Mendeteksi Kematangan Buah Tomat Menggunakan Fitur Warna Pada Citra. Achmad Basuki Politeknik Elektronika Negeri Surabaya 2013
|
|
- Ivan Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Meteksi Kematangan Buah Tomat Menggunakan Fitur Warna Pada Citra Achmad Basuki Politeknik Elektronika Negeri Surabaya 2013
2 Data: 120 gambar 40 gambar tomat yang masih mentah (berwarna hijau) 40 gambar tomat yang sudah matang (berwarna merah) 40 gambar tomat yang setengah matang (berwarna jingga)
3 Mengetahui Fitur Warna Fitur warna pada gambar bisa dihasilkan menggunakan histogram warna. Harus dicoba terlebih dahulu histogram warna yang mana yang bisa mengenali warna hijau, merah dan jingga Fitur warna yang dihasilkan harus mampu mengabaikan latar belakang.
4 Histogram R-G-B clear n=[ ]; for i=1:3 m=n(i); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); r=x(:,:,1); g=x(:,:,2); b=x(:,:,3); hr=imhist(r); hg=imhist(g); hb=imhist(b); h=[hr' hg' hb']; h=h/max(h); subplot(3,2,2*i-1), imshow(x) subplot(3,2,2*i), bar(h), grid, axis([ ])
5 Histogram Warna R-G-B Perhatikan ketiga histogram di atas: - Sangat sulit membedakan mana yang hijau, merah dan jingga - Histogram R-G-B tidak maksimal bila digunakan
6 Histogram Index clear; n=[ ]; for i=1:3 m=n(i); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); xd=double(x); y=floor(xd/64); u=y(:,:,3)+4*y(:,:,2)+16*y(:,:,1); nx=size(u); w=reshape(u,nx(1)*nx(2),1); h=hist(w,64); h=h/max(h); subplot(3,2,2*i-1), imshow(x) subplot(3,2,2*i), bar(h), grid, axis([ ])
7 Histogram Index Perhatikan ketiga histogram di atas: - Histogram index sudah menunjukkan perbedaan warna hijau, merah dan jingga - Pemilihan jumlah index warna sangat berpengaruh
8 Histogram Referensi clear n=[ ]; wref=[ ; ; ; ; ; ; ; ; ; 0 0 0; ]; nref=10; for i=1:3 m=n(i); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); xd=double(x); nx=size(x); h=zeros(nref,1); for k1=1:n(1) for k2=1:n(2) r=xd(k1,k2,1); g=xd(k1,k2,2); b=xd(k1,k2,3);
9 Histogram Referensi dmin=50000; kmin=0; for k3=1:nref d2=(r-wref(k3,1))^2+(g-wref(k3,2))^2+(bwref(k3,3))^2; d=sqrt(d2); if(d<dmin) dmin=d; kmin=k3; h(kmin)=h(kmin)+1; h=h/max(h); subplot(3,2,2*i-1), imshow(x) subplot(3,2,2*i), bar(h), grid, axis([0 nref 0 1])
10 Histogram Referensi Perhatikan ketiga histogram di atas: - Histogram referensi masih belum bisa menunjukkan perbedaan warna hijau, merah dan jingga - Pemilihan jumlah warna referensi sangat berpengaruh
11 Histogram Hue Index clear n=[ ]; for i=1:3 m=n(i); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); y=rgb2hsv(x); yhue=y(:,:,1); nx=size(yhue); yh=reshape(yhue,nx(1)*nx(2),1); h=hist(yh,30); h=h/max(h); subplot(3,2,2*i-1), imshow(x) subplot(3,2,2*i), bar(h), grid, axis([ ])
12 Histogram Referensi Perhatikan ketiga histogram di atas: - Histogram Hue index dengan 30 warna bisa menunjukkan perbedaan warna hijau, merah dan jingga
13 Meteksi kematangan buah tomat menggunakan Histogram Hue Index
14 Menampilkan histogram dari masing-masing 4 gambar yang berbeda untuk setiap kematangan clear n=[ ; ; ]; for i=1:3 for j=1:4 m=n(i,j); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); y=rgb2hsv(x); yhue=y(:,:,1); nx=size(yhue); yh=reshape(yhue,nx(1)*nx(2),1); h=hist(yh,30); h=h/max(h); subplot(4,6,6*(j-1)+2*i-1), imshow(x) subplot(4,6,6*(j-1)+2*i), bar(h), grid, axis([ ])
15 Menampilkan histogram dari masing-masing 4 gambar yang berbeda untuk setiap kematangan - Ada fitur-fitur umum yang ada pada semua citra yang mungkin disebabkan oleh latar belakang. Fitur semacam ini tidak baik untuk digunakan sebagai fitur citra. - Ada fitur-fitur khusus yang ada pada setiap kelompok citra (hijau, merah, jingga), fitur inilah yang harus ditemukan.
16 Mapatkan Fitur Umum Fitur umum ini biasanya ditimbulkan karena latar belakang yang seragam Fitur ini tidak baik digunakan dalam proses deteksi atau identifikasi Fitur umum ini ditunjukkan oleh kemunculan yang sama pada setiap histogram Untuk mapatkan fitur umum bisa digunakan proses interseksi atau dituliskan dengan:, Semua fitur harus dikurangi dengan fitur umum untuk mapatkan fitur obyek yang sebenarnya.
17 Mapatkan Fitur Umum clear n=[ ; ; ]; k=0; figure(1) for i=1:3 for j=1:4 m=n(i,j); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); y=rgb2hsv(x); yhue=y(:,:,1); nx=size(yhue); yh=reshape(yhue,nx(1)*nx(2),1); h=hist(yh,30); h=h/max(h); k=k+1; hs(k,:)=h; subplot(4,6,6*(j-1)+2*i-1), imshow(x) subplot(4,6,6*(j-1)+2*i), bar(h), grid, axis([ ]) humum=min(hs); figure(2), bar(humum), grid, axis([ ]);
18 Fitur Umum
19 Simpan Fitur Umum Fitur Umum ini disimpan ke dalam file agar bisa digunakan pada proses berikutnya tanpa menghitung ulang. >> save humum
20 Mapatkan Fitur Setelah Dikurangi Fitur Umum clear load humum; n=[ ; ; ]; k=0; for i=1:3 for j=1:4 m=n(i,j); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); y=rgb2hsv(x); yhue=y(:,:,1); nx=size(yhue); yh=reshape(yhue,nx(1)*nx(2),1); h=hist(yh,30); h=h/max(h); h=h-humum; subplot(4,6,6*(j-1)+2*i-1), imshow(x) subplot(4,6,6*(j-1)+2*i), bar(h), grid, axis([ ])
21 Mapatkan Fitur Setelah Dikurangi Fitur Umum Perbedaan fitur dari setiap kelompok warna akan lebih terlihat setelah proses ini.
22 Mencari Fitur Khusus Pada Setiap Kelompok Warna Fitur khusus adalah fitur yang selalu muncul pada semua gambar yang ada dalam sebuah kelompok warna. Prosesnya sama dengan mencari fitur umum hanya saja pada setiap kelompok warna yaitu dengan menghitung interseksi atau nilai minimum pada setiap indeks warna. Fitur ini disimpan dalam file agar dalam proses identifikasi tidak perlu dihitung ulang. >> save hk,
23 Mapatkan Fitur Setelah Dikurangi Fitur Umum clear load humum; n=[ ; ; ]; k=0; figure(1) for i=1:3 hs=zeros(4,30); for j=1:4 m=n(i,j); namafile=strcat(int2str(m),'.bmp'); x=imread(namafile); y=rgb2hsv(x); yhue=y(:,:,1); nx=size(yhue); yh=reshape(yhue,nx(1)*nx(2),1); h=hist(yh,30); h=h/max(h); h=h-humum; h=h/max(h); hs(j,:)=h;
24 Mapatkan Fitur Setelah Dikurangi Fitur Umum subplot(4,6,6*(j-1)+2*i-1), imshow(x) subplot(4,6,6*(j-1)+2*i), bar(h), grid, axis([ ]) hv=min(hs); hv=hv/max(hv); hk(i,:)=hv; figure(2) for i=1:3 subplot(3,1,i), bar(hk(i,:)), grid, axis([ ])
25 Fitur Pada Setiap Kelompok Warna HIJAU MERAH JINGGA
26 Proses Deteksi
27 PROSES DETEKSI KEMATANGAN BUAH TOMAT clear load humum; load hk; n=input('nomor gambar = '); namafile=strcat(int2str(n),'.bmp'); x=imread(namafile); y=rgb2hsv(x); yhue=y(:,:,1); nx=size(yhue); yh=reshape(yhue,nx(1)*nx(2),1); h=hist(yh,30); h=h/max(h); h=h-humum; h=h/max(h); dmin=50000; kmin=0; for i=1:3 d=sqrt(sum((h-hk(i,:)).^2));
28 PROSES DETEKSI KEMATANGAN BUAH TOMAT if(d<dmin) dmin=d; kmin=i; imshow(x) if(kmin==1) title('hijau'); if(kmin==2) title('merah'); if(kmin==3) title('campur');
IMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciHistogram Warna Pada Image
Histogram Warna Pada Image Konsep Ruang Warna P(r,g,b) Setiap pixel mempunyai warna yang dinyatakan dalam RGB, sehingga merupakan gabungan nilai R, nilai G dan nilai B yang tidak bisa dipisahkan satu dengan
Lebih terperinciDistribusi Bilangan Acak
Distribusi Bilangan Acak Achmad Basuki Surabaya 2005 Tujuan Mahasiswa bisa membangkitkan bilangan acak dengan distribusi tertentu, seperti uniform, gaussian dan poisson. Mahasiswa bisa menghitung nilai-nilai
Lebih terperinciIV. HASIL DAN PEMBAHASAN
26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter
Lebih terperinciPraktikum Pengolahan Citra - Pertemuan 1
Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Praktikum Pengolahan Citra - Pertemuan 1 Content: 1. Instalasi dan Seting (OpenCV + GDI) baca file image 2. Membaca data RGB dan
Lebih terperinciAchmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005
Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image
Lebih terperinciSEGMENTASI BUAH MENGGUNAKAN METODE K-MEANS CLUSTERING DAN IDENTIFIKASI KEMATANGANNYA MENGGUNAKAN METODE PERBANDINGAN KADAR WARNA
SEGMENTASI BUAH MENGGUNAKAN METODE K-MEANS CLUSTERING DAN IDENTIFIKASI KEMATANGANNYA MENGGUNAKAN METODE PERBANDINGAN KADAR WARNA Andri 1, Paulus 2, Ng Poi Wong 3, Toni Gunawan 4 STMIK Mikroskil andri@mikroskil.ac.id
Lebih terperinciCOLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP
Lebih terperinciFitur Bentuk Pada Citra. Achmad Basuki, Nana R PENS-ITS, 2008
Fitur Bentuk Pada Citra Achmad Basuki, Nana R PENS-ITS, 008 Materi Fitur Bentuk Deteksi Tepi Histogram Proyeksi Histogram Sudut Aplikasi Pengenalan Angka Fitur Bentuk Fitur bentuk adalah fitur dasar dalam
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
Lebih terperinciEKSPEKTASI. Achmad Basuki. Politeknik Elektronika Negeri Surabaya 2004
EKSPEKTASI Achmad Basuki Politeknik Elektronika Negeri Surabaya 004 Jam Jumlah bemo 06.00-06.30 5 06.30-07.00 9 07.00-07.30 7 07.30-08.00 7 08.00-08.30 5 08.30-09.00 4 09.00-09.30 09.30-0.00 4 0.00-0.30
Lebih terperinciBAB IV ANALISA HASIL SISTEM. Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server
75 BAB IV ANALISA HASIL SISTEM 4.1 UMUM Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server Apache menggunakan PHP4-PHP5 dengan Apache2Triad sebagai tool dan matlab 6.1 sebagai
Lebih terperinciBAB 4 ANALISA HASIL SISTEM
BAB 4 ANALISA HASIL SISTEM 4.1. Umum Pada bab ini akan dilakukan mengenai pengujian terhadap prosentase kemiripan dari sistem aplikasi yang telah dirancang. lingkup uji coba sistem aplikasi ini adalah
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan penulis dalam melakukan simulasi pada aplikasi penelitian pengenalan citra wajah dengan variasi
Lebih terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
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 terperinciPRAKTIKUM 2. MATRIK DAN JENIS CITRA
PRAKTIKUM 2. MATRIK DAN JENIS CITRA 1. TUJUAN: Mahasiswa memahami konsep matriks dan berbagai jenis citra Mahasiswa memahami konsep threshold dan mampu menerapka konsep threshold di dalam script Mahasiswa
Lebih terperinciDeteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri
Thresholding Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri Deteksi Warna Mendeteksi adanya warna-warna tertentu Menentukan posisi pixel dengan warna yang ditentukan Aplikasi: Deteksi rambu-rambu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi, khususnya Ilmu Komputer telah menghasilkan berbagai kemudahan yang tentunya semakin mempermudah manusia di dalam menangani tugas tugas / permasalahan
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 terperinciAPLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr
APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr 1 Indra Dwi Ananto (09018107), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika
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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciPENGENALAN PENGOLAHAN CITRA DENGAN LINUX GNU OCTAVE ARDYMULYA ISWARDANI
PENGENALAN PENGOLAHAN CITRA DENGAN LINUX GNU OCTAVE ARDYMULYA ISWARDANI STMIK DUTA BANGSA SURAKARTA 2017 DAFTAR ISI PENGENALAN PENGOLAHAN CITRA DENGAN LINUX GNU OCTAVE 1 DAFTAR ISI 2 DAFTAR TABEL 2 DAFTAR
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Pada BAB ini, penulis ingin membahas mengenai perencanaan dan implementasi dari Aplikasi tersebut, antara lain Flowchart dari sistem tersebut dan struktur data yang terdapat
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen penting dalam dunia multimedia karena memiliki peranan penting dalam hal menyajikan suatu informasi dalam bentuk gambar
Lebih terperinciSISTEM PENGENALAN PLAT NOMOR MOBIL UNTUK APLIKASI INFORMASI KARCIS PARKIR
SISTEM PENGENALAN PLAT NOMOR MOBIL UNTUK APLIKASI INFORMASI KARCIS PARKIR Andy Setiawan (1), Sigit Wasista (2), Dwi Kurnia Basuki (2) (1) Mahasiswa Program Studi Teknik Komputer, (2) Dosen Program Studi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciPraktikum Pengolahan Citra - Pertemuan 1.2
Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Praktikum Pengolahan Citra - Pertemuan 1.2 Content: 1. Representasi Obyek Citra -> Matrik 2 D dari Intensitas Piksel 2. Format
Lebih terperinciImage Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010
Image Processing Nana Ramadijanti Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010 Referensi 1. Rafael C. Gonzales E.Woods, Digital Image Processing,2 nd Edition,Prentice Hall,2001 2. Wanasanan Thongsongkrit,
Lebih terperinciBAB I PENDAHULUAN. mulai menopang kehidupan manusia. Teknologi merupakan sebuah hasil
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini kebutuhan akan teknologi semakin meningkat seiring dengan kemajuan dan perkembangan ilmu pengetahuan dan teknologi itu sendiri. Kemajuan teknologi dengan perkembangan
Lebih terperinciLAMPIRAN A DATA LENGKAP HASIL PERCOBAAN 1 DAN 2
LAMPIRAN A DATA LENGKAP HASIL PERCOBAAN 1 DAN 2 Tabel A.1 Hasil pengenalan percobaan 1 No. Citra Uji Dengan Clustering Hasil Pengenalan Tanpa Clustering Jumlah Iterasi Pencarian Dengan Tanpa Cluster Cluster
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciIndarto 1, Murinto 2, I. PENDAHULUAN. Kampus III UAD Jl.Dr.Soepomo, Janturan, Yogyakarta
Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS (Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM. implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan
BAB 4 IMPLEMENTASI DAN EVALUASI PROGRAM Dari hasil perancangan yang dilakukan oleh penulis, pada bab ini disajikan implementasi dari program aplikasi yang dibuat. Penulis akan menguraikan spesifikasi sistem
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 IV HASIL DAN PEMBAHASAN. dua proses, yaitu proses akusisi data dan algoritma exemplar-based
BAB IV HASIL DAN PEMBAHASAN 4.1 Perancangan Aplikasi Secara umum aplikasi pemugaran citra digital terbagi menjadi dua proses, yaitu proses akusisi data dan algoritma exemplar-based image inpainting. Alur
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Desain frame grabber Desain frame grabberdiawali dengan pemilihan perangkat kamera yang akan digunakan. Video akan muncul komponen VideoWindow1 yang secara realtime terhubung
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 terperinciPertemuan 10. White Balance ACHMAD BASUKI
Pertemuan 10 White Balance ACHMAD BASUKI POLITEKNIK ELEKTRONIKA NEGERI SURABAYA Apa perbedaan tiga foto ini? Pernahkah anda mengalami masalah warna seperti ini? Pernahkah anda mengalami masalah warna seperti
Lebih terperinciBAB IV IMPLEMENTASI DAN UJI COBA. Pengenalan Pola dengan Algoritma Eigen Image, dibutuhkan spesifikasi
BAB IV IMPLEMENTASI DAN UJI COBA 4.1 Kebutuhan Sistem Sebelum melakukan implementasi dan menjalankan aplikasi Model Pengenalan Pola dengan Algoritma Eigen Image, dibutuhkan spesifikasi perangkat lunak
Lebih terperinciPertemuan 8. Fotografi ACHMAD BASUKI
Pertemuan 8 Fotografi ACHMAD BASUKI POLITEKNIK ELEKTRONIKA NEGERI SURABAYA Macam-Macam Komposisi PERTEMUAN 8 Macam-macam Komposisi Komposisi Warna Komposisi Statis Komposisi Piramida Komposisi Diagonal
Lebih terperinciIII METODOLOGI PENELITIAN
13 III METODOLOGI PENELITIAN 3.1 Kerangka Penelitian Penelitian dilakukan dalam lima tahapan utama, yaitu ekstraksi frame video, ekstraksi fitur SIFT dari seluruh frame, pembentukan kantong kata visual
Lebih terperinciBab IV. Aplikasi Program Penjadwalan
Bab IV Aplikasi Program Penjadwalan Program terdiri dari dua lembar kerja yaitu lembar masukan data seperti terlihat pada Gambar 4.1 dan lembar proses seperti terlihat pada Gambar 4.2. Gambar 4. 1 Lembar
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciAplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006
Aplikasi Pengolahan Citra DETEKSI WARNA PENS-ITS, 26 Des 2006 Materi Format Warna RGB r-gcolor Normalized RGB HSV YCrCb TSL Deteksi Warna Static Threshold Distance Threshold Dynamic Threshold Format Warna
Lebih terperinciGambar 2.1. Komponen yang digunakan. Gunakan komponen-komponen seperti pada gambar 2.1 untuk membuat form pada gambar 2.2.
2 EVENT DAN PROPERTY 2.1. Membuat User Interface Pemrograman Visual Basic adalah suatu pemrograman visual, dimana pembuatan program dilakukan menggunakan media visual atau sering disebut dengan user-interface.
Lebih terperinciBAB 3 PE GEMBA GA METODE DA ALGORITMA PEMESI A MULTI AXIS
BAB 3 PE GEMBA GA METODE DA ALGORITMA PEMESI A MULTI AXIS File STL hanya memuat informasi mengenai arah vektor normal dan koordinat vertex pada setiap segitiga / faset. Untuk mengolah data ini menjadi
Lebih terperinciAplikasi Temu Kembali Citra
BAB 14 Aplikasi Temu Kembali Citra Setelah bab ini berakhir, diharapkan pembaca dapat memahami berbagai hal yang berhubungan dengan temu kembali citra dan mampu mempraktikkannya. Aplikasi temu kembali
Lebih terperinciTEKNIK PENGOLAHAN HASIL PERTANIAN
SUMBER BELAJAR PENUNJANG PLPG 2017 MATA PELAJARAN/PAKET KEAHLIAN TEKNIK PENGOLAHAN HASIL PERTANIAN BAB XVII PENGUJIAN SECARA FISIK- MEKANIS MIKROANALISIS KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN DIREKTORAT
Lebih terperinciPROBABILITAS DAN TEOREMA BAYES
PROBABILITAS DAN TEOREMA BAYES Farah Zakiyah Rahmanti Mei 2015 Overview Pendahuluan Definisi Metode Bayes Distribusi Bersama dan Distribusi Marginal Probabilitas Bersyarat Probabilitas Bersyarat dalam
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Permasalahan Tahapan analisis terhadap suatu sistem dilakukan sebelum masuk ke tahapan perancangan. Tujuan dilakukannya analisis terhadap suatu sistem
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciPengolahan Citra - Pertemuan 1 Nana Ramadijanti Politeknik Elektronika Negeri Surabaya
Pengolahan Citra - Pertemuan 1 Nana Ramadijanti Politeknik Elektronika Negeri Surabaya Materi: 1. Pendahuluan 2. Formasi Citra 3. Pemrosesan Citra dan Ekualisasi 4. Koreksi Warna 5. Konvolusi 6. Spatial
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 terperinciHASIL DA PEMBAHASA. Pengadaan Data
1 Memilih atribut yang akan diklasifikasikan ke dalam k kelas, misal atribut yang dipilih adalah atribut x. 2 Sekumpulan k-1 nilai dibangkitkan secara acak dalam selang [min{x}, max{x}]. Selang ini digunakan
Lebih terperinciRancang Bangun Counter Product Logger Menggunakan Sensor Infrared Berbasis Internet
Rancang Bangun Counter Product Logger Menggunakan Sensor Infrared Berbasis Internet Oleh: Syarif Hidayatullah 2205 100 158 Pembimbing: Ir. Harris Pirngadji, MT.ID. BIDANG STUDI ELEKTRONIKA Jurusan Teknik
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 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 terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciPertemuan 6: Metode Least Square. Achmad Basuki Politeknik Elektronika Negeri Surabaya 2014
Pertemuan 6: Metode Least Square Achmad Basuki Politeknik Elektronika Negeri Surabaya 2014 Bagaimana mendapatkan fungsi polinomial untuk mewakili sejumlah titik data Bentuk Permasalahan Permasalahan 1
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciBAB 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 terperinciPengumpulan dan Integrasi Data. Politeknik elektronika negeri surabaya. Tujuan
Pengumpulan dan Integrasi Data Arna fariza Politeknik elektronika negeri surabaya Tujuan Mengetahui sumber data dari GIS dan non GIS data Mengetahui bagaimana memperoleh data raster dan vektor Mengetahui
Lebih terperinciJURNAL KLASIFIKASI PERBEDAAN JENIS BUAH PISANG MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
JURNAL KLASIFIKASI PERBEDAAN JENIS BUAH PISANG MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS CLASSIFICATION OF DIFFERENT TYPES OF BANANAS USING METHODS PRINCIPAL COMPONENT ANALYSIS Oleh: Moh. Ilham Ibnu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan studi (state of the art) Berikut penelitian yang telah dilakukan sebelumnya : 1. Penelitian dilakukan oleh Sigit Sugiyanto Feri Wibowo (2015), menjelaskan tentang klasifikasi
Lebih terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
Lebih terperinciRancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam. Kampus ITS, Surabaya
Rancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam Choirul Umul Islami 1, Mike Yuliana 2, Akuwan Shaleh 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciImage Filtering. Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 2005
Image Filtering Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS 25 Materi Prinsip Filtering Di Dalam Image Processing Konvolusi Low-Pass Filter High-Pass Filter Prinsip Filter Dalam Image
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 terperinciBAB 3 PERANCANGAN PERANGKAT LUNAK
A 3 PERANCANGAN PERANGKAT LUNAK Pada bab ini diuraikan mengenai perancangan perangkat lunak untuk implementasi aplikasi pengenalan obyek tiga dimensi dengan metode Subclass Discriminant Analysis (SDA).
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 03, No.3 (2015), hal ISSN : x
KLASIFIKASI JENIS BUNGA KAMBOJA JEPANG (ADENIUM SP.) BERDASARKAN CITRA MAHKOTA MENGGUNAKAN EKSTRAKSI FITUR WARNA DAN DETEKSI TEPI [1] Urai Nur Ichsani, [2] Dedi Triyanto, [3] Ikhwan Ruslianto [1] [2] [3]
Lebih terperinciLaporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F
Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinciKLASIFIKASI GERAK ATLET JALAN CEPAT MENGGUNAKAN METODE KNN
KLASIFIKASI GERAK ATLET JALAN CEPAT MENGGUNAKAN METODE KNN Langkah-langkah yang dilakukan dalam tahap pengujian ini adalah : Pertama membuka Matlab, lalu membuka file yang ingin diujikan dengan memilih
Lebih terperinciSosiometri Berbasis Web
Sosiometri Berbasis Web Pengantar Untuk mempermudah pembuatan sosiometri dan sosiogram, telah tersedia program Sosiometri Berbasis Web. Program ini bisa diakses melalui alamat : sosiometri.shidec.com Bagi
Lebih terperinci6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem yang Sedang Berjalan Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Laboratorium Jaringan Komputer
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan di Laboratorium Jaringan Komputer dan Laboratorium Teknobiomedik Departemen Fisika, Fakultas Sains dan Teknologi, Universitas
Lebih terperinciTATA CARA PENGUNAAN PROGRAM
TATA CARA PENGUNAAN PROGRAM 1 Cara Penggunaan Pertama kali 1.1 Instal NetBean jika belum ada. 1.2 Buka NetBean. 1.3 Pilih menu pada NetBean : File Open Project ProjectSkripsiDeteksiTepi. 1.4 Pilih kelas
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciIDENTIFIKASI KERUSAKAN PANKREAS MELALUI IRIDOLOGY MENGGUNAKAN METODE BAYES UNTUK PENGENALAN DIABETES MELLITUS
IDENTIFIKASI KERUSAKAN PANKREAS MELALUI IRIDOLOGY MENGGUNAKAN METODE BAYES UNTUK PENGENALAN DIABETES MELLITUS Mochammad Rochmad Jurusan Elektronika Politeknik Elektronika Negeri Surabaya ITS Kampus PENS,
Lebih terperinciLampiran 1: Data padi sawah tahun dari BPS kota Surakarta
LAMPIRAN Lampiran 1: Data padi sawah tahun 1992-2012 dari BPS kota Surakarta No Tahun LTA I Periode I Periode II Periode III LP LTA LP HH LTA I HH I II II II III LP III 1 1992 125 91 62,41 112 114 55,44
Lebih terperinciSistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera
Sistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera Sandy Prayogi, Eru Puspi,ST, M.Kom, Ronny Susetyoko S.Si, M.Si # Jurusan Teknik Elektronika, Politeknik
Lebih terperinciBAB I PENDAHULUAN. semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan teknologi informasi dan komunikasi yang semakin pesat, semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra akan
Lebih terperinciTUGAS 2 COMPUTER VISION PERBAIKAN KUALITAS
Nama : Ariya Kusuma NIM : 12043124 (sore) TUGAS 2 COMPUTER VISION PERBAIKAN KUALITAS Gambar 1, building_gaussian Sebelum dilakukan teknik Perbaikan Kualitas, Perbaikan dengan teknik Perbaikan Kualitas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Potensi buah jeruk termasuk jeruk lemon secara nasional amat besar. Rukmana dan Oesman (2001) menyatakan sebelum tahun 1970 Indonesia pernah berjaya sebagai produsen
Lebih terperinciProbabilitas Bersyarat
Probabilitas Bersyarat Achmad Basuki Politeknik Elektronika Negeri Surabaya 2004 Definisi Probabilitas bersyarat dituliskan dengan A B) yang menyatakan probabilitas A bila diketahui B, dimana A dan B menyatakan
Lebih terperinciTUTORIAL INSTALASI DAN PENGGUNAAN PLAGIARISMCHECKERX UNTUK PEMULA BY : ROBBI RAHIM, S.KOM., M.KOM
1 TUTORIAL INSTALASI DAN PENGGUNAAN PLAGIARISMCHECKERX UNTUK PEMULA BY : ROBBI RAHIM, S.KOM., M.KOM Tutorial ini dibuat untuk memudahkan pengguna melakukan instalasi Software PlagiarismCheckerX dan juga
Lebih terperinci4.20, kemudian kilk tombol Ya untuk melanjutkan penghapusan atau klik Tidak
76 4.20, kemudian kilk tombol Ya untuk melanjutkan penghapusan atau klik Tidak untuk membatalkan penghapusan. Gambar 4.18 Layar Tambah Barang Pada Layar Tambah Barang ini terdapat text box mengenai keterangan
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai sistem pakar kerusakan dinamo listrik dengan metode forward chaining yang meliputi analisa sistem yang sedang berjalan dan desain sistem.
Lebih terperinci