Gambar 4.1 Diagram Percobaan
|
|
- Sucianty Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang dilakukan untuk melihat pengaruh beberapa parameter terhadap kinerja sistem. Gambar 4.1 Diagram Percobaan 55
2 56 Percobaan segmentasi objek dibawah pengaruh pencahayaan dilakukan dengan beberapa kondisi pada gambar 4.1 dengan memperhatikan parameter yang mempengaruhi keberhasilan sistem. Percobaan object variable Tujuan dilakkan percobaan object variable untuk mengetahui pengaruh parameter bentuk, warna dan tekstur objek foreground terhadap sistem segmentasi. Dalam percobaan ini digunakan tiga macam objek yang masing-masing objek memiliki bentuk berbeda yaitu cangkir, M-key BCA, dan pena. Percobaan background variable Tujuan dilakukan percobaan background variable untuk mengetahui pengaruh warna serta jumlah objek background yang akan digunakan pada percobaan terhadap keberhasilan sistem. Percobaan akan dilakukan dengan dua kondisi background yang berbeda yaitu kondisi satu buah objek sebagai background yang memiliki warna bervariasi dan kondisi dengan tiga buah objek sebagai background. Percobaan illumination Tujuan dilakukan percobaan dengan nilai intentas cahaya yang berbeda untuk mengetahui pengaruh nilai intensitas cahaya terhadap keberhasilan segmentasi. 4.2 Spesifikasi Sistem Sistem yang dirancang memiliki spesifikasi sebagai berikut : - Menggunakan 1 unit webcam. - Menggunakan lampu sorot sebagai sumber pencahayaan - Menggunakan workbench dari kayu dengan dimensi panjang x lebar x tinggi (85cm x 20cm x 40cm) - Menggunakan background warna putih
3 57 - Menggunakan 1 unit buku sebagai objek background - Menggunakan 1 unit kotak warna oranye sebagai objek background - Menggunakan 1 unit pemantik api sebagai objek background - Menggunakan 1 lembar hansaplast sebagai objek background - Menggunakan 1 unit pena sebagai objek foreground - Menggunakan 1 unit M-key BCA sebagai objek foreground - Menggunakan 1 unit kaleng susu sebagai objek foreground - Menggunakan 1 unit cangkir - Sistem operasi yang digunakan pada personal computer adalah Windows 7 - Menggunakan software Matlab - Menggunakan Image Acquisition Toolbox - Menggunakan Image Processing Toolbox 4.3 Prosedur Operasional Langkah langkah dalam pengoperasian : 1. Siapkan peralatan a) Komputer -Nyalakan komputer -Buka aplikasi Matlab b) Kamera -Pasang Kamera pada Workbench secara vertical seperti pada gambar 4.2 -Hubungkan kamera dengan komputer dengan menggunakan kabel USB
4 58 Gambar 4.2 Kamera webcam c) Lampu sorot -Pasang lampu sorot pada workbench seperti pada gambar 4.3 -Pada workbench terdapat dudukan slider untuk lampu Gambar 4.3 Lampu sorot 2. Buka program Matlab 3. Untuk melakukan pengambilan citra menggunakan program acquisition image yaitu gelas2.m pada gambar 4.4
5 59 Gambar 4.4 Tampilan menu open pada Matlab 4. Setelah tampilan program untuk image acquisition terbuka, beri nama file untuk citra yang akan diambil sebagai citra background atau citra foreground pada fungsi imwrite seperti pada gambar 4.5 Gambar 4.5 Tampilan koding script image acquisition pada Matlab
6 60 5. Tampilan saat mengambil citra background pada gambar 4.6, untuk mengambil citra background. Gambar 4.6 Tampilan execute Image Acquistion untuk background 6. Tampilan saat mengambil citra foreground seperti pada gambar 4.7 Gambar 4.7 Tampilan execute Image Acquistion untuk foreground pada Matlab
7 61 7. Setelah citra background dan foreground diambil, buka program untuk segmentasi yaitu newedge.m pada gambar 4.8. Masukan file citra background dan citra foreground yang telah diambil pada image acquisition untuk dilakukan proses segmentasi. Gambar 4.8 Tampilan koding script segmentasi pada Matlab 8. Jalankan program segmentasi 9. Maka akan didapatkan tampilan citra objek yang sudah tersegmentasi pada gambar Citra yang ditangkap oleh kamera dan selanjutnya diproses di komputer memiliki ukuran 480x640.
8 62 Gambar 4.9 Tampilan execute koding segmentasi pada Matlab 4.4 Implementasi Implementasi yang dilakukan ditujukan untuk menguji parameter yang mempengaruhi output sistem yang telah dirancang. Parameter yang digunakan adalah intensitas cahaya, warna, bentuk dan tekstur objek. Pada tahap implementasi penulis menggunakan dua kali pengambilan gambar yaitu background dan foreground. Hal-hal yang harus diperhatikan dalam implementasi adalah : Bagaimana kondisi objek background yang memiliki warna, bentuk dan tekstur bervariasi berpengaruh terhadap sistem segmentasi? Bagaimana kondisi objek foreground yang memiliki warna dan bentuk bervariasi berpengaruh terhadap sistem segmentasi? Bagaimana kondisi jumlah objek sebagai backgound berpengaruh terhadap sistem segmentasi? Bagaimana pengaruh perubahan intensitas cahaya pada lingkungan sekitar terhadap keberhasilan proses segmentasi objek? Bagaimana pengaruh intensitas cahaya yang sangat rendah terhadap sistem segmentasi?
9 63 Berdasarkan hal-hal tersebut maka implementasi yang harus dilakukan adalah : Pengambilan gambar objek untuk foreground dengan variasi bentuk dan warna yang berbeda. Pengambilan gambar objek untuk background dengan variasi warna dan tekstur yang berbeda. Pengambilan gambar objek dengan jumlah yang berbeda untuk background. Pengambilan gambar dengan berbagai jenis intensitas cahaya sampai 100 lux dengan range 50 lux. Pengambilan gambar dengan intensitas cahaya dari 100 lux sampai 1100 lux dengan range 100 lux. Citra yang ditangkap oleh kamera mengandung dua macam objek yang memiliki bentuk dan warna berbeda dengan latar belakang berwarna putih. Objek yang diinginkan akan disegmentasi dari objek lain yang menjadi latar belakang atau background. Gambar 4.10 Pengambilan citra
10 64 Pengambilan citra dilakukan dengan workbench yang digunakan seperti telihat pada gambar Kamera diletakkan tegak lurus terhadap posisi objek diletakkan. Jarak dari lampu sorot terhadap objek disesuaikan dengan lux yang diinginkan. Untuk mendapatkan intensitas cahaya sebesar lux maka lampu sorot diletakan 27 cm terhadap objek yang akan disegmentasi. Sedangkan untuk mendapatkan intensitas sangat rendah misalnya 10 sampai 100 lux maka di letakkan 40 cm terhadap objek yang akan disegmentasi. Gambar 4.11 Objek yang akan disegmentasi Gambar 4.11 objek-objek yang digunakan untuk segmentasi pada sistem yang diantaranya cangkir dan kaleng susu mewakili objek berbentuk lingkaran, pena mewakili persegi panjang dan M-key BCA mewakili objek tidak teratur. (a) (b) Gambar 4.12 (a) Citra background satu objek dan (b) citra background empat objek
11 65 Gambar 4.12 citra dengan intensitas cahaya 50 lux terdiri dari objek buku dengan latar belakang dengan variasi warna dan citra background dengan kondisi lain terdiri dari empat objek dengan variasi warna yang lebih beragam pada objek-objek tersebut. 4.5 Evaluasi Analisa Intensitas Cahaya dan Variabel Objek Tabel 4.1 Citra foreground objek pena dan hasil segmentasi Benda Intensitas cahaya rendah (51 lux -100 lux) Intensitas cahaya tengah (501 lux -600 lux) Pena Intensitas cahaya tinggi (1001 lux lux ) Hasil segmentasi Tabel 4.1 menunjukkan citra foreground dengan objek pena yang ingin dipisahkan dari background yaitu buku sehingga didapatkan citra objek yang diinginkan untuk dipisahkan yaitu pena. Objek pena mewakili bidang persegi panjang yang luas permukannya tidak terlalu besar dan memiliki tekstur warna gelap atau hitam. Dengan intensitas cahaya yang diberikan senilai 50 lux, tengah
12 lux, dan intensitas paling tinggi 1001 lux objek pena dapat berhasil disegmentasi pada sistem, walaupun masih memiliki noise pada citra hasil segmentasi yang dikarenakan warna background di sekitar pena memiliki nilai intensitas pixel yanag hampir sama dengan nilai intensitas pixel objek pena tersebut. Perbedaan nilai intensitas pixel tersebut diakibatkan oleh besarnya nilai intensitas cahaya yang diberikan untuk percobaan. Semakin tinggi nilai intensitas cahaya yang diberikan yaitu 1001 lux maka nilai intensitas pixel pada citra akan semakin kontras antara background dengan objek pena warna gelap yang akan disegmentasi. Benda Cangkir Tabel 4.2 Citra foreground objek cangkir dan hasil segmentasi Intensitas cahaya rendah Intensitas cahaya tengah Intensitas cahaya tinggi (51 lux 100 lux) (501 lux 600 lux) (1001 lux 1100 lux) Hasil Segmentasi Gambar 4.2 tabel menunjukkan citra foreground dengan objek cangkir yang ingin kita pisahkan dari background buku dengan nilai intensitas cahaya yang diberikan yaitu 51 lux, 501 lux dan 1001 lux sehingga didapatkan citra objek yang disegmentasi yaitu objek cangkir. Objek cangkir yang mewakili
13 67 bidang lingkaran memiliki tekstur warna putih dapat berhasil disegmentasi pada sistem. Berbeda dengan percobaan sebelumnya saat menggunakan objek pena sebagai foreground, percobaan dengan objek cangkir memiliki citra hasil segmentasi lebih baik diperlihatkan pada tabel 4.2 yaitu segmentasi objek cangkir memberikan hasil citra lebih bersih dibandingkan dengan objek pena. Benda M-key BCA Tabel 4.3 Citra foreground objek M-key BCA dan hasil segmentasi Intensitas cahaya rendah Intensitas cahaya tengah Intensitas cahaya tinggi (51 lux -100 lux) (501 lux 600 lux) (1000 lux 1100 lux) Gambar 4.3 tabel menunjukkan citra foreground dengan objek M-key BCA yang ingin dipisahkan dari background sehingga didapatkan objek yang disegmentasi yaitu objek M-key BCA. Objek M-Key BCA berbentuk tidak teratur memiliki tekstur warna yang beragam yaitu warna biru, putih dan merah. Dengan intensitas yang diambil dari terendah 51 lux, intensitas tengah 501 lux, dan intensitas tinggi 1001 lux M-key BCA dapat berhasil disegmentasi oleh sistem seperti pada tabel 4.3. Citra hasil segmentasi M-Key BCA lebih baik
14 68 dibandingkan dengan objek pena, meskipun masih ada terlihat noise di sekitar tepi-tepi objek. Benda Kalen g Susu Tabel 4.4 Citra foreground objek kaleng susu dan hasil segmentasi Intensitas cahaya rendah Intensitas cahaya tengah Intensitas cahaya tinggi (50 lux) (500 lux) (1000 lux) Tabel 4.4 menunjukkan citra foreground dengan objek kaleng susu yang ingin dipisahkan dari background sehingga di dapat objek yang disegmentasi yaitu objek kaleng susu. Objek kaleng susu mewakili bidang lingkaran memiliki tekstur warna hitam dan putih dengan intensitas 51 lux, intensitas tengah 501 lux, dan intensitas tinggi 1001 lux dapat berhasil disegmentasi oleh sistem. tingkat keberhasilan sistem melakukan segmentasi lebih tinggi dibandingkan dengan objek pena dan M-Key BCA karena nilai pixel tepi pada kaleng susu tidak sama dengan citra background. Dilihat dari proses segmentasi objek, bentuk objek yang luas dengan tekstur warna yang beragam dapat menentukan keberhasilan sistem dalam melakukan segmentasi citra objek. Untuk menguji pengaruh sistem terhadap intensitas cahaya yang sangat rendah maka mengambil data dengan objek pena yang akan disegmentasi dengan range 10 lux yang akan ditunjukkan pada tabel 4.5
15 69 Tabel 4.5 Segmentasi citra objek pena Input dengan itensitas cahaya Hasil output Intensitas 10 lux Intensitas 20 lux Itensitas 30 lux Intensitas 40 lux
16 70 Itensitas 50 lux Intensitas 60 lux Intensitas 70 lux Intensitas 80 lux
17 71 Intensitas 90 lux Intensitas 100 lux Dilihat dari tabel 4.5 terlihat citra yang ditangkap oleh kamera tidak sesuai dengan intensitas cahaya yang ditunjukkan oleh lux meter saat mengalami kenaikan intensitas cahaya. Hal ini dikarenakan kemampuan lampu yang mengalami flicker saat dilakukan pengaturan cahaya dengan intensitas rendah. Didapatkan pencahayaan yang tidak konsisten dari lampu saat pencahayaan rendah, sehingga mengakibatkan citra yang ditangkap kamera tidak konsisten. Sehingga dilakukan percobaan untuk mengambil data dengan intensitas cahaya rendah dengan range 50 lux.
18 72 segmentation successful rate Gambar 4.13 Hasil segmentasi Dari gambar 4.13 dapat dilihat percobaan dengan objek pena, cangkir, M-key BCA yaitu setiap objek mempunyai bentuk dan warna variatif yang memberikan pengaruh dalam proses segmentasi objek. Pada gambar 4.13 memperlihatkan bahwa objek pena yang memiliki bidang yang pipih dan gelap memiliki tingkat keberhasilan segmentasi yang rendah dibandingkan dengan objek yang memiliki permukaan lebih luas dengan warna terang. Objek M-key BCA pada intensitas tertentu memiliki tingkat keberhasilan segmentasi yang tidak terlalu tinggi dikarenakan objek yang ingin disegmentasi memiliki nilai intensitas pixel yang hampir sama dengan objek background. Pada objek cangkir didapatkan hasil segmentasi yang baik karena warna objek cangkir memiliki perbedaan warna yang kontras sehingga nilai intensitas pixel objek cangkir tidak mirip dengan nilai intensitas pixel background. Percobaan dengan intensitas cahaya kondisi saat intensitas di bawah 50 lux memiliki tingkat keberhasilan paling rendah seperti terlihat pada gambar 4.13 karena pencahayaan yang gelap menimbulkan jumlah cahaya yang dipantulkan r(x, y) mendekati 0, sehingga lebih banyak cahaya yang diserap oleh objek.
19 73 Gambar 4.14 Hasil segmentasi cangkir dengan metode region growing Gambar 4.15 Hasil segmentasi pena dengan region growing Berbeda dengan metode edge suppressing, metode region growing tidak memberikan hasil segmentasi cangkir yang baik seperti terlihat pada gambar Tidak konsistennya tingkat keberhasilan segmentasi dengan metode region growing membuat metode ini tidak dapat digunakan untuk kondisi objek dengan warna beragam. Metode region growing tidak dapat memberikan hasil segmentasi yang sukses pada
20 74 objek pena seperti terlihat pada gambar 4.15 yang menunjukkan tingkat keberhasilan segmentasi adalah nol persen dalam kondisi seluruh intensitas cahaya Analisa Intensitas Cahaya dan Variabel Background Tabel 4.6 Objek pena dengan background beragam dan hasil segmentasi Benda Intensitas cahaya rendah (51 lux -100 lux) Intensitas cahaya tengah (501 lux 600 lux) Intensitas cahaya tinggi (1000 lux 1100 lux) Pena Hasil Segmentasi Dengan menguji parameter background variable maka dilakukan segmentasi dengan empat macam objek sebagai background yaitu kotak balsam jingga, sampul hansaplas, pemantik api dan buku. Segmentasi objek pena dengan kondisi empat macam objek sebagai background berhasil dilakukan walaupun masih terdapat sedikit noise dengan kondisi background dengan objek warna variatif. Tabel 4.6, tabel 4.7dan tabel 4.8 memperlihatkan segmentasi berhasil dilakukan pada intensitas cahaya yang rendah yaitu 51 lux sampai 100 lux dan intensitas cahaya yang tinggi yaitu 1000 lux sampai 1100 lux dengan kondisi empat macam objek yang beragam sebagai background, yang memberikan hasil citra objek yang diinginkan dapat terpisah dari background.
21 75 Benda Cangkir Tabel 4.7 Objek cangkir dengan background beragam dan hasil segmentasi Intensitas cahaya rendah Intensitas cahaya tengah Intensitas cahaya tinggi (51 lux 60 lux) (501 lux-600 lux) (1000 lux 1100 lux) Hasil Segmentasi Tabel 4.8 Objek M-Key BCA dengan background beragam dan hasil segmentasi Benda Intensitas cahaya rendah (51 lux 100 lux) Intensitas cahaya tengah (501 lux- 600 lux) Intensitas cahaya tinggi (1000 lux 110 lux) M-key BCA Hasil Segmentasi
22 76 Tabel 4.9 Objek cangkir dengan kondisi foreground yang berbeda intensitas dengan background Input dengan itensitas cahaya Hasil output Intensitas 1 lux-50 lux Intensitas 51 lux 100 lux Itensitas 101 lux 200 lux Intensitas 201 lux 300 lux
23 77 Intensitas 301 lux 400 lux Intensitas 401 lux 500 lux Intensitas 501 lux 600 lux Intensitas 601 lux 700 lux
24 78 Intensitas701 lux 800 lux Intensitas 801 lux 900 lux Intensitas 901 lux 1000 lux Intensitas 1001 lux 1100 lux Tabel 4.9 merupakan hasil percobaan dengan kondisi foreground dengan intensitas sampai dengan 1100 lux yang disegmentasi dengan background dengan intensitas 50 lux. Didapatkan hasil citra segmentasi yang sedikit berbeda dibandingkan dengan tabel 4.7 saat foreground cangkir memiliki nilai intensitas cahaya yang sama dengan background yang disegmentasi. Tabel 4.9 memperlihatkan hasil segmentasi yang masih terlihat sedikit tekstur objek background yaitu buku saat intensitas 200 lux sampai 1100 lux. Saat foreground diberi cahaya lebih rendah dari 50 lux dan background diberi cahaya dengan range 51 lux sampai 100 lux, maka didapatkan hasil
25 79 segmentasi lebih baik dibandingkan kondisi foreground dengan nilai intensitas 201 lux sampai 1100 lux. Gambar 4.16 Grafik hasil segmentasi cangkir dengan satu objek background Objek cangkir memberikan grafik keberhasilan pada gambar 4.16 hasil segmentasi paling baik jika dibandingkan dengan dengan objek M-Key BCA dan objek pena saat dilakukan segmentasi dengan intensitas cahaya sampai dengan Hal ini dikarenakan cangkir memiliki luas permukaan yang lebih besar dibandingkan dengan objek M-Key BCA dan pena sehingga luas permukaan objek background yaitu buku lebih banyak tertutupi oleh objek cangkir. Tekstur dan warna buku yang variatif sebagai background yang lebih banyak tertutup oleh cangkir sehingga membuat proses segmentasi lebih mudah dilakukan karena saat melakukan segmentasi metode edge suppressing tidak perlu mencari edge pada citra background yang akan dihilangkan. Sehingga proses segmentasi yang akan mencari edge yang mewakili objek cangkir pada foreground.
26 80 segmentation successful rate Gambar 4.17 Grafik hasil segmentasi cangkir dengan jumlah lebih dari satu objek sebagai background Gambar 4.17 menunjukan cangkir yang disegmentasi dengan kondisi empat macam objek pada background memberikan hasil keberhasilan yang baik ketika dengan pencahayaan sampai 1100 lux. Tingkat keberhasilan segmentasi cangkir pada gambar 4.17 terlihat sedikit berbeda dengan gambar 4.16 saat cangkir dipisahkan dari satu macam objek background yaitu hanya buku, yang terlihat hasil keberhasilan segmentasi yang lebih konsisten pada pencahayaan yang tinggi yaitu 600 lux sampai 1100 lux. Gambar 4.17 menunjukkan keberhasilan segmentasi mengalami sedikit penurunan dan penaikan saat pencahayaan tinggi yaitu 700 lux sampai 1100 lux. Hal ini dapat diakibatkan karena kondisi background dengan empat macam objek yang memiliki warna variatif yaitu jingga pada kotak balsem, biru muda, putih, merah dan hitam pada sampul hansaplas, buku dan pemantik api. Dengan variatifnya warna pada objek yang menjadi background tersebut maka akan mempengaruhi proses segmentasi dalam mencari edge objek background yang dilakukan oleh metode edge suppressing dikarenakan banyaknya cahaya yang dipantulkan oleh objek. Pemantulan objek backgroud yang terletak berdekatan dengan objek foreground yaitu cangkir menyebabkan karakteristik pixel yang mewakili objek cangkir menjadi sedikit berubah.
27 81 segmentation successful rate Gambar 4.18 Grafik hasil segmentasi M-Key BCA dengan satu objek background Dalam menguji sistem segmentasi maka variabel nilai intensitas pixel, jumlah pixel yang terdapat pada citra, dan distribusi penyebaran intensitas pixel pada citra akan diukur untuk menentukan tingkat keberhasilan sistem dalam melakukan segmentasi. Grafik keberhasilan sistem segmentasi menggunakan metode edge suppressing dihasilkan berdasarkan variabel jumlah pixel yaitu pixel-pixel objek pada citra yang berhasil disegementasi. segmentation successful rate Gambar 4.19 Grafik hasil segmentasi M -Key BCA dengan jumlah lebih dari satu objek sebagai background
28 82 Hasil segmentasi M-Key BCA dengan empat macam objek sebagai background pada gambar 4.19 memberikan tingkat keberhasilan hasil segmentasi yang lebih konsisten dibandingkan dengan gambar 4.17 yaitu objek cangkir saat dilakukan segmentasi dengan pencahayaan tinggi yaitu 501 lux sampai 1001 lux. Perbedaan luasnya permukaan dan warna yang dimiliki oleh cangkir dan M-Key BCA menyebabkan tingkat keberhasilan segmentasi yang berbeda. Cangkir yang memiliki luas permukaan lebih besar daripada M-Key BCA menyebabkan cahaya yang dipantulkan oleh cangkir lebih banyak. Selain itu cangkir memiliki warna yang sangat terang yaitu putih sehingga warna cangkir tersebut lebih mudah memantulkan cahaya dibandingkan dengan warna M-Key BCA yang sebagian besar berwarna biru gelap. Banyaknya pemantulan cahaya oleh cangkir dapat menyebabkan perbedaan karakteristik pixel pada citra yang diambil oleh kamera sehingga memungkinkan terjadi perubahan komposisi RGB (Red Green Blue) pada citra tersebut saat intensitas cahaya tinggi. Berbeda dengan M-Key BCA yang tidak terlalu banyak memantulkan cahaya sehingga citra yang ditangkap oleh kamera memiliki karakteristik pixel yang hampir sama saat intensitas cahaya tinggi. Variabel distribusi penyebaran intensitas pixel pada citra yang diukur pada penelitian ini dapat memberikan karakteristik citra yang lebih mudah untuk dilakukan proses segmentasi dan rumit untuk dilakukan proses segmentasi. Disamping itu distribusi penyebaran intensitas pixel yang dinyatakan oleh histogram dapat memberikan karateristik citra yang memberikan hasil segmentasi yang baik dan citra hasil segmentasi kurang baik. Dengan mengukur variabel distribusi penyebaran intensitas pixel citra maka dapat dianalisa komponen RGB (Red Green Blue) yang terkandung pada citra. Warna variatif setiap objek yang digunakan pada perancangan ini dinyatakan dengan histogram citra RGB pada gambar 4.20 dan gambar Histogram citra untuk objek cangkir dengan intensitas 1001 lux sampai 1100 lux pada gambar 4.20 memperlihatkan jumlah pixel untuk komponen blue pada citra lebih banyak dibandingkan komponen red dan green. Jika dilihat dari histogram citra dengan objek M-Key BCA pada gambar 4.21 memiliki komponen red yang lebih banyak dibandingkan dengan komponen red pada histogram citra dengan objek cangkir pada seperti terlihat pada gambar Dengan lebih banyaknya jumlah pixel dengan komponen red dan blue pada citra objek M-Key BCA, maka membuat warna objek tersebut lebih variatif
29 83 dibandingkan dengan objek cangkir. Disamping itu pada gambar 4.20 bentuk histogram komponen blue terpusat pada satu daerah yang dapat menggambarkan karakteristik intensitas pixel objek cangkir dimana sebagai besar pixel pada citra tersebut memiliki nilai intensitas komponen blue yang hampir sama. Berbeda dengan pada gambar 4.21 yang bentuk histogram komponen blue tidak terpusat hanya pada satu daerah saja, sehingga menunjukkan karakteristik bahwa objek M-Key BCA mempunyai memiliki komponen blue dengan intensitas pixel yang beragam. Gambar 4.20 Histogram cangkir dengan satu objek backgorund intensitas 1001 lux sampai 1100 lux
30 84 Gambar 4.21 Histogram M-Key BCA dengan satu objek background intensitas 1001 lux sampai 1100 lux Gambar 4.22 Histogram cangkir dengan satu objek background intensitas 51 lux sampai 100 lux Histogram citra objek cangkir dengan intensitas 51 lux pada gambar 4.22 memiliki perbedaan distribusi intensitas pixel komponen red green blue yang terkandung pada citra dengan intensitas 1001 lux sampai 1100 lux pada gambar Komponen blue pada histogram citra objek cangkir dengan intensitas 50 lux berpusat pada satu daerah
31 85 dengan jarak intensitas pixel 0 sampai 100, sedangkan pada gambar 4.20 komponen blue pada histogram objek cangkir dengan intensitas 1000 lux berpusat pada satu daerah dengan jarak intensitas pixel sampai 200. Selain itu komponen red dan green pada histogram gambar 4.22 lebih terpusat pada jarak intensitas 0 sampai 100 dan 50 sampai 150. Dapat dilihat dari gambar 4.20 dengan pencahayaan rendah yaitu 51 lux, cahaya yang dipantulkan oleh objek yang tertangkap oleh kamera tidak terlalu banyak sehingga dihasilkan histogram RGB citra dengan distribusi penyebaran intensitas pixel dengan nilai yang rendah. Berbeda dengan gambar 4.20 yang diberi pencahayaan tinggi sehingga objek dapat memantulkan cahaya lebih banyak yang mengakibatkan citra yang ditangkap oleh kamera memberikan distribusi penyebaran intensitas pixel dengan nilai tinggi. Walaupun pada intensitas cahaya yang sama tinggi yaitu 1001 lux sampai 1100 lux objek cangkir dan M-key BCA memberikan distribusi penyebaran intensitas pixel yang berbeda seperti pada gambar 4.20 dan Perbedaan tersebut dikarenakan perbedaan warna variatif yang dimiliki oleh objek cangkir dan objek M-key BCA. Gambar 4.23 Histogram M-Key BCA dengan background putih intensitas 1001 lux sampai 1100 lux
32 86 Sistem memberikan hasil segmentasi paling baik saat background hanya berwarna putih yaitu tidak terdapat objek berwarna selain putih sebagai background. Citra M-Key BCA dengan background putih saja memberikan histogram RGB yang berbeda seperti terlihat pada gambar 4.23 dengan histogram M-Key BCA dengan background objek buku seperti terlilhat pada gambar Komponen blue untuk histogram pada gambar 4.23 hanya berpusat pada satu daerah sehingga komposisi intensitas pixel pada citra lebih seragam dibandingkan dengan komponen blue untuk histogram pada gambar 4.21 yang berpusat pada dua daerah sehingga menghasilkan komposisi intesitas pixel yang lebih variatif dibandingkan histogram pada gambar Saat dilakukan pengambilan citra objek M-Key BCA dengan intensitas cahaya yang rendah yaitu sampai 50 lux, maka histogram citra pada gambar 4.24 memberikan komponen blue dengan intensitas pixel yang rendah yaitu 0 sampai 150 yang berbeda dengan histogram pada gambar Sedangkan komponen green pada histogram masih memberikan nilai intensitas pixel yang tinggi seperti pada komponen green pada histogram Gambar 4.24 Histogram M-Key BCA dengan satu objek background intensitas 51 lux sampai 100 lux
33 87 Gambar 4.25 Histogram pena dengan satu objek background intensitas 1001 lux sampai 1100 lux Objek pena memberikan distribusi penyebaran intensitas pixel pada gambar 4.25 yang sangat berbeda dibandingkan distribusi penyebaran intensitas pixel pada citra dengan objek cangkir. Dari gambar 4.25 pena memiliki histogram komponen green dan red yang berbentuk multimodal. Citra dengan objek pena memiliki bentuk histogram yang mirip dengan citra dengan objek M- Key BCA. Dengan melihat citra hasil segmentasi dengan beberapa objek yang telah diuji oleh beberapa parameter yaitu kondisi intensitas cahaya yang berbeda, bentuk, warna dan tekstur objek maka citra yang memberikan hasil segmentasi paling baik yaitu citra dengan objek cangkir dengan nilai intensitas yang tidak terlalu rendah. Intensitas cahaya yang terlalu rendah yaitu dibawah 100 lux memberikan hasil segmentasi kurang baik pada beberapa objek, sehingga parameter intensitas cahaya merupakan salah satu parameter dasar yang mempengaruhi keberhasilan sistem melakukan segmentasi. Dari hasil grafik keberhasilan, cangkir yang memiliki warna terang dan tidak beragam memberikan citra hasil segmentasi lebih baik dibandingkan dengan M-Key BCA
34 88 yang memiliki warna beragam yaitu biru, merah, putih, sehingga disamping intensitas cahaya maka warna menjadi parameter dasar yang dapat mempengaruhi sistem dalam melakukan segmentasi.
SEGMENTASI OBJEK DIBAWAH PENGARUH PENCAHAYAAN
SEGMENTASI OBJEK DIBAWAH PENGARUH PENCAHAYAAN Pratiwi, D., Putra, A.P., Sim, P.H., Kartowisastro, I.H. Universitas Bina Nusantara, dini_tiwiok@yahoo.com, imanhk@binus.edu ABSTRAK Segmentasi citra merupakan
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinciBAB 3 PERALATAN DAN PROSEDUR PENELITIAN
BAB 3 PERALATAN DAN PROSEDUR PENELITIAN 3.1 Material dan Peralatan Penelitian Penelitian ini menggunakan material besi silinder pejal carbonsteel setara ST 41 dengan diameter 20 mm sejumlah 10 buah sampel.
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. WAKTU DAN TEMPAT Penelitian ini dilaksanakan pada bulan Mei 2010 sampai dengan Oktober 2010. Perancangan alat dilaksanakan pada bulan Mei 2010 sampai Agustus 2010 di Bengkel Departemen
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciBAB IV IMPLEMENTASI DAN HASIL PENGUJIAN
BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN 4.1 Implementasi Aplikasi Pada bab ini akan dibahas mengenai implementasi aplikasi yang telah dibuat setelah melakukan analisa dan perancangan aplikasi filter sobel
Lebih terperinciBAB II. Computer vision. teknologi. yang. dapat. Vision : Gambar 2.1
BAB II LANDASAN TEORI Computer vision adalah bagian dari ilmu pengetahuan dan teknologi yang membuat mesin seolah-olah dapat melihat. Komponen dari Computer Vision tentunya adalah gambar atau citra, dengan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciPENDETEKSIAN OBJEK BERWARNA BIRU MENGGUNAKAN MATLAB R2013a
PENDETEKSIAN OBJEK BERWARNA BIRU MENGGUNAKAN MATLAB R2013a Nama : Bagus Muhammad Primaditya NPM : 21113616 Dosen Pembimbing : Dr. Emy Haryatmi. Skom. MEngSc. LATAR BELAKANG Deteksi objek merupakan salah
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. menggunakan serial port (baudrate 4800bps, COM1). Menggunakan Sistem Operasi Windows XP.
BAB 4 IMPLEMENTASI DAN EVALUASI Bab ini menjelaskan tentang hasil penelitian yang berupa spesifikasi sistem, prosedur operasional penggunaan program, dan analisa sistem yang telah dibuat. 4.1 Spesifikasi
Lebih terperinciRANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA
ISSN : 2442-5826 e-proceeding of Applied Science : Vol.2, No.1 April 2016 Page 383 RANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA Luki Wahyu Hendrawan 1 Mohammad Ramdhani, S.T.,M.T
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciBAB 4 ANALISA DAN BAHASAN
BAB 4 ANALISA DAN BAHASAN 4.1 Spesifikasi Sistem Sistem pengenalan objek 3 dimensi terbagi atas perangkat keras dan perangkat lunak. Spesifikasi sistem baik perangkat keras maupun lunak pada proses perancangan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. microcontroller menggunakan komunikasi serial. 1. Menyalakan Minimum System ATMEGA8535
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengujian Koneksi Serial UART Pengujian koneksi ini membuktikan bahwa PC dapat dihubungkan dengan microcontroller menggunakan komunikasi serial. 4.1.1 Tujuan Pengujian koneksi
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. TEMPAT DAN WAKTU Kegiatan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
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 terperinciDasar-dasar Photoshop
B a b 1 Dasar-dasar Photoshop Bab 2 Memperbaiki Foto 2.1 Pencahayaan Gambar 2.1 Melihat distribusi cahaya dan warna melalui histogram 1 Bab 2 Jumlah pixel dalam gambar Gelap (shadow) Terang (highlight)
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciMengekspos Sinar Matahari dan Bulan
Mengekspos Sinar Matahari dan Bulan Pada pembahasan berikut ini, Anda akan mempelajari teknik aplikasi Photoshop yang digunakan untuk membuat desain kreatif, sehingga Anda akan mendapatkan gambar yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penggunaan kamera digital sebagai alat untuk mengambil citra saat ini sudah banyak digunakan karena kepraktisannya, terkadang hasil citra memiliki tampilan
Lebih terperinciMENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION
MENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION Danny Agus Wahyudi; Iman H. Kartowisastro Computer Engineering Department, Faculty of Engineering, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinci2. TINJAUAN PUSTAKA 2.1 Telur Ayam Konsumsi
pemeriksaan terhadap ribuan telur. Dengan menggunakan alat yang secara otomatis dapat menentukan ukuran fisik sebuah telur, klasifikasi terhadap telur ayam dapat dilakukan dengan lebih cepat. Beberapa
Lebih terperinciIMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA
IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA Murinto 1), Eko Aribowo, Elena Yustina Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : murintokusno@yahoo.com
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB 4 IMPLEMENTASI DAN EKSPERIMEN
BAB 4 IMPLEMENTASI DAN EKSPERIMEN 4.1 Implementasi Dalam implementasi ini akan dijabarkan mengenai aplikasi yang telah dibuat. Penjelasannya mencakup menu-menu yang ada pada aplikasi beserta fungsi dari
Lebih terperinciBab IV Kalibrasi dan Pengujian
Bab IV Kalibrasi dan Pengujian 4.1 Kalibrasi Rumus untuk mencari jarak yang telah dijabarkan pada bab-bab sebelumnya mempunyai dua konstanta yang perlu dicari nilainya, yaitu jarak antara kamera dengan
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinci3 BAB III METODE PENELITIAN
20 3 BAB III METODE PENELITIAN 3.1 Metode penelitian Penenelitian ini merupakan penelitian eksperimen, dengan melalui beberapa tahapan sebagai berikut : 1. Pengumpulan data Tahapan ini merupakan langkah
Lebih terperinciPengolahan Citra (Image Processing)
BAB II TINJAUAN TEORITIS 2.1 Citra (Image) Processing Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
Lebih terperinciIII. METODOLOGI PENELITIAN
15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas
Lebih terperinciPengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video
Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video Abstrak Mochamad Faisol Baharun¹, T.Sutojo, SSi., M.Kom² Program Studi S1
Lebih terperinciBAB 3 PERUMUSAN OBJEK RANCANGAN. Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi
BAB 3 PERUMUSAN OBJEK RANCANGAN 3.1 Analisis Masalah dan Kebutuhan Berikut adalah analisis masalah dan kebutuhan dalam perancangan aplikasi yang akan kami buat. 3.1.1 Analisis Masalah Untuk mengetahui
Lebih terperinciBAB II DASAR TEORI Kajian Pustaka a. Algoritma Pengambilan Keputusan Pada Kiper Robot Sepak Bola [1]
BAB II DASAR TEORI Pada bab ini akan dibahas beberapa teori pendukung yang digunakan sebagai acuan dalam merealisasikan sistem. Teori-teori yang digunakan dalam pembuatan skripsi ini terdiri dari 2.1.
Lebih terperinciBAB III PERANCANGAN ALAT
BAB III PERANCANGAN ALAT Pada bab ini akan dibahas mengenai perancangan dan realisasi sistem yang telah dibuat dalam skripsi ini yaitu perancangan sebuah mesin yang menyerupai bor duduk pada umumnya. Di
Lebih terperinciPengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air
Pengujian Tracking Color Menggunakan IP untuk Deteksi Ketinggian Air Adhadi Kurniawan, I Wayan Mustika, dan Sri Suning Kusumawardani Laboratorium Sistem Elektronis, Jurusan Teknik Elektro dan Teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam kehidupan sehari-hari semakin banyak masalah yang terjadi seiring meningkatnya populasi di daerah perkotaan, akibatnya lalu lintas menjadi lebih padat karena
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah menjelaskan seluruh kegiatan selama berlangsungnya penelitian untuk menghasilkan informasi yang lebih akurat sesuai dengan permasalahan yang akan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciKULIAH 1 TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS
KULIAH TEKNIK PENGOLAHAN CITRA PENGANTAR MATRIKS Matriks merupakan sebuah susunan segiempat siku-siku dari bilanganbilangan, dalam baris dan kolom. Bilangan-bilangan tersebut disebut entri atau elemen
Lebih terperinciBAB I PENDAHULUAN. Pangan adalah salah satu hak azasi manusia dan sebagai komoditi strategis
BAB I PENDAHULUAN A. Latar Belakang Pangan adalah salah satu hak azasi manusia dan sebagai komoditi strategis yang dilindungi oleh Undang-Undang Dasar Negara Republik Indonesia tahun 1945 (Tim Koordinasi
Lebih terperinciPEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.
PROSES PENYARINGAN PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE GAUSSIAN, LOW PASS FILTERING DAN HIGH PASS FILTERING NAMA : DWI PUTRI ANGGRAINI NPM : 12112301 PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom,
Lebih terperinciBAB IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Perancangan perangkat lunak dari sistem biometrik sidik jari dibuat dibagi menjadi 2 module utama yakni : module enhencement sidik jari berikut aplikasi penyimpanan kedalam database
Lebih terperinciPENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI
PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu
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 terperinciPerancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam
Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciBAB IV ANALISA HASIL SISTEM. Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server
75 BAB IV ANALISA HASIL SISTEM 4.1 UMUM Lingkup uji coba aplikasi web ini adalah pada komputer yang terdapat web server Apache menggunakan PHP4-PHP5 dengan Apache2Triad sebagai tool dan matlab 6.1 sebagai
Lebih terperinciBAB III PERANCANGAN PERANGKAT LUNAK
BAB III PERANCANGAN PERANGKAT LUNAK 3.1. Sistem Pendeteksi Senyum Sistem pendeteksi senyum dalam skripsi ini dibuat dengan membandingkan tiga buah metode, yaitu Harris Corner Detection, Edge Based Corner
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Desain frame grabber Desain frame grabberdiawali dengan pemilihan perangkat kamera yang akan digunakan. Video akan muncul komponen VideoWindow1 yang secara realtime terhubung
Lebih terperinciOTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR
Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27/11/2008 OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Thiang, Leonardus Indrotanoto Jurusan Teknik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciTipe dan Jenis Layar Komputer Grafik. By Ocvita Ardhiani.
Tipe dan Jenis Layar Komputer Grafik By Ocvita Ardhiani. PENGERTIAN GRAFIKA KOMPUTER Grafika komputer adalah bidang dari komputasi visual dimana penggunaan komputer akan menghasilkan gambar visual secara
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Digital Scoring System adalah sebuah Software scanner periksa nilai ujian dari lembar jawaban komputer (LJK) dengan teknologi computer graphic dan image recognition yang memberikan
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 terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Memelihara dan meningkatkan tingkat kualitas hidup, mengurangi keterbatasan pemeliharaan akan fasilitas, efisiensi penggunaan sumber daya dan keamanan atas kepemilikan
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 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 terperinciBAB II SISTEM PENENTU AXIS Z ZERO SETTER
BAB II SISTEM PENENTU AXIS Z ZERO SETTER 2.1 Gambaran Umum Berdasarkan latar belakang masalah yang telah dipaparkan pada Bab I, tujuan skripsi ini adalah merancang suatu penentu axis Z Zero Setter menggunakan
Lebih 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 terperinciJudul : APLIKASI PERBAIKAN KUALITAS CITRA DIGITAL MENGGUNAKAN MATLAB 7. 1 Nama : MELISA NPM :
Judul : APLIKASI PERBAIKAN KUALITAS CITRA DIGITAL MENGGUNAKAN MATLAB 7. 1 Nama : MELISA NPM : 50403778 Email : reval_lauren@yahoo.com ABSTRAK Citra yang dimiliki pengguna seringkali mengalami gangguan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. komputer dan sistem operasi dengan spesifikasi sebagai berikut : 2. Memory : 4,00 GB (3,85 GB usable)
BAB 4 HASIL DAN PEMBAHASAN 4.1 Spesifikasi Sistem 4.1.1 Hardware Dalam perancangan program aplikasi ini, penulis menggunakan komputer dan sistem operasi dengan spesifikasi sebagai berikut : 1. Processor
Lebih terperinciPerbandingan Metode Pergeseran Rata-Rata, Pergeseran Logaritma, dan Alpha Blending Dalam Proses Metamorfosis dari Dua Gambar Dijital
81 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 81-95 Perbandingan Metode Pergeseran Rata-Rata, Pergeseran Logaritma, dan Alpha Blending Dalam Proses Metamorfosis dari
Lebih terperinciPengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel
Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA Pada bab IV ini akan membahas sistem kerja, pengujian dan juga analisa dari rancang bangun sistem ini. Disini juga disajikan hasil uji coba secara riil percobaan dengan kondisi
Lebih terperinci