PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA
|
|
- Adi Suryadi Darmadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA Linggaluhung Dwikawuryan Wibowo JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2 LATAR BELAKANG Citra Digital dengan Kontras Rendah Citra Digital dengan Kontras Tinggi
3 LATAR BELAKANG (cont.) Histogram dari Citra Kontras Rendah Histogram dari Citra Kontras Tinggi
4 PERUMUSAN MASALAH Bagaimana melakukan peningkatan kontras citra digital berwarna pada ruang warna Lab dengan pendekatan HHFIA Bagaimana mengimplementasikan HHFIA dalam peningkatan kontras citra digital berwarna. Analisa secara numerik untuk membandingkan kualitas kontras citra digital yang dihasilkan.
5 BATASAN MASALAH Citra digital berwarna asal adalah citra digital berwarna dalam ruang warna RGB dengan 256 nilai intensitas serta memiliki kualitas kontras yang rendah. Pada Tugas Akhir ini, citra digital memiliki kontras rendah bila nilai standar deviasinya lebih kecil dari 23. Pengolahan citra digital dilakukan pada ruang warna Lab yang standar yaitu CIELab. Nilai intensitas yang dimaksud pada pengolahan citra digital adalah nilai intensitas luminasi, yaitu komponen L pada ruang warna Lab dengan nilai intensitas berada pada [0, 100]. Pengukuran kualitas kontras citra digital yang dimaksud adalah perbandingan standar deviasi dari histogram citra digital asal dan citra digital hasil. Semakin tinggi standar deviasi citra digital yang dihasilkan, maka semakin baik pula kualitas kontras citra digital hasil. Citra digital hasil diasumsikan tidak valid sebagai citra asal untuk diolah kembali, mengingat kualitas kontrasnya telah ditingkatkan.
6 TUJUAN Melakukan pendekatan HHFIA dalam peningkatan kontras citra digital berwarna untuk meningkatkan persepsi mata manusia dalam memperoleh informasi dari citra digital. Menganalisa kualitas citra digital yang dihasilkan melalui histogram yang terbentuk dengan membandingkan standar deviasi dari citra digital asal dengan citra digital hasil peningkatan kontras.
7 MANFAAT Memberikan gambaran pendekatan HHFIA terhadap peningkatan kontras citra digital berwarna. Meningkatkan kontras citra digital berwarna, sehingga mampu meningkatkan persepsi mata manusia dalam memperoleh informasi dari suatu citra digital.
8 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA Fuzzifikasi Mengubah citra digital asal dalam domain fuzzy, dengan menggunakan fungsi keanggotaan (I.K. Vlachos, 2007): μ A L ( x ) L = x x L L max x L x min L min x L min x Lmax μ ( ) = A x L = Nilai minimal intensitas L = Nilai maksimal intensitas L Nilai derajat keanggotaan dari intensitas L x
9 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Fuzzifikasi Intuisi Mengubah citra digital dari domain fuzzy ke dalam domain fuzzy intuisi Atanassov, dengan menggunakan fungsi keanggotaan dan fungsi ke-non-anggotaan (I.K. Vlachos, 2007): μ ( x ) = AL L ν ( x ) = A L L λ = μ ν L ( x ) = 1 (1 μ ( x )) ; A L A L L Parameter bebas, dengan bentuk ke-fuzzy-an L λ λλ ( + 1) ( x ) = (1 μ ( x )), A L A L Nilai derajat keanggotaan dari intensitas L Nilai derajat ke-non-anggotaan dari intensitas λ 0 x L yang mengatur xl
10 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Mengoptimalkan untuk λ memperoleh representasi dalam domain fuzzy intuisi optimal yang memenuhi kriteria (I.K. Vlachos, 2007): λ opt = max{ E( A; λ)}, λ 0 dimana E adalah entropi dari fuzzy intuisi seperti yang diusulkan oleh Szmidt dan Kacprzyk (E. Szmidt, 2001).
11 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Modifikasi Melakukan modifikasi pada citra digital dalam domain FIA yang optimal dengan menggunkan kriteria (I.K. Vlachos, 2007): β L A L β A L β L A = {( x,( μ ( x )),1 (1 ν ( x )) ) x {0,, l 1}}, Lopt Lopt Lopt A β L = opt β 0, Komponen L citra digital dalam domain FIA yang telah dimodifikasi sebarang bilangan riil positif yang mengatur besar faktor modifikasi
12 PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA DALAM DOMAIN FIA (cont.) Defuzzifikasi Intuisi Mengubah citra digital dalam domain FIA yang telah dimodifikasi ke domain fuzzy dengan menggunakan operator yang diajukan oleh Atanassov
13 PENDEKATAN HIPERBOLISASI HISTOGRAM DALAM PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA PADA DOMAIN FIA Defuzzifikasi Mengubah citra digital dari domain fuzzy ke domain citra asal sekaligus mengatur histogram hasil modifikasi supaya mendekati fungsi hiperbolik (hiperbolisasi histogram): x e 1 x = max( x) e 1 Memberi nilai intensitas L yang baru dengan menskalakan citra dalam domain fuzzy yang berada pada nilai [0,1] ke nilai intensitas L yang berada pada nilai [0,100] dan dengan menggunakan fungsi hiperbolik di atas. Atau dalam bentuk persamaan: e x L = 100 μ A ( L) L x e 1 1 1
14 LANGKAH-LANGKAH PENGERJAAN TUGAS AKHIR Domain RGB Citra Asal Domain Lab Citra Dalam Lab Domain Fuzzy Citra Fuzzy Domain Fuzzy Domain Fuzzy Intuisi Citra Fuzzy Baru Citra Fuzzy Intuisi Baru Modifikasi Citra Fuzzy Intuisi Domain Lab Citra Baru Dalam Lab Domain RGB Citra Baru
15 LANGKAH-LANGKAH PENGERJAAN TUGAS AKHIR (cont.) Analisis Hasil Peningkatan Kontras Citra digital masukan dan keluaran merupakan citra digital dalam ruang warna RGB, pengamatan standar deviasi dilakukan pada tingkat intensitas kecerahan luminosity. Luminosity merupakan tingkat keterangan citra digital yang diukur dalam ruang warna RGB. Nilai luminosity citra digital diperoleh dengan persamaan berikut: R( x, y ) = G( x, y ) = B( x, y ) = 1 l( x, y) = R( x, y) + G( x, y) + B( x, y) 3 ( ) Intensitas merah suatu piksel pada ( x, y) Intensitas hijau suatu piksel pada ( x, y) Intensitas biru suatu piksel pada ( x, y)
16 UJICOBA DAN PEMBAHASAN a. Hasil Pengujian File face_1.jpg Citra Digital Asal Citra Digital Hasil
17 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file face_1.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 7, , ,21% Hijau 7, , ,78% 0,8 Biru 8, , ,29% Luminosity 7, , ,07%
18 UJICOBA DAN PEMBAHASAN (cont.) b. Hasil Pengujian File face_2.jpg Citra Digital Asal Citra Digital Hasil
19 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file face_2.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 14,144 50, ,02% Hijau 11,430 51, ,32% 0,6 Biru 9,661 44, ,36% Luminosity 9,737 47, ,73%
20 UJICOBA DAN PEMBAHASAN (cont.) c. Hasil Pengujian File coin.jpg Citra Digital Asal Citra Digital Hasil
21 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file coin.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 2, , ,10% Hijau 2, , ,32% 0,5 Biru 2, , ,81% Luminosity 2, , ,33%
22 UJICOBA DAN PEMBAHASAN (cont.) d. Hasil Pengujian File eye_1.jpg Citra Digital Asal Citra Digital Hasil
23 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file eye_1.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 22, , ,85% Hijau 22, , ,39% 0,4 Biru 23, , ,56% Luminosity 22, , ,80%
24 UJICOBA DAN PEMBAHASAN (cont.) e. Hasil Pengujian File eye_2.jpg Citra Digital Asal Citra Digital Hasil
25 UJICOBA DAN PEMBAHASAN (cont.) Statistik pengujian terhadap file eye_2.jpg S.D. S.D. Peningkatan β Channel Citra Citra S.D. (%) Asal Hasil Merah 17, , ,82% Hijau 15, , ,92% 0,4 Biru 14, , ,52% Luminosity 14, , ,58%
26 UJICOBA DAN PEMBAHASAN (cont.) f. Pengujian terhadap Besar Faktor Modifikasi Citra Digital Asal Histogram Luminosity
27 UJICOBA DAN PEMBAHASAN (cont.) Hasil pengujian untuk β = β 0.75 = 0, ,25dan Citra Digital Hasil Histogram Luminosity
28 UJICOBA DAN PEMBAHASAN (cont.) Hasil pengujian untuk β = dan β 1.75 = 1, , 25 Citra Digital Hasil Histogram Luminosity
29 UJICOBA DAN PEMBAHASAN (cont.) Hasil pengujian untuk β = dan β 2.75 = 2, , 25 Citra Digital Hasil Histogram Luminosity
30 UJICOBA DAN PEMBAHASAN (cont.) Statistik hasil pengujian faktor modifikasi β S.D. Mean β 0.25 = 0,25 46, ,2886 β 0.75 = 0,75 43, ,086 β 1.25 = 1,25 48, ,5995 β 1.75 = 1,75 51, ,6024 β 2.25 = 2,25 47, ,0099 β 2.75 = 2,75 43, ,1617
31 KESIMPULAN Peningkatan kontras citra digital berwarna dengan pendekatan HHFIA telah berhasil diimplementasikan. Peningkatan kontras yang terjadi dapat diamati dari peningkatan nilai standar deviasi pada intensitas kecerahan (luminosity) ruang warna RGB. Hasil peningkatan kontras telah mengimplikasi secara langsung kualitas citra digital, yaitu dengan terjadinya peningkatan persepsi terhadap mata manusia dalam mendapatkan informasi dari suatu citra digital. Hasil peningkatan kontras yang terjadi dipengaruhi oleh besarnya nilai faktor modifikasi yang dipilih. Untuk pemilihan nilai besar faktor peningkatan kontras, tidak selalu sama antara satu citra dengan yang lain. Secara khusus, semakin rendah nilai faktor modifikasi yang dipilih, maka tampilan citra yang dihasilkan akan semakin terang. Demikian juga sebaliknya.
32 SARAN Jika diihat dari sifat fungsi keanggotaan fuzzy pada tahap fuzzifikasi yang linier, sangat mungkin jika digunakan fungsi keanggotaan lain yang non-linier pada pengembangan selanjutnya, seperti fungsi keanggotaan Gaussian. Pengolahan citra digital masih diimplementasikan pada ruang warna Lab saja. Akan lebih baik jika pengembangan diimplementasikan pada ruang warna lain. Sebagai tindak lanjut sangat dimungkinkan jika penelitian ini diterapkan pada sistem lain yang membutuhkan peningkatan kontras citra digital, seperti sistem pengenalan dan pendeteksian wajah, sistem pengenalan iris mata, sistem pengenalan tulisan, serta yang lain.
33 DAFTAR PUSTAKA Atanassov, K. T Intuitionistic Fuzzy Sets: Theory and Application. Heidelberg : Physica-Verlag. Gonzales, R. C., dan Woods, R. E Digital Image Processing Second Edition. New Jersey : Prentice Hall, Inc. Hanbury, A., dan Serra, J Mathematical Morphology in the L*a*b* Colour Space. Perancis : Centre de Morphologie Mathématique Ecole des Mines de Paris. Pratt, W. K Digital Image Processing Second Edition. Canada : John Wiley & Sons, Inc. Sid-Ahmed, M. A Image Processing : Theory, Algorithms, and Architectures. Singapore : McGraw-Hill Book Co. Vlachos, I. K., dan Sergiadis, G. D Intuitionistic Fuzzy Histogram Hiperbolization for Color Images. Heidelberg : Springer-Verlag. Vlachos, I. K., dan Sergiadis, G. D A Two Dimensional Entropic Aprroach to Intuitionistic Fuzzy Contrast Enhancement. Heidelberg : Springer-Verlag.
PENDEKATAN HIPERBOLISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITAL BERWARNA
Abstrak PENDEKATAN HIPERBOISASI HISTOGRAM FUZZY INTUISI ATANASSOV UNTUK PENINGKATAN KONTRAS CITRA DIGITA BERWARNA inggaluhung D.W. 1205 100 022 linggaluhung@gmail.com Jurusan Matematika FMIPA-ITS Dosen
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciOperasi Titik Kartika Firdausy
Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciBAHAN AJAR. Mata Kuliah Pengolahan Citra. Disusun oleh: Minarni, S. Si., MT
BAHAN AJAR Mata Kuliah Pengolahan Citra Disusun oleh: Minarni, S. Si., MT JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN
Lebih terperinciAnalisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra
Analisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra Budi Hartono dan Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank Semarang
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciPERBAIKAN KWALITAS CITRA COVER BUKU PADA SISTEM PEMBACA SAMPUL BUKU BERBASIS SEGMENTASI CITRA UNTUK PENGEMBALIAN BUKU MANDIRI DI PERPUSTAKAAN
PERBAIKAN KWALITAS CITRA COVER BUKU PADA SISTEM PEMBACA SAMPUL BUKU BERBASIS SEGMENTASI CITRA UNTUK PENGEMBALIAN BUKU MANDIRI DI PERPUSTAKAAN Anjik Sukmaaji 1), Teguh Sutanto 2 1,2 Program Studi Sistem
Lebih terperinciBAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh
BAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA 3.1 Pemrosesan Citra Konvensional. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh merupakan solusi yang sangat baik. Informasi
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 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 terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciPERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET
PERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET Monica Widiasri Teknik Informatika, Fakultas Teknik, Universitas Surabaya monica@ubaya.ac.id
Lebih terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
Lebih terperinciPENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION
PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION Sugiarti sugiarti_fikumi@ymail.com Universitas Muslim Indonesia Abstrak Peningkatan kualitas citra merupakan salah satu proses awal
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 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 terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih 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 terperinciSesi 3 Operasi Pixel dan Histogram. : M. Miftakul Amin, S. Kom., M. Eng.
Sesi 3 Operasi Pixel dan Histogram Materi Kuliah Dosen : Pengolahan Citra Digital : M. Miftakul Amin, S. Kom., M. Eng. Pokok Bahasan Konversi RGB ke Gray Scale Konversi Gray Scale ke Biner Konversi Gray
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE
42 R. Suryantari et al., Aplikasi Citra Permukaan Thermochromic Liquid Crystal ANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE Risti Suryantari*, Flaviana Program
Lebih terperinciPENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI
PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika
Lebih terperinciImage Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010
Image Processing Nana Ramadijanti Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010 Referensi 1. Rafael C. Gonzales E.Woods, Digital Image Processing,2 nd Edition,Prentice Hall,2001 2. Wanasanan Thongsongkrit,
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 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 terperinciPEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL
PEMANFAATAN NORMALIZED FRAME DIFFERENCE SEBAGAI UKURAN AKTIVITAS GERAK PADA VIDEO DIGITAL L.D.Purnamasari 1, N. Indra 2, I M.O. Widyantara 3 Jurusan Teknik Elektro, Fakultas Teknik Universitas Udayana
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan kamera digital sebagai alat untuk mengambil citra saat ini sudah banyak digunakan karena kepraktisannya, terkadang hasil citra memiliki tampilan
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
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 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 terperinciANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI
ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI Afriliana Kusumadewi 1 * Sugeng Santoso 2 * Abstrak Teknik histogram equalization merupakan
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciPENYEMBUNYIAN DAN PENGACAKAN DATA TEXT MENGGUNAKAN STEGANOGRAFI DAN KRIPTOGRAFI TRIPLE DES PADA IMAGE
PENYEMBUNYIAN DAN PENGACAKAN DATA TEXT MENGGUNAKAN STEGANOGRAFI DAN KRIPTOGRAFI TRIPLE DES PADA IMAGE Agus Prihanto, Suluh Sri Wahyuningsih Jurusan Teknik Informatika, Fakutas Teknologi Informasi Institut
Lebih terperinciProses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum
Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,
Lebih terperinciPresentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman
Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi
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 terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciAPLIKASI PENGOLAHAN CITRA UNTUK MENENTUKAN TINGKAT KEMATANGAN BUAH PISANG DENGAN MENGGUNAKAN RUANG WARNA HUE
APLIKASI PENGOLAHAN CITRA UNTUK MENENTUKAN TINGKAT KEMATANGAN BUAH PISANG DENGAN MENGGUNAKAN RUANG WARNA HUE Mutiara Risvita B 1 Ericks Rachmat Swedia 2 1,2 Teknik Informatika Universitas Gunadarma 1 arraaiarra@gmail.com
Lebih terperinciPENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE
PENGOLAHAN CITRA DIGITAL MENGGUNAKAN TEKNIK FILTERING ADAPTIVE NOISE REMOVAL PADA GAMBAR BERNOISE Aeri Rachmad Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
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 terperinciKONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR
KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR Thiang, Felix Pasila, Agus Widian Electrical Engineering Department, Petra Christian University 121-131 Siwalankerto,
Lebih terperinciBAB II: TINJAUAN PUSTAKA
BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali
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 terperinciDeteksi Steganografi Berbasis Least Significant Bit (LSB) Dengan Menggunakan Analisis Statistik
N. Rokhman, Deteksi Steganografi Berbasis Least Significant Bit(LSB) Deteksi Steganografi Berbasis Least Significant Bit (LSB) Dengan Menggunakan Analisis Statistik Nur Rokhman dan Juwita Maharanti Abstrak
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 terperinciPENENTUAN INTERVAL WAKTU PENGGANTIAN SUB-SUB SISTEM MESIN HEIDELBERG CD 102 DI PT. X
PENENTUAN INTERVAL WAKTU PENGGANTIAN SUB-SUB SISTEM MESIN HEIDELBERG CD 102 DI PT. X Trisian Hendra Putra dan Bobby Oedy P. Soepangkat Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh
Lebih terperinci(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :
(IMAGE ENHANCEMENT) Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yang dihasilkan lebih baik daripada
Lebih terperinciBAB 6 SIMPULAN DAN SARAN
39 BAB 6 SIMPULAN DAN SARAN 6.1 Simpulan Dari penelitian yang telah dilakukan hingga mendapatkan hasil yang cukup memuaskan, maka ada beberapa kesimpulan yang dapat peneliti berikan, 1. Teknik ekstraksi
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv MOTO DAN PERSEMBAHAN... v DAFTAR ISI... vi DAFTAR GAMBAR... viii DAFTAR TABEL... x ABSTRAK... xi ABSTRACT...
Lebih terperinciANALISIS KOMPARASI METODE PERBAIKAN KONTRAS BERBASIS HISTOGRAM EQUALIZATION PADA CITRA MEDIS
ANALISIS KOMPARASI METODE PERBAIKAN KONTRAS BERBASIS HISTOGRAM EQUALIZATION PADA CITRA MEDIS Aditya Akbar Riadi Fakultas Teknik, Program Studi Teknik Informatika Universitas Muria Kudus Email: aditya.akbar@umk.ac.id
Lebih terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengenalan Wajah Pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari
Lebih terperinciSeminar Tugas Akhir. Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web
Seminar Tugas Akhir Perancangan Sistem Pakar Fuzzy Untuk Pengenalan Dini Potensi Terserang Stroke Berbasis Web Oleh: Harmuda Pandiangan 1209 100 089 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciTEKNIK PENGOLAHAN CITRA DIGITAL TPE 418
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418 OLEH: Dr. ANDASURYANI, S.TP, M.Si PROGRAM STUDI TEKNIK PERTANIAN JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI
Lebih terperinciKOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM)
KOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM) Bambang Trianggono *, Agus Zainal Arifin * Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciRANCANG BANGUN ROBOT PANTILT : PENDETEKSIAN POSISI TANGAN BERBASIS ALGORITMA GENETIKA
RANCANG BANGUN ROBOT PANTILT : PENDETEKSIAN POSISI TANGAN BERBASIS ALGORITMA GENETIKA Ingot Samuel S Siagian #1, Indra Adji Sulistijono #2 Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
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 terperinciDeteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna
F7 bentuk [5]. Pendekatan berbasis bentuk bibir menggunakan Deteksi Lokasi Bibir Otomatis Pada Citra Wajah Berbasis Ciri Bentuk dan Warna Shinta Puspasari, STMIK lobal Informatika MDP Abstrak Metode yang
Lebih terperinciPerbaikan Citra X-ray Gigi Menggunakan Contrast Stretching
Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Ima Kurniastuti 1, Tri Deviasari Wulan 1, I Ketut Eddy Purnama 2, Mauridhi Hery Purnomo 2, Margareta Rinastiti 3, Fatmala Agustina 1 1 Sistem
Lebih terperinciAPLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI
APLIKASI PENGHAPUSAN BAYANGAN PADA IMAGE DENGAN MENGGUNAKAN METODE FUZZY C-MEANS (FCM) SKRIPSI OLEH: FARIS SANTA EKA WIARTA NPM : 0736010025 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK INDUSTRI - FTI 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 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 terperinciREVIEW PROPERTI OPERATOR MATEMATIKA MORPHOLOGI DALAM PEMROSESAN CITRA
Prosiding Semirata 2015 bidang Teknologi Informasi dan Multi Disiplin Universitas Tanjungpura Pontianak Hal 134-141 REVIEW PROPERTI OPERATOR MATEMATIKA MORPHOLOGI DALAM PEMROSESAN CITRA Zaiful Bahri Jurusan
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 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 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 terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
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 terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi merupakan salah satu bagian penting dari kemajuan banyak bidang di seluruh dunia pada saat ini. Salah satu bidang yang sudah banyak terbantu dengan kemajuan
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciHASIL DAN PEMBAHASAN. B fch a. d b
7 dengan nilai σ yang digunakan pada tahap pelatihan sebelumnya. Selanjutnya dilakukan perhitungan tingkat akurasi SVM terhadap citra yang telah diprediksi secara benar dan tidak benar oleh model klasifikasi.
Lebih terperinciAplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn)
Aplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn) T 24 Siti Rahmah Nurshiami dan Triyani Program Studi Matematika, Fakultas Sains dan Teknik Universitas Jenderal soedirman, Purwokerto
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 terperinci2.2. Pengambilan Template Citra Referensi Citra template yang dipakai adalah 2.3.Perhitungan Koefisien Korelasi Setelah proses pemilihan template dari
Pengklasifikasian Motif Keramik Berdasarkan Koefisien Korelasi Dan Koefisien Bhattacharya Miftahuddin, 50407552 Skripsi Jurusan S1 Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma,
Lebih terperinciBAB 1 PENDAHULUAN. seperti suhu udara, keindahan, kecantikan adalah hal-hal yang samar, yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kehidupan manusia dipengaruhi oleh hal-hal yang samar atau tidak pasti. Faktorfaktor seperti suhu udara, keindahan, kecantikan adalah hal-hal yang samar, yang tidak
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Program Studi Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Studi Ganda Semester Ganjil 2005/2006
UNIVERSITAS BINA NUSANTARA Program Studi Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Studi Ganda Semester Ganjil 2005/2006 PERANCANGAN PROGRAM APLIKASI PERBESARAN DAN PENGHALUSAN CITRA-JPEG
Lebih terperinciDAFTAR ISI. DAFTAR ISI... vii. DAFTAR GAMBAR... x. DAFTAR TABEL... xii I. PENDAHULUAN Latar Belakang Rumusan Masalah...
DAFTAR ISI Halaman DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii I. PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah... 2 1.4 Tujuan... 3 1.5 Manfaat...
Lebih terperinciPENERAPAN ALGORITMA IMAGE TINTING PADA CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL REGION MERGING
PENERAPAN ALGORITMA IMAGE TINTING PADA CITRA DIGITAL MENGGUNAKAN METODE STATISTICAL REGION MERGING Erwin Panggabean.,ST.,M.Kom, Guntur Syahputra, S.Kom, M.Kom Program Studi Teknik Informatika STMIK Pelita
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 terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciSIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA
SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040 Dosen Pembimbing : Mahendrawathi
Lebih terperinciDeteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV
Jati Sasongko Wibowo Program Studi Teknik Informatika, Universitas Stikubank email : jatisw@gmail.com Abstrak Dalam model HSV (Hue Saturation Value) ini digunakan untuk segmentasi warna kulit manusia dan
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih 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 terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciVI. HASIL DAN PEMBAHASAN. Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk
VI. HASIL DAN PEMBAHASAN A. Segmentasi Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk mendapatkan informasi dari basisdata citra. Segmentasi warna adalah proses mengelompokkan citra
Lebih terperinciOleh: ABDUL AZIS JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013
Oleh: ABDUL AZIS 1209 100 073 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2013 Sektor pertanian merupakan salah satu penopang perekonomian
Lebih terperinciKata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa
SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
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 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 terperinci