DETEKSI KAWASAN HUTAN KOTA PADA CITRA RUPA BUMI KOTA KUPANG MENGGUNAKAN KOMPONEN WARNA RGB, HSV, YIQ DAN ALGORITMA PARALLELPIPED
|
|
- Sukarno Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 J ~ ICON, Vol. 2 No. 2, Oktober 2014, pp. 133 ~ DETEKSI KAWASAN HUTAN KOTA PADA CITRA RUPA BUMI KOTA KUPANG MENGGUNAKAN KOMPONEN WARNA RGB, HSV, YIQ DAN ALGORITMA PARALLELPIPED Wahjudi 1, Adriana Fanggidae 2, Emerensye S.Y. Pandie 3 1,2,3 Jurusan Ilmu Komputer, Fakultas Sains dan Teknik, Universitas Nusa Cendana ABSTRAK Pengolahan citra digital pada masa sekarang mempunyai cakupan aplikasi yang sangat luas dalam berbagai bidang kehidupan, antara lain penginderaan jauh. Salah satu penerapan penginderaan jauh yakni untuk mendeteksi kawasan hutan kota pada suatu wilayah tertentu dengan menggunakan algoritma parallelpiped pada komponen warna RGB, YIQ dan HSV. Masukan yang diberikan pada sistem adalah citra peta rupa bumi yang didapat dari aplikasi google earth. Pada proses deteksi dilakukan pengecekan piksel pada citra yang dideteksi apakah masuk dalam kategori hutan atau tidak. Setiap piksel yang terdeteksi sebagai area hutan kota kemudian ditandai. Pada citra hasil deteksi dilakukan proses penandaan komponen terhubung dan penapisan luas. Pengujian dilakukan pada citra yang tidak mengalami proses peregangan kontras dan citra yang mengalami proses peregangan kontras, dengan nilai p=3 dan p=4. Berdasarkan pengujian didapatkan hasil bahwa komponen warna YIQ menghasilkan tingkat kesesuaian yang baik yaitu sebesar 87, % (untuk citra yang tidak mengalami peregangan kontras) dan 81, % (untuk citra yang mengalami peregangan kontras) dengan nilai p = 3. Kata kunci : penginderaan jauh, paralelpiped, hutan kota, RGB, YIQ, HSV, penandaan komponen terhubung, tapis luas. ABSTRACT Detection of the City Forest Area in Kupang Topographical Image with RGB, HSV, YIQ Components of Color and Parallelpiped Algorithm Digital image processing at the present day has a very wide coverage application in various walks of life, among others are remote sensing. One of the remote sensing application is who detect city s forest area in a particular region by using algorithm paralelpiped classification to the RGB, YIQ and HSV colors component. Input that was given is a topographical image that obtained by google earth application. In the detection process will be done pixel checking to the detected, is it the forest category or not. Every pixel that detected as a city s forest area will be marked. In the detection result image, will be done connected component labeling process and extensive filter. Tests performed on images that do not undergo the contrast stretching process and the image that has undergone a contrast stretching process, with use of p = 3 and p = 4. Based on the testing showed that the YIQ color components produce a better of fitness is equal to % (for images that do not undergo contrast stretching), and % (for image contrast stretching experience) with p = 3. Key words : remote sensing, paralelpiped, forest city, rgb, yiq, hsv, connected component labeling, extensive filter. ISSN
2 134 ISSN I. PENDAHULUAN Perkembangan teknologi dewasa ini membuat manusia ingin meningkatkan efektifitas dan efisiensi dengan teknologi informasi. Komputer mempunyai peran yang sangat besar dalam pengolahan data karena memiliki kemampuan komputasi tinggi, sehingga data dapat diolah menjadi sebuah informasi yang berguna bagi pemakai (user). Data tersebut bisa berupa gambar atau citra. Secara harafiah citra adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada bidang dua dimensi. Sumber cahaya menerangi objek-objek yang memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, scanner dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam (Usman,2005). Penggunaan aplikasi pengolahan citra digital untuk menginterpretasi suatu informasi dari citra digital. seperti pada penelitian Segmentasi warna citra dengan deteksi warna HSV untuk mendeteksi objek (Putranto, 2010) yang memaparkan penerapan metode segmentasi warna dengan deteksi warna oleh Giannakopoulos yang menghasilkan objek segmen berupa citra blob sehingga dapat terdeteksi komputer. Pengolahan citra digital pada masa sekarang mempunyai cakupan aplikasi yang sangat luas dalam berbagai bidang kehidupan antara lain bidang arkeologi, astronomi, biomedis, bidang industri dan penginderaan jauh. Penginderaan jauh dapat dilakukan dengan menggunakan teknologi citra satelit untuk mengidentifikasi suatu daerah dengan karakteristik tertentu. Penerapan penginderaan jauh yakni untuk mendeteksi kawasan hutan kota pada suatu wilayah tertentu. Deteksi kawasan hutan kota dengan penginderaan jauh dapat dilakukan melalui foto udara maupun citra satelit. Untuk mendapatkan informasi dalam penginderaan jauh, maka dilakukan pengolahan citra digital yakni segmentasi daerah hutan pada citra digital yang memiliki ciri warna tertentu. Salah satu tujuan deteksi hutan kota adalah mengetahui tingkat ketersediaan, perubahan dan penggunaan kawasan hutan kota pada suatu wilayah. Informasi yang didapat dari penerapan penginderaan jauh tersebut dapat digunakan sebagai dasar pengembangan untuk berbagai kepentingan penelitian, perencanaan, dan pengembangan suatu wilayah. Algoritma parallelpiped merupakan salah satu metode yang dapat digunakan untuk melakukan klasifikasi setiap piksel dalam sebuah citra digital. Algoritma Parallepiped merupakan algoritma klasifikasi yang dapat memberikan kepekaan terhadap varian kategori dengan memperhitungkan nilai dari masing-masing rangkaian kategori nilai piksel sampel. Rangkaian kategori suatu piksel berupa ciri warna dari piksel tersebut. Komponen warna yang dapat digunakan sebagai ciri dari suatu piksel antara lain RGB, HSV dan YIQ. Komponen HSV dan YIQ merupakan hasil konversi dari komponen warna RGB. II. METODE PENELITIAN 2.1 Data Penelitian Input data yang digunakan pada penelitian ini berupa citra digital. Citra yang dimasukkan merupakan citra satelit berupa peta rupa bumi yang diambil aplikasi google earth. Citra digital yang digunakan berupa citra RGB dengan ukuran bervariasi mulai dari ukuran 128 x 128 hingga 1024 x 1024 piksel dengan dengan format 24 bit. 2.2 Peregangan Kontras Kontras suatu citra adalah distribusi terang dan gelap. Citra grayscale dengan kontras rendah maka akan terlihat terlalu gelap, terlalu terang atau terlalu abu-abu. Citra dengan kontras yang baik menampilkan rentangan nilai piksel yang lebar pada grafik histogramnya. J ~ ICON, Vol. 2 No. 2, Oktober 2014, pp. 133 ~ 139
3 J ~ ICON ISSN Nilai piksel pada sebagian data citra penginderaan jauh hanya menempati bagian sempit pada kisaran nilai citra, sehingga pada tampilan citra asli tergambar dengan kontras yang rendah. Peregangan kontras adalah teknik yang sangat berguna untuk memperbaiki kontras citra, terutama citra yang memiliki kontras rendah. Peregangan kontras memperluas daerah nilai piksel. Teknik ini bekerja baik pada citra memiliki distribusi Gaussian atau mendekati distribusi Gaussian (Putra, 2010). Pada peregangan kontras, tiap piksel pada citra U ditransformasikan menggunakan persamaan (Balza dan Firdausy, 2005): O(i,j) = G (U(i,j)- P) + P (1) Dimana : i = baris piksel j = kolom piksel o(i,j) = nilai piksel sesudah ditransformasikan. u(i,j) =nilai piksel sebelum ditransformasikan. G =Koefisien penguatan kontras. P = nilai skala keabuan yang dipakai sebagai pusat pengontrasan. 2.3 Algoritma Parallelpiped Algoritma Parallepiped merupakan algoritma klasifikasi yang dapat memberikan kepekaan terhadap varian kategori, dengan memperhitungkan nilai dari masing-masing rangkaian kategori nilai piksel sampel. Suatu piksel tak dikenal dapat dikelaskan pada kisaran kategori kelas sesuai dengan wilayah dimana letak atau posisi piksel tersebut berada. Apabila letak nilai piksel di luar kisaran nilai semua kategori maka piksel tersebut dikatakan tak terklasifikasi (Danoedoro, 2012). Klasifikasi ini dapat dijelaskan dengan langkah-langkah sebagai berikut, a. Langkah 1: Inisialisasi sampel berupa kumpulan nilai piksel yang merepresentasikan warna daerah hutan kota. b. Langkah 2 : Dari kumpulan nilai sampel hitung nilai rerata dan simpangan baku dari nilai- nilai sampel. n BV ik µ k = i=1 (2) n dimana : µ k = nilai rerata sampel komponen warna k BV ik = nilai kecerahan piksel i pada komponen warna k n = jumlah piksel sampel sedangkan nilai simpangan baku dihitung dengan. s d = 1 n 1 n i=1 (BV ik µk ) 2 (3) dimana : s d = simpangan baku BV ik = nilai kecerahan piksel i pada komponen warna k µ k = nilai rerata sampel komponen warna k n = jumlah piksel sampel c. Langkah 3 : Nilai simpangan baku dari setiap komponen warna dikalikan dengan koefisien pengali p yang digunakan sebagai nilai panjang tiap sisi yang dibangun pada nilai rerata sebagai pusat kotak. Range box dibentuk dengan menentukan batas-batas nilai sebuah kelas. Batas nilai terendah dapat disebut sebagai batas bawah dan batas nilai tertinggi dapat disebut sebagai batas atas. Untuk menentukan nilai batas bawah dan batas atas dapat digunakan persamaan berikut : Pencarian Minimum Spanning Tree (MST) Dengan Teknik Pengkodean (Emsi M. Y. Monifani)
4 136 ISSN sd p Batas atas = µ k + 2 sd p Batas bawah = µ k - (4) 2 dimana : s d = simpangan baku µ k = nilai rerata sampel ruang warna k p = nilai pengali d. Langkah 4 : Sebuah nilai piksel dikatakan masuk dalam range box apabila berada di antara nilai batas atas dan batas bawah pada semua komponen warna pada sebuah ruang warna. e. Langkah 5 : Dimulai dari piksel pada baris pertama kolom pertama, Apabila vektor piksel tersebut masuk ke dalam range kotak (box) sampel maka piksel tersebut ditandai sebagai kelas yang ditandai kotak tersebut. Hal tersebut dilakukan hingga baris terakhir kolom terakhir. Aspek yang harus diperhatikan dalam penerapan algoritma ini kemungkinan sebuah piksel dinyatakan sebagai piksel tak terklasifikasi. Besarnya nilai pengali p menentukan jumlah piksel yang tak terklasifikasi. Semakin besar nilai p, semakin besar ukuran tiap kotak, dan semakin kecil resiko suatu vektor piksel untuk tidak masuk ke kotak manapun. Akan tetapi hal tersebut dapat menyebabkan semakin kurang teliti hasil klasifikasi karena tingkat generalisasi pun semakin besar. 2.4 Penandaan Komponen Terhubung Penandaan Komponen Terhubung memeriksa suatu citra dan mengelompokkan setiap piksel pada citra ke dalam suatu komponen terhubung menurut aturan keterhubungan (4 atau 8-connectivity). Setiap piksel bertetangga yang tidak saling terhubung (disjoin) pada suatu citra akan diberi tanda (label) yang berbeda. Memisahkan dan memberikan tanda pada setiap komponen terhubung maupun tidak terhubung pada suatu citra memegang peranan sentral pada aplikasi beberapa analisis citra secara otomatis. Penandaan komponen terhubung dilakukan dengan memeriksa suatu citra, piksel per piksel (dari kiri ke kanan dan atas ke bawah ) untuk mengidentifikasi area piksel terhubung yaitu suatu area dari piksel berbatasan yang memiliki nilai intensitas yang sama atau berada dalam sebuah himpunan yang nilainya dapat disesuaikan. Penandaan komponen terhubung dapat dilakukan pada citra biner maupun citra keabuan (Putra, 2010). Periksa citra sampai menemukan piksel x (piksel dengan nilai intensitas yang dicari). Bila x telah ditemukan maka periksa nilai piksel tetangga dari x, yaitu piksel di atas dan di kiri dari x juga memeriksa kedua piksel diagonal atas dari x, sehingga ada 4 piksel tetangga x yang diperiksa, kemudian dilakukan pemeriksaan sebagai berikut : Bila kedua piksel tetangga bernilai 0 (tidak sama) maka berilah tanda label baru pada x. Bila hanya satu saja piksel tetangga tersebut benilai 1 (bernilai sama) maka beri tanda dari piksel tetangga tersebut pada x. Bila kedua piksel tetangga tersebut bernilai 1 (bernilai sama) maka beri tanda dari piksel tetangga tersebut pada x. Bila kedua piksel tetangga bernilai 1 dan memiliki tanda yang berbeda maka berilah salah satu tanda piksel tetangga tersebut dan buat catatan kedua tanda tersebut adalah ekuivalen. Untuk setiap kelompok equivalen yang anggotanya ditemukan di kelompok equivalen yang lain, anggota kedua kelompok tersebut digabungkan. III. HASIL DAN PEMBAHASAN Pengujian dilakukan pada citra uji yaitu 10 citra uji berupa citra rupa bumi di kota kupang yang akan diuji pada 4 kondisi, yakni citra tanpa proses peregangan kontras dengan nilai p = 3, citra tanpa J ~ ICON, Vol. 2 No. 2, Oktober 2014, pp. 133 ~ 139
5 J ~ ICON ISSN proses peregangan kontras dengan nilai p = 4, citra mengalami proses peregangan kontras dengan nilai p = 3 dan citra mengalami proses peregangan kontras dengan nilai p = Hasil Hasil keluaran dari sistem yang dibuat pada penelitian ini yakni berupa citra yang merepresentasikan area yang mewakili kawasan hutan kota. Data latih yang digunakan berjumlah 4460 piksel yang merupakan bagian dari citra latih yang dianggap mewakili area hutan kota. Hasil output dari sistem yang dibuat dapat dilihat seperti pada gambar 1. Gambar 1 Hasil output dari sistem yang dibuat Kemudian dilakukan penandaan pada area pada citra yang diduga sebagai hutan kota berdasarkan pengamatan manual seperti dapat dilihat pada gambar Pembahasan Gambar 2 Hasil penandaan kawasan hutan kota berdasarkan pengamatan manual Hasil yang akan dibahas adalah hasil klasifikasi dengan menggunakan komponen warna RGB, YIQ dan HSV pada citra tanpa peregangan kontras dan citra yang mengalami peregangan kontras dengan nilai pengali p = 3 dan p = 4. Dari penandaan area yang terduga sebagai hutan kota yang dilakukan dapat dihitung luas daerah yang diduga sebagai hutan kota berdasarkan pengamatan. Luas daerah hutan kota pada setiap gambar dapat dilihat pada tabel 1. Citra Tabel 1 Hasil pengamatan secara manual Piksel terduga hutan kota (piksel) Luas area terduga hutan kota (m 2 ) Piksel terduga non hutan kota (piksel) Luas area terduga non hutan kota(m 2 ) Liliba , ,5511 Tarus , ,4003 Oesapa , ,432 Lasiana , ,6658 kota baru , ,5483 Fontein , ,9543 Undana , ,0054 kota lama , ,1288 pasir panjang , ,4422 Oebobo , ,9866 Pencarian Minimum Spanning Tree (MST) Dengan Teknik Pengkodean (Emsi M. Y. Monifani)
6 138 ISSN Evaluasi dilakukan dengan membandingkan citra hasil deteksi dan hasil penandaan yang dilakukan berdasarkan pengamatan manual. Sebuah piksel dikatakan sesuai apabila nilai pada piksel pada koordinat tertentu pada citra hasil sama dengan nilai piksel pada koordinat yang sama pada citra hasil penandaan secara manual. Evaluasi dilakukan pada citra yang tidak mengalami peregangan kontras dan citra yang mengalami peregangan kontras dengan nilai p = 3 dan p = 4. Dari pembahasan sebelumnya didapat nilai rata-rata tingkat kesesuaian deteksi kawasan hutan kota menggunakan komponen warna RGB, YIQ dan HSV untuk 10 buah pada beberapa kondisi seperti pada tabel 2. Tabel 2 Rata-rata nilai tingkat kesesuaian deteksi kawasan hutan kota untuk komponen RGB, YIQ dan HSV Kondisi RGB YIQ HSV Citra tanpa kontras nilai p = 3 17, % 87, % 77, % Citra tanpa kontras nilai p = 4 13, % 72, % 52, % Citra dengan kontras nilai p = 3 23, % 81, % 0 % Citra dengan kontras nilai p = 4 19, % 80, % 16, % Dari tabel 2 dapat dilihat bahwa proses deteksi pada komponen HSV dengan nilai p = 3 pada citra yang telah mengalami proses peregangan kontras memberikan tingkat kesesuaian yang paling rendah dengan 0 %. Deteksi yang dilakukan dengan komponen warna HSV pada citra yang telah mengalami peregangan kontras tidak dapat melakukan proses deteksi dengan baik. Untuk proses deteksi pada citra yang tidak mengalami peregangan kontras penggunaan nilai pengali p = 3 memberikan kesesuaian yang lebih baik yakni 77, % dibandingkan.tingkat kesesuaian yang dihasilkan pada penggunaan nilai pengali p = 4 yakni 52, % Pada proses deteksi komponen warna RGB menghasilkan tingkat kesesuaian yang paling rendah dibandingkan dengan komponen warna YIQ dan HSV. Untuk deteksi pada citra yang tidak mengalami peregangan kontras dengan nilai p = 3 menghasilkan tingkat kesesuaian sebesar 17, %, sedangkan pada penggunaaan nilai p = 4 menghasilkan kesesuaian sebesar 13, %. Kemudian deteksi pada citra yang telah mengalami peregangan kontras dengan nilai p = 3 menghasilkan tingkat kesesuaian sebesar 23, %, sedangkan pada penggunaaan nilai p = 4 menghasilkan kesesuaian sebesar 19, %. Untuk komponen warna YIQ, proses deteksi menghasilkan tingkat kesesuaian yang paling baik jika dibandingkan dengan komponen warna RGB dan HSV, dimana deteksi dengan menggunakan nilai = 3 pada citra yang tidak mengalami proses peregangan kontras menghasilkan tingkat kesesuaian yang paling tinggi dengan 87, %. Untuk deteksi pada citra yang tidak mengalami peregangan kontras dengan nilai p = 4 menghasilkan tingkat kesesuaian sebesar 72, % yang lebih rendah dibandingkan dengan deteksi pada citra yang telah mengalami peregangan kontras dengan nilai p = 3 dan p = 4 yang menghasilkan tingkat kesesuaian sebesar 81, % dan 80, %. IV. KESIMPULAN DAN SARAN 4.1 KESIMPULAN 1) Pada proses deteksi kawasan hutan kota menggunakan komponen warna RGB, YIQ dan HSV pada citra yang tidak mengalami peregangan kontras diperoleh hasil tingkat kesesuaian sebagai berikut: Untuk penggunaan nilai p = 3 : RGB = 17, %, YIQ = 87, % dan HSV = 77, %. J ~ ICON, Vol. 2 No. 2, Oktober 2014, pp. 133 ~ 139
7 J ~ ICON ISSN Untuk penggunaan nilai p = 4 : RGB (13, %), YIQ = 72, % dan HSV = 52, %. Sedangkan pada proses deteksi kawasan hutan kota menggunakan komponen warna RGB, YIQ dan HSV pada citra yang telah mengalami peregangan kontras diperoleh hasil tingkat kesesuaian sebagai berikut: Untuk penggunaan nilai p = 3 : RGB = 23, %, YIQ = 81, % dan HSV = 0 %. Untuk penggunaan nilai p = 4 : RGB = 19, %), YIQ = 80, % dan HSV = 16, %. Dari hasil di atas dapat disimpulkan bahwa tingkat kesesuaian yang paling baik diperoleh pada deteksi dengan menggunakan komponen warna YIQ, sehingga penggunaan komponen warna YIQ disarankan sebagai ciri warna yang paling baik dibandingkan komponen warna RGB dan YIQ. 2) Penggunaan nilai pengali p dapat mempengaruhi nilai kesesuaian yang dihasilkan. Pada penelitian ini pada kondisi kontras citra yang sama, penggunaan nilai p = 3 menghasilkan kesesuaian yang lebih baik dibandingkan penggunaan nilai p = 4. Hal ini disebabkan penggunaan nilai p yang terlalu besar akan menyebabkan range linepiped yang terlalu besar sehingga memungkinkan banyak piksel yang sebenarnya tidak mewakili hutan kota namun terdeteksi sebagai hutan kota. 4.2 SARAN 1) Melakukan pengujian klasifikasi menggunakan algoritma parallelpiped pada komponen warna yang lainnya seperti IHS, YUV dan sebagainya, serta menggunakan ciri lainnya selain ciri warna seperti penggunaan ciri bentuk dalam melakukan klasifikasi menggunakan algoritma parallelpiped untuk mendapatkan hasil deteksi yang lebih baik. 2) Menambahkan jumlah kategori untuk data latih agar sistem dapat membedakan kategori-kategori lahan yang memiliki kemiripan ciri. Misalnya untuk membedakan kategori lahan sawah, pepohonan, jalan raya, laut dan semak yang memiliki kemiripan ciri. 3) Menggunakan teknik atau algoritma lainnya untuk dikombinasikan dengan penggunaan algoritma parallelpiped sehingga diperoleh hasil yang lebih baik. DAFTAR PUSTAKA [1] Balza, A.,Firdausy, K., Teknik Pengolahan Citra menggunakan Delphi, Ardi Publishing, Yogyakarta. [2] Danoedoro, Projo. 2012, Pengantar Penginderaan Jauh Digital, Penerbit ANDI, Yogyakarta. [3] Putra, Darma, 2010, Pengolahan Citra Digital, Penerbit ANDI, Yogyakarta. [4] Putranto, Benedictus, 2010, Segmentasi warna citra dengan deteksi warna HSV untuk mendeteksi objek, Jurnal Informatika Volume 6 Nomor 2, Yogyakarta. [5] Usman, Ahmad, Pengolahan Citra Digital dan Teknik Pemrogramannya. GRAHA ILMU, Yogyakarta. Pencarian Minimum Spanning Tree (MST) Dengan Teknik Pengkodean (Emsi M. Y. Monifani)
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciPERANGKAT LUNAK PERBAIKAN KUALITAS CITRA DIGITAL MODEL RGB DAN IHS DENGAN OPERASI PENINGKATAN KONTRAS
PERANGKAT LUNAK PERBAIKAN KUALITAS CITRA DIGITAL MODEL RGB DAN IHS DENGAN OPERASI PENINGKATAN KONTRAS Tole Sutikno, Kartika Firdausy, Eko Prasetyo Center for Electrical Engineering Research and Solutions
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 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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih 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 terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, antara lain kemudahan dalam mendapatkan
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 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 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 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 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 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 terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciSEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK
SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta
Lebih terperinciPENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS
PENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS Fricles Ariwisanto Sianturi Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No 1 Medan-Sumatera
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
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 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 terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
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 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 terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
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 terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciPENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK
Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I
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 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 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 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 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 terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
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 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 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 terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciAPLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS
APLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS Apri 1, Herlina 2, Ade 3 1,2 Jurusan Teknik Informatika Sekolah
Lebih terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciPENERAPAN METODE MOST SIGNIFICANT BIT UNTUK PENYISIPAN PESAN TEKS PADA CITRA DIGITAL
Pelita Informatika Budi Darma, Volume : IV, Nomor:, Agustus 23 ISSN : 23-9425 PENERAPAN METODE MOST SIGNIFICANT BIT UNTUK PENYISIPAN PESAN TEKS PADA CITRA DIGITAL Harry Suhartanto Manalu (9259) Mahasiswa
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
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 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 III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis III.1.1. Analisis Didalam pross perancangan aplikasi ini sebelumnya dilakukan beberapa pengamatan terhadap pentingnya melakukan proses enkripsi
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciPENGEMBANGAN APLIKASI PENGKELASAN MUTU BUAH TOMAT BERDASARKAN BOBOT BUAH MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN ANALISIS REGRESI.
PENGEMBANGAN APLIKASI PENGKELASAN MUTU BUAH TOMAT BERDASARKAN BOBOT BUAH MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN ANALISIS REGRESI Oleh I Komang Mudana, NIM 0815051072 Jurusan pendidikan Teknik Informatika,
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciSCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING
SCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING Erick Alfons Lisangan Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Alamat email : erick_lisangan@lecturer.uajm.ac.id
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 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
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 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 III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciPENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL
PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL Mawaddah Aynurrohmah, Andi Sunyoto STMIK AMIKOM Yogyakarta email : andi@amikom.ac.id Abstraksi Perkembangan teknologi
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
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 terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciBAB I PENDAHULUAN. Citra (image) istilah lain untuk gambar sebagai salah satu komponen
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Citra (image) istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik
Lebih terperinciIMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 IMPLEMENTASI ALGORITMA CONNECTED-LABELLING UNTUK MENDETEKSI OBJEK BINTANG PADA CITRA DIGITAL Ericks Rachmat Swedia 1), M. Ridwan Dwi Septian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciBAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 2, Desember 2016 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Error Detection System dan Error Correction
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 terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
Lebih terperinciBINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL
BINARISASI CITRA MENGGUNAKAN PENCOCOKAN PIKSEL Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia, Jakarta e-mail : tmulyana@bundamulia.ac.id,
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciBAB II Tinjauan Pustaka
23 BAB II Tinjauan Pustaka II.1. Pengolahan Citra Digital Citra yang diperoleh dari lingkungan masih terdiri dari warna yang sangat komplek sehingga masih diperlukan proses lebih lanjut agar image tersebut
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan kamera digital sebagai alat untuk mengambil citra saat ini sudah banyak digunakan karena kepraktisannya, terkadang hasil citra memiliki tampilan
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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Secara harafiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya
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 terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
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 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciDETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA
DETEKSI POSISI PLAT NOMOR KENDARAAN BERMOTOR BERDASARKAN AREA CITRA Triyanto Adi Saputro., Elha Dhanny H, Andriansyah Ramadhan, Afi Muftihul Situmorang, M Fajar Lazuardi. Teknik Informatika, Fakultas Program
Lebih terperinci