SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET
|
|
- Ivan Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 SEGMENTASI ENDAPAN URIN PADA CITRA MIKROSKOPIK BERBASIS WAVELET Miftahus Sholihin, Agus Zainal Arifin, Anny Yuniarti Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember (ITS), Surabaya, Indonesia Abstrak Segmentasi terhadap endapan urin sangat penting dalam melakukan diagnosis terhadap jenis penyakit yang berhubungan dengan urin. Dalam melakukan proses segmentasi endapan urin dibutuhkan suatu metode yang dapat melakukan proses segmentasi secara efisien dan efektif, sehingga dapat membantu dunia medis dalam melakukan diagnosis terhadap penyakit. Segmentasi berbasis wavelet ini memiliki beberapa langkah proses. Pertama dilakukan pre-processing, selanjutnya melakukan transformasi wavelet yang diikuti dengan operasi morfologi, kemudian dilakukan pemrosesan terhadap tiap-tiap region, langkah terakhir yang dilakukan adalah menghilangkan overlapped region. Langkah-langkah tersebut bertujuan untuk mengetahui elemen-elemen urin yang terdiri dari sel darah merah, sel darah putih, dan epitelium. Penentuan nilai minimum sangat berpengaruh terhadap hasil dari proses segmentasi. Jika nilai minimum yang digunakan terlalu kecil dapat mengakibatkan oversegmentation. Berdasarkan hasil ujicoba, nilai minimum untuk sel darah merah yang cukup optimal adalah 100 dengan rata-rata akurasi 48.6%, sedangkan nilai minimum untuk sel darah putih dan epithelium yang cukup optimal adalah 300 dan 1500 dengan rata-rata akurasi 37.88% dan 71.42%. 1. Pendahuluan Deteksi terhadap endapan urin sangat penting dalam membantu proses diagnosis terhadap suatu jenis penyakit seperti radang pada ginjal, radang pada saluran kencing serta radang pada kandung kemih. Dalam melakukan proses segmentasi terhadap endapan urin tersebut dibutuhkan suatu metode yang mampu melakukan proses segmentasi secara efektif dan efisien, sehingga diharapkan dapat membantu dunia medis dalam melakukan deteksi penyakit yang berkaitan dengan urin. Sampai saat ini banyak sekali metode-metode yang digunakan untuk melakukan proses segmentasi terhadap endapan urin tersebut. Metode-metode tersebut antara lain clustering, edge detection, region extraxtion, thresholding. Metode-metode yang digunakan dalam melakukan proses segmentasi tersebut masih terdapat kelemahan baik secara komputasi maupun secara hasil. Hal ini juga dipengaruhi oleh citra urin itu sendiri, dimana citra urin tersebut memiliki beberapa karakteristik antara lain mempunyai tepi yang tidak jelas, memiliki susunan partikel yang sangat komplek serta memiliki kontras untuk tiap-tiap elemen sangat rendah. Oleh karena itu dalam tugas akhir ini metode yang digunakan untuk menyelesaikan masalah segmentasi endapan urin pada citra mikroskopik dengan menggunakan metode berbasis wavelet. Tahapantahapan yang digunakan untuk menyelesaikan masalah tersebut adalah sebagai berikut : transformasi wavelet dan morfologi digunakan untuk mengatasi masalah defocusing terhadap citra urin, edge detection dan adaptive threshold digunakan untuk mengatasi masalah citra yang memiliki tepi yang tidak jelas serta watershed algorithm yang digunakan untuk mengatasi masalah overlapping terhadap citra. Tujuan dalam pembuatan Tugas Akhir ini adalah untuk melakukan proses segmentasi endapan urin pada citra mikroskopik berbasis wavelet. Dengan adanya metode segmentasi tersebut diharapkan dapat membantu dunia medis dalam melakukan proses diagnosis terhadap penyakit yang berhubungan dengan urin. 2. Metode Wavelet Wavelet adalah fungsi matematika yang memotongmotong data menjadi sekumpulan frekuensi yang berbeda, sehingga masing-masing komponen tersebut dapat dipelajari dengan menggunakan skala resolusi yang berbeda. 3. Transformasi Wavelet Diskrit (Discrate Wavelet Transform) Transformasi wavelet diskrit secara umum merupakan dekomposisi citra pada frekuensi subband citra tersebut dimana komponennya dihasilkan dengan cara penurunan level dekomposisi. Implementasi transformasi wavelet diskrit dapat dilakukan dengan cara melewatkan sinyal frekuensi tinggi atau highpass filter dan frekuensi rendah atau lowpass filter. Gambar 1 adalah gambar dari transformasi wavelet diskrit dua dimensi dengan level dekomposisi satu. Suatu citra jika dilakukan proses transformasi wavelet diskrit dua dimensi dengan level dekomposisi satu, maka akan menghasilkan empat buah subband, yaitu : 1
2 Koefisien Approksimasi (CA j+1) atau subband LL. Koefisien Detil Horisontal (CD(h) j+1) atau subband HL. Koefisien Detil Vertikal (CD(v) j+1) atau subband LH. Koefisien Detil Diagonal (CD(d) j+1) atau subband HH. Reconstruction). Cara kerja dari DWT balik dapat dilihat pada Gambar 2. Dengan Level Dekomposisi 1 subband hasil dari dekomposisi dapat didekomposisi lagi karena level dekomposisi wavelet bernilai dari 1 sampai n atau disebut juga transformasi wavelet multilevel. Jika dilakukan dekomposisi lagi, maka subband LL yang akan didekomposisi karena subband LL berisi sebagian besar dari informasi citra. Jika dilakukan dekomposisi dengan level dekomposisi dua maka subband LL akan menghasilkan empat buah subband baru, yaitu subband LL2 (Koefisien Approksimasi 2), HL2 (Koefisien Detil Horisontal 2), LH2 (Koefisien Detil Vertikal 2), dan HH2 (Koefisien Detil Diagonal 2). Gambar 1 Proses Dekomposisi Wavelet Dua Dimensi Gambar 2 Proses Rekonstruksi Wavlet Dua Dimensi 5. Morphology Image Processing Operasi morfologi adalah teknik pengolahan citra digital yang didasarkan pada bentuk segmen atau region dalam citra. Konsep yang dipakai dalam operasi morfologi adalah konsep himpunan. Dalam operasi morfologi dikenal dengan adanya struktur elemen. Dengan mengatur atau memilih ukuran dan bentuk dari struktur elemen yang digunakan maka dapat mengatur sensivitas operasi morfologi terhadap bentuk tertentu pada citra masukan. Operasi morfologi tersebut antara lain adalah dilasi, erosi, dan filling. Dilasi adalah sebuah operasi morfologi yang dapat memperbesar atau mengentalkan objek dari sebuah citra. Jumlah piksel yang ditambahkan tergantung dari struktur elemen yang digunakan untuk memproses suatu citra. Misal terdapat dua himpunan A dan B pada ruang Z 2, operasi dilasi A oleh struktur elemen B dilambangkan dengan A B. Dilasi dapat didefinisikan sebagai persamaan berikut : 4. Inverse Discrete Wavelet Transform (IDWT) Dua Dimensi Inverse Discrete Wavelet Transform (IDWT) merupakan kebalikan dari discrate wavelet transform ( DWT). Pada tahap ini dilakukan proses rekonstruksi dengan arah yang berlawanan dari proses sebelumnya. Yaitu dengan proses up-sampling dan pem-filter-an dengan koefisien-koefisien filter balik. Proses upsampling dilakukan dengan mengembalikan dan menggabungkan sinyal seperti semula. Proses ini dilakukan dengan menyisipkan sebuah kolom berharga nol di antara setiap kolom dan melakukan konvolusi pada setiap baris dengan filter satu dimensi. Hal yang sama dilakukan dengan menyisipkan sebuah baris nol di antara setiap baris dan melakukan konvolusi pada setiap kolom dengan filter yang lainnya. Filter yang digunakan pada transformasi balik (rekonstruksi) ini adalah filter yang mempunyai hubungan khusus terhadap filter pada sisi dekomposisi yaitu filter Lo_R (Low Pass Filter reconstruction) dan Hi_R (High Pass Filter 2 A + B = z (B) z A }. (1) Erosi adalah sebuah operasi morfologi yang dapat menyusutkan atau menguruskan objek dari sebuah citra. seperti pada proses dilasi penusutan atau pengurusan juga dipengaruhi dengan struktur elemennya. Misal terdapat dua himpunan A dan B pada ruang Z 2, operasi dilasi A oleh struktur elemen B dilambangkan dengan AΘB. Erosi dapat didefinisikan sebagai persamaan berikut : AΘB = {z (B) z A}. (2) 6. Canny Edge Detection Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyekobyek citra, tujuan dari deteksi tepi adalah untuk menandai bagian yang menjadi detail dari citra dan juga untuk memperbaiki detail citra yang kabur, yang terjadi karena error atau adanya efek akuisisi terhadap citra. Suatu titik dapat dipandang sebagai tepi dari suatu citra jika titik tersebut memiliki perbedaan yang tinggi dengan tetangganya.
3 Algoritma deteksi tepi Canny dikenal sebagai algoritma yang optimal dalam melakukan proses pendeteksian terhadap tepi. Untuk meningkatkan metode-metode yang telah ada dalam pendeteksian tepi, algoritma deteksi tepi canny mengikuti kriteriakriteria sebagai berikut : Tingkat error yang rendah. Error terjadi bila ada tepi yang penting tetapi tepi tersebut tidak muncul atau sebaliknya Titik edge pada suatu citra akan tepat terdeteksi, dengan kata lain jarak antara edge piksel sudah terdeteksi dan edge yang sebenarnya (actual edge) adalah yang paling minimum. Merespon atau menghasilkan satu edge saja, ini sudah diimplementasikan karena dua dari kriteria penting yang disebutkan masih belum cukup untuk mengeleminasi nilai kemungkinan dari edge. Berdasarkan kriteria-kriteria diatas, metode deteksi tepi Canny bisa dijelaskan sebagai berikut : 1. Pertama-tama dilakukan proses penghalusan (smoothing) citra untuk menghilangkan noise dengan menggunakan Gaussian filter. 2. Local gradient g x, y = [G x 2 + G y 2 ] 1/2, dan arah tepi a x, y = tan 1 (G y /G x ), dihitung pada tiap-tiap titik. Titik tepi didefinisikan sebagai titik yang mempunyai local maximum pada arah gradient 3. Titik yang telah ditentukan pada langkah (2) memberikan kenaikan pada bukit citra. Aloritma ini kemudian menelusuri titik sepanjang bukit sampai pada puncaknya dan memberikan nilai 0 pada piksel yang tidak berada pada puncak bukit untuk memberikan output berupa garis tipis. Proses ini dikenal sebagai nonmaximal suppression. Pikselpiksel pada bukit kemudian disegmentasi dengan menggunakan dua threshold, T1 dan T2 dimana T1 < T2. Piksel dengan nilai lebih besar dari pada T2 maka dikatakan sebagai tepi yang tebal. Sedangkan nilai piksel di antara T1 dan T2 disebut tepi yang tipis. Gambar 3 Blok Diagram Sistem Untuk melakukan proses segmentasi endapan urin pada citra mikroskopik berbasis wavelet, berikut ini adalah diagram alir dari proses blok segmentasi berbasis wavelet, pemrosesan tiaptiap region, dan menghilangkan overlapped region. Segmentasi berbasis wavelet. Mulai Masukan Citra Urin Rubah ke Grayscale Dekomposisi Wavelet Daubechies 9/7 Rekronstruksi Citra Gaussian Filtering Operasi Morfologi Selesai Gambar 4 Diagram Alir Segmentasi Berbasis Wavelet 7. Desain Sistem Gambar 3 adalah desain blok diagram yang merupakan gambaran umum dari proses segmentasi berbasis wavelet. 3
4 Pemrosesan tiap-tiap region. Setting nilai minimum 200, dimana besarnya sel darah merah 200 sampai 300, sel darah putih besarnya 301 sampai 1500, dan epielium besarnya > Gambar 5 Diagram Alir Pemrosesan Tiap-Tiap Region 1. Ujicoba pada citra urin Pada awal proses dilakukan pengambilan citra urin. Citra urin tersebut menurut dokter Komang dan dokter Ita terdiri dari sel darah merah yang berjumlah 11 dan sel darah putih berjumlah 9, dan epitelium 0. Citra urin tersebut kemudian dilakukan proses perubahan dari bentuk RGB ke bentuk grayscale. Kemudian dilakukan proses transformasi wavelet yang diikuti dengan operasi morfologi. Operasi ini bertujuan untuk mengatasi masalah defocusing terhadap citra urin. Setelah itu dilakukan proses pengambilan nilai dari masing-masing region yang ada. Nilai ini digunakan untuk menentukan apakah region tersebut masuk sebagai sel darah merah, sel darah putih atau sebagai epithelium. Besarnya nilai sel darah merah berkisa antara 100 sampai dengan 300. Sedangkan untuk sel darah putih besarnya berkisar antara 301 sampai dengan 1500, sedangkan untuk epithelium besarnya diatas Langkah terakir yang dilakukan adalah dengan menggunakan algoritma watershed. Langkah ini dilakukan dengan tujuan untuk mengatasi masalah overlapping terhadap citra sehingga akan dihasilkan hasil segmentasi yang bagus dan akurat. 8. Lingkungan Ujicoba Lingkungan uji coba yang meliputi perangkat lunak dan perangkat keras yang digunakan. Perangkat lunak diimplementasikan dengan menggunakan MATLAB 7.04, karena kemudahan penggunaannya untuk keperluan pengolahan citra digital. Adapun implementasi dari tugas akhir ini dilakukan dalam lingkungan perangkat keras dengan spesifikasi prosesor intel core 2 duo 2.0 GHz dengan RAM 2 GB DDR2. Perangkat lunak ini dibangun pada system operasi Microsoft Windows Vista Home Edition dengan menggunakan Matlab Ujicoba Tujuan dari ujicoba ini adalah untuk membuktikan tingkat akurasi dari aplikasi yang dibuat dibandingkan dengan pengamatan dokter spesialis urin. Skenario yang dilakukan dalam proses ujicoba ini adalah sebagai berikut : Memasukan citra urin kedalam sistem. Setting nilai minimum 100, dimana besarnya sel darah merah 100 sampai 300, sel darah putih besarnya 301 sampai 1500, dan epielium besarnya > Setting nilai minimum 150, dimana besarnya sel darah merah 150 sampai 300, sel darah putih besarnya 301 sampai 1500, dan epielium besarnya > Gambar 6 Citra Masukan Ujicoba 1 4
5 Gambar 7 Hasil Segmentasi Ujicoba 1 Gambar 7 adalah hasil dari proses segmentasi dari citra masukan. Dari Gambar 7 terlihat bahwa objek dan beckground sudah dibedakan. Warna putih adalah objek dari elemen-elemen yang terdapat pada urin sedangkan untuk warna hitam menunjukan sebagai background. Objek tersebut dikatakan sebagai sel darah merah, sel darah putih atau epithelium didasarkan pada luas dari masing-masing region. Untuk region yang paling kecil dikatakan sebagai sel darah merah, sedangkan untuk sel darah putih lebih besar dari sel darah merah, namun demikian tidak selamanya sel darah putih lebih besar dari sel darah merah. Hal ini dapat mengakibatkan kesalahan dalam proses segmentasi. Untuk epithelium memiliki luas yang paling besar bila daibandingkan dengan sel darah merah atau sel darah putih. 2. Ujicoba pada citra urin Pada awal proses dilakukan pengambilan citra urin. Citra urin tersebut menurut dokter Komang dan dokter Ita terdiri dari sel darah merah yang berjumlah 17 dan sel darah putih berjumlah 8, dan epitelium 0. Citra urin tersebut kemudian dilakukan proses perubahan dari bentuk RGB ke bentuk grayscale. Kemudian dilakukan proses transformasi wavelet yang diikuti dengan operasi morfologi. Operasi ini bertujuan untuk mengatasi masalah defocusing terhadap citra urin. Setelah itu dilakukan proses pengambilan nilai dari masing-masing region yang ada. Nilai ini digunakan untuk menentukan apakah region tersebut masuk sebagai sel darah merah, sel darah putih atau sebagai epithelium. Besarnya nilai sel darah merah berkisa antara 100 sampai dengan 300. Sedangkan untuk sel darah putih besarnya berkisar antara 301 sampai dengan 1500, sedangkan untuk epithelium besarnya diatas Langkah terakir yang dilakukan adalah dengan menggunakan algoritma watershed. Langkah ini dilakukan dengan tujuan untuk mengatasi masalah overlapping terhadap citra sehingga akan dihasilkan hasil segmentasi yang bagus dan akurat. 5 Gambar 8 Citra Masukan Ujicoba 2 Gambar 9 adalah hasil dari proses segmentasi dari citra masukan. Dari Gambar 9 terlihat bahwa objek dan beckground sudah dibedakan. Warna putih adalah objek dari elemen-elemen yang terdapat pada urin sedangkan untuk warna hitam menunjukan sebagai background. Objek tersebut dikatakan sebagai sel darah merah, sel darah putih atau epithelium didasarkan pada luas dari masing-masing region. Untuk region yang paling kecil dikatakan sebagai sel darah merah, sedangkan untuk sel darah putih lebih besar dari sel darah merah, namun demikian tidak selamanya sel darah putih lebih besar dari sel darah merah. Hal ini dapat mengakibatkan kesalahan dalam proses segmentasi. Untuk epithelium memiliki luas yang paling besar bila daibandingkan dengan sel darah merah atau sel darah putih. Gambar 9 Hasil Segmentasi Ujicoba Pembahasan Aplikasi yang dibuat ini bertujuan untuk melakukan proses segmentasi terhadap endapan urin dan juga untuk mengetahui elemen-elemen apa saja yang ada pada urin tersebut. Proses untuk mengetahui jenis elemen penyusun urin tersebut hanya didasarkan pada ukurannya saja. Data yang digunakan sebagai data masukan dalam aplikasi ini adalah data citra urin yang berasal dari College of Communication Engineering, Chongqing University, China.
6 Pada aplikasi ini langkah awal dari proses pengujian adalah dengan menjalankan aplikasi yang telah dibuat, kemudian memasukan citra urin yang ingin diproses sebagai masukan dari aplikasi. Setelah citra urin dimasukan langkah selanjutnya adalah dengan melakukan perubahan citra dari RGB ke grayscale. Kemudian dilakukan proses transformasi wavelet. Alasan penggunaan transformsi wavelet ini adalah karena kemampuan wavelet dalam membedakan frekuensi yang beragam dan dapat mempertahankan tiap detil sinyal pada level yang berbeda-beda. Pada objek seperti citra, wavelet secara umum melakukan proses dekomposisi sinyal menjadi dua bagian yaitu sinyal berfrekuensi rendah dan sinyal berfrekuensi tinggi. Pada citra berfrekuensi rendah merupakan komponen global yang terdapat pada citra, sedangkan untuk sinyal frekuensi tinggi berisikan bagian-bagian kecil dari sebuah citra atau disebut sebagai detil citra. Dalam kandungan urin terdiri dari beberapa elemen antara lain sel darah merah, sel darah putih, dan epithelium. Kandungan urin tersebut memiliki ukuran dan bentuk yang berbeda-beda. Sel darah merah merupakan elemen yang memiliki ukuran paling kecil, sedangkan sel darah putih ukuranya lebih besar dari sel darah merah, sedangkan untuk epithelium memiliki ukuran yang paling besar bila dibandingkan dengan sel darah merah dan juga sel darah putih. Dalam melakukan proses segmentasi ini untuk menentukan jenis elemen dalam urin dilihat dari aspek ukuran urin tersebut. Dalam tugas akhir ini penentuan suatu region dikatakan sebagai sel darah merah, sel darah putih, dan epithelium hanya melihat dari ukuran region tersebut. Sehingga dapat mengakibatkan kesalahan dalam melakukan segmentasi. Hal ini dapat dipengaruhi oleh beberapa faktor anatara lain besarnya ukuran sel darah putih tidak selamanya lebih kecil dari sel darah merah begitu pula sebaliknya, dalam proses penentuan region termasuk sel darah merah, sel darah putih, dan epitelium tidak hanya dilihat dari segi ukurannya saja, akan tetapi harus dilihat dari bentuk, warna, morfologi, dan juga sel penyusunnya. Berdasarkan hasil ujicoba, nilai minimum untuk sel darah merah yang cukup optimal adalah 100 dengan rata-rata akurasi 48.6%, sedangkan nilai minimum untuk sel darah putih dan epithelium yang cukup optimal adalah 300 dan 1500 dengan rata-rata akurasi 37.88% dan 71.42%. diikuti dengan operasi morfologi yang dapat menghasilkan citra yang focus. 2. Pemilihan nilai minimum dan nilai maksimum sangat berpengaruh terhadap hasil dari segmentasi. Jika nilai minimum terlalu kecil akan mengakibatkan oversegmentasi dan jika nilai minimum yang digunakan terlalu besar maka akan mengakibatkan miss segmentasi. 3. Ukuran sel darah merah, sel darah putih, dan epithelium berbeda-beda untuk tiaptiap citra. Hal ini dapat mengakibatkan kesalahan dalam proses segmentasi. 4. Berdasarkan ujicoba yang dilakukan nilai minimum untuk sel darah merah yang cukup optimal adalah 100 dengan rata-rata akurasi 48.6%, sedangkan nilai minimum untuk sel darah putih dan epithelium yang cukup optimal adalah 300 dan 1500 dengan rata-rata akurasi 37.88% dan 71.42%. 5. Penggunaan metode deteksi tepid an adaptive threshold dapat membantu mengatasi masalah segmentasi terhadap citra yang memiliki tepi yang kurang jelas. 6. Penggunaan algoritma watershed dapat membantu dalam mengatasi masalah overlapping terhadap region, akan tetapi metode yang digunakan tersebut juga masih memiliki kelemahan, karena dapat mengakibatkan oversegmentasi Saran 1. Aplikasi ini dapat disempurnakan lagi dalam melakukan proses segmentasi dengan cara melakukan pengamatan terhadap bentuk morfologi dari urin tersebut. Sehingga dalam proses segmentasi didasarkan pada bentuk, ukuran, dan kerapatan dari sel penyusun urin tersebut. 2. Untuk mendapatkan hasil yang bak hendaknya melakukan perbaikan metode yang dapat mengatasi masalah overlapped terhadap region 11. Kesimpulan Dari hasil ujicoba dan pembahasan dari tugas akhir, penulis menarik beberapa kesimpulan sebagai berikut : 1. Penggunaan transformasi wavelet untuk mengatasi masalah defocusing terhadap citra dilakukan dengan cara mendekomposisi citra dan melakukan rekonstruksi kembali terhadap citra yang 6 Daftar Pustaka [1] R.C. Gonzales dan R.E. Woods, Digital Image Processing, 2nd ed. Upper Saddle River, NJ: Prentice-Hall, [2] R.C. Gonzales, R.E. Woods dan Steven L.Eddins, Digital Image Processing Using Matlab, 2nd ed. Upper Saddle River, NJ: Prentice-Hall, [3]
7 terakir di akses : 27 desember [4] terakir di kases : 01 januari [5] MATLAB 7.04 Help and Documentation. [6] Y.-K. Sun, Wavelet Analysis and Application, vol. 3(1), China Machine Press, [7] Yong-Ming Li, Xiao-Ping Zeng, A new strategy for urinary sediment segmentation based on wavelet, morphology and combination method, College of Communication Engineering, Chongqing University, Chongqing , China. [8] B.-G. Kim, J.-I. Shim, D.-J. Park, Fast image segmentation based on multi-resolution analysis and wavelets, Pattern Recognit. Lett. 24 (2003)
Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN
Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN 5107100609 PENDAHULUAN Segmentasi Endapan Urin 2 LATAR BELAKANG Segmentasi
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 terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciBAB III METODE PENELITIAN
23 BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan proses penelitian ditunjukkan pada Gambar 15 berikut. Mulai 96 citra stomata Ekstraksi fitur - RGB & Skala Keabuan Ekstraksi fitur - Wavelet
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 II Tinjauan Pustaka
BAB II Tinjauan Pustaka Pada bab ini dibahas mengenai konsep-konsep yang mendasari ekstraksi unsur jalan pada citra inderaja. Uraian mengenai konsep tersebut dimulai dari ekstraksi jalan, deteksi tepi,
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciLOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto
LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto 1206100002 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciDAFTAR TABEL. Tabel 4.1 Struktur Neural Network Backpropagation Tabel 4.2 Hasil Pengujian Identifikasi Data Uji... 34
DAFTAR TABEL Tabel 4.1 Struktur Neural Network Backpropagation... 9 Tabel 4. Hasil Pengujian Identifikasi Data Uji... 34 Tabel 4.3 Hasil Pengujian Sistem... 37 xi BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciDEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK
DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
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 terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciPERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6
PERBANDINGAN METODE PREWIT DAN ROBERTS UNTUK KEAKURATAN MENDETEKSI TEPI PADA SEBUAH GAMBAR DENGAN MENGGUNAKAN VB.6 Siti Mujilahwati 1, Yuliana Melita Pranoto 2 1 Mahasiswa Magister Teknologi Informasi,
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 4 IMPLEMENTASI DAN PENGUJIAN. perangkat lunak yang sama untuk semua pengujian. analisa citra bioinformatika ini dalah sebagai berikut:
BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Spesifikasi Sistem Perangkat analisis citra bioinformatika ini menggunakan perangkat keras dan perangkat lunak yang sama untuk semua pengujian. 4.1.1 Spesifikasi Perangkat
Lebih terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
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 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 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Indera pendengaran manusia tidak dapat mengetahui secara pasti jenis nada apa yang didengar olehnya, terkecuali para pemusik profesional. Hal
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: b. Memori : 8192 MB. c. Sistem Model : Lenovo G40-45
20 BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : AMD A8-6410 APU (4 CPUs), ~2.0 GHz b. Memori : 8192
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih 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 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 terperinciWatermarking Video Menggunakan Transformasi Wavelet Diskrit
Jurnal Generic, Vol. 8, No. 1, Maret 2013, pp. 198~208 ISSN: 1907-4093 (Print), 2087-9814 (online) 198 Watermarking Video Menggunakan Transformasi Wavelet Diskrit Merlin Felyana 1 1 Program Studi Teknik
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 terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinciANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI
ANALISIS DAN SIMULASI REKONSTRUKSI VIDEO BERBASIS METODE SUPER-RESOLUSI ANALYSIS AND SIMULATION OF VIDEO RECONSTRUCTION BASED ON SUPER-RESOLUTION METHOD Kusuma Nindia Rizki 1, Iwan Iwut, ST., MT. 2, Suryo
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
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 terperinciPENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL
MAKALAH SEMINAR TUGAS AKHIR PERIODE JUNI-JULI PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE- HIERARCHICAL Ana Wahyu Hakim 1, Handayani Tjandrasa 2, Bilqis Amalia 3 Teknik Informatika, Fakultas Teknologi
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 terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai kebutuhan-kebutuhan yang digunakan dalam membuat program ini. Setelah semua kebutuhan selesai di analisa, maka penulis akan
Lebih terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB III Pelaksanaan Penelitian Pada bab ini dibahas pelaksanaan ekstraksi unsur jalan secara otomatis yang terdiri dari tahap persiapan dan pengolahan data. Tahap persiapan yang terdiri dari pengambilan
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciSEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina)
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina) Penyusun Tugas Akhir : Diandra
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi
Lebih terperinciEKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :
EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciIdentifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra
Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra Shofiyyah Zahrah 1, Ristu Saptono 2, Esti Suryani 3 1,2,3 Program Studi Informatik, FMIPA, Universitas Sebelas Maret Email: 1 shofizr@gmail.com,
Lebih terperinciPERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE)
PERBAIKAN CITRA DENGAN MENGGUNAKAN METODE PROBABILITY DISTRIBUTION HISTOGRAM EQUALIZATION (PDHE) ANDRI andriecitra@yahoo.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian mengenai peningkatan kecepatan prediksi produksi susu sapi ini menggunakan metode eksperimen dengan metode sebagai berikut: a. Pengumpulan data
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB 3 PERUMUSAN OBJEK RANCANGAN. Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi
BAB 3 PERUMUSAN OBJEK RANCANGAN 3.1 Analisis Masalah dan Kebutuhan Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi yang akan kami buat. 3.1.1 Analisis Masalah Untuk mengetahui
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciJln. Telekomunikasi No.1 Terusan Buah Batu Bandung Indonesia
SIMULASI DAN ANALISIS SISTEM KLASIFIKASI BATUBARA MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT), FUZZY COLOR HISTOGRAM (FCH) DAN K-NEAREST NEIGHBOR (K-NN) PADA CITRA DIGITAL Viona Apryaleva 1, Dr.Ir.Bambang
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciBAB 4 IMPLEMENTASI DAN PENGUJIAN
BAB 4 IMPLEMENTASI DAN PENGUJIAN Tahapan Implementasi merupakan tahap lanjutan dari tahap Analisis dan Perancangan. Tahapan ini membahas hasil deteksi tepi (edge detection) yamg dilakukan pada beberapa
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
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 terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciBAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL
BAB III METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL 3.1 Tepi Objek Pertemuan antara bagian obyek dan bagian latar belakang disebut tepi obyek. Dalam pengolahan citra, tepi obyek
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 terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Kata Kunci: Citra Fundus Retina, Segmentasi Citra,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB 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 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciImplementasi Deteksi Tepi Canny pada Citra Mammografi
JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia
Lebih terperinciPENAJAMAN INFORMASI OBYEK PERMUKAAN BUMI DENGAN FUSI CITRA PENG1NDERAAN JAUH BERDASARKAN WAVELET
PENAJAMAN INFORMASI OBYEK PERMUKAAN BUMI DENGAN FUSI CITRA PENG1NDERAAN JAUH BERDASARKAN WAVELET Mohammad Natsir Peneliti Pusat Data Penginderaan Jauh, LAPAN ABSTRACT There are different cases that high
Lebih terperinciLeast Square Estimation
Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan
Lebih terperinci3.2.1 Flowchart Secara Umum
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 aplikasi menghilangkan derau
Lebih terperinciPENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I Made Satria Wibawa 2 ABSTRAK
Jurnal Dinamika, April 2017, halaman 18-29 P-ISSN: 2087-889 E-ISSN: 2503-4863 Vol. 08. No.1 PENERAPAN SEGMENTASI MULTI KANAL DALAM MENDETEKSI SEL PARASIT PLASMODIUM SP. I Made Agus Wirahadi Putra 1, I
Lebih terperinciKOMPUTASI DEKOMPOSISI WAVELET HAAR BERBASIS ALJABAR MAX-PLUS
KOMPUTASI DEKOMPOSISI WAVELET HAAR BERBASIS ALJABAR MAX-PLUS Dosen Pembimbing : Dr. Mahmud Yunus Dr. Subiono Hergian Dinarina 1209201009 Pascasarjana Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciSALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET
SALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET Oleh: Ika Usfarina Dhamasari(5106100040) DosenPembimbing1: Dr. AgusZainalArifin, S. Kom, M. Kom Dosen Pembimbing 2: Diana Purwitasari,
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciBAB I. Pendahuluan I.1 Latar Belakang
BAB I. Pendahuluan I.1 Latar Belakang Jalan merupakan salah satu sarana transportasi darat yang penting untuk menghubungkan berbagai tempat seperti pusat industri, lahan pertanian, pemukiman, serta sebagai
Lebih terperinciPenyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang
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 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 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 terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print) 1
JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 27-59 (201-9271 Print) 1 Implementasi Citra dengan Menggunakan Regresi Linier dan Metode Wavelet Rina Kharisma Juwitasari, Diana Purwitasari, dan Rully Soelaiman
Lebih terperinciBAB III LANDASAN TEORI. 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix)
BAB III LANDASAN TEORI 3.1 Metode GLCM ( Gray Level Co-Occurrence Matrix) Metode GLCM menurut Xie dkk (2010) merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini memuat latar belakang perlunya penyisipan watermark di dalam citra digital, perumusan masalah secara sistematis, serta metodologi yang digunakan untuk memecahkan masalah yang
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
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 terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciPENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA
Seminar Sistem Informasi Indonesia (SESINDO2010) ITS, Surabaya 4 Desember 2010 PENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA Bilqis Amaliah 1, Dwi Lailatul
Lebih terperinciALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR
Pengolahan citra digital by Jans Hry / S2 TE UGM 09 ALGORITMA SOBEL UNTUK DETEKSI KARAKTER PADA PLAT NOMOR KENDARAAN BERMOTOR Edge atau tepi merupakan representasi dari batas objek dalam citra. Hal ini
Lebih terperinci