Oleh Yuli Wijayanti. Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc
|
|
- Sudirman Tedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Oleh Yuli Wijayanti Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc TEKNIK INFORMATIKA-ITS 26 JULI 2010
2 Latar Belakang Segmentasi gambar merupakan salah satu faktor yang sangat penting dalam analisis suatu gambar, karena hasil segmentasi sangat berpengaruh terhadap proses kelanjutan dari analisis ataupun pengolahan gambar, misalnya representasi beserta deskripsi dari jumlah fitur, klasifikasi obyek, pengenalan, dan masih banyak lagi. Begitu banyak metode segmentasi gambar yang telah dikembangkan saat ini dengan berbagai kelebihan dan kekurangannya masing-masing. Namun, metode segmentasi yang dilakukan melalui sebuah pendekatan neutrosophic dari suatu gambar masih tergolong baru. Untuk itu pada Tugas Akhir ini akan diimplementasikan salah satu algoritma segmentasi gambar menggunakan pendekatan neutrosophic dengan metode Watershed.
3 Neutrosophic dapat digunakan untuk menyelesaikan permasalahan yang tidak dapat diselesaikan dengan menggunakan fuzzy logic dimana permasalahannya berkaitan dengan masalah ketidakpastian/ ambiguitas. Pada Tugas Akhir ini, neutrosophy digunakan untuk membantu menangani masalah pengolahan gambar yaitu untuk menentukan domain neutrosophic suatu gambar, setelah domain neutroshophic tersebut diketahui, langkah selanjutnya adalah proses segmentasi menggunakan metode Watershed yang dilakukan pada domain neutrosophic
4 Dasar Teori Neutrosophy Neutrosophy merupakan cabang dari ilmu filsafat yang mempelajari asal usul, sifat dan ruang lingkup neutralities. Ide neutrosophy ini diperkenalkan oleh Florentin Smarandache pada tahun Terinspirasi dari permainan olahraga (menang, kalah, atau seri), dari kegiatan pemilihan suara (pro, kontra, null atau abstain), dari (positif / negatif /nilai nol), dari (ya / tidak / NA), dari pengambilan keputusan dan kontrol teori (membuat keputusan, tidak membuat, atau ragu-ragu), dari (diterima/ditolak /pending), dan lain-lain.
5 Istilah "neutrosophic" secara etimologis berasal dari kata "neutrosophy" dimana dalam bahasa Perancis dari asal kata neutre, dan dalam bahasa Latin dari asal kata neuter, yang artinya netral dan sophia dalam bahasa Yunani berarti keterampilan atau kebijaksanaan. Apabila dirangkai neurtosophy berarti pengetahuan tentang pemikiran yang netral.
6 Watershed Watershed merupakan salah satu metode yang digunakan untuk segmentasi sebuah gambar. Konsep yang terdapat pada watershed ini memvisualisasikan sebuah gambar dalam tiga dimensi: dua koordinat ruang versus tingkat keabuan (gray level). Koordinat ruang merupakan posisi x dan y pada bidang datar dan tingkat keabuan merupakan ketinggiannya, semakin ke arah warna putih maka ketinggiannya semakin besar.
7 Dengan anggapan bentuk topografi tersebut, maka di didapatkan 3 macam titik yang dipertimbangkan dalam metode ini : Titik yang merupakan regional minimum. Titik yang merupakan tempat dimana jika setetes air dijatuhkan, maka air tersebut akan jatuh hingga ke sebuah posisi minimum tertentu. Titik yang merupakan tempat di mana jika air dijatuhkan, maka air tersebut mempunyai kemungkinan untuk jatuh ke salah satu posisi minimum (tidak pasti jatuh ke sebuah titik minimum, tetapi dapat jatuh ke titik minimum tertentu atau titik minimum yang lain).
8 Pada dasarnya ide dari metode watershed ini sangatlah sederhana, diasumsikan terdapat sebuah lubang yang dibuat pada regional minimum kemudian seluruh topography tersebut dialiri air yang berasal dari lubang tersebut dengan kecepatan konstan. Ketika air yang naik dari dua catchment basin hendak bergabung, maka dibangun sebuah dam (bendungan) untuk mencegah penggabungan air tersebut. Aliran air akan mencapai tingkat yang diinginkan dan akan berhenti mengalir ketika hanya bagian atas dari dam yang terlihat. Tepi dam yang terlihat inilah yang disebut dengan garis watershed.
9 Diagram Alir Sistem
10 1. Grayscaling Merupakan proses merubah gambar ke dalam bentuk gray scale Persamaan yang digunakan untuk merubah ke bentuk gray scale : Gray Scale : *R * G *B
11 2. Pemetaan dan Penentuan matrix gambar pada domain {T,F} (2.5.2) Start Input : Gambar grayscale Mean filtering S-function Output : Piksel {T,F} End
12 Menentukan parameter a,b dan c Start Input : Gambar Hasil filtering 1 (5) Tentukan gray lavel B1 dan B2 Persamaan untuk menghitung rata-rata local maxima (1) Menentukan histogram dengan persamaan (6) Tentukan parameter a dan c (2) Hitung local maxima dari histogram (7) Hitung parameter b dengan maximum entrophy principal (3) Hitung tinggi rata-rata histogram dengan persamaan (4) Tentukan peak histogram Output : Nilai Parameter a, b, c End 1
13 3. Enhancement Start Metode yang digunakan dalam enhancement ini adalah transformasi intensitas Ya Input : Gambar Txy Txy <= 0 && Txy <= 0.5 Tidak 2 x (Txy)^2 1-2 x ((1- (Txy))^2) Output : Gambar enhancement End
14 4. Menentukan thresholds pada T dan F Start Start Input : Gambar Enhancement(T) Input : Gambar pada domain T t0 = nilai inisialisasi, Pisahkan T dengan t0 menjadi T1 dan T2 Ya Intensitas value T > tresholdt Tidak t0 =tn Hitung mean dari masing-masing T1 dan T2 Set F = 0 (piksel Background) Set T =1 (piksel Object) t1 = µ(t1)+ µ(t2) 2 Output : Gambar biner dengan treshold T Ya tn - t(n-1) < End Tidak Output : Treshold = tn End
15 5. Menetapkan homogenitas dari domain intensitas dan menentukan {I} Homogenitas didefinisikan menggunakan standar deviasi dan intensitas discontinuity. Standar deviasi merepresentasikan kekontrasan daerah lokal (local region), sedangkan discontinuity merepresentasikan perubahan tingkat keabuannya.
16 Menentukan Standar deviasi pada masingmasing window Start Input : Gambar hasil enhancement Rumus rata-rata dan standart deviasi (1) Set window dengan ukuran 7x7 (2) Tentukan nilai rata2 masing2 window pada gambar (3) Hitung Standart deviasimasing2 window pada gambar Output : Nilai standart deviasi di masing2 window pada gambar End
17 Menentukan intensitas discontinuity dari Start gambar enhancement. Input : Gambar hasil enhancemant (1) Set operator sobel pada sumbu x dan y (2) lakukan konvolusi antara operator sobel dengan gambar input (3) Tentukan nilai discontinuity Output : Gambar dengan nilai discontinuity End
18 Cont... Start Indeterminate I(x,y) yang merepresntasikan gambar pada domain I, dihitung dengan menggunakan persamaan sebagai berikut : Input : - Nilai standart deviasi di masing2 window pada gambar - piksel discontinuity Menentukan nilai homogenitas Menentukan Indeterminate I(x,y) Output : Gambar dengan nilai Indeterminate I(x,y) End
19 6. Mengubah menjadi gambar biner berdasar nilai {T,I,F} Start Input : - Piksel Indeterminate I(x,y) - Gambar hasil enhancement T(x,y) - Piksel pada domain F(x,y) T(x,y) >= Treshold T && I(x,y) < lamda T(x,y) >= Treshold T v F(x,y) < Treshold F && I(x,y)>= lamda F(x,y) >= Treshold F && I(x,y) < lamda True False True False True False O(x,y) = 1 O(x,y) = 0 F(x,y) = 1 I(x,y) = 1 I(x,y) = 0 F(x,y) = 0 Piksel O(x,y) Piksel E(x,y) Piksel B(x,y) End
20 Diagram alir binerisasi berdasarkan nilai obyek, edge dan background Start Input : - Piksel O(x,y) - Piksel E(x,y) - Piksel B(x,y) Ya O(x,y) V B(x,y) V E(x,y) Tidak Set Binery(x,y) = 0 Set Binery(x,y) = 1 Output : Gambar biner berdasarkan nilai {T,I, dan F} End
21 7. Segmentasi dengan metode Watershed Algoritma Watershed Dibawah ini merupakan langkah-langkah dari algoritma watershed. Tentukan daerah (region), dengan merepresentasikan objek dan background yang memiliki nilai 0. Lakukand d ilatasi pada daerah tersebut dengan stuktur elamen 3 x 3. Bentuklah dam pada posisi dua daerah yang tergabung. Ulangi langkah (3) hingga semua daerah tergabung.
22 Validasi hasil segmentasi Start Input : Gambar hasil segmentasi sistem dan gambar ground truth (hasil segmentasi manual) Proses validasi menggunakan persamaan 2.15 Output : Nilai validasi End TP : C1 dianggap obyek, pada C2 dianggap obyek juga. TN : C1 dianggap bukan obyek pada C2 dianggap bukan obyek. FP : C1 dianggap obyek pada C2 dianggap bukan obyek FN : C1 dianggap bukan obyek pada C2 dianggap obyek Dimana : C1 = Gb hasil segmentasi C2 = Gb manual Cara Pengukuran tingkat akurasi yaitu menentukan kesamaan perpiksel C1 dan C2, Persamaan untuk menghitung tingkat akurasi ini dapat dituliskan secara matematis sebagai berikut : Akurasi =
23 Uji Coba dan Evaluasi Uji coba dilakukan terhadap 34 macam gambar yang berbeda Sknario uji coba : Perbandingan proses pencaraian parameter maximum dari membership function dengan membandingkan dengan membandingkan antara alternatif 1 yaitu metode berdasar histogram sebagaimana yang dijelaskan pada makalah utama [1], dan alternatif 2 yaitu metode berdasar histogram juga yang dijelaskan pada makalah referensi [9]. Mencari nilai parameter window yang digunakan untuk proses pencarian matrix gambar pada domin I dan lamda yang digunakan untuk pencarian matrix gambar pada domain T, I dan F yang optimal. Membandingkan hasil segmentasi dengan menggunakan nilai parameter yang optimal yang didapatkan dari uji coba sebelumnya dibadingkan dengan metode yang lain yaitu seperti segmentasi watershed menggunakan distance transform, segmentasi watershed menggunakan gradien, segmentasi watershed menggunakan operasi morfologi dan gradien, segmentasi watershed dengan marker-controlled, metode deteksi tepi menggunakan sobel dan metode deteksi region menggunakan mean-shift.
24 Evaluasi 120 Grafik Perbandigan Metode pencarian parameter membership function 100 Nilai akurasi dalam (%) metode berdasar histogram pada domain neutrosophic metode berdasar histogram pada domain fuzzy Gambar
25 window 3 window 5 window 7 window , , , , , , , , , , , , ,278 48, , , , , , , , , , , , , , , , , , , , , , , , , , ,46706
26 a c b d (a) Gambar Capitol asli (b) Segmentasi menggunakan mean-shift (c) Segmentasi watershed dengan marker-controlled (d) Segmentasi menggunakan menggunakan domain neutrosophic dan metode watershed
27 (a) Gambar Coin asli (b) Segmentasi watershed menggunakangradient (c) Segmentasi menggunakan mean-shift (d) Segmentasi mengunakan detik tepi (sobel) (e) Segmentasi watershed menggunakan operasi morfologi dan gradient (f) Segmentasi watershed menggunakan distance transform (g) Segmentasi watershed dengan marker-controlled (h) Metode yang diusulkan.
28 Kesimpulan Dari hasil uji coba pencarian parameter a, b, dan c pada proses pencarian parameter maximum dari membership function dengan antara alternatif 1 yaitu metode berdasar histogram yang dijelaskan pada makalah utama[1], dan alternatif 2 yaitu metode berdasar histogram yang dijelaskan pada makalah referensi[9] terbukti bahwa alternatif 2 menghasilkan hasil segmentasi yang lebih optimal dengan perbandingan rata-rata nilai akurasi 56,378 untuk alternatif 1 dan 56,583 untuk alternatif 2. Proses segmentasi citra menggunakan domain neutrosophic dengan metode watershed dapat menghasilkan hasil segmentasi yang optimal dengan parameter lamda = 0.1 dan ukuran window = 3 berdasarkan hasil akurasinya 64,0413 %. Metode watershed dengan pendekatan pada domain neutrosophic terbukti dapat menghasilkan hasil segmentasi yang lebih optimal dengan akurasi jika dibandingkan segmentasi watershed menggunakan gradien, segmentasi watershed menggunakan operasi morfologi dan gradien, segmentasi watershed dengan marker-controlled, metode edge-based (Sobel), metode region-based (mean-shift).
29 Saran Perlu dilakukan pengembangan segmentasi menggunakan domain neutrosophic dengan metode segmentasi selain watershed agar dapat dilakukan pembandingan yang lebih jelas. Proses pembuatan ground truth yang dilakukan penulis masih sangat primit karena bersifat subyektif, perlu adanya suatu pengukuran yang lebih akurat untuk mengetahui performa suatu suatu metode segmentasi.
IMPLEMENTASI SEGMENTASI GAMBAR MENGGUNAKAN DOMAIN NEUTROSOPHIC DAN METODE WATERSHED
IMPLEMENTASI SEGMENTASI GAMBAR MENGGUNAKAN DOMAIN NEUTROSOPHIC DAN METODE WATERSHED Yuli Wijayanti Bilqis Amaliah, S.Kom, M.Kom, Anny Yuniarti, S.Kom, M.Com.Sc Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciIMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN
IMPLEMENTASI METODE BERBASIS MULTISCALE FEATURE EXTRACTION UNTUK SEGMENTASI PEMBULUH DARAH CITRA RETINA RED-FREE DAN FLUORESCEIN Dosen Pembimbing Dr. Agus Zainal Arifin, S.Kom., M.Kom. Dosen Pembimbing
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 terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciPERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED
PERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED Gunawan 1, Fandi Halim 1, Erni Wijaya 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 1 gunawan@mikroskil.ac.id, 1 fandi@mikroskil.ac.id,
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 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 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 terperinciSegmentasi Citra berbasis Informasi Warna dan Tekstur menggunakan Neutrosophic Set
Segmentasi Citra berbasis Informasi Warna dan Tekstur menggunakan Neutrosophic Set Monica Widiasri, S.Kom. 1 *, Dr. Ir. R. V. Hari Ginardi, M.Sc. 2, Rully Soelaiman, S.Kom., M.Kom. 3 Teknik Informatika,
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciPENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL
PENGHAPUSAN NOISE PADA CITRA DENGAN FILTER ADAPTIVE-HIERARCHICAL Kata Kunci : Noise Removal, Edge Detection, impuls noise, Oleh : ANA WAHYU HAKIM Dosen pembimbing I: Prof. Dr. Ir. Handayani Tjandrasa M.Sc
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Identifikasi Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang 1.1.1. Identifikasi Masalah Penggunaan citra digital telah menjadi semakin popular akhir-akhir ini. Hal ini menyebabkan program pengolah grafis untuk memanipulasi citra
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciAPLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL
APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL Murien Nugraheni Prodi Teknik Informatika Fak FTI UAD Jl. Prof. Dr. Soepomo, Janturan, Yogyakarta 55164,
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)
BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang
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 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 terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinciIMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF Dini Nuzulia Rahmah 1, Handayani Tjandrasa 2, Anny Yuniarti 3 Teknik Informatika,
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 terperinciIMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING
IMPLEMENTASI SEGMENTASI PEMBULUH RETINA DENGAN METODE MULTI- SCALE LINE TRACKING Syarifatun Nadhiroh Qomariyah 1, Handayani Tjandrasa 2, Nanik Suciati 3 Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciBAB III METODE YANG DIUSULKAN
BAB III METODE YANG DIUSULKAN Pada bab ini akan dijelaskan tentang metode pengenalan manusia dengan menggunakan citra dental radiograph yang diusulkan oleh peneliti. Pengenalan ini akan dilakukan dalam
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Histogram dan Operasi Dasar Pengolahan Citra Digital 3 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 MAMPIR SEB EN TAR Histogram Histogram citra
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 terperinciPENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA Arief Budiman 0700711481 Muhammad Arya Chandra
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciImplementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel
Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel Sri Enggal Indraani, Ira Dhani Jumaddina, Sabrina Ridha Sari Sinaga (enggal24@gmail.com, Ira.dhani5393@gmail.com,
Lebih terperinciPERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET
PERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET Monica Widiasri Teknik Informatika, Fakultas Teknik, Universitas Surabaya monica@ubaya.ac.id
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS MENGGUNAKAN METODE WATERSHED
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS MENGGUNAKAN METODE WATERSHED Imam Abdul Hakim 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik Elektro, Universitas Telkom Jl. Telekomunikasi
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciImplementasi Deteksi Mata Otomatis Menggunakan Pemfilteran Intensitas dan K-Means Clustering
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Mata Otomatis Menggunakan Pemfilteran Intensitas dan K-Means Clustering Ahmad Kadiq, Arya Yudhi Wijaya,
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciIdentifikasi Bakteri pada Citra Dahak Penderita Tubercolusis (TBC) Menggunakan Metode Watershed
Identifikasi Bakteri pada Citra Dahak Penderita Tubercolusis (TBC) Menggunakan Metode Watershed Dirvi Eko Juliando Sudirman Teknik Komputer Kontrol Politeknik Negeri Madiun, PNM Madiun, Indonesia dirvi@pnm.ac.id
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciDETEKSI PERUBAHAN CITRA TOPOGRAFI PASCA TSUNAMI ACEH MENGGUNAKAN METODE SEGMENTASI MORFOLOGI WATERSHED
DETEKSI PERUBAHAN CITRA TOPOGRAFI PASCA TSUNAMI ACEH MENGGUNAKAN METODE SEGMENTASI MORFOLOGI WATERSHED Sri Yulianto J. P., Hindriyanto Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana, Salatiga
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 terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciBAB 4 PEMROSESAN CITRA DAN IMPLEMENTASI Pemrosesan Citra dan Rancangan Eksperimen untuk Fusi Citra
BAB 4 PEMROSESAN CITRA DAN IMPLEMENTASI 4.1. Pemrosesan Citra dan Rancangan Eksperimen untuk Fusi Citra Pada fusi data citra fluorescent hijau dan fluorescent merah penulis melakukan Pixel Level Fusion
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI CITRA MENGGUNAKAN METODE KONTUR AKTIF DENGAN SEGMENTASI LOKAL ATAU GLOBAL SECARA SELEKTIF (Kata kunci: segmentasi citra, kontur aktif, fungsi level set, filter
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBatra Yudha Pratama
Pendeteksian Tepi Pengolahan Citra Digital Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara
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 terperinciAbstrak. Kata Kunci: Batik, Ekstraksi fitur geometri, cardinal spline, representasi kurva
Ekstraksi Fitur Geometri Pada Citra Batik Menggunakan Representasi Kurva Cardinal Spline Aris Fanani 1, Anny Yuniarti 2, Nanik Suciati 3 Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya,
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi
Lebih terperinciBAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh
BAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA 3.1 Pemrosesan Citra Konvensional. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh merupakan solusi yang sangat baik. Informasi
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. 1 Tinjauan Studi Berbagai penelitian telah dilakukan untuk menunjukkan betapa pentingnya suatu edge detection dalam perkembangan pengolahan suatu citra, berikut
Lebih terperinciIdentifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia
Identifikasi Sel Darah Berbentuk Sabit Pada Citra Sel Darah Penderita Anemia Imam Subekti, I Ketut Eddy Purnama, Mauridhi Hery Purnomo. Jurusan Teknik Elektro FTI - ITS Penelitian ini mengidentifikasi
Lebih terperinci(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :
(IMAGE ENHANCEMENT) Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yang dihasilkan lebih baik daripada
Lebih 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 terperinciBAB 3 ANALISIS DAN PENGEMBANGAN ALGORITMA. ketidakpastian. Citra tersebut terkadang belum tentu dapat diketahui objeknya,
BAB 3 ANALISIS DAN PENGEMBANGAN ALGORITMA 3.1 Analisis Permasalahan Pengolahan citra merupakan sebuah proses yang memiliki banyak faktor ketidakpastian. Citra tersebut terkadang belum tentu dapat diketahui
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
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 terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih 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 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 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 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 terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
Lebih terperinciEKSTRASI FITUR GEOMETRI PADA CITRA BATIK MENGGUNAKAN REPRESENTASI KURVA CARDINAL SPLINE
Aris Fanani, dkk, Ekstraksi Fitur Geometriitur Geometri Vol. 4, No. 1 Juni 214 ISSN 288-213 EKSTRASI FITUR GEOMETRI PADA CITRA BATIK MENGGUNAKAN REPRESENTASI KURVA CARDINAL SPLINE Aris Fanani 1), Anny
Lebih terperinciPengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial Dr. Aniati Murni (R.1202) Dina Chahyati, M.Kom (R.1226) Universitas Indonesia DC - OKT 2003 1 Tujuan Peningkatan Mutu Citra Sumber Pustaka:
Lebih terperinciBAB 1 PENDAHULUAN. ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased).
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi obyek pada citra dapat dilakukan dengan tiga metode yaitu ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased). Metode
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis Sistem Tahapan analisis merupakan tahapan untuk mengetahui tahapan awal didalam sebuah sistem pendeteksian filter sobel. Didalam aplikasi filter sobel ini
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB 1V HASIL SIMULASI DAN ANALISIS
BAB 1V HASIL SIMULASI DAN ANALISIS Hasil simulasi yang didapat dari script coding atau program simulasi menggunakan Matlab. Hasil yang dianalisis pada Tugas akhir ini yaitu luas area objek buah semangka
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Indonesia merupakan negara berkembang yang memiliki jumlah penduduk yang cukup banyak. Menurut hasil sensus penduduk tahun 2010 yang dikeluarkan
Lebih terperinciOperasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma
Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
Lebih terperinciProgram Magister Bidang Keahlian Telematika Jurusan Teknik Elektro FTI ITS
Dosen Pembimbing Dr. I Ketut Eddy Purnama, S. T., M. T. Moch Hariadi S.T, MSc, PhD Program Magister Bidang Keahlian Telematika Jurusan Teknik Elektro FTI ITS Masih banyaknya penderita TBC di Indonesia
Lebih terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciPENGENALAN POLA TEKSTIL MENGGUNAKAN MATRIKS CHI SQUARED SKRIPSI OLEH : SULISTYA FITRI YULAIKAH
PENGENALAN POLA TEKSTIL MENGGUNAKAN MATRIKS CHI SQUARED SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) pada Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
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 terperinciANALISA PERBANDINGAN METODE SEGMENTASI CITRA PADA CITRA MAMMOGRAM
INFORMATIKA, Vol.3 September 2016, pp. 156~163 ISSN: 2355-6579 E-ISSN: 2528-2247 156 ANALISA PERBANDINGAN METODE SEGMENTASI CITRA PADA CITRA MAMMOGRAM Toni Arifin 1 1 Universitas BSI Bandung Jalan sekolah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
Lebih terperinci