KLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Dhani Pratikaningtyas 1, Imam Santoso 2, Ajub Ajulian Z. 2.
|
|
- Susanti Yuliana Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 Makalah Tugas Akhir KLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Dhani Pratikaningtyas 1, Imam Santoso 2, Ajub Ajulian Z. 2 Abstract Texture is an important characteristic of surface analysis of any images. The term of texture generally defined as repeating of texture basic elements called texel (texture element) that spread periodically or randomly. Pattern on batik which can be spots or pictures, can compose texture. In this case, every intensity forms connected pixel which represents every character. By texture approach for analyzing an image, it is expected that computer can recognize batik pattern based on the class. Texture classification process by analyzing of wavelet package is the method that allows fast classification. In this study, we used Wavelet Package Transformation (WPT) with several kinds of wavelet: Daubechies-2, Daubechies- 3, and Coiflet-1. The classification is started with the decomposition process to obtain the wavelet coefficients which then counted the energy and entropy values of each images and then incorporated to database. The next process is comparing the energy and entropy between images which will be classified with the images on the database. The final step is to find Euclidean distance to show that the tested images is one of the class on the database. From the testing result on batik pattern, the test based on the kind of wavelet using wavelet Daubechies-2 wavelet level 1 obtain 95% and at level 2 obtain 53,33%, level 3 obtain 36,67%, and level 4 obtain 30%. In the Daubechies-3 wavelet test obtained 86,67% at level 1, 61,67% at level 2, 35% at level 3, and 26,67% at level 4. From the Coiflet-1 obtained 91,67% at level 1, 60% at level 2, 36,67% at level 3, and 23,33% at level 4, Keywords: batik, wavelet, decomposition, energy, entropy, Euclidean. I. Pendahuluan 1.1 Latar Belakang Setiap citra memiliki tekstur yang unik, yang mampu membedakan citra dengan kelas tertentu dengan kelas yang lainnya. Manusia mampu membedakan citra dengan kelas-kelas tertentu karena manusia memiliki ingatan akan tekstur dari setiap kelas citra tersebut. Kemampuan manusia tersebut apabila diterapkan ke dalam suatu sistem yang berupa perangkat lunak maupun perangkat keras, akan sangat berguna untuk diaplikasikan dalam banyak hal. Contoh aplikasinya adalah automatisasi dalam mengklasifikasikan objek atau barang dalam proses industri, analisis citra satelit, pencarian data citra di dalam halaman web atau basis data, peninjauan kualitas barang, dan lain-lain. Dalam tugas akhir ini akan dibuat suatu sistem berupa perangkat lunak yang mampu mengklasifikasikan citra batik ke dalam kelaskelas tertentu, karena pada batik memiliki keunikan. Keunikan ini terletak pada motif, pakem (cara motif diorganisasi), dan insen-insen (ornamen-ornamen kecil yang digunakan untuk mengisi ruang kosong diantara motif utama). 1 Mahasiswa Teknik Elektro UNDIP 2 Dosen Teknik Elektro UNDIP Tujuan Tujuan dari tugas akhir ini ialah : 1. Membuat perangkat lunak yang mampu mengklasifikasikan citra batik dengan metode transformasi paket wavelet dan metode klasifikasi jarak Euclidean. 2. Meneliti tingkat pengenalan perangkat lunak terhadap citra batik dengan cara melakukan pengujian dan analisis terhadap berbagai wavelet yang digunakan dan rotasi terhadap citra. 1.3 Pembatasan Masalah Agar tidak menyimpang jauh dari permasalahan, maka Tugas Akhir ini membatasi masalah sebagai berikut : 1. Data masukan yang menjadi objek adalah beberapa citra batik dari 6 kelas yaitu : Parang, Nitik, Garuda, Megamendung, Tambal dan Buket. 2. Menggunakan metode transformasi paket wavelet. Jenis wavelet yang dipergunakan adalah Daubechies_2, Daubechies_3, dan Coiflet_1. 3. Menggunakan 2 ciri yaitu energi dan entropi. 4. Klasifikasi menggunakan jarak Euclidean.
2 2 II. DASAR TEORI 2.1 Tekstur Tekstur dicirikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel (pixel) yang bertetangga. Sistem visual manusia pada hakikatnya tidak menerima informasi citra secara bebas pada setiap piksel, melainkan suatu citra dianggap sebagai suatu kesatuan. Secara umum tekstur mengacu pada pengulangan elemen-elemen tekstur dasar yang sering disebut primitif atau teksel (texel).untuk membentuk suatu tekstur setidaknya ada syarat yang harus dipenuhi. Syarat-syarat terbentuknya tekstur setidaknya ada dua, yaitu: 1. Adanya pola-pola primitif yang terdiri dari satu atau lebih piksel. Bentuk-bentuk pola primitif ini dapat berupa titik, garis lurus, garis lengkung, luasan dan lain-lain yang merupakan elemen dasar dari sebuah bentuk 2. Pola-pola primitif tadi muncul berulangulang dengan interval jarak dan arah tertentu sehingga dapat diprediksi atau ditemukan karakteristik pengulangannya. Analisis tekstur merupakan hal yang mendasar pada berbagai aplikasi mulai dari penginderaan jauh (citra satelit), pencitraan medis, visi robot, penyimpanan citra pada basis-data yang besar, dan identifikasi kualitas suatu bahan (tekstil, kulit, kayu, batu, biji, dll). Untuk tujuan pengolahan citra, analisis tekstur adalah menjadikan pola variasi lokal intensitas yang berulang sebagai pembeda, manakala pola variasi tersebut terlalu kecil bila dibandingkan dengan objek yang diamati dalam resolusi yang dipakai. Contoh sederhana adalah pola berulang dari titik-titik di atas latar belakang putih. Motif yang terdapat pada batik yang berupa titik-titik atau gambar juga dapat membentuk tekstur. Dalam hal ini setiap titik intensitas membentuk piksel-piksel yang terhubung yang mewakili setiap karakter. 2.2 Batik Batik memiliki berbagai macam motif yang bervariasi. Setiap daerah di Indonesia memiliki ciri khas tertentu pada motif batik. Batik memiliki keunikan, keunikan ini terletak pada motif, pakem (cara motif diorganisasi), dan insen-insen (ornamen-ornamen kecil yang digunakan untuk mengisi ruang yang kosong di antara motif utama). Motif batik dapat berbentuk geometris maupun non-geometris. Motif memiliki peranan penting dalam mendefinisikan filosofi atau arti batik [9]. 2.4 WAVELET Kata Wavelet dikemukakan oleh Morlet dan Grossman pada awal tahun Dalam bahasa Perancis ondelette yang berarti gelombang kecil. Dan setelah itu dalam bahasa Inggris kata onde diganti dengan wave sehingga menjadi wavelet [14]. Wavelet adalah fungsi yang memenuhi persyaratan matematika tertentu yang mampu melakukan dekomposisi terhadap sebuah fungsi. Wavelet merupakan sebuah basis. Basis wavelet berasal dari sebuah fungsi penskalaan atau dikatakan juga sebuah scaling function. Scaling function memiliki sifat yaitu dapat disusun dari sejumlah salinan yang telah didilasikan, ditranslasikan dan diskalakan. Fungsi ini diturunkan dari persamaan dilasi (dilation equation), yang dianggap sebagai dasar dari teori wavelet. Persamaan dilasi sebagai berikut : φ ( x) = ckφ(2x k) (2.1) dari persamaan scaling function ini dapat dibentuk persamaan wavelet yang pertama (atau disebut juga mother wavelet), dengan bentuk sebagai berikut : 0 k ψ x ) ( 1) c φ(2x k) (2.2) LLLL LLLH LH LL LH LH ( = 1 k k Dari mother wavelet ini kemudian dapat dibentuk wavelet-wavelet berikutnya (ψ 1, ψ 2 dan seterusnya) dengan cara mendilasikan (memampatkan atau meregangkan) dan menggeser mother wavelet. 2.5 Dekomposisi Citra Alihragam wavelet terhadap citra adalah menapis citra dengan tapis wavelet. Hasil dari penapisan ini adalah 4 subbidang citra dari citra asal, keempat subbidang citra ini berada dalam kawasan wavelet. Keempat subbidang citra ini adalah pelewat rendah-pelewat rendah (LL), pelewat rendah-pelewat tinggi (LH), pelewat tinggi-pelewat rendah (HL), dan pelewat tinggipelewat tinggi (HH). Proses ini disebut dekomposisi, dekomposisi dapat dilanjutkan kembali dengan citra pelewat rendah-pelewat rendah (LL) sebagai masukannya untuk mendapatkan tahap dekomposisi selanjutnya. LLH L LLH H LH H L LH H H H LLL H LLH H H LL H H LH H LH L H LH H H H H L H H H H Gambar 2.1 Subcitra pada dekomposisi 2 kali.
3 3 Komputasi koefisien-koefisien pada wavelet dapat diterapkan dengan algoritma pada gambar berikut ini : 2.8 Jarak Euclidean Euclidean merupakan metode statistika yang digunakan untuk mencari data antara parameter data referensi atau basis-data dengan parameter data baru atau data uji. D i = N ( x1 x2 ) i= 0 2 (2.5) Gambar 2.2 Algoritma dekomposisi 2-dimensi dengan wavelet Haar. 2.6 Energi Subband Ciri-ciri citra hasil dekomposisi citra dapat diperoleh dengan menghitung energi yang terkandung pada setiap subband. Pada setiap skala, suatu citra terbagi menjadi 4 subband, seperti gambar 2.3. Dengan: D i = jarak terhadap tekstur i yang terkecil pada basis-data x 1 = ciri dari tekstur yan diklasifikasikan x 2 = ciri dari tekstur yang terdapat pada basis-data. Tekstur akan diklasifikasikan sebagai tekstur i apabila D i merupakan jarak terkecil dibandingkan dengan jarak yang lainnya. III. PERANCANGAN PERANGKAT LUNAK Dalam perangkat lunak pengklasifikasi motif batik ini, terdapat proses-proses yang dilakukan dari awal data dipilih, hingga pada akhirnya data tersebut diklasifikasikan. Berikut diagram alir program : Mulai Memilih Citra M Mengubah citra masukan menjadi citra aras keabuan Gambar 2.3 Citra Subband Energi setiap subband dapat dihitung dengan rumus berikut: E x y subband scale =, _ Entropi, e = L i= 0 subband ( d x, y ) p( z n 2 i ) log 2. p( z i ) (2.3) dengan n menyatakan jumlah titik pada setiap subband [17]. 2.7 Entropi Entropi digunakan untuk mengukur keragaman dari intensitas citra. Entropi yang dihasilkan melalui wavelet dapat dipilih untuk menjadi ciri suatu citra. Entropi menunjukkan ukuran ketidakteraturan bentuk. Nilai entropi besar untuk citra dengan transisi derajat keabuan merata dan bernilai kecil jika struktur citra tidak teratur (bervariasi). Untuk menghitung entropi dapat dihitung menggunakan : (2.4) Filter Dekomposisi Ya Energi Jarak Jarak= kelas ke-n Proses Klasifikasi Selesai Tidak Tidak Dikenali Gambar 3.1 Diagram alir program utama.
4 4 Secara garis besar, proses-proses tersebut dikelompokkan pada delapan proses utama yaitu : 1. Memilih citra uji. 2. Mengubah citra masukan menjadi citra aras keabuan. 3. Memilih rotasi citra. 4. Memilih filter yang akan digunakan. 5. Melakukan proses dekomposisi. 6. Menghitung nilai energi dan entropi. 7. Menghitung jarak terdekat citra uji dengan basis data. 8. Melakukan proses klasifikasi citra Memilih Citra Masukan Proses yang pertama kali dilakukan dalam perangkat lunak pengklasifikasi motif batik ini adalah memilih citra masukan. Citra masukan adalah citra batik dengan format jpg, jepg, png, bmp atau gif. Ada 6 kelas yang digunakan. Berikut contoh motif pada masing-masing kelas : (a) (b) Dekomposisi Wavelet Proses ini berfungsi untuk mendekomposisikan transformasi paket wavelet dalam beberapa level yang diiginkan dan mencari koefisien dari setiap node Perhitungan Energi Setelah melakukan dekomposisi maka selanjutnya yaitu menghitung energi yang terkandung pada setiap subband. Energi setiap subband dapat dihitung dari persamaan 2.3. Pada setiap skala, suatu citra terbagi menjadi 4 subband. Energi dihitung pada setiap level dekomposisi Perhitungan Entropi Perhitungan energi berfungsi untuk menghitung entropi yang dihasilkan setiap citra dari transformasi paket wavelet yang merupakan koefisien masukan. Entropi dihitung dari persamaan 2.4. Pemilihan entropi dapat didasarkan pada magnitude terbesar dari seluruh koefisien entropi suatu citra dari seluruh koefisien pada setiap subband. (c) (d) (e) (f) Gambar 3.2 Cotoh motif batik (a) Motif Buket, (b) Motif Garuda, (c) Motif Megamendung, (d) Motif Nitik, (e) Motif Parang (f) Motif Tambal Mengubah Citra Masukan menjadi Citra Aras Keabuan Citra masukan diubah menjadi citra aras keabuan terlebih dahulu, secara otomatis pada saat menjalankan perintah rotasi Citra Fungsi dari rotasi citra adalah untuk merotasi citra menjadi menjadi beberapa rotasi yang dapat dipilih yaitu normal, 90 derajat, 180 derajat, dan 270 derajat. Citra dirotasi untuk melihat pada saat pengujian, apakah sistem dapat mengenali citra yang sudah mengalami rotasi atau tidak Filter Wavelet Filter citra digunakan untuk memilih filter dari wavelet yang akan digunakan. Filter yang digunakan yaitu Db-2, Db-3 dan Coif-1. Dengan 3 pilihan filter, maka akan terlihat perbandingan kemampuan dari tiap filter pada saat pengujian. Perhitungan Jarak Perhitungan jarak digunakan untuk menentukan kedekatan jarak antara energi dan entropi dari data uji dengan basis data. Perhitungan jarak ini menggunakan rumus jarak Euclidean pada persamaan 2.5. Citra diklasifikasikan sebagai kelas ke-i yang merupakan jarak terkecil dibandingkan dengan jarak yang lainnya. Sedangkan citra dengan jarak Euclidean yang lebih besar dibandingkan dengan basis data, akan citra tidak teridentifikasi. IV. PENGUJIAN DAN ANALISIS Untuk keperluan perangkat lunak ini digunakan beberapa jenis motif batik yang akan dikategorikan ke dalam 6 kelas yaitu parang, nitik, megamendung, tambal, buket, dan garuda yang semuanya terdiri dari 10 citra. Masing-masing motif tersebut telah didigitalisasi dan disimpan dalam file yang berekstensi.*jpg, dengan ukuran piksel. Yang secara otomatis pada program akan ditampilkan citra berukuran 400x400. Setiap motif dengan ukuran tersebut akan didekomposisi sebanyak empat kali, yang masing-masing berukuran piksel, 100x100 piksel, 50x50 piksel dan 25x25 pilsel. Jadi keseluruhan citra adalah 60 (6 10) dengan 4 x dekomposisi menggunakan 3 jenis filter. Untuk proses belajar digunakan satu level dekomposisi yaitu Daubechies 2 level 1 dengan 5 citra untuk setiap kelas. Jadi seluruhnya
5 5 melibatkan 30 (6x5x1x1) citra latih untuk basis data. Citra data ini ikut diujikan kembali dengan citra uji yang lain, proses pengujian sebanyak 60 (6x10) citra, dengan 4 level dan 3 filter yaitu 720 (6x10x4x3) pengujian. 4.1 Pengujian tanpa rotasi Pada pengujian dilakukan untuk tiap-tiap kelas motif yang ada, tanpa menggunakan variasi sudut rotasi. Pengujian menggunakan 60 citra, dengan variasi filter dan level dekomposisi. Dari hasil pengujian diperoleh hasil sebagai berikut : Tabel 4.1 Tingkat pengenalan berdasarkan Daubechies 2. Jenis Wavelet Nama Tekstur Db2 Level Megamendung Tambal Garuda Nitik Parang Buket Hasil 95% 53,33% 36,67% 30% Tabel 4.2 Tingkat pengenalan berdasarkan Daubechies 3. Jenis Wavelet Nama Motif Db3 Level Megamendung Tambal Garuda Nitik Parang Buket Hasil 86,67% 61,67% 35% 26,67% Tabel 4.3 Tingkat pengenalan berdasarkan Coif 1. Jenis Wavelet Nama Motif Coif 1 Level Megamendung Tambal Garuda Nitik Parang Buket Hasil 91,67 60% 36,67 23,33% Dari Tabel 4.1, Tabel 4.2, dan Tabel 4.3 dapat dilihat bahwa tingkat pengenalan tertinggi terhadap citra yang diujikan, ditunjukkan pada wavelet Daubechies 2 level 1. Hal ini disebabkan karena basis data yang digunakan menggunakan filter yang sama. Basis data yang digunakan sebagai masukan menggunakan 30 citra yang didapat dari 6 kelas motif yang ada, sehingga masing-masing kelas mempunyai 5 nilai energi yang digunakan sebagai basis data. Hal ini mempunyai pengaruh terhadap tingkat keberhasilan pengenalan citra uji. Jumlah basis data yang relatif kecil tidak akan cukup mewakili citra uji yang bervariasi. Nilai energi yang beragam sangat dipengaruhi oleh koefisien skala pada masinmasing jenis wavelet yang digunakan. Citra yang berbeda akan mempunyai nilai energi yang berbeda pula. Parameter yang digunakan untuk klasifikasi adalah nilai jarak terkecil dari citra yang didapat dari nilai energi dan entropi masingmasing citra. 4.2 Pengujian dengan rotasi Pengujian berdasarkan rotasi ini dilakukan dengan tujuan untuk melihat adanya perbedaan niai energi antara citra tanpa rotasi dengan citra pada saat di rotasi. Sehingga hal ini akan mempengaruhi keputusan benar dan salah atau kesesuian citra dalam menggunakan berbagai jenis wavelet. Citra yang akan diujikan adalah citra dengan rotasi 90, 180, 270. Pengujian dilakukan pada beberapa citra dan jenis wavelet yang dianggap dapat mewakili dalam analisis data. Tebel 4.4 Pengujian berdasarkan rotasi menggunakan wavelet Db 2. Db Level 1 88% 100% 88% Level 2 27% 50% 33% Level 3 22% 38% 33% Level 4 27% 33% 27% Tebel 4.5 Pengujian berdasarkan rotasi menggunakan wavelet Db 3. Db Level 1 72% 94% 72% Level 2 38% 61% 50% Level 3 22% 33% 33% Level 4 33% 22% 22%
6 Tebel 4.6 Pengujian berdasarkan rotasi menggunakan wavelet Coif 1. Coif Level 1 88% 88% 83% Level 2 38% 33% 38% Level 3 22% 22% 22% Level 4 22% 22% 27% Dari tabel 4.4, tabel 4.5 dan tabel 4.6, dengan pengujinan menggunakan rotasi 90, 180 dan 270 dapat dianalisis sebagai berikut : 1. Pada pengujian level 1 pada ketiga jenis wavelet, dengan menggunakan rotasi hasil yang diperoleh masih tinggi, ini membuktikan dengan rotasi hasil tidak jauh berbeda dengan tanpa rotasi. 2. Berdasarkan analisis diatas maka nilai energi berubah seiring dengan perubahan bentuk citra terbukti saat dilakukan rotasi maka nilainya akan berbeda dengan pada saat tanpa rotasi. 3. Wavelet terbaik untuk rotasi menggunakan wavelet Db Pada level 2, 3 dan 4, identifikasi lebih sedikit dikarenakan kedekatan pola informasi yang ditunjukkan dengan kedekatan nilai energi pada motif lain. Dari hasil uji coba yang dilakukan menunjukkan bahwa Wavelet Db 2, memiliki kesalahan paling sedikit dibandingkan dengan filter atau jenis wavelet yang lain. Selain itu masih terdapat kesalahan pengidentifikasian hal ini disebabkan oleh beberapa hal antara lain: 1. Adanya kemiripan citra secara visual Kesalahan identifikasi dapat terjadi apabila terdapat citra pada basis-data yang memiliki ciriciri atau pola informasi yang sangat dekat atau hampir sama (mirip). Kedekatan ciri-ciri tersebut dapat terjadi pada citra batik. 2. Adanya cacat pada citra Meskipun secara visual tidak mirip, namun kedekatan ciri-ciri atau pola informasi biasa terjadi karena adanya cacat pada citra. Cacat inilah yang mengubah ciri-ciri suatu citra sehingga mirip dengan ciri-ciri citra lain. Berdasarkan uji coba yang telah dilakukan maka dapat ditarik kesimpulan sebagai berikut. 1. Motif yang berbeda akan mempunyai nilai energi yang berbeda pula, demikian pula saat dilakukan rotasi akan menghasilkan suatu niai energi yang tidak sama dengan tekstur tanpa rotasi. 2. Parameter yang digunakan untuk kecocokan atau kebenaran suatu citra adalah nilai jarak terkecil dari citra basis data, yang didapat dari nilai energi pada masing-masing citra. 3. Nilai energi yang beragam sangat dipengaruhi oleh koefisien level pada masingmasing jenis wavelet yang digunakan. V. PENUTUP 5.1 Kesimpulan Dari hasil pengujian dan analisis maka dapat disimpulkan hal-hal sebagai berikut : 1. Nilai energi tertinggi yang yaitu pada motif Megamendung 09, penggujian menggunakan wavelet Daubecheis 2 level 1, sedangkan energi terkecil pada motif Tambal Wirasat, dengan pengujian menggunakan wavelet Db2 level Nilai energi tetinggi menunjukkan citra dengan variasi (texel) berwarna putih lebih dominan, sedangkan nilai energi terkecil mempunyai variasi (texel) warna hitam yang lebih dominan, seperti pada motif Megamendung, warna putih lebih dominan, diperoleh energi tertinggi. 3. Tingkat pengenalan untuk wavelet Db-2 level 1 sebesar 95 %, level 2 sebesar 53,33%, level 3 sebesar 36 % dan level 4 sebesar 30%. Tingkat pengenalan dengan menggunakan wavelet Db-3 level 1 sebesar 86,67 %, level 2 sebesar 61,67%, level 3 sebesar 35 % dan level 4 sebesar 26,67%. Tingkat pengenalan dengan menggunakan wavelet Coif-1 level 1 sebesar 91,67 %, level 2 sebesar 60%, level 3 sebesar 36,67% dan level 4 sebesar 23,33%. Wavelet Db-2 level 1 memiliki tingkat pengenalan tertinggi. 4. Entropi tertinggi pada motif Nitik yaitu 7, Entropi terendah pada motif Buket yaitu 7, Perubahan rotasi dengan variasi sudut akan mengubah nilai energi tetapi perbedaannya tidak terlalu jauh dari nilai asli. Misalnya pada pengujian wavelet Db 2 level 1 diperoleh hasil pengenalan motif sebesar 95%, dan pada saat dirotasi 90 hasil pengujian pengenalan sebesar 88%, pada rotasi 180 sebesar 100%, dan pada rotasi 270 sebesar 88% Saran Berdasarkan pengujian terhadap program klasifikasi motif batik menggunakan metode transformasi paket wavelet ini, dapat diberikan beberapa saran sebagai berikut : 1. Perlu dilakukan penelitian terhadap jenis wavelet selain dari ketiga jenis wavelet yang telah diujikan kemudian dibandingkan untuk memperoleh jenis wavelet yang paling optimal. 6
7 7 2. Perlu penelitian terhadap topik yang sama dengan penelitian ini, namun dengan citra warna RGB, sehingga tidak hanya klasifikasi motif batik saja tetapi juga ragam warna pada batik. 3. Perlu penelitian terhadap topik yang sama dengan penelitian ini, tetapi menggunakan metode yang lain seperti matik coocurance, autokorelasi, fractal dan lainnya kemudian dibandingkan untuk memperoleh keberhasilan proses klasifikasi yang terbaik. DAFTAR PUSTAKA [1] Ahmad, U, Pengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu, [2] Burrus, C.S., R.A Gopinath, and H. Guo, Introduction to Wavelet and Wavelet Transform, Prentice Hall, Inc., New Jersey, [3] Chang, T. and C.C. Jay Kuo, Texture Analysis and Classifcation with Tree- Structured wavelet Transform, IEEE trans on Image Processing, Vol 2 No. 4, Oktober [4] Ganis, Yudistira. Klasifikasi Jenis Bijibijian Menggunakan Matric Coocurance. Teknik Elektro Undip, Semarang, [5] Jain, A.K., Fundamental of Digital Image Processing, Prentice Hall, Inc., Singapore,1989. [6] Lim, Resmana, dan Reinders, Marcel, Pengenalan Citra Wajah dengan Pemrosesan Awal Transformasi Wavelet, ITS, Surabaya, [7] Listyaningrum, Rosanita. Analisis Tekstur Menggunakan Transfomasi Paket Wavelet,Teknik Elektro Undip, Semarang [8] Mallat, S., A Wavelet Tour of Signal Processing 2 nd edition, Academis Press, USA,1999. [9] Moertini, Veronica, Pengembangan Skalabilitas Algoritma Klasifikasi C4.5 Dengan Pendekatan Konsep Operator Relasi (Studi Kasus: Pra-Pengolahan dan Klasifikasi Citra Batik,ITB, Bandung, [10] Munir, R., Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika Bandung [11] Murni, A. dan S. Setiawan, Pengantar Pengolahan Citra, Elex Media Komputindo, Jakarta,1992. [12] Paulus, Eric, GUI Matlab, Penerbit Andi, Yogyakarta, [13] Pitas, I., Digital Image Processing Algorithms, Prentice Hall, Singapore, [14] Rahmawati,Indah. Pemampatan Citra Digital Dengan Wavelet Paket. Teknik Elektro Undip [15]...,Batik, Maret [16]...,Digital Image Procesing, /wiki/digital_image_processing, Juli BIOGRAFI Dhani Pratikaningtyas, lahir di Semarang. Menempuh pendidikan dasar di SDN Jomblang Barat 04 Semarang, SLTPN 8 Semarang, dan SMAN 9 Semarang. Saat ini sedang menempuh pendidikan Strata Satu di Universitas Diponegoro Fakultas Teknik Jurusan Teknik Elektro konsentrasi Elektronika dan Telekomunikasi. Menyetujui dan Mengesahkan, Pembimbing I, Imam Santoso S.T., M.T. NIP Tanggal : Pembimbing II, Ajub Ajulian Zahra S.T., M.T. NIP Tanggal
KLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET
SEMINAR NASIONAL ELECTRICAL, INFORMATICS, AND IT S EDUCATIONS 009 KLASIFIKASI MOTIF BATIK MENGGUNAKAN METODE TRANSFORMASI PAKET WAVELET Ajub Ajulian Z. 1, Imam Santoso 1, Dhani Pratikaningtyas Abstract
Lebih terperinciKLASIFIKASI CITRA DENGAN METODE TRANSFORMASI WAVELET PADA LIMA JENIS BIJI-BIJIAN
Makalah Tugas Akhir KLASIFIKASI CITRA DENGAN METODE TRANSFORMASI WAVELET PADA LIMA JENIS BIJI-BIJIAN Jackson A Bunga 1, R Rizal Isnanto 2, Ajub Ajulian Z. 2 Abstract Up until now, seeds classification
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALIHRAGAM WAVELET HAAR DAN JARAK EUCLIDEAN
PENGENALAN WAJAH MENGGUNAKAN ALIHRAGAM WAVELET HAAR DAN JARAK EUCLIDEAN Retno Wahyu Asrining Puri 1, Achmad Hidayatno, ST, MT, Rizal Isnanto, ST, MT Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciPERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET
PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK KLASIFIKASI TEKSTUR DENGAN MENGGUNAKAN ANALISA PAKET WAVELET Sarwosri, Rully Soelaiman, dan Esther Hanaya Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciPENGENALAN CITRA IRIS MATA MENGGUNAKAN JARAK MINKOWSKI DENGAN EKSTRAKSI CIRI ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES
PENGENALAN CITRA IRIS MATA MENGGUNAKAN JARAK MINKOWSKI DENGAN EKSTRAKSI CIRI ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES Maria Fitriana *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas
Lebih terperinciIDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN
IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN Hendarko Ahmad Hidayatno R. Rizal Isnanto Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro During this time,
Lebih terperinciMakalah Tugas Akhir. Abstract
1 Makalah Tugas Akhir IDENTIFIKASI KEBERADAAN KANKER PADA CITRA MAMMOGRAFI MENGGUNAKAN METODE WAVELET HAAR Dane Kurnia Putra 1, Imam Santoso S.T., M.T. 2, Ajub Ajulian Z S.T., M.T. 2 Abstract Breast cancer
Lebih terperinciIDENTIFIKASI KEBERADAAN KANKER PADA CITRA MAMMOGRAFI MENGGUNAKAN METODE WAVELET HAAR
IDENTIFIKASI KEBERADAAN KANKER PADA CITRA MAMMOGRAFI MENGGUNAKAN METODE WAVELET HAAR Dane Kurnia Putra, Imam Santoso *, Ajub Ajulian Zahra Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciMakalah Tugas Akhir. Abstract
Makalah Tugas Akhir ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET Agung Wicaksono 1, R. Rizal Isnanto 2, Achmad Hidayatno 2 Abstract Wavelet
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 terperinciANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET
ANALISIS TRANSFORMASI BALIK CITRA IRIS MENGGUNAKAN WAVELET HAAR BERDASARKAN FAKTOR RETENSI KOEFISIEN WAVELET Agung Wicaksono, R. Rizal Isnanto, and Achmad Hidayatno Jurusan teknik Elektro, Fakultas Teknik,
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciKLASIFIKASI CITRA BERAS BERDASARKAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN MENGGUNAKAN k-nearest NEIGHBOUR
MAKALAH SEMINAR TUGAS AKHIR KLASIFIKASI CITRA BERAS BERDASARKAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN MENGGUNAKAN k-nearest NEIGHBOUR Eko Prasetyo, Imam Santoso, Budi Setiyono. Jurusan Teknik Elektro
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, dan Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciPENGENALAN CIRI GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES DENGAN JARAK EUCLIDEAN
PENGENALAN CIRI GARIS UTAMA TELAPAK TANGAN MENGGUNAKAN ALIHRAGAM GELOMBANG SINGKAT DAUBECHIES DENGAN JARAK EUCLIDEAN Dyah Kusuma Mauliyani *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro,
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
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 terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciPengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri
Makalah Pengembangan Aplikasi Presensi Sidik Jari dengan menggunakan Alihragam Wavelet dan Jarak Euclidean di Dinas Pendidikan Kabupaten Wonogiri disusun oleh : RANDI GUSTAMA PUTRA PROGRAM STUDI TEKNIK
Lebih terperinciENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5
MAKALAH SEMINAR TUGAS AKHIR ENKRIPSI DATA HASIL ANALISIS KOMPONEN UTAMA (PCA) ATAS CITRA IRIS MATA MENGGUNAKAN ALGORITMA MD5 Sunaryo 1, Budi Setiyono 2, R. Rizal Isnanto 2 Abstrak - Biometrik merupakan
Lebih terperinciIDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET
IDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET Anang Setiaji *), Achmad Hidayatno, and Yuli Christyono Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof.
Lebih terperinciAPLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI
APLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI Arie Firmansyah Permana ), Achmad Hidayatno ), R. Rizal Isnanto ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciKINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL
KINERJA PENGENALAN SISTEM BIOMETRIK TELAPAK TANGAN MENGGUNAKAN EKSTRAKSI CIRI BERBASIS GELOMBANG SINGKAT BIORTOGONAL Herjuna Dony Anggara Putra *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
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 terperinciBLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)
BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Johansen Valentino (0822062) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciIDENTIFIKASI MACAN TUTUL DENGAN METODE GREY LEVEL COOCURENT MATRIX ( GLCM) Zuly Budiarso Fakultas teknologi Informasi, Univesitas Stikubank Semarang
IDENTIFIKASI MACAN TUTUL DENGAN METODE GREY LEVEL COOCURENT MATRIX ( GLCM) Zuly Budiarso Fakultas teknologi Informasi, Univesitas Stikubank Semarang Abstrak Tekstur (Textures) adalah sifat-sifat atau karakteristik
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciPEMBANGUNAN SISTEM CONTENT-BASED IMAGE RETRIEVAL MENGGUNAKAN KODE FRAKTAL DARI DOKUMEN CITRA TESIS ARIF RAHMAN NIM :
PEMBANGUNAN SISTEM CONTENT-BASED IMAGE RETRIEVAL MENGGUNAKAN KODE FRAKTAL DARI DOKUMEN CITRA TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG. Tekstur adalah salah satu elemen dasar citra. Elemen dasar ini berupa ciriciri
1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Tekstur adalah salah satu elemen dasar citra. Elemen dasar ini berupa ciriciri atau sifat-sifat yang terdapat didalam citra dan membentuk suatu pola-pola dengan interval
Lebih terperinciPENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI
PENGENALAN IRIS MATA MENGGUNAKAN METODE PENCIRIAN INDEPENDENT COMPONENTS ANALYSIS (ICA) DAN JARAK MINKOWSKI Febry Santo *), R.Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION
ADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION Disusun oleh : Nama : Dian Eriani Surbakti Nrp : 0822104 Jurusan Teknik
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN PADA SISTEM PRESENSI
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN PADA SISTEM PRESENSI Afrizal Mohamad Riandy *), R. Rizal Isnanto, and Ajub Ajulian Zahra
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciDETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS
MAKALAH SEMINAR TUGAS AKHIR DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS Sulistono*, Achmad Hidayatno**, R. Rizal Isnanto** Abstrak Kadangkala hasil
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciIdentifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough
Identifikasi Iris Mata Menggunakan Alihragam Wavelet Haar dan Transformasi Hough Okta Silvia M 1, Febi Yanto 2 1,2 Teknik Informatika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim Riau Jl. H.R.
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciMakalah Tugas Akhir. Keywords : Feature extraction, co-occurrence, classification, k-nearest Neighbor, seeds.
Makalah Tugas Akhir KLASIFIKASI CITRA DENGAN MATRIKS KO-OKURENSI ARAS KEABUAN (Gray Level Co-occurrence Matrix-GLCM) PADA LIMA KELAS BIJI-BIJIAN Yudhistira Ganis K 1, Imam Santoso, R. Rizal Isnanto Human
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra 2.1.1 Pengertian Citra Digital Secara harfiah, citra ( image) adalah gambar pada bidang dwimatra (duadimensi). Ditinjau dari sudut pandangan matematis, citra
Lebih terperinciOPTIMASI WATERMARKING PADA CITRA BIOMETRIK MENGGUNAKAN ALGORITME GENETIKA
OPTIMASI WATERMARKING PADA CITRA BIOMETRIK MENGGUNAKAN ALGORITME GENETIKA Muhammad Rifqi Fadhilah *), Imam Santoso, and Ajub Ajulian Zahra Departemen Teknik Elektro, Universitas Diponegoro Jl. Prof. Sudharto,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk mengetahui aktivitas dan karakteristik dari gunung tersebut.
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciDAFTAR ISI. BAB 3 PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Alir Utama Kamera Web iii
Aplikasi Kamera Web Untuk Mengidentifikasi Plat Nomor Mobil Jemmy / 0322042 E-mail : kaiser_jemmy@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria
Lebih terperinciPENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA SIDIK JARI BERBASIS TRANSFORMASI WAVELET DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Sayful Hakam 3 Adiwijaya 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
Lebih terperinciPERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT-SVD DAN RDWT-SVD. Abstract
PERBANDINGAN TEKNIK WATERMARKING CITRA DIGITAL MENGGUNAKAN DWT- DAN Qurrota Ayun Majid, T. Sutojo, S.Si, M.Kom Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 111201207118@mhs.dinus.ac.id
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET
KOMPRESI CITRA MEDIS MENGGUNAKAN METODE WAVELET 1) Arief Budiman 1) Dosen Fakultas Teknik Universitas Merdeka Madiun email : arief@unmer-madiun.ac.id Abstract In the world of medical, anx-ray image is
Lebih terperinciTeknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding
Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Gideon Aprilius (0522116) Email: dionjuntak@gmail.com Jurusan Teknik Elektro, Fakultas Teknik
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
Lebih terperinciPENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L
PENERAPAN DISCRETE DAUBECHIS WAVELET TRANSFORM D A L A M W A T E R M A R K I N G C I T R A D I G I T A L Hermawan Syahputra* 1, Andani D N 2 1,2 Jurusan Matematika, FMIPA Unimed, Medan, Indonesia e-mail:
Lebih terperinciKOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET
KOMPRESI IMAGE DALAM SOURCE CODING MENGGUNAKAN METODE TRANSFORMASI WAVELET NASKAH PUBLIKASI Diajukan Untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Teknik pada Fakultas Teknik Jurusan
Lebih terperinciPenyusun Tugas Akhir Alvian Adi Pratama [ ] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Penyusun Tugas Akhir Alvian Adi Pratama [5106100108] Dosen Pembimbing Diana Purwitasari, S.Kom, M.Sc. Dr. Eng. Nanik Suciati, S.Kom., M.Kom. Latar Belakang Batik merupakan harta kebudayaan Indonesia yang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Batu mulia merupakan salah satu bentuk keindahan alam yang berasal dari bebatuan bumi. Batu mulia sudah digunakan dari jaman dahulu sebagai perhiasan yang melambangkan
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciDAFTAR ISI ABSTRAK... KATA PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN Latar Belakang... 1
ABSTRAK Saat ini komputer dan piranti pendukungnya telah masuk dalam setiap aspek kehidupan dan pekerjaan. Komputer yang ada sekarang memiliki kemampuan yang lebih dari sekedar perhitungan matematik biasa.
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
Lebih terperinciIdentifikasi Ciri Kain Menggunakan Fitur Tekstur dan Gray Level Difference Method
Identifikasi Ciri Kain Menggunakan Fitur Tekstur dan Gray Level Difference Method Inwijayati Fakultas Teknologi Industri Universitas Gunadarmai Universitas Gunadarma Depok, Indonesia Prihandoko, Bertalya
Lebih terperinciPENGENALAN GIGI MENGGUNAKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENTS ANALYSIS) Angga Abiyanto *, Imam Santoso **, Ajub Ajulian Zahra **
PENGENALAN GIGI MENGGUNAKAN ANALISIS KOMPONEN UAMA (PRINCIPAL COMPONENS ANALSIS) Angga Abiyanto *, Imam Santoso **, Ajub Ajulian Zahra ** Abstrak - Pengenalan gigi adalah proses identifikasi manusia dengan
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 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 terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
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 terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciKOMPRESI DATA CITRA MENGGUNAKAN TRANSFORMASI WAVELET DIDUKUNG KUANTISASI ADAPTIF DAN HUFFMAN CODING
KOMPRESI DATA CITRA MENGGUNAKAN TRANSFORMASI WAVELET DIDUKUNG KUANTISASI ADAPTIF DAN HUFFMAN CODING (DATA COMPRESSION IMAGEUSING WAVELET TRANSFORM SUPPORTED WITH ADAPTIVE QUANTIZATION AND HUFFMAN CODING)
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 terperinciEKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :
EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciINSTITUT TEKNOLOGI BANDUNG
KAJIAN PENCOCOKAN CITRA DIGITAL BERDASARKAN KORELASI KOEFISIEN-KOEFISIEN WAVELET 2-D TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar sarjana. Oleh: Muhammad Aldien Said NIM 151
Lebih terperinciBAB 6 SIMPULAN DAN SARAN
39 BAB 6 SIMPULAN DAN SARAN 6.1 Simpulan Dari penelitian yang telah dilakukan hingga mendapatkan hasil yang cukup memuaskan, maka ada beberapa kesimpulan yang dapat peneliti berikan, 1. Teknik ekstraksi
Lebih terperinciPERBAIKAN METODE B.GATOS UNTUK RESTORASI CITRA DOKUMEN KUNO NON-LINIER. Arliansyah J2A
PERBAIKAN METODE B.GATOS UNTUK RESTORASI CITRA DOKUMEN KUNO NON-LINIER Arliansyah J2A 604 006 Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Pada Jurusan Matematika JURUSAN MATEMATIKA
Lebih terperinciPerbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) TerhadapAcuan Canny untuk Mendeteksi Tepi Citra
Perbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) TerhadapAcuan Canny untuk Men Tepi Citra Rico Eko Wibowo *), R. Rizal Isnanto **), Ajub Ajulian Zahra **) Jurusan Teknik Elektro, Universitas
Lebih terperinciIMPLEMENTASI TRANSFORMASI HAAR WAVELET UNTUK DETEKSI CITRA JERUK NIPIS YANG BUSUK
IMPLEMENTASI TRANSFORMASI HAAR WAVELET UNTUK DETEKSI CITRA JERUK NIPIS YANG BUSUK Lidya Andriani Sunjoyo 1 R. Gunawan Santosa 2 Kristian Adi Nugraha 3 lidya.andriani@ti.ukdw.ac.id gunawan@staff.ukdw.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja
Lebih terperinciWATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT)
WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK MODIFIKASI INTENSITAS PIKSEL DAN DISCRETE WAVELET TRANSFORM (DWT) Disusun Oleh : Aldo Roy Hardiansa Putra (0922056) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciDETEKSI SEBARAN TITIK API PADA KEBAKARAN HUTAN GAMBUT MENGGUNAKAN GELOMBANG-SINGKAT DAN BACKPROPAGATION (STUDI KASUS KOTA DUMAI PROVINSI RIAU)
TESIS DETEKSI SEBARAN TITIK API PADA KEBAKARAN HUTAN GAMBUT MENGGUNAKAN GELOMBANG-SINGKAT DAN BACKPROPAGATION (STUDI KASUS KOTA DUMAI PROVINSI RIAU) TRI HANDAYANI No. Mhs. : 125301914 PROGRAM STUDI MAGISTER
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperinciKLASIFIKASI KUALITAS BUAH STROBERI SEGAR BERDASARKAN PENGUKURAN ATRIBUT KECACATAN MENGGUNAKAN PENGOLAHAN CITRA
KLASIFIKASI KUALITAS BUAH STROBERI SEGAR BERDASARKAN PENGUKURAN ATRIBUT KECACATAN MENGGUNAKAN PENGOLAHAN CITRA Arina Diori (0722107) Jurusan Teknik Elektro email: arinadiorisinaga@yahoo.com ABSTRAK Buah
Lebih terperinciPENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE
PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE Radian Rizki Triadhi NRP : 1222033 E-mail : radianrizkitriadhi@ymail.com ABSTRAK Pengenalan tulisan tangan
Lebih terperinciPEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET. Sufiatul Maryana, Lita Karlitasari, Arie Qur ania
Pemanfaatan K-Nearest Neighbor (KNN) / Sufiatul Maryana PEMANFAATAN K-NEAREST NEIGHBOR (KNN) PADA PENGENALAN WAJAH DENGAN PRAPROSES TRANSFORMASI WAVELET Sufiatul Maryana, Lita Karlitasari, Arie Qur ania
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciDEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK
DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinci