SISTEM TEMU KEMBALI TENUN IKAT NTT DENGAN TRANSFORMASI WAVELET
|
|
- Ida Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SISTEM TEMU KEMBALI TENUN IKAT NTT DENGAN TRANSFORMASI WAVELET ABSTRAK M.I.J Lamabelawa 1, Yohanis Malelak 2 Program Studi Teknik Informatika, Stikom Uyelindo Kupang Jl. Perintis Kemerdekaan 2 Kayu Putih Kupang, Telp. (0380) ignas_lamabelawa@yahoo.com, dan 2 john_malelak@facebook.com Motif tenun ikat sebagai warisan budaya Nusa Tenggara Timur (NTT) sangat beragam dipengaruhi letak geografis kepulauan, keadaan alam, dan struktur masyarakat. Perbedaan motif-motif khas seperti flora, fauna, motif geometris sangat menarik untuk diteliti. Perbedaan yang unik dari setiap motif merupakan kata kunci untuk menyebut nama dan asal tenun ikat. Semua informasi bernilai seni tersimpan dalam memori manusia sangat terbatas ruang dan waktu yang tidak permanen. Penelitian ini dianalisis teknik retrieval untuk mengidentifikasi pola citra tenun berbasis content. Selanjutnya dirancang aplikasi untuk me-retrieve sistem temu kembali citra berbasis content. Metode ekstraksi ciri pada citra digital yang efisien berdasarkan energi dari frekuensi citra dengan transformasi gelombang singkat diskret atau Discrete Wavelet Transform (DWT). DWT mendekomposisikan dimensi sinyal frekuensi tinggi dan frekuensi rendah. Sebuah sinyal dilewatkan melalui highpass filter untuk menganalisis frekuensi tinggi dan dilewatkan melalui lowpass filter untuk menganalisis frekuensi rendah. Hasil dekomposisi citra menghasilkan energi dan disimpan sebagai database untuk me-retrieve citra uji melalui proses yang sama. Pada penelitian ini digunakan Wavelet Haar, dan dibandingkan Wavelet Daubechies 4 sebagai pendekatan baru pada setiap levelnya. Hasil retrieval kedua metode dibandingkan berdasarkan perbandingan energi citra uji dan citra database atau citra latih. Berdasarkan hasil pengujian terhadap 20 citra uji (citra query) dengan 45 citra latih (citra database) dengan jarak Euclidean, secara rata-rata Daubechies lebih akurat dibandingkan dengan Haar. Persentasi rata-rata kemiripan yang dihasilkan Daubechies adalah %, sedangkan Haar 0.097%. Pada perhitungan nilai akurasi Precision, Recall, dan Akurasi secara rata-rata Daubechies lebih baik daripada Haar. Kata Kunci: Identifikasi, Citra Tenun, Wavelet haar, Wavelet daubechies, Jarak euclidean 1. PENDAHULUAN Motif dan corak tenun ikat sebagai warisan budaya NTT sangat beragam dipengaruhi letak geografis kepulauan, keadaan alam, dan struktur masyarakat. Perbedaan motif-motif khas berdasarkan kepulauan seperti flora dan fauna, motif geometris sangat menarik untuk diteliti. Perbedaan yang unik dari setiap motif merupakan kata kunci untuk menyebut nama dan asal tenun ikat. Semua informasi tentang tenun jika tersimpan dalam memori manusia yang konvensional akan sangat terbatas dan tidak permanen. Perkembangan sistem retrieval citra tidak hanya berbasis teks tapi dapat berbasis content. Pada penelitian ini dilakukan pendekatan baru teknik retrieval untuk mengidentifikasi citra tenun berbasis content dan selanjutnya dirancang suatu aplikasi untuk meretrieve citra berbasis content. Sistem temu kembali citra (Image Retrieval System) untuk identifikasi citra tenun berbasis konten merupakan teknik pencocokan citra database dengan melihat isi sebenarnya berdasarkan ciri dasar gambar seperti warna, tekstur, dan bentuk. Metode temu kembali citra berbasis konten (content base) lebih baik dari sistem konvensional berbasis tex (text base) [Rusdianto dkk., 2011]. Metode identifikasi citra dengan transformasi gelombang singkat atau DWT telah dikembangkan oleh Khan et al. (2011), menggunakan Haar dan histogram warna. Metode yang dikembangkan oleh Rusdianto, dkk. (2011), menggunakan Wavelet Haar dan klusterisasi mean shift. Sedangkan metode yang dikembangkan oleh Das et al. (2012), membandingkan antara transformasi Wavelet and Curvelet. Berdasarkan beberapa penelitian terdahulu, akan dikembangkan sistem temu kembali citra dengan citra tenun NTT dengan menggunakan Wavelet Haar dan Wavelet Daubechies dan membandingkan akurasi kedua metode tersebut. Pada penelitian ini dilakukan identifikasi citra tenun berdasarkan isi dengan metode DWT. Metode DWT digunakan karena metode ekstraksinya lebih efisien dengan menyimpan energi citra di setiap sub band. Sistem yang dikembangkan bertujuan untuk mengidentifikasi motif tenun ikat berbasis konten dengan metode Wavelet Haar dan Daubecheis 4. Pengukuran performasi digunakan ukuran kemiripan jarak euclidean seperti yang dikembangkan oleh Kusamaningrum dan Arymurthy. (2011). Pendekatan metode Daubechies digunakan filter Daub4 kemungkinan menghasilkan ekstraksi ciri yang lebih robust dan akurasi lebih baik dibandingkan dengan Wavelet Haar yang dikembangkan sebelumnya. Kontribusi dari hasil dari penelitian ini memberikan perbandingan akurasi T-157
2 antara metode DWT Haar dan Daubechies 4 (Daub 4) dengan jarak Euclidean (Euclidean distance). 2. METODE PENULISAN 2.1 Dasar Teori Pengolahan Citra Digital Dalam Gonzales dan Woods (2008), dijelaskan citra (image) adalah gambar pada bidang dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinyu menjadi gambar diskrit melalui proses digitasi. Citra digital (digital image) adalah sebuah citra diskrit dan telah didigitasi dalam bentuk koordinat ruang (spasial) maupun nilai intensitasnya (gray level). Citra digital dapat dinyatakan sebagai sebuah matriks, dimana baris dan kolomnya menunjukkan sebuah titik dalam citra dan nilai elemen-elemen matriksnya menunjukkan tingkat keabuan pada titik tersebut. Berdasarkan pengertian diatas, maka Pengolahan Citra Digital (Digital Image Processing) adalah prosedur atau pengolahan citra digital 2 dimensi yang biasanya diekspresikan dalam bentuk algoritma. Tahap-tahap Pengolahan Citra Digital dalam Gonzales dan Woods. (2008), sebagai berikut: 1. Akuisisi Citra adalah tahap untuk mendapatkan citra digital. Untuk merealisasikan dibutuhkan sensor citra dan kemampuan untuk mendigitisasi signal yang diproduksi sensor. 2. Preprocessing adalah tahap memperbaiki citra dengan cara tertentu, sehingga meningkatkan mutu citra untuk proses selanjutnya.tahapan ini terdiri dari perbaikan citra, restorasi citra, kompresi citra. 3. Analisis citra adalah tahap untuk proses menemukan (mengekstrak), mengidentifikasi, dan memahami suatu citra atau pola yang relevan dengan tujuannya. Tahap analisis citra terdiri dari segmentasi citra, representasi dan deskripsi citra, pengenalan dan interpretasi citra. Pada penelitian ini dikembangkan metode analisis citra untuk mengidentifikasi citra berdasarkan isi konten dengan melihat isi sebenarnya berdasarkan ciri dasar gambar seperti warna,tekstur, dan bentuk. Salah satu teknik dalam pengolahan citra digital adalah analisis tekstur. Teknik ini berkaitan dengan pengolahan parameter tekstur pada citra digital. Meskipun tidak ada definisi tekstur secara matematis yang dapat diterima, dapat dikatakan tekstur merupakan pola berulang dari hubungan (distribusi) spasial dari derajat keabuan pada piksel-piksel yang bertetangga [Munir, 2004]. Pola yang dimaksud seperti bentuk, kedalaman, warna, kecerahan dan sebagainya. Tekstur dapat diamati dalam bentuk atau pola terstruktur pada permukaan suatu benda seperti kayu, kain, tanah, pasir, padang rumput, hutan, air, dan lain-lain. Tekstur alami umumnya mempunyai pola acak, sedangkan tekstur buatan seringkali berpola deterministik atau periodik. Tenun ikat NTT merupakan warisan budaya yang memiliki sejarah pembuatan berdasarkan pola alam, flora dan fauna serta status sosial dalam masyarakat. Daerah pantai akan memiki motif dan tekstur yang berbeda dengan masyarakat pegunungan. Manusia memandang tekstur berdasarkan deskripsi yang bersifat abstrak, seperti halus, teratur, tidak teratur, berurat, berbintik, kasar, dan sebagainya. Hal ini merupakan deskripsi yang tidak tepat dan non kuantitatif, sehingga diupayakan pendekatan deskripsi suatu tekstur yang lebih kuantitatif (matematis) untuk memudahkan analisis. Dengan kata lain dilakukan pengukuran tekstur untuk memperoleh ciri suatu tekstur. 2.2 Wavelet Wavelet diartikan suatu gelombang kecil, sedang sinus dan cosinus adalah gelombang besar. Wavelet adalah salah satu fungsi yang memenuhi persyaratan matematika tertentu yang mampu melakukan dekomposisi terhadap sebuah fungsi. Wavelet dapat digunakan untuk menggambarkan sebuah model atau gambar asli berupa citra, kurva atau sebuah bidang ke dalam fungsi matematis. Wavelet telah banyak diterapkan dalam berbagai macam bidang, salah satunya adalah pengolahan citra. Transformasi wavelet merupakan sebuah fungsi konversi yang dapat membagi fungsi atau sinyal ke dalam komponen frekuensi atau skala yang berbeda dan selanjutnya dapat dipelajari setiap komponen tersebut dengan resolusi tertentu sesuai dengan skalanya [Subanar dan Hartono, 2009]. Dalam transformasi wavelet terdapat dua fungsi, yaitu fungsi skala (father wavelet) dan mother wavelet. Kedua fungsi ini menghasilkan suatu family fungsi yang dapat digunakan untuk merekonstruksi suatu sinyal[daubechies, 1992]. Transformasi wavelet terdiri atas Transformasi Wavelet Kontinu atau Continuous Wavelet Transform (CWT) dan Transformasi Wavelet Diskret atau DWT. Perhitungan skala dan pergeseran dalam CWT dapat dilakukan secara kontinu, sedangkan DWT hanya dilakukan pada sekelompok skala tertentu [Daubechies, 1992]. 2.3 Transformasi Wavelet Diskrit Menurut Graps dalam Widiartha dkk. (2006), transformasi wavelet diskrit merupakan pentransformasian sinyal diskrit menjadi koefisienkoefisien wavelet yang diperoleh dengan menapis sinyal menggunakan dua buah tapis yang berlawanan. Kedua tapis adalah: (1) tapis penyekala atau tapis lolos rendah (Low Pass Filter) atau LPF; (2) tapis detil atau tapis lolos tinggi (High Pass Filter) atau HPF. Pada citra dua dimensi, prosedur dekomposisi level tunggal terdiri dari citra satu dimensi yang difilter pada arah mendatar kemudian diikuti oleh citra satu dimensi yang di-filter pada arah tegak yang diutilisasi dengan menggunakan filter tapis rendah T-158
3 dan filter tapis tinggi. Proses dekomposisi transformasi wavelet untuk citra dua dimensi dapat ditunjukkan pada Gambar 1. (2) Keofisien filter skala dan koefisien filter wavelet yang terdapat dalam D(4) filter wavelet diperoleh dari penurunan rumus 1 dan 2 sebagai berikut :, (3) Filter wavelet ditulis sebagai berikut:, (4) Gambar 1 Transformasi Wavelet Dua Dimensi Algoritma dekomposisi DWT membagi atau dekomposisi sebuah dimensi sinyal menjadi dua bagian, disebut bagian dengan frekuensi tinggi dan frekuensi rendah. Sebuah sinyal dilewatkan melalui highpass filter untuk menganalisis frekuensi tinggi (bagian detail) dan dilewatkan melalui lowpass filter untuk menganalisis frekuensi rendah (bagian smooth). Transformasi wavelet terhadap citra adalah menapis citra dengan tapis wavelet. Hasil dari penapisan ini adalah 4 sub bidang citra dari citra asal, keempat sub bidang citra ini berada dalam kawasan wavelet. Keempat sub bidang citra ini adalah pelewat rendah-pelewat rendah (LL), pelewat rendah-pelewat tinggi (LH), pelewat tinggi-pelewat rendah (HL), dan pelewat tinggi pelewat tinggi (HH). Proses ini disebut dekomposisi. Dekomposisi dapat dilanjutkan pada level berikutnya dengan citra pelewat rendah-pelewat rendah (LL) sebagai masukannya untuk mendapatkan tahap dekomposisi selanjutnya seperti terlihat pada Gambar Daubechies Wavelet Daubechies Wavelet adalah adalah salah satu keluarga wavelet orthogonal. Wavelet Daubechies disimbolkan dengan dbn dengan N adalah angka indeks dari 2 sampai 20. Pada penelitian ini digunakan Wavelet Daubechies 4 dengan notasi D(4) [Subanar dan Suhartono, 2009]. Persamaan skala atau persamaan dilatasi (pergeseran) merupakan fungsi skala φ yang mengalami kontraksi (meregang) dan pergeseran yang ditulis dalam [Subanar dan Suhartono, 2009]. sebagai berikut: (1) 2.5 Haar Wavelet Salah satu dari keluarga wavelet yang akan diterapkan dalam penelitian ini adalah Wavelet Haar. Wavelet Haar merupakan wavelet yang paling tua dan sederhana[subanar dan Hartono, 2009]. Alasan menggunakan Haar Wavelet karena merupakan metode yang lebih bagus digunakan untuk merepresentasikan ciri tekstur dan bentuk. Disamping itu Haar Wavelet memerlukan waktu komputasi yang lebih kecil dari pada transformasi wavelet lainnya, ciri diperoleh dari citra yang telah melewati proses dekomposisi. yakni double untuk dapat dioperasikan. Gambar 2 ditunjukkan matriks HAAR ukuran L=8x8. Baris 1 sampai L/2 merupakan filter low pass dan baris L/2+1 sampai L adalah filter high pass. >> MatriksHaar(8) Gambar 2 Matriks Haar Ukuran 8x8 2.6 Prosedur Penelitian Pada penelitian ini, yang menjadi populasi adalah tenun ikat NTT. Sampel yang diambil menjadi citra latih adalah citra dari berbagai daerah di NTT dengan motif berbeda-beda berjumlah 35. Tahapan penelitian selanjutnya adalah pengembangan sistem yang terdiri dari 2 tahapan, yakni tahap pertama adalah ekstraksi citra latih yang disimpan sebagai citra data base. Tahap selanjutnya adalah identifikasi citra query, yaitu melakukan perbandingan dalam nilai batas tertentu. Langkahlangkah proses ekstraksi citra latih ditunjukkan pada flowchart Gambar 3. Sedangkan fungsi wavelet Ψ didefinisikan dengan T-159
4 Ekstraksi citra dengan Metode Haar Level n Mulai Input citra latih dan resize 2^n Konversi citra ke skala Keabuan (grayscale) Ya Output citra grayscale Input jenis wavelet dan level ke-n Apakah Pilih Haar? Output citra hasil ekstraksi Simpan sebagai citra latih dalam database Selesai Tidak Ekstraksi citra dengan Metode Daub4 Level n Gambar 3 Diagram Alir Ekstraksi Citra Latih Rincian penjelasan proses ekstraksi citra latih diuraikan sebagai berikut: a) Proses awal (Preprocessing) Proses awal yang dilakukan adalah akuisisi citra dimulai dari digitalisasi citra inputan, cropping citra dengan ukuran 2 n dengan n adalah ukuran pixel. Selanjutnya citra awal RGB dikonversi ke format grayscale 8 bit. b) Ekstraksi ciri dengan transformasi wavelet diskret Tahap ini adalah pemilihan jenis DWT yang digunakan baik Haar Wavelet atau Daubechies4 dengan dalam 2 level, yakni level 1 dan 2. Pada prinsipnya algoritma dekomposisi DWT membagi atau dekomposisi sebuah dimensi sinyal menjadi dua bagian, disebut bagian dengan frekuensi tinggi dan frekuensi rendah. Sebuah sinyal dilewatkan melalui high pass filter untuk menganalisis frekuensi tinggi (bagian detail) dan dilewatkan melalui low pass filter untuk menganalisis frekuensi rendah (bagian smooth). Algoritma dekomposisi DWT bekerja secara rekursif, dengan mengoperasikan dua buah matriks, yaitu matriks wavelet dan sebuah image berukuran tertentu. Matriks Image dan matriks wavelet akan dibaca dan disimpan ke variabel tertentu yang akan dikonversi dalam format yang sama. c) Algoritma Sebagai contoh dekomposisi citra menggunakan Haar Wavelet sampai level tertentu diringkas dalam algoritma sebagai berikut: 1. Baca matriks Haar 2. Baca file gambar ukuran L= 2^n 3. Baca dan simpan variabel level 4. Lakukan proses rekursif sampai level tertentu dengan mengoperasikan matriks Haar dengan Citra. 5. Lakukan operasi transpose dan perkalian untuk dekomposisi 6. lanjutkan ke level dekomposisi berikutnya 7. Proses terminasi sampai Level yang didefinisikan pada variabel input d) Hasil Dekomposisi Ciri-ciri citra hasil dekomposisi dengan wavelet dapat diperoleh dengan menghitung energi yang terkandung pada setiap subband. Pada setiap level, suatu citra terbagi menjadi 4 subband. Pada Gambar 1 merupakan dekomposisi 3 level sehingga terdapat 12 subband. Energi setiap subband dihitung dengan perumusan berikut: (5) Hasil dekomposisi Gambar 4 dan Gambar 5 adalah hasil ekstraksi level 1 dan level 2 dengan Wavelet Daub4. Sedangkan Gambar 6 adalah hasil ekstraksi dengan Wavelet Haar. Gambar 4 Hasil Ekstraksi dengan Daub4 Level 1 Gambar 5 Hasil Ekstraksi dengan Daub4 Level 2 T-160
5 Seminar Nasional Sains dan Teknik 2012 (SAINSTEK 2012) Gambar 6 Hasil Ekstraksi dengan Haar Level 1 Selanjutnya adalah proses identifikasi citra query dengan melakukan proses perbandingan (compare) antara citra query dengan citra database. Pada prinsipnya langkah-langkah sampai dengan hasil ekstraksi sama dengan Flowchart Gambar 3. Perbedaan terlihat pada proses perbandingan dan langkah penentuan kemiripan citra dan pengujian yang ditunjukkan dengan flowchart Gambar 7. Kedua tahapan diuraikan sebagai berikut: a. Kriteria penentuan kemiripan citra Kriteria penentuan kemiripan citra dengan metode Jarak Euclidean. Jarak Eucidean dalam Kusumaningrum dan Arymurthy (2011), merupakan metode statistika yang digunakan untuk mencari data antara parameter data baru atau data uji dengan parameter data referensi atau basis-data. Pada kasus ini akan dihitung rentang jarak nilai energi pada setiap sub band citra uji dengan energi citra latih. Perumusan jarak euclidean sebagai berikut: )*+ / -,-,.- (6) dimana : EDi = jarak terhadap tekstur i yang terkecil pada basis-data = energi dari subband yang diidentifikasi Xj X j = energi dari subband yang terdapat pada citra database b. Pengujian Tahap terakhir adalah melakukan pengujian. Pengujian dilakukan dengan membandingkan jarak euclidean citra uji dengan dengan citra latih. Nilai jarak terkecil menunjukkan kemiripan antara citra uji dengan citra latih. Nilai energi yang terkecil dibandingkan dengan suatu nilai ambang (threshold). Jika lebih kecil dari nilai ambang maka citra uji dapat diidentifikasikan. Jika lebih besar menunjukkan tingkat kesalahan yang besar, sehingga dapat diuji lagi dengan citra lain. Gambar 7 Diagram Alir Identifikasi Citra 3. HASIL DAN DISKUSI Sistem identifikasi citra tenun diimplementasikan dengan Program MatLab 7.6.0(R2008a) berbasis GUI. Pengujian dilakukan terhadap 20 citra tenun dengan motif berbeda dari berbagai daerah, dengan ukuran128x128 pixel dan ukuran kuantisasi 24 bit. Pola tenun (tenun pattern) yang disimpan dalam database sejumlah 40 motif sebagai citra latih. Sampel pola tenun seperti ditunjukkan pada Gambar 8 dan Gambar 9. (a) (b) (c) (d) (e) Gambar 8 Motif Flores (a) demonpaji; (b) sikka;(c) lawo;(d) ngada-lawo;( d) todo (a) (b) (c) (d) (e) Gambar 9. Motif Timor-Rote-Sumba (a) buna;(b)lambi;(c) taukmandu; (d) lave;(e) sumba Skenario uji coba yang dilakukan adalah menggunakan 20 sebagai citra query dan dibandingkan dengan 15 motif citra latih dalam database. Setiap pola terdiri dari 3 motif sehingga T-161
6 total citra latih dalam database adalah 45 pada setiap jenis wavelet dan setiap level. Setiap citra uji (query image) diujikan menggunakan metode Haar Wavelet dan selanjutnya dibandingkan metode Daubechies4 untuk setiap level. Tabel 1 Persentasi Perbandingan Daub4 dan Haar NO Motif Citra Uji level 1 level 2 Daub4 Haar Daub 4 Haar 1 endelawo demonpaji kwatekiwan sikka kwoitlolon lepanbata todo ngadalawo taukmandu buna songket lambi mowak mengeer rote endelio sima lave kemumu sumba rata-rata Hasil perbandingan antara energy citra uji dan citra latih dihitung dengan dengan metode jarak euclidean seperti persamaan 6. Selanjutnya dihitung rata-rata kemiripan dari setiap energi, lalu dihitung persentasi kemiripan setiap jenis wavelet, yakni Daub4 dan Haar pada setiap level. Persentasi kemiripan setiap citra query dihitung rata-rata seperti terlihat pada Tabel 1. Berdasarkan Tabel 1 filter Daub4 memiliki persentasi rata-rata yang lebih baik dibandingkan dengan filter Haar dengan selisih pada level 1 adalah dan selisih level 2 adalah Uji Coba selanjutnya adalah dihitung ukuran performasi dengan menggunakan parameter precision, recall dan accuracy seperti dilakukan oleh Das et al. (2012). Berdasarkan Das et al. (2012), Precision (P) didefinisikan sebagai rasio atau perbandingan antara jumlah citra uji yang relevan dengan total citra yang diujikan (retrieved). Nilai Recall (R) didefinisikan sebagai rasio atau perbandingan jumlah citra retrieved yang relevan T-162 dengan jumlah total citra yang relevan dalam semua data base latih. Ukuran performansi dan efisiensi adalah penjumlahan antara P dan R. Perumusan ditunjukkan sebagai berikut: Precision (P) = Total number of retrieved relevant images (7) Total number of retrieved images Recall(R) = Total number of retrieved relevant images (8) Total number of relevant images in the database Berdasarkan hasil pengujian terhadap 20 citra uji terhadap 45 citra database dengan jarak euclidean didapat nilai rata-rata P,R, dan accuracy sesuai persamaan 7,8, dan 9 seperti pada Tabel 2. Berdasarkan hasil pada Tabel 2 terlihat bahwa pengujian pada jenis wavelet yang sama untuk level yang berbeda tidak berpengaruh terhadap nilai P dan R. Sedangkan secara rata-rata nilai P, dan R Wavelet Daub4 lebih baik dibandingkan dengan Wavelet Haar. Nilai Recall tidak mencapai 50% dikarenakan perbandingan citra uji terhadap citra dalam data base masih dibawah 50% yakni 44%. Ukuran Tabel 2 Hasil Perhitungan Akurasi Level 1 Level 2 Daub4 Haar Daub4 Haar Precision Recall Accuracy SIMPULAN DAN SARAN 4.1 Simpulan Berdasarkan hasil pembahasan diatas, maka dapat disimpulkan sebagai berikut: 1. Sistem temu kembali untuk identifikasi citra tenun dapat diterapkan dengan menggunakan metode Wavelet Haar dan Daubechies4. 2. Metode Wavelet Daubechies4 secara rata-rata menghasilkan persentasi kemiripan lebih baik dibandingkan dengan Wavelet Haar. Rata-rata Daub4 adalah 0.046%, sedangkan Haar 0,097% 3. Perbedaan level pada setiap jenis Wavelet berpengaruh terhadap nilai kemiripan. Selisih relatif antara Daub4 dan Haar pada level 1 adalah 0,047% sedangkan pada level 2 adalah 0,098%. 4. Hasil perhitungan Precision, Recall, dan akurasi secara rata-rata Wavelet Daub4 lebih baik dari pada Wavelet Haar. Sedangkan peningkatan level untuk jenis Wavelet yang sama tidak berpengaruh pada nilai Precision, Recall, dan Akurasi. (9)
7 4.2 Saran Sebagai saran untuk penelitian selanjutnya, adalah dapat dikembangkan metode segmentasi dan klusterisasi yang berhubungan dengan histogram dan dikombinasikan dengan Wavelet Daubechies leveling untuk meningkatkan akurasi perhitungan. Penggunaan metode perhitungan kemiripan lain seperti, Canberra distance menjadi perbandingan selain jarak Euclidean. 5. PENGHARGAAN DAN TERIMA KASIH Terima kasih kepada semua pihak yang sudah membantu dalam penelitian ini : 1. Mahasiswa yang telah melaksanakan tugas akhir antara lain: Rosa Paula De Ornay, Dorce Dethan, Maria Yasinta Jelita yang telah memberikan data-data tentang motif tenun ikat dari Flores, Manggarai, dan Rote. 2. Teman-teman dosen Teknik Informatika yang telah meluangkan waktu untuk diskusi dan memberikan saran. 3. Semua Pihak yang tidak bisa disebutkan satu persatu disampaikan ucapan terima kasih. DAFTAR PUSTAKA Das, Suchismita., Garg, Shruti., Sahoo, G., Comparison of Content Based Image Retrieval Systems Using Wavelet and Curvelet Transform, The International Journal of Multimedia & Its Applications (IJMA), 2012,4,4, Gonzales,R.C dan Woods,R.W., Digital Image Processing, Third Edition, Prentice Hall,Pearson Education Inc, New Jersey, USA,2008 Khan, W., Kumar, S., Gupta.,N.,Khan, N., Signature Based Approach For Image Retrieval Using Color Histogram And Wavelet Transform, International Journal of Soft Computing and Engineering (IJSCE),2011, 1,1,43-46 Kusumaningrum, R and Arymurtyhy,A.M., Color and Texture Feature for Remote Sensing Image Retrieval System: A Comparative Study, IJCSI International Journal of Computer Science Issues,2011,8,5: Munir, R., Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika, Bandung,2004 Rusdianto, D., Suciati, N., Yuniarti, A, Sistem Temu Kembali Citra Berbasis Isi dengan Fitur Wavelet dan Klasterisasi Mean Shift, Jurnal Teknik Informatika, 2011,2,1 Subanar dan Suhartono, Wavelet Neural Networks untuk Peramalan Data Time Series Finansial, Laporan Peneltian Dasar Perguruan Tinggi, FMIPA, Universitas Gajah Mada, Yogyakarta,2009 Widiartha,I.B.K dan Wijaya,I.G.P.S., Pencarian Citra Menggunakan Metode Transformasi Wavelet dan Metrika Histogram Terurut, Jurnal Teknik Elektro Fakultas Teknologi Industri Universitas Kristen Petra, 2006,6,1,46-53 Daubechies, Ingrid., Ten lectures on wavelets, Rutgers University and AT&T Bell Laboratories, Society For Industrial And Applied Mathematics, Philadelphia, Pennsylvania, T-163
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciANALISIS DETEKSI TEPI UNTUK IDENTIFIKASI CITRA TENUN IKAT NTT
JURNAL HOAQ -TEKNOLOGI INFORMASI VOL. 4, NO. 2, 263 ANALISIS DETEKSI TEPI UNTUK IDENTIFIKASI CITRA TENUN IKAT NTT Yohanis Malelak 1, Marinus I. J. Lamabelawa 2 1,2 Program Studi Teknik Informatika, STIKOM
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciPENEMUAN KEMBALI CITRA TENUN DENGAN KEMIRIPAN MOTIF MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT
TUGAS AKHIR - SM141501 PENEMUAN KEMBALI CITRA TENUN DENGAN KEMIRIPAN MOTIF MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT AGISTA REGIASWURI NRP 1212 100 028 Dosen Pembimbing Dr. Dwi Ratna Sulistyaningrum, S.Si.,
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciTeknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis
Teknik Watermarking dalam Domain Wavelet untuk Proteksi Kepemilikan pada Data Citra Medis Mulaab Email : mulaab@if.trunojoyo.ac.id Laboratorium Pemrograman, Jurusan Teknik Informatika Universitas Trunojoyo
Lebih terperinciBAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124
BAB I PENDAHULUAN 1.1 Latar Belakang Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124 dan 128 E. Terletak di Asia Tenggara, Pulau Timor merupakan bagian dari Asia Tenggara Maritim,
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciPenyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciJln. Telekomunikasi No.1 Terusan Buah Batu Bandung Indonesia
SIMULASI DAN ANALISIS SISTEM KLASIFIKASI BATUBARA MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT), FUZZY COLOR HISTOGRAM (FCH) DAN K-NEAREST NEIGHBOR (K-NN) PADA CITRA DIGITAL Viona Apryaleva 1, Dr.Ir.Bambang
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem pengenalan merupakan sebuah teknologi yang dapat digunakan untuk melakukan pengenalan terhadap identitas seseorang terhadap beberapa bagian tubuh maupun perilaku.
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
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 terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciPERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET
PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET Sarwosri, Rully Soelaiman, dan Esther Hanaya Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciRancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography
Rancang Bangun Perangkat Lunak Transformasi Wavelet Haar Level 3 Pada Least Significant Bit (Lsb) Steganography Abdul Haris 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
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 terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih 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 telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
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 terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih 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 terperinciDEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL
Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1980 IDENTIFIKASI DAN KLASIFIKASI KEMURNIAN SUSU SAPI BERDASARKAN PENGOLAHAN SINYAL VIDEO MENGGUNAKAN METODE DISCRETE WAVELET
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciDAFTAR TABEL. Tabel 4.1 Struktur Neural Network Backpropagation Tabel 4.2 Hasil Pengujian Identifikasi Data Uji... 34
DAFTAR TABEL Tabel 4.1 Struktur Neural Network Backpropagation... 9 Tabel 4. Hasil Pengujian Identifikasi Data Uji... 34 Tabel 4.3 Hasil Pengujian Sistem... 37 xi BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciBAB I PENDAHULUAN. pada radius 4 kilometer dari bibir kawah. (http://berita.plasa.msn.com
BAB I PENDAHULUAN 1.1 Latar Belakang Gunung Sinabung terus menunjukkan peningkatan aktivitas vulkanologi. Awan hitam dan erupsi terus terjadi, 5.576 warga dievakuasi. Evakuasi diberlakukan setelah pada
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
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 terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciKata kunci: Fourier, Wavelet, Citra
TRANSFORMASI FOURIER DAN TRANSFORMASI WAVELET PADA CITRA Oleh : Krisnawati Abstrak Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Video Video adalah teknologi untuk menangkap, merekam, memproses, mentransmisikan dan menata ulang citra bergerak. Teknologi ini biasanya menggunakan film seluloid, sinyal elektronik,
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB II TINJAUAN PUSTAKA. terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
BAB II TINJAUAN PUSTAKA 2. Nada dan Solmisasi 2.. Nada Apa yang dapat kita tangkap dengan pendengaran, disebut suara. Suara terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciPEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET. Sufiatul Maryana, Lita Karlitasari, Arie Qur ania
Pemanfaatan K-Nearest Neighbor (KNN) / Sufiatul Maryana PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET Sufiatul Maryana, Lita Karlitasari, Arie Qur ania
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 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 terperinciMATEMATIKA DI BALIK CITRA DIGITAL
MATEMATIKA DI BALIK CITRA DIGITAL Hendra Gunawan Tulisan ini membahas bagaimana matematika berperan dalam pemrosesan citra digital, khususnya pengolahan dan penyimpanan citra dalam bentuk digital secara
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciPENYISIPAN WATERMARK MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM PADA CITRA DIGITAL
Jurnal Informatika Polinema ISSN: 407-070X PENYISIPAN WATERMARK MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM PADA CITRA DIGITAL Reza Agustina, Rosa Andrie Asmara Teknik Informatika, Teknologi Informasi,
Lebih terperinciANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION
ANALISIS DEKOMPOSISI WAVELET PADA PENGENALAN POLA LURIK DENGAN METODE LEARNING VECTOR QUANTIZATION Bambang Robi in eure_bbg@yahoo.com Akademi Teknik PIRI Yogyakarta Abstrak Indonesia merupakan negara yang
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD
ANALISA KOMPRESI CITRA DIGITAL MENGGUNAKAN METODE HADAMARD Eva Haryanty, S.Kom. ABSTRAK Kompresi data adalah proses mengubah suatu input data menjadi data lain dengan format berbeda dan ukuran yang lebih
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 terperinciBAB II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
Lebih terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
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 terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
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 terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
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 terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif
Lebih terperinciDIGITAL WATERMARKING PADA CITRA DIGITAL FOTOGRAFI METODE DISCRETE WAVELET TRANSFORM
Prosiding Seminar Informatika Aplikatif Polinema 2015 (SIAP~2015) ISSN: 2460-1160 DIGITAL WATERMARKING PADA CITRA DIGITAL FOTOGRAFI METODE DISCRETE WAVELET TRANSFORM Mohamad Sulthon Fitriansyah 1, Cahya
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
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 terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciBAB 3 PERANCANGAN SISTEM
20 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Sistem ini hanya menggunakan beberapa perangkat keras yang umum digunakan, seperti mikrofon, speaker (alat pengeras suara), dan seperangkat komputer
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih terperinciPerbandingan Penggunaan Mean Lokal, Median Lokal dan Invarians Statistik Koefisien DCT dalam Perancangan Image Hashing
Perbandingan Penggunaan Mean Lokal, Median Lokal dan Invarians Statistik Koefisien DCT dalam Perancangan Image Hashing Kuntadi Widiyoko 1, Iwan Setyawan 2 Program Studi Teknik Elektro, Fakultas Teknik
Lebih terperinciBABI PENDAHULUAN 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Saat ini transformasi wavelet banyak sekali digunakan dan bermanfaat untuk analisis numerik, analisis isyarat, aplikasi kontrol dan aplikasi audio [1]. Dalam analisis
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 Kain adalah bahan dasar dari pakaian yang biasa digunakan sebagai kebutuhan pokok manusia untuk melindungi dan menutup dirinya. Kain pun dapat menjadi identitas suatu
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
Lebih terperinciSEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET
SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET Miftahus Sholihin, Agus Zainal Arifin, Anny Yuniarti Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia
Lebih terperinciIdentifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough
Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough Okta Silvia M 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. H.R.
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 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 terperinci