PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
|
|
- Shinta Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 naser.jawas@stikom-bali.ac.id Abstrak Segmentasi citra termasuk salah satu proses yang penting di dunia pengolahan citra dan visi komputer. Banyak metode yang telah diusulkan untuk mencoba memberikan solusi terhadap berbagai permasalahan segmentasi citra. Namun masih banyak kekurangan yang ditemui dikarenakan permasalahan segmentasi citra ini sangat kompleks dan sangat tergantung dari karakteristik data citra yang digunakan serta bagian yang diinginkan untuk disegmentasi. Salah satu permasalahan dalam segmentasi citra adalah melakukan segmentasi citra berwarna. Citra berwarna umumnya tidak hanya memiliki 1 ruang warna serperti citra grayscale, namun memiliki lebih dari 1 ruang warna. Selain itu, citra berwarna juga memiliki berbagai representasi ruang warna. Hasil segmentasi yang diharapkan pun tidak hanya terdiri dari 2 buah kelas (foreground dan background) saja seperti pada segmentasi citra grayscale, namun memiliki beberapa kelas yang merepresentasikan objek didalamnya sebagai bagian dengan warna yang serupa serta lokasi yang berdekatan atau mengelompok. Pada penelitian ini, dilakukan perbandingan segmentasi citra berwarna dengan metode Fuzzy C-Means Clustering di berbagai representasi ruang warna. Hasil yang paling baik ditunjukkan oleh hasil klusterisasi menggunakan ruang warna CIELAB. Hal ini dapat dilihat dari nilai-nilai persentase perbedaan piksel, antara citra hasil dan citra ground truth, yang paling minimum dicapai dari ruang warna CIELAB. Persentase perbedaan piksel terkecil yang didapatkan adalah 0.72%. Kata kunci: Fuzzy C-Means, Segmentasi Citra Warna, Ruang Warna. 1. Pendahuluan Segmentasi citra merupakan sebuah proses yang penting di dalam dunia pengolahan citra dan visi komputer. Hal ini dapat dilihat dari banyaknya publikasi ilmiah yang mengangkat permasalahan seputar segmentasi citra. Proses segmentasi membagi-bagi citra ke dalam bagianbagian yang memiliki karakteristik yang serupa secara visual [1]. Permasalahan yang diteliti di penelitian segmentasi citra sangat luas mulai dari proses segmentasi citra umum hingga untuk permasalahan khusus. Permasalahan segmentasi citra yang umum biasanya menggunakan data citra yang memiliki karakteristik umum seperti citra pemandangan, citra gedung, citra manusia. Target segmentasinya pun hanya untuk memisahkan antar bagian objek di dalam sebuah citra secara umum sesuai kedekatan visualnya. Sedangkan permasalahan khusus segmentasi sangat banyak ditemui. Contohnya seperti segmentasi bagian iris dari citra mata, segmentasi bagian kanker kulit dari citra bagian kulit, segmentasi bagian dengan intensitas ketebalan lebih tinggi dari citra medis, segmentasi bagian plat nomor kendaraan dari citra kendaraan dan masih banyak permasalahan lainnya. Permasalahan segmentasi yang mengkhusus ini tergantung dari target segmentasi yang diperlukan sehingga membutuhkan analisa dan metode yang lebih mengkhusus. Kelebihan dari solusi segmentasi umum adalah dapat digunakan untuk berbagai permasalahan segmentasi secara umum, sedangkan untuk solusi segmentasi khusus, akan sangat terbatas pada permasalahan dan karakteristik data tertentu. Secara umum, hasil-hasil metode dari penelitian segmentasi citra hingga saat ini masih banyak terdapat kelemahan dan masih memiliki banyak lubang yang perlu diteliti dan dicarikan solusi sehingga dapat memberikan hasil yang lebih baik. Oleh karena itu, penelitian tentang segmentasi citra masih terus menjadi lahan aktif bagi para peneliti pengolahan citra dan visi komputer. Salah satu permasalahan yang aktif diteliti di bagian segmentasi citra adalah segmentasi citra berwarna. Citra berwarna memiliki lebih dari 1 ruang warna dan juga dapat memiliki lebih dari 1 representasi warna. Contohnya dalam representasi warna RGB, ada 3 ruang warna yakni merah (R), hijau (G), dan biru (B) sedangkan pada representasi warna CIE 1976 memiliki 3 ruang warna yakni pencahayaan (L), dan nilai keseimbangan warna (a dan b). Pada representasi warna CMYK ada 4 ruang warna yakni cyan (C), magenta (M), kuning (Y), dan hitam (K). Hal ini menjadikan sebuah piksel di citra berwarna menyimpan data nilai yang lebih banyak dibandingkan citra keabuan (grayscale) atau citra hitam putih (biner). Proses segmentasi citra mengolah data setiap piksel dan mengelompokkannya ke dalam bagian tertentu sesuai dengan kedekatanya nilainya. Segmentasi dari citra keabuan (grayscale) memiliki proses yang lebih sederhana karena setiap piksel hanya memiliki 1 buah nilai yang akan digunakan untuk
2 menentukan ke bagian mana dia akan dikelompokkan, sedangkan pada citra berwarna ada lebih dari 1 nilai untuk setiap piksel yang harus diperhitungkan dalam menentukan ke mana piksel tersebut akan dikelompokkan. Selain itu, segementasi pada citra keabuan (greyscale) umumnya hanya membagi ke dalam 2 buah bagian/ kelas yakni foreground dan background. Sedangkan, pada segmentasi citra berwarna diharapkan sebuah citra dapat dibagi ke dalam beberapa bagian sesuai dengan kedekatan warna dan loksinya. Pada penelitian ini, dilakukan perbandingan segmentasi citra berwarna dengan metode Fuzzy C-Means Clustering[2] di berbagai representasi ruang warna. Metode Fuzzy C-Means Clustering digunakan untuk mengklusterisasi setiap piksel data citra ke dalam beberapa klaster yang merepresentasikan objek atau bagian di citra dengan warna serupa serta memiliki kedekatan lokasi. Diharapkan setiap piksel dalam sebuah kluster yang memiliki nilai kedekatan setinggi-tingginya dengan sesama piksel di dalam kluster tersebut dan juga memiliki tingkat kedekatan yang serendah-rendahnya dengan piksel-piksel di kluster yang lain [3]. Data hasil klaster dari setiap nilai piksel tersebut akan menunjukkan hasil segmentasi citra. Hasilnya diharapkan dapat memberikan perbandingan hasil segmentasi citra berwarna menggunakan Fuzzy C-Means Clustering di berbagai representasi ruang warna dan mencari representasi ruang warna yang memberikan hasil segmentasi terbaik. ditunjukkan pada Gambar 3 beserta ground truth dari segmentasi data tersebut. Gambar 1. Contoh Citra dari Dataset [4]. 2. Pembahasan Data yang digunakan dalam penelitian ini adalah data citra standar dari Berkeley Segmentation Database [4]. Data yang disediakan berupa data citra beserta segmentasi manual yang dilakukan oleh manusia. Segmentasi manual tersebut akan digunakan sebagai pembanding hasil di proses pengujian. Untuk menyesuaikan dengan hasil penelitian ini data ground truth diberi warna menyesuaikan hasil klusterisasi untuk memudahkan pembandingan hasil. Contoh data dapat dilihat pada Gambar 1. Adapun alur algoritma secara umum yang ditempuh dalam penelitian ini adalah sebagai berikut: Input citra pertama kali di load, kemudian dirubah ke berbagai representasi ruang warna. Selanjutnya setiap representasi ruang warna dilakukan segmentasi dengan cara melakukan klusterisasi menggunakan metode Fuzzy CMeans Clustering. Hasil klusterisasi dari masing-masing representasi ruang warna disimpan kemudian dibandingkan secara kuantitatif menggunakan nilai hasil perhitungan evaluasi. Format ruang warna yang diuji pada penelitian ini diantaranya adalah: RGB, CMY, HSV, YUV, CIELAB, CIEXYZ, YCbrCr, NTSC dan YIQ. Citra input dikluster menjadi 2 kluster menggunakan FCM. Data yang dipilih adalah data yang memilihi 2 buah warna seragam per area yang dapat diwakili dengan hanya 2 buah warna. Salah satu dari contoh data citra yang digunakan Gambar 2. Alur Proses.
3 piksel antara ground truth dengan hasil klustersisasi. Persentase tersebut dihitung dari jumlah nilai piksel yang berbeda antara citra hasil dan citra ground truth dibandingkan dengan jumlah total piksel dari citra tersebut. (a) (b) Gambar 3. (a) Contoh Data dan (b) Ground Truth Ruang warna RGB adalah ruang warna standar yang digunakan. Oleh karena itu untuk klusterisasi citra pada ruang warna RGB tidak memerlukan perubahan format. Hasil dari clusterisasi pada citra RGB ditunjukkan pada Gambar 4. Ruang warna CMY adalah bentuk ruang warna negatif dari ruang warna RGB. Perhitungan ruang warna CMY adalah dengan membentuk nilai desimal dari nilai RGB dan menghitung bentuk negatif CMY dengan mengurangi nilai 1 dengan nilai RGB desimal tersebut. Contoh hasil dari klusterisasi menggunakan ruang warna CMY dapat dilihat pada Gambar 5. Ruang warna HSV didapatkan dengan menghitung nilai Hue, Saturation dan Value dari RGB. Hasil dari klusterisasinya dapat dilihat pada Gambar 6. Ruang warna YUV didapatkan dengan mengalikan nilai RGB dengan matriks YUV. Hasil dari klusterisasi pada ruang warna ini dapat dilihat pada Gambar 7. Hasil Klusterisasi di ruang warna CIELAB ini memberikan hasil yang lebih baik untuk bagian-bagian dengan warna yang memiliki gradasi. Hasil dari klusterisasi pada ruang warna ini ditunjukkan pada Gambar 8. Ruang warna CIEXYZ adalah pengembangan dari ruang warna CIE sebelum CIELAB. Hasil klusterisasi pada ruang warna CIEXYZ ditunjukkan pada Gambar 9. Hasil yang didapat dari perhitungan ini menunjukkan bahwa Hasil klusterisasi yang paling sedikit memiliki perbedaan dengan citra ground truth adalah hasil klusterisasi dengan menggunakan ruang warna CIELAB. Hanya satu dari enam citra uji yang memiliki nilai perbedaan minimum. Citra dengan nama jpg saja yang memiliki nilai minimum pada ruang warna HSV. Hal ini dapat dilihat pada Tabel 1. Langkah-langkah yang ditempuh dalam penelitian ini adalah mengkonversi setiap citra input ke dalam ruang warna baru yang diinginkan. Kemudian nilai dari ruang warna baru tersebut akan digunakan sebagai inputan untuk proses klusterisasi warna. Pada penelitian ini digunakan citra uji dengan warna yang sangat minimum. Hanya terdapat setidaknya 2 buah warna umum yang menjadi pembeda antara foreground dengan background. Seperti yang ditunjukkan pada contoh hasil di Gambar 4 hingga Gambar 12. Namun antara kedua warna memiliki pergeseran warna (gradasi) yang dari terang ke gelap atau sebaliknya. Hal ini dikarenakan CIELAB memisahkan nilai untuk lightness dalam sebuah komponen sendiri yakni L. Hal tersebut menyebabkan gradasi warna tidak terlalu mempengaruhi hasil cluster karena komponen warna lainnya masih sama untuk kasus nilai-nilai gradasi. Ruang warna CIELAB cocok digunakan untuk kasuskasus klusterisasi untuk segmentasi citra warna yang memiliki warna-warna dengan permainan gradasi. Warna-warna yang masih satu dasar dasar warna masih dapat dikelompokkan ke dalam warna yang sama. Nilai Y pada YCbCr adalah nilai luma dengan Cb adalah komponen croma dengan perbedaan biru dan Cr adalah komponen croma dengan perbedaan warna merah. Konversi dari nilai RGB ke YCbCr pada penelitian ini menggunakan fungsi konversi pada MATLAB. Hasil dari klusterisasi menggunakan ruang warna ini ditunjukkan pada Gambar 10. Gambar 4. Hasil Klusterisasi dari Ruang Warna RGB. Konversi dari nilai RGB ke NTSC pada penelitian ini memanfaatkan fungsi konversi yang diberikan oleh MATLAB. Hasil klusterisasi dari ruang warna ini ditunjukkan pada Gambar 11. Nilai warna YIQ didapatkan dari mengalikan nilai RGB dengan matrix YIQ. Hasil klusterisasi pada ruang warna ini dapat dilihat pada Gambar 12. Hasil-hasil tersebut dapat dilihat secara kualitas saja yakni dengan membandingkan antara ground truth dengan hasil. Untuk perbandingan yang lebih jelas, pada Tabel 1 diberikan hasil persentase jumlah perbedaan Gambar 5. Hasil Klusterisasi dari Ruang Warna CMY.
4 Gambar 6. Hasil Klusterisasi dari Ruang Warna HSV. Gambar 11. Hasil Klusterisasi dari Ruang Warna NTSC. Gambar 7. Hasil Klusterisasi dari Ruang Warna YUV. Gambar 12. Hasil Klusterisasi dari Ruang Warna YIQ. Tabel 1. Tabel Perbandingan Error dalam persen (%). RGB CMY HSV YUV CIELAB CIEXYZ YCbCr NTSC YIQ Gambar 8. Hasil Klusterisasi dari Ruang Warna CIELAB. D1 D2 D3 D4 D5 D Kesimpulan Gambar 9. Hasil Klusterisasi dari Ruang Warna CIEXYZ. Dari hasil yang didapatkan maka dapat disimpulkan bahwa: Hasil yang paling baik ditunjukkan oleh hasil klusterisasi menggunakan ruang warna CIELAB. Hal ini dapat dilihat dari nilai-nilai persentase perbedaan piksel, antara citra hasil dan citra ground truth, yang paling minimum dicapai dari ruang warna CIELAB. Persentase perbedaan piksel terkecil yang didapatkan adalah 0.72%. Dalam penelitian selanjutnya, dapat dicoba untuk menganalisis hasil dari klusterisasi citra ke lebih dari 2 kluster warna. Daftar Pustaka Gambar 10. Hasil Klusterisasi dari Ruang Warna YCbCr [1] Y. Guo and A. Sengur, A novel color image segmentation approach based on neutrosophic set and modified fuzzy c-means, Circuits Syst Signal Process, vol. 32, no. 4, pp , August [2] J. C. Bezdek, R. Ehrlich, W. Full, FCM: the fuzzy c-means clustering algorithm, Computers & Geosciences, vol.10, no.2-3, pp ,
5 [3] K. S. Tan, and N. A. Isa, Color image segmentation using histogram thresholding - fuzzy c-means hybrid approach, Pattern Recognition, vol. 44, no. 1, pp. 1-15, January [4] D. Martin, C. Fowlkes, D. Tal, J. Malik, A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics, in Proc. 8th Int'l Conf. Computer Vision, vol. 2, pp , July Biodata Penulis Naser Jawas, memperoleh gelar Sarjana Teknik (S.T.) dari Jurusan Teknik Elektro, Fakultas Teknik, Universitas Udayana pada tahun Pada Tahun 2013, memperoleh gelar Magister Komputer (M.Kom.) dari Program Pascasarjana Teknik Informatika, Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Surabaya. Saat ini menjadi Dosen di STMIK STIKOM Bali. Bidang penelitian yang digeluti adalah Pengolahan Citra Digital dan Visi Komputer
6 3.2-42
Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan Naser Jawas STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail: naser.jawas@stikom-bali.ac.id
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 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 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 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 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 terperinciStudi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik. Ibnu Alam
Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik Abstrak Ibnu Alam 13506024 Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl.
Lebih terperinciGrafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16
Pengolahan Citra : Representasi Citra Universitas Gunadarma 006 Pengolahan Citra : Representasi Citra /6 Representasi Citra dalam File (/3) Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar,
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
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 terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
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 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 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 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 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 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 terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih 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 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 terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciPengolahan Citra Berwarna
MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciAplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006
Aplikasi Pengolahan Citra DETEKSI WARNA PENS-ITS, 26 Des 2006 Materi Format Warna RGB r-gcolor Normalized RGB HSV YCrCb TSL Deteksi Warna Static Threshold Distance Threshold Dynamic Threshold Format Warna
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM Abstrak Victor Prahara
Lebih terperinciDeteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri
Thresholding Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri Deteksi Warna Mendeteksi adanya warna-warna tertentu Menentukan posisi pixel dengan warna yang ditentukan Aplikasi: Deteksi rambu-rambu
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 terperinciSegmentasi Motif Batik Menggunakan Metode Fuzzy C-Means
Segmentasi Motif Batik Menggunakan Metode Fuzzy C-Means Miftahul Walid Fakultas Teknik, Program Studi Teknik Informatika, Universitas Islam Madura, Pamekasan Email : miftahwalid@ft.uimadura.ac.id Terima
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
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 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 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 terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciIDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA
IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciPENENTUAN THRESHOLD CITRA MULUT DENGAN METODE NORMAL PROBABILITY DENSITY FUNCTION (NPDF) GUNA MENDETEKSI MULUT PEMELAJAR
ISSN cetak 087-76 ISSN online 548-777 ILKOM Jurnal Ilmiah Volume Nomor Agustus 07 PENENTUAN THRESHOLD CITRA MULUT DENGAN METODE NORMAL PROBABILITY DENSITY FUNCTION (NPDF) GUNA MENDETEKSI MULUT PEMELAJAR
Lebih terperinciPengolahan Citra Warna 1 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH
Pengolahan Citra Warna 1 Semester Genap 2010/2011 Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Outline Pengolahan warna penuh dan warna pseudo Penyajian
Lebih terperinciCOLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP
Lebih terperinciSEGMENTASI CITRA TELUR AYAM BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN LAB
SEGMENTASI CITRA TELUR AYAM BERDASARKAN PERBEDAAN RUANG WARNA RGB DAN LAB Putu Desiana Wulaning Ayu 1, Gede Angga Pradipta 2 Program Studi Sistem Informasi, STMIK STIKOM BALI Jl.Raya Puputan Renon No.86,
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 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 terperinciBekerja dengan Warna
BAB 3 Bekerja dengan Warna Mode Warna (Color mode) adalah cara representatif warna pada Adobe Photoshop dan aplikasi grafis lainnya yang berdasarkan pada model warna. Sedangkan model warna yang ada saat
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Secara umum, citra digital merupakan gambar 2 dimensi yang disusun oleh data digital dalam bentuk sebuah larik (array) yang berisi
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih 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 terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih 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 terperinciSesi 2: Image Formation. Achmad Basuki PENS-ITS 2006
Sesi 2: Image Formation Achmad Basuki PENS-ITS 2006 Materi Representasi Penglihatan Model Kamera Sampling Dan Kuantisasi Jenis-JenisCitra Mdel Citra Berwarna Format Warna RGB Membaca dan Menampilkan Citra
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciBAB 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 terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
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 terperinciSelama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belum melakukan pemilahan mutu yang baik sehingga harga jual sangat
SEMINAR TUGAS AKHIR Dosen Pembimbing: Dr. Ir. Djoko Purwanto M.Eng Dr. Tri Arief Sardjono ST.MT Oleh: OKTAVIANO YUDHA N 2203.109.007 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
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 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 terperinciHistogram Warna Pada Image
Histogram Warna Pada Image Konsep Ruang Warna P(r,g,b) Setiap pixel mempunyai warna yang dinyatakan dalam RGB, sehingga merupakan gabungan nilai R, nilai G dan nilai B yang tidak bisa dipisahkan satu dengan
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 terperinciDETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING
DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Gambaran Umum Sistem Pada dasarnya, proses yang terjadi pada watermarking memiliki kesamaan dengan steganografi, dimana proses utamanya terdiri dari 2, yaitu proses penyembunyian
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 CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
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 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 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 terperinciSEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK
SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta
Lebih terperinciIII. METODOLOGI PENELITIAN
15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas
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 terperinciBinarisasi Citra Menggunakan Pencocokan Piksel
Binarisasi Citra Menggunakan Pencocokan Piksel Teady Matius Surya Mulyana Program Studi Teknik Informatika, Fakultas Teknik Dan Desain, Universitas Bunda Mulia Jl. Lodan Raya No.2, Daerah Khusus Ibukota
Lebih terperinciAPLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr
APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr 1 Indra Dwi Ananto (09018107), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika
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 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 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 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 terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
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 terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
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 terperinciSegmentasi Citra berbasis Informasi Warna dan Tekstur menggunakan Neutrosophic Set
Segmentasi Citra berbasis Informasi Warna dan Tekstur menggunakan Neutrosophic Set Monica Widiasri, S.Kom. 1 *, Dr. Ir. R. V. Hari Ginardi, M.Sc. 2, Rully Soelaiman, S.Kom., M.Kom. 3 Teknik Informatika,
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 terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 STUDI KINERJA PENINGKATAN KEAMANAN INFORMASI BERBASIS PENYISIPAN INFORMASI DENGAN MENGGUNAKAN STEGANOGRAFI (Kata kunci: deteksi tepi fuzzy, deteksi tepi hybrid, metode High
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 terperinciDETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM
DETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM Sani Muhamad Isa 1), Febri Mariana 2) Fakultas Teknologi Informasi, Universitas Tarumanagara 1,2) Jl. Letjen S. Parman
Lebih terperinci3. BAB III METODE PENELITIAN
3. BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 1. Pengumpulan data Tahap ini dilakukan sebagai langkah
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciSegmentasi Gambar Warna Menggunakan Sauvola Modifikasi Fuzzy C-Means (SMFCM)
Segmentasi Gambar Warna Menggunakan Sauvola Modifikasi Fuzzy C-Means (SMFCM) Gilang Bayu Adhi 1, Irawan Dwi Wahyono 2 Institut Teknologi Sepuluh Nopember Jalan ITS Raya 60111, Surabaya e-mail: gilangbayu.adhi@gmail.com
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 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 terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciIDENTIFIKASI PADA SERAGAM PERSONEL MILITER MENGGUNAKAN IMAGE PROCESSING IDENTIFICATION ON MILITARY PERSONNEL UNIFORM USING IMAGE PROCESSING
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 563 IDENTIFIKASI PADA SERAGAM PERSONEL MILITER MENGGUNAKAN IMAGE PROCESSING IDENTIFICATION ON MILITARY PERSONNEL UNIFORM USING
Lebih terperinci