JURNAL TEODOLITA. VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI
|
|
- Lanny Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1
2 JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 ISSN DAFTAR ISI Mesjid Saka Tunggal Sebagai Ruang Ritual Komunitas Islam ABOGE di Desa Cikakak Banyumas Wita Widyandini, Yohana Nursruwening Analisa Tingkat Pelayanan Jalan Simpang Bersinyal Dengan Program Manual Kapasitas Jalan Indonesia (MKJI) 1997 (Studi kasus Simpang Empat DKT Purwokerto Pingit Broto Atmadi Pengaruh Orientasi Obyek Pada Algoritma Template Matching Kholistianingsih Pengaruh Faktor Spekulasi Pasar Terhadap Harga Properti Perumahan Di Wilayah Perkotaan Dwi Jati Lestariningsih, Basuki Teknologi Mikrokontroler Untuk Mengukur Panjang Kabel Priyono Yulianto Pemanfaatan Abu Limbah Rotan Sebagai Campuran Adukan Beton Iwan Rustendi
3 JURNAL TEODOLITA VOL. 15 NO. 1, Juni 2014 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 PENGARUH ORIENTASI OBYEK PADA ALGORITMA TEMPLATE MATCHING Kholistianingsih Teknik Elektro Universitas Wijayakusuma Purwokerto Abstrak Image processing merupakan bidang ilmu yang masih terus berkembang dan memerlukan penelitian yang berkelanjutan. Penelitian ini menguji pengaruh orientasi obyek terhadap keberhasilan algoritma template matching. Input pengujian merupakan citra dengan sudut kemiringan obyek yang berbeda. Tujuannya adalah untuk memperoleh batas sudut kemiringan tertinggi yang masih dapat dideteksi dengan tepat. Penelitian ini menunjukkan bahwa algoritma pencocokan template masih sangat baik dalam keberhasilannya mendeteksi benda/obyek dengan orientasi yang berbeda. Sudut kemiringan tertinggi yang dapat dideteksi adalah 15,8. Kata kunci : template matching, orientasi obyek, sudut kemiringan PENDAHULUAN Citra adalah kumpulan piksel-piksel yang disusun dalam larik dua dimensi. Piksel adalah sampel dari pemandangan yang mengandung intensitas citra yang dinyatakan dalam bilangan bulat. Hal inilah yang membuat citra menjadi obyek yang dapat diolah. Pengolahan citra atau image processing merupakan bidang ilmu yang masih terus berkembang dan memerlukan penelitian yang berkelanjutan. Algoritma Template matchng merupakan salah satu metode untuk menemukan sebuah obyek dalam sebuah citra. Sebuah penelitian [1] menguji kepekaan algoritma template matching untuk mendeteksi benda pada sebuah citra dengan variabel 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. Penelitian selanjutnya [2] melakukan pengujian untuk menentukan batas kekaburan citra yang masih bisa ditoleransi dalam deteksi benda dengan menggunakan metode template matching. Efek kabur diperoleh dengan menerapkan filter Gaussian pada citra uji. Hasil Pengaruh Orientasi Obyek Pada Algoritma Template Matching 23
5 penelitian menunjukkan bahwa metode ini mampu mendeteksi benda/objek kabur dengan baik dalam batas radius efek gaussian yang diterapkan kurang dari 1,7 piksel. Penelitian ini merupakan kelanjutan dari dua penelitian di atas. Pada penelitian ini diuji pengaruh orientasi obyek terhadap keberhasilan algoritma template matching. Input pengujian merupakan citra dengan sudut kemiringan obyek yang berbeda. Tujuannya adalah untuk memperoleh batas sudut kemiringan tertinggi yang masih dapat dideteksi dengan tepat. LANDASAN TEORI A. Template Matching 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. Perbandingan antara template dengan keseluruhan objek pada citra dapat dilakukan dengan menghitung selisih jaraknya, seperti ditunjukkan pada persamaan 1. 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). Persamaan 2 menunjukkan rumus korelasi [1-7]. (1) (2) B. Rotasi Rotasi merupakan suatu transformasi geometri memindahkan nilai-nilai piksel dari posisi awal menuju posisi akhir yang ditentukan melalui nilai variabel rotasi sebesar atau garis horizontal dari citra. 24 Teodolita Vol.15, No.1., Juni 2014:23-33
6 Proses rotasi dapat dilakukan dengan persamaan berikut: (3) (4) Di mana (x 0,y 0 ) adalah koordinat titik pusat dari citra input dan adalah sumbu putar. Sumbu putar apada umumnya memiliki arah putar searah jarum jam denga garis horizontal. Seperti halnya operasi translasi, hasil perhitungan posisi hasil rotasi dapat memberikan nilai di luar batas citra output (apabila ukuran citra output sama dengan citra input) [3]. METODOLOGI Langkah-langkah pada algoritma deteksi benda dijelaskan sebagai berikut [2]: a. Pra Pengolahan Citra Pra pengolahan citra meliputi proses-proses yaitu pengubahan ukuran citra, pengubahan citra menjadi grayscale, dan menerapkan operasi rotasi dengan sudut kemiringan yang berbeda. Proses pengubahan ukuran citra dan pengubahan citra menjadi grayscale dilakukan terhadap citra template dan citra uji. Proses penerapan operasi rotasi dilakukan pada citra uji untuk memperoleh citra uji dengan sudut kemiringan yang terukur. Sudut kemiringan semakin tinggi dengan perubahan kecil yaitu 1. Opersi rotasi dilakukan searah jarum jam. b. Membaca input citra template dan citra uji Langkah kedua merupakan langkah untuk menetapkan input sebagai citra template dan citra uji. Pada algoritma ini dibatasi bahwa citra template adalah citra dengan ukuran yang lebih kecil. c. Menghitung nilai korelasi. Langkah ini merupakan langkah untuk menghitung nilai korelasi citra template terhadap citra uji pada setiap pergeseran titik koordinat pada citra uji. Nilai korelasi dihitung dengan persamaan 2. d. Menentukan Nilai Korelasi Tertinggi Sebagai Pemenang Langkah ini merupakan langkah untuk menentukan nilai korelasi tertinggi yang diperoleh. Lokasi titik koordinat citra uji dimana diperoleh nilai tersebut disimpan. e. Menandai lokasi pemenang dengan garis kotak putih. Langkah ini merupakan langkah untuk menentukan hasil deteksi. Hasil deteksi ditunjukkan dengan menandai lokasi dengan kotak bergaris putih. Pengaruh Orientasi Obyek Pada Algoritma Template Matching 25
7 DATA PENGAMATAN Data yang digunakan pada penelitian ini adalah sebuah data template sebagai data referensi dengan ukuran 72x26 piksel dan 110 buah citra uji yang berukuran 174x131 piksel. Data citra telah diubah dalam bentuk grayscale melalui proses pra pengolahan citra. Citra Template ditunjukkan pada Gambar 1, yang merupakan citra dari obyek deteksi yang berupa pare. Gambar 2 menunjukkan sampel citra uji, yang merupakan kumpulan beberapa jenis sayuran. Citra uji merupakan hasil pra pengolahan citra dengan menerapkan operasi rotasi dengan orientasi yang berbeda. Variabel orientasi berupa nilai sudut kemiringan hasil operasi rotasi. Operasi rotasi dilakukan searah jarum jam. Data citra uji yang digunakan adalah 5 citra uji. Setiap citra uji terdiri dari 22 citra uji dengan sudut kemiringan 1 sampai dengan 22. Gambar 3 merupakan 22 buah citra uji 1 dengan sudut kemiringan 1 sampai dengan 22. Gambar 1. Citra Referensi Gambar 2. Kumpulan citra uji 1 dengan perbedaan orientasi atau sudut kemiringan HASIL DAN PEMBAHASAN Pengujian dilakukan terhadap 5x22 buah citra uji yang merupakan citra hasil pra pengolahan citra. Citra-citra tersebut merupakan citra dengan orientasi yang berbeda.citra- 26 Teodolita Vol.15, No.1., Juni 2014:23-33
8 citra ini diperoleh dengan melakukan operasi rotasi dengan sudut yang berbeda berbeda. Pada penelitian ini, ditentukan batas maksimum sudut perlakuan rotasi yang masih dapat ditoleransi oleh algoritma template matching. Gambar 3 menunjukkan sampel hasil deteksi. Gambar 3.a menunjukkan sampel yang menunjukkan true detection (benar deteksi), dan. Gambar 3.b menunjukkan sampel yang menunjukkan false detection (salah deteksi). Keberhasilan deteksi ditunjukkan dengan tanda kotak dengan garis berwarna putih pada lokasi yang ditentukan sebagai objek deteksi. Sampel true detection menandai hasil deteksi pada objek sesuai dengan objek pada citra template, yaitu buah apel. Sampel false detection menandai hasil deteksi tidak pada lokasi objek sesuai dengan objek pada citra template [2]. Hasil Deteksi Hasil Deteksi (a) (b) Gambar 3. Hasil deteksi (a) True detection, (b) False detection Pada Gambar 4, ditunjukkan grafik yang menggambarkan posisi titik koordinat hasil deteksi. Gambar 4.a adalah grafik titik koordinat (x,y) hasil deteksi pada citra uji 1. Citra uji 1 terdiri dari 22 citra dengan orientasi atau sudut kemiringan 1 sampai dengan 22. Pada grafik tampak bahwa ada dua kelompok kumpulan titik. Kelompok pertama berupa kumpulan titik yang terdiri dari 14 titik berurutan dengan pergeseran kecil. Kelompok kedua berupa kumpulan titik yang terdiri dari 8 titik yang tidak teratur dan terpisah jauh dari kelompok yang pertama. Hal ini menunjukkan perbedaan antara titik-titik yang mendeteksi pada posisi yang tepat dan titik-titik yang mendeteksi pada posisi yang tidak tepat. Kelompok yang mendeteksi dengan tepat adalah kelompok yang pertama. Pergeseran titik hasil deteksi adalah pengaruh dari perubahan orientasi atau sudut kemiringan obyek. Perubahan sudut 1 menyebabkan posisi obyek tergeser dengan perubahan yang kecil yaitu 1 sampai dengan 3 piksel. Oleh karena itu seiring dengan kenaikan sudut kemiringan, posisi titik deteksi tergeser Pengaruh Orientasi Obyek Pada Algoritma Template Matching 27
9 dan membentuk grafik yang halus. Pada citra uji 1, sudut kemiringan terbesar yang masih mendeteksi dengan tepat adalah Citra uji 1 75 Citra uji koordinat deteksi (y) koordinat deteksi (y) koordinat deteksi (x) 120 (a) Citra uji koordinat deteksi (x) 105 (b) Citra uji koordinat deteksi (y) koordinat deteksi (y) koordinat deteksi (x) (c) koordinat deteksi (x) (d) 28 Teodolita Vol.15, No.1., Juni 2014:23-33
10 75 Citra uji 5 70 koordinat deteksi (y) koordinat deteksi (x) (e) Gambar 4. Grafik titik kordinat (x,y) citra uji, (a) Grafik titik koordinat citra uji 1, (b) Grafik titik koordinat citra uji 2, (c) Grafik titik koordinat citra uji 3, (d) Grafik titik koordinat citra uji 4, (e) Grafik titik koordinat citra uji 5 Gambar 4.b adalah grafik titik koordinat (x,y) hasil deteksi pada citra uji 2. Citra uji 2 terdiri dari 22 citra dengan orientasi atau sudut kemiringan 1 sampai dengan 22. Pada grafik tampak bahwa ada dua kelompok kumpulan titik. Kelompok pertama berupa kumpulan titik yang terdiri dari 15 titik berurutan dengan pergeseran kecil. Kelompok kedua berupa kumpulan titik yang terdiri dari 7 titik yang tidak teratur dan terpisah jauh dari kelompok yang pertama. Hal ini menunjukkan perbedaan antara titik-titik yang mendeteksi pada posisi yang tepat dan titik-titik yang mendeteksi pada posisi yang tidak tepat. Kelompok yang mendeteksi dengan tepat adalah kelompok yang pertama. Pergeseran titik hasil deteksi adalah pengaruh dari perubahan orientasi atau sudut kemiringan obyek. Perubahan sudut 1 menyebabkan posisi obyek tergeser dengan perubahan yang kecil yaitu 1 sampai dengan 3 piksel. Oleh karena itu seiring dengan kenaikan sudut kemiringan, posisi titik deteksi tergeser dan membentuk grafik yang halus. Pada citra uji 2, sudut kemiringan terbesar yang masih mendeteksi dengan tepat adalah 15. Gambar 4.c adalah grafik titik koordinat (x,y) hasil deteksi pada citra uji 3. Citra uji 3 terdiri dari 22 citra dengan orientasi atau sudut kemiringan 1 sampai dengan 22. Pada grafik tampak bahwa ada dua kelompok kumpulan titik. Kelompok pertama berupa kumpulan titik yang terdiri dari 20 titik berurutan dengan pergeseran kecil. Kelompok kedua berupa kumpulan titik yang terdiri dari 1 titik yang tidak teratur dan terpisah jauh dari kelompok yang pertama. Hal ini menunjukkan perbedaan antara titik-titik yang mendeteksi Pengaruh Orientasi Obyek Pada Algoritma Template Matching 29
11 pada posisi yang tepat dan titik-titik yang mendeteksi pada posisi yang tidak tepat. Kelompok yang mendeteksi dengan tepat adalah kelompok yang pertama. Pergeseran titik hasil deteksi adalah pengaruh dari perubahan orientasi atau sudut kemiringan obyek. Perubahan sudut 1 menyebabkan posisi obyek tergeser dengan perubahan yang kecil yaitu 1 sampai dengan 3 piksel. Oleh karena itu seiring dengan kenaikan sudut kemiringan, posisi titik deteksi tergeser dan membentuk grafik yang halus. Pada citra uji 3, sudut kemiringan terbesar yang masih mendeteksi dengan tepat adalah 20. Gambar 4.d adalah grafik titik koordinat (x,y) hasil deteksi pada citra uji 4. Citra uji 4 terdiri dari 22 citra dengan orientasi atau sudut kemiringan 1 sampai dengan 22. Pada grafik tampak bahwa ada dua kelompok kumpulan titik. Kelompok pertama berupa kumpulan titik yang terdiri dari 15 titik berurutan dengan pergeseran kecil. Kelompok kedua berupa kumpulan titik yang terdiri dari 7 titik yang tidak teratur dan terpisah jauh dari kelompok yang pertama. Hal ini menunjukkan perbedaan antara titik-titik yang mendeteksi pada posisi yang tepat dan titik-titik yang mendeteksi pada posisi yang tidak tepat. Kelompok yang mendeteksi dengan tepat adalah kelompok yang pertama. Pergeseran titik hasil deteksi adalah pengaruh dari perubahan orientasi atau sudut kemiringan obyek. Perubahan sudut 1 menyebabkan posisi obyek tergeser dengan perubahan yang kecil yaitu 1 sampai dengan 3 piksel. Oleh karena itu seiring dengan kenaikan sudut kemiringan, posisi titik deteksi tergeser dan membentuk grafik yang halus. Pada citra uji 4, sudut kemiringan terbesar yang masih mendeteksi dengan tepat adalah 15. Gambar 4.e adalah grafik titik koordinat (x,y) hasil deteksi pada citra uji 5. Citra uji 5 terdiri dari 22 citra dengan orientasi atau sudut kemiringan 1 sampai dengan 22. Pada grafik tampak bahwa ada dua kelompok kumpulan titik. Kelompok pertama berupa kumpulan titik yang terdiri dari 15 titik berurutan dengan pergeseran kecil. Kelompok kedua berupa kumpulan titik yang terdiri dari 7 titik yang tidak teratur dan terpisah jauh dari kelompok yang pertama. Hal ini menunjukkan perbedaan antara titik-titik yang mendeteksi pada posisi yang tepat dan titik-titik yang mendeteksi pada posisi yang tidak tepat. Kelompok yang mendeteksi dengan tepat adalah kelompok yang pertama. Pergeseran titik hasil deteksi adalah pengaruh dari perubahan orientasi atau sudut kemiringan obyek. Perubahan sudut 1 menyebabkan posisi obyek tergeser dengan perubahan yang kecil yaitu 1 sampai dengan 3 piksel. Oleh karena itu seiring dengan kenaikan sudut kemiringan, posisi titik deteksi tergeser 30 Teodolita Vol.15, No.1., Juni 2014:23-33
12 dan membentuk grafik yang halus. Pada citra uji 5, sudut kemiringan terbesar yang masih mendeteksi dengan tepat adalah 15. Gambar 5 merupakan grafik nilai korelasi dari 5 citra uji. Setiap citra uji telah diubahubah dengan menerapkan operasi rotasi dengan sudut kemiringan tertentu. Pada grafik ini, sumbu x menunjukkan data ke-x, dan sumbu y menunjukkan nilai korelasi tertinggi dan nilai korelasi terendah. Setiap pasangan kurva mewakili satu citra uji terhadap kenaikan Sudut kemiringan. Nilai korelasi tertinggi adalah nilai korelasi pemenang pada algoritma deteksi objek dengan metode pencocokan template ini. Pada grafik terlihat bahwa nilai korelasi tertinggi menurun seiring dengan kenaikan sudut kemiringan. Sedangan nilai korelasi terendah relatif tetap. Hal ini menunjukkan bahwa rentang nilai korelasi menurun. Tabel 1 menunjukkan sudut kemiringan tertinggi yang dapat dideteksi dengan baik dari setiap citra uji. Sudut kemiringan tertinggi rata-rata adalah 15,8. Hal ini menunjukkan bahwa algoritma template matching dapat berfungsi dengan baik jika input pada orientasi yang maksimal mempunyai sudut kemiringan 15,8 terhadap orientasi citra template. 2.5 x 105 Citra uji 1 Terendah Tertinggi 2.5 x 105 Citra uji 2 Terendah Tertinggi Korelasi 1 Korelasi sudut rotasi (derajat) (a) sudut rotasi (derajat) (b) Pengaruh Orientasi Obyek Pada Algoritma Template Matching 31
13 2.5 x 105 Citra uji 3 Terendah Tertinggi 2.5 x 105 Citra uji 4 Terendah Tertinggi Korelasi 1 Korelasi sudut rotasi (derajat) (c) sudut rotasi (derajat) (d) 2.5 x 105 Citra uji 5 Terendah Tertinggi Korelasi sudut rotasi (derajat) (e) Gambar 5. Grafik nilai korelasi citra uji, (a) Grafik nilai korelasi citra uji 1, (b) Grafik nilai korelasi citra uji 2, (c) Grafik nilai korelasi citra uji 3, (d) Grafik nilai korelasi citra uji 4, (e) Grafik nilai korelasi citra uji 5 Tabel1. Sudut kemiringan tertinggi No Citra uji Sudut kemiringan tertinggi 1 2 Citra uji 1 Citra uji Citra uji Citra uji Citra uji Teodolita Vol.15, No.1., Juni 2014:23-33
14 KESIMPULAN Penelitian ini menunjukkan bahwa algoritma pencocokan template masih sangat baik dalam keberhasilannya mendeteksi benda/obyek dengan orientasi yang berbeda. Sudut kemiringan tertinggi yang dapat dideteksi adalah 15,8. Penelitian ini masih memilki banyak kekurangan. Penelitian ini masih dapat dikembangkan lagi dengan mengembangkannya menjadi sistem identifikasi obyek. Nilai korelasi juga perlu untuk dinormalisasi agar data dapat dijadikan acuan atau standar yang tetap. DAFTAR PUSTAKA [1] Kholistianingsih, Keberhasilan Deteksi Berbasis Pencocokan Template dengan Perubahan Lokasi Benda, Teodolita vol. 15 no. 1, [2] Kholistianingsih, Pengaruh Efek Kabur Terhadap Keberhasilan Deteksi Obyek dengan Metode Template Matching, Teodolita vol. 15 no. 2, [3] Putra, Darma, Pengolahan Citra Digital, Andi Offset, Yogyakarta, [4] Hidayat, R., Kholistianingsih, Geometric Feature Extraction for Face Recognition, 5 th AUN/SEED-Net Regional Conference on Information and Communications Technology, Manila, [5] Ahmad, Usman, Pengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu, Yogyakarta, 2005 [6] Gonzales,R.C., Woods, R.E., Digital Image Processing, Prentice Hall, Third Edition. New Jersey, 2008 [7] Sonka, M,, Hlavac, V., and Boyle, R..,Image Processing, Analysis, and Machine Vision, Third Edition, Thomson Corporation, Canada, Pengaruh Orientasi Obyek Pada Algoritma Template Matching 33
JURNAL 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. 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 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. 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. 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. 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. 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. 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 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 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 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 terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciIMPLEMENTASI 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 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 terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
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 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 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 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 terperinciOperasi Geometri (1) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode
Lebih terperinciPERBANDINGAN PENGGUNAAN PARAMETER DISCRETE COSINE TRANSFORM DAN PARAMETER MOMEN ZERNIKE DALAM MENGINDEKS CITRA. Intisari
Perbandingan Penggunaan Parameter Discrete Cosine Transform dan Parameter Momen Zernike dalam Mengindeks Citra (Saptadi Nugroho, Junibakti Sanubari, dan Darmawan Utomo) PERBANDINGAN PENGGUNAAN PARAMETER
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 terperinciSetelah mempelajari materi ini, mahasiswa diharapkan mampu:
Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode
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 terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
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 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 terperinciOperasi Geometri (2) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan
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 terperinciSISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA
SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA Syahrul 1, Andi Kurniawan 2 1,2 Jurusan Teknik Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia Jl. Dipati Ukur No.116,
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
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 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 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 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 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 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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciFajar Syakhfari. Pendahuluan. Lisensi Dokumen:
Aplikasi Geometry Process Menggunakan Visual Studio Fajar Syakhfari Fajar_060@yahoo.com http://syakhfarizonedevils.blogspot.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciAplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra
Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun
Lebih terperinciOperasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma
Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan
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 terperinciImplementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel
Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Sri Enggal Indraani, Ira Dhani Jumaddina, Sabrina Ridha Sari Sinaga (enggal24@gmail.com, Ira.dhani5393@gmail.com,
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 terperinciRANCANG BANGUN APLIKASI PENGABURAN GAMBAR
RANCANG BANGUN APLIKASI PENGABURAN GAMBAR Muhammad Sholeh 1, Avandi Badduring 2 1, 2 Teknik Informatika, Fakultas Teknologi Industri Institut Sains & Teknologi AKPRIND Yogyakarta Jl. Kalisahak 28 Komplek
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih 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 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 I PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan Penelitian
BAB I PENDAHULUAN 1.1 Latar Belakang Pada sebuah citra, sangat dimungkinkan terdapat berbagai macam objek. Objek yang ada pun bisa terdiri dari berbagai bentuk dan ukuran. Salah satu objek yang mungkin
Lebih terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
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 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 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 terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
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 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 terperinciPENERAPAN KONSEP DASAR PERMUKIMAN ABOGE CIKAKAK PADA PERMUKIMAN ABOGE CIBANGKONG DI KABUPATEN BANYUMAS
PENERAPAN KONSEP DASAR PERMUKIMAN ABOGE CIKAKAK PADA PERMUKIMAN ABOGE CIBANGKONG DI KABUPATEN BANYUMAS Wita Widyandini*, Yohana Nursruwening, Basuki Program Studi Arsitektur, Fakultas Teknik, Universitas
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Objek tiga dimensi merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Objek tiga dimensi dibentuk oleh sekumpulan
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 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 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 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 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 terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih 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 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 terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR
Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinci1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016
1. TRANSLASI OPERASI GEOMETRIS Rumus translasi citra x = x + m y = y + n dimana : m = besar pergeseran dalam arah x n = besar pergeseran dalam arah y 4/2/2016 1 TRANSLASI 2. ROTASI Jika citra semula adalah
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
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 II Teori Dasar 2.1 Representasi Citra
Bab II Teori Dasar 2.1 Representasi Citra Citra dapat direpresentasikan sebagai kumpulan picture element (pixel) pada sebuah fungsi analog dua dimensi f(x,y) yang menyatakan intensitas cahaya yang terpantul
Lebih terperinciANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE
ANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE HANANTO DHEWANGKORO A11.2009.04783 Universitas Dian Nuswantoro. Semarang, Indonesia Email: hanantodhewangkoro@gmail.com
Lebih terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
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 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
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 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 terperinciSISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL
SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian, Ivanna K. Timotius, Iwan Setyawan SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian 1, Ivanna K. Timotius 2,
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 terperinci