LAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN
|
|
- Hengki Kartawijaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 L.1 LAMPIRAN A: DAFTAR DATA CITRA dan DATA CITRA BAYANGAN Koordinat (x,y) Tabel A.1. Nilai data citra terhadap proses gradien Data citra bayangan (0,0) (99372, 36036, 13068) (1,0) (2352, , ) (2,0) (36963, , ) (3,0) (199692, 24768, 3072) (4,0) (10092, , 97200) (5,0) (128547, 13041, 1323) (6,0) (48, -1152, 27648) (7,0) (30603, 6363, 1323) (8,0) (8427, , 23763) (9,0) (25947, , ) (10,0) (78732, , ) (11,0) (50700, 78000, ) (12,0) (7500, 5400, 3888) (13,0) (35643, 31065, 27075) (14,0) (11907, 15687, 20667) (15,0) (37632, 11424, 3468) (16,0) (70227, , 28227) (17,0) (507, 8619, ) (18,0) (330672, 97608, 28812) (19,0) (38307, -3051, 243) (20,0) ( , , ) (21,0) (101568, , ) (0,1) (112908, , 2028) (1,1) (73947, 13659, 2523) (2,1) (97200, , 5808) (3,1) (6627, 7473, 8427) (4,1) (17328, , 49152) (5,1) (2883, -2883, 2883) (6,1) (9408, 25200, 67500) (7,1) (5043, , 61347) (8,1) (3072, 1728, 972) (9,1) (1323, 2205, 3675) (10,1) (24300, , 8112) (11,1) (3072, , 33708) (12,1) (18252, 39312, 84672) (13,1) (11532, 21948, 41772) (14,1) (192, 672, 2352) (15,1) (20172, -1968, 192) (16,1) (300, 2100, 14700) (17,1) (675, 4995, 36963) (18,1) (17328, -4560, 1200) (19,1) (16875, 225, 3) (20,1) (312987, , )
2 (21,1) (37632, , ) (0,2) (25392, , 10800) (1,2) (30603, , ) (2,2) (8427, 34503, ) (3,2) (11532, 21576, 40368) (4,2) (3468, , ) (5,2) (432, -1296, 3888) (6,2) (91875, , 41067) (7,2) (33708, 17808, 9408) (8,2) (2187, 4455, 9075) (9,2) (192, 1152, 6912) (10,2) (1323, 8127, 49923) (11,2) (9408, 46032, ) (12,2) (26508, , 49152) (13,2) (0, 0, 9408) (14,2) (30000, 19200, 12288) (15,2) (9408, -9072, 8748) (16,2) (13872, 16320, 19200) (17,2) (4800, -5040, 5292) (18,2) (0, 0, 5292) (19,2) (108300, 34200, 10800) (20,2) (18723, , 19683) (21,2) (27648, , 65712) (0,3) (5292, , 36300) (1,3) (108, 1692, 26508) (2,3) (56307, 54663, 53067) (3,3) (53868, 24924, 11532) (4,3) (110592, 56448, 28812) (5,3) (25392, 36984, 53868) (6,3) (181548, , 22188) (7,3) (44652, 33672, 25392) (8,3) (9747, 23769, 57963) (9,3) (67500, -8100, 972) (10,3) (77763, , 19683) (11,3) (36300, , 3072) (12,3) (238572, 16920, 1200) (13,3) (17787, 12243, 8427) (14,3) (393132, , ) (15,3) (167088, , ) (16,3) (124848, , 99372) (17,3) (14283, 7659, 4107) (18,3) (33075, 12285, 4563) (19,3) (16428, 2220, 300) (20,3) (16428, 27084, 44652) (21,3) (5808, 17424, 52272) (0,4) (192, -960, 4800) (1,4) (588, -252, 108) (2,4) (30000, , 24300) (3,4) (3468, 22848, ) (4,4) (126075, , ) (5,4) (5547, 22317, 89787) (6,4) (174243, , 93987) (7,4) (6348, 13800, 30000) L.2
3 (8,4) (61347, 27027, 11907) (9,4) (147852, , ) (10,4) (28812, 47628, 78732) (11,4) (5292, -2268, 972) (12,4) (102675, 555, 3) (13,4) (268203, , ) (14,4) (348843, , ) (15,4) (184512, , 31212) (16,4) (58800, , ) (17,4) (588, 20580, ) (18,4) (309123, , ) (19,4) (6075, , 18723) (20,4) (90828, 39672, 17328) (21,4) (363, -3663, 36963) (0,5) (17328, , ) (1,5) (972, -7452, 57132) (2,5) (3, -327, 35643) (3,5) (17328, 26448, 40368) (4,5) (30000, 9600, 3072) (5,5) (39675, 24495, 15123) (6,5) (49923, , ) (7,5) (118803, , ) (8,5) (30000, , 9408) (9,5) (12288, 14592, 17328) (10,5) (4107, 6327, 9747) (11,5) (972, -6264, 40368) (12,5) (6075, 36315, ) (13,5) (475212, , ) (14,5) (3072, -9216, 27648) (15,5) (25947, -837, 27) (16,5) (45387, 69003, ) (17,5) (80688, , 41772) (18,5) (526683, , 4107) (19,5) (41067, , 20667) (20,5) (74892, -948, 12) (21,5) (300, 1560, 8112) (0,6) (64827, , 59643) (1,6) (92928, 17952, 3468) (2,6) (35643, , 8427) (3,6) (588, 1680, 4800) (4,6) (768, -6240, 50700) (5,6) (213867, , 30603) (6,6) (3072, 3072, 3072) (7,6) (103788, , 53868) (8,6) (8748, , ) (9,6) (1083, -8835, 72075) (10,6) (37632, 47712, 60492) (11,6) (30000, 82800, ) (12,6) (35643, 99735, ) (13,6) (36963, -333, 3) (14,6) (10800, 10800, 10800) (15,6) (16428, 38184, 88752) (16,6) (20667, 12699, 7803) L.3
4 (17,6) (271803, , ) (18,6) (127308, , 84672) (19,6) (2187, -7209, 23763) (20,6) (19200, 44640, ) (21,6) (675, 8235, ) (0,7) (122412, , 15552) (1,7) (201243, , 35643) (2,7) (41067, 18603, 8427) (3,7) (59643, 33417, 18723) (4,7) (2523, 14007, 77763) (5,7) (359148, , 73008) (6,7) (11532, -9672, 8112) (7,7) (1728, -2736, 4332) (8,7) (675, -5805, 49923) (9,7) (3468, , ) (10,7) (74892, , ) (11,7) (53067, 92169, ) (12,7) (50700, 1560, 48) (13,7) (30603, 45147, 66603) (14,7) (90828, , 13872) (15,7) (21675, , 9075) (16,7) (357075, 85905, 20667) (17,7) (243675, 47025, 9075) (18,7) (3675, 2625, 1875) (19,7) (104907, 57783, 31827) (20,7) (27075, 66975, ) (21,7) (9747, , 98283) (0,8) (35643, , 17787) (1,8) (98283, , ) (2,8) (49923, , 29403) (3,8) (108300, 36480, 12288) (4,8) (1323, 1197, 1083) (5,8) (252300, 6960, 192) (6,8) (23763, , 46875) (7,8) (6075, 28215, ) (8,8) (12675, , ) (9,8) (5547, , ) (10,8) (26508, , ) (11,8) (4563, , ) (12,8) (39675, 60375, 91875) (13,8) (30000, 4200, 588) (14,8) (5547, , ) (15,8) (40368, , ) (16,8) (137388, 95016, 65712) (17,8) (210675, 19875, 1875) (18,8) (45387, 45387, 45387) (19,8) (217083, , ) (20,8) (22188, 45408, 92928) (21,8) (1452, , ) (0,9) (4800, 10080, 21168) (1,9) (2352, -336, 48) (2,9) (290163, , 22707) (3,9) (117612, , 10800) L.4
5 (4,9) (101568, 72864, 52272) (5,9) (11532, 14508, 18252) (6,9) (22188, 49536, ) (7,9) (11532, , 92928) (8,9) (5547, 18705, 63075) (9,9) (12288, 77568, ) (10,9) (18723, , ) (11,9) (2523, , ) (12,9) (61347, , ) (13,9) (27648, 64512, ) (14,9) (27648, 42624, 65712) (15,9) (33075, , ) (16,9) (28812, 79380, ) (17,9) (8748, 10692, 13068) (18,9) (228528, , 67500) (19,9) (59643, 26649, 11907) (20,9) (11532, -5580, 2700) (21,9) (36963, -333, 3) (0,10) (16875, , 77763) (1,10) (3675, -3255, 2883) (2,10) (97200, , 15552) (3,10) (20172, , ) (4,10) (24300, 79920, ) (5,10) (71148, , 4800) (6,10) (117612, 10692, 972) (7,10) (75843, , 7203) (8,10) (2187, -2673, 3267) (9,10) (71148, , ) (10,10) (14283, 43263, ) (11,10) (243, -2241, 20667) (12,10) (34992, , 20172) (13,10) (768, -5088, 33708) (14,10) (28812, 36456, 46128) (15,10) (2700, , ) (16,10) (56307, , 51483) (17,10) (139968, , 74892) (18,10) (96123, 61755, 39675) (19,10) (3072, 6528, 13872) (20,10) (9408, , 71148) (21,10) (23232, , ) (0,11) (73947, , ) (1,11) (89787, , ) (2,11) (20172, , 57132) (3,11) (14700, 23940, 38988) (4,11) (51483, , 27075) (5,11) (97200, , 32448) (6,11) (3675, , ) (7,11) (5043, , ) (8,11) (36963, 49617, 66603) (9,11) (768, , ) (10,11) (10443, , ) (11,11) (3072, , ) (12,11) (2028, , ) L.5
6 L.6 (13,11) (23232, 53856, ) (14,11) (74892, 50244, 33708) (15,11) (6075, -7425, 9075) (16,11) (9075, , ) (17,11) (96123, , ) (18,11) (7500, 15900, 33708) (19,11) (18723, , 38307) (20,11) (867, 5763, 38307) (21,11) (1200, 3840, 12288) (0,12) (161472, 5568, 192) (1,12) (30000, , 19200) (2,12) (147852, , 26508) (3,12) (1728, 8352, 40368) (4,12) (3888, 10368, 27648) (5,12) (21675, , 21675) (6,12) (118803, , ) (7,12) (134832, , ) (8,12) (867, -6783, 53067) (9,12) (12, -408, 13872) (10,12) (300, 600, 1200) (11,12) (13872, 31416, 71148) (12,12) (19683, , ) (13,12) (33075, 60165, ) (14,12) (16875, , 15987) (15,12) (108, 1260, 14700) (16,12) (117612, 39204, 13068) (17,12) (75, -1755, 41067) (18,12) (972, 1296, 1728) (19,12) (1323, 5355, 21675) (20,12) (192, 4224, 92928) (21,12) (588, -7644, 99372) Tabel A.2. Nilai data citra bayangan terhadap proses penghalusan Canny-Deriche Koordinat (x,y) Data citra bayangan (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) (11,0) ( , , ) (12,0) ( , , ) (13,0) ( , , ) (14,0) ( , , )
7 (15,0) ( , , ) (16,0) ( , , ) (17,0) ( , , ) (18,0) ( , , ) (19,0) ( , , ) (20,0) ( , , ) (21,0) ( , , ) (0,1) ( , , ) (1,1) ( , , ) (2,1) ( , , ) (3,1) ( , , ) (4,1) ( , , ) (5,1) ( , , ) (6,1) ( , , ) (7,1) ( , , ) (8,1) ( , , ) (9,1) ( , , ) (10,1) ( , , ) (11,1) ( , , ) (12,1) ( , , ) (13,1) ( , , ) (14,1) ( , , ) (15,1) ( , , ) (16,1) ( , , ) (17,1) ( , , ) (18,1) ( , , ) (19,1) ( , , ) (20,1) ( , , ) (21,1) ( , , ) (0,2) ( , , ) (1,2) ( , , ) (2,2) ( , , ) (3,2) ( , , ) (4,2) ( , , ) (5,2) ( , , ) (6,2) ( , , ) (7,2) ( , , ) (8,2) ( , , ) (9,2) ( , , ) (10,2) ( , , ) (11,2) ( , , ) (12,2) ( , , ) (13,2) ( , , ) (14,2) ( , , ) (15,2) ( , , ) (16,2) ( , , ) (17,2) ( , , ) (18,2) ( , , ) (19,2) ( , , ) (20,2) ( , , ) (21,2) ( , , ) (0,3) ( , , ) (1,3) ( , , ) L.7
8 (2,3) ( , , ) (3,3) ( , , ) (4,3) ( , , ) (5,3) ( , , ) (6,3) ( , , ) (7,3) ( , , ) (8,3) ( , , ) (9,3) ( , , ) (10,3) ( , , ) (11,3) ( , , ) (12,3) ( , , ) (13,3) ( , , ) (14,3) ( , , ) (15,3) ( , , ) (16,3) ( , , ) (17,3) ( , , ) (18,3) ( , , ) (19,3) ( , , ) (20,3) ( , , ) (21,3) ( , , ) (0,4) ( , , ) (1,4) ( , , ) (2,4) ( , , ) (3,4) ( , , ) (4,4) ( , , ) (5,4) ( , , ) (6,4) ( , , ) (7,4) ( , , ) (8,4) ( , , ) (9,4) ( , , ) (10,4) ( , , ) (11,4) ( , , ) (12,4) ( , , ) (13,4) ( , , ) (14,4) ( , , ) (15,4) ( , , ) (16,4) ( , , ) (17,4) ( , , ) (18,4) ( , , ) (19,4) ( , , ) (20,4) ( , , ) (21,4) ( , , ) (0,5) ( , , ) (1,5) ( , , ) (2,5) ( , , ) (3,5) ( , , ) (4,5) ( , , ) (5,5) ( , , ) (6,5) ( , , ) (7,5) ( , , ) (8,5) ( , , ) (9,5) ( , , ) (10,5) ( , , ) L.8
9 (11,5) ( , , ) (12,5) ( , , ) (13,5) ( , , ) (14,5) ( , , ) (15,5) ( , , ) (16,5) ( , , ) (17,5) ( , , ) (18,5) ( , , ) (19,5) ( , , ) (20,5) ( , , ) (21,5) ( , , ) (0,6) ( , , ) (1,6) ( , , ) (2,6) ( , , ) (3,6) ( , , ) (4,6) ( , , ) (5,6) ( , , ) (6,6) ( , , ) (7,6) ( , , ) (8,6) ( , , ) (9,6) ( , , ) (10,6) ( , , ) (11,6) ( , , ) (12,6) ( , , ) (13,6) ( , , ) (14,6) ( , , ) (15,6) ( , , ) (16,6) ( , , ) (17,6) ( , , ) (18,6) ( , , ) (19,6) ( , , ) (20,6) ( , , ) (21,6) ( , , ) (0,7) ( , , ) (1,7) ( , , ) (2,7) ( , , ) (3,7) ( , , ) (4,7) ( , , ) (5,7) ( , , ) (6,7) ( , , ) (7,7) ( , , ) (8,7) ( , , ) (9,7) ( , , ) (10,7) ( , , ) (11,7) ( , , ) (12,7) ( , , ) (13,7) ( , , ) (14,7) ( , , ) (15,7) ( , , ) (16,7) ( , , ) (17,7) ( , , ) (18,7) ( , , ) (19,7) ( , , ) L.9
10 (20,7) ( , , ) (21,7) ( , , ) (0,8) ( , , ) (1,8) ( , , ) (2,8) ( , , ) (3,8) ( , , ) (4,8) ( , , ) (5,8) ( , , ) (6,8) ( , , ) (7,8) ( , , ) (8,8) ( , , ) (9,8) ( , , ) (10,8) ( , , ) (11,8) ( , , ) (12,8) ( , , ) (13,8) ( , , ) (14,8) ( , , ) (15,8) ( , , ) (16,8) ( , , ) (17,8) ( , , ) (18,8) ( , , ) (19,8) ( , , ) (20,8) ( , , ) (21,8) ( , , ) (0,9) ( , , ) (1,9) ( , , ) (2,9) ( , , ) (3,9) ( , , ) (4,9) ( , , ) (5,9) ( , , ) (6,9) ( , , ) (7,9) ( , , ) (8,9) ( , , ) (9,9) ( , , ) (10,9) ( , , ) (11,9) ( , , ) (12,9) ( , , ) (13,9) ( , , ) (14,9) ( , , ) (15,9) ( , , ) (16,9) ( , , ) (17,9) ( , , ) (18,9) ( , , ) (19,9) ( , , ) (20,9) ( , , ) (21,9) ( , , ) (0,10) ( , , ) (1,10) ( , , ) (2,10) ( , , ) (3,10) ( , , ) (4,10) ( , , ) (5,10) ( , , ) (6,10) ( , , ) L.10
11 (7,10) ( , , ) (8,10) ( , , ) (9,10) ( , , ) (10,10) ( , , ) (11,10) ( , , ) (12,10) ( , , ) (13,10) ( , , ) (14,10) ( , , ) (15,10) ( , , ) (16,10) ( , , ) (17,10) ( , , ) (18,10) ( , , ) (19,10) ( , , ) (20,10) ( , , ) (21,10) ( , , ) (0,11) ( , , ) (1,11) ( , , ) (2,11) ( , , ) (3,11) ( , , ) (4,11) ( , , ) (5,11) ( , , ) (6,11) ( , , ) (7,11) ( , , ) (8,11) ( , , ) (9,11) ( , , ) (10,11) ( , , ) (11,11) ( , , ) (12,11) ( , , ) (13,11) ( , , ) (14,11) ( , , ) (15,11) ( , , ) (16,11) ( , , ) (17,11) ( , , ) (18,11) ( , , ) (19,11) ( , , ) (20,11) ( , , ) (21,11) ( , , ) (0,12) ( , , ) (1,12) ( , , ) (2,12) ( , , ) (3,12) ( , , ) (4,12) ( , , ) (5,12) ( , , ) (6,12) ( , , ) (7,12) ( , , ) (8,12) ( , , ) (9,12) ( , , ) (10,12) ( , , ) (11,12) ( , , ) (12,12) ( , , ) (13,12) ( , , ) (14,12) ( , , ) (15,12) ( , , ) L.11
12 L.12 (16,12) ( , , ) (17,12) ( , , ) (18,12) ( , , ) (19,12) ( , , ) (20,12) ( , , ) (21,12) ( , , ) Tabel A.3. Nilai data citra bayangan hasil pemrosesan terhadap nilai Eigen Koordinat (x,y) Data citra bayangan (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) (11,0) ( , , ) (12,0) ( , , ) (13,0) ( , , ) (14,0) ( , , ) (15,0) ( , , ) (16,0) ( , , ) (17,0) ( , , ) (18,0) ( , , ) (19,0) ( , , ) (20,0) ( , , ) (21,0) ( , , ) (0,1) ( , , ) (1,1) ( , , ) (2,1) ( , , ) (3,1) ( , , ) (4,1) ( , , ) (5,1) ( , , ) (6,1) ( , , ) (7,1) ( , , ) (8,1) ( , , ) (9,1) ( , , ) (10,1) ( , , ) (11,1) ( , , ) (12,1) ( , , ) (13,1) ( , , ) (14,1) ( , , ) (15,1) ( , , ) (16,1) ( , , ) (17,1) ( , , )
13 (18,1) ( , , ) (19,1) ( , , ) (20,1) ( , , ) (21,1) ( , , ) (0,2) ( , , ) (1,2) ( , , ) (2,2) ( , , ) (3,2) ( , , ) (4,2) ( , , ) (5,2) ( , , ) (6,2) ( , , ) (7,2) ( , , ) (8,2) ( , , ) (9,2) ( , , ) (10,2) ( , , ) (11,2) ( , , ) (12,2) ( , , ) (13,2) ( , , ) (14,2) ( , , ) (15,2) ( , , ) (16,2) ( , , ) (17,2) ( , , ) (18,2) ( , , ) (19,2) ( , , ) (20,2) ( , , ) (21,2) ( , , ) (0,3) ( , , ) (1,3) ( , , ) (2,3) ( , , ) (3,3) ( , , ) (4,3) ( , , ) (5,3) ( , , ) (6,3) ( , , ) (7,3) ( , , ) (8,3) ( , , ) (9,3) ( , , ) (10,3) ( , , ) (11,3) ( , , ) (12,3) ( , , ) (13,3) ( , , ) (14,3) ( , , ) (15,3) ( , , ) (16,3) ( , , ) (17,3) ( , , ) (18,3) ( , , ) (19,3) ( , , ) (20,3) ( , , ) (21,3) ( , , ) (0,4) ( , , ) (1,4) ( , , ) (2,4) ( , , ) (3,4) ( , , ) (4,4) ( , , ) L.13
14 (5,4) ( , , ) (6,4) ( , , ) (7,4) ( , , ) (8,4) ( , , ) (9,4) ( , , ) (10,4) ( , , ) (11,4) ( , , ) (12,4) ( , , ) (13,4) ( , , ) (14,4) ( , , ) (15,4) ( , , ) (16,4) ( , , ) (17,4) ( , , ) (18,4) ( , , ) (19,4) ( , , ) (20,4) ( , , ) (21,4) ( , , ) (0,5) ( , , ) (1,5) ( , , ) (2,5) ( , , ) (3,5) ( , , ) (4,5) ( , , ) (5,5) ( , , ) (6,5) ( , , ) (7,5) ( , , ) (8,5) ( , , ) (9,5) ( , , ) (10,5) ( , , ) (11,5) ( , , ) (12,5) ( , , ) (13,5) ( , , ) (14,5) ( , , ) (15,5) ( , , ) (16,5) ( , , ) (17,5) ( , , ) (18,5) ( , , ) (19,5) ( , , ) (20,5) ( , , ) (21,5) ( , , ) (0,6) ( , , ) (1,6) ( , , ) (2,6) ( , , ) (3,6) ( , , ) (4,6) ( , , ) (5,6) ( , , ) (6,6) ( , , ) (7,6) ( , , ) (8,6) ( , , ) (9,6) ( , , ) (10,6) ( , , ) (11,6) ( , , ) (12,6) ( , , ) (13,6) ( , , ) L.14
15 (14,6) ( , , ) (15,6) ( , , ) (16,6) ( , , ) (17,6) ( , , ) (18,6) ( , , ) (19,6) ( , , ) (20,6) ( , , ) (21,6) ( , , ) (0,7) ( , , ) (1,7) ( , , ) (2,7) ( , , ) (3,7) ( , , ) (4,7) ( , , ) (5,7) ( , , ) (6,7) ( , , ) (7,7) ( , , ) (8,7) ( , , ) (9,7) ( , , ) (10,7) ( , , ) (11,7) ( , , ) (12,7) ( , , ) (13,7) ( , , ) (14,7) ( , , ) (15,7) ( , , ) (16,7) ( , , ) (17,7) ( , , ) (18,7) ( , , ) (19,7) ( , , ) (20,7) ( , , ) (21,7) ( , , ) (0,8) ( , , ) (1,8) ( , , ) (2,8) ( , , ) (3,8) ( , , ) (4,8) ( , , ) (5,8) ( , , ) (6,8) ( , , ) (7,8) ( , , ) (8,8) ( , , ) (9,8) ( , , ) (10,8) ( , , ) (11,8) ( , , ) (12,8) ( , , ) (13,8) ( , , ) (14,8) ( , , ) (15,8) ( , , ) (16,8) ( , , ) (17,8) ( , , ) (18,8) ( , , ) (19,8) ( , , ) (20,8) ( , , ) (21,8) ( , , ) (0,9) ( , , ) L.15
16 (1,9) ( , , ) (2,9) ( , , ) (3,9) ( , , ) (4,9) ( , , ) (5,9) ( , , ) (6,9) ( , , ) (7,9) ( , , ) (8,9) ( , , ) (9,9) ( , , ) (10,9) ( , , ) (11,9) ( , , ) (12,9) ( , , ) (13,9) ( , , ) (14,9) ( , , ) (15,9) ( , , ) (16,9) ( , , ) (17,9) ( , , ) (18,9) ( , , ) (19,9) ( , , ) (20,9) ( , , ) (21,9) ( , , ) (0,10) ( , , ) (1,10) ( , , ) (2,10) ( , , ) (3,10) ( , , ) (4,10) ( , , ) (5,10) ( , , ) (6,10) ( , , ) (7,10) ( , , ) (8,10) ( , , ) (9,10) ( , , ) (10,10) ( , , ) (11,10) ( , , ) (12,10) ( , , ) (13,10) ( , , ) (14,10) ( , , ) (15,10) ( , , ) (16,10) ( , , ) (17,10) ( , , ) (18,10) ( , , ) (19,10) ( , , ) (20,10) ( , , ) (21,10) ( , , ) (0,11) ( , , ) (1,11) ( , , ) (2,11) ( , , ) (3,11) ( , , ) (4,11) ( , , ) (5,11) ( , , ) (6,11) ( , , ) (7,11) ( , , ) (8,11) ( , , ) (9,11) ( , , ) L.16
17 L.17 (10,11) ( , , ) (11,11) ( , , ) (12,11) ( , , ) (13,11) ( , , ) (14,11) ( , , ) (15,11) ( , , ) (16,11) ( , , ) (17,11) ( , , ) (18,11) ( , , ) (19,11) ( , , ) (20,11) ( , , ) (21,11) ( , , ) (0,12) ( , , ) (1,12) ( , , ) (2,12) ( , , ) (3,12) ( , , ) (4,12) ( , , ) (5,12) ( , , ) (6,12) ( , , ) (7,12) ( , , ) (8,12) ( , , ) (9,12) ( , , ) (10,12) ( , , ) (11,12) ( , , ) (12,12) ( , , ) (13,12) ( , , ) (14,12) ( , , ) (15,12) ( , , ) (16,12) ( , , ) (17,12) ( , , ) (18,12) ( , , ) (19,12) ( , , ) (20,12) ( , , ) (21,12) ( , , ) Tabel A.4. Nilai data citra bayangan hasil pemrosesan terhadap perhitungan tepi Koordinat (x,y) Data citra bayangan (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) (11,0) ( , , ) (12,0) ( , , )
18 (13,0) ( , , ) (14,0) ( , , ) (15,0) ( , , ) (16,0) ( , , ) (17,0) ( , , ) (18,0) ( , , ) (19,0) ( , , ) (20,0) ( , , ) (21,0) ( , , ) (0,1) ( , , ) (1,1) ( , , ) (2,1) ( , , ) (3,1) ( , , ) (4,1) ( , , ) (5,1) ( , , ) (6,1) ( , , ) (7,1) ( , , ) (8,1) ( , , ) (9,1) ( , , ) (10,1) ( , , ) (11,1) ( , , ) (12,1) ( , , ) (13,1) ( , , ) (14,1) ( , , ) (15,1) ( , , ) (16,1) ( , , ) (17,1) ( , , ) (18,1) ( , , ) (19,1) ( , , ) (20,1) ( , , ) (21,1) ( , , ) (0,2) ( , , ) (1,2) ( , , ) (2,2) ( , , ) (3,2) ( , , ) (4,2) ( , , ) (5,2) ( , , ) (6,2) ( , , ) (7,2) ( , , ) (8,2) ( , , ) (9,2) ( , , ) (10,2) ( , , ) (11,2) ( , , ) (12,2) ( , , ) (13,2) ( , , ) (14,2) ( , , ) (15,2) ( , , ) (16,2) ( , , ) (17,2) ( , , ) (18,2) ( , , ) (19,2) ( , , ) (20,2) ( , , ) (21,2) ( , , ) L.18
19 (0,3) ( , , ) (1,3) ( , , ) (2,3) ( , , ) (3,3) ( , , ) (4,3) ( , , ) (5,3) ( , , ) (6,3) ( , , ) (7,3) ( , , ) (8,3) ( , , ) (9,3) ( , , ) (10,3) ( , , ) (11,3) ( , , ) (12,3) ( , , ) (13,3) ( , , ) (14,3) ( , , ) (15,3) ( , , ) (16,3) ( , , ) (17,3) ( , , ) (18,3) ( , , ) (19,3) ( , , ) (20,3) ( , , ) (21,3) ( , , ) (0,4) ( , , ) (1,4) ( , , ) (2,4) ( , , ) (3,4) ( , , ) (4,4) ( , , ) (5,4) ( , , ) (6,4) ( , , ) (7,4) ( , , ) (8,4) ( , , ) (9,4) ( , , ) (10,4) ( , , ) (11,4) ( , , ) (12,4) ( , , ) (13,4) ( , , ) (14,4) ( , , ) (15,4) ( , , ) (16,4) ( , , ) (17,4) ( , , ) (18,4) ( , , ) (19,4) ( , , ) (20,4) ( , , ) (21,4) ( , , ) (0,5) ( , , ) (1,5) ( , , ) (2,5) ( , , ) (3,5) ( , , ) (4,5) ( , , ) (5,5) ( , , ) (6,5) ( , , ) (7,5) ( , , ) (8,5) ( , , ) L.19
20 (9,5) ( , , ) (10,5) ( , , ) (11,5) ( , , ) (12,5) ( , , ) (13,5) ( , , ) (14,5) ( , , ) (15,5) ( , , ) (16,5) ( , , ) (17,5) ( , , ) (18,5) ( , , ) (19,5) ( , , ) (20,5) ( , , ) (21,5) ( , , ) (0,6) ( , , ) (1,6) ( , , ) (2,6) ( , , ) (3,6) ( , , ) (4,6) ( , , ) (5,6) ( , , ) (6,6) ( , , ) (7,6) ( , , ) (8,6) ( , , ) (9,6) ( , , ) (10,6) ( , , ) (11,6) ( , , ) (12,6) ( , , ) (13,6) ( , , ) (14,6) ( , , ) (15,6) ( , , ) (16,6) ( , , ) (17,6) ( , , ) (18,6) ( , , ) (19,6) ( , , ) (20,6) ( , , ) (21,6) ( , , ) (0,7) ( , , ) (1,7) ( , , ) (2,7) ( , , ) (3,7) ( , , ) (4,7) ( , , ) (5,7) ( , , ) (6,7) ( , , ) (7,7) ( , , ) (8,7) ( , , ) (9,7) ( , , ) (10,7) ( , , ) (11,7) ( , , ) (12,7) ( , , ) (13,7) ( , , ) (14,7) ( , , ) (15,7) ( , , ) (16,7) ( , , ) (17,7) ( , , ) L.20
21 (18,7) ( , , ) (19,7) ( , , ) (20,7) ( , , ) (21,7) ( , , ) (0,8) ( , , ) (1,8) ( , , ) (2,8) ( , , ) (3,8) ( , , ) (4,8) ( , , ) (5,8) ( , , ) (6,8) ( , , ) (7,8) ( , , ) (8,8) ( , , ) (9,8) ( , , ) (10,8) ( , , ) (11,8) ( , , ) (12,8) ( , , ) (13,8) ( , , ) (14,8) ( , , ) (15,8) ( , , ) (16,8) ( , , ) (17,8) ( , , ) (18,8) ( , , ) (19,8) ( , , ) (20,8) ( , , ) (21,8) ( , , ) (0,9) ( , , ) (1,9) ( , , ) (2,9) ( , , ) (3,9) ( , , ) (4,9) ( , , ) (5,9) ( , , ) (6,9) ( , , ) (7,9) ( , , ) (8,9) ( , , ) (9,9) ( , , ) (10,9) ( , , ) (11,9) ( , , ) (12,9) ( , , ) (13,9) ( , , ) (14,9) ( , , ) (15,9) ( , , ) (16,9) ( , , ) (17,9) ( , , ) (18,9) ( , , ) (19,9) ( , , ) (20,9) ( , , ) (21,9) ( , , ) (0,10) ( , , ) (1,10) ( , , ) (2,10) ( , , ) (3,10) ( , , ) (4,10) ( , , ) L.21
22 (5,10) ( , , ) (6,10) ( , , ) (7,10) ( , , ) (8,10) ( , , ) (9,10) ( , , ) (10,10) ( , , ) (11,10) ( , , ) (12,10) ( , , ) (13,10) ( , , ) (14,10) ( , , ) (15,10) ( , , ) (16,10) ( , , ) (17,10) ( , , ) (18,10) ( , , ) (19,10) ( , , ) (20,10) ( , , ) (21,10) ( , , ) (0,11) ( , , ) (1,11) ( , , ) (2,11) ( , , ) (3,11) ( , , ) (4,11) ( , , ) (5,11) ( , , ) (6,11) ( , , ) (7,11) ( , , ) (8,11) ( , , ) (9,11) ( , , ) (10,11) ( , , ) (11,11) ( , , ) (12,11) ( , , ) (13,11) ( , , ) (14,11) ( , , ) (15,11) ( , , ) (16,11) ( , , ) (17,11) ( , , ) (18,11) ( , , ) (19,11) ( , , ) (20,11) ( , , ) (21,11) ( , , ) (0,12) ( , , ) (1,12) ( , , ) (2,12) ( , , ) (3,12) ( , , ) (4,12) ( , , ) (5,12) ( , , ) (6,12) ( , , ) (7,12) ( , , ) (8,12) ( , , ) (9,12) ( , , ) (10,12) ( , , ) (11,12) ( , , ) (12,12) ( , , ) (13,12) ( , , ) L.22
23 L.23 (14,12) ( , , ) (15,12) ( , , ) (16,12) ( , , ) (17,12) ( , , ) (18,12) ( , , ) (19,12) ( , , ) (20,12) ( , , ) (21,12) ( , , ) Tabel A.5. Nilai piksel untuk citra yang baru Koordinat (x,y) Nilai piksel untuk citra baru (0,0) ( , , ) (1,0) ( , , ) (2,0) ( , , ) (3,0) ( , , ) (4,0) ( , , ) (5,0) ( , , ) (6,0) ( , , ) (7,0) ( , , ) (8,0) ( , , ) (9,0) ( , , ) (10,0) ( , , ) (11,0) ( , , ) (12,0) ( , , ) (13,0) ( , , ) (14,0) ( , , ) (15,0) ( , , ) (16,0) ( , , ) (17,0) ( , , ) (18,0) ( , , ) (19,0) ( , , ) (20,0) ( , , ) (21,0) ( , , ) (0,1) ( , , ) (1,1) ( , , ) (2,1) ( , , ) (3,1) ( , , ) (4,1) ( , , ) (5,1) ( , , ) (6,1) ( , , ) (7,1) ( , , ) (8,1) ( , , ) (9,1) ( , , ) (10,1) ( , , ) (11,1) ( , , ) (12,1) ( , , ) (13,1) ( , , ) (14,1) ( , , ) (15,1) ( , , )
24 (16,1) ( , , ) (17,1) ( , , ) (18,1) ( , , ) (19,1) ( , , ) (20,1) ( , , ) (21,1) ( , , ) (0,2) ( , , ) (1,2) ( , , ) (2,2) ( , , ) (3,2) ( , , ) (4,2) ( , , ) (5,2) ( , , ) (6,2) ( , , ) (7,2) ( , , ) (8,2) ( , , ) (9,2) ( , , ) (10,2) ( , , ) (11,2) ( , , ) (12,2) ( , , ) (13,2) ( , , ) (14,2) ( , , ) (15,2) ( , , ) (16,2) ( , , ) (17,2) ( , , ) (18,2) ( , , ) (19,2) ( , , ) (20,2) ( , , ) (21,2) ( , , ) (0,3) ( , , ) (1,3) ( , , ) (2,3) ( , , ) (3,3) ( , , ) (4,3) ( , , ) (5,3) ( , , ) (6,3) ( , , ) (7,3) ( , , ) (8,3) ( , , ) (9,3) ( , , ) (10,3) ( , , ) (11,3) ( , , ) (12,3) ( , , ) (13,3) ( , , ) (14,3) ( , , ) (15,3) ( , , ) (16,3) ( , , ) (17,3) ( , , ) (18,3) ( , , ) (19,3) ( , , ) (20,3) ( , , ) (21,3) ( , , ) (0,4) ( , , ) (1,4) ( , , ) (2,4) ( , , ) L.24
25 (3,4) ( , , ) (4,4) ( , , ) (5,4) ( , , ) (6,4) ( , , ) (7,4) ( , , ) (8,4) ( , , ) (9,4) ( , , ) (10,4) ( , , ) (11,4) ( , , ) (12,4) ( , , ) (13,4) ( , , ) (14,4) ( , , ) (15,4) ( , , ) (16,4) ( , , ) (17,4) ( , , ) (18,4) ( , , ) (19,4) ( , , ) (20,4) ( , , ) (21,4) ( , , ) (0,5) ( , , ) (1,5) ( , , ) (2,5) ( , , ) (3,5) ( , , ) (4,5) ( , , ) (5,5) ( , , ) (6,5) ( , , ) (7,5) ( , , ) (8,5) ( , , ) (9,5) ( , , ) (10,5) ( , , ) (11,5) ( , , ) (12,5) ( , , ) (13,5) ( , , ) (14,5) ( , , ) (15,5) ( , , ) (16,5) ( , , ) (17,5) ( , , ) (18,5) ( , , ) (19,5) ( , , ) (20,5) ( , , ) (21,5) ( , , ) (0,6) ( , , ) (1,6) ( , , ) (2,6) ( , , ) (3,6) ( , , ) (4,6) ( , , ) (5,6) ( , , ) (6,6) ( , , ) (7,6) ( , , ) (8,6) ( , , ) (9,6) ( , , ) (10,6) ( , , ) (11,6) ( , , ) L.25
BAB 4 IMPLEMENTASI DAN EVALUASI
40 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1. Persiapan data Untuk proses perbesaran dan penghalusan, terlebih dahulu dimasukkan file citra bertipe JPEG yang memiliki noise, baik untuk citra yang berintensitas
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Program Studi Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Studi Ganda Semester Ganjil 2005/2006
UNIVERSITAS BINA NUSANTARA Program Studi Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Studi Ganda Semester Ganjil 2005/2006 PERANCANGAN PROGRAM APLIKASI PERBESARAN DAN PENGHALUSAN CITRA-JPEG
Lebih terperinciTemu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas
Temu Kenali Citra berbasis Konten Bentuk dan Warna untuk Pengenalan Rambu Lalu-lintas Nama : Yudhi Septianto A.P NPM : 50408886 Pembimbing : Dr. Karmilasari., Skom, MM LATAR BELAKANG Klasifikasi rambu
Lebih 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 terperinciDAFTAR ISI LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... LEMBAR PENGESAHAN PENGUJIAN... iv HALAMAN PERSEMBAHAN... HALAMAN MOTO...
xi DAFTAR ISI LEMBAR PENGESAHAN PEMBIMBING...Error! Bookmark not d LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... ii LEMBAR PENGESAHAN PENGUJIAN... iv HALAMAN PERSEMBAHAN... v HALAMAN MOTO... vi KATA
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 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 terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB XI PERSAMAAN GARIS LURUS
BAB XI PERSAMAAN GARIS LURUS A. Pengertian Pesamaan Garis Lurus Persamaan garis lurus adalah suatu fungsi yang apabila digambarkan ke dalam bidang Cartesius akan berbentuk garis lurus. Garis lurus ini
Lebih terperinciANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR TEPI SOBEL DAN CANNY
Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 28) Auditorium Universitas Gunadarma, Depok, 2-21 Agustus 28 ISSN : 1411-6286 ANALISIS PENELUSURAN TEPI CITRA MENGGUNAKAN DETEKTOR
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hendra Gunawan Semester II, 2016/2017 15 Maret 2017 Kuliah yang Lalu 10.1-2 Parabola, Elips, dan Hiperbola 10.4 Persamaan Parametrik Kurva di Bidang 10.5 Sistem Koordinat Polar 11.1
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 terperinciGeometri Primitive. D3 Manajemen Informatika S1 Sistem Informasi
Geometri Primitive D3 Manajemen Informatika S1 Sistem Informasi Elemen-Elemen Pembentuk Grafik : Geometri 2 Menggambar GARIS Garis adalah kumpulan titik-titik yang tersusun sedemiki-an rupa sehingga memiliki
Lebih terperinciDielektrika, ISSN Vol. 1, No. 2 : , Agustus 2014
Dielektrika, ISSN 2086-9487 131 Vol. 1, No. 2 : 131-135, Agustus 2014 ANALISA PERUBAHAN GARIS PANTAI SENGGIGI MENGGUNAKAN PENGOLAHAN (GIS) CITRA SATELIT PADA MATLAB [Analysis of Shoreline Changing Using
Lebih terperinci(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :
(IMAGE ENHANCEMENT) Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yang dihasilkan lebih baik daripada
Lebih terperinciMENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET
MENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET Purnomo Adi Setiyono Program Studi Teknik Informatika-S1, Fakultas Ilmu Komputer Universitas Dian Nuswantoro (Udinus) Semarang
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY
Jurnal Riset Komputer (JURIKOM), Volume :, Nomor: 1, Februari 2016 ISSN : 2407-89X ANALISIS EDGE DETECTION CITRA DIGITAL DENGAN MENGGUNAKAN METODE ROBERT DAN CANNY Linda Herliani Harefa Mahasiswa Program
Lebih terperinciMuhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016
MKB3383 - Teknik Pengolahan Citra Operasi Ketetanggaan Piksel Muhammad Zidny Naf an, Lc., S.Kom., M.Kom. Genap 2015/2016 Outline Konsep Operasi Ketetanggaan Aplikasi Operasi Ketetanggaan pada Filtering
Lebih terperinciStudi Pengukuran Konstanta Pegas dengan Pengolahan Citra
J.Oto.Ktrl.Inst (J.Auto.Ctrl.Ins Vol (), ISSN : 85-57 Studi Pengukuran Konstanta Pegas dengan Pengolahan Citra Abstrak Adhitya Alkautsar dan Suprijadi Program Studi Fisika, Institut Teknologi Bandung Jln.
Lebih terperinciIMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL
IMPLEMENTASI METODE HARMONIC MEAN FILTERDAN CANNY UNTUK MEREDUKSI NOISEPADA CITRA DIGITAL Ahmad Yunus Nasution 1, Garuda Ginting 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi
Lebih terperinciPENGGUNAAN PENGOLAHAN CITRA DIGITAL DENGAN ALGORITMA EDGE DETECTION DALAM MENGIDENTIFIKASI KERUSAKAN KONTUR JALAN
PENGGUNAAN PENGOLAHAN CITRA DIGITAL DENGAN ALGORITMA EDGE DETECTION DALAM MENGIDENTIFIKASI KERUSAKAN KONTUR JALAN Andy Suryowinoto 1, Abdul Hamid 2 1,2 e-mail: andysuryo@itats.ac.id ABSTRACT Road infrastructure
Lebih terperinciANALISIS DETEKSI TEPI CANNY PADA CITRA DENGAN GAUSSIAN FILTERING DAN BILATERAL FILTERING
ANALISIS DETEKSI TEPI CANNY PADA CITRA DENGAN GAUSSIAN FILTERING DAN BILATERAL FILTERING Safriadi 1), Aulia Essra 2), Rahmadani 3) Magister Teknik Informatika, Universitas Sumatera Utara 1,2) Universitas
Lebih terperinciANALISA PERBANDINGAN KINERJA DETEKSI TEPI METODE SOBEL DAN METODE CANNY PADA CITRA LUKISAN ABSTRAK
ANALISA PERBANDINGAN KINERJA DETEKSI TEPI METODE SOBEL DAN METODE CANNY PADA CITRA LUKISAN Rizky Yuni Andriyanto 1, Setia Astuti, S.Si, M.Kom 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciPENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE
PENGENALAN POLA PLAT NOMOR KENDARAAN BERBASIS CHAIN CODE Muhammad Luqman Afif - A11.2009.04985 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang ABSTRAK Program
Lebih terperinciPERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL. Lia Amelia (1) Rini Marwati (2) ABSTRAK
PERBANDINGAN METODE ROBERTS DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Lia Amelia (1) Rini Marwati (2) ABSTRAK Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis
Lebih terperinciOperasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan
KONVOLUSI Informatics Eng. - UNIJOYO log.i Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan Citra ideal: korespondensi satu-satu sebuah titik pada obyek yang dicitrakan
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN
BAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang Era globalisasi membuat Indonesia menjadi salah satu negara yang mengalami perkembangan sangat pesat dalam teknologi, Mubah (2011) menjelaskan Indonesia
Lebih terperinciDAFTAR ISI PERNYATAAN PRAKATA ARTI LAMBANG DAN SINGKATAN INTISARI
PERNYATAAN PRAKATA ARTI LAMBANG DAN SINGKATAN ABSTRACT INTISARI DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR ISI BAB I PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Perumusan masalah 3 1.3 Keaslian penelitian
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. 1 Tinjauan Studi Berbagai penelitian telah dilakukan untuk menunjukkan betapa pentingnya suatu edge detection dalam perkembangan pengolahan suatu citra, berikut
Lebih terperinciPertemuan 2 KOORDINAT CARTESIUS
Kalkulus Pertemuan 2 KOORDINAT CARTESIUS Koordinat Cartesius 1 2 3 Jarak y Hitunglah jarak dari A(3,-5) ke B(4,2) A(3,-5) maka x 1 = 3 dan y 1 = -5 B(4,9) maka x 2 = 4 dan y 2 = 2 sehingga d(a, B) = (x
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 terperinciSOAL DAN PEMBAHASAN REFLEKSI DAN DILATASI
SOAL DAN PEMBAHASAN REFLEKSI DAN DILATASI 1. ABCD sebuah persegi dengan koordinat titik-titik sudut A(1,1), B(2,1), C(2,2) dan D(1,2). Tentukan peta atau bayangan dari titik-titik sudut persegi itu oleh
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB LANDASAN TEORI.. Pengertian citra Citra (image) menurut Schalkoff (989, p9) adalah fungsi dua dimensi ang dihasilkan dari penglihatan (viewing) suatu pemandangan, ang biasana disebut dengan gambar
Lebih terperinciIMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA
Hal : -29 IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Asmardi Zalukhu Mahasiswa Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Deteksi
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN 5.1 Data Uji Printer forensik merupakan suatu proses identifikasi untuk mengetahui asal dokumen bukti, cara yang dilakukan dengan membandingkan dengan ciri yang terdapat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dan suatu obyek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Ilustrasi pencarian titik pusat dan jari-jari pupil. Segmentasi
4 Perangkat keras berupa Notebook: Processor intel Core i3 2.2 GHz. RAM kapasitas 2. GB. Harddisk Kapasitas 5 GB. Monitor pada resolusi 1366 x 768 piksel. Merek Acer Aspire 475. Perangkat lunak berupa:
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas
Lebih terperinciSEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Anik Purwaningsih, Sutopa *
SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION Anik Purwaningsih, Sutopa * ABSTRAK SEGMENTASI CITRA PELAT ELEMEN BAKAR DENGAN METODE EDGE DETECTION. Pengujian pelat elemen bakar (PEB)
Lebih terperinciPenentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter
Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter Metha Riandini 1) DR. Ing. Farid Thalib 2) 1) Laboratorium Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciPERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN
PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN 1) Merly Indira 2) Eva Yuliana 3) Wahyu Suprihatin 4) Bertalya Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl.
Lebih terperinciIDENTIFIKASI NOMOR POLISI MOBIL MENGGUNAKAN METODE JARINGAN SARAF BUATAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI NOMOR POLISI MOBIL MENGGUNAKAN METODE JARINGAN SARAF BUATAN LEARNING VECTOR QUANTIZATION Eko Sri Wahyono,1) Ernastuti, 2) Jurusan Teknik Informatika, Universitas Gunadarma Jl. Margonda Raya,
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciEDGE DETECTION MENGGUNAKAN METODE ROBERTS CROSS
EDGE DETECTION MENGGUNAKAN METODE ROBERTS CROSS Arifin 1, Budiman 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 arifins2c@yahoo.com 1, sync_vlo@yahoo.com 2 Abstrak Pengolahan citra digital
Lebih terperinciDielektrika, ISSN Vol. 2, No. 1 :11-17, Pebruari 2015
Dielektrika, ISSN 2086-9487 11 Vol. 2, No. 1 :11-17, Pebruari 2015 MENENTUKAN LUAS OBJEK CITRA DENGAN TEKNIK DETEKSI TEPI Determining The Extents Of Image Objects Using Edge Detection Technique Rany Zuriatna
Lebih terperinciPERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE
PERBANDINGAN WAKTU EKSEKUSI MENDETEKSI TEPI GAMBAR MENGGUNAKAN BERBAGAI METODE Ayu Leonitami, Noor Aziza Arifani 2, Retno Dewi Anissa 3, Sari Narulita Hantari 4, Widya Wulaningsuci 5 Informatika/Ilmu Komputer,
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Tahap pengolahan data pada penelitian ini meliputi pemilihan data penelitian, penentuan titik pengamatan pada area homogen dan heterogen, penentuan ukuran Sub Citra Acuan (SCA)
Lebih terperinciPENERAPAN METODE CANNY DALAM KOREKSI LEMBAR JAWABAN KOMPUTER UNTUK TRY OUT
PENERAPAN METODE CANNY DALAM KOREKSI LEMBAR JAWABAN KOMPUTER UNTUK TRY OUT Mira Chandra Kirana 1, Sartikha 2, Ela Erminawati 3 1,2,3 Jurusan Teknik Informatika, Politeknik Negeri Batam 1 mira@polibatam.ac.id,
Lebih terperinciSilabus. Kegiatan Pembelajaran Instrumen. Tugas individu.
Silabus Jenjang : SMP dan MTs Mata Pelajaran : Matematika Kelas : VIII Semester : 1 Standar Kompetensi : ALJABAR 1. Memahami bentuk aljabar, relasi, fungsi, dan garis lurus. Kompetensi Dasar Materi Ajar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Metode Grayscale Suatu citra grayscale adalah suatu citra yang hanya memiliki warna tingkat keabuan. Penggunaan citra grayscale dikarenakan membutuhkan sedikit informasi yang diberikan
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciFUNGSI DAN PERSAMAAN LINEAR. EvanRamdan
FUNGSI DAN PERSAMAAN LINEAR TEORI FUNGSI Fungsi yaitu hubungan matematis antara suatu variabel dengan variabel lainnya. Unsur-unsur pembentukan fungsi yaitu variabel (terikat dan bebas), koefisien dan
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 4, No. 2, Hal ISSN : x
PENGENALAN MOTIF BATIK INDONESIA MENGGUNAKAN DETEKSI TEPI CANNY DAN TEMPLATE MATCHING [1] Fera Flaurensia, [2] Tedy Rismawan, [3] Rahmi Hidayati [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciPENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA
Seminar Sistem Informasi Indonesia (SESINDO2010) ITS, Surabaya 4 Desember 2010 PENGGUNAAN PERSAMAAN DIFUSI NONLINIER DAN DETEKSI TEPI CANNY UNTUK SEGMENTASI CITRA MELANOMA Bilqis Amaliah 1, Dwi Lailatul
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN VI.1. Kesimpulan 1. Pemodelan pertunjukan bayangan 3D dengan layar datar tidak dapat digunakan untuk validasi pertunjukan bayangan 3D dengan layar sudut. 2. Persamaan untuk menentukan
Lebih terperinciSegmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi
Segmentasi Citra Digital Menggunakan Thresholding Otsu untuk Analisa Perbandingan Deteksi Tepi Ayu Ambarwati 1 Sistem Komputer, Fakultas Ilmu Komputer, Universitas Sriwijaya Jl. Raya Prabumulih-Palembang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses
Lebih terperinciA. PERSAMAAN GARIS LURUS
A. PERSAMAAN GARIS LURUS Persamaan garis lurus adalah hubungan nilai x dan nilai y yang terletak pada garis lurus serta dapat di tulis px + qy = r dengan p, q, r bilangan real dan p, q 0. Persamaan dalam
Lebih terperinciBAB 5 UJI COBA DAN ANALISA HASIL
BAB 5 UJI COBA DAN ANALISA HASIL Pada bab ini diuraikan mengenai lingkungan uji coba, hasil uji coba serta analisa hasil uji coba dari perangkat lunak. 5.1 Lingkungan Lingkungan uji coba merupakan komputer
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG Dalam Bab ini akan dipaparkan mengenai teori teori dasar yang digunakan sebagai landasan yang digunakan dalam menyelesaikan proyek akhir ini. Berikut teori teori yang digunakan :
Lebih terperinciBAB III METODE YANG DIUSULKAN
BAB III METODE YANG DIUSULKAN Pada bab ini akan dijelaskan tentang metode pengenalan manusia dengan menggunakan citra dental radiograph yang diusulkan oleh peneliti. Pengenalan ini akan dilakukan dalam
Lebih terperinciNORMALISASI DAN PEMBOBOTAN UNTUK KLONING MULUS PADA PENCAMPURAN CITRA MENGGUNAKAN METODE POISSON
NORMALISASI DAN PEMBOBOTAN UNTUK KLONING MULUS PADA PENCAMPURAN CITRA MENGGUNAKAN METODE POISSON Ratna Shofiati, Binti Solihah, Sari Irmadani Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB 1 PENDAHULUAN. ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased).
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi obyek pada citra dapat dilakukan dengan tiga metode yaitu ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased). Metode
Lebih terperinciCreated with Print2PDF. To remove this line, buy a license at:
BAB III Pelaksanaan Penelitian Pada bab ini dibahas pelaksanaan ekstraksi unsur jalan secara otomatis yang terdiri dari tahap persiapan dan pengolahan data. Tahap persiapan yang terdiri dari pengambilan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Pada penelitian ini dilakukan kombinasi edges detectionpada citra manuscripts kuno dengan mengimplementasikan metode gradientedges detection operator Sobel dengan
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 terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
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 terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahap analisis merupakan tahapan yang paling awal dalam sistem sebuah pendeteksian tepi pada citra digital. Analisis sistem dilakukan dengan tujuan untuk
Lebih terperinciImplementasi Algoritma Canny dan Backpropagation dalam Pengenalan Pola Rumah Adat
Implementasi Algoritma Canny dan Backpropagation dalam Pengenalan Pola Rumah Adat Asep Nana Hermana [1], Meikel Sandy Juerman [1] Jurusan Teknik Informatika, Fakultas Teknologi Industri Institut Teknologi
Lebih terperinciSEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING DIGITAL FISH IMAGE SEGMENTATION BY THRESHOLDING METHOD
SEGMENTASI CITRA DIGITAL IKAN MENGGUNAKAN METODE THRESHOLDING Max R. Kumaseh 1), Luther Latumakulita 1), Nelson Nainggolan 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat,
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
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 terperincipengambilan citra video, pemrosesan citra pada setiap frame,, pendeteksian objek
BAB IV MODEL SISTEM 4.1. Model Sistem Aplikasi yang dibangun adalah aplikasi yang dapat mengolah citra yang diambil dari kamera video, dan menganalisisnya untuk mengetahui keberadaan suatu objek. Ada beberapa
Lebih terperinciIMPLEMENTASI BOUNDARY BASED SEGMENTATION UNTUK MENGEKSTRASI KONTUR SAPI MADURA
IMPLEMENTASI BOUNDARY BASED SEGMENTATION UNTUK MENGEKSTRASI KONTUR SAPI MADURA Rosida Vivin Nahari 1, Achmad Jauhari 2, Riza Alfita 3 1,2 Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo 3 Teknik
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
Lebih terperinciFungsi Grafik Fungsi. Kalkulus 1. Fungsi dan Grafik Fungsi. Atina Ahdika, S.Si, M.Si. Statistika FMIPA Universitas Islam Indonesia
Kalkulus 1 Fungsi dan Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Fungsi Definisi Suatu fungsi f adalah suatu aturan korespondensi yang menghubungkan setiap objek x dalam satu
Lebih terperinci10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)
0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan
Lebih terperinciUNIVERSITAS BINA NUSANTARA PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN UANG KERTAS DOLLAR AMERIKA DENGAN METODE TEMPLATE MATCHING MEITA SETIAWAN / 0700709224
Lebih terperinciBAB III USULAN PENJEJAKAN WAJAH DAN PENGHITUNGAN PENGUNJUNG DENGAN JARAK EUCLIDIAN DAN TEORI PENGUKURAN FUZZY
BAB III USULAN PENJEJAKAN WAJAH DAN PENGHITUNGAN PENGUNJUNG DENGAN JARAK EUCLIDIAN DAN TEORI PENGUKURAN FUZZY Pada bab ini akan dijelaskan mengenai metode penjejakan pengunjung yang akan digunakan pada
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 terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciPengolahan Citra Digital Deteksi Tepi Untuk Membandingkan Metode Sobel, Robert dan Canny
Pengolahan Citra Digital Deteksi Tepi Untuk Membandingkan Metode Sobel, Robert dan Canny Putu Teguh Krisna Putra, Ni Kadek Ayu Wirdiani Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
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 terperinciPokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP
Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP PENDAHULUAN 1. Sistem navigasi robot banyak dipakai dimanfaatkan untuk berbagai kebutuhan misalnya untuk membantu departemen pemadam
Lebih terperinciPerbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) TerhadapAcuan Canny untuk Mendeteksi Tepi Citra
Perbandingan Kinerja Operator Sobel dan Laplacian of Gaussian (LoG) TerhadapAcuan Canny untuk Men Tepi Citra Rico Eko Wibowo *), R. Rizal Isnanto **), Ajub Ajulian Zahra **) Jurusan Teknik Elektro, Universitas
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bali merupakan salah satu pulau di Indonesia yang kaya akan warisan budaya. Bali menjadi salah satu destinasi wisata penting yang dimiliki Indonesia. Selain dapat menjadi
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 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 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun imitasi dari sebuah objek atau benda. Citra memiliki beberapa karateristik yang menjadikan
Lebih terperinciMatematika
Fungsi dan D3 Analis Kimia FMIPA Universitas Islam Indonesia Fungsi Definisi Suatu fungsi f adalah suatu aturan korespondensi yang menghubungkan setiap objek x dalam satu himpunan, yang disebut domain,
Lebih terperinciIMPLEMENTASI METODE CANNY UNTUK DETEKSI TEPI MUTU DAUN TEMBAKAU
IMPLEMENTASI METODE CANNY UNTUK DETEKSI TEPI MUTU DAUN TEMBAKAU 1 Arief Yudiyanto, 2 Murinto(0510077302) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan Prof. Dr. Soepomo, S.H., Janturan,
Lebih terperinci