Gregory Dimas 1, T. Sutojo 2 1,2
|
|
- Sonny Sumadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MANALAGI MENGGUNAKAN CBIR (CONTENT BASED IMAGE RETRIEVAL) BEDASARKAN WARNA ANALYSIS OF MANALAGI MANGO FRUIT MATURITY LEVEL CLASSIFICATION USING CBIR (CONTENT BASED IMAGE RETRIEVAL) BASED ON COLOR Gregory Dimas 1, T. Sutojo 2 1,2 Jurusan Teknik Informatika-S1, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Semarang Jln. Nakula I no 5-17 Semarang 50131, (024) INDONESIA @mhs.dinus.ac.id 1, tsutojo@gmail.com 2 Abstrak - Pemilihan jenis buah mangga manalagi berdasarkan tingkat kematangan dan ciri ciri sangatlah mudah dilakukan oleh kasat mata, tetapi tidak mudah dilakukan oleh komputer. Persepsi manusia biasanya cenderung subyektif terhadap suatu objek, hal ini dikarenakan adanya faktor komposisi warna yang dimiliki oleh objek tersebut. Oleh karena itu, diperlukan sistem untuk melakukan pemilihan buah mangga manalagi berdasarkan tingkat kematangan yang dilakukan secara otomatis dan akurat. Penelitian ini bertujuan untuk mengidentifikasi tingkat kematangan buah mangga manalagi menggunakan CBIR (Content Based Image Retrieval) dan Histogram Equalization serta menggunakan penghitungan jarak Euclidean Distance. Pada penelitian yang dilakukan memiliki tiga modul utama yaitu prapengolahan, pemrosesan, dan klasifikasi. Hasil dari penelitian ini adalah sistem yang dapat menentukan tingkat kematangan buah mangga manalagi dengan tingkat akurasi sebesar 84%. Kata Kunci: CBIR, Histogram Equalization, Euclidean Distance, Mangga. Abstract - Selection of the type of mango manalagi based on the level of maturity and characteristic is very easily done by human vision, but it is not easily done by computer. Subjective human perception tends toward an object, this is due to factors possessed by the color composition of the object. Therefore, systems are needed to make a selection of mango manalagi by the level of maturity that is done automatically and accurately. This study aims to identify the degree of maturity of mangoes manalagi using CBIR (Content Based Image Retrieval) and Histogram Equalization and distance calculation using Euclidean Distance. In the study conducted has three main modules, namely pretreatment, processing and classification. Results from this study is that the system can determine the level of maturity of mangoes manalagi with an accuracy rate of 84%. Keywords : CBIR, Histogram Equalization, Euclidean Distance, Mango. I. PENDAHULUAN Buah-buahan merupakan bahan pangan sumber vitamin. Buah cepat sekali rusak oleh pengaruh mekanik, kimia dan mikrobiologi sehingga mudah menjadi busuk. Oleh karena itu, Identifikasi kematangan buah-buahan yang dilakukan secara manual tidak efisien dan kurang teliti. Pada penelitian ini dilakukan identifikasi kematangan sekumpulan buah mangga manalagi berdasarkan warna. Klasifikasi dilakukan pada sekelompok buah mangga yang berbeda-beda jenis kematangannya. Ciri pembeda yang digunakan adalah fitur warna (R, G dan B).
2 Pemilihan objek buah mangga dalam penilitian ini disebabkan karena selama ini baik pasar buah maupun swalayan masih melakukan identifikasi buah-buahan secara manual. Sistem identifikasi buah-buahan juga bermanfaat pada bidang industri, perkebunan, pertanian dan sebagainya. Penelitian ini betujuan untuk mendapatkan pemilihan tingkat kematangan buah mangga yang akurat. Identifikasi kematangan buah mangga dapat bermanfaat, misalnya untuk penentuan harga buah dan keinginan konsumen [1]. Dalam menentukan kematangan mangga yang baik, manusia bersifat lebih subyektif dan tidak konsisten sehingga dari satu penilai dengan penilai lainnya hasilnya akan berbeda. Dengan adanya perkembangan teknologi informasi, memungkinkan identifikasi kematangan buah pada mangga dengan bantuan komputer. Tingkat kematangan buah mangga dapat diketahui dengan teknik pencarian gambar mengunakan kemiripan karakteristik dengan teknik Content Based Image Retrieval. Ciri merupakan suatu tanda yang khas pada buah mangga, yang membedakan antara satu gambar dengan gambar yang lain. Pada dasarnya suatu gambar memiliki ciri-ciri dasar yaitu: Warna, Bentuk, Tekstur. Dalam penelitian menentukan tingkat kematangan buah mangga ciri yang digunakan yaitu dengan bedasarkan warna. CBIR merupakan salah satu bentuk aplikasi komputer vision untuk pencarian citra berdasarkan fitur yang ada pada citra itu sendiri. Sistem yang dibangun dengan memfaatkan fitur utama dari citra yaitu fitur warna. Dalam menentukan kategori suatu citra atau gambar dapat dilakukan dengan menggunakan teknik pegukuran jarak yaitu Euclidean Distance. Euclidean Distance merupakan suatu teknik yang digunakan untuk menghitung kesamaan antara dua vektor dengan cara menghitung akar dari kuadrat perbedaan dari dua vektor tersebut [1]. Sebagai peneliti sebelumnya pernah menggunakan teknik histogram ekualisasi perataan histogram dengan meratakan distribusi suatu nilai derajat kebuan dari sebuah citra melakukan perhitungan jarak menggunakan Euclidean Distance dari kedua histogram tersebut. Sehingga dapat diketahui jarak antar citra yang dapat menentukan tingkat kematangan buah mangga [2]. II. STUDI PUSTAKA 2.1 Buah Mangga Buah Mangga atau dengan nama latin Mangifera Indica adalah tanaman yang berasal dari India, Srilanka dan Pakistan. Tanaman ini merupakan buah tropis yang biasa tumbuh baik di daerah beriklim kering. Ideal lingkungan yang cocok bagi tanaman mangga adalah iklim yang agak kering dengan curah hujan mm, ketinggian <300 m dpl dan suhu udara rata-rata berkisar Antara 25 C Setiap pohon mangga dewasa (berumur >10 tahun) dapat menghasilkan buah Antara kg per pohon/tahun [3]. 2.2 Pengolahan Citra Digital Pengolahan citra atau image processing merupakan bentuk pengolahan sinyal yang masukannya berupa gambar, sedangkan keluaran dari pengolahan gambar dapat berupa gambar atau sejumlah karakteristik yang berkaitan dengan gambar. Citra adalah gambar 2 dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Pada proses sampling biasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan [4]. 2.3 Konversi Citra RGB menjadi Grayscale Proses pengubahan citra yang berwarna menjadi citra grayscale melalui beberapa tahap. Pertama adalah mengambil nilai R, G dan B dari suatu citra bertipe RGB. Pada tipe citra dipresentasikan dalam 24 bit, sehingga diperlukan proses untuk mengambil masing masing 3 kelompok 8 bit dari 24 bit. Perhitungan yang digunakan untuk mengubah citra berwarna yang mempunyai nilai matriks masing-masing R, G dan B menjadi citra grayscale dapat dilakukan dengan mengambil
3 rata-rata dari nilai R, G dan B sehingga dapat dituliskan menjadi:[9] Gambar 1 : Rumus Grayscale 2.4 Histogram Equalization Histogram citra memberikan informasi tentang penyebaran intensitas piksel-piksel di dalam citra. Misalnya, citra yang terlalu terang atau terlalu gelap memiliki histogram yang sempit. Agar kita memperoleh citra yang baik, maka penyebaran nilai intensitas harus diubah. Teknik yang lazim dipakai adalah perataan histogram (histogram equalization). Tujuan dari perataan histogram adalah untuk mendistribusikan histogram secara merata, sehingga setiap nilai keabuan memiliki jumlah piksel yang relatif sama [5]. 2.5 Content Based Image Retrieval Content Based Image Retrieval merupakan aplikasi Computer Vision yang berguna untuk melakukan pencarian (Search) kesamaan suatu gambar atau citra pada gambar tersebut. CBIR dapat juga disebut sebagai QBIC (Query by Image Content). Yang dimaksud dengan CBIR ini merupakan suatu proses analisa tentang kandungan aktual dari gambar yang dituju dengan mengambil informasi dari gambar/citra berdasarkan warna, bentuk maupun tekstur. Sedangkan parameter gambar yang digunakan untuk retrieval berupa sebuah histogram, warna, tekstur dan shape dari gambar yang diuji. Content Based Image Retrieval (CBIR) merupakan suatu teknik pencarian kembali gambar yang mempunyai kemiripan karakteristik atau content dari sekumpulan gambar. Proses umum dari CBIR adalah gambar yang menjadi query dilakukan proses ekstraksi fitur, begitu halnya dengan gambar yang ada pada sekumpulan gambar juga dilakukan proses seperti pada gambar query [6]. Gambar 2: Arsitektur CBIR [15] Keterangan arsitektur diatas adalah : Pada bagian interface merupakan interaksi pengguna dengan sistem CBIR melalui aplikasi berbasis GUI (Graphical User Interface). Dalam bagian ini terdiri dari data insertion yang berguna untuk memasukan gambar, query specification untuk menentukan citra query dan metode yang digunakan, visualization untuk menampilkan hasil pencarian [7]. Pada bagian query processing module terdiri dari feature vector extraction yaitu untuk mengekstraksi suatu citra, similarity computation untuk menghitung kesamaan dari citra,dan ranking bekerja untuk klasifikasi urutan citra dilihat dari tingkat kemiripannya [7]. Pada bagian image database terbagi menjadi dua yaitu feature vector yang digunakan untuk penyimpanan hasil ekstraksi kedalam database, dan images merupakan hasil kumpulan citra dalam database [7]. Teknik yang digunakan dalam Content Based Image Retrieval untuk melakukan perbandingan satu citra dengan yang lainnya dapat dilakukan dari hal berikut : a. Warna (Colour) Nilai-nilai piksel sebuah citra didapatkan dari kesamaan warna yang diambil dari citra uji untuk kemudian akan diidentifikasi. b. Tekstur Tekstur yang dibutuhkan untuk tenik CBIR dapat diambil dari ukuran yang kemudian divisualkan bagaimana citra tersebut dapat terdefinisi secara spasial.
4 c. Shape Shape tidak harus mengacu pada bentuk citra melainkan dapat dari citra daerah yang sedang dicari. 2.6 RGB (Red, Green, Blue) Model warna adalah sistem koordinat yang berfungsi untuk memetakan semua warna dengan sebuah titik. RGB (Red, Green, Blue) merupakan salah satu dari model warna selain CMY (Cyan, Magneta, Yellow) dan CMYK, HIS (Hue, Saturation, Interisty), NTSC dan YCbCr. Model warna RGB adalah model warna yang ditunjukan dari kombinasi tiga warna primer dimana dari tiga warna tersebut membentuk sistem koordinat Cartesian tiga dimensi. Karena kemudahan dalam perancangan hardware, RGB sering digunakan dalam pengolahan citra. Akan tetapi tidak cukup bagus untuk beberapa aplikasi yang menggunakan algoritma pemrosesan citra tertentu [8]. 2.7 Euclidean Distance Euclidean Distance adalah metrika yang paling sering digunakan untuk menghitung kesamaan dua vektor. Rumus euclidean Distance adalah akar dari kuadrat perbedaan 2 vektor. Euclidean Distance merupakan metode yang digunakan untuk menentukan atau klasifikasi dari dua buah citra sebagai objek dengan cara melakukan perhitungan jarak antara keduanya. Untuk perhitungan jarak dapat dilakukan dengan menggunakan rumus sebagai berikut [10] : d e = m k=1 (fd i.k k j ) 2 Keterangan : d e fd i k j m : jarak euclidean : bobot : data bobot test : jumlah data III. 3.1 Data METODOLOGI PENELITIAN Dalam analisa yang dilakukan, data yang digunakan atau yang didapat dari supermarket dan pasar tradisional. Data yang digunakan dalam penelitian ini berupa 100 buah mangga dengan 38 buah mangga matang, 12 buah manga setengah matang dan 50 buah mangga mentah. Seluruh data tersebut diambil gambarnya menggunakan kamera canon 60D dengan menggunakan background putih untuk semua data. 3.2 Pengolahan Data Awal Pada pengolahan data ini akan menggunakan resize. resize merupakan merubah resolusi atau ukuran horizontal dan vertika pada suatu citra yang akan diperlukan sewaktu melakukan penelitian. resize ini juga akan berguna pada penelitian ini untuk mengubah ukuran kilobyte pada suatu citra. Bila tidak menggunakan resize, aplikasi akan kesulitan untuk mengolah data data. 3.3 Metode yang Diusulkan Pengolahan Citra Hasil Identifikasi Histogram Warna Identifikasi Gambar 3: Proses Penelitian 1. Pengolahan Citra : Pengolahan yang dimaksudkan adalah pengolahan citra yang di ujikan melalui proses pengolahan yang dilakukan dengan penyamaan ukuran citra. 2. Histogram Warna : Representasi distribusi warna dalam sebuah gambar yang didapatkan dengan menghitung jumlah pixel dari setiap bagian range warna, secara tipikal dalam dua dimensi atau tiga dimensi.
5 Histogram warna menunjukkan hasil perbedaan anatara citra acuan dengan citra yang akan di ujikan dalam bentuk grafik. 3. Identifikasi : cara yang dilakukan untuk mengabil ciri-ciri dalam data tersebut. Identifikasi melakukan penghitungan rata-rata pada citra acuan yaitu semua buah mangga yang matang dengan data sample pada citra uji yang menghasilkan patokan berupa angka yg akan digunakan sebagai acuan nantinya. Citra acuan yang sudah ditentukan akan dipadukan dengan citra uji yang hasilnya menentukan tingkat kematangan buah tersebut. 4. Hasil Identifikasi : Setelah melalui proses identifikasi terhadap citra acuan maka citra uji menemukan kesamaan tingkat kematangan buah atau tidaknya terhadap citra acuan. IV. HASIL PENELITIAN DAN PEMBAHASAN 4.1 Kebutuhan Data Citra Citra yang dipakai dalam menganalisis CBIR (Content Based Image Retrieval) untuk menentukan tingkat kematangan buah mangga manalagi yang terdiri dari 100 data citra. 38 buah mangga yang telah diketahui matang, 12 buah mangga setengah matang dan 50 buah mangga mentah. Buah mangga matang yang ditentukan sebagai acuan untuk membandingkan dengan citra uji Pembuatan histogram citra ini menggunakan Matlab R2014b yang bertujuan untuk menunjukan nilai distribusi dari intensitas citra dan dimunculkan dalam bentuk grafik. Nilai tersebut digunakan untuk menghitung pada tahap penelitian selanjutnya. Gambar 5: Citra acuan dan histogram citra acuan 4.3 Pencarian Range Nilai Deviasi Buah Mangga Acuan (Mangga Matang) Pencarian citra acuan melalui proses merubah citra menjadi keabuan / grayscale, memasukan citra ke dalam histogram, dan menghitung nilai histogram dengan Histogram Equalization. Hasil histogram equalization dijumlahkan dengan rumus berikut : C=(c1+c2+c3+ +c38)/38 ΔC = [c1 c2 c3 c4 c5 c38] Δmin = C ΔC Δmax = C + ΔC Keterangan : C = hasil histogram equalization citra acuan c1;c2;c3; = data semua histogram equalization citra buah mangga matang. Δ = Standar deviasi Δmin = nilai deviasi minimal Δmax = nilai deviasi maksimal Gambar 4: Citra Objek Penelitian 4.2 Pembuatan Histogram Citra Nilai C digunakan sebagai acuan untuk menghitung jarak antara C dengan citra buah mangga.
6 Tabel 1 : Tabel Pencarian Deviasi Buah Mangga Matang No Citra Buah Mangga Matang Hasil Jarak Dari C 1 1.jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg Dihasilkan jarak antara dari nilai standar deviasi untuk buah mangga matang. Tabel 2 : Tabel Pencarian Deviasi Buah Mangga Setengah Matang No Citra Buah Mangga Setengah Matang Hasil Jarak Dari 1 39.jpg jpg jpg jpg jpg jpg jpg jpg jpg jpg C
7 11 49.jpg jpg Dihasilkan jarak antara dari nilai standar deviasi untuk buah mangga setengah matang. 4.4 Pengujian Data Gambar 6: Tampilan Aplikasi Hasil pengujian 100 data citra terhadap nilai acuan buah mangga matang No 1 Nilai Tabel 3. Hasil penentuan kematangan Perhitungan Antara Histogram Equalization Acuan Buah Mangga Matang (A) 2 Nilai 3 Nilai 4 Nilai 5 Nilai 6 Nilai Citra Uji (B) Hasil Jarak Euclidean Distance Hasil 1.jpg MATANG 2.jpg MATANG 3.jpg MATANG 4.jpg ½ MATANG 5.jpg MATANG 6.jpg MATANG 7 Nilai 8 Nilai 9 Nilai 10 Nilai 11 Nilai 12 Nilai 13 Nilai 14 Nilai 15 Nilai 16 Nilai 17 Nilai 18 Nilai 19 Nilai 20 Nilai 21 Nilai 22 Nilai 23 Nilai 24 Nilai 25 Nilai 26 Nilai 27 Nilai 28 Nilai 29 Nilai 30 Nilai 31 Nilai 32 Nilai 33 Nilai 7.jpg MATANG 8.jpg ½ MATANG 9.jpg MATANG 10.jpg ½ MATANG 11.jpg ½ MATANG 12.jpg MATANG 13.jpg ½ MATANG 14.jpg MATANG 15.jpg MATANG 16.jpg MATANG 17.jpg MATANG 18.jpg MATANG 19.jpg MATANG 20.jpg MATANG 21.jpg MATANG 22.jpg MATANG 23.jpg MATANG 24.jpg MATANG 25.jpg MATANG 26.jpg MATANG 27.jpg ½ MATANG 28.jpg MATANG 29.jpg MATANG 30.jpg MATANG 31.jpg MATANG 32.jpg MATANG 33.jpg MATANG
8 34 Nilai 35 Nilai 36 Nilai 37 Nilai 38 Nilai 39 Nilai 40 Nilai 41 Nilai 42 Nilai 43 Nilai 44 Nilai 45 Nilai 46 Nilai 47 Nilai 48 Nilai 49 Nilai 50 Nilai 51 Nilai 52 Nilai 53 Nilai 54 Nilai 55 Nilai 56 Nilai 57 Nilai 58 Nilai 59 Nilai 60 Nilai 34.jpg MATANG 35.jpg MATANG 36.jpg MATANG 37.jpg MATANG 38.jpg MATANG 39.jpg ½ MATANG 40.jpg MATANG 41.jpg MATANG 42.jpg MATANG 43.jpg MATANG 44.jpg ½ MATANG 45.jpg MENTAH 46.jpg MENTAH 47.jpg MENTAH 48.jpg MENTAH 49.jpg MENTAH 50.jpg ½ MATANG 51.jpg MENTAH 52.jpg MATANG 53.jpg MENTAH 54.jpg MENTAH 55.jpg MENTAH 56.jpg MENTAH 57.jpg MENTAH 58.jpg MENTAH 59.jpg MENTAH 60.jpg MENTAH 61 Nilai 62 Nilai 63 Nilai 64 Nilai 65 Nilai 66 Nilai 67 Nilai 68 Nilai 69 Nilai 70 Nilai 71 Nilai 72 Nilai 73 Nilai 74 Nilai 75 Nilai 76 Nilai 77 Nilai 78 Nilai 79 Nilai 80 Nilai 81 Nilai 82 Nilai 83 Nilai 84 Nilai 85 Nilai 86 Nilai 87 Nilai 61.jpg MENTAH 62.jpg MENTAH 63.jpg MENTAH 64.jpg MENTAH 65.jpg MENTAH 66.jpg MENTAH 67.jpg MENTAH 68.jpg MENTAH 69.jpg MENTAH 70.jpg MENTAH 71.jpg MENTAH 72.jpg MENTAH 73.jpg MENTAH 74.jpg MENTAH 75.jpg MENTAH 76.jpg MENTAH 77.jpg MENTAH 78.jpg MENTAH 79.jpg MENTAH 80.jpg MENTAH 81.jpg MENTAH 82.jpg MENTAH 83.jpg MENTAH 84.jpg MENTAH 85.jpg MENTAH 86.jpg MENTAH 87.jpg MENTAH
9 88 Nilai 89 Nilai 90 Nilai 91 Nilai 92 Nilai 93 Nilai 94 Nilai 95 Nilai 96 Nilai 97 Nilai 98 Nilai 99 Nilai 100 Nilai 88.jpg MENTAH 89.jpg MENTAH 90.jpg MENTAH 91.jpg MENTAH 92.jpg MENTAH 93.jpg MENTAH 94.jpg MENTAH 95.jpg MENTAH 96.jpg MENTAH 97.jpg MENTAH 98.jpg MENTAH 99.jpg MENTAH 100.jpg MENTAH V. KESIMPULAN 1. Analisis buah mangga manalagi menggunakan CBIR (Content Based Image Retrieval) bisa menghasilkan informasi matang atau tidaknya buah mangga manalagi. 2. Dengan menggunakan Histogram Equalization serta menggunakan teknik Euclidean Distance untuk pengukuran jarak, menghasilkan 89 citra yang tepat dari 100 citra. 3. Penggunaan Euclidean Distance Untuk membatasi tingkat kematangan buah mangga tersebut. Jarak antara diambil dari rata rata nilai buah mangga matang dengan nilai standar deviasi Hasil dari pengujian citra acuan dan citra uji mendapatkan keakurasian 84% yang menunjukan bahwa dari citra buah mangga manalagi dapat menentukan tingkat kematangan buah mangga tersebut. Hasil pengujian 100 data citra terhadap nilai acuan buah mangga matang Pada tabel tersebut menunjukan bahwa citra yang diujikan menjukkan hasil yang berbeda-beda sesuai dengan jarak kematangan buah yang telah ditentukan. Diuji dari 100 data diatas memperlihatkan bahwa hasil buah mangga yang tepat adalah 84 data citra dengan 16 data citra yang salah. hasil dari tabel tersebut nantinya akan dijadikan parameter untuk menentukan tingkat keakurasian dari analisa CBIR (Content Based Image Retrieval) untuk menentukan tingkat kematangan buah mangga manalagi. Penghitungan Tingkat Akurasi : Hasil Ketepatan Ekstraksi = 84 Junlah Citra yang Diujikan = 100 Akurasi = % Akurasi = 84%. VI. SARAN 1. Penambahan citra acuan dan citra uji baru yang lebih banyak lagi untuk mendapatkan akurasi yang lebih presisi. 2. Penambahan algoritma agar bisa menentukan jenisnya dari sudut manapun selain foto / gambar / citra. 3. Kedepanya penelitian ini dapat diaplikasikan via mobile untuk perkembangan jaman supaya pengkasifikasiannya lebih cepat dan mudah digunakan. DAFTAR PUSTAKA [1] Isma Husnu Nida, Analisis Daya Saing Komoditas Jeruk Di Desa Selorejo Kecamatan Dau Kabupaten Malang, Universitas Jember, [2] Setiawardhana, Identifikasi Kematangan Buah Tomat, PENS
10 ITS, Proposal_Penelitian (diakses pada ). [3] Balai Penelitian Tanah, Tanaman Mangga (Mangifera Indica). Badan Penelitian Dan Pengembangan Pertanian. Bogor, [4] Syarif, H, Content Based Image Retrieval Berbasis Color Histogram Untuk Pengklasifikasian Ikan Koi Jenis Kohaku. Skripsi. Universitas Dian Nuswantoro Semarang, [5] Ade Dwi Harisna, ndoware refensi teknologi dan elektronika Indonesia. [Online]. (diakses pada ). [6] Hastuti, Ida.,Mochammad Hariadi & I Ketut Eddy Purnama, Content Based Image Retrieval [7] Sumarna, Agus, CBIR Berdasarkan Ekstraksi Fitur Warna Menggunakan Java, Universitas Gunadarma, Depok, [8] Kadir, Abdul & Adhi Susanto. (2013). Pengolahan Citra Teori dan Aplikasi. Yogyakarta : Andi. [9] Candra Noor Santi, Mengubah Citra Berwarna Menjadi Grayscale dan Citra biner. Universitas Stikubank Semarang, [10] K. A. Nugraha, W. Hapsari dan N. A. Haryono, Analisis Tekstur pada Citra Motif Batik untuk Klasifikasi Menggunakan K-NN, Informatika, vol. 10, Dosen Pembimbing, Penulis,. T. Sutojo,S.Si, M.Kom Gregory Dimas Rudy NPP NIM. A
ANALISIS CBIR (CONTENT BASED IMAGE RETRIEVAL) UNTUK MENENTUKAN TINGKAT KEMATANGAN BIJI KOPI JENIS ROBUSTA
1 ANALISIS CBIR (CONTENT BASED IMAGE RETRIEVAL) UNTUK MENENTUKAN TINGKAT KEMATANGAN BIJI KOPI JENIS ROBUSTA Wisnu Wijo Narko 1, Pulung Nurtantio Andono 2 Universitas Dian Nuswantoro, Ilmu Komputer, Teknik
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 terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih 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 terperinciIdentifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram
Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram Ion Ataka Halela 1,Bowo Nurhadiyono,S.Si, M.Kom 2,Farah Zakiyah Rahmanti 3 1 Fakultas Ilmu Komputer
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 terperinciLAPORAN TUGAS AKHIR ANALISIS KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MANALAGI MENGGUNAKAN CBIR (CONTENT BASED IMAGE RETRIEVAL) BEDASARKAN WARNA
LAPORAN TUGAS AKHIR ANALISIS KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MANALAGI MENGGUNAKAN CBIR (CONTENT BASED IMAGE RETRIEVAL) BEDASARKAN WARNA ANALYSIS OF MATURITY LEVEL MANGO MANALAGI FRUIT CLASSIFICATION
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 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 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 terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciBAB 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 terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciBAB 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 terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih 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 terperinciKLASIFIKASI KUALITAS BUAH STROBERI SEGAR BERDASARKAN PENGUKURAN ATRIBUT KECACATAN MENGGUNAKAN PENGOLAHAN CITRA
KLASIFIKASI KUALITAS BUAH STROBERI SEGAR BERDASARKAN PENGUKURAN ATRIBUT KECACATAN MENGGUNAKAN PENGOLAHAN CITRA Arina Diori (0722107) Jurusan Teknik Elektro email: arinadiorisinaga@yahoo.com ABSTRAK Buah
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 terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
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 terperinciPENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING
PENGEMBANGAN APLIKASI PEMILIHAN BUAH TOMAT UNTUK BIBIT UNGGUL BERDASARKAN WARNA DAN UKURAN MENGGUNAKAN HSV DAN THRESHOLDING Ahmad Zaky Maula 1, Cahya Rahmad 2, Ulla Delfana Rosiani 3 Program Studi Teknik
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih 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 terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
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 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 terperinciPEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI
Artikel Skripsi PEMANFAATAN PENGOLAHAN CITRA DIGITAL DALAM MENENTUKAN KEMATANGAN BUAH KAKAO MENGGUNAKAN METODE EUCLIDEAN DISTANCE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciPERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR
PERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR Muhammad Nasir 1, Amri 2, Husaini 3 1,2,3 Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe
Lebih terperinciBAB I PENDAHULUAN. penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi.
BAB I PENDAHULUAN A. LATAR BELAKANG Buah-buahan merupakan salah satu kelompok komoditas pertanian yang penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi. Permintaan domestik terhadap
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 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 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 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 terperinciPROTOTIPE SISTEM PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN METODE CBIR
PROTOTIPE SISTEM PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN METODE CBIR Irawan Program Studi Teknik Informatika, STIKOM Dinamika Bangsa, Jambi Jl. Jendral Sudirman Thehok - Jambi E-mail: irawanirend@stikom-db.ac.id
Lebih terperinciSISTEM TEMU BALIK CITRA BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA DAN JARAK HISTOGRAM
SISTEM TEMU BALIK CITRA BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA DAN JARAK HISTOGRAM Phie Chyan 1, Sean Coonery Sumarta 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih 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 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 terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciKata kunci: Selada Air, Hidroponik, K-Means Clustering
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN TANAMAN SELADA AIR HIDROPONIK LAYAK JUAL DENGAN DATA GAMBAR DENGAN METODE K-MEANS CLUSTERING (STUDI KASUS : DI KABUPATEN JEMBER) Reinaldi Yulian Prabowo Program
Lebih terperinciKLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS
KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS Sigit Sugiyanto*, Feri Wibowo Program Studi Teknik Informatika
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
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 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 terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
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 terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
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 terperinciAPLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr
APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr 1 Indra Dwi Ananto (09018107), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
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 terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
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 terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR CHAIN CODE Andre Sitorus (0822107) Jurusan Teknik Elektro email: tiantorus11@gmail.com ABSTRAK Pola yang dibentuk oleh
Lebih terperinciDedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2
37 Pengelompokan Jenis Tekstur Kayu Menggunakan K- Nearest Neighbor dan Ekstraksi Fitur Histogram Wood Texture Classification Using K-Nearest Neighbor and Histogram Feature Extraction Dedi Argya Nugroho
Lebih terperinciBAB I PENDAHULUAN 1. Latar Belakang
BAB I PENDAHULUAN 1. Latar Belakang Dalam proses pemetaan secara fotogrametris, salah satu hal yang harus diatasi adalah masalah restitusi dua foto udara yang saling pertampalan sedemikian rupa sehingga
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciDETEKSI KERUSAKAN JALUR PCB (PRINTED CIRCUIT BOARD) MENGGUNAKAN METODE TEMPLATE MATCHING
DETEKSI KERUSAKAN JALUR PCB (PRINTED CIRCUIT BOARD) MENGGUNAKAN METODE TEMPLATE MATCHING Wahyu Nugroho Abstract - Template matching is a technique in digital image processing functions to match each part
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih 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 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 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 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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciSISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY
SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY 1 Devi Puspita Sari (08018272), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciBAB 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 terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperinciBAB II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
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 terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
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 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 terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciIndarto 1, Murinto 2, I. PENDAHULUAN. Kampus III UAD Jl.Dr.Soepomo, Janturan, Yogyakarta
Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS (Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space
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 terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinci