PENGEMBANGAN DAN IMPLEMENTASI SEGMENTASI WARNA PADA PENGENALAN MEREK MINUMAN KALENG MENGGUNAKAN METODE K-MEANS
|
|
- Suharto Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN DAN IMPLEMENTASI SEGMENTASI WARNA PADA PENGENALAN MEREK MINUMAN KALENG MENGGUNAKAN METODE K-MEANS Khaidir Aswad 1, Tulus 2, Sajadin Sembiring 3 Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No 70 Medan, Indonesia 1 khaidiraswad69@gmail.com ABSTRAK K-means merupakan salah satu metode clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Segmentasi citra (image segmentation) mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel - piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan untuk proses identifikasi objek atau pengenalan objek. Pada penelitian ini penulis menggunakan metode K-Means dan jumlah cluster ditetapkan sejumlah empat buah. Keempat pusat cluster dijadikan sumber pembelajaran untuk mengenali objek. Objek yang digunakan adalah citra kaleng minuman. Kata kunci : Segmentasi Citra, Pengolahan Citra, K-Means. ABSTRACT K-means is a non hierarchical clustering method that seeks to partition the data into the form of one or more clusters. Image segmentation (image segmentation) is of dividing an image into regions homogeneous criteria similarity certain between the gray level of a pixel with a gray level of pixels - pixel neighbor, then the result of the segmentation process will be used for the identification of objects or object recognition, In this study the authors use the method of K-means and the number of clusters was determined at four. The fourth cluster center used as a source of learning to recognize objects. The object used is the image of beverage cans.. Keywords: Image Segmentation, Image Processing, K-Means 1. PENDAHULUAN Pada era sekarang ini komputer digunakan sebagai alat bantu dalam banyak hal. Seiring perkembangannya, komputer hampir dapat mengerjakan seluruh pekerjaan manusia. Kecerdasan komputer merupakan hasil dari penciptaan oleh manusia dari waktu-kewaktu. Istilah yang sering muncul dari pemanfaatan teknologi komputer adalah otomatisasi. Dimana hampir semua pekerjaan sudah dikerjakan oleh mesin. Citra adalah gambar pada bidang dua dimensi. Citra merupakan suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek [4]. Citra merupakan data yang dapat diolah menjadi informasi. Proses pengolahan data menjadi informasi sangat diperlukan untuk keperluan tertentu. Dalam penelitian ini diupayakan citra dapat dapat dikelali oleh komputer. Melalui sebuah teknik pengolahan citra, komputer dapat menyajikan informasi berupa merek minuman yang terdapat di dalam citra. Segmentasi citra (image segmentation) mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel - piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan untuk proses identifikasi objek atau pengenalan objek. Pada penelitian ini, penulis mencoba menggunakan algoritma k-means untuk melakukan segmentasi citra. K-means merupakan salah satu metode clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster. Metode ini mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karateristik yang berbeda di kelompokan ke dalam cluster yang lain. Algoritma ini cukup efektif untuk meng clusterkan data atau piksel. Hasil dari sebuah proses segmentasi citra adalah informasi berupa cluster-cluster warna. Cluster-cluster adalah berupa kumpulan warna homogen yang memiliki ciri khas yang dapat dijadikan sumber informasi untuk pembelajaran komputer. Dari hasil pembelajaran diharapkan komputer dapat mengenali merek-merek minuman kaleng yang di inputkan. Metode pembelajaran komputer yang digunakan adalah pencocokan pusat cluster akhir citra pembelajaran dengan citra uji. Pusat cluster pembelajaran akan dijadikan acuan untuk mengenali objek uji coba pengenalan merek minuman kaleng.
2 Pada sebuah penelitian dengan judul Segmentasi Buah Menggunakan Metode K-Means Clustering Dan Identifikasi Kematangannya Menggunakan Metode Perbandingan Kadar Warna dibuat menggunakan matlab, meneliti tentang pengenalan kematangan buah. Penelitian lain yaitu Analisis Segmentasi Citra USG Hati Menggunakan Metode Fuzzy C-Means. Penilitian yang penulis buat mengangkat tentang bagaimana mengenali merek minuman menggunakan perbandingan kadar warna menggunakan bahasa pemrograman visual basic. a. Rumusan Masalah Berdasarkan uraian dari latar belakang di atas, yang menjadi rumusan masalah dalam tugas akhir ini adalah segmentasi citra menggunakan metode K-Means untuk pengenalan merek minuman kaleng. b. Tujuan Penelitian Adapun tujuan dari penulisan tugas akhir ini adalah mengimplementasikan segmentasi citra untuk pengenalan merek. 2. METODE PENELITIAN a. Tahapan Metode Penelitian Dalam menulis tugas akhir ini penulis melakukan penelitian terhadap sistem yang sedang diterapkan. Adapun langkah langkah penelitian adalah sebagai berikut : 1. Studi Pustaka Tahap ini adalah tahap pencarian informasi dan studi literatur yang diperlukan untuk mengumpulkan data dan memahami metode yang akan digunakan. Informasi didapat melalui buku-buku, jurnal teori-teori pendukung yang berhubungan dengan penelitian yang didapat dari internet. 2. Analisa Metode Pada tahap ini dilakukan analisa metode yang akan digunakan. Seperti menghitung rumusrumus matematika secara lebih detil. Kemudian melakukan perancangan langkahlangkah yang harus dilakukan dalam bentuk algoritma. 3. Implementasi Metode Pada tahap ini yaitu pembuatan program dengan menggunakan bahasa pemrograman Visual Studio Yang merupakan inplementasi metode yang digunakan dalam bentuk bahasa pemrograman yang dimengerti oleh sistem komputer. 4. Uji Coba dan Evaluasi Pada tahap ini dilakukan ujicoba terhadap aplikasi yang dibuat, tujuannya untuk menemukan kesalahan-kesalahan yang mungkin terjadi serta melakukan perbaikan atas kesalahan aplikasi. b. Spesifikasi Perangkat Keras Tahap analisis ini ialah berupa tahap identifiksi kebutuhan-kebutuhan apa saja yang dibutuhkan dalam merancang aplikasi pengenalan merek minuman kaleng menggunakan metode k- means. Kebutuhan-kebutuhan tersebut akan meliputi kebutuhan perangkat keras dan kebutuhan perangkat lunak dalam membangun aplikasi. Berikut kebutuhan-kebutuhan sistem yang akan dibangun. Dalam membangun aplikasi ini diperlukan beberapa perangkat keras dalam impelemtasinya. Berikut ialah beberapa perangkat keras yang dibutuhkan dalam merancang aplikasi pengenalan merek minuman kaleng menggunakan metode k- means meliputi: 1. Satu unit PC dengan spesifikasi antara lain: 2. Prosesor : Intel(R) Core(TM) i3 CPU 3. Memori : 2 Gb 4. Ruang Penyimpan : 500 Gb Selain perangkat keras diatas, dalam membangun aplikasi ini diperlukan pula beberapa perangkat lunak termasuk bahasa pemrograman yang digunakan dalam impelemtasinya. Berikut ialah beberapa perangkat lunak yang dibutuhkan dalam merancang aplikasi pengenalan merek minuman kaleng menggunakan metode k-means meliputi: 1. Sistem Operasi Microsoft Windows 7 Ultimate 32 bit. 2. Visual Basic 2010 c. Pengenalan Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap 2 data dimensi. Citra digital merupakan larik (array) yang berisi nilai-nilai real maupun komplek yang di representasikan dengan bit tertentu [1]. Meskipun sebuah citra kaya akan informasi, namun sering kali citra yang dimiliki mengalami penurunan mutu, misalnya mengandung cacat atau noise. Tentu saja citra semacam ini menjadi lebih sulit untuk diinterpretasikan karena informasi yang disampaikan oleh citra tersebut menjadi berkurang, agar citra yang mengalami gangguan mudah diinterprestasikan (baik oleh manusia maupun dengan mesin) maka citra perlu di olah atau dimanipulasi sehingga kualitas dan hasil lebih baik. Sebuah citra mempunyai karakterisrik yang tidak dimiliki oleh data teks yaitu, citra kaya dengan informasi karena dapat menyampaikan informasi yang imajinatif (dapat dihayalkan) [1]. Citra yang baik merupakan citra yang dapat menampilkan gambar yang bersih dan secara utuh, seperti pada keindahan gambar dan kejelasan gambar tanpa mengurangi dan tanpa mengubah informasi yang terkandung pada sebuah gambar atau citra.
3 d. Pengertian Citra Analog Citra analog adalah citra yang bersifat kontinu, seperti gambar pada monitor televisi, foto sinar X, foto yang tercetak di kertas foto, lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada pita kaset, dan lain sebagainya. Citra analog tidak dapat direpresentasikan dalam komputer sehingga tidak bisa diproses di komputer secara langsung. Oleh sebab itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital harus dilakukan terlebih dahulu. Citra analog dihasilkan dari alat-alat analog, seperti video kamera analog, seperti video kamera analog, kamera foto analog, WebCam, CT scan, sensor rontgen untuk foto thorax, sensor gelombang pendek pada sistem radar, sensor ultrasound pada sistem USG, dan lain sebagainya [2]. Hampir semua kejadian alam boleh diwakili sebagai perwakilan analog seperti bunyi, cahaya, air, elektrik, angin dan sebagainya. Jadi citra analog adalah citra yang terdiri dari sinyal sinyal frekuensi elektromagnetis yang belum dibedakan sehingga pada umumnya tidak dapat ditentukan ukurannya [5]. e. Pengertian Citra Digital Secara umum, pengolahan citra digital menunjuk pada pemrosesan gambar 2 dimensi menggunakan komputer. Dalam konteks yang lebih luas, pengolahan citra digital lebih mengacu pada pemrosesan setiap 2 data dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilainilai real maupun kompleks yang di representasikan dengan deretan bit tertentu. Suatu citra dapat didefenisikan sebagai fungis f (x,y), berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f dititik koordinat (x,y) dinamakan intensitas atau tingkat kaabuan dari citra pada titik tersebut. Apabila nilai x,y dan nilai amplitudo f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital. Sebuah citra digital terdiri dari sejumlah element yang berhingga, dimana masing-masing mempunyai lokasi dan nilai tertentu. Elemen elemen ini disebut sebagai picture element, image element, pels, atau pixel [1]. Citra digital adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinus menjadi gambar diskrit melalui proses sampling. Agar dapat direpresentasikan secara numeric dengan nilai-nilai diskrit. Representasi citra dari fungsi malar (kontinu) menjadi nilai-nilai diskrit disebut digitalisasi. Citra yang dihasilkan inilah yang disebut digital (Digital Image) [4]. Komputer digital bekerja dengan angka-angka presisi terhingga, dengan demikian hanya citra dari kelas diskrit yang dapat diolah dengan komputer. Citra dari kelas tersebut lebih dikenal sebagai citra digital. Citra digital dinyatakan dalam suatu array dua dimensi atau suatu matriks yang elemenelemennya menyatakan tingkat keabuan (grayscale) dari warna masing-masing pixel. Pixel merupakan elemen terkecil dari suatu citra, yakni berupa titik-titik warna yang membentuk citra. Citra digital tidak selalu harus merupakan hasil langsung dari rekaman suatu sistem digital, namun ada juga rekaman data bersifat kontinu seperti pada gambar monitor televisi, foto sinar-x, dapat juga berasal dari yang telah mengalami suatu konversi, sehingga citra tersebut selanjutnya dapat diproses melalui komputer. f. Segmentasi Citra Segmentasi citra adalah proses pengolahan citra yang bertujuan memisahkan wilayah (region) objek dengan wilayah latar belakang agar objek mudah dianalisis dalam rangka mengenali objek yang banyak melibatkan persepsi visual [8]. Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap objek atau daerah yang memiliki kemiripan atribut (homogen). Pada citra yang hanya mengandung satu objek, objek dibedakan dari latar belakangnya. Teknik segmentasi citra didasarkan pada dua properti dasar nilai aras keabuan: ketidaksinambungan dan kesamaan antarpiksel. Pada bentuk pertama, pemisahan citra didasarkan pada perubahan mendadak pada aras keabuan. Contoh yang menggunakan pendekatan seperti itu adalah detektor garis dan detektor tepi pada citra. Cara kedua didasarkan pada kesamaan antar piksel dalam suatu area. Termasuk dalam cara kedua ini yaitu : a. Pengambangan berdasarkan histogram b. Pertumbuhan area c. Pemisahan dan penggabungan area d. Pengelompokan atau klasifikasi e. Pendekatan teori graf f. Pendekatan yang dipadukan pengetahuan atau berbasis aturan Berdasarkan teknik yang digunakan, segmentasi dapat dipagi menjadi empat kategori, yaitu : (1) Teknik peng-ambangan (2) Metode berbasis batas (3) Metode berbasis area (4) Motode hibrid yang mengkombinasikan kriteria batas dan area Segmentasi biasa dilakukan sebagai langkah awal untuk melaksanakan klasifikasi objek. Setelah segmentasi citra dilaksanakan, fitur yang terdapat pada objek diambil. Selanjutnya melalui klasifikasi, jenis objek dapat ditentukan. Prinsip kerja segmentasi adalah membagi citra ke dalam daerah intensitasnya masing-masing sehingga dapat dibedakan antara objek dan background-nya. Pembagian ini tergantung pada masalah yang akan diselesaikan. Segmentasi harus dihentikan apabila masing-masing objek telah terisolasi atau terlihat dengan jelas.
4 Secara umum algoritma segmentasi citra terbagi dalam dua macam: a. Diskontinuitas, yaitu berdasarkan perbedaan dalam intensitasnya, seperti titik, garis atau tepi (edge). b. Similaritas, yaitu berdasarkan kesamaankesamaan kriteria yang dimilikinya, seperti algoritma Thresholding, Region Merging, Region Splitting dan Region Growing [2]. Algoritma Thresholding adalah segmentasi citra berbasis histogram, dimana bila sebuah citra terbagi menjadi dua wilayah, maka global thresholding dapat digunakan untuk mendapatkan nilai threshold T yang tepat sehingga bagian objek dan latar belakang citra dapat ditentukan. Algoritma Region Merging adalah segmentasi yang melakukan proses perhitungan karakteristik masing-masing daerah (region). Bagian citra yang memiliki karakteristik yang sama akan digabung dan dianggap satu bagian, sedangkan bagian yang memiliki karakteristik yang berbeda dilakukan pembagian dan perhitungan karakteristik kembali sampai seluruh bagian citra mempunyai karakteristik yang sama.. Dengan membandingkan kedua algoritma segmentasi citra diatas, maka akan dapat diketahui parameter yang tepat untuk setiap algoritma. Parameter yang tepat berguna untuk memaksimumkan kinerja algoritma dalam melakukan perbaikan citra [7]/ g. Clustering K-Means K-means clustering merupakan metode yang paling populer digunakan untuk mendapatkan deskripsi dari sekumpulan data dengan cara mengungkapkan kecenderungan setiap data lainnya. Kecenderungan pengelompokkan tersebut didasarkan pada kemiripan karakteristik individuindividu data yang ada. Ide dasar dari teknik ini adalah menemukan pusat dari setiap kelompok data yang mungkin ada untuk kemudian mengelompokkan setiap data individu kedalam salah satu dari kelompok-kelompok tersebut berdasarkan jaraknya. Untuk menentukan pusat yang paling sesuai sebagai upaya merepresentasikan posisi dari sebuah kelompok data terhadap kelompok data yang lainnya dilakukan sebuah proses perulangan. Proses perulangan ini dimulai dengan menentukan secara sembarang posisi dari pusat-pusat kelompok yang telah ditetapkan. Selanjutnya ditentukan keanggotaan setiap individu data berdasarkan jarak terpendek terhadap pusat-pusat tersebut. Pada iterasi kedua dan seterusnya dilakukan pembaharuan posisi pusat untuk semua kelompok. Selanjutnya dilakukan pembaharuan keanggotaan untuk setiap kelompok. K-Means merupakan metode klasterisasi yang paling terkenal dan banyak digunakan di berbagai bidang karena sederhana, mudah diimplementasikan, memiliki kemampuan untuk mengklaster data yang besar, mampu menangani data outlier, dan kompleksitas waktunya linear O(nKT) dengan n adalah jumlah dokumen, K adalah jumlah kluster, dan T adalah jumlah iterasi. K-means merupakan metode pengklasteran secara partitioning yang memisahkan data ke dalam kelompok yang berbeda. Dengan partitioning secara iteratif, Kmeans mampu meminimalkan ratarata jarak setiap data ke klasternya. Metode ini dikembangkan oleh Mac Queen pada tahun K-means clustering merupakan salah satu metode data clustering non-hirarki yang mengelompokan data dalam bentuk satu atau lebih cluster/kelompok. Data-data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster/kelompok dan data yang memiliki karakteristik yang berbeda dikelompokan dengan cluster/kelompok yang lain sehingga data yang berada dalam satu cluster/kelompok memiliki tingkat variasi yang kecil [6], langkah-langkah melakukan clustering dengan metode K-Means adalah sebagai berikut: a. Pilih jumlah cluster k. b. Inisialisasi k pusat cluster ini bisa dilakukan dengan berbagai cara. Namun yang paling sering dilakukan adalah dengan cara random. Pusat-pusat cluster diberiduberi nilai awal dengan angka-angka random, c. Alokasikan semua data / objek ke cluster terdekat. Kedekatan dua objek ditentukan berdasarkan jarak kedua objek tersebut. Demikian juga kedekatan suatu data ke cluster tertentu ditentukan jarak antara data dengan pusat cluster. Dalam tahap ini perlu dihitung jarak tiap data ke tiap pusat cluster. Jarak paling antara satu data dengan satu cluster tertentu akan menentukan suatu data masuk dalam cluster mana. Untuk menghiutng jarak semua data ke setiap tiitk pusat cluster dapat menggunakan teori jarak Euclidean yang dirumuskan sebagai berikut: dimana: D (i,j) = Jarak data ke i ke pusat cluster j Xki = Data ke i pada atribut data ke k Xkj = Titik pusat ke j pada atribut ke k d. Hitung kembali pusat cluster dengan keanggotaan cluster yang sekarang. Pusat cluster adalah rata-rata dari semua data/ objek dalam cluster tertentu. Jika dikehendaki bisa juga menggunakan median dari cluster tersebut. Jadi rata-rata (mean) bukan satu-satunya ukuran yang bisa dipakai. e. Tugaskan lagi setiap objek memakai pusat cluster yang baru. Jika pusat cluster tidak berubah lagi maka proses clustering selesai. Atau, kembali ke langkah nomor 3 sampai pusat cluster tidak berubah lagi [3].jak
5 Gambar 2. Tampilan Form Utama Pada form utama terdapat empat menu yaitu Training, Pengujian, Petunjuk dan Tentang. Gambar 1. Algoritma K-Means [3] 3. HASIL DAN PEMBAHASAN Implementasi dari perancangan aplikasi pengenalan merek minuman kaleng menggunakan metode K- Means. d. Form Training Form ini fungsinya untuk melakukan pembelajaran komputer untuk mengenali citra minuman kaleng yang akan diuji, berikut tampilan formnya: a. Implementasi Sistem Tahap implementasi sistem ini merupakan tahap dimana sistem yang telah di rancang kemudian dapat diimplementasikan. Agar sistem yang dirancang dapat berjalan dengan baik atau tidak, maka perlu dilakukan pengujian terhadap sistem yang dirancang. Dalam tahap implementasi sistem ini penulis akan memaparkan hasil penelitian ini yaitu aplikasi pengenalan merek minuman kaleng menggunakan metode K-Means dengan meliputi penjelasan mengenai persiapan aplikasi, dan pengujian aplikasi yaitu dengan menampilkan hasil dari layout/desain antarmuka sistem yang telah dibangun menggunakan bahasa pemrograman Visual Basic b. Pengujian Sistem Tahap pengujian sistem ini akan dijelaskan bagaimana proses pengujian aplikasi yang telah dibangun, dimana tahap pengujian akan dilakukan dalam 2 tahap yaitu pengujian hasil berupa pengujian melalui tampilan hasil aplikasi dan pengujian melalui salah satu teknik pengujian sistem berupa pengujian blackbox. c. Form Utama Pada saat pertama kali program dijankan form utama akan tampil pertama kali. Fungsinya sebagai form induk bagi form-form lain. Berikut adalah tampilan form utama: Gambar 3. Tampilan Form Pembelajaran Pada gambar 3 diatas adalah tampilan form pembelajaran pengenalan merek minuman kaleng. Pada iterasi ke-7 pusat cluster tidak berubah lagi, sehingga proses berhenti. Pada pembelajaran diatas data yang akan disimpan sebagai pembelajaran adalah data pusat cluster terakhir. e. Form Pengujian Form ini digunakan untuk menguji aplikasi dalam mengenali merk minuman kaleng. Berikut adalah tampilannya:
6 Gambar 6. Tampilan Form Tentang Gambar 4. Pengujian pengenalan merek minuman Fanta Pada gambar 4 dapat dilihat citra kaleng fanta di crop dan selanjutnya diproses. Titik pusat cluster pembelajaran dan pengujian memiliki kemiripan. Setelah dibandingkan dengan seluruh data didapat hasil merek adalah Fanta sehingga pengujian ini dikatakan berhasil. Untuk pengujian pengenalan merek berdasarkan persentase jumlah warna. Hasil kurang akurat dibandingkan dengan pusat cluster terakhir. f. Form Petunjuk Form petunjuk ini isinya petunjuk penggunaan aplikasi pengenalan merek minuman kaleng. Berikut tampilan formnya: Gambar 5. Tampilan Form Petunjuk g. Form Tentang Form tentang ini fungsinya untuk menampilkan tentang pembuat aplikasi. Berikut tampilan form tentang: h. Analisis Hasil Pengujian Pengujian Pengujian akan dilakukan pada lima buah citra yang dilakukan dua tahap yaitu pengujian proses pembelajaran dan pengujian proses pengenalan merek. 1. Pengujian pembelajaran Tabel 4.1 Pengujian Form Pembelajaran No Citra Iterasi Pusat Cluster Terakhir 1 19 Pusat cluster I : (203, 112, 117) (198, 187, 183) : (255, 254, 254) : (217, 31, 45) 2 7 Pusat cluster I : (43, 83, 178) (194, 166, 165) : (254, 254, 254) : (223, 72, 51) 3 6 Pusat cluster I : (21, 77, 157) (160, 168, 177) : (253, 253, 253) : (208, 28, 28) 4 7 Pusat cluster I : (22, 165, 104) (159, 172, 165) : (254, 254, 254) : (31, 72, 175)
7 No Citra Iterasi Pusat Cluster Terakhir 5 10 Pusat cluster I : (57, 100, 189) (143, 164, 209) : (252, 253, 254) : (23, 54, 121) 2. Pengujian Pengenalan Merek Minuman Kaleng Tabel 4.2 Pengujian Form Pengujian Iteras Pusat Cluster No Citra Hasil i Terakhir 16 Pusat cluster I : (213, 101, 108) (194, 181, 175) : (252, 252, 251) : (213, 28, 213) 4 Pusat cluster I : (39, 82, 180) (197,174,171) : (254, 254, 253) : (224,72,45) 5 Pusat cluster I : (17, 65, 140) (169, 173, 180) : (251, 252, 252) : (210, 28, 28) 7 Pusat cluster I : (23, 264, 102) (156, 171, 165) : (254, 254, 254) : (29, 68, 174) 13 Pusat cluster I : (62, 106, 197) (146, 167, 211) : (250, 251, 252) : (25, 65, 153) Coca- Cola Fanta Pepsi Sprite Pocar i Sweat No Citra Iteras Pusat Cluster i Terakhir 13 Pusat cluster I : (195, 116, 121) (201, 188, 187) : (255, 255, 255) : (219, 32, 47) 7 Pusat cluster I : (28, 82, 158) (164, 173, 186) : (254, 254, 254) : (207, 29, 29) 4 Pusat cluster I : (48, 81, 168) (198, 163, 168) : (254, 254, 254) : (214, 75, 53) Hasil Coca- Cola Pepsi Fanta 4. PENUTUP 4.1 Kesimpulan Berdasarkan dari uraian di atas melalui implementasi dan pengujian, penulis dapat mengambil kesimpulan sebagai berikut : 1. Implementasi algoritma K-Means untuk segmentasi citra berhasil dibuat. 2. Pemanfaatan pusat cluster algoritma K-Means untuk pengenalan merek minuman berhasil diimplementasikan. 4.2 Saran Adapun saran yang dapat disampaikan untuk pengembangan sistem lebih lanjut adalah sebagai berikut: 1. Jumlah K pada algoritma K-Means dapat dirubah sesuai keinginan pengguna. 2. Dapat menggunakan algoritma lain untuk segmentasi citra. DAFTAR PUSTAKA [1] Darma Putra Pengolahan Citra Digital, Westriningsih, Ed. Yogyakarta: Andi. [2] Sutoyo, T Teori pengolahan citra digital, Andi. [3] Ong, Johan Oscar Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing, President University, President University : Bekasi.
8 [4] Achmad, Balza dan Kartika Firdausy Teknik Pengolahan Citra Digital Menggunakan Delphi, Yogyakarta: Ardi Group. [5] Munir, R Pengolahan Citra Digital, Informatika. Bandung. [6] Nurullah Perancangan Dan Pembuatan Sistem Informasi Akuntansi Pada Stmik U budiyah Menggunakan Vb.Net, Vol1.No.7 Hal [7] Anhar, 2009, PHP & MySQL Secara Otodidak, Mediakita, Jakarta. [8] Destyningtias B., Heranurweni S. dan T. Nurhayati Segmentasi Citra Dengan Metode Pengambangan, Jurnal Elektrika. Vol.2, No.1, 2010:
BAB 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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciKonsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI
Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
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 terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
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 terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciPERTEMUAN - 2 PENGOLAHAN CITRA
PERTEMUAN - 2 PENGOLAHAN CITRA EDY WINARNO fti-unisbank-smg 24 maret 2009 Citra = gambar = image Citra, menurut kamus Webster, adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
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 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 terperinciKAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,
KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com
Lebih terperinciPENGENALAN OBJEK PADA CITRA DIGITAL MENGGUNAKAN ALGORITMA HIERARCHICAL ALGOMERATIVE CLUSSTERING
PENGENALAN OBJEK PADA CITRA DIGITAL MENGGUNAKAN ALGORITMA HIERARCHICAL ALGOMERATIVE CLUSSTERING UmmulKhair, M.Kom 1, Rahmadsyah, M.Kom 2, Aja Abdurajak 3 Program StudiTeknikInformatikaSTT-Harapan Medan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Steganografi Steganografi adalah mekanisme penanaman atau penyisipan pesan (m) kedalam sebuah cover objek (c) menggunakan kunci (k) untuk berbagi rahasia kepada orang lain,
Lebih terperinciAPLIKASI PENGOLAHAN CITRA PERBAIKAN KUALITAS IMAGE CITRA DIGITAL MENGGUNAKAN METODE HARMONIC MEAN FILTER
JURNAL TEKNIK DAN INFORMATIKA ISSN 89-594 VOL.5 NO. JANUARI 8 APLIKASI PENGOLAHAN CITRA PERBAIKAN KUALITAS IMAGE CITRA DIGITAL MENGGUNAKAN METODE HARMONIC MEAN FILTER Supiyandi, Barany Fachri, Program
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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
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 terperinciANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI
ANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI Hanafi (12110244) Mahasiswa Program Studi Teknik Informatika, Stmik Budidarma Medan Jl. Sisimangaraja
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
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 terperinciRepresentasi Citra. Bertalya. Universitas Gunadarma
Representasi Citra Bertalya Universitas Gunadarma 2005 Pengertian Citra Digital Ada 2 citra, yakni : citra kontinu dan citra diskrit (citra digital) Citra kontinu diperoleh dari sistem optik yg menerima
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 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 terperinciPengantar Pengolahan Citra. Ade Sarah H., M. Kom
Pengantar Pengolahan Citra Ade Sarah H., M. Kom Pendahuluan Data atau Informasi terdiri dari: teks, gambar, audio, dan video. Citra = gambar adalah salah satu komponen multimedia yang memegang peranan
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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
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 terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jalan merupakan salah satu sarana transportasi darat yang penting untuk menghubungkan berbagai tempat seperti pusat industri, lahan pertanian, pemukiman, serta sebagai
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih 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 terperinciAPLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS
APLIKASI PENGOLAHAN CITRA DIGITAL DENGAN PROSES PERKALIAN DAN PEMBAGIAN UNTUK PENGGESERAN BIT DENGAN MENGGUNAKAN METODE BITSHIFT OPERATORS Apri 1, Herlina 2, Ade 3 1,2 Jurusan Teknik Informatika Sekolah
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 terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
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 II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
Lebih terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciBAB 1 PENDAHULUAN. Media Computindo, 1992, Hal : Aniati Murni Arymurti dan Suryana Setiawan, Pengantar Pengolahan Citra.
BAB 1 PENDAHULUAN 1.1 Pengantar Mesin hitung bernama Komputer sejak satu dekade ini telah tumbuh dan berkembang dengan pesat. Perkembangan ini meliputi sisi teknologi, kapasitas media penyimpanan, dan
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
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 terperinciPrototype Aplikasi Pengolah Citra Invert Sebagai Media Pengolah Klise Foto
Prototype Aplikasi Pengolah Citra Invert Sebagai Media Pengolah Klise Foto Dhanar Intan Surya Saputra 1, Tu Bagus Pranata 2, Sitaresmi Wahyu Handani 3 1,2 Program Studi Teknik Informatika 3 Program Studi
Lebih terperinciSEGMENTASI CITRA BATIK BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE FILTER GABOR DAN K-MEANS CLUSTERING
SEGMENTASI CITRA BATIK BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE FILTER GABOR DAN K-MEANS CLUSTERING #1 Amin Padmo A.M, #2 Murinto Program Studi Teknik Informatika, Fakultas Teknologi Industri Universitas
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 terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciANALISIS PERBANDINGAN ANTARA METODE IMAGE AVERAGING BERDASARKAN MEAN DAN MEDIAN PADA PENENTUAN GOLONGAN DARAH MANUSIA
ANALISIS PERBANDINGAN ANTARA METODE IMAGE AVERAGING BERDASARKAN MEAN DAN MEDIAN PADA PENENTUAN GOLONGAN DARAH MANUSIA Murinto, Eko Aribowo, Lidya Puspa Harleni Program Studi Teknik Informatika Universitas
Lebih terperinciPENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL
PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL Mawaddah Aynurrohmah, Andi Sunyoto STMIK AMIKOM Yogyakarta email : andi@amikom.ac.id Abstraksi Perkembangan teknologi
Lebih terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciPengolahan Citra (Image Processing)
BAB II TINJAUAN TEORITIS 2.1 Citra (Image) Processing Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
Lebih terperinciMAKALAH APLIKASI KOMPUTER 1 SISTEM APLIKASI KOMPUTER GRAFIK KOMPUTER DAN KONSEP DASAR OLAH CITRA. Diajukan sebagai Tugas Mandiri Mata Kuliah NTM
MAKALAH APLIKASI KOMPUTER 1 SISTEM APLIKASI KOMPUTER GRAFIK KOMPUTER DAN KONSEP DASAR OLAH CITRA Diajukan sebagai Tugas Mandiri Mata Kuliah NTM Semester Genap Tahun Akademik 2014 / 2015 Angkatan XIII Disusun
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
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 terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinci3.2.1 Flowchart Secara Umum
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui dan memahami permasalahan dari suatu sistem yang akan dibuat. Dalam aplikasi menghilangkan derau
Lebih terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciPerbandingan Metode Sobel, Metode Prewitt dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital
Perbandingan Metode, Metode dan Metode Robert Untuk Deteksi Tepi Objek Pada Aplikasi Pengenalan Bentuk Berbasis Citra Digital Apriyana (meikk_cttzz@yahoo.co.id), Delta Sri Maharani (delta.maharani@gmail.com)
Lebih terperinciPERANCANGAN APLIKASI MENENTUKAN EFEK RESOLUSI BERDASARKAN JUMLAH PIXEL PADA CITRA MENGGUNAKAN METODE RETINEX
Jurnal INFOTEK, Vol, No 2, Juni 206 PERANCANGAN APLIKASI MENENTUKAN EFEK RESOLUSI BERDASARKAN JUMLAH PIXEL PADA CITRA MENGGUNAKAN METODE RETINEX Prima Sari (20077) Mahasiswa Program Studi Teknik Informatika
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 terperinciSISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA
SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA Syahrul 1, Andi Kurniawan 2 1,2 Jurusan Teknik Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia Jl. Dipati Ukur No.116,
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
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 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 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra (image) adalah kombinasi antara titik, garis, bidang, dan warna untuk menciptakan suatu imitasi dari suatu obyek, biasanya obyek fisik atau manusia. Citra dapat
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciKata kunci: Selada Air, Hidroponik, K-Means Clustering
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN TANAMAN SELADA AIR HIDROPONIK LAYAK JUAL DENGAN DATA GAMBAR DENGAN METODE K-MEANS CLUSTERING (STUDI KASUS : DI KABUPATEN JEMBER) Reinaldi Yulian Prabowo Program
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 terperinciAPLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
APLIKASI PENGENALAN PLAT NOMOR KENDARAAN BERMOTOR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Hamsina 1, Evanita V Manullang 1, Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Manajemen,
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciPEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI
Artikel Skripsi PEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciPerancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam
Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciJURNAL IT STMIK HANDAYANI
Syamsu Alam 1), Mirfan ) Sistem Komputer STMIK Handayani 1), Teknik Informatika STMIK Handayani ) syams.hs@gmail.com 1), mirfan@gmail.com ) Abstrak Penelitian ini bertujuan untuk merancang sistem pendeteksi
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 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 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 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 terperinciPENERAPAN METODE MOST SIGNIFICANT BIT UNTUK PENYISIPAN PESAN TEKS PADA CITRA DIGITAL
Pelita Informatika Budi Darma, Volume : IV, Nomor:, Agustus 23 ISSN : 23-9425 PENERAPAN METODE MOST SIGNIFICANT BIT UNTUK PENYISIPAN PESAN TEKS PADA CITRA DIGITAL Harry Suhartanto Manalu (9259) Mahasiswa
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 terperinciPendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)
ISSN : 1693 1173 Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1) Abstrak Mean, standard deviasi dan skewness dari citra domain spasial
Lebih terperinciSEGMENTASI CITRA. thresholding
SEGMENTASI CITRA Dalam visi komputer, Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen (set piksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi adalah untuk menyederhanakan
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciBAB I PENDAHULUAN I.1.
15 BAB I PENDAHULUAN I.1. Latar Belakang Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakterisitik yang tidak dimiliki
Lebih terperinci