Identifikasi Penyakit Periodontitis Kronis pada Citra Dental Panoramic dengan Algoritma Line Strength dan Line Tracking
|
|
- Leony Setiawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Identifikasi Penyakit Periodontitis Kronis pada Citra Dental Panoraic dengan Algorita Line Strength dan Line Tracking Dosen Pebibing : Dr H Agus Zainal Arifin, SKo, MKo Anny Yuniarti, SKo, MCopSc Ia Cholissodin
2 Latar Belakang Dental panoraic sering diabil untuk keperluan diagnosa oleh dokter gigi (H Devlin dkk, 2007) 2 Diagnosa penyakit rongga ulut, gigi, osteoporosis dan jantung Periodontitis kronis (Carranza dkk, 2006) Infeksi pada jaringan di bagian akar gigi Adanya kerusakan tulang horizontal
3 Latar Belakang Peeriksaan Penyakit Periodontitis Kronis 3 Klinis Citra gigi Pengaatan secara kasat ata Pengolahan citra digital
4 Latar Belakang (Cont) Penelitian sebelunya : Deteksi serat-serat asbes (RN Dixon dan CJ Taylor, 979) Deteksi struktur tuor pada aographic (R Zwiggelaar dkk, 2004) Deteksi garis berdasarkan arah sudut tertentu (Algorita Line Strength) 4 Deteksi struktur pebuluh darah pada citra retina (Vlachos M dan Deratas E, 200) Deteksi garis berdasarkan diaeter tertentu (Algorita Line Tracking)
5 Ruusan Masalah Bagaiana engukur linear structure pada citra dental panoraic radiographs? Bagaiana elakukan pendeteksian penyakit periodontitis kronis pada citra dental panoraic radiographs berdasarkan Analisis line strength dan line tracking? 5
6 Tujuan : Tujuan dan Manfaat Mebangun siste coputer-aided yang apu engukur linear structure dan elakukan pendeteksian penyakit periodontitis kronis 6 Manfaat : Meberikan solusi etode pendeteksian penyakit periodontitis kronis secara otoatis
7 Kontribusi Mengintegrasikan proses ultiscale line tracking untuk enajakan batas garis dan eperjelas piksel di dala diaeter garis pada hasil citra line strength SLevel 7 Line Strength SLevel 2 Max Level Citra Biner SLevel n Fungsi Maksiu Existing
8 Kontribusi Mengintegrasikan proses ultiscale line tracking untuk enajakan batas garis dan eperjelas piksel di dala diaeter garis pada hasil citra line strength SLevel 8 TLevel Line Strength SLevel 2 Line Tracking TLevel 2 SLevel n Fungsi Multiscale TLevel n Integrasi Metode
9 Metodologi 9 Pengabilan Data Desain Model Siste Pebuatan Perangkat Lunak dan Pengujian Analisis Hasil Penulisan Laporan
10 Desain Model Siste 0 Melakukan sapling citra Foraen Kanan Foraen Kiri Mendapatkan nilai Strength Melacak garis pada citra Mendeteksi penyakit Periodontitis Reduce, Gaussian Pyraid Level = 3 Reduce Reduce
11 Desain Model Siste Melakukan sapling citra Expand Expand Mendapatkan nilai Strength Melacak garis pada citra Mendeteksi penyakit Periodontitis Expand, Gaussian Pyraid Level = 3 Reduce Reduce
12 Desain Model Siste Melakukan sapling citra Input Mendapatkan nilai Strength Melacak garis pada citra Mendeteksi penyakit Periodontitis Output
13 Ilustrasi Proses Line Strength Inisialisasi Matrik Citra Asli (Hasil Expand) Geser/ Pergeseran Pad w Kernel Current Piksel + ( x n)- x n baru + ( x n)- x n n Padding Array nbaru
14 Ilustrasi Proses Line Strength Padding Array Syetric Both Geser/ Pergeseran Pad w Kernel Current Piksel pada Citra Asli Matrik Citra Asli + ( x n)- x n baru ( x n)- x n ( x n)- x n ( x n)- x n n x n x n x n x n x n x n Rotasi Padding Array nbaru
15 Ilustrasi Proses Line Strength 5 Rotasi Padding Array Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s barur ( x n)- x n ( x n)- x n ( x n)- x n x n x n x n Abil s Max x n x n x n nbarur
16 Ilustrasi Proses Line Strength 6 Rotasi Padding Array Hitung IndexInPadIT titik pusat a(x,y) dari PadI titik pusat b(x2,y2) dari PadIR Hitung IndexInPadIR Hitung f, b dan s Abil s Max
17 Ilustrasi Proses Line Strength 7 Rotasi Padding Array Hitung IndexInPadIT titik pusat a(x,y) dari PadI titik pusat b(x2,y2) dari PadIR Hitung IndexInPadIR Hitung f, b dan s Abil s Max
18 Ilustrasi Proses Line Strength 8 Rotasi Padding Array Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Abil s Max Menghitung Nilai F w + ( x n)- x n w Menghitung Nilai B w + ( x n)- x n w
19 Ilustrasi Proses Line Strength 9 Rotasi Padding Array S = F - B Hitung IndexInPadIT θ smax θ2 θ3 θ4 θ θ2 Hitung IndexInPadIR Hitung f, b dan s s = x n 2 ( x n)- 2 smax smax 2 ( x n)- 2 smax ( x n)- 2 ( x n)- smax ( x n)- x n x n x n x n smax x n Abil s Max 2
20 Ilustrasi Proses Line Strength Rotasi Padding Array 20 Reshape Matrik s Max Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s s Max = x n smax smax smax smax smax Matrik s Max + ( x n)- x n Abil s Max smax n
21 Desain Model Siste 2 Melakukan sapling citra Output Proses Line Strength Mendapatkan nilai Strength Melacak garis pada citra Mendeteksi penyakit Periodontitis Output Line Tracking sebelu Multiscale
22 Ilustrasi Proses Line Tracking 22 Pilih Piksel Awal Hitung nilai VL Abil VL Max Update Cw, Tentukan Piksel Baru + ( x n)- x n n Piksel Tracking Baru
23 Ilustrasi Proses Line Tracking Pilih Piksel Awal VL VL VLMax VL VL VL VL VL VL VL Hitung nilai VL 2 VL2 VL2 VL2 VLMax VL2 VL2 VL2 VL2 VLMax VL2 Abil VL Max Update Cw, Tentukan Piksel Baru x n x n VLMax VLMax VLMax VLMax ( x n)- VL( x n)- VL( x n)- VL( x n)- VL( x n)- VL( x n)- VL( x n)- VL( x n)- VLMax VL( x n)- Piksel Tracking Baru x n VL( x n) VL( x n) VL( x n) VL( VLMax x n) VL( x n) VL( x n) VL( x n) VL( x n) 8
24 Ilustrasi Proses Line Tracking 24 Pilih Piksel Awal Hitung nilai VL 2 VLMax > Tc VLMax < Tc VLMax > Tc kolo 2? 4? 7? sudut 80? 270? 35? Piksel yang dihapus Abil VL Max > Tc Update Cw, Tentukan Piksel Baru x n x n VLMax > Tc VLMax > Tc VLMax > Tc VLMax < Tc 3?? 6? 5? 90?? 0 225? 45? x n VLMax VLMax VLMax VLMax ( x n)- VLMax < Tc 8? 35? VLMax Piksel Tracking Baru x n VLMax > Tc 4? 270? VLMax
25 Ilustrasi Proses Line Tracking Pilih Piksel Awal 25 Update Matrik Cw + Hitung nilai VL Abil VL Max > T Update Cw x n x n Piksel Tracking Baru ( x n)- x n ( x n)- x n +0 +
26 Ilustrasi Proses Line Tracking 26 Piksel Tracking Baru Final Line Tracking : Mapping Matrik Cw Cek nilai (x,y) : Hitung nilai VL 2 Jika Cw(x,y) >= byk W Cw(x,y) =; Abil VL Max > T Update Cw x n Jika Cw(x,y) < byk W Cw(x,y) =0; Map Quantization ( x n)- x n
27 Ilustrasi Proses Line Tracking Piksel Tracking Baru 27 Reshape Matrik Cw Hitung nilai VL 2 Matrik Citra Line Tracking Abil VL Max > T Update Cw Map Quantization x n ( x n)- x n + ( x n)- x n n
28 Ilustrasi Proses Line Tracking Piksel Tracking Baru Output Line Tracking sebelu Multiscale Hitung nilai VL Abil VL Max > T Update Cw Output Proses Line Tracking Map Quantization
29 Metodologi (Cont) 29 Melakukan sapling citra Mendapatkan nilai Strength Melacak garis pada citra Mendeteksi penyakit Periodontitis ( Hasil Line Tracking ) Jika (bone value threshold) aka diagnosanya Periodontitis Kronis Jika (bone value > threshold) aka diagnosanya Noral
30 Data Uji Coba Lingkungan Uji Coba 30 Hasil Kerjasaa dengan Institute of Tropical Disease (ITD) UNAIR 20 citra dental panoraic dengan identifikasi klinis Dataset (Untuk Perulangan Uji Coba Sudut Orientasi) Uji Coba Dataset (a) (b) (c) Training Testing Julah Ipleentasi dengan Matlab 2009a (Original Licence to VIP Lab ITS)
31 Paraeter : Skenario Uji Coba Mendapatkan hasil visualisasi citra terbaik Moving Window : (3, 5, 7, 9, ) Threshold (Tc) : (5,25,30,50,70) Diaeter : ([3,4,5,,], [3,4,5,20], [3,4,5,30]) Orientasi Sudut : Mendapatkan Orientasi Sudut yang optial 0 < θ < < θ < 80 0 < θ < 90 & 90 < θ < < θ < 35 0 < θ < < θ < 225 3
32 Hasil Uji Coba Paraeter MW 32 w = 3 w = 5 w = 7 w = 9 w = w = 5 (Terpilih) : Detail piksel tapak padat dan jelas
33 Hasil Uji Coba Paraeter Tc 33 Tc = 5 Tc = 25 Tc = 30 Tc = 50 Tc = 70 Tc = 5 (Terpilih) : Detail Piksel diantara diaeter garis
34 Hasil Uji Coba Paraeter Diaeter 34 Twlow = 3 Twhigh = Twlow = 3 Twhigh = 7 Twlow = 3 Twhigh = 3 Twlow = 3 Twhigh = 0
35 Hasil Uji Coba Sudut Orientasi 35 Citra Asli 90< θ < 80 0 < θ < 90 0 θ < 80 45< θ < 35 35< θ <225
36 Perbandingan Citra Hasil 36 Citra Line Strength Biner Citra Line Tracking (a) (b) (c) (a) (b) (c) (d) (e) (f) (e) (f) (d)
37 Hasil Uji Coba Hasil Identifikasi Terbaik Citra Line Tracking pada Sudut 45 < θ < 35 : 37 No ID Gabar Region Mean Ti Klinis No ID Gabar Region Mean Ti Klinis R R2 R3 R R R2 R3 R O P O P O P O P O P O P O P N N O P O P O P O P O P O P O N O P O P O P O P O P Klinis Progra TP = 8 FP = 0 - FN = TN = Ti = Akurasi = 9500% Sensitivity = 00 % Specificity = 50 %
38 Hasil Uji Coba Line Strength (a) : 38 No Orientasi Sudut Akurasi (%) Sensitivity (%) Spesificity (%) 0 < θ < < θ < 90 dan < θ < < θ < < θ < <θ < θ <
39 Hasil Uji Coba Line Tracking (a) : 39 No Orientasi Sudut Akurasi (%) Sensitivity (%) Spesificity (%) 0 < θ < < θ < 90 dan < θ < < θ < < θ < <θ < θ <
40 Hasil Uji Coba Line Tracking (b) : 40 No Orientasi Sudut Akurasi (%) Sensitivity (%) Spesificity (%) 0 < θ < < θ < 90 dan < θ < < θ < < θ < < θ < θ <
41 Hasil Uji Coba Line Strength (c) : 4 No Orientasi Sudut Akurasi (%) Sensitivity (%) Spesificity (%) 0 < θ < < θ < 90 dan < θ < < θ < < θ < <θ < θ <
42 Hasil Uji Coba Line Strength (b) : 42 No Orientasi Sudut Akurasi (%) Sensitivity (%) Spesificity (%) 0 < θ < < θ < 90 dan < θ < < θ < < θ < <θ < θ <
43 Hasil Uji Coba Line Tracking (c) : 43 No Orientasi Sudut Akurasi (%) Sensitivity (%) Spesificity (%) 0 < θ < < θ < 90 dan < θ < < θ < < θ < < θ < θ <
44 Kesipulan & Saran 44 Kesipulan : Penyakit periodontitis kronis dapat diidentifikasi dengan algorita line strength dan line tracking dengan nilai akurasi 95%, sensitivity 00% dan spesificity 50% Transforasi geoetri pada algorita line strength dan atrik pada algorita line strength dan line tracking dapat engurangi waktu koputasi Hasil etode line tracking dapat erepresentasikan piksel-piksel dari setiap level citra line strength yang berada di dala diaeter garis tertentu Saran : Melakukan preprosesing citra dental panoraic radiograph untuk engurangi efek pencahayaan yang kurang erata Dala penentuan letak foraen dan cropping sapel di bagian kanan dan kiri dapat dilakukan secara otoatis dari progra Menabah julah data pengaatan, sehingga pada saat proses penentuan dataset dapat dilakukan secara optial
45 Interface Progra 45
46 Těria kasih Gracias
IDENTIFIKASI PENYAKIT PERIODONTITIS KRONIS PADA CITRA DENTAL PANORAMIC DENGAN ALGORITMA LINE STRENGTH DAN LINE TRACKING
IDENTIFIKASI PENYAKIT PERIODONTITIS KRONIS PADA CITRA DENTAL PANORAMIC DENGAN ALGORITMA LINE STRENGTH DAN LINE TRACKING Agus Zainal Arifin, Anny Yuniarty, dan Imam Cholissodin Fakultas Teknologi Informasi
Lebih terperinciPerbaikan Komponen Garis pada Citra Dental dengan Metode Histogram Modification Local Contrast Enhancement untuk Identifikasi Periodontitis
Perbaikan Komponen Garis pada Citra Dental dengan Metode Histogram Modification Local Contrast Enhancement untuk Identifikasi Hardika Khusnuliawati Institut Teknologi Sepuluh Nopember hardika.khusnulia@gmail.com
Lebih terperinciIMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN
IMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN Dosen Pembimbing Dr. Agus Zainal Arifin, S.Kom., M.Kom. Dosen Pembimbing
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Pada bab ini enjelaskan engenai berbagai teori yang digunakan untuk elakukan penelitian ini. Bab ini terdiri dari penjelasan engenai penghitung pengunjung, lalu penjelasan engenai
Lebih terperinciPENGUKURAN KETEBALAN TULANG KORTIKAL PADA CITRA PANORAMIK GIGI BERBASIS KURVA POLINOMIAL
PENGUKURAN KETEBALAN TULANG KORTIKAL PADA CITRA PANORAMIK GIGI BERBASIS KURVA POLINOMIAL Dini Adni Navastara 1, Agus Zainal Arifin 2, Anjar Mustika 3, Chastine Fatichah 4 (1) Teknik Informatika, Fakultas
Lebih terperinciPendahuluan. Desain & Implementasi. Uji coba & Evaluasi. Kesimpulan
1 Pendahuluan Desain & Implementasi Uji coba & Evaluasi Kesimpulan 2 Latar Belakang Evaluasi performa: Mengukur kualitas algoritma Evaluasi algoritma deteksi struktur garis lengkung 3 Struktur garis lengkung
Lebih terperinciPENGUKURAN KETEBALAN TULANG KORTIKAL PADA CITRA PANORAMA GIGI BERBASIS MODEL
Navastara, Anggraeni, dan Arifin Pengukuran Ketebalan Tulang Kortikal pada Citra Panorama Gigi Berbasis Model PENGUKURAN KETEBALAN TULANG KORTIKAL PADA CITRA PANORAMA GIGI BERBASIS MODEL Dini Adni Navastara
Lebih terperinci1. TRANSLASI OPERASI GEOMETRIS 2. ROTASI TRANSLASI 02/04/2016
1. TRANSLASI OPERASI GEOMETRIS Rumus translasi citra x = x + m y = y + n dimana : m = besar pergeseran dalam arah x n = besar pergeseran dalam arah y 4/2/2016 1 TRANSLASI 2. ROTASI Jika citra semula adalah
Lebih terperinciIMPLEMENTASI PANORAMIC IMAGE MOSAIC DENGAN METODE 8 PARAMETER PERSPECTIVE TRANSFORMATION
IMPLEMENTSI PNORMIC IMGE MOSIC DENGN METODE 8 PRMETER PERSPECTIVE TRNSFORMTION Rud dipranata, Hendra Litoo, Cherr G. Ballangan Teknik Inforatika, Fakultas Teknologi Industri, Universitas Kristen Petra
Lebih terperinciFORM (FR) SATUAN ACARA PERKULIAHAN
Jl. Angkrek Situ No 19 Kabupaten Sueg Tgl. Terbit : 1 Septeber 2014 Hal : 1/8 Kode Mata Kuliah : S14009 Mata Kuliah : Struktur Data Bobot SKS : 3 Jurusan/Prodi : Siste Inforasi Seester : 3 Dosen : Atep
Lebih terperinciImplementasi Histogram Thresholding Fuzzy C-Means untuk Segmentasi Citra Berwarna
JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) Ipleentasi Histogra Thresholding Fuzzy C-Means untuk Segentasi Citra Berwarna Risky Agnesta Kusua Wati, Diana Purwitasari, Rully Soelaian
Lebih terperinciPENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL
PENGARUH POSISI BEBAN DAN MOMEN INERSIA TERHADAP PUTARAN KRITIS PADA MODEL POROS MESIN KAPAL Waris Wibowo Staf Pengajar Akadei Mariti Yogyakarta (AMY) ABSTRAK Penelitian ini bertujuan untuk endapatkan
Lebih terperinciIMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF Dini Nuzulia Rahmah 1, Handayani Tjandrasa 2, Anny Yuniarti 3 Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN Latar belakang masalah
BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan
Lebih terperinciFITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU
Jurnal Teknologi Inforasi dan Ilu Koputer (JTIIK) Vol., No. 1, April 015, hl. 73-78 FITUR LENGTH OF EDGE DAN MOMENT INVARIAN UNTUK GESTURE RECOGNITION DENGAN MENGGUNAKAN KINECT UNTUK KONTROL LAMPU Rekyan
Lebih terperinciPertemuan ke-3 Persamaan Non-Linier: Metode ½ Interval (Bisection) 27 September 2012
Perteuan ke-3 Persaaan Non-Linier: Metode ½ Interval (Bisection) 7 Septeber 01 Analisa Terapan Terapan:: Metode Nuerik Dr.Eng. Agus S. Muntohar Metode Bisection Dasar Teorea: Suatu persaaan ()0, diana
Lebih terperinciPERENCANAAN ALTERNATIF STRUKTUR BAJA GEDUNG MIPA CENTER (TAHAP I) FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG JURNAL
PERENCANAAN ALTERNATIF STRUKTUR BAJA GEDUNG MIPA CENTER (TAHAP I) FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG JURNAL Diajukan untuk eenuhi persyaratan eperoleh gelar Sarjana
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 terperinciOleh Yuli Wijayanti. Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc
Oleh Yuli Wijayanti Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc TEKNIK INFORMATIKA-ITS 26 JULI 2010 Latar Belakang Segmentasi gambar merupakan salah satu faktor
Lebih terperinciKAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
Lebih terperinciANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT
ANALISIS ANTRIAN TIPE M/M/c DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT OLEH : Budi Setiawan 106 100 034 Dosen Pebibing : Dra. Laksi Prita W, M.Si. Drs. Sulistiyo, MT. JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciImplementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur, Thresholding dan Operasi Morfologi
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Implementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur, Thresholding dan Operasi Morfologi M. Riza Kurnia,Handayani Tjandrasa,
Lebih terperinciSegmentasi Tulang Kortikal pada Citra Dental Panoramic Radiograph
IJEIS, Vol.6, No.1, April 2016, pp. 37~46 ISSN: 2088-3714 37 Segmentasi Tulang Kortikal pada Citra Dental Panoramic Radiograph Thohiroh Agus Kumala* 1, Agus Harjoko 2 1 Prodi S2/S3 Ilmu Komputer, FMIPA
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
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 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 terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciBAB IV UJI COBA DAN ANALISIS
BAB IV UJI COBA DAN ANALISIS Bab ini akan menjelaskan tahap uji coba dan analisis dari metode pengenalan manusia dengan menggunakan citra dental radiograph. Pembahasan akan meliputi data uji coba, skenario
Lebih terperinciBAB III METODE YANG DIUSULKAN
BAB III METODE YANG DIUSULKAN Pada bab ini akan dijelaskan tentang metode pengenalan manusia dengan menggunakan citra dental radiograph yang diusulkan oleh peneliti. Pengenalan ini akan dilakukan dalam
Lebih terperinci1 1. POLA RADIASI. P r Dengan : = ½ (1) E = (resultan dari magnitude medan listrik) : komponen medan listrik. : komponen medan listrik
1 1. POLA RADIASI Pola radiasi (radiation pattern) suatu antena : pernyataan grafis yang enggabarkan sifat radiasi suatu antena pada edan jauh sebagai fungsi arah. pola edan (field pattern) apabila yang
Lebih terperinciANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK
ANALISIS ALGORITMA LOCALLY OPTIMAL HARD HANDOFF TERHADAP KECEPATAN DAN KORELASI JARAK Lucky T Sianjuntak, Maksu Pine Departeen Teknik Elektro, Fakultas Teknik Universitas Suatera Utara, Medan e-ail : LuckyTrasya@gail.co
Lebih terperinciPerbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil
Vol. 2, 2017 Perbandingan Mean Squared Error (MSE) Metode Prasad-Rao dan Jiang-Lahiri-Wan Pada Pendugaan Area Kecil Widiarti 1*, Rifa Raha Pertiwi 2, & Agus Sutrisno 3 Jurusan Mateatika, Fakultas Mateatika
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 terperinciPERENCANAAN DIMENSI SALURAN DRAINASE KAWASAN PABRIK PT. SINAR ALAM PERMAI KABUPATEN BANYUASIN SUMATERA SELATAN
PERENCANAAN DIMENSI SALURAN DRAINASE KAWASAN PABRIK PT. SINAR ALAM PERMAI KABUPATEN BANYUASIN SUMATERA SELATAN Mega Gusti Heka Student, Civil Engineering Departent, University of Sriwijaya, Palebang 30227,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data dan Variabel 2.1.1 Data Pengertian data enurut Webster New World Dictionary adalah things known or assued, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap.
Lebih terperinciJURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 7 No. 2 Februari 2015
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERBASIS HISTOGRAM EQUALIZATION DAN 2D-GABOR FILTER Fahmi Arya Wicaksono 1 Program Studi Teknik Informatika, Universitas Trunojoyo Madura
Lebih terperinciImplementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector Machine
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-346 Implementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector
Lebih terperinciSeminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciNama : Raden Septiana Faza NPM : Jurusan : Teknik Informatika Pembimbing 1 : Dr. Rodiah Pembimbing 2 : Fitrianingsih, Skom.
IMPLEMENTASI TRANSFORMASI RADON UNTUK PERBAIKAN SUDUT KEMIRINGAN HURUF PADA PROSES SEGMENTASI DAN PENGENALAN TULISAN TANGAN SAMBUNG OFFLINE MENGGUNAKAN MATLAB 2015A Nama : Raden Septiana Faza NPM : 55412851
Lebih terperinciMODUL 3 SISTEM KENDALI POSISI
MODUL 3 SISTEM KENDALI POSISI Muhaad Aldo Aditiya Nugroho (13213108) Asisten: Dede Irawan (23214031) Tanggal Percobaan: 29/03/16 EL3215 Praktiku Siste Kendali Laboratoriu Siste Kendali dan Koputer - Sekolah
Lebih terperinciSEGMENTASI CORTICAL BONE PADA CITRA DENTAL PANORAMIC RADIOGRAPH MENGGUNAKAN WATERSHED BERINTEGRASI DENGAN ACTIVE CONTOUR BERBASIS LEVEL SET
SEGMENTASI CORTICAL BONE PADA CITRA DENTAL PANORAMIC RADIOGRAPH MENGGUNAKAN WATERSHED BERINTEGRASI DENGAN ACTIVE CONTOUR BERBASIS LEVEL SET Tutuk Indriyani, Agus Zainal Arifin, dan Rully Soelaiman Teknik
Lebih terperinciBAB IV PENGUJIAN SISTEM. Pengujian sistem yang dilakukan merupakan pengujian terhadap preprocessing
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap preprocessing dan CPM yang telah selesai dibuat. Dimulai dari modified tophat filter, Gaussian cropping, dan CPM. 4.1.
Lebih terperinciBAB II METODOLOGI PENELITIAN
6 BAB II METODOLOGI PENELITIAN.1 Waktu dan Tepat Penelitian Gabar Peta kawasan hutan KPH Madiun Peru perhutani Unit II Jati. Pengabilan data penelitian ini dilakukan pada bulan Oktober sapai dengan bulan
Lebih terperinciBAB IV PEMBAHASAN. Bab IV berisi pembahasan yang meliputi proses penelitian yakni hasil
BAB IV PEMBAHASAN Bab IV berisi pembahasan yang meliputi proses penelitian yakni hasil model Radial Basis Function Neural Network untuk diagnosa kanker otak, hasil klasifikasi, dan ketepatan hasil klasifikasinya.
Lebih terperinciBAB IV UJI COBA DAN ANALISIS
BAB IV UJI COBA DAN ANALISIS Bab ini tersusun atas penjelasan hasil uji coba terhadap Sistem Pencocokan Dental yang dikembangkan beserta analisis hasil uji coba. Pengujian dan analisis dilakukan untuk
Lebih terperinciBAB IV PENGUJIAN SISTEM. dan GVF Snake yang telah selesai dibuat. Dimulai dari modified
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap preprocessing dan GVF Snake yang telah selesai dibuat. Dimulai dari modified tophat filter, Gaussian cropping, dan GVF
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS MENGGUNAKAN METODE WATERSHED
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS MENGGUNAKAN METODE WATERSHED Imam Abdul Hakim 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik Elektro, Universitas Telkom Jl. Telekomunikasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Bab ini akan membahas tentang pengujian dan analisis sistem. Pada pengujian akan dijelaskan tentang kriteria pengujian serta analisis dari pengujian 4.1. Kriteria Pengujian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
Lebih terperinciPERBANDINGAN METODE KEMUNGKINAN MAKSIMUM DAN BAYES DALAM MENAKSIR KEMAMPUAN PESERTA TES PADA RANCANGAN TES ADAPTIF ABSTRAK
PERBANDINGAN METODE KEMUNGKINAN MAKSIMUM DAN BAYES DALAM MENAKSIR KEMAMPUAN PESERTA TES PADA RANCANGAN TES ADAPTIF Agus Santoso Jurusan Statistik FMIPA Universitas Terbuka eail:aguss@ut.ac.id ABSTRAK Penelitian
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB I PENDAHULUAN. Osteoporosis atau keropos tulang adalah penyakit silent epidemic, yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Osteoporosis atau keropos tulang adalah penyakit silent epidemic, yang berarti pengeroposan tulang yang berlangsung secara diam-diam dan terus menerus. Untuk
Lebih terperinciPERAMALAN MULTI ATRIBUT DENGAN MENGGUNAKAN FUZZY CLUSTERING (STUDI KASUS: STOCK PRICE)
PERAMALAN MULTI ATRIBUT DENGAN MENGGUNAKAN FUZZY CLUSTERING (STUDI KASUS: STOCK PRICE ABSTRAK Sektor ekonoi erupakan salah satu sektor yang paling dekat dengan anusia, yang diana salah satu bentuk yang
Lebih terperinciPERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG )
PERANCANGAN SISTEM KOMPUTERISASI PROSES PINJAMAN DAN ANGSURAN PINJAMAN ANGGOTA KOPERASI ( STUDI KASUS PADA KOPERASI AMANAH SEJAHTERA SEMARANG ) Siti Munawaroh, S.Ko Abstrak: Koperasi Aanah Sejahtera erupakan
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN SISTEM
BAB IV ANALISIS DAN PERANCANGAN SISTEM Bagian ini akan menjelaskan mengenai analisis dan perancangan sistem yang akan dikembangkan. 4.1 ANALISIS KEBUTUHAN Secara umum pengembangan Sistem Identifikasi Manusia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan Penelitian
BAB I PENDAHULUAN 1.1 Latar Belakang Pada sebuah citra, sangat dimungkinkan terdapat berbagai macam objek. Objek yang ada pun bisa terdiri dari berbagai bentuk dan ukuran. Salah satu objek yang mungkin
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningrum*, Imam Santoso**, R.
1 MAKALAH SEMINAR TUGAS AKHIR ANALISIS TEKSTUR MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Rosanita Listyaningru*, Ia Santoso**, R.Rizal Isnanto** Abstrak - Tekstur adalah karakteristik yang penting
Lebih terperinciCONVOLUTIONAL NEURAL NETWORK. Pengantar Deep Learning
CONVOLUTIONAL NEURAL NETWORK Pengantar Deep Learning Convolutional Neural Network Convolutional Neural Network (CNN) adalah salah satu jenis neural network yang biasa digunakan pada data image. CNN bisa
Lebih terperinciLembar Perhitungan Otomatis menggunakan OpenOffice.org WRITER
Lebar Perhitungan Otoatis enggunakan OpenOffice.org WRITER Pebuatan laporan lebar kerja untuk perasalahan sederhana dapat dilakukan langsung dengan OOo Writer, kelebihan yang didapat adalah keapuan forating
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 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu komputer dalam bidang medis sekarang ini sudah sangat maju. Banyak penelitian yang dilakukan untuk membantu dokter dalam menganalisis suatu penyakit,
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
Lebih terperinciCalculati Alfi Jannati Mujiono Pembimbing : Dr. Singgih Jatmiko, SSi., MSc
ANALISIS PERBANDINGAN METODE EIGENFACE DENGAN FISHERFACE PADA PROSES PENGENALAN WAJAH Calculati Alfi Jannati Mujiono 51410506 Pembimbing : Dr. Singgih Jatmiko, SSi., MSc Latar Belakang Perkembangan Teknologi
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 terperinciPerancangan Sistem Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Sistem Fuzzy
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-58 Perancangan Siste Tracking Quadrotor untuk Sebuah Target Bergerak di Darat Menggunakan Siste Fuzzy Mochaad Raa Raadhan,
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 X-RAY DARI CITRA CT MENGGUNAKAN ACTIVE CONTOUR
SEGMENTASI CITRA X-RAY DARI CITRA CT MENGGUNAKAN ACTIVE CONTOUR Indrawati Program Studi Teknik Informatika Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe Jln. Banda Aceh Medan Km. 80.5 Buketrata
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dental radiology memiliki peranan yang penting dalam menentukan perawatan dan diagnosa gigi. Penggunaan sinar rontgen telah lama di kenal sebagai suatu alat dalam bidang
Lebih terperinci(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE
(R.4) PENGUJIAN DAN PEMODELAN ASOSIASI DUA VARIABEL KATEGORIK MULTI-RESPON DENGAN METODE BOOTSTRAP DAN ALGORITMA GANGE Giat Sudrajat Saruda, 2 Septiadi Padadisastra, 3 I Gede Nyoan Mindra Jaya Mahasiswa
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Retina merupakan salah satu bagian mata yang penting bagi manusia. Pada manusia, retina berfungsi untuk menerima cahaya terfokus dari lensa, mengubahnya
Lebih terperinciBAB I PENDAHULUAN. History Analysis), metode respon spektrum (Response Spectrum Method), dangaya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Gepa dapat terjadi sewaktu waktu akibat gelobang yang terjadi pada sekitar kita dan erabat ke segala arah.gepa bui dala hubungannya dengan suatu wilayah berkaitan
Lebih terperinciDISTRIBUSI DUA PEUBAH ACAK
0 DISTRIBUSI DUA PEUBAH ACAK Dala hal ini akan dibahas aca-aca fungsi peluang atau fungsi densitas ang berkaitan dengan dua peubah acak, aitu distribusi gabungan, distribusi arginal, distribusi bersarat,
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciDETEKSI CITRA GRANULOMA PADA RADIOGRAF PERIAPIKAL DENGAN METODE WATERSHED dan KLASIFIKASI SUPPORT VECTOR MACHINE
ISSN : 2355-9365 e-proceeding of Engineering : Vol.5, No.1 Maret 2018 Page 409 DETEKSI CITRA GRANULOMA PADA RADIOGRAF PERIAPIKAL DENGAN METODE WATERSHED dan KLASIFIKASI SUPPORT VECTOR MACHINE GRANULOMA
Lebih terperinciPENJUMLAHAN MOMENTUM SUDUT
PENJUMAHAN MOMENTUM SUDUT A. Penjulahan Moentu Sudut = + Gabar.9. Penjulahan oentu angular secara klasik. Dua vektor oentu angular dan dijulahkan enghasilkan Jika oentu angular elektron pertaa adalah dan
Lebih terperinciIMPLEMENTASI DECISION TREE UNTUK MEMPREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
IPLEENTASI DECISION TREE UNTUK EPREDIKSI JULAH AHASISWA PENGABIL ATAKULIAH DENGAN ENGGUNAKAN STUDI KASUS DI JURUSAN TEKNIK INFORATIKA ITS Romauli anullang - 5108100501 Latar Belakang Pembuatan jadwal pada
Lebih terperinciNONSUBSAMPLED CONTOURLET TRANSFORM DAN ITERATIVE POINT CORRESPONDENCE UNTUK REGISTRASI PADA CITRA DENTAL PERIAPIKAL
NONSUBSAMPLED CONTOURLET TRANSFORM DAN ITERATIVE POINT CORRESPONDENCE UNTUK REGISTRASI PADA CITRA DENTAL PERIAPIKAL Ahmad Afif Supianto, Agus Zainal Arifin, Arya Yudhi Wijaya Jurusan Teknik Informatika,
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciKLASIFIKASI JENIS POHON MANGGA GADUNG DAN CURUT BERDASARKAN TESKTUR DAUN
SESINDO 011-Jurusan Siste Inforasi ITS KLASIFIKASI JENIS POHON MANGGA GADUNG DAN CURUT BERDASARKAN TESKTUR DAUN Soffiana Agustin 1), Eko Prasetyo ) 1,) Progra Studi Teknik Inforatika, Fakultas Teknik,
Lebih terperinciISSN WAHANA Volume 67, Nomer 2, 1 Desember 2016
ISSN 0853 4403 WAHANA Volue 67, Noer 2, Deseber 206 PERBANDINGAN LATIHAN BOLA DIGANTUNG DAN BOLA DILAMBUNGKAN TERHADAP HASIL BELAJAR SEPAK MULA DALAM PERMAINAN SEPAK TAKRAW PADA SISWA PUTRA KELAS X-IS
Lebih terperinciWATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL
SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM
Lebih terperinciSegmentasi Trabecular Bone Dental Panoramic Radiograph Berbasis Karakteristik Profil Segmen Menggunakan Extreme Learning Machine
TUGAS AKHIR KI141502 Segmentasi Trabecular Bone Dental Panoramic Radiograph Berbasis Karakteristik Profil Segmen Menggunakan Extreme Learning Machine RIZQI OKTA EKOPUTRIS 5113100005 Dosen Pembimbing I
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 terperinciANALISA DAN PENGENALAN SUARA JANTUNG MENGGUNAKAN WAVELET DAN JST DALAM MENGKLASIFIKASIKAN JENIS KELAINAN KATUP JANTUNG PADA MANUSIA
ANALISA DAN PENGENALAN SUARA JANTUNG MENGGUNAKAN WAVELET DAN JST DALAM MENGKLASIFIKASIKAN JENIS KELAINAN KATUP JANTUNG PADA MANUSIA Sidang Tesis S2 Teknik Sistem Pengaturan FTI-ITS Surabaya EDY SETIAWAN
Lebih terperinciBAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelumnya bahwa dalam mengonstruksi field GF(3 )
BAB IV BAHASAN ALGORITME ARITMETIK GF(3 ) Telah dijelaskan sebelunya bahwa dala engonstruksi field GF(3 ) diperoleh dari perluasan field 3 dengan eilih polinoial priitif berderajat atas 3 yang dala hal
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinciLampiran 1. Rancangan Pintu Air dari Bahan Fiberglass
LAMPIRAN 60 Lapiran 1. Ranangan Pintu Air dari Bahan Fiberglass 61 Lapiran 1. (lanjutan) 62 Lapiran 2. Ranangan Pintu Air dari Bahan Beton Serat 63 Lapiran 2. (lanjutan) 64 Lapiran 3. Perhitungan Modulus
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Deteksi kulit manusia berperan penting dan digunakan secara luas sebagai langkah awal pada aplikasi pengolahan citra seperti gesture analysis, content based
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
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 terperinciOperasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma
Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan
Lebih terperinci