PEMANFATAAN GRAPH DALAM PENYELESAIAN PERMASALAHAN SEGMENTASI CITRA
|
|
- Utami Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMANFATAAN GRAPH DALAM PENYELESAIAN PERMASALAHAN SEGMENTASI CITRA Victor Hariadi Jurusan Teknik Informatika, Fakultas Teknologi Informasi - ITS Gedung Teknik Informatika, Kampus ITS, Jl. Raya ITS, Sukolilo, Surabaya victor@its-sby.edu ABSTRAK Makalah ini mengagas sebuah skema penyelesaian permasalahan segmentasi citra melalui pemanfataan region. Kami membuat predikat-predikat untuk mengidentifikasi batas antara 2 region yang bersinggungan pada sebuah citra dengan menggunakan representasi berbasis graph. Kemudian kami mengembangkan sebuah algoritma segmentasi yang efisien berbasiskan predikat tersebut (yang walaupun dalam aplikasinya algoritma ini seringkali berlaku greedy, namun secara umum tetap dapat memenuhi kebutuhan penyelesaian permasalahan). Kami mengaplikasikan algoritma berbasis graph terhadap permasalahan segmentasi citra ini dengan menggunakan 2 model ketetanggaan yang berbeda untuk membangun graph. Salah satu karakteristik penting dalam penelitian ini adalah kemampuan algoritma ini dalam mengenali detail dalam citra yang berkategori low-variability regions, dan sebaliknya dapat mengabaikan detail gambar (yang tidak perlu) dalam citra yang berkategori high-variability regions Kata kunci: segmentasi citra, pengklasteran, pengorganisasian persepsi, algoritma berbasis graph. PENDAHULUAN Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra. Segmentasi citra membagi suatu citra ke dalam bagian-bagian atau objek-objek. Sampai sejauh mana pembagian tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil dipisahkan. Pada umumnya segmentasi secara otomatis adalah salah satu pekerjaan yang sulit dalam pengolahan citra. Langkah ini akan menentukan berhasil atau tidaknya proses analisa citra. Namun dengan segmentasi yang efektif, kemungkinan besar akan didapatkan hasil yang baik. Dalam sudut pandang yang berbeda, segmentasi citra (image segmentation) bisa dikatakan sebagai suatu metode dalam membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses identifikasi objek. Dalam melakukan segmentasi citra menjadi beberapa region, hal itu merupakan problem tersendiri. Dan ada begitu banyak pula metode yang bisa diterapkan untuk mengatasi hal tersebut. Salah satunya adalah dengan menggunakan metode Efficient Graph Based Image Segmentation. Metode ini mendefinisikan sebuah predikat untuk menentukan evidence dari sebuah batas antara dua region menggunakan sebuah representasi berbasis graph dari citra. Kita selanjutnya dapat mengembangkan sebuah
2 algoritma segmentasi yang efisien berdasarkan predikat ini, dan menunjukkan bahwa meskipun algoritma ini membuat keputusan yang rakus, algoritma ini bisa menghasilkan segmentasi yang memenuhi ciri-ciri globalnya. Algoritma ini berjalan sangat cepat, hampir linier dengan jumlah dari graph edge. Karakteristik penting dari metode ini adalah kemampuannya untuk menyimpan detail region citra pada low-variability ketika mengabaikan detail dari region citra pada high-variability. Teori Lain yang Berhubungan dengan Teori Graph Based Ada banyak sekali literatur yang membahas segmentasi dan clustering, lebih dari 30 tahun, dengan berbagai aplikasi pada berbagai area selain computer vision. Pada bagian ini kami secara singkat akan mempertimbangkan beberapa pekerjaan sebelumnya yang relevan dengan pendekatan kami, antara lain : minimum spanning tree, metode graph-based, algoritma greedy, dan format citra PPM. Minimum Spanning Tree (MST) adalah algoritma yang dimulai dari suatu subgraph, yaitu sebuah koneksi, undirected graph, sebuah spanning tree dari suatu graph yang mana berbentuk tree dan mengoneksikan/menghubungkan seluruh verteks menjadi satu. Sebuah graph dapat memiliki banyak spanning tree. Kita juga dapat mengassign/menambahkan weight kepada setiap edge. Sebuah minimum spanning tree atau minimum weight spanning tree adalah sebuah spanning tree dengan weight yang kurang atau sama dengan weight dari spanning tree yang lain. Lebih umumnya, undirected graph(tidak harus terhubung) memiliki minimum spanning forest, yang mana merupakan suatu kesatuan dari spanning tree untuk komponen dirinya yang terhubung. Sedangkan Greedy Algorithm adalah algoritma yang mengikuti cara pemecahan masalah metaheuristic dari membuat pilihan lokal optimum di setiap stage dengan harapan dapat menemukan global optimum. Sebagai contoh, menerapkan greedy strategy ke dalam TSP ( Travelling Salesman Problem) menghasilkan algoritma seperti di samping ini, Pada setiap stage, kunjungi kota yang belum didatangi yang paling dekat dengan kota tempat anda berada sekarang Untuk format citra yang digunakan dalam pengujian ini adalah PPM. Image format PPM ini merupakan bagian dari Netpbm format. PPM format adalah sebutan untuk format citra berwarna yang tidak umum. Perlu diketahui bahwa format ini terkenal ketidakefisienannya. Terlalu berlebih-lebihan dalam memiliki informasi warna yang mata manusia tidak dapat lihat. Lebih jauh lagi, format ini hanya memberikan sedikit informasi mengenai image tersebut selain warna dasar yang dimiliki, yang mana hal itu berarti bahwa kita harus memasangkan file format ini dengan informasi independen lainnya untuk mendapatkan hasil yang layak. Akan tetapi, program untuk menganalisa proses ini sangat gampang ditulis dan dianalisa, selain itu juga dia support full color dan gampang diambil nilainya karena headernya sudah jelas. dan inilah kelebihannya. Algoritma Graph Based Segmentation Ada beberapa sub-bagian yang perlu dipertimbangkan dalam menyusun suatu graph-based : 1. Bagaimana caranya membangun suatu graph? 2. Bagaimana caranya memilih titik awal dan titik akhir pembuatan graph? 3. Bagaimana caranya menemukan minimum cost-path? C-20-2
3 Kita mulai membahas dari sub-bagian yang pertama, yaitu Graph Formulation. G = (V,E) sebuah undirected graph dengan vertex vi E V (himpunan elemen yang akan disegmentasikan) dan edge (vi,vj) E E. Setiap edge memiliki weight w(vi,vj), bukan negatif. Pada kasus segmentasi elemen pada v adalah pixels dan weight dari edgenya adalah nilai dissimilarity antara dua pixel yang terhubung oleh edge tersebut. Dalam pendekatan graph, sebuah segmentation S adalah sebuah partition dari V ke dalam komponen sedemikian hingga tiap komponen (region) C E S bersesuaian dengan sebuah komponen yang terhubung dalam sebuah graph G'=(V,E') dimana E'C'E. Atau dengan kata lain, segmentasi yang dilakukan diinduksi oleh sebuah subset dari edge dalam E. Algoritma Graph Based Segmentation ini secara garis besar dapat digambarkan dengan definisi di bawah ini. Definisi 1: Sebuah segmentasi S bisa dikatakan baik (fine) jika ada beberapa pasang region C1,C2 E S dimana tidak ada evidence untuk sebuah boundary antara keduanya. Definisi 2: Sebuah segmentasi S dikatakan terlalu kasar ketika ada sebuah proper refinement S yang tidak fine Properti 1: Untuk tiap (finite) graph G = (V,E) ada beberapa segmentasi S yang baik itu terlalu kasar maupun terlalu halus Algoritma 1:Inputnya adalah sebuah graph G = (V,E) dengan n vertex dan m edge. Outputnya adalah segmentasi dari V kedalam komponen S = (C1,...,Cr) 1. Sort E kedalam phi=(01,...,0m) dengan non-decreasing edge weight 2. Mulai dengan sebuah segmentasi S0, dimana setiap vertex vi ada dalam komponennya 3. Ulangi langkah 3 untuk q = 1,...,m 4. Bangun Sq given Sq-1 5. Return S = Sm Teorema 1: Segmentasi S yang dihasilkan oleh algoritma 1 itu not too fine dengan definisi 1, using the region comparison predicate D defined in (3) Teorema 2: Segmentasi S yang dihasilkan oleh algoritma 1 itu not too coarse dengan definisi 2, using the region comparison predicate D defined in (3) Teorema 3: Segmentasi yang dihasilkan oleh algoritma 1 tidak bergantung pada nondecreasing weight order dari weight yang digunakan. HASIL UJI COBA Dalam pengujian kali ini kami melalukan banyak pengujian terhadap citra sampel, terutama pada perubahan parameter-parameter yang dibutuhkan untuk menghasilkan boundary. Citra sampel yang digunakan adalah citra seperti Gambar1.. C-20-3
4 Gambar 1 Sample Citra Uji Coba Pengujian pertama menggunakan nilai parameter uji coba (sigma=0.1, threshold=500, component=20) akan memberikan hasil citra sebagai Gambar 2. Gambar 2 Hasil Citra Uji Coba Pengujian kedua menggunakan nilai parameter uji coba (sigma=0.7, threshold=500, component=20) akan memberikan hasil citra sebagaimana Gambar 3. Gambar 3 Hasil Citra Uji Coba Pengujian ketiga menggunakan nilai parameter uji coba (sigma=2, threshold=500, component=20) akan memberikan hasil citra sebagai Gambar 4.: C-20-4
5 Gambar 4 Hasil Citra Uji Coba Pengujian keempat menggunakan nilai parameter uji coba (sigma=2, threshold=300, component=20) akan memberikan hasil citra sebagai Gambar 5. Gambar 5 Hasil Citra Uji Coba Pengujian kelima menggunakan nilai parameter uji coba (sigma=2, threshold=700, component=20) akan memberikan hasil citra sebagai Gambar 6. Gambar 6 Hasil Citra Uji Coba Pengujian keenam menggunakan nilai parameter uji coba (sigma=2, threshold=2000, component=20) akan memberikan hasil citra sebagai Gambar 7. C-20-5
6 Gambar 7 Hasil Citra Uji Coba Pengujian ketujuh menggunakan nilai parameter uji coba (sigma=2, threshold=500, component=80) akan memberikan hasil citra sebagai Gambar 8. Gambar 8 Hasil Citra Uji Coba Pengujian kedelapan menggunakan nilai parameter uji coba (sigma=2, threshold=500, component=200) akan memberikan hasil citra sebagai Gambar 9. Gambar 9 Hasil Citra Uji Coba Pengujian kesembilan menggunakan nilai parameter uji coba (sigma=2, threshold=500, component=500) akan memberikan hasil citra sebagai Gambar 10. C-20-6
7 KESIMPULAN Gambar 10 Hasil Citra Uji Coba menggunakan metode Graph Based ini, maka bisa dihasilkan nilai batasan untuk mengoptimalkan kinerja algoritma ini yakni, dengan memberikan nilai parameter yang sesuai. Dimana nilai parameter tersebut meliputi: nilai sigma, nilai threshold citra, dan nilai component. Diharapkan, Nilai batasan yang telah didapatkan tersebut akan mampu melakukan deteksi obyek pada citra dengan tingkat akurasi yang cukup signifikan. Hasil pada beberapa pengujian yang telah dilakukan diatas dapat memberikan pandangan, bahwa semakin tinggi nilai sigma untuk proses smoothing citra, maka akan semakin rendah nilai component yang dihasilkan, sehingga makin kurang realistis terhadap pengenalan obyek yang ada pada citra. Sedangkan untuk nilai threshold citra, semakin tinggi nilai threshold yang ditentukan, maka akan semakin rendah pula nilai component yang dihasilkan. Hal ini dikarenakan threshold digunakan untuk mengontrol derajat perbedaan antar komponen dimana perbedaan itu harus lebih besar daripada perbedaan yang terdapat dalam komponen yang sedang dibandingkan. Adapun untuk proses nilai component akan berpengaruh pada beberapa bagian component yang tidak memenuhi batas nilai minimum component, sehingga semakin tinggi nilai component yang diinginkan, maka akan semakin rendah pula obyek yang terdeteksi pada citra. DAFTAR PUSTAKA Pedro F. Felzenszwalb, Daniel P. Huttenlocher, Efficient Graph-Based Image Segmentation, Artificial Intelligence Lab - Massachusetts Institute of Technology, Computer Science Department, Cornell University, IEEE, 2004; Bob Fisher, Graph Methods, Department of Artificial Intelligence - University of Edinburgh, 2003; Tapas Kanungo, David M. Mount, Nathan S. Netanyahu, Christine D. Piatko, Ruth Silverman, Angela Y. Wu An Efficient k-means Clustering Algorithm: Analysis and Implementation, Department of Computer Science, University of Toronto, Canada, 2002; C-20-7
8 Matei Mancas, Bernard Gosellin, Benoit Macq, Segmentation Using a Region Growing Thresholding, Faculté Polytechnique de Mons, Circuit Theory and Signal Processing Laboratory Bâtiment MULTITEL/TCTS - Initialis, 1, avenue Copernic, B-7000, Mons, Belgium, 2005; Baris Sumengen, B. S. Manjunath, and David J. Kriegman., Graph Partitioning Active Contours (GPAC) forimage Segmentation, Department of Electrical and Computer Engineering University of California, Santa Barbara, CA,2004; Netpbm, PPM Image Format Specification, Online Posting, 3 October 2003, Wikipedia, Segmentation Image Processing, Online Posting, 2 Januari 2008, C-20-8
KOMBINASI 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 terperinciPermodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal
Permodelan Pohon Merentang Minimum Dengan Menggunakan Algoritma Prim dan Algoritma Kruskal Salman Muhammad Ibadurrahman NIM : 13506106 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha
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 terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1. Identifikasi Masalah Penggunaan citra digital telah menjadi semakin popular akhir-akhir ini. Hal ini menyebabkan program pengolah grafis untuk memanipulasi citra
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Graf adalah salah satu metode yang sering digunakan untuk mencari solusi dari permasalahan diskrit dalam dunia nyata. Dalam kehidupan sehari-hari, graf digunakan untuk
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 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 terperinciBAB I PENDAHULUAN. Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai bidang untuk menyelesaikan masalah-masalah yang ada. Walaupun logika samar adalah
Lebih terperinciRANCANG BANGUN APLIKASI MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
RANCANG BANGUN APLIKASI MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Naskah Publikasi diajukan oleh: Trisni jatiningsih 06.11.1016 kepada JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI MANAJEMEN
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 terperinciPenggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum
Penggunaan Algoritma Greedy dalam Membangun Pohon Merentang Minimum Gerard Edwin Theodorus - 13507079 Jurusan Teknik Informatika ITB, Bandung, email: if17079@students.if.itb.ac.id Abstract Makalah ini
Lebih terperinciAplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar
Aplikasi Teori Graf dalam Manajemen Sistem Basis Data Tersebar Arifin Luthfi Putranto (13508050) Program Studi Teknik Informatika Institut Teknologi Bandung Jalan Ganesha 10, Bandung E-Mail: xenoposeidon@yahoo.com
Lebih terperinci8. Algoritma Greedy. Oleh : Ade Nurhopipah
8. Algoritma Greedy Oleh : Ade Nurhopipah Pokok Bahasan : 1. Minimum Connector Problem 2. Travelling Salesman Problem Sumber : Aldous, Joan M.,Wilson, Robin J. 2004. Graph and Applications. Springer: UK.
Lebih terperinciPENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA ABSTRAK
PENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA Yuliana Melita Pranoto 1, Endang Setyati 2 1) Teknik Informatika, Sekolah Tinggi Teknik Surabaya Jl. Ngagel Jaya Tengah 73-77
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 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 terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
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 terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH GRAPH & ANALISIS ALGORITMA (SI / S1) KODE / SKS : KK / 3 SKS
Pertemuan ke Pokok Bahasan dan TIU Sub Pokok Bahasan dan TIK 1 Pendahuluan Penjelasan mengenai ruang lingkup mata kuliah, sasaran, tujuan dan kompetensi lulusan 2 1. Dasar-dasar 1.1. Kelahiran Teori Graph
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Graf (Graph) Graf G didefinisikan sebagai pasangan himpunan (V, E) yang dinotasikan dalam bentuk G = {V(G), E(G)}, dimana V(G) adalah himpunan vertex (simpul) yang tidak kosong
Lebih terperinciPenggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf
Penggunaan Algoritma Dijkstra dalam Penentuan Lintasan Terpendek Graf Rahadian Dimas Prayudha - 13509009 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
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 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 terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
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 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 terperinciPenyelesaian Traveling Salesman Problem dengan Algoritma Heuristik
Penyelesaian Traveling Salesman Problem dengan Algoritma Heuristik Filman Ferdian - 13507091 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha
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 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 terperinciAPLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE
APLIKASI PENCARIAN RUTE OPTIMAL MENGGUNAKAN METODE TRANSITIVE CLOSURE 1 Rudy Adipranata 2 Fauzi Josephine Desiree 3 Andreas Handojo 1, 2, 3 Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciALGORITMA GREEDY : MINIMUM SPANNING TREE. Perbandingan Kruskal dan Prim
ALGORITMA GREEDY : MINIMUM SPANNING TREE Perbandingan Kruskal dan Prim AGENDA Pendahuluan Dasar Teori Contoh Penerapan Algoritma Analisis perbandingan algoritma Prim dan Kruskal Kesimpulan PENDAHULUAN
Lebih terperinciIKI 20100: Struktur Data & Algoritma
IKI : Struktur Data & Algoritma Graph Ruli Manurung & Ade Azurat ( Setiawan (acknowledgments: Denny, Suryana Fasilkom UI Ruli Manurung & Ade Azurat Fasilkom UI - IKI 7/8 Ganjil Minggu Materi Motivasi Definisi
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 terperinciMatematik tika Di Disk i r t it 2
Matematika tik Diskrit it 2 Teori Graph Teori Graph 1 Kelahiran Teori Graph Masalah Jembatan Konigsberg g : Mulai dan berakhir pada tempat yang sama, bagaimana caranya untuk melalui setiap jembatan tepat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Sebelum memulai pembahasan lebih lanjut, pertama-tama haruslah dijelaskan apa yang dimaksud dengan traveling salesman problem atau dalam bahasa Indonesia disebut sebagai persoalan
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 terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciRepresentasi Graph Isomorfisme. sub-bab 8.3
Representasi Graph Isomorfisme sub-bab 8.3 Representasi graph:. Adjacency list. Adjacency matrix 3. Incidence matrix Contoh: undirected graph Adjacency list : tiap vertex v :, 3, di-link dengan 3:,, 5
Lebih terperinciAnalisis dan Implementasi Graph Clustering pada Berita Digital Menggunakan Algoritma Star Clustering
Analisis dan Implementasi Graph Clustering pada Berita Digital Menggunakan Algoritma Star Clustering Aufa Bil Ahdi P 1, Kemas Rahmat Saleh W, S.T., M.Eng 2, Anisa Herdiani, S.T., M.T 3 1.2.3 Teknik Informatika,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang demikian pesatnya saat ini, telah membawa dunia memasuki era informasi yang lebih cepat dan lebih efisien. Hal ini tidak terlepas dari pemanfaatan
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 terperinciIMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY
IMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY Erdiansyah Fajar Nugraha (13508055) Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganesha 10,Bandung e-mail: if18055@students.if.itb.ac.id
Lebih terperinciPENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL
PENERAPAN TEORI GRAF UNTUK MENYELESAIKAN MASALAH MINIMUM SPANNING TREE (MST) MENGGUNAKAN ALGORITMA KRUSKAL Swaditya Rizki Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas
Lebih terperinciIMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY
IMPLEMENTASI GRAF DENGAN MENGGUNAKAN STRATEGI GREEDY Arief Latu Suseno NIM : 13505019 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : Abstrak Graf merupakan
Lebih terperinciBAB 1 PENDAHULUAN. Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan lintasan terpanjang (longest path) merupakan persoalan dalam mencari lintasan sederhana terpanjang maksimum dalam suatu graph yang diberikan. Lintasan terpanjang
Lebih terperinciPENDAHULUAN BAB Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perjalanan dari tempat satu ke tempat yang lain merupakan kegiatan yang sehari hari kita lakukan. Perjalanan ini memiliki rute tertentu dengan jarak tertentu
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciIMPLEMENTASI HIERARCHICAL CLUSTERING DAN BRANCH AND BOUND PADA SIMULASI PENDISTRIBUSIAN PAKET POS
IMPLEMENTASI HIERARCHICAL CLUSTERING DAN BRANCH AND BOUND PADA SIMULASI PENDISTRIBUSIAN PAKET POS SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciPenerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum
Penerapan Algoritma Greedy untuk Memecahkan Masalah Pohon Merentang Minimum Bramianha Adiwazsha - NIM: 13507106 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAlgoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB
Algoritma Branch & Bound untuk Optimasi Pengiriman Surat antar Himpunan di ITB Mohamad Ray Rizaldy - 13505073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperinciSyarat dan Ketentuan yang berlaku:
Syarat dan Ketentuan yang berlaku: Jawaban Quiz dikirimkan dalam format PDF. Untuk jawaban pilihan ganda tuliskan ABJAD beserta jawabannya. Sedangkan untuk soal ESSAY tuliskan jawaban beserta langkah-langkahnya
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dalam perkembangan teknologi masa kini, suatu informasi sangat mudah untuk di dapatkan. Halnya di kehidupan sehari-hari serta seluruh bidang yang berkaitan
Lebih terperinciKata kunci : Pemilihan gambar, Pencocokan Graph
ALGORITMA PENCOCOKAN OBJEK GEOMETRI CITRA BERBASIS GRAPH UNTUK PEMILIHAN KEMBALI (RETRIEVAL) Yureska Angelia 867 Email : angelia.yureska@gmail.com Bidang Studi Telekomunikasi Multimedia Jurusan Teknik
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 terperinciPERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET
PERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET Monica Widiasri Teknik Informatika, Fakultas Teknik, Universitas Surabaya monica@ubaya.ac.id
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 1 PENDAHULUAN. ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased).
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi obyek pada citra dapat dilakukan dengan tiga metode yaitu ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased). Metode
Lebih terperinciSebuah graf sederhana G adalah pasangan terurut G = (V, E) dengan V adalah
BAB II KAJIAN TEORI II.1 Teori-teori Dasar Graf II.1.1 Definisi Graf Sebuah graf sederhana G adalah pasangan terurut G = (V, E) dengan V adalah himpunan tak kosong dari titik graf G, dan E, himpunan sisi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Konsep Dasar Teori Graph 2.1.1 Graph Tak Berarah dan Digraph Suatu Graph Tak Berarah (Undirected Graph) merupakan kumpulan dari titik yang disebut verteks dan segmen garis yang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru (28293), Indonesia
MEMBANDINGKAN ALGORITMA D SATUR DENGAN ALGORITMA VERTEX MERGE DALAM PEWARNAAN GRAF TAK BERARAH Daratun Nasihin 1 Endang Lily 2, M. D. H. Gamal 2 1 Mahasiswa Program Studi S1 Matematika Jurusan Matematika
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 terperinciLANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf
Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex
Lebih terperinciGraf dan Pengambilan Rencana Hidup
Graf dan Pengambilan Rencana Hidup M. Albadr Lutan Nasution - 13508011 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung e-mail: albadr.ln@students.itb.ac.id
Lebih terperinciAlgoritma dan Pemrograman Pendekatan Pemrograman Modular
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Algoritma dan Pemrograman Pendekatan Pemrograman Modular Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Pendahuluan Teknik Pemrograman Penekanan
Lebih terperinciAplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari
Aplikasi Shortest Path dengan Menggunakan Graf dalam Kehidupan Sehari-hari Andika Mediputra NIM : 13509057 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciTEKNIK INFORMATIKA. Teori Dasar Graf
Teori Graf mulai dikenal pada saat seorang matematikawan bangsa Swiss, bernama Leonhard Euler, berhasil mengungkapkan Misteri Jembatan Konigsberg pada tahun 1736. Di Kota Konigsberg (sekarang bernama Kalilingrad,
Lebih terperinciPertemuan 2 Dasar Citra Digital. Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 2 Dasar Citra Digital Anny Yuniarti, S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman tentang konsep-konsep dasar dalam pengolahan citra digital, a.l.: Apakah pengolahan citra digital? Sampling dan
Lebih terperinciPerancangan dan Pembuatan Aplikasi Skeletonization
Perancangan dan Pembuatan Aplikasi Skeletonization Gideon Simon 1, Liliana 2, Kartika Gunadi 3 Fakultas Teknologi Industri Program Studi Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciAlgoritma Vertex Cover dan Aplikasinya
Algoritma Vertex Cover dan Aplikasinya Kevin Winata /13510073 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan
Lebih terperinciMinimum Spanning Trees algorithm
Minimum Spanning Trees algorithm Algoritma Minimum Spanning Trees algoritma Kruskal and algoritma Prim. Kedua algoritma ini berbeda dalam metodologinya, tetapi keduanya mempunyai tujuan menemukan minimum
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciAlgoritma Brute-Force dan Greedy dalam Pemrosesan Graf
Algoritma Brute-Force dan Greedy dalam Pemrosesan Graf Marvin Jerremy Budiman / 13515076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciSEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK
SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta
Lebih terperinciPenerapan Algoritma Greedy Untuk Pemantauan Jaringan Komputer Berbasis Rute (Path-oriented)
Penerapan Algoritma Greedy Untuk Pemantauan Jaringan Komputer Berbasis Rute (Path-oriented) Charles Hariyadi (13505105) Program Studi Teknik Informatika Institut Teknologi Bandung Jl. Ganesha No.10, Bandung
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.. Definisi Graf Secara matematis, graf G didefinisikan sebagai pasangan himpunan (V,E) ditulis dengan notasi G = (V, E), yang dalam hal ini: V = himpunan tidak-kosong dari simpul-simpul
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
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 terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dibidang transportasi darat khususnya kendaraan bermotor, semakin membantu masyarakat penggunanya, sehingga menjadikan kendaraan bermotor sebagai
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 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 terperinciIMPLEMENTASI PERBANDINGAN ALGORITMA ANT COLONY SYSTEM DENGAN ALGORITMA SUBSET DYNAMIC PROGRAMMING PADA KASUS TRAVELLING SALESMAN PROBLEM
IMPLEMENTASI PERBANDINGAN ALGORITMA ANT COLONY SYSTEM DENGAN ALGORITMA SUBSET DYNAMIC PROGRAMMING PADA KASUS TRAVELLING SALESMAN PROBLEM Tommi Poltak Mario Program Studi Teknik Informatika, STTI RESPATI
Lebih terperinciAPLIKASI ALGORITMA KRUSKAL DALAM PENGOTIMALAN PANJANG PIPA Kruskal Algorithm Application on Optimlaizing Pipes Network
Jurnal Barekeng Vol. 7 No. 2 Hal. 13 18 (2013) APLIKASI ALGORITMA KRUSKAL DALAM PENGOTIMALAN PANJANG PIPA Kruskal Algorithm Application on Optimlaizing Pipes Network ABRAHAM ZACARIA WATTIMENA 1, SANDRO
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciKata kunci : citra, pendeteksian warna kulit, YCbCr, look up table
Pendeteksian Warna Kulit berdasarkan Distribusi Warna YCbCr Elrica Pranata / 0422002 Email : cha_nyo2@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Marantha Jalan Prof. Suria Sumantri
Lebih terperinciPemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree. Tamam Asrori ( )
Pemanfaatan Algoritma Hybrid Ant Colony Optimization dalam Menyelesaikan Permasalahan Capacitated Minimum Spanning Tree Tamam Asrori (5104 100 146) Pendahuluan Latar Belakang Tujuan Dan Manfaat Rumusan
Lebih terperinciPERANCANGAN DAN SIMULASI PENCARIAN JALUR TERAMAN PADA PERUTEAN KENDARAN
PERANCANGAN DAN SIMULASI PENCARIAN JALUR TERAMAN PADA PERUTEAN KENDARAN SUHARDIMAN USMAN NRP : 1204 100 027 Dosen Pembimbing : Subchan, Ph.D 1 PENDAHULUAN Latar Belakang Penentuan rute kendaraan merupakan
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 terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinci