Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS
Ayu Kardina Sukmawati
Departemen Teknik Informatika Institut Teknologi Sepuluh Nopember
Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector Machine Ayu Kardina Sukmawati; Nanik Suciati; Dini Adni Navastara
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (582.618 KB) | DOI: 10.12962/j23373539.v6i2.23404

Abstract

Seam carving adalah metode yang digunakan untuk content-aware image resizing. Seam carving bertujuan untuk mengubah ukuran citra atau image resizing dengan tidak menghilangkan konten penting yang ada pada citra. Dalam bidang forensik digital, seam carving banyak dibahas khususnya tentang deteksi seam carving pada citra. Hal tersebut bertujuan untuk mengetahui apakah suatu citra sudah pernah melalui proses pengubahan ukuran menggunakan seam carving atau belum.Tugas akhir ini mengusulkan sebuah metode deteksi seam carving berdasarkan perubahan ukuran citra menggunakan Local Binary Patterns dan Support Vector Machine. Citra yang akan dideteksi dihitung variasi teksturnya menggunakan Local Binary Patterns. Proses selanjutnya adalah ekstraksi fitur dari distribusi energy yang menghasilkan 24 fitur. Data fitur citra selanjutnya dilakukan proses normalisasi. Uji coba fitur menggunakan k-fold cross validation dengan membagi data menjadi training dan testing. Selanjutnya data tersebut akan memasuki proses klasifikasi menggunakan Support Vector Machine dengan kernel Radial Basis Function.Uji coba dilakukan terhadap citra asli dan citra seam carving. Citra seam carving yang digunakan dibedakanviiiberdasarkan skala rasionya yaitu 10%, 20%, 30%, 40%, dan 50%. Jumlah data yang digunakan adalah sebanyak 400 citra untuk setiap uji coba pada tiap skala rasio dengan menggunakan 10-fold cross validation. Rata-rata akurasi terbaik yang dihasilkan sebesar 73,95%.
Co-Authors Dini Adni Navastara, Dini Adni Nanik Suciati