ANALISA PERBANDINGAN METODE THESHOLDING DAN LAPLACE OF GAUSSIAN PADA KEMATANGAN BUAH TOMAT BERBASIS NILAI RGB
|
|
- Teguh Salim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISA PERBANDINGAN METODE THESHOLDING DAN LAPLACE OF GAUSSIAN PADA KEMATANGAN BUAH TOMAT BERBASIS NILAI RGB Khairu Saleh 1,Muhammad Syahrizal 2 1) Mahasiswa program studi Teknik Informatika STMIK Budidarma Medan 2) Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang limun Medan ABSTRAK Tomat merupakan salah satu buah yang memiliki proses kematangan relative cepat. Sehingga, klasifikasi level kematangan tomat memiliki peran yang penting untuk mengurangi resiko pembusukan tomat. Sebelum proses klasifikasi dilakukan, pada tahap preprocessing dilakukan perbaikan citra untuk meningkatkan kualitas citra. Pada penelitian ini, pengambilan citra tomat dilakukan di luar ruangan yang mengakibatkan adanya area lighting pada permukaan tomat. Perbaikan dilakukan untuk menutup dan mengganti nilai area lighting dengan komponen nilai yang terkandung dalam tomat. Perbaikan dilakukan dengan dua cara, yaitu dengan rata-rata RGB dan pencarian nilai index piksel. Tahap selanjutnya adalah segmentasi untuk memisahkan objek tomat dengan background.untuk mengenal jenis-jenis Citra berdasarkan ciri-cirinya, telah dibuat suatu sistem untuk memisahkan objek menggunakan metode thresholding. Prosesnya dimulai dengan menginput citra digital, selanjutnya dikonversi ke citra grayscale. Kemudian dilakukan proses segmentasi terhadap citra grayscale. Selanjutnya Proses terakhir adalah membuat plot contour terhadap hasil proses dilasi dan citra grayscale. Hasil segmentasi berhasil memisahkan objek citra dengan menggunakan metode thresholding local. Deteksi tepi pada citra merupakan salah satu bentuk awal dari penanganan perbaikan kualitas citra. Deteksi tepi dilakukan untuk mengindentifikasi area geometris daun atau buah tomat. Salah satu metode deteksi tepi yang dapat digunakan adalah metode Laplacian of Gaussian (LoG) Kata Kunci : Kematangan Buah Tomat, Segmentasi Citra, Thresholding dan Laplacian Of Gaussian 1. PENDAHULUAN Tomat (Lycopersium esculentum) adalah Tumbuhan dari keluarga solanaceae, tumbuhan asli Amerika Tengah dan selatan, dari meksiko sampai peru. Kata tomat berasal dari kata dalam bahasa Nahuat, dimana tomat merupakan keluarga dekat dari kentang. Dalam representsi warna kematangan buah tomat ini terdiri dari tiga unsur utama yaitu merah (red), hijau (green), biru (blue). Gabungan tiga warna ini membentuk warna-warna lainnya berdasarkan intensitas dari masing-masing warna. Aplikasi pengolahan citra mempermudah penggunanya dalam pengenalan pola yang berperan dalam memisahkan objek dari latar belakang secara otomatis. Selanjutnya, objek akan diproses oleh pengklasifikasi objek. Selain itu pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh mesin sehingga mempermudah dalam mengenali suatu objek. Perangkat lunak untuk mengolah citra digital juga sangat populer dalam perkembangannya, digunakan oleh pengguna untuk mendeteksi, mengolah foto atau untuk berbagai keperluan lain sebagai contoh, Adobe Photoshop dan GIMP (GNU Image Manipulation Program) yang menyajikan berbagai fitur dalam memanipulasi citra digital. Beberapa penelitian yang melalukan proses seleksi berdasarkan citra (image) objek antara lain sebagai berikut, Pada penelitian tersebut, diambil komponen hijau (green) untuk menunjukkan perbedaan warna antara citra buah tomat dan latar belakangnya. Dan akan diproses untuk mengetahui permukaan tomat menggunakan metode Laplace. Kusumadewi Jurnal SINGUDA ENSIKOM VOL : 4 NO : 3 Desember 2013 Hal : melakukan penelitian untuk mendeteksi kematangan buah tomat menggunakan metode thresholding. Metode thresholding ini digunakan untuk menentukan kematangan buah tomat berdasarkan nilai binernya, 0=hitam dan 1=putih. Piksel warna putih dianggap sebagai piksel aktif. Penelitian ini belum secara waktu-nyata (realtime), yang mana data citra dimasukkan di-capture terlebih dahulu dan dijadikan file dalam basis data. Pengertian dasar thresolding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut. 46
2 47 Sedangkan POSITRON Jurnal POSITRON VOL : 11 NO : 1 Desember 2012 Hal : Lapcian of Gaussian menggunakan operator turunan melalui tahap grayscalling sebagai preprocessing. Proses grayscalling adalah proses untuk mengubah gambar yang memiliki warna menjadi gambar yang memiliki tingkat warna abu-abu (gray-level). Proses ini dilakukan dengan konversi nilai pixel dari 3 nilai RGB menjadi 1 nilai. Presentasi yang sering digunakan adalah 29.95% dari warna merah (Red), 58.7% dari warna hijau (Green), dan 11.4% dari warna biru (biru). Nilai piksel didapat dari jumlah persentasi 3 nilai tersebut. Mengkonversi nilai RGB menjadi grayscale dibentuk dengan menjumlahkan komponen R,G, dan B. A. Tujuan 1. Tujuan Penelitian Adapun tujuan dari penelitian ini adalah sebagai berikut : 1. Untuk memproses pendeteksian kematangan buah tomat 2. Untuk menerapkn metode Thresholding dan Lapcian Of Gaussian didalam pendeteksian buah tomat berbasis nilai RGB. 3. Untuk mengetahui hasi akhir dari kinerja pengolahan citra yang mendeteksi kematangan buah tomat berbasis nilai RGB dengan menerapkan metode Thresholding dan Lapcian Of Gaussian. dengan nilai rentang nilai keabuan tertentu diubah menjadi berwarna hitam dan sisanya menjadi warna putih atau sebaliknya. Perubahan citra skala keabuan menjadi citra biner dapat dilakukan memakai ambang ganda, yaitu ambang bawah dan ambang atas, dengan menggunakan fungsi GST (Gray Scale Transform).Pengambangan ganda dilakukan untu menampilkan titik-titik yang mempunyai nilai rentang tertentu[1]. atau Fungsi GST untuk operasi pengambangan ganda II. LANDASAN TEORI A. Thresholding Pengertian dasar thresholding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut. Sembarang titik (x,y) yang memenuhi f(x,y)>t disebut titik objek; selain itu, titik disebut background. Histogram sebelah kanan terbagi menjadi tiga mode.misalkan, citra terdiri dari dua objek terang di atas background gelap.thresholding multilevel digunakan untuk mengklasifikasikan suatu titik (x,y) sebagai bagian dari sebuah class objek. Titik (x,y) menjadi bagia suatu objek jika T1. Thresholding adalah operasi yang melakukukan pengetesan terhadap fungsi T berikut : T= T[x, y, p(x,y), f(x,y)]...(2.5) f(x,y) adalah tingkat keabuan pada titik (x,y) dan p(x,y) menyatakan operasi lokal dari titik tersebut. Operasi thresholding digunakan untuk mengubah citra dengan format skala keabuan, yang mempunyai kemungkinan lebih dari 2, ke citra biner yang hanya memiliki 2 buah nilai (0 dan 1). Dalam hal ini, titik B. Basic Global Thresholding Teknik thresholding yang paling sederhana adalah mempartisi histogram dengan menggunakan thereshold global T. segmentasi dilakukan dengan memeriksa piksel semi piksel dari citra dengan melabeli setiap piksel sebagai objek atau sebagai background, tergantung pada tingkat keabuan dari piksel tersebut, apakah lebih besar atau lebih kecil dari T. sukses pada metode ini tergantung pada beberapa bagus partisi dari histogram. Thresholding global diharapkan bisa sukses pada lingkungan yang sangat terkontrol, misalnya pada aplikasi pengawasan industri (biasanya kontrol cahaya
3 48 sangat bagus). Algoritma berikut bisa digunakan untuk mendapatkan nilai T secara otomatis : 1. Pilih estimasi awal untuk T. 2. Lakukan segmentasi terhaap citra menggunakan T. proses ini akan menghasilkan dua jeis piksel : G1 terdiri atas semua piksel dengan nilai tingkat keabuan >T dan G2 terdiri dari piksel-piksel dengan nilai T. 3. Hitung rata-rata tingkat keabuaan u1 dan u2 unuk piksel-piksel dalam region G1 dan G2. 4. Hitung nilai thereshold yang baru :T= ½ (u1+u2). 5. Ulangi langkah 2 sampai 4 sampai beda T pada dua iterasi berurutan lebih kecil dari parameter T0 (didefinisikan sebelumnya). Jika area background dan area objek perbandingannya hampir sama, nilai awal yang baik untuk T adalah tingkat keabuan rata-rata dari citra. Jika area objek lebih kecil dibandingkan area background (atau sebaliknya), satu kelompok piksel akan mendominasi histogram, sehingga nilai tengah antara tingkat keabuan maksimum dan minimum merupakan pilihan awal yang baik utuk T. Dengan algoritma iterative dihasilkan T=125.4 setelah tiga iterasi. T diinisialisasi dengan tingkat keabuan ratarata dan T=0. Untuk segmentasi citra, digunakan nilai T=125[1]. III. ANALISA DAN PEMBAHASAN A. Analisa Citra Pada aplikasi pengolahan citra yang akan dirancang harus memiliki data-data yang akan diolah, dan digunakan pada sistem yang nantinya digunkan dalam sistem pendeteksian. Pada aplikasi pendeteksian kematangan buah tomat ukuran citra yang digunakan berukuran 256x256 pixel dengan format JPG. Hal ini dilakukan bertujuan untuk mengahasilkan nilai RGB yang riil untuk diproses kedalam program aplikasi sehingga ada kecocokan didalamnya. Citra tomat yang digunakan untuk pendeteksian menggunakan buah tomat yang berumur hari masa tanam. Proses pendeteksian akan membutuhkan waktu lama jika meggunakan piksel citra asli yaitu 256x256 pixel. Untuk memudahkan dalam menganalisa citra, citra hasil capture akan di crop dengan menggunakan aplikasi Microsoft Office Picture Manager menjadi 30x30 dengan format JPG. Gambar 1 Citra Tomat Matang Hasil Cropping Gambar 2 Citra Tomat Tidak Matang Hasil Cropping B. Analisa Penerapan Metode 1. Analisa Penerapan Thesholding Pendeteksian citra secara thresholding adalah melakukan segmentasi dengan memeriksa piksel semi piksel dari citra dengan melabeli setiap piksel sebagai objek atau sebagai background, tergantung pada tingkat keabuan dari piksel tersebut, apakah lebih besar atau lebih kecil dari T. sukses pada metode ini tergantung pada beberapa bagus partisi dari histogram. Jika area background dan area objek perbandingannya hampir sama, nilai awal yang baik untuk T adalah tingkat keabuan rata-rata dari citra. Jika area objek lebih kecil dibandingkan area background (atau sebaliknya), satu kelompok piksel akan mendominasi histogram, sehingga nilai tengah antara tingkat keabuan maksimum dan minimum merupakan pilihan awal yang baik utuk T. Dengan algoritma iterative dihasilkan T=125.4 setelah tiga iterasi. T diinisialisasi dengan tingkat keabuan ratarata dan T=0. Untuk segmentasi citra, digunakan nilai T=125. Gambar 3 Original Image Analisa pengambilan nilai gambar secara thresholding dapat dipelajari berdasarkan pola warna atau ditentukan secara intuintif, tetapi theresholding RGB ini sangat rentan terhadap kestabilan cahaya. Berikut Analisa kematangan melalui metode thresholding. Langkah pada pendeteksian citra secara thresholding ialah perubahan yang ditangkap menjadi citra bineratau menjadi komponen warna hitam dan putih, pada proses ini citra yang memiliki intensitas piksel dibawah 128 akan dirubah menjadi 1 atau putih, sedangkan intensitas warna yang melebihi dari 128 akan dirubah menjadi 0 atau hitam. Pemberian nilai ambang RGB untuk kematangan buah tomat, yaitu : 1. Nilai ambang Red= Nilai ambang Green = Nilai ambang Blue = 0-90
4 49 Gambar 6 Langkah 2 Proses Thresholding Gambar 4 Nilai Awal Matriks Citra Langkah dalam pendeteksisan thresholding dengan fungsi GST dengan membandingkan semua baris nilai Ki=128 : Atau Langkah 3 (177<=128)=1 (171<=128)=1 (170<=128)=1 (86<=128)=0 (83<=128)=0 Langkah 1 (168<=128)=1 (148<=128)=1 (100<=128)=0 (85<=128)=0 (87<=128)=0 Langkah 4 (172<=128)=1 (177<=128)=1 (150<=128)=1 (80<=128)=0 (117<=128)=0 Gambar 7 Langkah 3 Proses Thresholding Langkah 2 (182<=128)=1 (181<=128)=1 (125<=128)=1 (80<=128)=0 (83<=128)=0 Gambar 5 Langkah 1 Proses Theresholding
5 50 Langkah 5 (183<=128)=1 (165<=128)=1 (118<=128)=0 (92<=128)=0 (119<=128)=0 Gambar 8 Langkah 4 Proses Thresholding Gambar 9 Langkah 5 Proses Thresholding 4. Mouse Full-speed USB, Optical dpi, Wired, USB 6. Keyboard Friendly Key Postion, Wired, PS/2 b. PerangkatLunak (Software) 1. Sistem operasi Windows 7 Ultimate 32 bit 2. Visual basic.net 2008 MaximunRequirements a. Perangkat Keras( Hardware ) 1. Harddisk 500GB, 7200RPM, SATA III 2. Memori DDR 32GB, 665.1MHz 3. Processor core i3 2.4Ghz 4. Monitor 14 Inchi, 1366 x Mouse Full-speed USB, Optical dpi, Wired, USB 6. Keyboard Friendly Key Postion, Wired b. PerangkatLunak (Software) 1. Sistem operasi Windows 7 Ultimate32 bit 2. Visual basic.net 2008 B. Tampilan Utama Program Tampilan utama merupakan tampilan yang muncul ketika menjalankan program, untuk melakukan pendeteksian maka form tampilan yang muncul adalah sebagai berikut : Gambar 1 Tampilan Menu Utama Program Gambar 10 Hasil Nilai Piksel Thresholding IV. IMPLEMENTASI Dalam perancangan sistem pengolahan citra ini, sistem yang dibangun menggunakan antar muja dan pengujian. pada antar muka pengolahan, dapat dimasukan data citra dalam bentuk format dan berektensi *JPG. A. Kebutuhan Perangkat Keras dan Perangkat Lunak Minimum Requirements a. Perangkat Keras( Hardware ) 1. Harddisk 120GB, 5200RPM, ATA 2. Memori DDR 21GB, 440.5MHz 3. Processor dual core 3.3Ghz 4. Monitor 14 Inchi, 1024 x 720 Pada tampilan menu program terdapat: File : Terdapat beberapa menu didalamnya open, save, close dan exit. Operation : Berisi menu thresholding. Save : Untuk menyimpan gambar. Clear : Untuk Membatalkan gambar Exit : Untuk keluar dari aplikasi Menu Open Tampilan menu open adalah menu Thersholding untuk memasukan file gambar, proses ini berguna untuk memproses pendeteksian.
6 51 Gambar 2 Tampilan Menu Open Thersholding Pada tampilan menu ini terdapat beberapa pilihan : 1. Buka gambar, untuk menampilkan gambar yang akan di thersholding. 2. Simpan, untuk menyimpan gambar. 3. Keluar, untuk keluar dari aplikasi 4. Button Riset, untuk membatalkan kotak dialog pada menu buka. 5. Button Terapkan, Untuk menampilkan hasil dari thersholding C. Tampilan Menu Operation Tampilan berikutnya adalah menu tampilan operation yang berisi men thresholding, menu ini merupakan proses pendeteksian untuk memeperjelas larik-larik objek. Gambar 3 Tampilan Menu Operation V. KESIMPULAN Dari pembahasan yang diuraikan dari pembuatan skripsi ini dapat disimpulkan sebagai berikut : 1. Proses deteksi kematangan buah tomat dalam perancangan aplikasi ini adalah dengan cara menentukan objek, melakukan faktor indikator yang mempengaruhi dari objek yaitu warna RGB. 2. Penerapan metode thresholding didalam pendeteksian kematangan buah tomat bertujuan untuk memisahkan latar belakang dari objek yang akan dideteksi dan merubahnya menjadi gambar biner atau hitam putih, sehingga lebih jelas antara objek dan latar belakang yang akan dideteksi. 3. Perancangan aplikasi pengolahan citra deteksi kematangan buah tomat ini menggunakan software Visual basi.net 2008 yang didalamnya terdapat GUI (Grapichal User Interface) sebagai pendukung dalam pembuatan aplikasi pengolahan citra. DAFTAR PUSTAKA 1. Hermawati Astuti Fajar. Pengolahan Citra Digital Konsep dan Teori. Penerbit Andi, Yogyakarta, Abdul kadir & Adhi susanto, Teori dan plikasi Pengolahan Citra, Penerbit Andi, Yogyakarta 3. Risky Soetam. Konsep Dasar Rekayasa Perangkat Lunak. Penerbit Prestasi Pustaka, Jakarta, Indrajani, S.Kom, MM Perancangan Basis Data Dalam Allin1. Alex Media Komputindo. Jakarta. 5. Jurnal POSITRON, Vol. II, No. 1 (2012), Hal Nurhasanah Jurusan Fisika, FMIPA Universitas Tanjungpura 6. Priyanto, Rahmat, 2009, Langsung Bisa Visual Basic.Net2008,Penerbit ANDI, Yogyakarta Pengenalan Jenis-Jenis Tanaman Tomat diakses Mei, Gambar 4 Tampilan Hasil Histogram Thersholding
PENERAPAN 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 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 terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciAPLIKASI PENGOLAHAN CITRA PERBAIKAN KUALITAS IMAGE CITRA DIGITAL MENGGUNAKAN METODE HARMONIC MEAN FILTER
JURNAL TEKNIK DAN INFORMATIKA ISSN 89-594 VOL.5 NO. JANUARI 8 APLIKASI PENGOLAHAN CITRA PERBAIKAN KUALITAS IMAGE CITRA DIGITAL MENGGUNAKAN METODE HARMONIC MEAN FILTER Supiyandi, Barany Fachri, Program
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui tahapan awal didalam sebuah sistem pendeteksian filter sobel. Didalam aplikasi filter sobel ini
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Pada penelitian ini dilakukan kombinasi edges detectionpada citra manuscripts kuno dengan mengimplementasikan metode gradientedges detection operator Sobel dengan
Lebih terperinciANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI
ANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI Hanafi (12110244) Mahasiswa Program Studi Teknik Informatika, Stmik Budidarma Medan Jl. Sisimangaraja
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Pembahasan mengenai hasil mencakup spesifikasi perangkat keras (hardware) dan perangkat lunak (software) serta tampilan output perangkat lunak. IV.1.1.
Lebih terperinciANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY
Jurnal Riset Komputer (JURIKOM), Volume :, Nomor: 1, Februari 2016 ISSN : 2407-89X ANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY Linda Herliani Harefa Mahasiswa Program
Lebih terperinciANALISIS METODE MASKING-FILTERING DALAM PENYISIPAN DATA TEKS
ANALISIS METODE MASKING-FILTERING DALAM PENYISIPAN DATA TEKS Efriawan Safa (12110754) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No. 338 Simpang Limun www.inti-budidarma.com
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciIMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA
Hal : -29 IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Asmardi Zalukhu Mahasiswa Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Deteksi
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Proses masking terhadap citra bertujuan sebagai penandaan tempat pada citra yang akan disisipkan pesan sedangkan filtering bertujuan untuk melewatkan nilai pada
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 METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperincipbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI uji coba terhadap program aplikasi pengenalan plat nomor kendaraan roda empat ini,
pbab 4 IMPLEMENTASI DAN EVALUASI PROGRAM APLIKASI Bab ini berisi penjelasan tentang implementasi sistem meliputi kebutuhan perangkat lunak dan perangkat keras yang digunakan untuk melakukan perancangan
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciBAB I PERSYARATAN PRODUK
BAB I PERSYARATAN PRODUK Pemrosesan gambar secara digital telah berkembang dengan cepat. Pengolahan gambar ini didukung dengan kemajuan teknologi perangkat keras yang signifikan. Produk produk pengolah
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Plat nomor kendaraan bermotor merupakan ciri atau tanda pengenal suatu kendaraan yang diberikan oleh kepolisian. Setiap plat nomor kendaraan memiliki kombinasi
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 terperinciAPLIKASI PENGAMANAN DATA TEKS PADA CITRA BITMAP DENGAN MENERAPKAN METODE LEAST SIGNIFICANT BIT (LSB)
APLIKASI PENGAMANAN DATA TEKS PADA CITRA BITMAP DENGAN MENERAPKAN METODE LEAST SIGNIFICANT BIT (LSB) Mesran dan Darmawati (0911319) Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang
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 terperinciPERANCANGAN APLIKASI MENENTUKAN EFEK RESOLUSI BERDASARKAN JUMLAH PIXEL PADA CITRA MENGGUNAKAN METODE RETINEX
Jurnal INFOTEK, Vol, No 2, Juni 206 PERANCANGAN APLIKASI MENENTUKAN EFEK RESOLUSI BERDASARKAN JUMLAH PIXEL PADA CITRA MENGGUNAKAN METODE RETINEX Prima Sari (20077) Mahasiswa Program Studi Teknik Informatika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
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 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 terperinciSEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING DIGITAL FISH IMAGE SEGMENTATION BY THRESHOLDING METHOD
SEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING Max R. Kumaseh 1), Luther Latumakulita 1), Nelson Nainggolan 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
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 terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciPENERAPAN METODE INTERPOLASI LINIER DAN METODE SUPER RESOLUSI PADA PEMBESARAN CITRA
Jurnal INFOTEK, Vol, No, Juni 6 ISSN 5-668 (Media Cetak) PENERAPAN METODE INTERPOLASI LINIER DAN METODE SUPER RESOLUSI PADA PEMBESARAN CITRA Rini Astuti (5) Mahasiswa Program Studi Teknik Informatika STMIK
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB IV IMPLEMENTASI DAN HASIL PENGUJIAN
BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN 4.1 Implementasi Aplikasi Pada bab ini akan dibahas mengenai implementasi aplikasi yang telah dibuat setelah melakukan analisa dan perancangan aplikasi filter sobel
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih 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 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 terperinciIV. HASIL DAN PEMBAHASAN
26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter
Lebih 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 terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Adobe Photoshop Corel Draw 1.2 Rumusan Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam dunia grafika, terdapat suatu jenis gambar yaitu gambar stereogram. Sebagian besar orang menyebut gambar ini sebagai gambar 3 dimensi. Penyebutan ini tidaklah
Lebih terperinciSIMULASI MODEL RAMBUT UNTUK APLIKASI SALON KECANTIKAN
SIMULASI MODEL RAMBUT UNTUK APLIKASI SALON KECANTIKAN Vivy Viliana Halim Jurusan S1 Sistem Komputer Fakultas Teknik Universitas Kristen Maranatha Jl. Prof. drg. Suria Sumantri No. 65, Bandung 40164 email:
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN. dilanjutkan dengan pengujian terhadap aplikasi. Kebutuhan perangkat pendukung dalam sistem ini terdiri dari :
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Implementasi Sistem Pada bab ini akan dibahas mengenai implementasi sistem berdasarkan analisis dan perancangan yang telah dilakukan pada bab sebelumnya, dan dilanjutkan
Lebih terperinciPENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE
PENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE Muhammad Luqman Afif - A11.2009.04985 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang ABSTRAK Program
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Sistem Dalam mengimplementasikan program sistem ANPR ini terdapat 2 (dua) buah komponen yang sangat berperan penting, yaitu perangkat keras atau hardware
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 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Hardware dan Software Dalam pembuatan program aplikasi ini digunakan komputer dengan spesifikasi hardware sebagai berikut: 1) Processor : Pentium IV 2.80
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan penulis dalam melakukan simulasi pada aplikasi penelitian pengenalan citra wajah dengan variasi
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1 Implementasi Sistem Implementasi sebuah sistem memerlukan yang namanya suatu perangkat baik perangkat keras maupun perangkat lunak, berikut akan dijelaskan penggunaan perangkat
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciMengenal Lebih Jauh Apa Itu Point Process
Mengenal Lebih Jauh Apa Itu Point Process Faisal Ridwan FaizalLeader99@yahoo.com Lisensi Dokumen: Copyright 2003-2007 IlmuKomputer.Com Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Jalannya Uji Coba 1. Halaman Login Halaman login adalah halaman validasi user sebelum user tertentu dapat melakukan enkripsi dan dekripsi file citra. Halaman ini bertujuan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih 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 terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam implementasi persamaan Pulse
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari perancangan sistem informasi service car pada Toyota Auto 2000 Medan Berbasis Client Server yang dibangun.
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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis III.1.1 Analisis Masalah Seiring dengan perkembangan teknologi, keamanan dalam berteknologi merupakan hal yang sangat penting. Salah satu cara mengamankan
Lebih terperinciBAB IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. komputer dan sistem operasi dengan spesifikasi sebagai berikut : 2. Memory : 4,00 GB (3,85 GB usable)
BAB 4 HASIL DAN PEMBAHASAN 4.1 Spesifikasi Sistem 4.1.1 Hardware Dalam perancangan program aplikasi ini, penulis menggunakan komputer dan sistem operasi dengan spesifikasi sebagai berikut : 1. Processor
Lebih terperinci