Klasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching
|
|
- Sucianty Widjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Klasifikasi Mutu Buah Manggis Berdasarkan Warna Berbasis Fuzzy C Means dan Template Matching Octa Heriana 1, Risanuri Hidayat 2 1,2 Jurusan Teknik Elektro FT UGM Jln. Grafika 2 Yogyakarta INDONESIA Intisari Paper ini memaparkan tentang metode pengklasifikasian mutu buah manggis berdasarkan dari nilai komponen warna. Metode yang diusulkan adalah Fuzzy C Means untuk pengklasifikasian warna, dan template matching dengan analisis jarak rerata tiap komponen warna. Metode pengklasifikasian ini bertujuan untuk mengklasifikasi mutu buah manggis berdasarkan warna kulit dan ukuran diameter, sesuai dengan yang tertera di SNI Berdasarkan pengujian, metode Fuzzy C Means cukup akurat untuk melakukan klasifikasi warna. Keywords Klasifikasi, Fuzzy C Means, template matching. I. PENDAHULUAN Gambar atau citra merupakan media informasi yang tersusun atas kombinasi warna-warna. Suatu informasi citra multikomponen dapat dianalisis melalui pengelompokkan berdasarkan persamaan bentuk atau warna. Citra yang mengandung banyak unsur warna dapat dikelompokkan menjadi beberapa warna dominan tertentu. Bagian warnawarna pada citra yang memiliki kemiripan dengan warna dominan yang dipilih, diarahkan untuk menjadi bagian dari kelompok warna dominan, dan dapat dikelompokkan berdasarkan kriteria yang ditentukan. Suatu cara pengelompokan data yang sedang berkembang saat ini adalah dengan menggunakan algoritma Fuzzy C-means. Algoritma Fuzzy C-means dikembangkan untuk membuat klasifikasi suatu kelompok objek berdasarkan persamaan ciri atau suatu ukuran [1]. Metoda pengelompokkan atau pengklasteran data untuk segmentasi gambar berwarna dengan cara pengklasifikasian tiga komponen warna dapat memberikan hasil segmentasi yang baik. Algoritma pengklasteran FCM (Fuzzy C-Means) yang digunakan untuk proses segmentasi gambar membutuhkan komputasi yang kompleks, meski demikian algoritma ini sangat sensitif untuk mengetahui nilai inisiali pusat klaster, yang merupakan hal penting untuk proses pengelompokkan atau pengklasteran data [2]. Manggis merupakan tanaman buah berupa pohon yang berasal dari hutan tropis yang teduh di kawasan Asia Tenggara, yaitu hutan belantara Malaysia atau Indonesia. Dari Asia Tenggara, tanaman ini menyebar ke daerah Amerika Tengah dan daerah tropis lainnya seperti Srilanka, Malagasi, Karibia, Hawaii dan Australia Utara. Di Indonesia manggis disebut dengan berbagai macam nama lokal seperti manggu (Jawa Barat), Manggus (Lampung), Manggusto (Sulawesi Utara), Manggista (Sumatera Barat). Pusat penanaman pohon manggis adalah Kalimantan Timur, Kalimantan Tengah, Jawa Barat (Jasinga, Ciamis, Wanayasa), Sumatera Barat, Sumatera Utara, Riau, Jawa Timur dan Sulawesi Utara. Buah manggis dapat disajikan dalam bentuk segar, sebagai buah kaleng, dibuat sirop/sari buah. Secara tradisional buah manggis adalah obat sariawan, wasir dan luka. Kulit buah dimanfaatkan sebagai pewarna termasuk untuk tekstil dan air rebusannya dimanfaatkan sebagai obat tradisional. Batang pohon dipakai sebagai bahan bangunan, kayu bakar/ kerajinan. [6]. Penelitian ini mengimplementasikan teknik Digital Image Processing untuk menghasilkan perangkat lunak yang berfungsi untuk mengklasifikasikan buah manggis berdasarkan mutunya. II. METODOLOGI PENELITIAN Bahan penelitian yang digunakan adalah citra digital dengan format standar BMP (Microsoft Windows Bitmap) dan JPEG (Joint Photografic Experts Group), dengan ukuran minimum citra sebesar 50 x 50 piksel, dan ukuran maksimumnya sebesar 800 x 600 piksel. Objek yang diteliti adalah citra buah manggis. Perbandingan input berupa data citra buah manggis yang memiliki wana-warna yang bervariasi. Penelitian ini menggunakan perangkat lunak Matlab 7 (R2009a), dengan perangkat keras pengolah data komputer/laptop. A. Studi literatur Mempelajari dasar dan berbagai metode terkait dengan cara mengumpulkan referensi dan buku tentang Fuzzy C Means, pemrograman Matlab, pengolahan citra, dan materi pendukung lainnya. B. Pengembangan sistem 1) Analisis Melakukan identifikasi terhadap permasalahan dan memodelkan prosedur kerja dari algoritma-algoritma yang digunakan 2) Perancangan Perancangan pengolahan input untuk menghasilkan output dengan perangkat lunak Matlab 7 (R2009a). Input berupa data citra buah manggis yang memiliki wana-warna yang bervariasi. Proses pengklasifikasian warna buah manggis dengan Fuzzy C Means dilakukan berdasarkan perbedaan warna kulit buah yang sesuai dengan standar mutu buah manggis SNI Kemudian citra permukaan
2 kulit buah manggis hasil klasifikasi dipisahkan berdasarkan batas warna. Output yang diharapkan adalah citra hasil klasifikasi buah manggis berdasarkan mutunya. 3) Pemrograman (coding) Pemrograman dilakukan dengan bahasa yang dipakai pada Matlab R2009a, meliputi pemrograman pembangkitan input citra, pengolahan dengan algoritma Fuzzy C Means. 4) Pengujian program Pengujian program dilakukan dengan beberapa sampel input citra beberapa buah manggis. C. Pengambilan kesimpulan Mengambil kesimpulan dari proses penelitian yang didapat dari hasil pengujian program. A. Fuzzy C-Means III. PERANCANGAN Fuzzy C-means Clustering (FCM), atau dikenal juga sebagai Fuzzy ISODATA, merupakan salah satu metode clustering yang merupakan bagian dari metode Hard K- Means. FCM menggunakan model pengelompokan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster terbentuk dengan derajat atau tingkat keanggotaan yang berbeda antara 0 hingga 1 [6]. Tingkat keberadaan data dalam suatu kelas atau cluster ditentukan oleh derajat keanggotaannya. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun Konsep dasar FCM, pertama kali adalah menentukan pusat cluster yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap data memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan nilai keanggotaan tiap-tiap data secara berulang, maka dapat dilihat bahwa pusat cluster akan menujui lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi obyektif. Algoritma FCM secara lengkap diberikan sebagai berikut [6]: 1) Tentukan : a. Matriks X berukuran n x m, dengan n = jumlah data yang akan di cluster; dan m=jumlah m variabel (kriteria). b. Jumlah cluster yang akan dibentuk (C 2) c. Pangkat (pembobot w > 1 ) d. Maksimum iterasi e. Kriteria penghentian ( ε = nilai positif yang sangat kecil) 2) Bentuk matriks partisi awal U (derajat keanggotaan dalam cluster); matriks partisi awal biasanya dibuat secara acak. 3) Hitung pusat cluster V untuk setiap cluster. 4) Perbaiki derajat keanggotaan setiap data pada setiap cluster (perbaiki matriks partisi). 5) Tentukan kriteria penghentian iterasi, yaitu perubahan matriks partisi pada iterasi sekarang dan iterasi sebelumnya. Apabila Δ< ε maka iterasi dihentikan.
3 B. Klasifikasi dan Standar Mutu Buah Manggis Standar mutu buah manggis tercantum dalam Standar Nasional Indonesia SNI [6]. Terdiri dari 3 jenis mutu, yaitu mutu super, mutu I, mutu II. a) Keseragaman: mutu super=seragam; mutu I=seragam; mutu II=seragam. b) Diameter: mutu super>65 mm; mutu I=55 56 mm; mutu II<55 mm. c) Tingkat keseragaman: mutu super=segar; mutu I=segar; mutu=ii segar. d) Warna kulit: mutu super ; mutu s/d merah; mutu II=muda mengkilat e) Buah cacat atau busuk (jumlah/jumlah): mutu super=0%; mutu I=0%; mutu II=0% f) Tangkai dan atau kelopak: mutu super utuh, mutu I utuh, mutu II utuh g) kadar kotoran (b/b): mutu super=0%; mutu I=0%; mutu II=0% h) Serangga hidup dan atau mati :mutu super=tidak ada; mutu I=tidak ada; mutu=ii tidak ada. i) Warna daging buah: mutu super=putih bersih; mutu I=khas manggis putih; mutu II=bersih khas manggis mean_cluster_value = cluster_warna = 2 R = G = B = gray = C. Perancangan Software Software dibuat dengan Matlab 7 dengan tampilan seperti pada Gbr. 1 berikut ini. Gbr. 2 Hasil klasifikasi warna buah manggis Gbr. 1 Software pengolah citra IV. PENGUJIAN Input citra buah manggis dimasukkan ke perangkat lunak yang dibuat, hasilnya seperti tampak pada Gbr. 2. Kemudian citra buah manggis hasil klasifikasi dipisahkan berdasarkan masing-masing cluster, seperti yang tertampil pada Gbr.3, Gbr. 4 dan Gbr. 5. Nilai cluster center dari FCM, jumlah cluster, nilai rerata komponen RGB dari keseluruhan piksel gambar, dan nilai rerata gambar dengan warna keabuan (gray) ditampilkan pada command window matlab seperti tertampil berikut ini. Gbr. 3 Hasil klasifikasi pertama
4 Tabel. 1 Hasil pengujian Manggi s mean gray mean R mean G m m m m m m m m m m mean B Diameter Warna Kulit mutu super>65 mutu mutu I=55 56 mutu mutu I=55 56 mutu 3 mm mutu super>65 mutu super = 4 mm mutu super>65 mutu super = mutu I=55 56 mutu mutu I=55 56 mutu 8 mm mutu super>65 mutu super = mutu I=55 56 mutu super = mutu super>65 mutu Gbr. 4 Hasil klasifikasi kedua Berdasarkan pengujian terhadap sepuluh citra buah manggis, terdapat 5 buah manggis yang termasuk ke dalam kelas diameter mutu super>65 mm, dan 5 buah manggis yang termasuk ke dalam kelas mutu I=55-56 mm, kemudian terdapat 6 buah manggis yang termasuk ke dalam kelas wana kulit buah mutu, dan 4 buah manggis yang termasuk ke dalam mutu super=. Kesalahan pengujian data terdapat 10%, seperti tertampil pada Tabel. 2. Tabel. 2 Perbandingan kesalahan Manggis Error per sepuluh m1 0 m2 0 m3 0 m4 0 m5 0 m6 1 m7 0 m8 0 Gbr. 5 Hasil klasifikasi objek yang diinginkan Nilai rerata RGB dan gray digunakan untuk proses pengklasifikasian berikutnya, yaitu pengklasifikasian buah manggis berdasarkan warna dan ukuran diameternya. Pengklasifikasian warna kulit buah terdiri dari tiga kelas, yaitu mutu super =, mutu, dan mutu II=muda mengkilat. Dan untuk pengklasifikasian diameter terdiri dari tiga kelas, yaitu mutu super>65 mm, mutu I=55 56 mm, dan mutu II<55 mm. Pengujian dilakukan terhadap 10 buah citra buah manggis dengan warna dan ukuran yang bervariasi. Hasil pengujian dengan analisis keterkaitan jumlah rerata nilai tiap komponen warna dengan klasifikasi warna buah serta ukuran diameter buah adalah seperti tertampil pada Tabel.1 berikut ini. m9 0 m10 0 V. KESIMPULAN Pengklasifikasian dengan Fuzzy C Means menghasilkan clustering warna yang cukup akurat, dengan komputasi yang cukup lama. Pengujian terhadap sepuluh data citra buah manggis yang bervariasi, menghasilkan 2 kelompok kelas pada kelas ukuran diameter dan warna kulit buah, yaitu terdapat 5 buah manggis yang termasuk ke dalam kelas diameter mutu super>65 mm, dan 5 buah manggis yang termasuk ke dalam kelas mutu I=55-56 mm, kemudian terdapat 6 buah manggis yang termasuk ke dalam kelas wana kulit buah mutu, dan 4 buah manggis yang termasuk ke dalam mutu super=. Pengklasifikasian mutu
5 buah manggis berdasarkan analisis rerata komponen warna RGB dan gray kurang baik dengan tingkat kesalahan 10%. REFERENSI [1] C. Xianyi, G. Xiangpu, An Image Segmentation of Fuzzy C-means Clustering Based on the Combination of Improved Ant Colony Algorithm and Genetic Algorithm, 2008 International Workshop on Education Technology and Training & 2008 International Workshop on Geoscience and Remote Sensing, IEEE, [2] K. Zou, Z. Wang, dan M. Hu, An Improved FCM algorithm for Color Image Segmentation, The 3rd International Conference on Innovative Computing Information and Control (ICICIC'08), IEEE, [3] G. Kartika, G. B. Cherry, S. Yohan, Aplikasi Segmentasi Gambar dengan Menggunakan Metode Level Set, Jurnal Informatika vol. 8, no. 2, November 2007: [4] G. Du, F. Miao, S. Tian, Y. Liu, A Modified Fuzzy C-means Algorithm in Remote Sensing Image Segmentation, 2009 International Conference on Environmental Science and Information Application Technology, IEEE, [5] P. Joko, Pendeteksian Penyakit Kulit Menggunakan Kombinasi Analisa Warna dan Tekstur dengan Color Histogram dan Edge Histogram Descriptor, available at: option=com_repository&itemid=34&task=detail&nim= [6] MANGGIS, (Garcinia mangostana L.), available at:
PERBANDINGAN 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 terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciKlasifikasi Nomsupervised Citra Thermal Kanker Payudara
JNTETI, Vol. 1, No. 3, November 2012 55 Nomsupervised Citra Thermal Kanker Payudara Berbasis Fuzzy C-MEANS Octa Herliana 1, Thomas Sri Widodo 2, Indah Soesanti 3 Abstract Breast cancer was a disease with
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciProceeding Seminar Ilmu Pengetahuan Teknik 2013 Teknologi Untuk Mendukung Pembangunan Nasional
Proceeding Seminar Ilmu Pengetahuan Teknik 2013 Teknologi Untuk Mendukung Pembangunan Nasional 1 Aplikasi Clustering Fuzzy C Means untuk Penentuan Koordinat Penjejakan Target Radar Octa Heriana dan Arief
Lebih terperinciAnalisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means Yohannes Teknik Informatika STMIK GI MDD Palembang, Indonesia Abstrak Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data.
Lebih terperinciPerancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference Putu Desiana Wulaning
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PENGELOMPOKAN PERSENTASE PENDUDUK BERUMUR 15 TAHUN KE ATAS MENURUT KABUPATEN/KOTA DAN PENDIDIKAN TERTINGGI
Lebih terperinciAhmad Mauliyadi M, Hizir Sofyan, dan Muhammad Subianto. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala
Tersedia di www.fmipa.unsyiah.ac.id Jurnal Matematika 00 (2013) 01 05 PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (Studi Kasus Desa
Lebih terperinciBAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan
BAB V PENUTUP 5.1. Kesimpulan Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means
Lebih terperinciCLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN
CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN Fitri Wulandari, Rinto Setiawan Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan penelitian yang dilaksanakan ditunjukan pada Gambar 6. Akusisi Citra INPUT Citra Query Preprocessing Citra Pre processing Citra Ekstraksi Fitur
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciKLASIFIKASI KUALITAS BUAH GARCINIA MANGOSTANA L. MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
KLASIFIKASI KUALITAS BUAH GARCINIA MANGOSTANA L. MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Endi Permata 1), Andri Suherman 2) 1) Pendidikan Teknik Elektro Universitas Sultan Ageng Tirtayasa Banten
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: PC dengan spesifikasi: a. Sistem Operasi : Microsoft Windows 10 Enterprise 64-bit
Lebih terperinciMANGGIS. (Garcinia mangostana L. )
MANGGIS (Garcinia mangostana L. ) I. UMUM 1.1. Sejarah Singkat Manggis merupakan tanaman buah berupa pohon yang berasal dari hutan tropis yang teduh di kawasan Asia Tenggara, yaitu hutan belantara Malaysia
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
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 III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciPERANCANGAN PERANGKAT LUNAK SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE FUZZY CLUSTERING SKRIPSI MUHAMMAD PRAYUDHA
PERANCANGAN PERANGKAT LUNAK SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE FUZZY CLUSTERING SKRIPSI Diajukan untuk melengkapi tugas dan syarat mencapai gelas Sarjana Komputer MUHAMMAD PRAYUDHA 061401016 PROGRAM
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi citra (image segmentation) merupakan langkah awal pada proses analisa citra yang bertujuan untuk mengambil informasi yang terdapat di dalam suatu citra.
Lebih terperinciFuzzy C-means Clustering menggunakan Cluster Center Displacement
Fuzzy C-means Clustering menggunakan Cluster Center Displacement Fitri Hidayah Sundawati 1), Jadi Suprijadi 2), Titi Purwandari 3) 1) Mahasiswa Statistika Terapan, UniversitasPadjadjaran-Indonesia 2) Pengajar
Lebih terperinciMANGGIS. (Garcinia mangostana L. )
MANGGIS (Garcinia mangostana L. ) I. UMUM 1.1. Sejarah Singkat Manggis merupakan tanaman buah berupa pohon yang berasal dari hutan tropis yang teduh di kawasan Asia Tenggara, yaitu hutan belantara Malaysia
Lebih terperinciBAB I. PENDAHULUAN Latar Belakang Masalah
BAB I. PENDAHULUAN 1 1.1. Latar Belakang Masalah Citra adalah gambar yang berada pada bidang dua dimensi. Agar dapat diproses lebih lanjut, sebuah citra disimpan di dalam bentuk digital. Ukuran citra digital
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
84 BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dibahas mengenai implementasi sistem yaitu spesifikasi sistem dan cara menggunakan aplikasi segmentasi citra dengan menggunakan metode Fuzzy C- Means
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciProsiding Seminar Sains dan Teknologi FMIPA Unmul Vol. 1 No. 2 Desember 2015, Samarinda, Indonesia ISBN :
Clustering Data Status Tugas Belajar Dan Ijin Belajar Menggunakan Metode Fuzzy C-Means (Studi Kasus : Di Lingkungan Pemerintah Provinsi Kalimantan Timur) Fevin Triyas Rantika 1, Indah Fitri Astuti, M.Cs
Lebih terperinciPENERAPAN ALGORITMA K.MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
PENERAPAN ALGORITMA K.MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION Instianti Elyana Program Studi Manajemen Informatika Akademik Manajemen Informatika dan Komputer
Lebih terperinciM A N G G I S ( Garcinia mangostana L. )
TTG - BUDIDAYA PERTANIAN M A N G G I S ( Garcinia mangostana L. ) 1. SEJARAH SINGKAT Manggis merupakan tanaman buah berupa pohon yang berasal dari hutan tropis yang teduh di kawasan Asia Tenggara, yaitu
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 terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra digital telah digunakan secara luas pada era modern seperti sekarang ini, citra digital banyak dimanfaatkan untuk merekam informasi, komunikasi dan lain sebagainya.
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Manggis merupakan salah satu buah tropis yang sangat disukai baik oleh masyarakat dalam negeri maupun masyarakat luar negeri. Buah manggis memiliki beberapa kekhasan sehingga
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 IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciImplementasi Algoritma Fuzzy C Means Dan Statistical Region Merging Pada Segmentasi Citra
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Algoritma Fuzzy C Means Dan Statistical Region Merging Pada Segmentasi Citra I Made Budi Adnyana STMIK STIKOM
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Mobilitas adalah hal yang tidak dapat dipisahkan dalam gaya hidup masyarakat sekarang ini. Serangkaian aktifitas menuntut seseorang untuk berada di suatu tempat bahkan
Lebih terperinciImplementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Implementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions Ivan Hardiyanto,
Lebih terperinciKLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS
KLASIFIKASI SISWA KELAS UNGGULAN MENGGUNAKAN FUZZY C-MEANS Nunik Mariastuti Wijilestari, Moch. Hariadi Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 60
Lebih terperinciPerbandingan Kinerja Fuzzy C-Means dan DBSCAN Dalam Segmentasi Citra USG Kepala Janin
JURNAL SISTEM DAN INFORMATIKA Perbandingan Kinerja Fuzzy C-Means dan DBSCAN Dalam Segmentasi Citra USG Kepala Janin Putu Desiana Wulaning Ayu STMIK STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail:
Lebih terperinciM A N G G I S ( Garcinia mangostana L. )
M A N G G I S ( Garcinia mangostana L. ) 1. SEJARAH SINGKAT Manggis merupakan tanaman buah berupa pohon yang berasal dari hutan tropis yang teduh di kawasan Asia Tenggara, yaitu hutan belantara Malaysia
Lebih terperinciSegmentasi Berbasis Warna pada Citra Termografi Kanker Payudara Menggunakan Ruang Warna L*a*b*
Segmentasi Berbasis Warna pada Citra Termografi Kanker Payudara Menggunakan Ruang Warna L*a*b* Octa Heriana 1), Arief Nur Rahman 2) 1,2) Pusat Penelitian Elektronika dan Telekomunikasi LIPI Kampus LIPI
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 SEGMENTASI CITRA SPOT DENGAN MENGGUNAKAN PENDEKATAN FUZZY C-MEANS Jimmy Johan / 0700708953
Lebih terperinciFUZZY C-MEANS UNTUK CLUSTERING DATA (STUDI KASUS : DATA PERFORMANCE MENGAJAR DOSEN)
FUZZY C-MEANS UNTUK CLUSTERING DATA (STUDI KASUS : DATA PERFORMANCE MENGAJAR DOSEN) Emha Taufiq Luthfi STMIK AMIKOM Yogyakarta e-mail : emha_tl@yahoo.com Abstraksi Clustering merupakan proses pengelompokan
Lebih terperinciPerbandingan Metode Single Linkage dan Fuzzy C Means Untuk Pengelompokkan Trafik Internet
Perbandingan Metode Single dan Fuzzy C Means ntuk Pengelompokkan Trafik Internet Auliya Burhanuddin 1, Ema tami, Eko Pramono 3 1 Program Studi Teknik Informastika, Fakultas Teknik, niversitas Muhammadiyah
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB 1 PENDAHULUAN Pengantar
BAB 1 PENDAHULUAN 1.1. Pengantar Mesin hitung yang lazim disebut komputer dalam masa satu dekade terakhir mengalami kemajuan yang sangat pesat. Boleh dikatakan masa sekarang ini adalah masa keemasan bagi
Lebih terperinciPENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS
PENENTUAN NILAI PANGKAT PADA ALGORITMA FUZZY C- MEANS WULAN ANGGRAENI wulangussetiyo@gmail.com Program Studi Pendidikan Matematika Universitas Indraprasta PGRI Abstract. The purpose of this study was to
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciBAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi
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 terperinciBAB 3 PERALATAN DAN PROSEDUR PENELITIAN
BAB 3 PERALATAN DAN PROSEDUR PENELITIAN 3.1 Material dan Peralatan Penelitian Penelitian ini menggunakan material besi silinder pejal carbonsteel setara ST 41 dengan diameter 20 mm sejumlah 10 buah sampel.
Lebih terperinciANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS
ANALISIS KINERJA ALGORITMA CLUSTERING FUZZY TSUKAMOTO DENGAN FUZZY C-MEANS Iin Parlina1, Prof.Herman Mawengkang2, Dr.Syahril Efendi, S.Si, M.IT3 Magister Teknik Informatika, Universitas Sumatera Utara
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini membahas latar belakang, rumusan masalah, tujuan dari tugas akhir, batasan-batasan masalah, dan metodologi.
BAB I PENDAHULUAN Dalam bab ini membahas latar belakang, rumusan masalah, tujuan dari tugas akhir, batasan-batasan masalah, dan metodologi. 1.1 Latar belakang Perkembangan teknologi pengolahan citra sekarang
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan pengolahan citra digital berkembang pesat sejalan dengan berkembang dan memasyarakatnya teknologi komputer di berbagai bidang. Diantaranya di bidang
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciPENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING
A-99 PENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING Rachmad Zaini Alberto 1, Winda Kurnia Sari 2, Samsuryadi 3, Anggina Primanita 4 1,2,3,4 Fakultas
Lebih terperinciI. PENDAHULUAN. Manggis (Garcinia mangostana L.) merupakan tanaman buah berupa pohon
1 I. PENDAHULUAN 1.1 Latar Belakang dan Masalah Manggis (Garcinia mangostana L.) merupakan tanaman buah berupa pohon dengan batang dan cabang berkayu serta tumbuh tinggi tegak. Manggis berasal dari hutan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
Lebih terperinciPenyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE GENERALIZED FUZZY C- MEANS CLUSTERING ALGORITHM WITH IMPROVED FUZZY PARTITIONS (Kata kunci: Algoritma Fuzzy Clustering,
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciPENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA
PENERAPAN ALGORITMA FUZZY C-MEANS (FCM) PADA PENENTUAN LOKASI PENDIRIAN LOKET PEMBAYARAN AIR PDAM SALATIGA Trevi Meri Andriyani 1, Lilik Linawati 2, Adi Setiawan 3 1 Mahasiswa Program Studi Matematika
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 terperinciSegmentasi Citra dengan Menggunakan Modifikasi Robust Fuzzy C-Means
Segmentasi Citra dengan Menggunakan Modifikasi Robust Fuzzy C-Means Charista Christie Tjokrowidjaya 1, Zuherman Rustam 2 1,2 Departemen Matematika, Fakultas Matematika Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih terperinciKLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON
Seminar Nasional IENACO 213 ISSN: 2337-39 KLASIFIKASI USAHA KECIL DAN MENENGAH (UKM) SEKTOR INDUSTRI DENGAN METODE FUZZY C-MEANS CLUSTERING WILAYAH KOTA CILEGON Ratna Ekawati 1),Nurul Yulis 2) 1) Jurusan
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 terperinciDeteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT)
Deteksi Kepala Janin Pada Gambar USG Menggunakan Fuzzy C-Means (FCM) Dengan Informasi Spasial Dan Iterative Randomized Hough Transform (IRHT) Dwi Puspitasari 1 *, Handayani Tjandrasa 2 Jurusan Teknik Elektro,
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 terperinciSegmentasi Gambar Berwarna menggunakan Metode Hibrida Modifikasi Sauvola dan Fuccy C-Means (SMFCM)
Segmentasi Gambar Berwarna menggunakan Metode Hibrida Modifikasi Sauvola dan Fuccy C-Means (SMFCM) Irawan Dwi Wahyono 1, Gilang Bayu Adhi 2 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Brawijaya
Lebih terperinciAPLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN
APLIKASI ALGORITMA FUZZY C-MEANS CLUSTERING UNTUK PENGELOMPOKKAN LULUSAN Abdul Aziz, S.Si, M.Si. Abstrak Teknik Fuzzy c-means clustering termasuk dalam salah satu keluarga clustering. Seperti teknik clustering
Lebih terperinciI. PENDAHULUAN. berkhasiat obat (biofarmaka) dan kurang lebih 9606 spesies tanaman obat
I. PENDAHULUAN A. Latar Belakang Bangsa Indonesia memiliki begitu banyak plasma nuftah tanaman berkhasiat obat (biofarmaka) dan kurang lebih 9606 spesies tanaman obat terdapat di negara ini. Menurut Taslim
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciBAB I PENDAHULUAN. informasi telah menjadi kebutuhan yang cukup penting dalam kehidupan manusia.
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan manusia akan informasi memacu pesatnya perkembangan teknologi di bidang informasi. Kemajuan teknologi yang semakin meningkat didukung dengan sarana dan prasarana
Lebih terperinciI. PENDAHULUAN. Contoh untuk proses segmentasi citra yang digunakan adalah klasterisasi (clustering).
1 MAKALAH SEMINAR TUGAS AKHIR SEGMENTASI CITRA MENGGUNAKAN TEKNIK PEMETAAN WARNA COLOR MAPPING) DENGAN BAHASA PEMROGRAMAN DELPHI Saptono Widodo*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Selama ini
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
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 terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Tahapan Penelitian Ada empat tahap utama yang dilakukan dalam penelitian ini. Tahap-tahap tersebut antara lain analisa masalah, persiapan data, pengumpulan data, pengembangan
Lebih terperinciGrafik yang menampilkan informasi mengenai penyebaran nilai intensitas pixel-pixel pada sebuah citra digital.
PSNR Histogram Nilai perbandingan antara intensitas maksimum dari intensitas citra terhadap error citra. Grafik yang menampilkan informasi mengenai penyebaran nilai intensitas pixel-pixel pada sebuah citra
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1. Identifikasi Masalah Penggunaan citra digital telah menjadi semakin popular akhir-akhir ini. Hal ini menyebabkan program pengolah grafis untuk memanipulasi citra
Lebih terperinciData Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata
Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata Cakra Ramadhana 1, Yohana Dewi Lulu W 2, Kartina Diah K. W. 3 1,2 Program Studi Sistem Informasi, Politeknik
Lebih terperinci