HASIL UJI COBA 1 (2) Tugas Akhir KI /18/2011
|
|
- Vera Sasmita
- 6 tahun lalu
- Tontonan:
Transkripsi
1 HASIL UJI COBA 1 (2) 1. Terdapat 11 citra yang relevan sesuai dengan citra contoh yang pertama dari 20 citra yang ditampilkan. 2. Presisi untuk hasil pencarian mirip citra pada uji coba yang pertama adalah 55% dan recall adalah 11% 21
2 HASIL UJI COBA 2 (1) Citra rotasi
3 HASIL UJI COBA 2 (2) Citra rotasi 90 0 Citra rotasi
4 HASIL UJI COBA 2 (3) Citra flip 24
5 HASIL UJI COBA 2 (4) 1. Sistem temu kembali citra berhasil menemukan citra asli dari citra contoh yang telah di rotasi 90 0, dan citra yang diflip. 2. Masing-masing nilai presisi adalah 70%, 15% dan 90%. 25
6 Citra contoh diperkecil (48x32) HASIL UJI COBA 3 (1) 26
7 Citra contoh diperbesar (200x200) HASIL UJI COBA 3 (2) 27
8 Citra contoh warna merah saja HASIL UJI COBA 4 28
9 EVALUASI UJI COBA 5 29
10 EVALUASI UJI COBA 6 30
11 KESIMPULAN a) Sistem temu kembali yang dibuat berhasil melakukan pencarian mirip berdasarkan tingakat keseuaian antara citra contoh dengan citra di database dengan rata-rata presisi yaitu 71,4%. b) CHKM tidak terpengaruh oleh rotasi citra serta tidak terpengaruh oleh perubahan ukuran citra. c) Pengaturan bobot yang paling baik adalah gabungan dari ketiga fitur. Dengan komposisi CHKM lebih dominan. d) Kelompok citra yang digunakan untuk Tugas Akhir ini secara umum memiliki karakteristik lebih sensitif terhadap fitur warna daripada fitur tekstur. 31
12 DAFTAR PUSTAKA 1. Chuen-Horng Lin, Rong-Tai Chen, Yung-Kuan Chan, A Smart Content-based Image Retrieval System Based on Color and Texture Feature, Image and Vision Computing (2009) Accio! Homepage, Washington University. 2011, <URL: A localized CBIR System with multiple-instance learning. Diakses 4 April 2011> 3. TinEye reverse image search engine. 2011, <URL: image recognition engine that powers TinEye. Diakses 4 April 2011> 4. Teori Dasar Pengolahan Citra Digital. 2011, <URL: elib.unikom.ac.id/download.php?id=22303 diakses 4 April 2011> 5. PERPUSPEDIA Konsep Image Retrieval, <URL: diakses 24 Mei 2011> 6. Citra (image). 2008, <URL: diakses 24 Mei 2011> 7. Ilmu perpustakaan & informasi Recall dan Precision, <URL: diakses 20 Juni 2011> 8. Wikipedia Precision and recall, <URL: diakses 20 Juni 2011 > 9. The Dark Side of File Upload. 2006, <URL: diakses 24 Juni 2011> 10. Official Site ASP.NET. 2011, <URL: diakses 24 Juni 2011>. 32
13 SELESAI TERIMA KASIH 33
14 RUMUS CCM a b (2.3) Dimana Ni adalah total jumlah kemunculan keseluruhan pola scan pada blok grid matriks 7x7 dan Mi adalah jumlah kemunculan pola scan ke-i pada blok grid matriks 7x7. u adalah kemungkinan pola scan pada koordinat Pi(x,y) dan v adalah koordinat tetangganya. 34
15 RUMUS DBPSP (1) a b (2.4) (2.4) Dimana (x,y)merepresentasikan nilai total perbedaan dari semua arah scan dari motif ke-i pada koordinat manapun di dalam citra. 35
16 RUMUS DBPSP (2) b (2.5) Dimana i adalah nomor motif pola scan dan Ni adalah total kemunculan motif ke-i di dalam keseluruhan citra. Sehingga nantinya terdapat enam buah fitur DBPSP. 36
17 RUMUS CHKM c (2.6) Dimana N adalah total jumlah piksel pada citra dan Nk adalah jumlah piksel yang termasuk dalam kelompok warna ke-k. 37
18 RUMUS CTCHIRS (2.10) Dimana w1, w2, dan w3 adalah masing-masing weight yang diberikan untuk CCM, DBPSP, dan CHKM. 38
19 IMPLEMENTASI CCM (1) for (int u = 0; u < 7; u++) { for (int v = 0; v < 7; v++) { N[0] += M[0].Value[u][v]; N[1] += M[1].Value[u][v]; N[2] += M[2].Value[u][v]; N[3] += M[3].Value[u][v]; } } totalpixel = (int)(n[0] + N[1] + N[2] + N[3]); Implementasi penghitungan CCM 39
20 IMPLEMENTASI CCM (2) for (int i = 0; i < 4; i++) { for (int u = 0; u < 7; u++) { for (int v = 0; v < 7; v++) { float val = M[i].Value[u][v] / N[i]; m.value[u][v] = val; } } Implementasi penghitungan CCM 40
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciIMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi komputer dan internet semakin maju
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi komputer dan internet semakin maju menyebabkan data digital yang dihasilkan, disimpan, ditransmisikan, dianalisis, dan diakses menjadi
Lebih terperinciDAFTAR ISI. BAB II... Error! Bookmark not defined.
DAFTAR ISI SKRIPSI... Error! Bookmark not defined. HALAMAN PERSETUJUAN SKRIPSI... Error! Bookmark not defined. PENGESAHAN DEWAN PENGUJI... Error! Bookmark not defined. PERNYATAAN KEASLIAN TUGAS AKHIR...
Lebih terperinciTemu Kembali Citra Makanan Menggunakan Representasi Multi Texton Histogram
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-368 Temu Kembali Citra Makanan Menggunakan Representasi Multi Texton Histogram Imagine Clara Arabella, Nanik Suciati, dan Dini
Lebih terperinciABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha
ABSTRAK Content-Based Image Retrieval (CBIR) adalah proses untuk mendapatkan suatu citra berdasarkan konten-konten tertentu, konten yang dimaksud dapat berupa tekstur, warna, bentuk. CBIR pada dasarnya
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinci2.Landasan Teori. 2.1 Konsep Pemetaan Gambar dan Pengambilan Data.
6 2.Landasan Teori 2.1 Konsep Pemetaan Gambar dan Pengambilan Data. Informasi Multi Media pada database diproses untuk mengekstraksi fitur dan gambar.pada proses pengambilan, fitur dan juga atribut atribut
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM
1 CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM Venny Mar atul Jannah Ismail 1, Arip Mulyanto 2, Abd. Aziz Bouty 3 1 Mahasiswa
Lebih terperinciGambar 1.1 Tahapan Penelitian
BAB 1 PENDAHULUAN Latar Belakang Masalah Content Based Image Retrieval (CBIR) atau dikenal sebagai query dengan konten image dan pengambilan informasi visual berbasis konten merupakan penerapan teknik
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... viii ABSTRACT... ix DAFTAR ISI...
Lebih terperinciSistem perolehan citra berbasis isi Berdasarkan tekstur menggunakan metode Gray level co-occurrence matrix dan Euclidean distance
Vol 1, No 3 Desember 2010 ISSN 2088-2130 Sistem perolehan citra berbasis isi Berdasarkan tekstur menggunakan metode Gray level co-occurrence matrix dan Euclidean distance * Fitri Damayanti, ** Husni, ***
Lebih terperinciPENGUKURAN KEMIRIPAN CITRA BERBASIS WARNA, BENTUK, DAN TEKSTUR MENGGUNAKAN BAYESIAN NETWORK RIZKI PEBUARDI
PENGUKURAN KEMIRIPAN CITRA BERBASIS WARNA, BENTUK, DAN TEKSTUR MENGGUNAKAN BAYESIAN NETWORK RIZKI PEBUARDI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA BERBASIS ISI DENGAN FITUR TITIK-TITIK SIGNIFIKAN
IMPLEMENTASI TEMU KEMBALI CITRA BERBASIS ISI DENGAN FITUR TITIK-TITIK SIGNIFIKAN Rifky Alif Tama 1, Nanik Suciati 2, Arya Yudhi Wijaya 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS email : rifkyalif@gmail.com
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinciAPLIKASI IMAGE RETRIEVAL MENGGUNAKAN KOMBINASI METODE COLOR MOMENT DAN GABOR TEXTURE
APLIKASI IMAGE RETRIEVAL MENGGUNAKAN KOMBINASI METODE COLOR MOMENT DAN GABOR TEXTURE Arwin Halim 1, Hardy 2, Christina Dewi 3, Sulaiman Angkasa 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciHASIL DAN PEMBAHASAN. B fch a. d b
7 dengan nilai σ yang digunakan pada tahap pelatihan sebelumnya. Selanjutnya dilakukan perhitungan tingkat akurasi SVM terhadap citra yang telah diprediksi secara benar dan tidak benar oleh model klasifikasi.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciANALYSIS PERFORMANCE FITUR BENTUK, WARNA DAN TEKSTUR CITRA PADA PENELUSURAN INFORMASI ASET BERBASIS CBIR
ANALYSIS PERFORMANCE FITUR BENTUK, WARNA DAN TEKSTUR CITRA PADA PENELUSURAN INFORMASI ASET BERBASIS CBIR Jumi¹ ), Achmad Zaenuddin 1) 1 Jurusan Administrasi Bisnis, Politeknik Negeri Semarang jumimail06@gmail.com
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
Lebih terperinciBAB 1 PENDAHULUAN. Pada tahun 1970an penelitian awal image retrieval dilakukan dengan
BAB 1 PENDAHULUAN 1.1 Latar belakang Pada tahun 1970an penelitian awal image retrieval dilakukan dengan menggunakan pendekatan pengindeksan dan informasi citra berbasis teks. Teknik pencarian berbasis
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciSISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON
SISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON Nurissaidah Ulinnuha 1), Halimatus Sa dyah 2) Fakultas Sains dan Teknologi, Universitas
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciPERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT)
PERBANDINGAN TEKNIK SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN MULTISCALE LOCAL BINARY PATTERN (MLBP) DALAM PENGENALAN WAJAH DENGAN CITRA MASUKAN BERUPA CITRA SKETSA WAJAH Yuwono (0922013) Jurusan Teknik
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciSearch Engine. Text Retrieval dan Image Retrieval YENI HERDIYENI
Search Engine Text Retrieval dan Image Retrieval YENI HERDIYENI 14 JUNI 2008 Search engine atau mesin pencari merupakan bagian dari teknologi inte rnet yang sangat penting untuk pencarian informasi. Dewasa
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Deteksi kulit manusia berperan penting dan digunakan secara luas sebagai langkah awal pada aplikasi pengolahan citra seperti gesture analysis, content based
Lebih terperinciPENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE
PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba
Lebih terperinciImplementasi Principal Component Analysis - Scale Invariant Feature Transform pada Content Based Image Retrieval
e-issn : 2443-2229 Jurnal Teknik Informatika dan Sistem Informasi Volume 3 Nomor 3 Desember2017 Implementasi Principal Component Analysis - Scale Invariant Feature Transform pada Content Based Image Retrieval
Lebih terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
Lebih terperinciUCAPAN TERIMAKASIH. Denpasar, Agustus Penulis
UCAPAN TERIMAKASIH Segenap puja dan puji syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi Wasa sebagai sumber dari segala sumber pengetahuan, karena atas asung kertha wara nugrahanya Tesis yang
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciCONTEND BASED IMAGE RETRIEVAL UNTUK PENGENALAN CITRA 2D BATIK MENGGUNAKAN FITUR TEKSTUR WARNA DAN FUNGSI JARAK MINKOWSKI
CONTEND BASED IMAGE RETRIEVAL UNTUK PENGENALAN CITRA D BATIK MENGGUNAKAN FITUR TEKSTUR WARNA DAN FUNGSI JARAK MINKOWSKI Retno Indriani (1),Ricardus Anggi Pramunendar () Universitas Dian Nuswantoro, Ilmu
Lebih terperinciPENGEMBANGAN SISTEM TEMU KEMBALI CITRA DENGAN MULTIMODAL DATA MENGGUNAKAN MICROSTRUCTURE DESCRIPTOR DAN PLSA
PENGEMBANGAN SISTEM TEMU KEMBALI CITRA DENGAN MULTIMODAL DATA MENGGUNAKAN MICROSTRUCTURE DESCRIPTOR DAN PLSA Choiru Za in, Nanik Suciati, Chastine Fatichah Institut Teknologi Sepuluh Nopember choiruzain@gmail.com,
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciDAFTAR ISI COVER LEMBAR PENGESAHAN INTISARI ABSTRACT PERNYATAAN KATA PENGANTAR DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL PENDAHULUAN
DAFTAR ISI Halaman COVER... i LEMBAR PENGESAHAN... ii INTISARI... iii ABSTRACT... iv PERNYATAAN... v KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv I. PENDAHULUAN... 1
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi Informasi semakin berkembang seiring dengan berjalannya waktu. Pada zaman yang modern ini, Teknologi Informasi dan Ilmu Pengetahuan merupakan suatu yang
Lebih terperinciBAB I PENDAHULUAN. semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan teknologi informasi dan komunikasi yang semakin pesat, semakin tinggi jumlah citra dijital yang dapat diakses oleh pengguna. Basis data citra akan
Lebih terperinciFLOWER IMAGE RETRIEVAL BERDASARKAN COLOR MOMENTS, CENTROID-CONTOUR DISTANCE, DAN ANGLE CODE HISTOGRAM
Konferensi Nasional Sistem dan Informatika 008; Bali, November 15, 008 FLOWER IMAGE RETRIEVAL BERDASARKAN COLOR MOMENTS, CENTROID-CONTOUR DISTANCE, DAN ANGLE CODE HISTOGRAM Sani Muhamad Isa 1 Yoga Pradana
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem yang Sedang Berjalan Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB II LANDASAN TEORI
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR... vi DAFTAR TABEL... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN.... Latar Belakang.... Rumusan Masalah... 3.3 Tujuan...
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan.
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan. Pada hari Jumat tanggal 2 Oktober 2009 di Abu Dhabi, Uni Emirat Arab, United Nations Educational, Scientific, and Culture Organization (UNESCO) memberikan
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang ENDHULUN Dalam ilmu biologi dan kehutanan, diketahui terdapat banyak enis daun dengan karakteristik (ciri) yang berbeda-beda. Hal tersebut menyebabkan sulitnya untuk melakukan pengenalan
Lebih terperinciContent-Based Image Retrieval Menggunakan Metode Block Truncation Algorithm dan Grid Partitioning
Content-Based Image Retrieval Menggunakan Metode Block Truncation Algorithm dan Grid Partitioning Duman Care Khrisne 1), Mohamad David Yusanto 2) 1 Teknik Elektro UNIVERSITAS UDAYANA Denpasar, Bali, Indonesia
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 terperinciTEMU KEMBALI CITRA WAJAH BERDASARKAN PENGUKURAN KEMIRIPAN FITUR DENGAN MENGGUNAKAN JARINGAN BAYESIAN TESIS HENDRIK SIAGIAN
TEMU KEMBALI CITRA WAJAH BERDASARKAN PENGUKURAN KEMIRIPAN FITUR DENGAN MENGGUNAKAN JARINGAN BAYESIAN TESIS HENDRIK SIAGIAN 107038003 PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Video Video adalah teknologi untuk menangkap, merekam, memproses, mentransmisikan dan menata ulang citra bergerak. Teknologi ini biasanya menggunakan film seluloid, sinyal elektronik,
Lebih terperinciTEMU KEMBALI CITRA UNTUK PENGENALAN BATIK PADA CITRA 2D MENGGUNAKAN FITUR TEKSTUR MATRIKS KOOKURENSI ARAS KEABUAN DAN FUNGSI JARAK CANBERRA
1 TEMU KEMBAI CITRA UNTUK PENGENAAN BATIK PADA CITRA D MENGGUNAKAN FITUR TEKSTUR MATRIKS KOOKURENSI ARAS KEABUAN DAN FUNGSI JARAK CANBERRA Intan Putri Rakasiwi 1, Ricardus Anggi Pramunendar Universitas
Lebih terperinciPemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts
JURNAL DIGIT, Vol.1, No., November 011, pp. 13~131 ISSN: 088-589X 13 Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts Marsani Asfi Program Studi Sistem Informasi Sekolah
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciBAB 4 ANALISA HASIL SISTEM
BAB 4 ANALISA HASIL SISTEM 4.1. Umum Pada bab ini akan dilakukan mengenai pengujian terhadap prosentase kemiripan dari sistem aplikasi yang telah dirancang. lingkup uji coba sistem aplikasi ini adalah
Lebih terperinciPENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA. Abstract
PENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA Kusrini 1, Agus Harjoko 2 1 Dosen STMIK AMIKOM Yogyakarta 2 Dosen FMIPA Universitas Gadjah Mada Yogyakarta Abstract There are two
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
Lebih terperinciPengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM
Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley
Lebih terperinciPENENTUAN KUALITAS IKAN BANDENG MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN TEKSTUR PADA CITRA ABSTRAK
PENENTUAN KUALITAS IKAN BANDENG MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN TEKSTUR PADA CITRA Rahmanika Ratna Sari 1, Hanny Haryanto 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperincipola-pola yang terdapat pada suatu daerah bagian citra. Tekstur juga dapat membedakan permukaan dari beberapa kelas.
Ruang Lingkup Penelitian Ruang Lingkup penelitian ini adalah: 1. Objek citra adalah data citra daun tumbuhan obat dan citra pohon tanaman hias di Indonesia. 2. Dalam penelitian ini operator MBLBP yang
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciSISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG * Iman Sapuguh, Daniel O Siahaan, dan Chastine Fatichah Program Magister Teknik
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperincicomparing the search results using the method GCHs with the search results using the method LCHs or use both types of these histograms. So get a color
CBIR BERDASARKAN EKSTRAKSI FITUR WARNA MENGGUNAKAN JAVA Agus Sumarna sumarna_agus@yahoo.com Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma, Margonda Raya 100 Depok 16424
Lebih terperinciKlasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 2010 : 38-41 Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra Vera Yunita, Yeni Herdiyeni Departemen Ilmu
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciRancang Bangun Sistem Temu Kembali Gambar Ikan Berdasarkan Estraksi Ciri Warna HSV, Bentuk Canny dan Tekstur Orde Dua
Rancang Bangun Sistem Temu Kembali Gambar Ikan Berdasarkan Estraksi Ciri Warna HSV, Bentuk Canny dan Tekstur Orde Dua Lestari Handayani 1, Awaliyah 2 1,2 Jurusan Teknik Informatika, Fakultas Sains dan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar belakang 1.2. Perumusan Masalah
BAB I PENDAHULUAN 1.1. Latar belakang Salah satu implementasi di bidang komputer yang ditampilkan pada ciri kendaraan saat ini atau masa datang adalah proses Computer Vision Image Processing (CVIP), maksudnya
Lebih terperinciPENERAPAN ALGORITMA LATENT SEMANTIC INDEXING PADA CONTENT BASED IMAGE RETRIEVAL SYSTEM
PENERAPAN ALGORITMA LATENT SEMANTIC INDEXING PADA CONTENT BASED IMAGE RETRIEVAL SYSTEM Tugas Akhir Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciDIAGNOSIS KANKER PAYUDARA PADA MAMMOGRAM MENGGUNAKAN METODE TRANSFORMASI CURVELET DAN CBIR
DIAGNOSIS KANKER PAYUDARA PADA MAMMOGRAM MENGGUNAKAN METODE TRANSFORMASI CURVELET DAN CBIR TRI ADHI WIJAYA [5108100510] Surabaya, 19 Juli 2010 / Ruang Sidang S2 Gedung Teknik Informatika ITS Latar Belakang
Lebih terperinciPERBANDINGAN KINERJA PEMBOBOTAN CIRI PADA TEMU KEMBALI CITRA MENGGUNAKAN BAYESIAN NETWORK DAN ALGORITME GENETIKA FACHRIZAL
PERBANDINGAN KINERJA PEMBOBOTAN CIRI PADA TEMU KEMBALI CITRA MENGGUNAKAN BAYESIAN NETWORK DAN ALGORITME GENETIKA FACHRIZAL DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciFajar Syakhfari. Pendahuluan. Lisensi Dokumen:
Aplikasi Geometry Process Menggunakan Visual Studio Fajar Syakhfari Fajar_060@yahoo.com http://syakhfarizonedevils.blogspot.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi
Lebih terperinciImplementasi Content Based Image Retrieval Untuk Menganalisa Kemiripan Bakteri Yoghurt Menggunakan Metode Latent Semantic Indexing
Implementasi Content Based Image Retrieval Untuk Menganalisa Kemiripan Bakteri Yoghurt Menggunakan Metode Latent Semantic Indexing Meivi Kartikasari, Chaulina Alfianti Oktavia Sekolah Tinggi Informatika
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciRekayasa Elektrika. Jurnal VOLUME 12 NOMOR 3 DESEMBER Penerapan Deskriptor Warna Dominan untuk Temu Kembali Citra Busana pada Peranti Bergerak
Jurnal Rekayasa Elektrika VOLUME 12 NOMOR 3 DESEMBER 2016 Penerapan Deskriptor Warna Dominan untuk Temu Kembali Citra Busana Yustina Dhyanti, Khairul Munadi, dan Fitri Arnia 104-110 JRE Vol. 12 No. 3 Hal
Lebih terperinciDaftar kelompok Kelas Mahasiswa Angkatan 52 Program Pendidikan Kompetensi Umum Institut Pertanian Bogor
1 INT INT B04158001 2 INT INT B04158004 3 INT INT B04158005 4 INT INT B04158006 5 INT INT B04158007 6 INT INT B04158008 7 INT INT B04158009 8 INT INT B04158010 9 INT INT B04158011 10 INT INT B04158013
Lebih terperinciMETODE CLUSTER SELF-ORGANIZING MAP UNTUK TEMU KEMBALI CITRA
1 METODE CLUSTER SELF-ORGANIZING MAP UNTUK TEMU KEMBALI CITRA Chita Ralina Rahardjo, Yeni Herdiyeni, Firman Ardiansyah Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian
Lebih terperinciAplikasi Image Retrieval dengan Histogram Warna dan Multiscale
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 Aplikasi Image Retrieval dengan Histogram Warna dan Multiscale GLCM Arwin Halim 1, Hardy 2, Mytosin 3 STMIK Mikroskil, Jl. Thamrin No. 112, 124, 140,
Lebih terperinciII TINJAUAN PUSTAKA. * adalah operasi konvolusi x dan y, adalah fungsi yang merepresentasikan citra output,
5 II INJAUAN PUSAKA.1 Fitur Scale Invariant Feature ransform (SIF) Fitur lokal ditentukan berdasarkan pada kemunculan sebuah objek pada lokasi tertentu di dalam frame. Fitur yang dimaksudkan haruslah bersifat
Lebih terperinciEKSTRAKSI WARNA, TEKSTUR DAN BENTUK UNTUK IMAGE RETRIEVAL
EKSTRAKSI WARNA, TEKSTUR DAN BENTUK UNTUK IMAGE RETRIEVAL Sugiartha 1), I Gusti Rai Agung 2) 1,2) Sistem Informasi, STMIK STIKOM Bali Jl Raya Puputan No. 86 Renon, Denpasar-Bali Email : sugiartha@stikom-bali.ac.id
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka tentang identifikasi iris mata ataupun identifikasi citra digital sudah pernah dilakukan sebelumnya, berikut merupakan tabel perbandingan terhadap
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) TEKNOLOGI INFORMASI. - Dosen memberikan uraian. - Dosen membagikan fotocopy garis besar
RENCANA PEMBELAJARAN SEMESTER (RPS) TEKNOLOGI INFORMASI Mata Kuliah: Teknologi Informasi Semester: Genap, Kode: KMM 018 Program Studi: Pendidikan Matematika Dosen: Khairul Umam, S.Si, M.Sc.Ed Capaian Pembelajaran:
Lebih terperinciBAB II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
Lebih terperinciPERANCANGAN DAN SIMULASI IMAGE RETREIVAL MENGGUNAKAN METODE COLOR HISTOGRAM, GREY LEVEL CO-OCCURRENCE MATRIX DAN KNN (Design and Simulation of Image Retreival Using Color Histogram, Grey Level Co-Occurrence
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciPencarian Citra Digital Berbasiskan Konten dengan Ekstraksi Fitur HSV, ACD, dan GLCM
Jurnal Telematika, vol.8 no.2, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-2516 Pencarian Citra Digital Berbasiskan Konten dengan Ekstraksi Fitur HSV, ACD, dan GLCM Muhammad Dendy Agaputra #1,
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MEMPERBAIKI CITRA DIGITAL 1. Pendahuluan Citra / gambar merupakan hal yang vital dan menjadi bagian integral dari kehidupan sehari-hari. Pada kepentingan tertentu,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciPELABELAN OTOMATIS CITRA MENGGUNAKAN FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA MARSANI ASFI
PELABELAN OTOMATIS CITRA MENGGUNAKAN FUZZY C MEANS UNTUK SISTEM TEMU KEMBALI CITRA MARSANI ASFI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinci