Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : The Indonesian Journal of Computer Science

Metode Ekstraksi Fitur Canny, GLCM dan Segmentasi Warna Menggunakan K-Means Clustering Dalam Peningkatan Motif Batik Zain, Ruri Hartika; Sumijan
The Indonesian Journal of Computer Science Vol. 13 No. 6 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i6.4514

Abstract

Batik merupakan salah satu hasil seni budaya Indonesia berupa kain cetak yang dibuat dengan teknik tertentu. Motif motif bunga melambangkan keindahan dan kebahagiaan. Peneliti mengusulkan metode ekstraksi fitur Canny, GLCM dan segmentasi warna menggunakan k-means clustering dalam peningkatan motif batik. Dengan mengekstraksi fitur dari citra batik yang sudah ada, dapat dihasilkan citra batik dengan motif warna yang lebih banyak. Terlihat dari motif batik yang memiliki tekstur, tekstur dapat dijadikan sebagai salah satu unsur pembeda batik satu dengan yang lain. Penelitian ini juga mengimplementasikan metode Canny, GLCM dan LBP untuk ekstraksi fitur tekstur, HSV colour moment untuk ekstraksi fitur warna, sedangkan metode k-means clustering untuk mengklasifikasikan citra batik dan mengidentifikasi citra batik pewarna alam dan citra batik pewarna sintetis berdasarkan warna. Tujuan dari penelitian ini adalah untuk menggabungkan pola pada data yang sudah ada dengan pola baru. K-means clustering untuk mengelompokkan piksel citra batik digital berdasarkan warna. Hasil penelitian ini menunjukkan bahwa k-means clustering dapat meningkatkan desain batik baru dengan pola dan warna yang berbeda.
Skin Cancer Segmentation On Dermoscopy Images Using Fuzzy C-Means Algorithm Aldi, Febri; Sumijan
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i2.3797

Abstract

Millions of people around the world suffer from skin cancer, a common and sometimes fatal disease. Dermoscopy has become an effective diagnostic technique for skin cancer. Precise segmentation is essential for skin cancer diagnosis. Segmentation allows more precise analysis of dermoscopic images by defining the boundaries of the lesion and separating it from surrounding healthy tissue. Dermoscopy images served as a source of research data, and Fuzzy C-Means (FCM) segmentation techniques were used. FCM is a promising method and has received a lot of attention lately. FCM is able to distinguish the various components within the lesion and effectively separate the lesion from the surrounding area. As a result, the distribution of membership degree values of each pixel in the image for each cluster represents the segmentation results obtained through FCM. The FCM technique for segmenting dermoscopic images is expected to significantly improve the precision and effectiveness of skin cancer diagnosis.