BAB II LANDASAN TEORI
|
|
- Budi Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte. Banyak sekali informasi yang dimiliki oleh gambar-gambar digital ini. Namun kesulitan untuk mengakses informasi-informasi ini pun terjadi, sehingga muncul solusi-solusi untuk membuat gambar-gambar digital ini terorganisir agar dapat dilakukan pencarian dan retrival yang efisien. Sejak 1970, bidang ilmu retrival citra sangat aktif melakukan penelitian, dengan dorongan dari dua komunitas penelitian utama, yaitu manajemen basis data dan visi komputer. Kedua komunitas ini melakukan penelitian terhadap retrival citra melalui dua sudut yang berbeda, yaitu berbasis teks dan berbasis visual (Rui, Huang, & Chang, 1999). Retrival citra berbasis teks sudah mulai dilakukan sejak akhir 1970-an. Framework yang sangat populer dari retrival citra ini adalah pertama membubuhi keterangan gambar dengan teks dan kemudian menggunakan sistem manajemen basis data berbasis teks untuk melakukan retrival citra. Banyak kemajuan seperti pemodelan data, pengindeksan multidimensi, dan evaluasi query, yang dilakukan sepanjang arah penelitian. Namun, terdapat dua kesulitan utama, terutama ketika ukuran koleksi gambar semakin besar mencapai puluhan atau ratusan ribu. Pertama adalah jumlah tenaga kerja yang besar yang dibutuhkan untuk melakukan pembubuhan gambar secara manual, yang kedua dan yang lebih penting adalah, hasil dari gambar-gambar yang kaya akan konten dan subyektifitas persepsi manusia. Artinya, dalam konten gambar yang sama manusia yang berbeda dapat mengartikan secara
2 17 berbeda. Subyektifitas persepsi dan pembubuhan yang kurang tepat dapat mengakibatkan ketidaksesuaian dalam proses retrival citra (Rui, Huang, & Chang, 1999). Pada awal 1990, retrival citra berbasis konten diusulkan. Artinya, gambar tidak lagi dilakukan pembubuhan kata secara manual untuk kepentingan pencarian tetapi akan diindeks oleh konten visualnya sendiri, seperti warna atau tekstur. Sejak itu, banyak teknik dalam arah penelitian tersebut dikembangkan dan banyak sistem retrival citra, dengan tujuan penelitian maupun komersil, dibangun (Rui, Huang, & Chang, 1999). 2.2 Retrival Citra Berbasis Konten Retrival citra berbasis konten, juga dikenal sebagai query dengan menggunakan konten gambar dan pencarian informasi visual berbasis konten adalah aplikasi dari visi dunia komputer untuk masalah pengambilan gambar, yaitu, masalah dalam pencarian gambar digital di dalam basis data berukuran besar. Berbasis konten berarti bahwa pencarian menggunakan konten dari gambar itu sendiri, daripada mengandalkan masukan metadata dari manusia seperti judul atau kata kunci. Sistem retrival citra berbasis konten adalah software yang mengimplementasikan retrival citra berbasis konten (Suhasini, Krishna, & Krishna, 2009). Menurut (Sai & Patil, 2010), sistem retrival citra berbasis konten biasanya melakukan dua tugas utama. Yang pertama adalah ekstraksi ciri, dimana set dari fitur, yang disebut juga gambar signature atau vektor fitur, dihasilkan untuk secara akurat mewakili isi dari masingmasing gambar dalam database. Tugas kedua adalah kesamaan pengukuran, dimana jarak vektor fitur antara citra query dengan setiap gambar dalam database dihitung sehingga gambar-gambar yang memiliki jarak terdekat dapat diambil (Sai & Patil, 2010). Menurut (Kondekar, Kolkure, & Kore, 2010), tahapan retrival citra berbasis konten adalah sebagai berikut:
3 18 Ekstraksi fitur (feature extraction): Ekstraksi fitur-fitur dari gambar yang merupakan representasi dari gambar tersebut, bertujuan untuk membedakan konten antara gambar-gambar. Pengindeksan (indexing): Fitur-fitur yang sudah diekstrak sebelumnya kemudian diindeks lalu disimpan di dalam basis data. Pengindeksan bertujuan untuk mempercepat pencarian dengan mengeliminasi bagian dari basis data yang tidak relevan berdasarkan urutan dan struktur dalam data. Pencocokan (matching): Pencocokan fitur-fitur antara fitur-fitur yang diekstrak dari gambar query dengan fitur-fitur pada basis data untuk menghasilkan sebuah hasil yang secara visual mirip. Skema dari sistem retrival citra berbasis konten secara umum dapat digambarkan pada gambar di bawah ini: Gambar 2.1 Diagram Blok dari Retrival Citra Berbasis Konten (Suhasini, Krishna, & Krishna, 2009)
4 Ekstraksi Fitur Ekstraksi fitur (konten) adalah dasar dari retrival citra berbasis konten. Ekstraksi fitur dapat diklasifikasikan sebagai fitur-fitur umum dan fitur dengan spesifik domain. Klasifikasi pertama mencakup fitur warna, tekstur, dan bentuk sedangkan klasifikasi kedua termasuk fitur-fitur yang merupakan fitur spesifik aplikasi sebagai contoh, fitur untuk wajah manusia dan sidik jari (Rui, Huang, & Chang, 1999). Fitur-fitur yang digunakan dalam penelitian ini termasuk ke dalam fitur-fitur umum sehingga pembahasan hanya akan mencakup di bagian tersebut saja, fitur-fitur umum tersebut adalah (Rui, Huang, & Chang, 1999): Warna merupakan salah satu fitur visual yang paling banyak digunakan dalam retrival citra, dan histogram warna merupakan fitur paling umum digunakan di dalam representasi fitur warna. Secara statistik, histogram melakukan ekstraksi terhadap probabilitas join dari intensitas tiga saluran warna (RGB). Salah satu fitur dalam penelitian ini menggunakan histogram dan penggunaannya akan dijelaskan lebih lanjut. Tekstur mengacu kepada pola visual yang memiliki sifat homogenitas yang bukan merupakan hasil dari keberadaan satu intensitas warna saja. Tekstur merupakan sifat bawaan dari semua permukaan terlihat, seperti awan, pohon, batu bata, dan kain. Tekstur memegang informasi penting mengenai susunan struktur permukaan dan hubungannya dengan lingkungan sekelilingnya. Karena tekstur memegang peranan penting dan banyak kegunaan dalam pengenalan pola dan visi komputer, banyak penelitian dilakukan untuk pengembangan fitur tekstur. Bentuk digunakan pada retrival citra, tergantung kepada aplikasinya. Beberapa aplikasi membutuhkan representasi bentuk untuk menjadi invarian untuk translasi, rotasi, skala. Secara umum, representasi bentuk bisa dibedakan menjadi dua kategori, berbasis batas dan berbasis daerah. Kategori pertama menggunakan batas luar dari
5 20 bentuk sementara kategori kedua menggunakan wilayah seluruh bentuk. Representasi bentuk juga dapat dibedakan menjadi representasi gambar 2 dimensi (2D) dan 3 dimensi (3D). Salah satu fitur dalam penelitian ini menggunakan fitur bentuk yaitu gradient vector flow, dimana representasi 2D diusulkan oleh (Xu & Prince, 1998) dan representasi 3D dikembangkan oleh Eric Smistad ( 2.4 Histogram Retrival citra berbasis konten memainkan peranan penting dalam area aplikasi khususnya sistem database multimedia dalam beberapa tahun terakhir. Pekerjaan terfokus dalam penggunaan fitur-fitur tingkat rendah seperti warna, tekstur, bentuk dan tata ruang untuk representasi gambar. Di antara semua fitur visual, warna mungkin adalah salah satu yang paling membedakan di banyak aplikasi (Suhasini, Krishna, & Krishna, 2009). Isi visual dari gambar seperti warna, bentuk, tekstur dan tata ruang banyak digunakan dalam retrival citra berbasis konten. Ada banyak deskripsi dari fitur yang secara umum digunakan. Sebagai contoh, fitur warna dapat direpresentasikan dengan histogram. Demikian pula, fitur tekstur dapat diwakili oleh fitur Tamura, Gabor dan transformasi wavelet. Selain itu, fitur bentuk dapat diwakili oleh fitur berbasis Fourier. Akhirnya, fitur tata ruang dapat direpresentasikan dengan string 2D (Omar, Ismail, & Ghanem, 2009). Warna adalah salah satu fitur visual yang paling dapat diandalkan yang juga lebih mudah untuk diterapkan dalam sistem pengambilan gambar. Warna tidak tergantung pada ukuran dan orientasi gambar, karena, warna kuat untuk komplikasi latar belakang. Histogram warna adalah teknik paling umum untuk mengekstraksi fitur warna dari gambar berwarna. Pada kasus retrival citra histogram warna banyak digunakan untuk sistem retrival citra
6 21 berbasis konten. Hal ini dikarenakan metode ini adalah metode paling umum untuk memprediksi karakteristik dari gambar (Sai & Patil, 2010). Gambar 2.2 Ruang Warna RGB (Candan & Sapino, 2010, p35) Gambar 2.3 Ruang Warna HSV (Candan & Sapino, 2010, p39)
7 22 Pendekatan ini lebih sering diadopsi untuk sistem retrival citra berbasis konten yang didasarkan pada histogram warna konvensional, yang berisi jumlah kejadian dari setiap warna yang diperoleh dengan cara menghitung semua piksel gambar yang memiliki warna tersebut (Suhasini, Krishna, & Krishna, 2009). Karena setiap piksel dalam gambar dapat dideskripsikan oleh tiga komponen dalam ruang warna tertentu (misalnya, merah, hijau, dan biru dalam ruang RGB atau warna, saturasi, dan nilai dalam ruang HSV), sebuah histogram, yaitu, distribusi jumlah piksel untuk setiap bin terkuantisasi, dapat didefinisikan untuk setiap komponen. Jelas, semakin banyak bin dari histogram warna berarti semakin banyak kekuatan perbedaan yang dimilikinya. Namun, histogram dengan sejumlah besar bin tidak hanya akan meningkatkan biaya komputasi, tetapi juga akan membangun indeks yang efisien untuk basis data citra (Suhasini, Krishna, & Krishna, 2009). Kuantisasi dalam hal warna histogram mengacu kepada proses mengurangi jumlah bin dengan mengambil warna-warna yang sangat mirip satu sama lain dan menempatkan mereka di bin yang sama. Secara default jumlah maksimum bin yang dapat diperoleh dengan menggunakan fungsi histogram di MatLab adalah 256 (Suhasini, Krishna, & Krishna, 2009). 2.5 Gradient Vector Flow (GVF) Kass mengusulkan Model Kontur Aktif, yang disebut juga dengan model ular, berdasarkan kepada pemikiran dinamis di tahun Presisi kontur dapat dideteksi di dalam model tersebut. Model Kontur Aktif meliputi model aktif geometri dan model aktif parametri (Zhang, 2008). Walaupun Model Kontur Aktif bisa mendapatkan batas obyek yang presisi, masih ada beberapa masalah yang dimiliki (Zhang, 2008): 1. Kontur awal harus dekat dengan tepi target.
8 23 2. Kontur sangat sulit untuk berevolusi menjadi batas cekung. 3. Posisi awal kontur pusat harus dekat dengan posisi tengah dari target. Dua masalah pertama telah dipecahkan oleh gradient vector flow (GVF), yang diusulkan oleh (Xu & Prince, 1998). Tetapi masalah ketiga masih dipelajari (Zhang, 2008). Secara matematis, gradient vector flow (GVF) didefinisikan sebagai solusi keseimbangan dari persamaan diferensial parsial vektor yang berdifusi dari vektor gradien tingkat abu-abu atau tepi peta biner yang dihitung dari citra yang diberikan (Zou, 2008). Didefinisikan gradient vector flow field menjadi vector field,,,, yang meminimalkan energi fungsi (Xu & Prince, 1998) (1) Dengan menggunakan kalkulus variasi, dapat ditunjukkan bahwa bidang GVF dapat ditemukan dengan memecahkan persamaan Euler berikut 0 0 (2a) (2b) dimana adalah operator Laplace.
9 24 (a) (b) Gambar 2.4 (a1) Gambar obyek U berukuran 64 x 64-pixel yang memiliki noise; (a2) edge map dengan 1.5; (b1) GVF external force field; (b2) konvergensi dari ular GVF Dalam thesis ini digunakan perhitungan Gradient Vector Flow (GVF) untuk gambar 3D oleh Eric Smistad ( yang implementasinya merupakan ekstensi sederhana dari implementasi asli 2D dari (Xu & Prince, 1998).
10 Pengukuran Kemiripan Pengambilan gambar pada dasarnya adalah penentuan kesamaan antara fitur citra query dan fitur gambar sasaran dalam basis data, yang pada dasarnya penentuan jarak antara vektor fitur yang mewakili gambar. Ukuran jarak yang diinginkan harus mencerminkan persepsi manusia. Artinya, antara persepsi gambar yang sama harus memiliki jarak yang lebih kecil dan yang berbeda harus memiliki jarak yang lebih besar. Beberapa perhitungan jarak telah digunakan dalam retrival citra, termasuk blok kota (city block), Eucledian, kosinus (cosine), persimpangan jarak (histogram intersection), statistik, kuadratik, dan Mahalanobis (Zhang & Lu, 2003). Jarak kosinus menghitung perbedaan arah, terlepas dari panjang vektor. Jarak diberikan oleh sudut antara kedua vektor (Zhang & Lu, 2003). Dengan aturan perkalian titik, Pada penelitian pada thesis ini digunakan penghitungan jarak konsinus (cosine distance). 2.7 Evaluasi Performa Terdapat dua ukuran evaluasi yang digunakan untuk mengevaluasi efektifitas dari sistem retrival citra berbasis konten. Pengukuran pertama adalah recall yang merupakan ukuran dari kemampuan sebuah sistem untuk menampilkan seluruh gambar yang relevan. Pengukuran kedua adalah precision yang merupakan ukuran dari kemampuan sebuah sistem untuk menampilkan hanya gambar yang relevan (Kondekar, Kolkure, & Kore, 2010). Hasil temu kembali merepresentasikan hasil yang relevan jika hasil tersebut termasuk ke dalam kategori gambar yang sama dengan gambar query (Al-nihoud, 2010).
11 26
BAB III METODOLOGI PENELITIAN
27 BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Saat ini perkembangan teknologi memungkinkan kita untuk membantu memberikan solusi di berbagai bidang. Multimedia Database memberikan banyak kontribusi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
32 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Pengukuran Precision Pada penelitian ini, eksperimen dilakukan terhadap 160 gambar ZuBuD yang terdiri dari 40 kategori gambar (setiap kategori terdiri atas 4 gambar).
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Temu Kembali Citra Berbasis Konten (TKCBK) 2.1.1 Pengertian TKCBK Menurut (Kondekar, Kolkure, & Kore, 2010) pengertian dari TKCBK adalah temu kembali dari gambar berbasis fitur
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 terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinci2.Landasan Teori. 2.1 Konsep Pemetaan Gambar dan Pengambilan Data.
6 2.Landasan Teori 2.1 Konsep Pemetaan Gambar dan Pengambilan Data. Informasi Multi Media pada database diproses untuk mengekstraksi fitur dan gambar.pada proses pengambilan, fitur dan juga atribut atribut
Lebih terperinciBAB I PENDAHULUAN. semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan teknologi informasi dan komunikasi yang semakin pesat, semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra akan
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
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 terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
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 terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Fotogrametri adalah suatu seni, pengetahuan dan teknologi untuk memperoleh informasi yang dapat dipercaya tentang suatu obyek fisik dan keadaan sekitarnya melalui proses
Lebih terperinciGambar 2 Prinsip pencarian: (a) struktur dan area-area pencarian, (b) jumlah dari garis-garis sampling (Sumber: (Kirchgeβner et al. 2002).
6 kebanyakan informasi tentang suatu garis tepi objek akan berada pada frekuensi rendah dari transformasi Fourier diskret (Petković & Krapac 2002). Pada penerapan ekstraksi venasi daun, inisialisasi parameter
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. Pada tahun 1970an penelitian awal image retrieval dilakukan dengan
BAB 1 PENDAHULUAN 1.1 Latar belakang Pada tahun 1970an penelitian awal image retrieval dilakukan dengan menggunakan pendekatan pengindeksan dan informasi citra berbasis teks. Teknik pencarian berbasis
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciSISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON
SISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON Nurissaidah Ulinnuha 1), Halimatus Sa dyah 2) Fakultas Sains dan Teknologi, Universitas
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih 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 terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Video Video adalah teknologi untuk menangkap, merekam, memproses, mentransmisikan dan menata ulang citra bergerak. Teknologi ini biasanya menggunakan film seluloid, sinyal elektronik,
Lebih terperinciPENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA. Abstract
PENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA Kusrini 1, Agus Harjoko 2 1 Dosen STMIK AMIKOM Yogyakarta 2 Dosen FMIPA Universitas Gadjah Mada Yogyakarta Abstract There are two
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan
BAB I PENDAHULUAN 1.1 Latar Belakang Identifikasi manusia dapat dilakukan secara otomatis dengan bantuan perangkat elektronik. Identifikasi tersebut perlu dilakukan untuk menunjang sistem peresensi, keamanan,
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
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 terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
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 terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
Lebih terperinciTemu Kembali Citra Makanan Menggunakan Representasi Multi Texton Histogram
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-368 Temu Kembali Citra Makanan Menggunakan Representasi Multi Texton Histogram Imagine Clara Arabella, Nanik Suciati, dan Dini
Lebih terperinciLatar Belakang. Perlunya inventarisasi data dari tiap motif batik dari seluruh daerah di Indonesia
Latar Belakang Latar Belakang 1 Perlunya inventarisasi data dari tiap motif batik dari seluruh daerah di Indonesia 2 Pengenalan motif citra batik contoh dengan pencarian citra batik yang mirip menggunakan
Lebih terperinciBAB 1 PENDAHULUAN UKDW
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada era ini perkembangan teknologi informasi sangat pesat. Hal ini ditandai dengan semakin populernya penggunaan internet dan perangkat lunak komputer sebagai
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
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 terperinciSEGMENTASI CITRA. thresholding
SEGMENTASI CITRA Dalam visi komputer, Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen (set piksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi adalah untuk menyederhanakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi di bidang informasi spasial dan fotogrametri menuntut sumber data yang berbentuk digital, baik berformat vektor maupun raster. Hal ini dapat
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM
1 CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM Venny Mar atul Jannah Ismail 1, Arip Mulyanto 2, Abd. Aziz Bouty 3 1 Mahasiswa
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 terperinciIV. HASIL DAN PEMBAHASAN
26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciBAB 1 PENDAHULUAN. individu lain. Karakteristik ini perlu diidentifikasikan agar dapat digunakan untuk
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia adalah makhluk yang unik dan berbeda satu satu sama lain. Ia memiliki berbagai karakteristik yang dapat digunakan untuk membedakan dirinya dengan individu
Lebih terperinciIMPLEMENTASI METODE MODIFIED HAUSDORFF DISTANCE DALAM MENILAI KEMIRIPAN CITRA. Andi Shahreza Harahap 1 Dini Sundani 2 Dewi Agushinta R 3.
IMPLEMENTASI METODE MODIFIED HAUSDORFF DISTANCE DALAM MENILAI KEMIRIPAN CITRA Andi Shahreza Harahap 1 Dini Sundani 2 Dewi Agushinta R 3 1, 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciPencarian Citra Berdasarkan Konten Warna dengan Menggunakan Parameter Ukur Similaritas dan Disimilaritas Histogram
Pencarian Citra Berdasarkan Konten Warna dengan Menggunakan Parameter Ukur Similaritas dan Disimilaritas Histogram Fenni Agustina, Sarifuddin Madenda, Ernastuti Fakultas Teknologi Industri Universitas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka tentang identifikasi iris mata ataupun identifikasi citra digital sudah pernah dilakukan sebelumnya, berikut merupakan tabel perbandingan terhadap
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Dewi Wulansari, S.ST 1, Entin Martiana K, M.Kom 2, Nana Ramadijanti,
Lebih terperinciAPLIKASI PENCARIAN GAMBAR DENGAN KONTEN BERDASARKAN FITUR BENTUK BERBASIS WEB MENGGUNAKAN METODE GRADIEN VEKTOR FLOW SNAKE
APLIKASI PENCARIAN GAMBAR DENGAN KONTEN BERDASARKAN FITUR BENTUK BERBASIS WEB MENGGUNAKAN METODE GRADIEN VEKTOR FLOW SNAKE Iradatil Wahdaniah 1, Harlinda L. 2 1 iradatli_wahdaniah@gmail.com, 2 hj.linda@yahoo.com
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB I PENDAHULUAN. menganalisis citra menggunakan bantuan komputer yang bertujuan untuk
BAB I PENDAHULUAN A. Latar Belakang Citra (gambar) adalah suatu representasi, kemiripan, atau imitasi dari suatu objek (Annisa, 2010). Citra mengandung informasi tentang objek yang direpresentasikan. Sehingga
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi komputer dan internet semakin maju
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi komputer dan internet semakin maju menyebabkan data digital yang dihasilkan, disimpan, ditransmisikan, dianalisis, dan diakses menjadi
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih 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 terperinciPembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD)
Berkala Fisika ISSN : 1410-9662 Vol. 6, No. 1, Januari 2003, hal 5-10 Pembentukan Vektor Ciri Dengan Menggunakan Metode Average Absolute Deviation (AAD) Kusworo Adi Laboratorium Instrumentasi dan Elektronika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Keamanan adalah masalah penting dalam kehidupan masyarakat pada saat ini. Terjadinya banyak tindak kejahatan dan pemalsuan identitas mengindikasikan bahwa masyarakat
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dewasa ini pengolahan citra digital telah mengalami perkembangan pesat dengan semakin banyak penelitian tentang pengenalan objek dari sebuah citra. Pengenalan suatu
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 terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN FITUR BENTUK MENGGUNAKAN METODE GRADIENT VECTOR FLOW SNAKE
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN FITUR BENTUK MENGGUNAKAN METODE GRADIENT VECTOR FLOW SNAKE Ida Hastuti 1, Mochammad Hariadi 2, I Ketut Eddy Purnama 3 Program Pascasarjana, Jurusan Teknik Elektro,
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB III 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 terperinciAPLIKASI IMAGE RETRIEVAL MENGGUNAKAN KOMBINASI METODE COLOR MOMENT DAN GABOR TEXTURE
APLIKASI IMAGE RETRIEVAL MENGGUNAKAN KOMBINASI METODE COLOR MOMENT DAN GABOR TEXTURE Arwin Halim 1, Hardy 2, Christina Dewi 3, Sulaiman Angkasa 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin
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 terperinciLaporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F
Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
Lebih 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 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 terperinciVI. HASIL DAN PEMBAHASAN. Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk
VI. HASIL DAN PEMBAHASAN A. Segmentasi Warna merupakan ciri dominan yang bisa dibedakan secara visual untuk mendapatkan informasi dari basisdata citra. Segmentasi warna adalah proses mengelompokkan citra
Lebih terperinciEkstraksi Keyframe dengan Entropy Differences untuk Temu Kembali Konten Video berbasis Speeded-Up Robust Feature
Ekstraksi Keyframe dengan Entropy Differences untuk Temu Kembali Konten Video berbasis Speeded-Up Robust Feature M Misbachul Huda Institut Teknologi Sepuluh Nopember (ITS) Surabaya misbachul.h@gmail.com
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
Lebih terperinciAPLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciTemu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas
Temu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas Nama : Yudhi Septianto A.P NPM : 50408886 Pembimbing : Dr. Karmilasari., Skom, MM LATAR BELAKANG Klasifikasi rambu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi seperti saat ini, kebutuhan akan informasi dan sistem yang dapat membantu kebutuhan manusia dalam berbagai aspek sangatlah penting.
Lebih terperinciII TINJAUAN PUSTAKA. * adalah operasi konvolusi x dan y, adalah fungsi yang merepresentasikan citra output,
5 II INJAUAN PUSAKA.1 Fitur Scale Invariant Feature ransform (SIF) Fitur lokal ditentukan berdasarkan pada kemunculan sebuah objek pada lokasi tertentu di dalam frame. Fitur yang dimaksudkan haruslah bersifat
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 terperinciBAB I PENDAHULUAN I.1.
15 BAB I PENDAHULUAN I.1. Latar Belakang Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakterisitik yang tidak dimiliki
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
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 terperinciPERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR
PERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR Muhammad Nasir 1, Amri 2, Husaini 3 1,2,3 Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe
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 terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih 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 terperinciBAB 5 HASIL DAN PEMBAHASAN
4 BAB HASIL DAN PEMBAHASAN Ada tiga tahap utama yang dilakukan pada percobaan ini yaitu ektraksi ciri, pelatihan dan pengujian JST. Percobaan dilakukan dengan mengkombinasikan data hasil ekstraksi ciri
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih 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 terperinci