Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Voice Of Informatics E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Journal of Informatics and Electronics Engineering
Asep Sugiharto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : voice of informatics

 1 
Klasifikasi Citra Digital Berbasis Ekstraksi Ciri Berdasarkan Tekstur Menggunakan Glcm Dengan Algoritma K-Nearest Neighbor Rohpandi, Dani; Sugiharto, Asep; Jati, M Yoga Sukma
Jurnal VOI (Voice Of Informatics) Vol 7, No 2 (2018)
Publisher : STMIK Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemrosesan citra adalah ilmu untuk memanipulasi gambar, yang melingkupi teknik-teknik untuk memperbaiki atau mengurangi kualitas gambar, menampilkan bagian tertentu dari gambar, membuat sebuah gambar yang baru dari beberapa bagian gambar yang sudah ada, dan beberapa teknik manipulasi gambar lainnya. Suatu citra yang mempunyai kontras rendah dapat dihasilkan dari sumber citra dengan proses pencahayaan atau penerangan yang rendah atau karena adanya kesalahan setting pada saat pengambilan citra berlangsung. Metode GLCM (Gray Level Co-occurence Matrix) adalah satu cara mengekstrakfitur tekstur statistik orde kedua, matriks GLCM mampu menangkap sifat tekstur tetapi tidak secara langsung dapat digunakan sebagai alat analisi, misalnya membandingkan dua tekstur. Fitur-fitur yang dihasilkan oleh metode ekstraksi ciri kemudian akan digunakan sebagai masukan proses klasifikasi. K-NN adalah sebuah metode klasifikasi yang tangguh terhadap data training yang noisy dan efektif apabila datanya besar. Metode penelitian yang digunakan adalah metode eksperimen, yang bertujuan untuk mengidentifikasi hubungan sebab akibat dari satu alau lebih variabel terikat dengan melakukan manipulasi variabel bebas pada suatu keadaan yang terkendali. Hasil yang didapatkan, klasifikasi dengan menggunakan ekstraksi ciri GLCM 4 arah dimana menggunakan Energi dengan nilai rata-rata 55,99%, Metode K-Nearest Neighbor dapat menghasilkan akurasi yang diharapkan pada sistem klasifikasi.Kata kunci: Klasifikasi, Citra Digital, Ekstraksi, GLCM, K-Nearest Neighbor.
PENINGKATAN CONTRAST CITRA BAWAH AIR LAUT MENGGUNAKAN METODE CLAHE (Contrast Limited Adaptive Histogram Equalization) Dani Rohpandi; Asep Sugiharto; Deny Erwandi; Ananda Rizki Andrian Indrapraja
Jurnal VOI (Voice Of Informatics) Vol 9, No 2 (2020)
Publisher : STMIK Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ekosistem bawah laut telah menjadi pusat perhatian internasional sejak efeknya membawa perubahan evolusi pada terumbu karang. Wilayah-wilayah pelestarian terumbu karang banyak yang dijadikan destinasi wisata. Sebagian wisatawan tidak segan-segan mengabadikan ekosistem bawah laut (underwater). Namun, hasil pengambilan citra underwater kualitasnya rendah. Hal ini diakibatkan karena rendahnya kontras di dalam air. Semakin dalam proses pengambilan citra, semakin sedikit warna yang didapat karena cahaya matahari sulit menembus kedalaman air. Oleh karena itu, dibutuhkan penelitian dengan metode yang mampu meningkatkan kontras citra tetapi tidak berlebihan. Metode yang digunakan pada penelitian ini adalah metode CLAHE (Contrast Limited Adaptive Histogram Equalization). Metode CLAHE beroperasi pada tile, kontras yang terdapat pada tiap-tiap tile akan diperbaiki, sehingga histogram yang dihasilkan dari area tersebut cocok dengan histogram yang ditentukan. Tile yang saling bersebelahan dihubungkan menggunakan interpolasi bilinear.  Kata kunci – Contrast Enhancement, CLAHE, Gambar Bawah Air
Implementasi Visi Komputer Untuk Mengidentifikasi Mobilitas Kendaraan Pada Citra Jalan Raya Yoga Handoko Agustin; Asep Sugiharto
Jurnal VOI (Voice Of Informatics) Vol 6, No 2 (2017)
Publisher : STMIK Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Mobilitas kendaraan di jalan raya sekarang ini semakin tinggi dikarenakan jumlah orang yang memiliki kendaraan semakin banyak. Namun kurangnya perhatian terhadap hal tersebut menyebabkan kelancaran berlalu lintas kurang produktif, sehingga perlu ada nya identifikasi mobilitas kendaraan. Untuk itu bidang teknologi bisa digunakan diantaranya llmu Pengolahan Citra dengan bantuan tools Matlab.               Dalam penelitian ini metode perancangan aplikasi menggunakan metode eksperimen dimana metode tersebut dikhususkan untuk digunakan mengidentifikasi hubungan sebab akibat dari satu atau lebih variable terikat dengan melakukan manipulasi variable bebas pada satu keadaan yang terkendali.               Input data pada aplikasi berupa citra jalan, yang kemudian akan diproses dengan menggunakan metode Visi Komputer diantaranya Background Subtracting, Image Processing (RGB, Grayscale, Binary), Morfologi, Segmentation.              Proses pengurangan citra grayscale antara citra jalan kosong dengan citra jalan berobjek akan menghasilkan citra yang hanya menampilkan objek saja, kemudian pelabelan dengan metode segmentasi akan mendeteksi jumlah objek kendaraan sesuai dengan yang dilihat oleh mata manusia. Sampel yang digunakan merupakan citra jalan yang di ambil menggunakan kamera Smartphone dari empat titik jalan yang setiap titik nya diambil 100 sampel sehingga menghasilkan 400 sampel citra jalan berformat JFIF (JPG File Interchange Format).              Dari hasil pengujian semua sampel yang diambil dari titik jalan yang berbeda akan menghasilkan jumlah kendaraan yang melintasi jalan tersebut. Hasil pengujian yang dilakukan dengan menggunakan metode Visi Komputer pada data latih mendapatkan tingkat sensitivitasnya 100.00% dan spesifitasnya 75.00%, sedangkan pada citra uji mendapatkan hasil dengan tingkat sensitivitasnya 69.25% dan spesivitasnya 65.00%.Kata Kunci : Pengolahan Citra, Matlab, Visi Komputer, Deteksi Kendaraan.
Co-Authors Ananda Rizki Andrian Indrapraja Dani Rohpandi Deny Erwandi Dikka Syahrial Wiguna Fanissa Narita Febryawan Yuda Pratama Giri Aji Winara, Giri Aji Jati, M Yoga Sukma Rizki Nursamsi Shinta Siti Sundari Suhendri Yoga Handoko Agustin