plate, apabila bone plate yang dipasang tidak cocok dengan tulang yang akan dipasangkan bone plate, maka akan merusak bagian tulang yang ada disekitarnya Pada Gambar 2.3 ditunjukkan bahwa ketika merancang desain plat tulang, pemilihan material, dan biokompatibilitas adalah tiga pertimbangan penting, Plate juga harus memiliki kekakuan yang sama dengan tulang yang ditempeli. Implan harus tidak beracun dan tidak menyebabkan respons peradangan di dalam tubuh. Ada beberapa bahan yang dipakai untuk membuat plate diantaranya metals, Hydroxyapatite, Polylactic acid (PLA), Polycaprolactone (PCL), Composite Materials.
2 untuk memisahkan objek dari latar belakang dapat digunakan rumus. 1 iiii ff(xx, yy) TT gg(xx, yy) = 0 iiii ff (xx, yy) TT...(2.1) Gambar 2.3 Bone Plate [9] C. Segmentasi Secara umum segmentasi merupakan proses untuk membagi citra sedemikian rupa sehingga didapatkan bagianbagian yang mempunyai kesamaan ciri yang bisa berupa warna pada citra berwarna, tingkat keabuan pada citra grayscale, atau posisi piksel yang terletak dalam satu objek. Saat ini ada banyak teknik atau metode untuk segmentasi citra salah satunya adalah tresholding. Segmentasi ini berfungsi untuk mendapatkan garis dengan asumsi bahwa garis tersebut merupakan tepi dari obyek yang memisahkan obyek dengan obyek yang lain atau antara obyek dengan background. Hasil dari tahapan segmentasi adalah didapatnya citra tiga dimensi tulang. Berdasarkan citra ini akan ditentukan fitur- fitur yang bisa digunakan sebagai pembeda antara tulang seseorang dengan orang lain. Setelah itu akan diadakan aplikasi untuk mengukur fitur yang sudah ditentukan. Pengukuran harus dilakukan dalam domain tiga dimensi. Nilai dari fitur-fitur yang didapat pada tahapan pengukuran fitur digunakan untuk menemukan kelas. Oleh karena itu jumlah dimensi standard atau jumlah kelas tidak diketahui, maka teknik yang cocok untuk menemukan kelas dimensi tulang nantinya adalah menggunakan teknik-teknik klastering. Tujuan utama dari klastering adalah mengelompokkan sejumlah data kedalam klaster atau grup sedemikian rupa sehingga di dalam setiap klaster hanya terdiri dari data yang semirip mungkin. Dengan demikian teknik klastering berusaha untuk memperkecil jarak kemiripannya data dalam satu klaster dan memperbesar jarak data jika berbeda klasternya. Jadi masukan untuk teknik klastering adalah nilai fitur fitur tulang, sedangkan keluarannya adalah jumlah kelas yang ada. Jumlah kelas ini nantinya akan menjadi jumlah dimensi standar tulang.[1] D. Tresholding Thresholding merupakan salah satu metode segmentasi berdasarkan daerah yang memiliki nilai piksel tertentu (region based). Metode ini digunakan pada citra dengan objek yang cenderung memiliki intensitas warna yang homogen dan terletak pada kisaran keabuan tertentu. Pada penelitian tugas akhir ini range tresholding yang digunakan yaitu Untuk memperjelas penjelasan tentang thresholding, diberikan contoh histogram persebaran piksel dari sebuah citra dengan fungsi f(x,y) (lihat gambar 2.7). Pada histogram tersebut persebaran nilai piksel terbagi menjadi dua grup dengan nilai piksel T sebagai pembatas dari kedua grup. Dimisalkan jika f(x,y), T merupakan nilai piksel yang merepresentasikan objek dari citra dan f(x,y) < T adalah nilai piksel yang merepresentasikan latar belakang citra maka T Gambar 2.7. Histogram Persebaran Piksel E. Pengukuran Fitur Pengukuran fitur dilakukan untuk mendapatkan hasil dimensi dari setiap parameter-parameter yang akan diukur seperti, lebar tengkorak, tulang pipi, tulang rahang, panjang kepala, dan tinggi kepala dengan menggukan alat ukur (KLK). F. K-Means Klastering Algoritma K-means merupakan algoritma yang relatif sederhana untuk mengklasifikasikan atau mengelompokkan sejumlah objek berdasarkan atribut tertentu kedalam kelompok-kelompok (klaster) sebanyak K. Pada algoritma K- means jumlah cluster K sudah ditentukan terlebih dahulu. Setiap cluster memiliki titik pusat (centroid) dan anggotaanggota dari satu cluster dipilih berdasarkan jarak titik pusat dan anggota-anggota dari satu cluster dipilih berdasarkan titik jarak dari titik pusat cluster yang terdekat penentuan keanggotaan dan titik pusat cluster kemudian menjadi tidak mudah karena penambahan satu anggota pada lokasi yang signifikan akan merubah lokasi titik pusat cluster, dan status dari keanggotaan harus ditinjau kembali perubahan keanggotaan kemudian akan kembali merubah titik pusat dan seterusnya keanggotaan akan berubah lagi. Oleh karena itu penentuan titik pusat dan keanggotaan cluster harus dilakukan dalam iterasi (perulangan) sehingga letak titk pusat dan keanggotaan benar-benar stabil dalam artian tidak berpindahpindah.
3 Gambar 4. Desain sistem IV. IMPLEMENTASI Gambar 3. Flowchart algoritma K-Means III. METODOLOGI Alur penelitian yang dilakukan ditunjukkan pada Gambar 4. Secara garis besar penelitian ini dibagi menjadi tiga tahapan, yaitu tahapan segmentasi, tahapan pengukuran fitur dan tahapan penentuan kelas. Tahapan segmentasi bertujuan untuk mendapatkan bagian yang merupakan bagian dari tulang yang sedang diteliti. Kemudian fitur-fitur yang bisa membedakan antara tulang antar pasien ditentukan dan diukur pada tahapan selanjutnya yaitu tahapan pengukuran fitur. Terakhir, berdasarkan nilai fitur- fitur yang didapat, akan dilakukan proses untuk menemukan kelas dengan menggunakan teknikteknik klastering. Adapun langkah yang dilakukan pada masing-masing tahap adalah sebagai berikut : 1) Segmentasi a) Pembacaan Citra DICOM untuk Membaca satu set citra DICOM hasil citra CT. b) Segmentasi untuk memperoleh citra tulang. A. Segmentasi Segmentasi citra dapat diartikan sebagai ekstraksi bagian tertentu suatu citra dari bagian lain. Dalam bidang medical imaging segmentasi dapat diartikan sebagai proses identifikasi dan pemisahan tipe jaringan. Segmentasi umum digunakan pada data citra CT untuk mengelompokkan suatu jaringan dengan organ tubuh atau struktur anatomi tertentu. Tujuan utama dari tahap ini adalah memperoleh bagian tulang yang diinginkan dari citra CT. Tahap segmentasi ditujukan untuk membaca input data berupa satu slice citra CT dan mendapatkan citra tiga dimensi bagian permukaan tulang dari citra tersebut. Gambar 5 Tampilan Hasil Segmentasi Dua Dimensi 2) Pengukuran Fitur a) Penentuan dua titik dan garis hubungnya. b) Pengukuran jarak. c) Penyimpanan hasil pengukuran kedalam file txt. 3) Penentuan Kelas a) Pembacaan data pasien dari hasil pengukuran. b) Estimasi Jumlah kelas dengan metode klastering. Dalam penelitian ini akan diimplementasikan sebuah prototipe aplikasi untuk masing-masing tahap. Gamabr 6 Tampilan Hasil Segmentasi Tiga Dimensi
4 B. Pengukuran Fitur Pengukuran fitur dilakukan pada file DICOM yang merupakan hasil dari segmentasi Kemudian dilanjutkan dengan penentuan titik awal dan titik akhir pengukuran. Kemudian dibuat sebuah garis hubung antara kedua titik utuk mempermudah pengamatan perhitungan jarak kedua titik tersebut.hasil pengukuran jarak disebut sebagai fitur dari tulang yang diukur. Fitur-fitur yang diperoleh disimpan pada file txt fitur tulang pasien yang akan digunakan sebagai input pada tahap kuantifikasi dan penemuan kelas dimensi tulang. Tabel 2 Error Enam Kali Pengukuran Pada Pipi % % % % % % Tabel 2 merupakan prosentase error untuk enam kali perhitungan tersebut. untuk ukuran panjangnya = 91.18, nilai rata-rata error yang didapatkan pada hasil pengukuran pipi adalah 2.65%, sedangkan untuk nilai rata-rata untuk perhitungan jarak adalah Gambar 6. Tampilan Aplikasi Pengukuran Fitur pada Parameter Pertama Tabel 1 Error Enam Kali Pengukuran Pada Lebar Tengkorak % % % % % % Tabel.1 merupakan prosentase error untuk enam kali perhitungan tersebut. untuk ukuran panjangnya = , nilai rata-rata error yang didapatkan pada hasil pengukuran lebar kepala adalah 1.17%, sedangkan untuk nilai rata-rata untuk perhitungan jarak adalah Gambar 8 Pengukuran Tulang Rahang Tabel 3 Error Enam Kali Pengukuran Pada Rahang % % % % % % Tabel 3 merupakan prosentase error untuk enam kali perhitungan tersebut. untuk ukuran panjangnya = 84.64, nilai rata-rata error yang didapatkan pada hasil pengukuran rahang adalah 4.40%, sedangkan untuk nilai rata-rata untuk perhitungan jarak adalah Gambar 7 Pengukuran Tulang Pipi
5 Gambar 9 Pengukuran Panjang Kepala Tabel 4 Error Enam Kali Pengukuran Pada Panjang Tengkorak % % % % % % Tabel 4 merupakan prosentase error untuk enam kali perhitungan tersebut. untuk ukuran panjangnya , nilai rata-rata error yang didapatkan pada hasil pengukuran panjang tengkorak adalah 0.85%, sedangkan untuk nilai ratarata untuk perhitungan jarak adalah C. Penemuan Kelas Dimensi Tulang Pada tahap ini akan digunakan salah satu algoritma klastering yang digunakan untuk menemukan jumlah kelas pada suatu sebaran data yaitu algoritma K-Means. Gambar 11 Hasil Klastering dengan k=3 Tabel 6 Hasil Klasifikasi k=3 Lebar Tengkorak Kelas Jarak Jumlah Prosentase Anggota Data % % % Berdasarkan tabel diatas dapat ditarik kesimpulan bahwa untuk klastering terhadap 30 data paling baik dikelompokkan menjadi 2 kelas. V. PENUTUP Gambar 10 Pengukuran Tinggi Kepala Tabel 5 Error Enam Kali Pengukuran Pada Tinggi Tengkorak % % % % % % Tabel 5 merupakan prosentase error untuk enam kali perhitungan tersebut. untuk ukuran panjangnya = , nilai rata-rata error yang didapatkan pada hasil pengukuran tinggi kepala adalah 20.97%, sedangkan untuk nilai rata-rata untuk perhitungan jarak adalah A. Kesimpulan Dari hasil penelitian pada tugas akhir ini dapat disimpulkan bahwa: 1. Citra CT yang sudah diolah, menunjukkan bahwa ukuran dimensi yang paling bagus dibagi dalam dua klaster, karena tidak terdapat nilai negatif pada silhoutte dan memiliki nilai mean yang besar. 2. Fitur yang bisa digunakan untuk menemukan dimensi kepala adalah lebar tengkorak, tulang pipi, tulang rahang, panjang tengkorak, kelengkungan pada tulang tengkorak 3. Nilai rata-rata error yang didapat untuk pengukuran 5 fitur sebesar 8,81%. Dengan nilai error untuk masingmasing sebesar 15.18% untuk fitur pertama, 2,65% untuk fitur kedua, 4,40 % untuk fitur ketiga, 0,85% untuk fitur keempat dan 20,97% untuk fitur kelima. B. Saran Penelitian dalam tugas akhir ini melakukan penemuan kelas berdasar citra 3D. Penelitian ini perlu dilanjutkan dengan menggunakan fitur-fitur dalam bentuk 3D seperti fitur pada bagian kaki, tangan dan lain-lain.
6 DAFTAR PUSTAKA [1] Purnama, K.E., dkk, Dimensi Tulang orang Indonesia: Kuantifikasi dan Penemuan Kelas dari hasil Segmentasi Tiga Dimensi pada Citra CT, Program Insentif Kementerian Negara Riset dan Teknologi (RISET TERAPAN), 2010 [2] Sofyan, Moh., Clustering dengan Algoritma K-Means, Ilmu Komputer FMIPA UGM, 2008 [3] J.B.MacQueen, Some Methods for classification and analysis of Multimedia Observation, University California Press,1967 [4] J.D. Bronzino, The Biomedical Engineering Handbook 2nd Edition, vol. 1, CRC Press, Boca Raton, 2000, p.61. [5] Dyah Artaria Myrtati, Metode Pengukuran Manusia Universitas Airlangga, bab 3 dan 4, [6] Dr.pinna, Lung Cancer Deaths Reduced By CT Scan, United States, [7] Titin, Sistem gerak pada manusia, Jakarta [8] Putz R. Sabotta, Anatomi Manusia, Jakarta [9] Kartika Heny, Anatomi Hidung, ECG 2007.
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciPENGEMBANGAN APLIKASI UNTUK KUANTIFIKASI DAN PENEMUAN KELAS DIMENSI TULANG MANUSIA
PENGEMBANGAN APLIKASI UNTUK KUANTIFIKASI DAN PENEMUAN KELAS DIMENSI TULANG MANUSIA (The Development of an Application for Quantification and Determination of Dimension Class of Human s Bones) MISBAHUL
Lebih terperinciSegmentasi Bagian Paru-Paru di Citra 2D CT-Scan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan Naser Jawas STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail: naser.jawas@stikom-bali.ac.id
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 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 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 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 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 terperinciBAB I PENDAHULUAN. organ dalam tubuh seperti Computed Tomography (CT) scan, Digital
BAB I PENDAHULUAN A. Latar Belakang Perkembangan jaman menghantarkan masyarakat dunia masuk ke era globalisasi dimana tidak ada keterbatasan ruang dan waktu yang melingkupi berbagai aspek. Kemajuan teknologi
Lebih terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
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 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 terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih terperinciPerbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering
Berkala MIPA, 23(3), September 2014 Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Muhammad Safrizal 1 dan Agus Harjoko 2 1,2 Universitas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciSEGMENTASI CITRA. thresholding
SEGMENTASI CITRA Dalam visi komputer, Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen (set piksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi adalah untuk menyederhanakan
Lebih 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 terperinciSegmentasi Region Growing Untuk Deteksi Nodul Sebagai Indikasi Kanker Paru
Segmentasi Region Growing Untuk Deteksi Nodul Sebagai Indikasi Kanker Paru Rodiah 1, Ferhat Nuh Riza 2 1,2 Universitas Gunadarma, Jl.Margonda Raya 100 Pondok Cina Depok 1 rodiah@staff.gunadarma.com 2 bluespreak@gmail.com
Lebih terperinciPENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING
A-99 PENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING Rachmad Zaini Alberto 1, Winda Kurnia Sari 2, Samsuryadi 3, Anggina Primanita 4 1,2,3,4 Fakultas
Lebih terperinciPenghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi
Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tumor Otak Otak manusia merupakan pusat pengaturan yang memiliki volume sekitar 1.350cc dan terdiri atas 100 juta sel saraf ( neuron). Otak mengatur dan mengkoordinir sebagaian
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penemuan sinar-x oleh fisikawan Jerman, bernama Wilhelm C. Roentgen pada tahun 1895, memungkinkan manusia untuk pertama kalinya dapat melihat struktur internal suatu
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 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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendarahan Otak adalah suatu kondisi dimana terdapat darah di jaringan otak baik itu di dalam otak (Intracerebral) maupun diantara lapisan-lapisan pelindung otak (Cranial
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 terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-664
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-664 Rancang Bangun Pixel Art Converter Menggunakan Segmentasi berbasis K-means Clustering Yuna Sugianela, Nanik Suciati, dan
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 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 terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciIdentifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia
Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia Imam Subekti, I Ketut Eddy Purnama, Mauridhi Hery Purnomo. Jurusan Teknik Elektro FTI - ITS Penelitian ini mengidentifikasi
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. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
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 terperinciBAB I PENDAHULUAN. Osteoporosis atau keropos tulang adalah penyakit silent epidemic, yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Osteoporosis atau keropos tulang adalah penyakit silent epidemic, yang berarti pengeroposan tulang yang berlangsung secara diam-diam dan terus menerus. Untuk
Lebih terperinciKLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING
KLASTERISASI KOMPETENSI GURU MENGGUNAKAN HASIL PENILAIAN PORTOFOLIO SERTIFIKASI GURU DENGAN METODE DATA MINING Ari Kurniawan, Mochamad Hariadi S2 Teknik Elektro (Telematika), Institut Teknologi Sepuluh
Lebih terperinciBAB I PENDAHULUAN. Bab pertama ini terbagi menjadi enam bagian yang masing-masing akan
BAB I PENDAHULUAN Bab pertama ini terbagi menjadi enam bagian yang masing-masing akan menjelaskan rmengenai latar belakang, pendefinisian masalah, tujuan dari penelitian, ruang lingkup, metodologi penelitian
Lebih terperinciSEGMENTASI CITRA X-RAY DARI CITRA CT MENGGUNAKAN ACTIVE CONTOUR
SEGMENTASI CITRA X-RAY DARI CITRA CT MENGGUNAKAN ACTIVE CONTOUR Indrawati Program Studi Teknik Informatika Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe Jln. Banda Aceh Medan Km. 80.5 Buketrata
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Alat transportasi merupakan bagian dari ekosistem kota yang perlahan terus berkembang dan memenuhi kebutuhan penduduk agar dapat berpindah dari satu tempat
Lebih terperinciPOSITRON, Vol. III, No. 2 (2013), Hal ISSN :
Analisis Fraktal Citra Mammogram Berbasis Tekstur Sebagai Pendukung Diagnosis Kanker Payudara Muspika Helja 1), Nurhasanah 1), Joko Sampurno 1) 1) Program Studi Fisika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciProgram Magister Bidang Keahlian Telematika Jurusan Teknik Elektro FTI ITS
Dosen Pembimbing Dr. I Ketut Eddy Purnama, S. T., M. T. Moch Hariadi S.T, MSc, PhD Program Magister Bidang Keahlian Telematika Jurusan Teknik Elektro FTI ITS Masih banyaknya penderita TBC di Indonesia
Lebih terperinciSeminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciBab I. Pendahuluan. dibutuhkan. Tidak hanya untuk memudahkan proses penyimpanan dan
Bab I Pendahuluan I. 1 Latar Belakang Dewasa ini, kebutuhan akan sebuah teknologi yang mampu menganalisis dan mengklasifikasikan berbagai citra ke dalam kelas-kelas yang sesuai sangat dibutuhkan. Tidak
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pada saat sekarang ini pengolahan citra (Image Processing) mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang kehidupan antara lain bidang arkeologi,
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 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 terperinciPENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR
PENGELOMPOKAN BIMBINGAN BELAJAR MENGGUNAKAN METODE CLUSTERING DI SMA NEGERI 1 CILAKU KABUPATEN CIANJUR SIDANG SKRIPSI Oleh Adry Rahadinata 10108069 Penguji 1 Andri Heryandi, S.T., M.T. Penguji 2 Adam Mukharil
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 terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
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 terperinciIDENTIFIKASI TANDA-TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN-BALIK (BACKPROPAGATION)
IDENTIFIKASI TANDA-TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN-BALIK (BACKPROPAGATION) Dian Kurnia Widya Buana 1) Achmad Hidayatno 2) R. Rizal Isnanto 2) Abstrak: Identifikasi tanda tangan manusia
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 terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada prakteknya, bidang kedokteran dan biologi mengandalkan visualisasi untuk mempelajari struktur anatomi tubuh dan sel maupun fungsi biologis untuk mendeteksi serta
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Selama lebih dari dua puluh tahun terakhir, penelitian tentang tumor otak yang dilakukan oleh National Cancer Institute Statistics (NCIS) menyebutkan penyakit tumor
Lebih terperinciSegmentasi Citra Paru Menggunakan Metode k-means Clustering
Segmentasi Citra Paru Menggunakan Metode k-means Clustering Atina Universitas PGRI Palembang Email: atina.salsabila@gmail.com Received July 17, 2017; Revised July 21, 2017; Accepted September 15, 2017
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bahasa Lampung merupakan bahasa tradisional masyarakat Lampung. Masyarakat Lampung sering menggunakan Bahasa Lampung sebagai bahasa komunikasi sehari-hari. Biasanya,
Lebih terperinciPerformansi David Laser Scanner untuk Pengukuran Antropometri Kaki
Petunjuk Sitasi: Dharma, I. G., & Nathania, N. A. (2017). Performansi David Laser Scanner untuk Pengukuran Antropometri Kaki. Prosiding SNTI dan SATELIT (pp. B239-243). Malang: Jurusan Teknik Industri
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
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 terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih 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 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 terperinciPENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak
PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL Annisa Hayatunnufus [1], Andrizal,MT [2], Dodon Yendri,M.Kom [3] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas
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 terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciII. Tinjauan Pustaka
Analisa Citra Medis Pada Pasien Stroke dengan Metoda Peregangan Kontras Berbasis ImageJ Budiani Destyningtias, Andi Kurniawan Nugroho, Sri Heranurweni Jurusan Teknik Elektro Universitas Semarang destyningtias@usm.ac.id;
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Data dari Sistem Informasi Rumah Sakit (SIRS) tahun 2010 menginformasikan bahwa kasus patah tulang meningkat setiap tahun sejak 2007. Pada 2007 tercatat ada 22,815
Lebih terperinciBAB 3 PERANCANGAN PERANGKAT LUNAK
A 3 PERANCANGAN PERANGKAT LUNAK Pada bab ini diuraikan mengenai perancangan perangkat lunak untuk implementasi aplikasi pengenalan obyek tiga dimensi dengan metode Subclass Discriminant Analysis (SDA).
Lebih terperinciDAFTAR ISI. BAB II... Error! Bookmark not defined.
DAFTAR ISI SKRIPSI... Error! Bookmark not defined. HALAMAN PERSETUJUAN SKRIPSI... Error! Bookmark not defined. PENGESAHAN DEWAN PENGUJI... Error! Bookmark not defined. PERNYATAAN KEASLIAN TUGAS AKHIR...
Lebih terperinciBAB I PENDAHULUAN. dengan alat medis seperti Computed Tomography (CT) scan atau Magnetic
BAB I PENDAHULUAN A. Latar Belakang Penyakit pada bagian dalam tubuh manusia merupakan suatu hal yang tidak dapat dilihat secara langsung. Contohnya untuk mengetahui dan mendiagnosa penyakit tumor pada
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
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 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 terperinciImplementasi Deteksi Mata Otomatis Menggunakan Pemfilteran Intensitas dan K-Means Clustering
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Mata Otomatis Menggunakan Pemfilteran Intensitas dan K-Means Clustering Ahmad Kadiq, Arya Yudhi Wijaya,
Lebih terperinciAPPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL
APPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL Denni Dwi Kristanto, Dr. Bertalya, SKom., DEA. Undergraduate Program, Faculty of Industrial
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Antropometri adalah suatu cabang ilmu antropologi fisik yang mempelajari tentang teknik pengukuran tubuh manusia meliputi cara untuk mengukur dan melakukan pengamatan
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah kemiskinan merupakan hal yang sangat kompleks. Di wilayah Kecamatan Bantul, seorang warga disebut sebagai keluarga miskin berdasarkan beberapa aspek seperti
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
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 terperinci