ABSTRACT X-Ray image of a digital image that is used to diagnose the medical activities. With the heightened need imagery as an aid to diagnosing the
|
|
- Hamdani Ade Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pengklasifikasian Citra X-Ray Organ Tubuh Manusia Berdasarkan Ekstraksi Fitur Tekstur Statistik Secara Lokal 1 Fauziyah ( ) 2 Dr. Bertalya, SKom., DEA Mahasiswa Sistem Informasi Universitas Gunadarma uni.ziyah@gmail.com 2 Dosen Senio Universitas Gunadarma bertalya@staff.gunadarma.ac.id ABSTRAKSI Citra X-Ray merupakan citra digital yang digunakan untuk mediagnosa pada kegiatan medis. Dengan mengingginya keperluan citra sebagai bantuan untuk mendiagnosa maka dibutuhkan proses pendokumentasian yang dapat secara langsung mengklasifikasikan citra X-Ray secara tepat dan cepat. Proses segmentasi area obejek yang terdiri dari proses thresholding, deteksi tepi canny, dilation, filling, erosion. Kemudian dilakukan ekstraksi fitur statistik yang diekstraksi dari citra X-Ray. Ekstraksi fitur statistik terdiri dari 6 formula statistik yaitu average, standard deviation, smoothness, third moment, uniformity, dan entropy. Citra yang dianalisis berjumlah 100 citra X-ray dari berbagai organ tubuh manusia yang terdiri dari Bahu, Kaki, Kepala, Leher, Lengan Atas, Lumbal, Paha, Pergelangan Kaki, Rusuk, Siku, Tangan, Thorakal, Panggul, Lutut dan Tulang Kering. Untuk melakukan setiap tahap klasifikasi dan menampilkan hasil transformasi kontur citra dibuat sebuah aplikasi menggunakan Matlab. Berdasarkan hasil, nilai keakuratan dari metode ini sebesar 45% dengan teknik Jeffrey Divergence. Kata Kunci : Citra X-ray, Klasifikasi Citra, Segmentasi Area Objek, Ekstraksi Fitur Tekstur Statistik, Jeffrey Divergence.
2 ABSTRACT X-Ray image of a digital image that is used to diagnose the medical activities. With the heightened need imagery as an aid to diagnosing the required documentation process that can directly classify X-Ray image accurately and quickly. Object segmentation process area consists of thresholding, Canny edge detection, dilation, filling erosion. Then do the extraction of statistical features extracted from X-Ray image. Then do the extraction of statistical features extracted from X-Ray image. Statistical feature extraction consists of 6 statistical formula that is average, standard deviation, smoothness, third moment, uniformity and entropy. There are 100 images were analyzed X-Ray image of various organs of human body which consist of Shoulders, Legs, Head, Neck, Upper Arm, Lumbar, Thigh, Ankle, Prime Rib, Elbow, Hand, Thoracic, Pelvis, Knee, and Dry Bones. To perform each stage of classification and display the result of the transformation of the contour image of an application created using Matlab. Based on the result, the accuracy of this method by 45% by Jeffrey Divergence techniques. Keywords: X-Ray image, Image Classification, Object Area Segmentation, Extraction Statistic Texture Feature, Jeffrey Divergence. PENDAHULUAN Perkembangan teknologi digital di bidang komputer dan multimedia semakin berkembang, sehingga semakin meningkatnya kebutuhan akan tempat penyimpanan data digital. Pada bidang kedokteran citra digital yang digunakan untuk keperluan diagnosa adalah citra X-Ray. Produksi citra medis di rumah sakit untuk membantu pekerjaan dokter dalam mendiagnosa penyakit pasien semakin meningkat tajam. Citra medis yang dihasilkan adalah citra yang diakuisisi dari peralatan medis X-Ray, USG, MRI, fotografi, dan lain-lain. Hal ini, tentunya membutuhkan suatu mekanisme penyimpanan maupun retrieval citra medis dari database secara otomatis (Bertalya dkk,2008).
3 Pengklasifikasian citra X-Ray yang selama ini dilakukan secara manual yakni hanya berdasarkan pada kepakaran dan pengetahuan para pelaku medis, dan ini berdampak pada ketidakakuratan data atau informasi yang dihasilkan. Selain pendokumentasian yang tidak akurat, prosesnya pun menjadi semakin lambat. Oleh karena itu dibutuhkan suatu mekanisme kompleks yang dapat menjadi solusi dalam masalah ini, yaitu suatu solusi yang dapat mengklasifikasikan citra X-Ray secara akurat dan cepat berdasarkan karakteristik kemiripan dari data citra tersebut. Hal inilah yang melatarbelakangi dilakukannya penelitian untuk mengklasifikasikan citra X-Ray berdasarkan fitur tekstur statistik secara lokal. Selanjutnya nilai dari fitur statistik objek tersebut dapat dijadikan rujukan pada proses pengklasifikasian citra X-Ray. Citra-citra X-Ray yang digunakan untuk penelitian ini merupakan citra yang telah tersegmentasi dengan proses perataan histogram (Nindya, 2009). TINJAUAN PUSTAKA Pengolahan Citra Proses pengolahan gambar digital dengan menggunakan komputer digital adalah terlebih dahulu mentransformasikan gambar ke dalam bentuk besaran-besaran diskrit dari nilai tingkat keabuan pada titik-titik elemen gambar. Bentuk gambar ini disebut gambar digital. Elemen-elemen gambar digital apabila ditampilkan dalam layar monitor akan menempati sebuah ruang yang disebut dengan piksel (picture elemen). Pengolahan citra merupakan istilah umum yang mencakup teknik-teknik memanipulasi dan memodifikasi gambar dengan berbagai cara. Seperti halnya fotografer dapat melakukan pengolahan citra menggunakan bahan kimia, atau peralatan optik. Namun dalam digital pengolahan citra yang menampilkan gambar digital menggunakan komputer, pengolahan citra tidak hanya dapat melakukan manipulasi dan perbaikan kualitas gambar, namun juga dapat diperoleh, ditampilkan, dan disimpan dalam memori komputer.
4 Analisis Citra 1. Morphologi Kata morphologi (morphology) secara sederhana dapat diartikan sebagai bentuk dan struktur suatu objek atau dalam deskripsi lainnya disebutkan bahwa morphologi adalah susunan dan hubungan antara bagian pada suatu objek. Morphologi di dunia digital dapat diartikan sebuah cara untuk mendeskripsikan ataupun menganalisa bentuk dari objek digital (Darma Putra, 2010). 2. Deteksi Tepi Tepian dari suatu citra mengandung informasi penting dari citra bersangkutan. Tepian citra dapat merepresentasikan objek-objek yang terkandung dalam citra tersebut, bentuk dan ukuran serta terkadang juga informasi tentang teksturnya. Tepian citra adalah posisi dimana intensitas piksel dari cahaya berubah dari nilai rendah ke nilai tinggi atau sebaliknya. Deteksi tepi umumnya adalah langkah awal melakukan segmentasi citra (Darma Putra, 2010). 3. Segmentasi Citra Segmentasi merupakan teknik untuk membagi suatu citra menjadi beberapa daerah dimana setiap daerah memiliki kemiripan atribut (Darma Putra, 2010). Beberapa teknik segmentasi citra meliputi: Thresholding, Penandaan Komponen Terhubung (Connected Component Labeling), Segmentasi Berbasis Clustering, Tranformasi Hough. Konsep Similarity Similarity merupakan ukuran kedekatan antara satu objek dengan objek lainnya. Kemudian yang dimaksud dengan jarak adalah ukuran tentang jarak pisah antar objek. Ada beberapa jenis similarity measure, diantaranya yaitu: Distance-Based Similarity Measure, Probabilistic-Based Similarity Measure, Set-Based Similarity Measure, Feature-Based Similarity Measure, Context-Based Similarity Measure.
5 METODELOGI PENELITIAN Data citra X-Ray yang diklasifikasikan sebanyak 100 citra X-Ray yang berasal dari Tim Penelitian Hibah Bersaing DIKTI Tahun Data citra terdiri atas 8 citra X-Ray bahu, 7 citra X-Ray Kaki, 7 citra X-Ray Kepala, 7 citra X-Ray leher, 6 citra X-Ray lengan atas, 7 citra X-Ray lumbal, 7 citra X-Ray lutu, 6 citra X-Ray paha, 7 citra X-Ray panggul, 7 citra X-Ray pergelangan kaki, 7 citra X-Ray rusuk, 6 citra X-Ray siku, 6 citra X-Ray tangan, 5 citra X-Ray thorakal, dan 6 citra X-Ray tulang kering. Untuk selanjutnya ke 100 citra X-Ray ini disebut data citra uji. Tahapan proses ekstraksi fitur statistik pada citra X-Ray seperti terlihat pada Gambar 1 berikut ini. Mulai Input Citra Proses Segmentasi Area Objek Nilai Fitur Tekstur Citra Proses Ekstraksi Fitur Tekstur Menghitung 6 Nilai Fitur Tekstur Gambar 1 Alur Proses Penyimpanan Citra Proses Segmentasi Area Objek Sebelum citra X-Ray menghitung nilai terkstur terlebih dahulu dilakukan proses segementasi area objek, proses ini dimulai dengan menginput citra X-Ray kemudian dilakukan proses tresholding, deteksi tepi, dilasion, filling dan erosion pada citra X-Ray tersebut.
6 Proses pengembangan atau thresholding akan menghasilkan citra biner, yaitu citra yang memiliki dua nilai tingkat keabuan yaitu hitam dan putih. Kemudian dilakukan pendektesian tepi dengan menggunakan deteksi tepi Canny yang dapat mendeteksi tepian yang sebenarnya dengan tingkat kesalahan minimum. Dengan kata lain, operator Canny didesain untuk menghasilkan citra tepian yang optimal. Setelah itu garis-garis pada tepian dilakukan proses dilasion yakni dengan mambandingkan setiap piksel citra input dengan nilai pusat SE (Structuring Elements) dengan cara melapiskan (superimpose) SE dengan citra sehingga pusat SE tepat dengan posisi piksel citra yang diproses. Lubang yang terdapat pada area objek citra biner hasil dari proses dilasion diisi dengan mengaplikasikan proses filling sehingga menjadi suatu area objek citra biner yang utuh. Kemudian proses terakhir adalah erosion, sama seperti dilasion proses erosion dilakukan dengan membandingkan setiap piksel citra input dengan nilai pusa SE dengan cara melapiskan SE dengan citra sehingga pusat SE tepat dengan posisi piksel citra yang diproses. Setelah dilakukan preses keseluruhan dilakukan pengembalian ke citra awal untuk memperoleh area objek dengan tektur original sehingga tidak kehilangan intensitas dari citra original maka area objek citra biner dari proses segmentasi ini. Proses Ekstraksi Fitur Tekstur Statistik Setelah melalui proses segementasi area objek dan mendapatkan citra akhir yang merupakan proses komplemen pada citra dengan menjadikan area luar dari batas tepi objek sebagai latar belakang objek. Pada area objek hasil segmentasi dengan tekstur secara local akan diekstraksi fitur tekstur dominan dimana nilai-nilai akan direpresentasikan pada vektor fitur. Metode yang digunakan adalah ekstraksi fitur tekstur statistic secara local dikarenakan tekstur dari suatu citra dapat dengan mudah digambarkan menggunakan histogram dari intensitas citra itu sendiri. Fitur tekstur statistik yang diekstrasi dari citra X-Ray ini adalah average, standard deviation, smoothness, third moment, uniformity, dan entropy (Bertalya dkk, 2008).
7 Pencocokan Citra X-Ray Proses pencocokan merupakan tahap akhir dari pengklasifikasian citra. Proses ini bertujuan membandingkan antara dua citra dengan menghitung jarak antar fitur. Dengan menggunakan fitur ini kita cocokkan citra X-Ray uji dengan citra X-Ray dari refrensi yang disimpan dalam database. Proses ini menghitung similaritas antara fitur dari probablilitas distribusi dari setiap fitur statistik untuk citra uji dengan citra refrensi. Teknik pengukuran similaritas yang digunakan pada penelitian ini yaitu teknik Jeffrey Divergence. Jeffrey Divergence merupakan pengembangan dari teknik Kullback- Leibler Divergence. Hasil dari pengklasifikasian citra X-Ray diperoleh dengan mencari jarak paling terdekat dari penghitungan similaritas, yang mengindikasikan kelas bagi objek citra yang diuji. Tidak semua citra uji dapat diklasifikasikan secara tepat. Sebagai alat ukur untuk mengetahui keakuratan metode pengklasifikasian citra X-Ray digunakan. recognition rate = citra yang dapat diklasifikasikan secara tepat x 100 % jumlah keseluruhan citra Berdasarkan hasil penghitungan similaritas dapat diketahui jumlah citra yang dapat diklasifikasikan secara tepat maupun yang diklasifikasikan dengan salah. Dari jumlah citra yang dapat diklasifikasikan secara tepat, dibagi dengan jumlah keseluruhan dari citra X-Ray, kemudian dikalikan 100 %, akan diperoleh nilai recognition rate. HASIL DAN PEMBAHASAN Langkah pertama dari proses pengklasifikasin adalah memasukkan 100 citra ke dalam basis data sebagai referensi. Pada saat melakukan pencocokan citra, citra yang
8 sama tidak dicocokkan lagi, dengan kata lain 1 citra akan dicocokkan dengan 99 citra yang lain. Tahap selanjutnya adalah melakukan proses segmentasi area objek yang bertujuan untuk menghilangkan non objek atau derau yang mempengaruhi proses ekstraksi fitur tekstur pada citra X-Ray. Proses segmentasi ini merupakan proses untuk mendapatkan area objek yang diinginkan pada suatu citra dengan memisahkan antara aera objek dari latar belakangnya. Kemudian dilakukan pencocokan (matching) terhadap citra sample sebanyak 100 citra dari berbagai objek, yaitu citra bahu, citra kaki, citra kepala, citra leher, citra lengan atas, citra lumbal, citra lutut, citra paha, citra panggul, citra pergelangan kaki, citra rusuk, citra siku, citra tangan, citra thorakal, citra tulang kering. Hasil Pengujian 100 citra X-Ray dah dilihat pada Tabel 1 berikut ini. Tabel 1 Hasil Pengujian 100 Citra X-ray No Kelas Citra Pengujian Berhasil 1 Bahu 5 2 Kaki 7 3 Kepala 2 4 Leher 4 5 Lengan Atas 0 6 Lumbal 2 7 Lutut 2 8 Paha 0 9 Panggul 6 10 Pergelangan Kaki 0 11 Rusuk 6 12 Siku 3 13 Tangan 4 14 Thorakal 1 15 Tulang Kering 3 TOTAL 45
9 PENUTUP Kesimpulan Proses pengklasifikasian dari hasil percobaan menggunakan 100 citra X-Ray menggunakan metode ekstraksi fitur tekstur statistik dengan menggunakan teknik penghitungan similaritas Jeffrey Divergence diperoleh recognition rate sebesar 45%. Saran Nilai keakuratan klasifikasi citra X-Ray yang diperoleh masih dibawah 75%, hali ini dikarenakan citra X-Ray yang digunakan terlalu gelap memiliki banyak objek dilur target, sehingga berpengaruh terhadap keakuratan klasifikasi citra X-Ray. Diharapkan untuk penelitian selanjutnya dapat meningkatkan recognition rate yang lebih tinggi sehingga dapat meminimalkan kesalahan dalam proses pencocokan klasifikasi citra X-Ray. DAFTAR PUSTAKA Andry Pujiriyanto, Cepat Mahir Matlab ( diakses tanggal 1 juni 2011) Bertalya, Prihandoko, Djati Kerami, Penggunaan Fitur Tekstur Lokal pada Klasifikasi Citra X-ray Proceeding pada Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT), Universitas Gunadarma, Depok. Darma Putra, Pengolahan Citra Digital, ANDI, Yogyakarta. Gonzalez. R. C., R. E. Woods, & S. L. Eddins, Digital Image Processing Using MATLAB, Prentice-Hall. Nindya Nur Pratiwi, Pengklasifikasian Citra X-Ray Organ Tubuh Manusia dengan Merepresentasikan Kontur Menggunakan Kode Freeman, Skripsi Teknoogi Informatika, Universitas Gunadarma, Depok. Suarga M, Algoritma Pemograman, C.V Andi Offset, Yogyakarta. Yudi Agusta, Similarity Measure ( yudiagusta.wordpress.com/2008/05/13/ similarity-measure/,diakses tanggal 20 September 2011)
10
APPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL
APPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL Denni Dwi Kristanto, Dr. Bertalya, SKom., DEA. Undergraduate Program, Faculty of Industrial
Lebih terperinciAnalisis Pengklasifikasian Citra X-Ray Menggunakan Kombinasi Filter Fourier, Wavelet, dan CLAHE Dengan Segmentasi Morphologi dan RATS. Ahmad Qusyairi.
Classification Analysis X-Ray Images using Fourier Filter, Wavelet, and CLAHE Morphology Segementation and RATS Ahmad Qusyairi Undergraduate Program, Faculty of Industrial Engineering, 2010 Gunadarma University
Lebih terperinciPENGGUNAAN FITUR TEKSTUR LOKAL PADA KLASIFIKASI CITRA X-RAY
PENGGUNAAN FITUR TEKSTUR LOKAL PADA KLASIFIKASI CITRA X-RAY 1) Bertalya 2) Prihandoko 3) Djati Kerami Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl. Margonda Raya, 100, Pondok
Lebih terperinciPERANGKAT LUNAK PENGKLASIFIKASI CITRA X-RAY BERDASARKAN BENTUK OBJEK DENGAN MENGGUNAKAN PENDEKATAN GRID 1)
PERANGKAT LUNAK PENGKLASIFIKASI CITRA X-RAY BERDASARKAN BENTUK OBJEK DENGAN MENGGUNAKAN PENDEKATAN GRID 1) Bertalya dan Prihandoko 2) I. PERMASALAHAN DAN TUJUAN PENELITIAN Selama ini, proses pengklasifikasian
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciEKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :
EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
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 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 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 terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciMetode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciPengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM
Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley
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 terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciSISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM
SISTEM IDENTIFIKASI POSISI PELAT NOMOR KENDARAAN SECARA OTOMATIS MENGGUNAKAN HOUGH TRANSFORM Billy Buana Putra NRP : 1122055 Email : billy_buana@yahoo.com ABSTRAK Pengenalan pelat nomor kendaraan secara
Lebih terperinciMATHunesa (Volume 3: No 2) 2014
APLIKASI DETEKSI TEPI SOBEL UNTUK IDENTIFIKASI TEPI CITRA MEDIS Mochamad Nor Cholis Jurusan Matematika, FMIPA, Universitas Negeri Surabaya, email : cholis029@gmail.com Yusuf Fuad Jurusan Matematika, FMIPA,
Lebih terperinciPENGEMBANGAN 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 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 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 terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
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 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 Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity
54 Integer Journal, Vol 1, No 1, Maret 2016: 54-59 Deteksi Citra Objek Lingkaran Dengan Menggunkan Metode Ekstraksi Bentuk Circularity Hendro Nugroho Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih 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 terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
Lebih 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 terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih 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 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 terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciDedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2
37 Pengelompokan Jenis Tekstur Kayu Menggunakan K- Nearest Neighbor dan Ekstraksi Fitur Histogram Wood Texture Classification Using K-Nearest Neighbor and Histogram Feature Extraction Dedi Argya Nugroho
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciPENDETEKSIAN TALI PUSAT PADA JANIN DENGAN METODE CONTOUR TRACING
PENDETEKSIAN TALI PUSAT PADA JANIN DENGAN METODE CONTOUR TRACING David Habsara Hareva 1), Steven Juliono 2), Dion Krisnadi 3) 1),2),3 ) Teknik Informatika, Universitas Pelita Harapan Lippo Karawaci, Tangerang
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciImplementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI
Implementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI 1 Desti Riminarsih dan 2 Cut Maisyarah Karyati 1 Pusat Studi Komputasi Matematika(PSKM), Universitas
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciUCAPAN TERIMAKASIH. Denpasar, Agustus Penulis
UCAPAN TERIMAKASIH Segenap puja dan puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa sebagai sumber dari segala sumber pengetahuan, karena atas asung kertha wara nugrahanya Tesis yang
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih 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 terperinciSegmentasi Bagian Paru-Paru di Citra 2D CT-Scan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan Naser Jawas STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail: naser.jawas@stikom-bali.ac.id
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
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 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 GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI JARAK EUCLIDEAN TERNORMALISASI SKRIPSI FUJI FRILLA KURNIA
PENGENALAN GARIS TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI 09PENGENALAN GARIS TELAPAK TANGAN DENGAN MENGGUNAKAN FITUR EKSTRAKSI OPERASI BLOK FITUR OPERASI NON-OVERLAPPING BLOK NON-OVERLAPPING DAN PENCOCOKAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciPENGARUH PEMAKAIAN EDGE DETECTION PADA SISTEM PENGENALAN HURUF KAPITAL TULISAN TANGAN
Jurnal Teknik dan Ilmu Komputer PENGARUH PEMAKAIAN EDGE DETECTION PADA SISTEM PENGENALAN HURUF KAPITAL TULISAN TANGAN (The Influence of Edge Detection Use on Capital Letter Hand Writing Recognition System)
Lebih terperinciPendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
Lebih 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 terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
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 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 terperinciDIAGNOSA PENYAKIT PARU EFUSI PLEURA DENGAN PENDEKATAN POSSIBILISTIC FUZZY LEARNING VECTOR QUANTIZATION SKRIPSI
DIAGNOSA PENYAKIT PARU EFUSI PLEURA DENGAN PENDEKATAN POSSIBILISTIC FUZZY LEARNING VECTOR QUANTIZATION SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun
Lebih terperinciPengenalan Pola Untuk Deteksi Uang Koin
Pengenalan Pola Untuk Deteksi Uang Koin Nesi Syafitri, S.Kom, M.Cs Teknik Perangkat Lunak Fakultas Teknik Universitas Islam Riau Email : nesisyafitri@yahoo.com Abstrak Pengenalan Pola (Pattern Recognition)
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 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 terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
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 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 terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciDATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim)
Pengantar DATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim) Citra : gambar pada bidang 2D. Secara matematis : citra
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 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 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 terperinciPERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN
PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN 1) Merly Indira 2) Eva Yuliana 3) Wahyu Suprihatin 4) Bertalya Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl.
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 terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
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 terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM
PENGOLAHAN CITRA DIGITAL Segmentasi 1 Langkah berikutnya dari operasi atas image Image Segmentation Feature Extraction Object Classification 2 Image Segmentation W.G.CHO 3 Pengertian Segmentasi Segmentasi
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
Lebih terperinciAPLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan
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 terperinciKLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION
KLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION Resty Wulanningrum 1), Bagus Fadzerie Robby 2) 1), 2) Teknik Informatika, Fakultas Teknik Universitas Nusantara PGRI Kediri Kampus 2 Universitas
Lebih terperinciReza Fajar Rachmanda¹, Dr Ir Bambang Hidayat Dea², Rita Purnamasari³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2013 ANALISIS SISTEM PENGIDENTIFIKASIAN JENIS-JENIS TANAMAN HIAS ALOCASIA MELALUI BENTUK DAN WARNA DAUN MENGGUNAKAN METODE JARINGAN SARAF TIRUAN (SELF ORGANIZING
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka tentang identifikasi iris mata ataupun identifikasi citra digital sudah pernah dilakukan sebelumnya, berikut merupakan tabel perbandingan terhadap
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dental radiology memiliki peranan yang penting dalam menentukan perawatan dan diagnosa gigi. Penggunaan sinar rontgen telah lama di kenal sebagai suatu alat dalam bidang
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 1 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciPERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL
PERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Pitrawati, S.Kom., M.Pd Program Studi Komputerisasi Akuntansi AMIK Dian Cipta Cendikia, Bandar Lampung Abstrak Pengolahan
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 terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinci