JURNAL APLIKASI FISIKA VOLUME 7 NOMOR 2 AGUSTUS 2011
|
|
- Hengki Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL APLIKASI FISIKA VOLUME 7 NOMOR 2 AGUSTUS 2011 Segmentasi Jaringan Otak Putih, Jaringan Otak Abu-Abu, dan Cairan Otak dari Citra MRI Menggunakan Teknik K-Means Clustering Nurhasanah Jurusan Fisika F.MIPA Universitas Tanjungpura nhana_nurhasanah@yahoo.com Abstrak Magnetic Resonance Imaging (MRI) adalah teknik pencitraan medis yang digunakan dalam radiologi untuk memvisualisasi struktur internal secara rinci. Segmentasi jaringan otak putih, jaringan otak abu-abu dan cairan otak penting dilakukan untuk meningkatkan pemahaman tentang pathophysiology beberapa gangguan neurologis. Oleh karena itu, dibutuhkan teknik segmentasi citra untuk mensegmentasi citra jaringan otak lebih akurat dan efisien. Penelitian ini mendesain dan mengembangkan program berdasarkan algoritma K- Means clustering dengan menggunakan informasi yang saling melengkapi yang tersedia pada citra T1, T2 dan PD dari MRI. Algoritma K-means clustering dipilih karena sederhana, mudah diimplementasikan, dan mampu menangani data outlier. Gabungan dari ketiga citra MRI tersebut akan disegmentasi menjadi jaringan otak putih, jaringan otak abu-abu dan cairan otak secara otomatis setelah melalui pre-processing. Waktu segmentasi juga dihitung. Dihasilkan program segmentasi citra MRI menggunakan teknik K-means clustering yang mudah diimplementasikan dan metodenya bekerja secara efektif untuk mengklasifikasi jaringan otak putih, jaringan otak abu-abu dan cairan otak. Kata kunci : Magnetic Resonance Imaging, K-Means clustering, jaringan otak 1. Pendahuluan Magnetic Resonance Imaging (MRI) adalah teknik pencitraan medis yang digunakan dalam radiologi untuk memvisualisasikan struktur internal secara rinci. Alat ini menghasilkan kontras yang baik sehingga berguna pada pencitraan otak, otot, jantung, dan kanker dibandingkan dengan teknik pencitraan medis yang lain seperti computed tomography (CT) atau sinar-x.[1] Segmentasi jaringan otak pada citra Magnetic Resonance (MR) merupakan isu penting dalam analisis beberapa penyakit otak (gangguan neurologis), seperti multiple sclerosis atau penyakit Alzheimer. Segmentasi jaringan otak putih, jaringan otak abu-abu dan cairan otak dilakukan untuk meningkatkan pemahaman tentang pathophysiology beberapa gangguan neurologis.[2] Hal ini penting untuk mendefinisikan batas-batas organ secara jelas, karena ini digunakan untuk perhitungan dosis dari setiap treatment.[3] Penelitian ini mendesain dan mengembangkan program segmentasi berdasarkan algoritma K-Means clustering dengan menggunakan informasi yang saling melengkapi yang tersedia pada citra T1, T2 dan PD dari MRI. Gabungan dari ketiga citra tersebut akan disegmentasi menjadi jaringan otak putih, jaringan otak abu-abu dan cairan otak (CSF) secara otomatis setelah melalui pre-processing. 2. Dasar Teori Magnetic Resonance Imaging (MRI) adalah suatu alat kedokteran di bidang pemeriksaan diagnostic radiologi, yang menghasilkan rekaman gambar potongan penampang tubuh/organ manusia dengan menggunakan medan magnet berkekuatan antara 0,064 1,5 tesla (1 tesla = 1000 Gauss) dan resonansi getaran terhadap inti atom hidrogen.[4] Citra MRI konvensional memberikan informasi morfologi berupa citra T1, T2 dan PD-weighted. Ketiga citra tersebut memberikan informasi tentang sifat fisik air pada jaringan. T1, spin-lattice relaxation time, berbanding terbalik dengan jumlah gerakan molekul dalam jaringan pada frekuensi resonansi. T2, spin-spin relaxation time, berbanding terbalik dengan jumlah gerakan dalam jaringan pada frekuensi di bawah dan sama dengan frekuensi resonansi. Selanjutnya 92
2 Segmentasi Jaringan Otak Putih, Jaringan Otak Abu-Abu,... (Nurhasanah) 93 PD (proton density) menyediakan gambar kepadatan proton. Ketiga citra tersebut memberikan informasi yang berbeda dan saling melengkapi. Ketiga pengukuran berbeda ini memberikan perbedaan tingkat kontras dari berbagai jenis jaringan lunak pada otak manusia. 2.1 Pre-processing Pre-processing merupakan proses yang digunakan untuk meningkatkan kualitas tampilan citra agar memiliki format yang lebih baik sehingga citra tersebut menjadi lebih mudah diolah lebih lanjut. Perbaikan kualitas citra (image enhancement) adalah proses memperjelas dan mempertajam fitur tertentu dari citra agar citra lebih mudah dipersepsi atau dianalisis lebih teliti. Secara matematis, image enhancement dapat diartikan sebagai proses mengubah citra f(x,y) menjadi f (x,y) sehingga ciri-ciri yang terlihat pada f(x,y) lebih ditonjolkan. Image enhancement tidak meningkatkan kandungan informasi, melainkan jangkauan dinamis dari ciri agar bisa dideteksi lebih mudah dan tepat. 2.2 Segmentasi Segmentasi citra merupakan pusat (a central preoccupation) dalam analisis citra. Proses segmentasi membagi citra menjadi bagian-bagian dimana bagian-bagian tersebut dapat dipandang sebagai objek-objek mandiri yang dapat dianalisa. Segmentasi citra merupakan teknik untuk membagi suatu citra menjadi beberapa daerah (region) dimana setiap daerah memiliki kemiripan atribut.[5] Atribut yang paling dasar untuk segmentasi adalah amplitudo pencahayaan (luminance) citra untuk gambar monokrom dan komponen warna untuk gambar berwarna. Tepi gambar dan tekstur juga merupakan atribut berguna untuk segmentasi. Segmentasi hanya membagi gambar, tetapi tidak berusaha untuk mengenali segmen satu per satu atau hubungan mereka satu sama lain. Segmentasi yang akan di bahas di sini yang berdasarkan clustering. Segmentasi ini menggunakan data multidimensi untuk mengelompokkan pixel citra ke dalam beberapa cluster. Pada umumnya pixel dicluster berdasarkan kedekatan jarak antarpixel. Keberhasilan dari proses segmentasi berbasis cluster ditentukan oleh keberhasilan dalam mengelompokkan fitur-fitur yang berdekatan ke dalam satu cluster. 2.3 K-Means Clustering K-Means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster/kelompok. Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.[6] K-means mengelompokkan objek menjadi K cluster. Metode ini akan mencari pusat cluster dan batas-batas cluster melalui proses perulangan (iterative). Kedekatan atau kemiripan (similarity) suatu objek dengan objek lain atau dengan pusat cluster dihitung dengan menggunakan fungsi jarak. Pada umumnya K-means menggunakan jarak Euclidean untuk menghitung kemiripan tersebut. K-Means mampu meminimalkan ratarata jarak setiap data ke claster-nya. Metode ini dikembangkan oleh J. MacQueen pada tahun Algoritma K-means dipengaruhi jumlah pusat cluster, pemilihan inisial pusat cluster, bagaimana sampel diambil, dan sifat geometri dari data. Proses clustering menggunakan metode K-Means ini dilakukan dengan algoritma dasar sebagai berikut :[7] 1. Menentukan jumlah cluster. 2. Mengalokasikan data ke dalam cluster secara random 3. Menghitung centroid/rata-rata dari data yang ada di masing-masing cluster 4. Mengalokasikan masing-masing data ke centroid/rata-rata terdekat Kembali ke langkah 3, apabila masih ada data yang berpindah cluster atau apabila perubahan nilai centroid, ada yang di atas nilai threshold yang ditentukan atau apabila perubahan nilai pada objective function yang
3 94 JAF, Vol. 7 No. 2 (2011), digunakan di atas nilai threshold yang ditentukan. 3. Metode Penelitian 3.1 Desain Program Pengolahan citra di sini dilakukan melalui tahap pre-processing, proses clustering dan pemisahan objek. Secara garis besar rancangan program ditunjukkan pada Gambar 1. Pre-processing merupakan proses yang digunakan untuk meningkatkan kualitas citra agar dapat menghasilkan segmentasi yang terbaik. Program ini akan melakukan preprocessing yang menggunakan thresholding (pengambangan), erosion, dilation dan histogram equalization. Proses thresholding adalah proses untuk mengubah gambar yang memiliki tingkat warna abu-abu menjadi gambar biner berdasarkan suatu nilai tertentu yang menjadi tolok ukurnya. Proses pengambangan citra grayscale untuk menghasilkan citra biner adalah sebagai berikut. g(x,y)= (1) intensitas dari histogram awal. Histogram puncak dan lembah hasil ekualisasi akan digeser atau lebih disebarkan (spreading). Nilai piksel baru n(g) dinyatakan sebagai berikut, dimana, N menyatakan banyaknya pixel pada citra, g menyatakan nilai gray level awal yang nilainya dari 1 L-1(L adalah nilai gray level maksimum), dan c(g) menyatakan banyaknya pixel yang memiliki nilai sama dengan g atau kurang. Secara matemtis dinyatakan sebagai dengan h(i) menyatakan histogram awal. (3) (4) Dengan g(x,y) adalah citra biner dari citra grayscale f(x,y), dan T menyatakan nilai ambang. Nilai T pada gambar tersebut menunjukkan batas yang menjadi tolok ukur pengubahan nilai tiap pixel, apakah menjadi 0 (hitam) atau 255 (putih). Selanjutnya kombinasi dari operasi erosi (erosion) dan operasi dilasi (dilation) dilakukan. Proses ini disebut proses opening yang secara matematis dapat dinyatakan dengan : 0(A,B) = AoB = D(E(A,B),B) (2) Algoritma histogram equalization, mulai dari pengambilan nilai untuk histogram, kemudian perhitungan histogram menjadi histogram yang ter-equalize, hingga pengubahan pada tiap pixel pada gambar agar histogram dari gambar tersebut menjadi histogram yang ter-equalize. Teknik ini melakukan distribusi ulang terhadap distribusi Gambar 1 Bagan Aplikasi Secara Garis Besar Proses clustering di sini dilakukan dengan mengklasifikasi karakteristik citra berdasarkan K-Means clustering. Jumlah klas dalam klasifikasi ini terdiri dari 4 klas, yaitu klas 1 untuk latar belakang, klas 2 untuk cairan otak (CSF), klas 3 untuk jaringan otak abuabu, dan klas 4 untuk jaringan otak putih. Secara garis besar proses clustering menggunakan metode K-Means ditunjukkan pada gambar 2. Proses pemisahan citra dilakukan dengan thresholding (pengambangan). Seperti pada persamaan (1).
4 Segmentasi Jaringan Otak Putih, Jaringan Otak Abu-Abu,... (Nurhasanah) 95 Proses ini dilakukan berdasarkan hasil clustering. Gambar 2 Flowchart K-Means Clustering 3.2 Pengujian Program Pengujian program dilakukan dengan meng-input-kan file citra MRI kepala yang terdiri dari PD, T1 dan T2 ke dalam program yang telah dibuat. Citra yang diinput ke dalam program seperti yang terlihat pada gambar Hasil dan Pembahasan 4.1. Pengujian Pre-Processing Pre-processing merupakan kumpulan dari proses yang digunakan untuk dapat menghasilkan segmentasi yang terbaik. Program ini akan digunakan pre-processing yang menggunakan thresholding, erosion, dilation dan histogram equalization. Untuk menghindari misclassification, citra selain jaringan otak harus dihilangkan. Proses thresholding dan opening dilakukan untuk menghilangkan citra tulang dan citra selain otak lainnya. Operasi erosi berguna dalam menghilangkan objek-objek kecil yang terdapat pada citra sedangkan operasi dilasi memperbesar batas dari objek yang ada sehingga objek terlihat semakin besar. Proses ini disebut proses opening yang bertujuan mencegah penurunan ukuran objek secara keseluruhan. Proses opening secara matematis dapat dinyatakan dengan : 0(A,B) = AoB = D(E(A,B),B) Hasil penghilangan citra tulang dapat dilihat pada gambar 4a. Kemudian citra otak dipertegas dengan peningkatan kontras menggunakan algoritma histogram equalization. Teknik ini melakukan distribusi ulang terhadap distribusi intensitas dari histogram awal. Hasil perbaikan citra pada tahap ini dapat dilihat pada gambar 4b. (a) (b) (a) (b) Gambar 4 (a) Hasil Penghilangan Citra Tulang (b) Hasil Perbaikan Kualitas Citra (c) Gambar 3 Citra MRI: (a) PD (b) T1 (c) T Pengujian Proses clustering Proses clustering dilakukan dengan mengklasifikasi intensitas citra berdasarkan K- Means cluster. Metode ini mengalokasikan data items ke masing-masing cluster secara
5 96 JAF, Vol. 7 No. 2 (2011), unsupervised dan menentukan jumlah cluster yang paling sesuai dengan data yang dianalisa secara supervised. Setiap piksel citra dalam proses clustering ditandai menjadi 4 klas, yaitu klas 1 untuk latar belakang, klas 2 untuk cairan otak (CSF), klas 3 untuk jaringan otak abu-abu, dan klas 4 untuk jaringan otak putih.[8] Hasil pengujian proses clustering pada program segmentasi ini dapat dilihat pada gambar Pengujian Proses Pemisahan Proses pemisahan citra dilakukan dengan thresholding (pengambangan). Proses pengambangan dilakukan terhadap citra menggunakan nilai ambang tertentu berdasarkan hasil clustering. Proses ini akan menghasilkan citra biner, yaitu citra yang memiliki dua nilai tingkat keabuan yaitu hitam dan putih. Proses ini bertujuan untuk menampilkan tiap-tiap klas yang telah dibuat. Hasil pengujian proses pemisahan dapat dilihat pada gambar 6. Selain menguji program segmentasi apakah sesuai dengan algoritma yang telah dibuat juga dilakukan perhitungan waktu yang dibutuhkan mulai dari pre-processing hingga selesainya segmentasi. Perhitungan waktu ini dilakukan untuk mengetahui apakah proses segmentasi berdasarkan K-means clustering efektif untuk dilakukan. Waktu yang dibutuhkan untuk menyelesaikan proses segmentasi hanya sekitar 10,94 detik. Oleh karena itu program segmentasi yang telah dibuat cukup efektif karena secara qualitative, hasil segmentasi lebih teliti dibandingkan dengan metode Minimum Distance Classifier dan Maximum Distance Classifier karena tiap data dikelompokkan menjadi k kelompok dengan cara memindahmindahkan data dari kelompok yang satu ke kelompok yang lain sehingga tercapai komponen kesalahan yang minimum. Selain itu, metode yang biasa digunakan oleh para ahli adalah metode manual yang membutuhkan waktu paling sedikit 3 jam[9] dan menghasilkan pengukuran volume tumor yang tidak dapat dipercaya dan sensitif error (error sensitive).[10] Sedangkan program ini hanya membutuhkan sekitar 10,94 detik untuk tiap citra. Gambar 5 Hasil clustering berdasarkan K-means clustering (a) (b) (c) Gambar 6 (a) Otak Putih; (b) Otak abu-abu; (c) Cairan Otak 5. Kesimpulan Dari penelitian ini dapat diperlihatkan bahwa program segmentasi citra MRI menggunakan algoritma K-Means clustering berhasil membagi irisan citra MRI kepala menjadi 4 klas, yaitu klas 1 untuk latar belakang, klas 2 untuk cairan otak (CSF), klas 3 untuk jaringan otak abu-abu, dan klas 4 untuk jaringan otak putih. Keuntungan program segmentasi dengan algoritma K- Means clustering mudah diimplementasikan, cepat, dan memiliki kemampuan untuk menangani data outlier serta kompleksitas waktunya linear. Hasil klasifikasi berdasarkan K-Means clustering dipengaruhi oleh besarnya kontras citra, penentuan jumlah cluster yang paling cocok dan besarnya pixel citra yang digunakan.
6 Segmentasi Jaringan Otak Putih, Jaringan Otak Abu-Abu,... (Nurhasanah) 97 Daftar pustaka [1]. nce_imaging, November 2010 [2]. Cercignani, M., Inglese, M., Zajdel, M. Z., dan Filippi, M. (2001). Segmenting Brain White Matter, Gray Matter and Cerebro-spinal Fluid Using Diffusion tensor-mri Derived Indices. Magnetic Resonance Imaging, 19, [3]. Kalet, I. J., and Seymour, M. M. A. (1997) : The Use of Medical Images in Planning and Delivery of Radiation Therapy, Journal of The American Medical Informatics Association, 4, [4]. Stark, David D. (1988) : Magnetic Resonance Imaging, The CV Mosby Company, Toronto. [5]. Putra, D. (2010) : Pengolahan Citra Digital, Penerbit Andi, Yogyakarta. [6]. Agusta, Y. (2007) : K-Means Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika, 3, [7]. MacQueen, J. B. (1967) : Some Methods for classification and Analysis of Multivariate Observations, Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability, Berkeley, University of California Press, 1, [8]. Bartlett, T., Vannier, M., Keel, D.Mc., Gado, M., Hildebolt, C., dan Walkup, R. (1994). Interactive Segmentation of Cerebral Gray Matter, White Matter, and CSF : Photographic and MR Images. Comp. Med. Graphics, 18, [9]. Mancas, M., Gosselin, B., dan Macq, B. (2005) : Segmentation Using a Region Growing Thresholding, Proc. Of the Electronic Imaging Conference of the International Society for Optical Imaging (SPIE/EI 2005), San Jose (California, USA). [10]. Dai, D., Condon, B., Hadley, D., Rampling, R., Teasdale, G. (1993). Intracranial deformation caused by brain tumors : assessment of 3-D surface by magnetic resonance imaging. IEEE Transactions on Medical Imaging, 12, [11]. Ardisasmita, M.S. Metoda Segmentasi Citra Resonansi Magnetik Otak Menggunakan Sistem Pengkodean Neurofuzzy. Pusat Pengembangan Teknologi Informatika dan Komputasi, BATAN. [12]. Gonzalez, R.C., Woods, R.E. (2002) : Digital Image Processing Second Edition, Prentice Hall, New Jersey. [13]. Sakas, G., dan Pommert, A. (2006) : Processing and Segmentation of 3D Images, dalam Schlegel, W., Bortfeld, T., dan Grosu, A.-L. New Technologies in Radiation Oncology, Springer, Germany. [14]. Wijaya, M.C., dan Prijono, A. (2007) : Pengolahan Citra Digital menggunakan Matlab, Penerbit Informatika, Bandung. [15]. Tanabe, J. L., Amend, D., Scuff, N., DiSclafani, V., Ezekiel, F., Norman, D., Fein, G., dan Weiner, M.W. (1997). Tissue Segmentation of The Brain in Alzheimer Disease. Am. J. Neuroradiol, 18, pp
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *)
Pendeteksian Tepi Citra CT Scan dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah *) *) Jurusan Fisika, FMIPA Universitas Tanjungpura Abstrak CT scan mampu menghasilkan citra organ internal (struktur
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciMetode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciImplementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI
Implementasi Intensity Transfer Function(ITF) Untuk Peningkatan Intensitas Citra Medis Hasil Pemeriksaan MRI 1 Desti Riminarsih dan 2 Cut Maisyarah Karyati 1 Pusat Studi Komputasi Matematika(PSKM), Universitas
Lebih terperinciMATHunesa Jurnal Ilmiah Matematika Volume 2 No.6 Tahun 2017 ISSN
MATHunesa Jurnal Ilmiah Matematika Volume 2 No.6 Tahun 2017 ISSN 2301-9115 SEGMENTASI CITRA MAGNETIC RESONANCE IMAGING (MRI) MENGGUNAKAN FUZZY C- MEANS (FCM) Erva Ani Dwi Katwarti 1) Jurusan Matematika,
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciImplementasi Deteksi Tepi Canny pada Citra Mammografi
JURNAL APLIKASI FISIKA VOLUME 11 NOMOR 1 FEBRUARI 2015 Implementasi Deteksi Tepi Canny pada Citra Mammografi Nurhasanah 1, *) dan Okto Ivansyah 2 1 Jurusan Fisika, FMIPA Universitas Tanjungpura, Indonesia
Lebih terperinciBAB I PENDAHULUAN. organ dalam tubuh seperti Computed Tomography (CT) scan, Digital
BAB I PENDAHULUAN A. Latar Belakang Perkembangan jaman menghantarkan masyarakat dunia masuk ke era globalisasi dimana tidak ada keterbatasan ruang dan waktu yang melingkupi berbagai aspek. Kemajuan teknologi
Lebih terperinciDeteksi Tepi Citra Kanker Payudara dengan Menggunakan Laplacian of Gaussian (LOG)
Prosiding Semirata FMIPA Universitas Lampung, 2013 Deteksi Tepi Citra Kanker Payudara dengan Menggunakan Laplacian of Gaussian (LOG) Nurhasanah 1), Andi Ihwan 1) 1) Prodi Fisika FMIPA Untan, Pontianak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciReview Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis
Review Paper Image segmentation by histogram thresholding using hierarchical cluster analysis Agus Zainal Arifin a,*, Akira Asano b a Graduate School of Engineering, Hiroshima University, 1-4-1 Kagamiyama,
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciAPPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL
APPLICATION OF X-RAY IMAGE PROCESSING ORGANS OF THE BODY: IMPROVING THE QUALITY AND SEGMENTATION USING JAVA AND MYSQL Denni Dwi Kristanto, Dr. Bertalya, SKom., DEA. Undergraduate Program, Faculty of Industrial
Lebih terperinciPenemuan Dimensi Standar Kepala Manusia Berdasarkan Citra CT
Penemuan Dimensi Standar Kepala Manusia Berdasarkan Citra CT Bayu Kurniawan, Dr. I Ketut Eddy Purnama, ST., MT., Ir. Stevanus Hardiristanto,. ST., MT Jurusan Teknik Elektro FTI-ITS Abstrak Angka kecelakaan
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Selama lebih dari dua puluh tahun terakhir, penelitian tentang tumor otak yang dilakukan oleh National Cancer Institute Statistics (NCIS) menyebutkan penyakit tumor
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 terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciPengenalan Pola. K-Means Clustering
Pengenalan Pola K-Means Clustering PTIIK - 2014 Course Contents 1 Definisi k-means 2 Algoritma k-means 3 Studi Kasus 4 Latihan dan Diskusi K-Means Clustering K-Means merupakan salah satu metode pengelompokan
Lebih terperinciPERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED
PERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED Gunawan 1, Fandi Halim 1, Erni Wijaya 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 1 gunawan@mikroskil.ac.id, 1 fandi@mikroskil.ac.id,
Lebih terperinciSegmentasi Bagian Paru-Paru di Citra 2D CT-Scan
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Segmentasi Bagian Paru-Paru di Citra 2D CT-Scan Naser Jawas STIKOM Bali Jl. Raya Puputan no.86 Renon Denpasar e-mail: naser.jawas@stikom-bali.ac.id
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pada saat sekarang ini pengolahan citra (Image Processing) mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang kehidupan antara lain bidang arkeologi,
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
Lebih terperinciPENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 590~595 PENERAPAN ALGORITMA K MEANS UNTUK PENENTUAN PENCOCOKAN PEWARNAAN CLUSTERING SECARA OTOMATIS PADA PRODUK FASHION 590 Indra Gunawan
Lebih 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 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 terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
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
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 terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tumor Otak Otak manusia merupakan pusat pengaturan yang memiliki volume sekitar 1.350cc dan terdiri atas 100 juta sel saraf ( neuron). Otak mengatur dan mengkoordinir sebagaian
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciSISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT
SISTEM PENGKLASIFIKASIAN KUALITAS KERAMIK DENGAN MENGGUNAKAN METODE LOG DAN PREWITT Ardi Satrya Afandi art_dhi@yahoo.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl.
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 terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciOperasi Titik Kartika Firdausy
Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan
Lebih terperinciPRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL
PRAPROSES CITRA MENGGUNAKAN KOMPRESI CITRA, PERBAIKAN KONTRAS, DAN KUANTISASI PIKSEL Veronica Lusiana 1, Budi Hartono 2 1,2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini adalah penelitian eksperimen dengan metode penelitian sebagai berikut: 1) Pengumpulan Data Tahap ini dilakukan sebagai langkah awal dari suatu penelitian. Mencari
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciPOSITRON, Vol. III, No. 2 (2013), Hal ISSN :
Analisis Fraktal Citra Mammogram Berbasis Tekstur Sebagai Pendukung Diagnosis Kanker Payudara Muspika Helja 1), Nurhasanah 1), Joko Sampurno 1) 1) Program Studi Fisika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA
IDENTIFIKASI OBYEK PISAU PADA CITRA X-RAY DI BANDARA Isturom Arif 1, I Ketut Eddy Purnama 2, Moch Hariadi 3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciSegmentasi Citra MRI Menggunakan Deteksi Tepi untuk Identifikasi Kanker Payudara
Segmentasi Citra MRI Menggunakan Deteksi Tepi untuk Identifikasi Kanker Payudara Ervina Farijki 1, Bambang Krismono Triwijoyo 2 Jurusan Teknik Informatika STMIK Bumigora Mataram, NTB Email: ana.farijki@gmail.com,
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciBAB I PENDAHULUAN. atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit
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 terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciPerbaikan Citra X-ray Gigi Menggunakan Contrast Stretching
Perbaikan Citra X-ray Gigi Menggunakan Contrast Stretching Ima Kurniastuti 1, Tri Deviasari Wulan 1, I Ketut Eddy Purnama 2, Mauridhi Hery Purnomo 2, Margareta Rinastiti 3, Fatmala Agustina 1 1 Sistem
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciMagnetic Resonance Image. By Arman
Magnetic Resonance Image By Arman Magneting Resonance Image Magnetic Resonance Imaging (MRI) merupakan suatu teknik penggambaran penampang tubuh berdasarkan prinsip resonansi magnetic inti atom hidrogen.
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI
Lebih terperinciPerbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering
Berkala MIPA, 23(3), September 2014 Perbandingan Pewarnaan Citra Grayscale Menggunakan Metode K-Means Clustering dan Agglomerative Hierarchical Clustering Muhammad Safrizal 1 dan Agus Harjoko 2 1,2 Universitas
Lebih terperinciBAB I PENDAHULUAN. Bab I Pendahuluan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan ilmu biomedikal telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinciBAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih 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 terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
Lebih terperinciBAB IV PREPROCESSING
BAB IV PREPROCESSING 4.1 Langkah yang Dilakukan Interpretasi visual citra Pap smear merupakan hal yang sangat rumit. Hal ini disebabkan karena citra Pap smear memberikan hasil sel yang beragam mulai dari
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
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 yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciPENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS
PENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS Fricles Ariwisanto Sianturi Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No 1 Medan-Sumatera
Lebih terperinciPerancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference Putu Desiana Wulaning
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciPENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL
PENGEMBANGAN ALGORITMA PENGUBAHAN UKURAN CITRA BERBASISKAN ANALISIS GRADIEN DENGAN PENDEKATAN POLINOMIAL Eric Christopher #1, Dr. Ir. Rinaldi Munir, M. T. #2 #School of Electrical Engineering and Informatics,
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciPenerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta)
Penerapan Algoritma K-Means dalam Data Mining untuk Peminatan Jurusan Bagi Siswa Kelas X (Studi Kasus: SMA Negeri 29 Jakarta) Universitas Islam Negeri Syarif Hidayatullah Jakarta email: nurhayati@uinjkt.ac.id
Lebih terperinciCLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET
CLUSTERING PENGGUNAAN BANDWIDTH MENGGUNAKAN METODE K-MEANS ALGORITHM PADA PENERAPAN SINGLE SIGN ON (SSO) UNIVERSITAS SEBELAS MARET Vignasari Kokasih 1, Wiranto 2, Afrizal Doewes 3 1,2,3 Program Studi Informatika,
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 terperinciAnalisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra
Analisa Teknik Adaptive Histogram Equalization dan Contrast Stretching untuk Perbaikan Kualitas Citra Budi Hartono dan Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank Semarang
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 terperinciANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI
ANALISA PENGARUH HISTOGRAM EQUALIZATION TERHADAP KARAKTERISASI STATISTIK TERMAL CITRA TERMOGRAM KANKER PAYUDARA DINI Afriliana Kusumadewi 1 * Sugeng Santoso 2 * Abstrak Teknik histogram equalization merupakan
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
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 terperinci