5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
|
|
- Yohanes Kurniawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan pertanian, penghematan penggunaan bahan dan minimalisasi pencemaran lingkungan akibat penggunaan obat-obatan yang berlebihan. Jenis teknologi yang di digunakan adalah perangkat sensor yang bekerja secara real time, VRT yang dilengkapi dengan aktuator yang bekerja sesuai dosis dari data pengamatan langsung. Cara kerja metode ini berdasarkan pembacaan kondisi lapangan oleh sensor secara real time. Data kondisi lahan diolah untuk menentukan dosis aplikasi yang harus dilakukan. Posisi di lahan biasanya dideteksi berdasarkan data dari alat pencatat jarak tempuh (odometer). Data kecepatan operasi dan dosis diolah untuk menentukan nilai aktivasi aktuator dan lama aktivasi yang harus dilakukan. Ciri lain dari metode ini adalah peralatan bekerja per satuan luasan tanah yang kecil untuk memperoleh kinerja yang lebih teliti. Beberapa penelitian telah dilakukan berkaitan dengan penggunaan metode pertanian presisi berbasis sensor, terutama yang berkaitan dengan teknologi aplikator cairan. Pérez A.J. dan F. López (1997) melakukan penelitian dengan membangun teknik pengambilan citra untuk mendeteksi sebaran gulma pada tanaman sereal. Metode yang dipergunakan adalah dengan analisa warna dan bentuk untuk membedakan tanaman pokok, gulma, dan tanah sebagai latar belakang citra. Perbedaan pola tanaman pokok dan gulma dinilai dengan metode K-Nearest Neighbours. Penilaian mata manusia dipakai sebagai pembanding untuk menentukan akurasi kinerja sistem yang dibangun. Hasil uji coba menunjukkan bahwa sistem yang dibangun mampu mendeteksi gulma dengan ketelitian 75% bila menggunakan analisis warna, dan ketelitian meningkat menjadi 85% bila analisa yang dilakukan memasukkan faktor bentuk tanaman. Jafari A dan kawan-kawan (2006) dari universitas Teheran melakukan penelitian untuk mendeteksi gulma pada lahan gula bit. Metode yang 78
2 dipergunakan adalah dengan menganalisa nilai Luminansi dari citra. Hasil uji coba menunjukkan bahwa sistem yang dibangun mampu membedakan gulma dan tanaman dengan ketelitian 88.5%. Imran Ahmed, Awais Adnan, Muhammad Islam, dan Salim Gul (2008) melakukan penelitian dengan tujuan untuk mengidentifikasi gulma dengan menganalisa bentuk batas citra objek dan membedakannya dalam kelas narrow dan broad. Hasil uji coba pada 140 contoh citra menunjukkan bahwa sistem yang dibangun mampu membedakan gulma narrow dan broad dengan akurasi 94%. Berdasarkan penelitian-penelitian tersebut dapat dilihat bahwa belum ada penelitian yang bertujuan untuk membedakan satu jenis tanaman dengan tanaman yang lain secara time-series. Pengertian time-series adalah selama waktu budidaya tanaman pokok berlangsung, atau sampai batas umur kritis tanaman terlampui (2 sampai 4 minggu setelah tanam tergantung jenis tanaman yang dibudidayakan). Metode Pengamatan yang dilakukan untuk mengetahui serangan gulma dengan sensor kamera digital dilakukan dengan dua tahap. Tahap pertama adalah pengamatan serangan gulma pada lahan terbuka (Gambar 34). Lampiran 2. Menampilkan citra sebaran gulma pada lahan terbuka. Tahap kedua adalah pengamatan serangan gulma pada lahan yang telah ditanami tanaman kacang tanah (Gambar 35). Identifikasi keberadaan gulma diantara tanaman pokok secara visual dilakukan dengan cara mengevaluasi suatu nilai tertentu yang bersifat khas antara gulma dan tanaman pokok pada citra hasil tangkapan. Apabila nilai khas tersebut nyata-nyata berbeda di antara gulma dan tanaman pokok, maka nilai khas yang dimaksud dapat digunakan sebagai acuan bagi pengenalan bentuk fisik gulma atau tanaman pokok. Pada penelitian ini dilakukan analisa dimensi fraktal untuk mengidentifikasi jenis tanaman secara real time dengan camera vision. Pengamatan secara terusmenerus dilakukan pada tanaman kacang tanah dan jagung. Pengamatan gulma hanya dilakukan pada periode kritis tanaman kacang tanah (minggu ke-4). 79
3 Gambar 34. Citra serangan gulma pada tanaman kacang tanah. Gambar 35. Citra serangan gulma pada lahan terbuka. 80
4 Pengendalian gulma dengan sensor kamera digital memerlukan beberapa perangkat komputasi cerdas pada kegiatan filterisasi, identifikasi tanaman, dan identifikasi kepadatan serangan gulma. Konsep prosedur kegiatan pengendalian gulma adalah sebagaimana digambarkan pada Gambar 36. Pengambilan Citra Filterisasi Citra Analisa Jenis Tanaman Analisa Kepadatan Serangan Batas Serangan Gulma Dosis Penyemprotan Penyemprotan sesuai Dosis dan Lokasi Gambar 36. Blok diagram pengendalian gulma. Tujuan dari penelitian identifikasi jenis tanaman adalah untuk mengidentifikasi jenis tanaman utama dan gulma yang terdapat di lahan pada tahapan pascatumbuh. Fungsi identifikasi tanaman pada tahapan pengendalian gulma adalah untuk menentukan batas serangan gulma. Tahapan kegiatan diawali dengan penangkapan citra serangan gulma, kemudian dilanjutkan dengan filterisasi citra untuk memisahkan citra tanaman dengan latar belakangnya. Citra hasil filterisasi kemudian dianalisa untuk mengetahui jenis tanaman. Setelah diketahui identitas masing-masing tanaman yang ada di dalam citra, maka dapat ditentukan batas serangan gulma untuk keperluan analisa kepadatan serangan gulma yang terjadi. Hasil dan Pembahasan Pengambilan Citra Citra tanaman diperoleh dari laboratorium lapangan Prof. Siswadi, kampus IPB Darmaga. Jenis tanaman pokok yang dipilih adalah kacang tanah, jagung, 81
5 dan beberapa tanaman gulma. Citra yang telah diambil dianalisa untuk mengetahui komponen warna penyusunnya. Lampiran 3 menampilkan data pengolahan citra sebaran gulma dalam bentuk komponen warna penyusunnya. Berdasarkan komponen warna tersebut selanjutnya ditentukan parameter filterisasi untuk memisahkan latar belakang citra dengan citra tanaman secara biner (hitam-putih). Data array piksel yang menyimpan nilai biner citra diolah menggunakan metode analisa dimensi fraktal. Penentuan Parameter Filterisasi Langkah awal dari filterisasi adalah menentukan parameter yang akan digunakan sebagai pembatas filetrisasi. Parameter pembatas filterisasi digunakan untuk menentukan batasan yang memisahkan antara gulma atau tanaman pokok dengan latar belakangnya. Nilai batas filterisasi ditentukan untuk mengetahui apakah sebuah piksel berupa obyek yaitu gulma atau latar gambar yaitu lahan. Nilai ambang batas yang digunakan dapat berupa kombinasi warna RGB atau Hue (Solahudin et al, 2010), dengan R, G, dan B masing-masing merupakan besaran yang menyatakan nilai intensitas warna merah, hijau, dan biru. Model warna HSI yang merupakan model warna yang paling sesuai dengan manusia. Nilai Hue dapat diaplikasikan untuk membedakan antara obyek dan latar belakang. Saturation (kejenuhan) yang tinggi dapat menjadi jaminan nilai Hue cukup akurat dalam membedakan obyek dan latar belakang. Nilai ditentukan berdasarkan besaran masing-masing nilai R,G, dan B sebagai berikut : H Arc Cos R G B 2 0. (6) R G R G G B Gambar 37. menunjukkan hasil interpretasi data ke dalam bentuk grafik dengan sumbu x menunjukkan kolom piksel pada gambar dan sumbu y adalah rata-rata nilai RGB dan Hue untuk masing-masing kolom piksel pada gambar. Data selengkapnya ditampilkan pada Lampiran 3. Pada Gambar 37 terlihat jelas bahwa nilai rata-rata Green dan Blue tidak dapat merepresentasikan apakah kolom piksel tersebut merupakan gulma ataupun tanah dengan jelas. 82
6 Berbeda dengan nilai rata-rata Red dan Hue, keduanya memperlihatkan perubahan nilai ketika kolom piksel dari gambar beralih dari lahan ke gulma. Akan tetapi, perubahan nilai rata-rata Hue lebih signifikan dibanding perubahan nilai rata-rata Red yang terjadi. Oleh karena itu, untuk melakukan proses segmentasi digunakan nilai Hue. Langkah selanjutnya adalah menentukan nilai batas Hue. Cara yang digunakan adalah dengan menarik garis lurus memotong sumbu y dan sejajar dengan sumbu x sehingga diperoleh bagian atas garis menunjukkan gulma dan bagian bawah garis menunjukkan lahan. Dengan cara tersebut nilai batas segmentasi yang diperoleh adalah nilai Hue sebesar 46.5 o. Gambar 38 menunjukkan hasil filterisasi sebuah citra kedalam 4 potongan citra yang telah dibedakan dengan latar belakangnya. Gambar 37. Nilai rataan RGB dan Hue pada satu contoh citra hasil tangkapan. 83
7 Gambar 38. Hasil proses tresholding dengan pembatas nilai Hue 46.5 o Analisa Dimensi Fraktal untuk Identifikasi Jenis Tanaman Objek alami seperti penampakan daun hasil penangkapan kamera visi memiliki bentuk yang tidak teratur dan sulit diukur namun hal ini dapat diatasi dengan menggunakan pendekatan dimensi fraktal. Pendekatan ini berbeda dengan pendekatan geometri Euclid yang selama ini digunakan untuk mengukur objek yang teratur dan simetris. Fraktal memiliki sifat self similarity yaitu apabila diperbesar akan memiliki bentuk yang menyerupai bentuk keseluruhan dan hal ini mendekati sifat objek-objek alam (Mandelbrot 1982). Metode dimensi fraktal menawarkan pendekatan untuk menggambarkan bentuk yang alami dan keadaan yang tidak teratur dengan mengukur kesimetrisan suatu objek. Dimensi benda yang umum dalam kehidupan sehari-hari merupakan dimensi dalam ruang Euclid, yaitu 0, 1, 2, dan 3. Pada objek-objek Euclid, nilai bilangan bulat menggambarkan jumlah dimensi dari ruang objek, misalnya garis berdimensi 1 karena memiliki panjang, bidang berdimensi 2 karena memiliki panjang dan lebar, sedangkan ruang memiliki dimensi 3 karena memiliki panjang, lebar, dan kedalaman. Sifat self similarity adalah salah satu konsep penting dalam geometri fraktal. Sebuah objek berdimensi satu seperti garis jika dibagi menjadi N bagian yang sama maka setiap bagian memiliki rasio dari keseluruhan bagian. Begitu pula dengan objek dua dimensi seperti bidang yang bisa dibagi menjadi N bagian yang memiliki rasio. Objek tiga dimensi seperti 84
8 kubus bisa dibagi menjadi N bagian yang memiliki rasio. Dapat disimpulkan bahwa untuk objek dengan dimensi D dapat dibagi menjadi N bagian yang sama dengan faktor atau dapat dituliskan sebagai berikut: ( 7 ) Dari persamaan tersebut kemudian dihasilkan rumus untuk menghitung nilai dimensi fraktal berikut : ( ( ( )) ( ) ) ( 8 ) Dimensi fraktal tidak seperti dimensi Euclid yaitu tidak harus bilangan bulat, sehingga pada dimensi 2 nilai dimensi yang mungkin diperoleh adalah berupa pecahan yang berada di antara nilai 1 dan 2. Nilai dimensi fraktal (D) didapatkan berdasarkan hubungan antara ukuran persegi r dan jumlah persegi N(r), yang melingkupi objek. Dari plot log ( ) dan log (N(r)) dihasilkan kurva dengan nilai kemiringan α yang merupakan nilai dimensi fraktal dari objek. Nilai α dihitung menggunakan regresi linear seperti persamaan berikut ini : ( ) ( ) ( ) ( ) ( ) ( 9 ) keterangan : α = kemiringan kurva n = jumlah data X = nilai log(ukuran persegi) Y = nilai ( ) 85
9 Gambar 39. Ilustrasi tahapan perhitungan dimensi fraktal. Gambar 40 menunjukkan tampilan antar muka dari proses untuk menentukan nilai dimensi fraktal dari sebuah citra tanaman jagung. Gambar 40. Tampilan program Analisa Dimensi Fraktal 86
10 Nilai dimensi faktal tanaman kacang tanah dan jagung diperoleh dari pengamatan secara acak dan terus menerus dari minggu ke minggu pada tanaman yang dibudidayakan di laboratorium lapangan IPB. Nilai dimensi fraktal tanaman kacang tanah berubah mengikuti pertumbuhan tajuk daunnya dengan kisaran nilai dimensi fraktal 1.1 (minggu ke-1) sampai 1.77 (minggu ke-6) dengan sebaran baku antara 0.05 sampai 0.07 (Tabel 9). Selisih nilai dimensi fraktal antar minggu yang berurutan bervariasi tergantung dari kecepatan pertumbuhan tanaman kacang tanah pada periode tersebut. Memasuki minggu ke-5 dan ke-6 pertumbuhan vegetatif cenderung melambat (beda nilai dimensi fraktal 0.08), dan mulai terjadi pertumbuhan generatif ditandai dengan mulai munculnya bunga. Pertumbuhan tajuk kacang tanah (vegetatif) tercepat terjadi pada periode minggu ke-2 dan minggu ke-3 sebagaimana terlihat di Gambar 41. Hal ini sesuai dengan perbedaan rata-rata nilai dimensi fraktal antara minggu tersebut, yaitu Gambar 41. Perkembangan bentuk tajuk tanaman kacang tanah pada berbagai umur. Berdasarkan Gambar 41 dapat dilihat bahwa tampak atas kanopi tanaman kacang tanah akan berubah dari pola menyebar ke bentuk yang lebih kompak, sedangkan tampak atas kanopi tanaman jagung akan mulai bersinggungan pada 87
11 Nilai Dimensi Fraktal minggu ke-4 (Gambar 42). Dalam perspektif dimensi fraktal hal ini berarti bahwa nilai dimensi fraktal tanaman kacang tanah akan bertambah dari minggu ke minggu mendekati nilai 2 sebagaimana tampak pada Tabel 9. Fenomena ini juga berlaku bagi tanaman jagung sebagaimana dapat dilihat pada Tabel 10. Gambar 42. Perkembangan bentuk tajuk tanaman jagung pada berbagai umur. 2,00 1,80 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0, Nomor tanaman 1 Minggu 2 Minggu 3 Minggu 4 Minggu 5 Minggu 6 Minggu Gambar 43. Nilai dimensi fraktal tanaman kacang tanah pada berbagai umur tanam. 88
12 Tabel 9. Nilai dimensi fraktal tanaman kacang tanah pada berbagai umur. No. Minggu ke- Contoh Terkecil Terbesar Rataan Tabel 10. Nilai dimensi fraktal tanaman jagung pada berbagai umur. No. Minggu ke- Contoh Terkecil Terbesar Rata-rata
13 Pengamatan terhadap tanaman jagung hanya dapat dilakukan sampai minggu ke-4. Hal ini dikarenakan pada umur 4 minggu dan seterusnya kanopi tanaman jagung sudah bergabung satu dengan lainnya, sehingga tidak memungkinkan pengambilan citra tanaman jagung secara individual. Dimensi Fraktal Minggu Setelah Tanam Gambar 44. Hubungan umur tanaman kacang tanah dengan rata-rata nilai dimensi fraktal pada masing-masing umur tanaman. Hubungan umur tanaman kacang tanah dengan rata-rata nilai dimensi fraktal pada masing-masing umur tanaman mengikuti bentuk persamaan kuadratik. Bentuk persamaannya adalah : y = -0,010x 2 + 0,234x + 0,869 (10) keterangan : y : nilai dimesi fraktal x : umur tanaman kacang tanah (minggu) dengan nilai koefisien determinasi sebesar R 2 = 0,987 Persamaan tersebut dapat digunakan sebagai referensi bagi sistem pendeteksian jenis tanaman menggunakan camera vision dengan input berupa citra tanaman, umur pengambilan citra dan nilai dimensi fraktal pada umur tersebut. 90
14 Nilai Dimensi Fraktal Perbandingan nilai rata-rata dimensi fraktal antara tanaman kacang tanah dan tanaman jagung dilakukan untuk mengetahui karakteristik bentuk kanopi masing-masing tanaman pada masa pertumbuhan vegetatifnya. 1,80 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 0, Umur tanaman (minggu) Kacang tanah Jagung Gambar 45. Nilai dimensi fraktal tanaman jagung dan kacang tanah pada berbagai umur tanam. Gambar 45. menunjukkan nilai dimensi fraktal tanaman jagung dan kacang tanah pada umur tanam 1 sampai 4 minggu. Dari gambar tersebut dapat dilihat bahwa nilai dimensi fraktal antara kedua jenis tanaman tersebut pada umur yang sama tidak pernah memiliki nilai yang sama. Fakta ini menunjukkan bahwa sistem camera vision yang dilengkapi dengan sistem cerdas dimensi fraktal akan mampu membedakan dengan pasti antara tanaman jagung dan tanaman kacang tanah. Pada umur 4 minggu nilai dimensi fraktal gulma berkisar antara 1.41 sampai 1.60, jagung memiliki nilai rata-rata dimensi fraktal 1.70, dan kacang tanah memiliki nilai rata-rata dimensi fraktal Penggunaan sistem cerdas dimesi fraktal untuk pemberantasan gulma pada minggu ke-4 dengan perangkat camera vision sebagai sensor dapat dilakukan, karena sistem pendeteksi keberadaan gulma di lahan dapat dengan jelas membedakan antara tanaman pokok dan gulma berdasarkan nilai dimensi fraktal masing-masing tanaman. 91
15 Kinerja dimensi fraktal sebagai metode untuk mendeteksi jenis tanaman diujicoba untuk membedakan tanaman pokok dan gulma yang tumbuh di sekitarnya. Hasil ujicoba pada tanaman jagung dan tanaman kacang tanah adalah sebagaimana disajikan pada tabel berikut : Tabel 11. Hasil uji validasi sistem identifikasi jenis tanaman pada tanaman pokok jagung. Keterangan Jenis Tanaman Jagung Gulma Total Sampel Validasi Terdeteksi tepat Akurasi (%) Tabel 12. Hasil uji validasi sistem identifikasi jenis tanaman pada tanaman pokok kacang tanah. Keterangan Jenis Tanaman Kacang Tanah Gulma Total Sampel Validasi Terdeteksi tepat Akurasi (%) Tanaman jagung yang dipilih sebagai contoh untuk validasi adalah tanaman jagung yang berumur 2 MST (Minggu Setelah Tanam) sampai 4 MST. Contoh untuk tanaman kacang tanah diambil dari tanaman berumur 2 MST sampai 5 MST. Pemilihan umur tanaman tersebut dengan dasar pemikiran bahwa pada umur 1 MST keberadaan gulma belum terdeteksi. Setelah umur tanaman lebih besar dari 5 MST tanaman telah melewati masa kritis pertumbuhan. Khusus pada tanaman jagung setelah 4 MST bentuk citra daun tanaman jagung telah tumpang tindih antara tanaman satu dengan tanaman lainnya sehingga tidak dapat dianalisa per individu dengan baik. Hasil validasi sistem pada tanaman jagung menunjukkan akurasi 88.64% sedangkan pada tanaman kacang tanah menghasilkan validasi 92.59%. Kemampuan sistem dalam mengidentifikasi gulma memiliki akurasi 71.43%, 92
16 hal ini disebabkan pada kasus yang tidak dikontrol beberapa gulma akan memiliki penampakan bentuk menyerupai tanaman pokok. Simpulan 1. Filterisasi dengan nilai Hue 46.5 o mampu membedakan komponen citra dengan baik, sehingga pemisahan citra tanaman dan latar belakang dapat dilakukan dengan tepat. 2. Pada umur tanaman 4 minggu nilai dimensi fraktal gulma berkisar antara 1.41 sampai 1.60, jagung memiliki nilai rata-rata dimensi fraktal 1.70, dan kacang tanah memiliki nilai rata-rata dimensi fraktal Hasil ujicoba sistem untuk mengenali jenis tanaman dengan tepat menunjukkan nilai validasi sistem untuk mengenali tanaman jagung menunjukkan akurasi 88.64%, pada tanaman kacang tanah menghasilkan akurasi 92.59%. dan kemampuan sistem dalam mengidentifikasi gulma memiliki akurasi 71.43%. 4. Sistem camera vision yang dilengkapi dengan sistem cerdas dimensi fraktal akan mampu membedakan dengan pasti antara tanaman jagung dan tanaman kacang tanah. 93
6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan
Lebih terperinciTabel 25. Spesifikasi teknis Boom sprayer Spesifikasi Teknis. Condor M-12/BX. Tekanan maksimum (rekomendasi)
9. PEMBAHASAN UMUM Beberapa metode analisa komputasi cerdas digunakan dalam penelitian pendeteksian serangan gulma. Masing-masing metode diarahkan untuk mencapai tujuan analisa utama yaitu pendeteksian
Lebih terperinci3. METODE. Metode Penelitian. Waktu dan Lokasi Penelitian
3. METODE Metode Penelitian Metode penelitian yang dilakukan menggunakan metode pendekatan sistem. Pendekatan sistem merupakan suatu metodologi pemecahan masalah yang diawali dengan identifikasi serangkaian
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. TEMPAT DAN WAKTU Kegiatan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,
Lebih terperinciBAB V PEMBAHASAN UMUM
BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk
Lebih terperinciAnalisis Dimensi Fraktal untuk Identifikasi Tanaman dengan Pendekatan Pemrosesan Citra Secara Paralel
Technical Paper Analisis Dimensi Fraktal untuk Identifikasi Tanaman dengan Pendekatan Pemrosesan Citra Secara Paralel Fractal Dimension Analisys for Plants Identification with Paralel Image Processing
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 terperinciDIMENSI FRAKTAL. (Jurnal 11) Memen Permata Azmi Mahasiswa S2 Pendidikan Matematika Universitas Pendidikan Indonesia
DIMENSI FRAKTAL (Jurnal 11) Memen Permata Azmi Mahasiswa S2 Pendidikan Matematika Universitas Pendidikan Indonesia Melanjutkan pelajaran pada minggu yang lalu mengenai geometri fraktal, pada pertemuan
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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciPendeteksian Kerapatan dan Jenis Gulma dengan Metode Bayes dan Analisis Dimensi Fraktal untuk Pengendalian Gulma secara Selektif
Technical Paper Pendeteksian Kerapatan dan Jenis Gulma dengan Metode Bayes dan Analisis Dimensi Fraktal untuk Pengendalian Gulma secara Selektif Weeds and Plants Recognition using Bayes Segmentation and
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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
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 IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
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 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 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 terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciUJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak
UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak Kebutuhan binarisasi
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 II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. WAKTU DAN TEMPAT Penelitian ini dilaksanakan pada bulan Mei 2010 sampai dengan Oktober 2010. Perancangan alat dilaksanakan pada bulan Mei 2010 sampai Agustus 2010 di Bengkel Departemen
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinci1.1 Intensitas. 1.2 Luminansi. 1.3 Lightness. 1.4 Hue. 1.5 Saturasi
1.Definis Warna Dalam ilmu fisika warna didefinisikan sebagai gelombang elektromagnetik cahaya, sedangkan dalam bidang ilmu seni rupa dan desain warna didefinisikan sebagai pantulan tertentu dari cahaya
Lebih terperinciBAB II SISTEM PENENTU AXIS Z ZERO SETTER
BAB II SISTEM PENENTU AXIS Z ZERO SETTER 2.1 Gambaran Umum Berdasarkan latar belakang masalah yang telah dipaparkan pada Bab I, tujuan skripsi ini adalah merancang suatu penentu axis Z Zero Setter menggunakan
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 terperinciBAB II Tinjauan Pustaka
23 BAB II Tinjauan Pustaka II.1. Pengolahan Citra Digital Citra yang diperoleh dari lingkungan masih terdiri dari warna yang sangat komplek sehingga masih diperlukan proses lebih lanjut agar image tersebut
Lebih terperinciLaporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F
Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinci4 HASIL DAN PEMBAHASAN
29 4 HASIL DAN PEMBAHASAN Penelitian Pendahuluan Pada penelitian pendahuluan ini dilakukan beberapa percobaan yang terkait dengan sensor yang akan digunakan. Untuk pemilihan sensor sinar laser yang tepat,
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 terperinci8. PERANCANGAN SISTEM MULTI AGEN. Pendahuluan
8. PERANCANGAN SISTEM MULTI AGEN Pendahuluan Peningkatan kecepatan proses komputasi sebagai solusi dari kecepatan maju sistem penyemprot berbasis sensor membutuhkan konsep tersendiri yang cukup kompleks.
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 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciBAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK
BAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK A. Pendahuluan Latar Belakang Perhitungan posisi tiga dimensi sebuah obyek menggunakan citra stereo telah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
Lebih terperinciImplementasi Algoritma Kompresi Shannon Fano pada Citra Digital
Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital Muhammad Khoiruddin Harahap Politeknik Ganesha Medan choir.harahap@yahoo.com Abstrak Algoritma kompresi Shannon-Fano merupakan salah satu
Lebih terperinci7. RANCANG BANGUN APLIKATOR CAIRAN. Pendahuluan
7. RANCANG BANGUN APLIKATOR CAIRAN Pendahuluan Pada praktek pertanian presisi peralatan digunakan untuk membawa dan mendistribusikan bahan cair dan padat. Pendistribusian bahan padat bisa berupa bibit
Lebih terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
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 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih 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 terperinciBAB I PENDAHULUAN. mulai menopang kehidupan manusia. Teknologi merupakan sebuah hasil
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini kebutuhan akan teknologi semakin meningkat seiring dengan kemajuan dan perkembangan ilmu pengetahuan dan teknologi itu sendiri. Kemajuan teknologi dengan perkembangan
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 terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciBAB II DASAR TEORI Kajian Pustaka a. Algoritma Pengambilan Keputusan Pada Kiper Robot Sepak Bola [1]
BAB II DASAR TEORI Pada bab ini akan dibahas beberapa teori pendukung yang digunakan sebagai acuan dalam merealisasikan sistem. Teori-teori yang digunakan dalam pembuatan skripsi ini terdiri dari 2.1.
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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
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 terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciIV. RANCANG BANGUN SISTEM. Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk
IV. RANCANG BANGUN SISTEM 4.1 Analisis dan Spesifikasi Sistem Perangkat lunak bantu yang dibuat adalah perangkat lunak yang digunakan untuk menyisipkan label digital, mengekstraksi label digital, dan dapat
Lebih terperinciBAB III. ANALISIS MASALAH
BAB III. ANALISIS MASALAH Pada bab tiga laporan Tugas Akhir ini akan dibahas mengenai analisis pemecahan masalah untuk pengubahan logo biner menjadi deretan bilangan real dan proses watermarking pada citra.
Lebih terperinciPENDUGAAN PRODUKTIVITAS PADI DENGAN PENGOLAHAN CITRA YANG DIAMBIL DARI PESAWAT TERBANG MINI
PENDUGAAN PRODUKTIVITAS PADI DENGAN PENGOLAHAN CITRA YANG DIAMBIL DARI PESAWAT TERBANG MINI I Wayan Astika 1, Hasbi M. Suud 2, Radite P.A. Setiawan 1, M. Faiz Syuaib 1, M. Solahudin 1 1 Departemen Teknik
Lebih terperinciBAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA
BAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA A. Pendahuluan Latar belakang Robot selain diterapkan untuk dunia industri dapat juga diterapkan untuk dunia pertanian. Studi yang
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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PENGOLAHAN CITRA TANAMAN TOMAT Pengolahan data tanaman tomat dilakukan dengan menggunakan program pengolahan citra yang berbasiskan pemograman C. Tampilan halaman utama pada
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 terperinciBAB III PROSEDUR DAN METODOLOGI
BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Potensi buah jeruk termasuk jeruk lemon secara nasional amat besar. Rukmana dan Oesman (2001) menyatakan sebelum tahun 1970 Indonesia pernah berjaya sebagai produsen
Lebih terperinciV. HASIL DAN PEMBAHASAN
27 V. HASIL DAN PEMBAHASAN 5.1. Penampilan Citra Dual Polarimetry PALSAR / ALOS Penampilan citra dual polarimetry : HH dan HV level 1. 5 PALSAR/ALOS masing-masing dapat dilihat pada ENVI 4. 5 dalam bentuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Industri keramik yang terdiri dari ubin (tile), saniter, perangkat rumah tangga (tableware), genteng telah memberikan kontribusi signifikan dalam mendukung pembangunan
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, Jakarta e-mail : tmulyana@bundamulia.ac.id,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciIntensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata.
Pembentukan Citra oleh Sensor Mata Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana
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 terperinciKULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS
KULIAH TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS Matriks merupakan sebuah susunan segiempat siku-siku dari bilanganbilangan, dalam baris dan kolom. Bilangan-bilangan tersebut disebut entri atau elemen
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra dapat dikelompokkan menjadi citra tampak dan citra tak tampak.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem yaitu dengan melakukan pengambilan data berupa foto fisik dari permukaan buah manggis kemudian melakukan sampling data
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 terperinciKLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS
KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS Sigit Sugiyanto*, Feri Wibowo Program Studi Teknik Informatika
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 terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
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 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 terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinci3 METODE. Waktu dan Tempat Penelitian
18 Gambar 17 Pegujian sistem navigasi: (a) lintasan lurus tanpa simpangan, (b)lintasan lurus dengan penggunaan simpangan awal, (c) lintasan persegi panjang, (d) pengolahan tanah menggunakan rotary harrower
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 terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan studi (state of the art) Berikut penelitian yang telah dilakukan sebelumnya : 1. Penelitian dilakukan oleh Sigit Sugiyanto Feri Wibowo (2015), menjelaskan tentang klasifikasi
Lebih terperinciPENDETEKSIAN OBJEK BERWARNA BIRU MENGGUNAKAN MATLAB R2013a
PENDETEKSIAN OBJEK BERWARNA BIRU MENGGUNAKAN MATLAB R2013a Nama : Bagus Muhammad Primaditya NPM : 21113616 Dosen Pembimbing : Dr. Emy Haryatmi. Skom. MEngSc. LATAR BELAKANG Deteksi objek merupakan salah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Desain frame grabber Desain frame grabberdiawali dengan pemilihan perangkat kamera yang akan digunakan. Video akan muncul komponen VideoWindow1 yang secara realtime terhubung
Lebih terperinciPenghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi
Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com
Lebih terperinciBAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap Robotino dan aplikasi pada PC yang telah selesai dibuat. Dimulai dari menghubungkan koneksi ke Robotino, menggerakan
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu Penelitian
12 BAHAN DAN METODE Tempat dan Waktu Penelitian Percobaan dilakukan di Desa Dukuh Asem, Kecamatan Majalengka, Kabupaten Majalengka pada tanggal20 April sampai dengan 2 Juli 2012. Lokasi percobaan terletak
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 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB III LANDASAN TEORI
7 BAB III LANDASAN TEORI 3.1 Metode Penelitian Metode penelitian merupakan cara teknis yang bersifat ilmiah yang menggunakan metode yang memiliki sistematika dan prosedur yang harus ditempuh dengan tidak
Lebih terperinci