Kata kunci : Pemilihan gambar, Pencocokan Graph
|
|
- Hendra Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ALGORITMA PENCOCOKAN OBJEK GEOMETRI CITRA BERBASIS GRAPH UNTUK PEMILIHAN KEMBALI (RETRIEVAL) Yureska Angelia angelia.yureska@gmail.com Bidang Studi Telekomunikasi Multimedia Jurusan Teknik ElektroFTI, Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS, Keputih Sukolilo, Surabaya 6 Abstrak Metode graph banyak digunakan dalam proses pencocokan, salah satunya adalah dengan pencocokan citra. Dalam proses pencocokan graph atau graph matching biasanya akan ditemukan banyak kesulitan dalam algoritma yang dilakukan. Banyaknya proses dan prosedur yang harus dilakukan sehingga membuat lamanya juga komputasi dalam proses pencocokan graph untuk pemilihan gambar kembali (Image retrieval). Untuk itu, dibuatlah sebuah algoritma baru yang lebih sederhana untuk melakukan proses pencocokan citra dengan metode graph. Algoritma ini akan mengurutkan proses pencocokan dalam beberapa phase atau K phase, setiap phase akan menjelaskan solusi yang berbeda. Dengan kemungkinan bagian yang paling mendekati benar akan diutamakan dalam proses pencariannya. Hanya selisih jumlah yang kecil dalam phase yang akan digunakan untuk proses pencocokan citra (paling optimal). Dalam pengujian ini digunakan sebuah aplikasi dalam bentuk objek geometri yang akan digunakan sebagai pencocokan untuk pemilihan gambar kembali atau contentbased image retrieval. Dari pengujian algoritma untuk pemilihan objek ini, hasil pemilihan akan menghasilkan kecocokan dengan menampilkan objekobjek geometri. Dengan tetap menampilkan dissimilarity objek dalam hasil proses pemilihan kembali Kata kunci : Pemilihan gambar, Pencocokan Graph I. PENDAHULUAN Dalam dasar pengolahan citra terdapat pengolahan citra, yaitu: grafika komputer, visi komputer dan pengolahan citra. Dalam bidang grafika computer banyak dilakukan proses yang bersifat sintesis yang mempunyai ciri data masukan berbentuk deskriptif dengan keluaran hasil proses berbentuk citra. Sedangakan untuk visi computer merupakan proses kebalikan dari grafika computer. Selanjutnya untuk pengolahan citra merupakan prosees pengolahan dan analisis citra yang banyak melibatkan persepsi visual, yakni data masukan maupun data keluarannya berbentuk citra. Pengenalan citra struktur pola masuk dalam kategori visi computer. Dalam proses pengolahannya, membandingkan citra yang terlebih dahulu akan diubah dalam struktur pola yang kemudian akan membentuk penggambaran polapola citra sebaik mungkin, selanjutnya akan digunakan untuk mencocokan citra dengan tujuan mengetahui efisiensi metode pencocokan citranya. Metode yang akan digunakan dalam pengenalan citra struktur pola ini adalah dengan metode graph. Metode graph ini mengkodekan image content ke dalam bentuk graph yang nantinya akan dibedakan dalam bentuk saja. Dalam pengkodean graph ini pencarian image yang digunkan adalah metode contentbased image retrieval (CBIR), juga dikenal dengan query by image content (QBIC) yang mana ini termasuk dalam aplikasi teknik visi computer. Selanjutnya, query image yang berfungsi sebagai image input akan menginisialisasi contentbase untuk selanjutnya akan mencari maksimum kecocokan. Untuk itu, dibuat sebuah algoritma sederhana untuk proses graph matching. Proses pencocokan dalam algoritma ini akan digunakan system K phase, yang mana K akan bernilai jika memiliki nilai paling kecil dalam selisih dua node. Efisiensi hasil dari algoritma ini didapat dari nilai terkecil K, sehingga secara signifikan akan mengurangi ruang pencarian proses pencocokan diantara dua graph[]. II. TEORI PENUNJANG. ContentBased Image Retrieval Contentbased image retrieval (CBIR) adalah suatu teknik pencarian suatu data gambar atau citra yang diinginkan oleh pengguna terhadap beberapa data citra dalam skala yang besar. CBIR juga biasa dikenal sebagai query by image content (QBIC). Contentbased maksudnya adalah pencarian yang akan menganalisa bagianbagian (content) dari citra lebih dari metadata seperti kata kunci, pelabelan, dan deskripsi dari citra tersebut. Content disini lebih merujuk ke dalam bentuk warna, bentuk, texture atau informasi lainnya yang dapat diambil dari image itu sendiri. Dalam mesin pencarian citra, CBIR hanya menggunakan bagianbagian yang paling penting dalam citra, jadi tidak hanya murni dalam metadata yang biasanya cara ini akan menghasilkan banyak sampah di akhir pencariannya. Selain itu dalam jumlah data base yang besar, metadata akan sangat tidak efisien, mahal dan kemungkinan menangkap setiap kata kunci yang tidak pas. Dengan CBIR sistem akan bisa menyaring citra berdasarkan content yang tersedia dalam bentuk index dan menghasilkan hasil yang lebih akurat. Gambaran umum CBIR pada Gambar.[] Gambar Alur umum CBIR. Teknik Query Banyak sistem CBIR yang telah dikembangkan, meskipun tidak semua permasalahan dapat terselesaikan. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTIITS
2 Salah satu metode yang ada adalah teknik query. CBIR sistem menggunakan bagianbagian yang terpenting dalam mengidentifikasikan citra yang akan di panggil. Untuk mencari suatu data citra akan banyak sekali kata kunci yang akan dimasukan, sehingga akan membuat beratnya kinerja komputer dalam mencari citra yang sesuai dengan yang diinginkan. Untuk itu, CBIR sistem saat ini membuat suatu fitur yang lebih ringan seperti pengidentifikasian dengan tekstur, warna, dan bentuk. Namun, tidak semua sistem bisa menggunakan CBIR sistem, khususnya sistem yang mangggu. Sebuah citra yang terukur jaraknya membandingkan kesamaan dua citra dalam dimensi yang berbeda seperti warna, texture, bentuk dan lainnya... Warna Pencarian dengan menggunakan pengukuran berdasarkan kesamaan warna adalah dengan memasukannya ke dalam histogram untuk setiap citra yang di identifikasikan dengan piksel secara proposi ke dalam bentuk nilai sehingga bisa dibaca oleh manusia sebagai warna.. Teksture Pengukuran teksture untuk mencari pola visual di citra dan bagaimana untuk mendefinisikan spasial nya. Teksture digambarkan dengan texels yang kemudian ditetapkan dalam bentuk angka, selanjutnya tergantung berapa banyak teksture yang terdeteksi pada citra. Ketetapan ini tidak hanya mendeteksi teksture, tapi juga lokasi teksture dalam citra tersebut... Bentuk Bentuk tidak hanya merujuk ke dalam bentuk citra tapi dalam penerapannya merupakan region atau wilayah yang menjadi pemecahannya. Bentuk biasanya akan digambarkan dalam bentuk segmentasi atau jarak yang terdeteksi di sebuah citra.. Pengertian Pengolahan Citra Pada dasarnya ada tiga bidang yang menangani pengolahn data berebentuk citra, yaitu: grafika computer, pengolahan citra, dan visi computer. Pada bidang grafika computer banyak dilakukan proses yang bersifat sintesis yang mempunyai ciri data masukan berbentuk deskriptif dengan keluaran hasil proses yang berbentuk citra. Sedangkan proses di dalam bidang visi komputer merupakan kebalikan dari proses grafika computer. Terakhir, bidang pengolahan citra merupakan proses pengolahan dan analisis citra dengan data masukan maupun data keluarannya berbentuk citra. Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterprestasi oleh manusia atau mesin (dalam hal ini computer). Teknikteknik pengolahan citra mentranformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra. Namun, citra keluaran mempunyai kualitas lebih baik daripada citra masukan Hubungan antara ketiga bidang tersebut ditunjukan pada Gambar.[] Gambar Tiga bidang yang berkaitan dengan citra Gambar isomorfik G dan G.4 DasarDasar Graph Secara umum, graph G didefinisikan sebagai pasangan himpunan (V,E), ditulis dengan G= (V, ε) yang dalam hal ini V adalah himpunan tidak kosong dari simpulsimpul (nodes) dan ε adalah himpunan sisi/busur (edges) yang menghubungkan sepasang simpul..4. Graph Isomorphism Graph dikatakan isomorphism apabila dua buah graph yang sama tetapi secara geometri berbeda. Dua buah graph, G dan G akan isomorfik jika terdapat korespondensi satusatu antara simpulsimpul keduanya dan antara sisisisi keduanya sedemikian sehingga hubungan keberisian tetap terjaga. Penjelasan untuk graph isomorphism dapat diberikan pada Gambar di atas. Dalam matriknya dapat dijelaskan sebagai berikut III. PERANCANGAN DAN PEMBUATAN SISTEM. Perancangan Dalam sebuah graph matching dengan proses image retrieval, hal pertama adalah perlu membuat sebuah citra database untuk dapat diubah ke dalam bentuk graph secara efisien. Dalam kinerja sebuah graph matching, akan terbagi menjadi dua bagian kinerja[4]:. Membuat database yang kemudian merubah image ke dalam bentuk graph. Membuat algoritma matching untuk memilih kembali citra yang sama. Sebelum membahas algoritma yang akan dirancang, maka dapat dilihat blok diagram secara keseluruhan dari pengukuran kesamaan graph matching. Gambar 4 berikut proses penjelasan blok diagram. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTIITS
3 Input image Ekstraksi ciri Panggil database Proses identifikasi graph Output image matching Gambar 4 Blok diagram proses simulasi Gambar 5 Blok diagram proses simulasi keseluruhan. Pembuatan Sistem Gambaran umum image retrieval adalah[5]: Gambar 6 Data masukan yang mencari gambar yang mirip Inisialisai ciri gambar sebagai berikut: Gambar 7 Pemilihan bagian gambar perbandingan Gambar 8 Query image yang akan diteliti Objek dalam gambar ini akan berfungsi sebagai query image atau bagianbagian image yang diidentifikasi sebagai node yang ditandai dengan penomoran. Dalam image content, gambar dibuat dalam database yang bervariasi. Setiap objek gambar memiliki nilai sendirisendiri sebagai identifikasi node. Yang mana nilai yang ditetapkan pada masingmasing objek gambar tersebut akan menjadi kunci utama dari proses image matching ini. Berikut penomoran yang diberikan pada masingmasing image content. persegi_besar = persegi_kecil = segitiga = seitiga_siku = 4 polygon = 5 parameter luas maximum persegi kecil persegi_kecil =.5 Dalam pemrograman ini, proses matching dilakukan dengan cara mencari selisih terkecil antara node di G dan G. Seperti yang telah diterangkan pada pemberian lebel diatas. Maka akan ada lima buah label node. Penjelasan lengkapnya dapat dilihat pada gambar 9 berikut..4 Image Process dengan Teori Garph Berdasarkan teori yang ada, proses image matching diatas juga dapat dijelaskan secara manual. Pelabelan image content menjadi bentuk graph berdasarkan teory dapt dijelaskan dengan dua cara yaitu dengan tiga node dan empat node..4. Implementasi Untuk node Untuk pertama adalah membuat algoritma matrik yang diatur menjadi pij = d(μ (v ), μ(vj)). Berikut pemetaan yang dilakukan pada gambar.. Objek Citra yang Diteliti Dalam proses pembuatan gambar, objek diisi gambar dalam bentuk, warna, dan posisi yang berbedabeda. Beberapa gambar dibawah adalah image content yang akan diteliti..5.5 Gambar 9 Gambar yang dicari dan ditemukan Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTIITS
4 Pada row ke posisi kecocokannya adalah {( G, G ), ( G, G ), ( G, G )} dengan matching error adalah ++= Berdasar dari tabel matrik yang terakhir maka akan didapat pemetaan node yang sederhana, yang mana merepresentasikan pemetaan dengan kesamaan terbaik. Untuk itu dapat dibuat tabel berikut: Gambar Input graph G dan model graph G Berdasarkan dari proses K phase maka langkah pertama adalah membuat matrik P, yang mana ini merupakan selisih dari tiap node disetiap baris matrik. Tabel Matrik P Tabel 6 kemiripan terbaik Pemetaan error (,) (,) (,).4. Implementasi Untuk node ke 4 node Dalam pemetaan kali ini, node akan mencari node output lebih besar dibanding dengan node di graph ke. Berikut penjelasannya. Tabel Matrik B phase 4 Dalam phase, matrik B dan B akan dibuat dalam langkah iterasi 4 Tabel Matrik B step /phase dan matrik B step phase Best matching {( G, G ), ( G, G ), ( G, G )} dan didapat selisih error adalah ++ = Tabel 4 Matrik B step /phase dan matrik B step phase Pada row ke posisi kecocokan denga nilai terkecil kedua adalah {( G, G ), ( G, G ), ( G, G )} dan jumlah selisih error adalah ++=. Tabel 5 Matrik B step /phase dan matrik B step phase Gambar Dua graph G dan G Dapat dibuat dalam selisih di matrik adalah sebagai berikut: Tabel 7 Matrik P Setelah itu, matrik diatas diubah ke dalam bentuk biner dengan memberikan nilai untuk selisih terkecil. Maka didapat matrik yang baru seperti berikut. Nilai terkecil pada tiap row adalah langkah pertama yang diambil, jadi bagian ini disebut dengan matrik B/ phase. Tabel 8 Matrik B/ phase Berdasarkan table diatas didapat kecocokan dengan nilai selisih terkecil adalah {( G,4 G ), ( G, G ), ( G, G )} dan jumlah total match adalah ++ = Dalam phase, matrik B dan B akan dibuat dalam langkah iterasi Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTIITS
5 Tabel 9 Matrik B step /phase dan matrik B step phase dapat dipetakan {( G, G ), ( G, G ), ( G, G )} dan jumlah total matching ++ = Tabel Matrik B step /phase dan matrik B step phase Langkah kedua ini, nilai row ke yang memiliki nilai terkecil urutan adalah {( G, G ), ( G,4 G ), ( G, G )} dan jumlah selisih yang terjadi adalah ++ = Tabel Matrik B step /phase dan matrik B step phase Langkah ke matriks yang dianggap matching {( G, G ), ( G,4 G ), ( G, G )} dan didapat matching error ++ = Untuk mendapatkan kecocokan yang maksimal, selalu dimungkinkan untuk memperhitungkan untuk jumlah selisih yang cukup besar. Maka dalam phase selanjutnya ini adalah menghitung untuk nilai terkecil ke seperti langkahlangkah sebelumnya. Phse, matrik B dan B sama seperti langkah sebelumnya pada langkah. Tabel Matrik B step /phase dan matrik B step phase Matrik B pada table di atas memberikan 4 kecocokan yaitu, {( G, G ), ( G, G ), ( G, G )}, {( G, G ), ( G,4 G ), ( G, G )}, {( G, G ), ( G, G ), ( G, G )}, {( G, G ), ( G,4 G ), ( G, G )} dan didapat matching error maksimum pada pemetaan ke4 dg nilai ++=4 Tabel Matrik B step /phase dan matrik B step phase Tabel Matrik B step /phase dan matrik B step phase Pemetaannya adalah {( G, G ), ( G, G ), ( G,4 G )} dengan nilai error ++ = 4 IV.PENGUJIAN DAN ANALISA SISTEM 4. Hasil Pengujian Gambar Berdasarkan Bentuk Dalam percobaan ini digunakan gambar D dengan berbagai macam bentuk bangun dan ciri. Pencarian dimulai memasukan query image sebagai data masukan, untuk dilanjutkan dengan proses inisialisasi mencari gambar sama terbaik diantara banyaknya database. Ketidaksamaan warna dan posisi tidak menjadi parameter penting disini. Dalam pengujian ini query image tidak termasuk dalam anggota dari data base itu sendiri. 4.. Pemilihan Gambar dengan Node Dalam pencarian gambar kembali ini, ada 5 gambar yang digunakan yaitu: Persegi besar berlabel Persegi kecil berlabel Segitiga berlabel Segitiga siku berlabel 4 Polygone berlabel 5 Berikut hasil dari pengujian pencarian gambar kembali dengan node. Query Input Gambar, Error Gambar Hasil uji pencarian gambar kembali Query Input Gambar, Error Gambar, Error Gambar, Error Gambar, Error Gambar, Error {( G, G ), ( G, G ), ( G, G )} dengan nilai ++ = 4 Gambar Hasil uji ke pencarian gambar kembali Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTIITS
6 Query Gambar 4 Hasil uji pencarian gambar kembali untuk ke 4 node Gambar 4, Error Query Input Gambar 4, Error Gambar 4 Hasil uji pencarian gambar kembali untuk ke 4 node 4. Analisa pengujian Tabel 4 Nilai matching error node dalam pengujian Query Image ke ke ke Nilai matching error didapat dari selisih node antar graph yang telah dilabel sebelumnya. Begitu juga dengan proses pencocokan dengan node ke 4 node, algoritma akan mencari gambar yang paling banyak mirip dengan input query image. Tabel 5 Nilai matching error node ke 4 node dalam pengujian Query Image ke ke ke Gambar, Error Gambar, Error Gambar, Error V. PENUTUP 5. Kesimpulan Berdasarkan hasil pengujian yang dilakuan pada Tugas Akhir ini, perbandingan kesamaan query image pada image processing dengan metode graph, dapat disimpulkan bahwa:. Terdapat beberapa kesamaan yang akurat dalam proses pencocokan citra ini, yaitu dalam bentuk dari isi gambar. Faktor ukuran gambar tidak berpengaruh pada semua bentuk objek citra.. Dalam proses pencarian kembali, penampilan matching error berurutan sesuai error terkecil. 5. Saran Beberapa saran yang berguna untuk pengembangan Tugas Akhir ini antara lain:. Untuk penelitian selanjutnya system dapat dikembangkan dengan memperhitungkan posisi dan warna dari image content.. Pengujian dapat dikembangkan dengan kuantitas database yang lebih banyak.. Factor waktu dapat diperhitungkan dalam proses pencarian gambar. DAFTAR PUSTAKA [] A. hlaoui and S. Wang, A nodemapingbased algorithm for graph matching, Universite de sherbrooke, quebec, Canada. [] Aniati Murni dan Suryana Setiawan. Pengatur Pengolahan Citra, PT. Elex Media Komputindo [] Rinaldi Munir. Matematika Diskrit. Informatika Bandung. Bandung. [4] A. Hlaoui and S. Wang, A New Algorithm for Graph With Application to Contentbased image retrieval, in SSPR/SPR, [5] P. Dasigi and C.V. Jawahar, Efficient Graphbased Image for Recognation and Retrieval, Center for Visual Information Technology, IIIT Hyderabad BIODATA PENULIS Yureska Angelia, dilahirkan di Bangka 8 April 987, merupakan anak kedua dari tiga bersaudara pasangan Yudawi dan Lihyati. Memulai pendidikan Sekolah Dasar di SDN 6 Belinyu, kemudian meneruskan pendidikan di SLTP Negeri Belinyu dan SMA Negeri Pemali. Pendidikan terakhir di Elektronik Instrumentasi bidang studi instrumentasi UGM. Sekarang sedang mengerjakan tugas akhir di Bidang Studi Telekomunikasi Multimedia, Jurusan Teknik Elektro ITS Surabaya. angelia.yureska@gmail.com Berdasarkan dari hasil pengujian diatas terjadi beberapa ketidakcocokan dari hasil akhir dengan keterangan gambar. Hal ini masih dikarenakan belum sempurnanya program yang dibuat. Namun secara keseluruhan bahwa algoritma ini bisa digunakan dalam proses Graph matching. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTIITS
Pencocokan Citra Berbasis Graph untuk Pengenalan dan Pemilihan Kembali (Retrieval) Oleh: Yureska Angelia ( )
Pencocokan Citra Berbasis Graph untuk Pengenalan dan Pemilihan Kembali (Retrieval) Oleh: Yureska Angelia (867) Dosen Pembimbing Dr. Ir. Wirawan, DEA Latar Belakang Teknik pemodelan struktur graph telah
Lebih terperinciALGORITMA PENGUKURAN KESAMAAN CITRA BERDASARKAN GRAPH MATCHING Engga Wisesa
ALGORITMA PENGUKURAN KESAMAAN CITRA BERDASARKAN GRAPH MATCHING Engga Wisesa 2208100613 Email : en994@yahoo.com Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih 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 terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciIMPLEMENTASI METODE MODIFIED HAUSDORFF DISTANCE DALAM MENILAI KEMIRIPAN CITRA. Andi Shahreza Harahap 1 Dini Sundani 2 Dewi Agushinta R 3.
IMPLEMENTASI METODE MODIFIED HAUSDORFF DISTANCE DALAM MENILAI KEMIRIPAN CITRA Andi Shahreza Harahap 1 Dini Sundani 2 Dewi Agushinta R 3 1, 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Dewi Wulansari, S.ST 1, Entin Martiana K, M.Kom 2, Nana Ramadijanti,
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 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 terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinciSATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN CITRA / 8 KODE MK / SKS / SIFAT : AK / 2 SKS / MK LOKAL
SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN / 8 KODE MK / SKS / SIFAT : AK01220 / 2 SKS / MK LOKAL Pertemuan Pokok Bahasan dan ke TIU 1 PENDAHULUAN TIU mengetahui
Lebih terperinciPERBANDINGAN PERFORMANCE IMAGE MATCHING MENGGUNAKAN KESAMAAN LANGSUNG DAN KESAMAAN SETELAH SEGMENTASI
Seminar asional Ilmu Komputer dan eknologi Informasi 003 PERBADIGA PERFORMACE IMAGE MACHIG MEGGUAKA KESAMAA LAGSUG DA KESAMAA SEELAH SEGMEASI AA RAMADIJAI, ACHMAD BASUKI Jurusan eknologi Informasi Lab
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 terperinciPERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE
PERANCANGAN APLIKASI PENCARIAN RUTE TERPENDEK MENEMUKAN TEMPAT PARIWISATA TERDEKAT DI KEDIRI DENGAN METODE FLOYD- WARSHALL UNTUK SMARTPHONE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi komputer dan internet semakin maju
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi komputer dan internet semakin maju menyebabkan data digital yang dihasilkan, disimpan, ditransmisikan, dianalisis, dan diakses menjadi
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 III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem yang Sedang Berjalan Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih terperinciPenggunaan Pencocokan Graf Pada Pengolahan Citra
Penggunaan Pencocokan Graf Pada Pengolahan Citra Fadhil Muhtadin - 13510070 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciAlgoritma Penentuan Graf Bipartit
Algoritma Penentuan Graf Bipartit Zain Fathoni - 13508079 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Kampus ITB Jln. Ganesha No. 10 Bandung e-mail:
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih 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 terperinciPENENTUAN RUTE TERPENDEK PADA OPTIMALISASI JALUR PENDISTRIBUSIAN BARANG DI PT. X DENGAN MENERAPKAN ALGORITMA FLOYD-WARSHALL
PENENTUAN RUTE TERPENDEK PADA OPTIMALISASI JALUR PENDISTRIBUSIAN BARANG DI PT. X DENGAN MENERAPKAN ALGORITMA FLOYD-WARSHALL Vera Apriliani Nawagusti 1), Ali Nurdin 2), Aryanti aryanti 3) 1),2),3 ) Jurusan
Lebih terperinciPenggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf
Abstrak Penggunaan Algoritma Backtracking Untuk Menentukan Keisomorfikan Graf Neni Adiningsih, Dewi Pramudi Ismi, Ratih Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik Informatika, Institut
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciImplementasi Content Based Image Retrieval Untuk Menganalisa Kemiripan Bakteri Yoghurt Menggunakan Metode Latent Semantic Indexing
Implementasi Content Based Image Retrieval Untuk Menganalisa Kemiripan Bakteri Yoghurt Menggunakan Metode Latent Semantic Indexing Meivi Kartikasari, Chaulina Alfianti Oktavia Sekolah Tinggi Informatika
Lebih terperinciIMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciBAB 1 PENDAHULUAN. Sistem penglihatan manusia merupakan suatu system yang sangat kompleks,
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG PERMASALAHAN Sistem penglihatan manusia merupakan suatu system yang sangat kompleks, tetapi sangat dapat diandalkan. Sistem ini memberikan sarana pengenalan obyek yang
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciSISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG * Iman Sapuguh, Daniel O Siahaan, dan Chastine Fatichah Program Magister Teknik
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciBAB I PENDAHULUAN. semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan teknologi informasi dan komunikasi yang semakin pesat, semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra akan
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciI. PENDAHULUAN. Gambar 1. Contoh-contoh graf
Quad Tree dan Contoh-Contoh Penerapannya Muhammad Reza Mandala Putra - 13509003 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha 10 Bandung
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tomat merupakan salah komoditas di pertanian Indonesia saat ini, tomat sudah menjadi kebutuhan pokok penunjang pangan di indonesia akan tetapi cara mengidentifikasi
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciPenerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari
Penerapan Graf Terhubung untuk Menentukan Klasifikasi Sidik Jari Annisa Muzdalifa/13515090 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciPENENTUAN KEMIRIPAN TOPIK PROYEK AKHIR BERDASARKAN ABSTRAK PADA JURUSAN TEKNIK INFORMATIKA MENGGUNAKAN METODE SINGLE LINKAGE HIERARCHICAL
PENENTUAN KEMIRIPAN TOPIK PROYEK AKHIR BERDASARKAN ABSTRAK PADA JURUSAN TEKNIK INFORMATIKA MENGGUNAKAN METODE SINGLE LINKAGE HIERARCHICAL Nur Rosyid M, Entin Martiana, Damitha Vidyastana, Politeknik Elektronika
Lebih terperinciBAB 1 PENDAHULUAN. Pada tahun 1970an penelitian awal image retrieval dilakukan dengan
BAB 1 PENDAHULUAN 1.1 Latar belakang Pada tahun 1970an penelitian awal image retrieval dilakukan dengan menggunakan pendekatan pengindeksan dan informasi citra berbasis teks. Teknik pencarian berbasis
Lebih terperinciGambar 1.1 Tahapan Penelitian
BAB 1 PENDAHULUAN Latar Belakang Masalah Content Based Image Retrieval (CBIR) atau dikenal sebagai query dengan konten image dan pengambilan informasi visual berbasis konten merupakan penerapan teknik
Lebih terperinciSISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA
SISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA Nana Ramadijanti, Achmad Basuki Politeknik Eletronika Negeri Surabaa, Institut Teknologi Sepuluh Nopember Surabaa Kampus PENS-ITS, Keputih, Sukolilo, Surabaa
Lebih terperinciPencarian Jalur Terpendek dengan Algoritma Dijkstra
Volume 2 Nomor 2, Oktober 207 e-issn : 24-20 p-issn : 24-044X Pencarian Jalur Terpendek dengan Algoritma Dijkstra Muhammad Khoiruddin Harahap Politeknik Ganesha Medan Jl.Veteran No. 4 Manunggal choir.harahap@yahoo.com
Lebih terperinciPENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE
PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciPenerapan Scene Graph dalam Pemodelan Tiga Dimensi
Penerapan Scene Graph dalam Pemodelan Tiga Dimensi Prisyafandiafif Charifa (13509081) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
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 terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
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 terperinciAPLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET
APLIKASI KOMPRESI CITRA BERBASIS ROUGH FUZZY SET Anny Yuniarti 1), Nadya Anisa Syafa 2), Handayani Tjandrasa 3) 1,2,3) Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember (ITS) Surabaya Surabaya
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 terperinciAplikasi Pewarnaan Graf untuk Sistem Penjadwalan On-Air Stasiun Radio
Aplikasi Pewarnaan Graf untuk Sistem Penjadwalan On-Air Stasiun Radio Muhamad Irfan Maulana - 13515037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
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 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 terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
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 terperinciAbstrak. Kata Kunci : Citra, kerahasiaan, enkripsi, piksel citra
Abstrak ENKRIPSI GAMBAR MENGGUNAKAN ALGORITMA SECURE IMAGE PROTECTION Tri Hariyono Reiza Hafidz 1, Isbat Uzzin Nadhori 2, Nana Ramadijanti 2 Mahasiswa 1, Dosen 2 Politeknik Elektronika Negeri Surabaya
Lebih terperinciBab 1 PENDAHULUAN 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Teori graph merupakan topik yang banyak mendapatkan perhatian saat ini, karena model-model yang ada pada teori graph berguna untuk aplikasi yang luas. Walaupun
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Permasalahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Permasalahan Teknik Struktur Data dan Data Mining merupakan salah satu ilmu komputer yang penting dan menarik perhatian teori informatika. Saat ini teknik ini sudah
Lebih terperinciMEDIA PEMBELAJARAN STRATEGI ALGORTIMA PADA POKOK BAHASAN POHON MERENTANG MINIMUM DAN PENCARIAN LINTASAN TERPENDEK
MEDIA PEMBELAJARAN STRATEGI ALGORTIMA PADA POKOK BAHASAN POHON MERENTANG MINIMUM DAN PENCARIAN LINTASAN TERPENDEK 1 Taufiq Ismail, 2 Tedy Setiadi (0407016801) 1,2 Program Studi Teknik Informatika Universitas
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinciJURNAL PENGENALAN POLA KAKI O DAN KAKI X MENGGUNAKAN METODE BRAY-CURTIS DISTANCE
JURNAL PENGENALAN POLA KAKI O DAN KAKI X MENGGUNAKAN METODE BRAY-CURTIS DISTANCE Recognition pattern of foot o and foot x using method bray-curtis distance Oleh: FATHUL MU ARIF 12.1.03.02.0091 Dibimbing
Lebih terperinciIMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION
IMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION Garibaldy W Mukti 13506004 Teknik Informatika ITB alamat : Srigading 29, Bandung 40132 email: subghost1802000@yahoo.com ABSTRAK
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 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 terperinciPENERAPAN ALGORITMA LATENT SEMANTIC INDEXING PADA CONTENT BASED IMAGE RETRIEVAL SYSTEM
PENERAPAN ALGORITMA LATENT SEMANTIC INDEXING PADA CONTENT BASED IMAGE RETRIEVAL SYSTEM Tugas Akhir Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
Lebih 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 terperinciAplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf
Aplikasi Algoritma Dijkstra dalam Pencarian Lintasan Terpendek Graf Nur Fajriah Rachmah - 0609 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciBAB II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciBAB II TINJAUAN PUSTAKA. a) Purwadhi (1994) dalam Husein (2006) menyatakan: perangkat keras (hardware), perangkat lunak (software), dan data, serta
BAB II TINJAUAN PUSTAKA 2.1 Sistem Informasi Geografis (SIG) 2.1.1 Pengertian Sistem Informasi Geografis Ada beberapa pengertian dari sistem informasi geografis, diantaranya yaitu: a) Purwadhi (1994) dalam
Lebih terperinciAplikasi Pohon dan Graf dalam Kaderisasi
Aplikasi Pohon dan Graf dalam Kaderisasi Jonathan - 13512031 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciAplikasi Teori Graf dalam Permainan Instant Insanity
Aplikasi Teori Graf dalam Permainan Instant Insanity Aurelia 13512099 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciPENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA. Abstract
PENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA Kusrini 1, Agus Harjoko 2 1 Dosen STMIK AMIKOM Yogyakarta 2 Dosen FMIPA Universitas Gadjah Mada Yogyakarta Abstract There are two
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciBAB IV ANALISA HASIL SISTEM. Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server
75 BAB IV ANALISA HASIL SISTEM 4.1 UMUM Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server Apache menggunakan PHP4-PHP5 dengan Apache2Triad sebagai tool dan matlab 6.1 sebagai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih 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 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 terperinciBAB II TINJAUAN PUSTAKA
II TINJUN PUSTK 2.1 Pengertian Sistem Informasi Geografis Sistem Informasi Geografis atau Geographic Information Sistem (GIS) merupakan sistem komputer yang digunakan untuk memasukkan, menyimpan, memeriksa,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi, khususnya Ilmu Komputer telah menghasilkan berbagai kemudahan yang tentunya semakin mempermudah manusia di dalam menangani tugas tugas / permasalahan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab analisa dan perancangan ini akan mengulas tentang tahap yang digunakan dalam penelitian pembuatan aplikasi implementasi kompresi gambar menggunakan metode
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 terperinciPENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI
PENGEMBANGAN SHORTEST PATH ALGORITHM (SPA) DALAM RANGKA PENCARIAN LINTASAN TERPENDEK PADA GRAF BERSAMBUNG BERARAH BERUNTAI Oliver Samuel Simanjuntak Jurusan Teknik Informatika UPN Veteran Yogyakarta Jl.
Lebih terperinciSistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani
Sistem Pendukung Keputusan Rekomendasi Pemilihan Laptop Menggunakan Fuzzy Tahani Eddy Triswanto S., ST., M.Kom. Jurusan Sistem Informasi Institut Informatika Indonesia Jl. Raya Sukomanunggal Jaya 3, Surabaya
Lebih terperinciPemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts
JURNAL DIGIT, Vol.1, No., November 011, pp. 13~131 ISSN: 088-589X 13 Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts Marsani Asfi Program Studi Sistem Informasi Sekolah
Lebih terperinciBAB 4 ANALISA HASIL SISTEM
BAB 4 ANALISA HASIL SISTEM 4.1. Umum Pada bab ini akan dilakukan mengenai pengujian terhadap prosentase kemiripan dari sistem aplikasi yang telah dirancang. lingkup uji coba sistem aplikasi ini adalah
Lebih terperinciPerbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek
Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek Finsa Ferdifiansyah NIM 0710630014 Jurusan Teknik Elektro Konsentrasi Rekayasa Komputer Fakultas Teknik Universitas
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinci