Articles
<![CDATA[ANALISIS PERBANDINGAN METODE 2D MEDIAN FILTER DAN MULTI LEVEL MEDIAN FILTER PADA PROSES PERBAIKAN CITRA DIGITAL ]]>
<![CDATA[Murinto, _]]>;
<![CDATA[Muchtar, Bachrudin]]>
<![CDATA[ Jurnal Informatika Vol 6, No 2: Juli 2012 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1049.989 KB)
|
DOI: 10.26555/jifo.v6i2.a2778
<![CDATA[Di dalam penyampaian informasi orang lebih cenderung menggunakan media gambar untuk mempresentasikan sesuatu, misalnya penggunaan rambu-rambau lalu lintas, penggunaan gambar rancang bangun dalam sebuah pembuatan rumah, penggunaan gambar dalam penyuluhan dan lain sebagainya. Namun sering kali citra atau gambar yang dimiliki mengalami penurunan mutu (degradasi). Hal ini akan menyebabkan citra sulit diinterpretasi. Dengan memperbaiki tampilan citra yang mengalami gangguan (noise) sehingga diperoleh citra yang mutunya baik dan mudah diinterpretasikan. Salah satu manipulasi perbaikan mutu citra adalah dengan proses filtering citra. Dalam proses filtering citra ada bebarapa metode yang digunakan untuk memproses citra, diantaranya metode 2D median filter dan multilevel median filter. Dari kedua metode tersebut belum diuji keunggulan dan kelemahan dari masing-masing metodenya. Untuk mengetahui perbedaan hasil yang diolah kedua metode filtering citra tersebut maka dilakukan suatu analisi perbandingan kedua metode tersebut. Metode filtering citra digital yang di gunakan adalah 2D median filter dan multilevel median filter. Operasi filtering citra mengunkan ukuran matriks 3X3, 5X5, 7X7 dan 9X9. Jenis citra dengan ekstensi bmp berformat 24 bit dengan ukuran piksel 640 X 480. Citra tersebut kemudian di tampilkan ke dalam program lalu dilakukan proses filtering citra, menampilkan histogram, timing-run serta SNR dari citra filter. Dari hasil penelitian didapatkan bahwa jenis citra, ukuran citra, ukuran matriks serta metode yang dipilih mempengaruhi proses filtering citra. Proses filtering citra dengan metode multilevel median filter menghasilkan mutu citra yang lebih baik dibanding metode 2D median filter. Hal ini dapat dilihat dari mutu citra yang dihasilkan, nilai SNR lebih besar dan timing-run yang lebih cepat.]]>
<![CDATA[SEGMENTASI CITRA BATIK BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE FILTER GABOR DAN K-MEANS CLUSTERING ]]>
<![CDATA[Padmo A.M, Amin]]>;
<![CDATA[Murinto, Murinto]]>
<![CDATA[ Jurnal Informatika Vol 10, No 1 (2016): Januari ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (918.016 KB)
|
DOI: 10.26555/jifo.v10i1.a3349
<![CDATA[Batik Pekalongan adalah salah satu kekayaan intelektual dan kebudayaan yang dimiliki oleh Indonesia yang harus dilestarikan dan dilindungi agar tidak diakui oleh bangsa lain. Salah satu cara untuk melestarikan dan melindungi batik Pekalongan adalah dengan melakukan pendataan secara komputerisasi yang berupa pengenalan pola. Dalam pengenalan pola, segmentasi citra merupakan proses yang pertama kali dilakukan sebelum proses selanjutnya yaitu analisis citra. Fungsi utama dari segmentasi citra adalah membagi citra ke dalam bagian-bagian wilayah (sub-regions) yang mempunyai kesamaan fitur antara lain: tekstur, warna, bentuk dan lain sebagainya. Tujuan dari penelitian ini adalah menganalisis hasil segmentasi menggunakan metode Filter Gabor dan K-means Clustering yang digunakan untuk membantu proses awal identifikasi batik Pekalongan berdasarkan fitur tekstur. Pada penelitian ini akan dilakukan pengumpulan data sesuai dengan topik yang diambil melalui observasi, wawancara, dan studi pustaka. Analisis dilakukan untuk menentukan kebutuhan yang berkaitan dengan fungsionalitas dan fasilitas aplikasi yang akan dirancang. Implementasi sistem pada proses segmentasi citra batik Pekalongan yaitu menggunakan Matlab 7.10. Sistem yang dihasilkan kemudian dilakukan pengujian dengan memproses 4 sampel citra dimana 1 sampel diambil 1 jenis citra. Citra akan diproses dan akan dibandingkan berdasarkan kombinasi dari nilai gamma, theta, dan lambda. Pengujian dilakukan dengan menggunakan 4 sampel motif Pekalongan dimana 1 sampel hanya diambil 1 jenis citra dan masing-masing jenis citra akan diuji sebanyak 18 kali. Hasil penelitian yang telah dilakukan dapat disimpulkan bahwa hasil segmentasi citra terbaik berada saat nilai gamma= 0.5, theta= 90, dan lambda= 15 sedangkan jika menggunakan nilai gamma, theta, dan lambda selain itu akan menghasilkan kualitas yang kurang baik. Sehingga hasil segmentasi yang dihasilkan dapat digunakan untuk proses analisis citra.]]>
<![CDATA[IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA ]]>
<![CDATA[Murinto, Murinto]]>;
<![CDATA[Aribowo, Eko]]>;
<![CDATA[Yustina, Elena]]>
<![CDATA[ Jurnal Informatika Vol 3, No 2: July 2009 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1167.488 KB)
|
DOI: 10.26555/jifo.v3i2.a5264
<![CDATA[Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar, audio, dan video. Citra/gambar mempunyai karakteristik yang tidak dimiliki oleh teks, yaitu citra kaya dengan informasi. Dewasa ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, antara lain kemudahan dalam mendapatkan gambar, memperbanyak gambar dan pengolahan gambar. Situasi dan kondisi pada saat pengambilan citra digital sangat berpengaruh terhadap hasil citra digital yang diperoleh. Kurangnya intensitas cahaya pada saat pengambilan citra dapat menyebabkan kualitas citra menjadi tidak baik, seperti citra menjadi gelap atau perubahan warna dari gambar. Perlu suatu metode untuk memperbaiki kualitas citra dengan mempertahankan warna asli citra. Penelitian ini menggunakan metode Retinex untuk meningkatkan kecerahan citra. Jenis gambar yang digunakan berekstensi *.jpg berformat 24 bit dengan ukuran pixel yang tidak dibatasi. Citra tersebut kemudian dimasukan ke dalam program lalu diproses dengan menggunakan metode Retinex. Adapun parameter yang digunakan adalah citra hasil, histogram, dan signal-to-noise (SNR). Pengujian dilakukan dengan metode White Box Tes dan Alpha Test. Penelitian yang dilakukan menghasilkan suatu aplikasi pengolahan citra untuk meningkatkan kecerahan Citra Menggunakan Metode Retinexâ yang dapat bekerja untuk mencerahkan citra. Peningkatan kecerahan citra dengan menggunakan metode retinex menghasilkan citra yang lebih cerah, nilai SNR yang lebih tinggi dan histogram dengan nilai intensitas pixel yang tinggi dan terdistribusi secara merata. Hasil uji coba menunjukan bahwa aplikasi ini dapat meningkatkan kecerahan dan kualitas citra menjadi lebih baik. Kata Kunci: Pengolahan Citra, Retinex, Histogram, SNR. ]]>
<![CDATA[APLIKASI PENGOLAHAN CITRA UNTUK MENDETEKSI FRAKTUR TULANG DENGAN METODE DETEKSI TEPI CANNY ]]>
<![CDATA[Puji Triono]]>;
<![CDATA[- Murinto]]>
<![CDATA[ Jurnal Informatika Vol 9, No 2 (2015): Juli ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (202.803 KB)
|
DOI: 10.26555/jifo.v9i2.a2966
<![CDATA[Tulang merupakan salah satu anggota tubuh yang sangat penting bagi manusia, sehingga kerusakan pada tulang sangat berpengaruh pada keadaan tubuh manusia. Salah satu jenis kecacatan/kerusakan pada tulang yang kerap dijumpai adalah fraktur. Fraktur adalah keadaan dimana tulang mengalami retak atau patah. Karena letak tulang yang berada didalam tubuh, maka perlu dilakukan pemotretan dengan sinar-X untuk melihat kondisi tulang. Gambar dari pemotretan tersebut yang akan digunakan petugas medis dalam pemeriksaan tulang. Pemeriksaan dilakukan dengan cara mengamati gambar secara langsung dengan menggunakan kemampuan visual petugas medis. Proses pemeriksaan inilah yang sangat membutuhkan konsentrasi dan ketelitian. Untuk menangani permasalahan tersebut dapat digunakan sebuah aplikasi pengolahan citra untuk mendeteksi fraktur pada tulang dengan metode Canny. Metode Canny sangat baik untuk mendeteksi tepi karena memenuhi syarat pendeteksi tepian paling optimum, yakni: mendeteksi dengan baik (kriteria deteksi), melokalisasi dengan baik (kriteria lokalisasi), dan respon yang baik (kriteria respon). Dalam penelitian ini dilakukan perancangan aplikasi pengolahan citra untuk mendeteksi fraktur pada tulang dengan metode Canny. Citra yang digunakan adalah citra hasil scan tulang paha menggunakan sinar-X dengan posisi Lateral dan Antero Posterior (AP). Untuk pengambilan keputusan menggunakan uji kstest2. Perangkat lunak yang digunakan untuk membangun aplikasi ini adalah matlab R2013a. Data yang digunakan dalam penelitian ini terdiri dari 8 citra standar dan 29 citra uji. Untuk citra standar tulang paha dengan posisi Lateral dan Antero Posterior masing-masing digunakan sebanyak 4 citra. Sedangkan untuk citra uji sebanyak 15 citra untuk tulang paha dengan posisi Antero Posterior dan 14 citra untuk posisi Lateral. Hasil dari penelitian ini adalah suatu aplikasi pengolahan citra untuk mendeteksi fraktur pada tulang dengan metode Canny. Aplikasi ini mampu mendeteksi tepian objek pada citra kemudian mampu memberikan keputusan bahwa tulang mengalami fraktur atau tidak. Hasil pengujian sistem menunjukan nilai akurasi deteksi pada citra tulang paha dengan posisi Antero Posterior adalah 80% dan citra tulang paha dengan posisi Lateral adalah 85,71%.Kata kunci : Antero Posterior, Fraktur Tulang, Lateral, Metode Canny, Uji kstest2.]]>
<![CDATA[ANALISIS PERBANDINGAN METODE 2D MEDIAN FILTER DAN MULTI LEVEL MEDIAN FILTER PADA PROSES PERBAIKAN CITRA DIGITAL ]]>
<![CDATA[_ Murinto]]>;
<![CDATA[Bachrudin Muchtar]]>
<![CDATA[ Jurnal Informatika Vol 6, No 2: Juli 2012 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1049.989 KB)
|
DOI: 10.26555/jifo.v6i2.a2778
<![CDATA[Di dalam penyampaian informasi orang lebih cenderung menggunakan media gambar untuk mempresentasikan sesuatu, misalnya penggunaan rambu-rambau lalu lintas, penggunaan gambar rancang bangun dalam sebuah pembuatan rumah, penggunaan gambar dalam penyuluhan dan lain sebagainya. Namun sering kali citra atau gambar yang dimiliki mengalami penurunan mutu (degradasi). Hal ini akan menyebabkan citra sulit diinterpretasi. Dengan memperbaiki tampilan citra yang mengalami gangguan (noise) sehingga diperoleh citra yang mutunya baik dan mudah diinterpretasikan. Salah satu manipulasi perbaikan mutu citra adalah dengan proses filtering citra. Dalam proses filtering citra ada bebarapa metode yang digunakan untuk memproses citra, diantaranya metode 2D median filter dan multilevel median filter. Dari kedua metode tersebut belum diuji keunggulan dan kelemahan dari masing-masing metodenya. Untuk mengetahui perbedaan hasil yang diolah kedua metode filtering citra tersebut maka dilakukan suatu analisi perbandingan kedua metode tersebut. Metode filtering citra digital yang di gunakan adalah 2D median filter dan multilevel median filter. Operasi filtering citra mengunkan ukuran matriks 3X3, 5X5, 7X7 dan 9X9. Jenis citra dengan ekstensi bmp berformat 24 bit dengan ukuran piksel 640 X 480. Citra tersebut kemudian di tampilkan ke dalam program lalu dilakukan proses filtering citra, menampilkan histogram, timing-run serta SNR dari citra filter. Dari hasil penelitian didapatkan bahwa jenis citra, ukuran citra, ukuran matriks serta metode yang dipilih mempengaruhi proses filtering citra. Proses filtering citra dengan metode multilevel median filter menghasilkan mutu citra yang lebih baik dibanding metode 2D median filter. Hal ini dapat dilihat dari mutu citra yang dihasilkan, nilai SNR lebih besar dan timing-run yang lebih cepat.]]>
<![CDATA[Classification of batik in southern coast area of java using convolutional neural network method ]]>
<![CDATA[Taufik Cahya Prayitna]]>;
<![CDATA[Murinto Murinto]]>
<![CDATA[ Jurnal Informatika Vol 15, No 3 (2021): September 2021 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/jifo.v15i2.a20692
<![CDATA[Batik is a craft inherited from our ancestors from the archipelago which has a high aesthetic value. Batik has several kinds of motives. Perhaps only a few of the information related to batik can find out. Therefore, not everyone can know or recognize batik in the southern coastal areas of Java correctly. Convolutional Neural Network is a part of deep learning that can be used to recognize and detect objects in digital images. Convolutional Neural Network is a type of Artificial Neural Network that was created specifically so that it can work on data in the form of an array. Based on the results of the study, the results obtained were 100% accuracy for the training process and 99% for the testing process with 630 training data and 180 validation data. The accuracy results obtained by testing the model are 93,3 % with 90 test data. So it can be concluded that the CNN model that has been created can classify batik motifs well.]]>
<![CDATA[Clustering based feature selection using Partitioning Around Medoids (PAM) ]]>
<![CDATA[Dewi Pramudi Ismi]]>;
<![CDATA[Murinto Murinto]]>
<![CDATA[ Jurnal Informatika Vol 14, No 2 (2020): May 2020 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/jifo.v14i2.a17620
<![CDATA[High-dimensional data contains a large number of features. With many features, high dimensional data requires immense computational resources, including space and time. Several studies indicate that not all features of high dimensional data are relevant to classification result. Dimensionality reduction is inevitable and is required due to classifier performance improvement. Several dimensionality reduction techniques were carried out, including feature selection techniques and feature extraction techniques. Sequential forward feature selection and backward feature selection are feature selection using the greedy approach. The heuristics approach is also applied in feature selection, using the Genetic Algorithm, PSO, and Forest Optimization Algorithm. PCA is the most well-known feature extraction method. Besides, other methods such as multidimensional scaling and linear discriminant analysis. In this work, a different approach is applied to perform feature selection. Cluster analysis based feature selection using Partitioning Around Medoids (PAM) clustering is carried out. Our experiment results showed that classification accuracy gained when using feature vectors' medoids to represent the original dataset is high, above 80%.]]>
<![CDATA[SEGMENTASI CITRA BATIK BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE FILTER GABOR DAN K-MEANS CLUSTERING ]]>
<![CDATA[Amin Padmo A.M]]>;
<![CDATA[Murinto Murinto]]>
<![CDATA[ Jurnal Informatika Vol 10, No 1 (2016): Januari ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/jifo.v10i1.a3349
<![CDATA[Batik Pekalongan adalah salah satu kekayaan intelektual dan kebudayaan yang dimiliki oleh Indonesia yang harus dilestarikan dan dilindungi agar tidak diakui oleh bangsa lain. Salah satu cara untuk melestarikan dan melindungi batik Pekalongan adalah dengan melakukan pendataan secara komputerisasi yang berupa pengenalan pola. Dalam pengenalan pola, segmentasi citra merupakan proses yang pertama kali dilakukan sebelum proses selanjutnya yaitu analisis citra. Fungsi utama dari segmentasi citra adalah membagi citra ke dalam bagian-bagian wilayah (sub-regions) yang mempunyai kesamaan fitur antara lain: tekstur, warna, bentuk dan lain sebagainya. Tujuan dari penelitian ini adalah menganalisis hasil segmentasi menggunakan metode Filter Gabor dan K-means Clustering yang digunakan untuk membantu proses awal identifikasi batik Pekalongan berdasarkan fitur tekstur. Pada penelitian ini akan dilakukan pengumpulan data sesuai dengan topik yang diambil melalui observasi, wawancara, dan studi pustaka. Analisis dilakukan untuk menentukan kebutuhan yang berkaitan dengan fungsionalitas dan fasilitas aplikasi yang akan dirancang. Implementasi sistem pada proses segmentasi citra batik Pekalongan yaitu menggunakan Matlab 7.10. Sistem yang dihasilkan kemudian dilakukan pengujian dengan memproses 4 sampel citra dimana 1 sampel diambil 1 jenis citra. Citra akan diproses dan akan dibandingkan berdasarkan kombinasi dari nilai gamma, theta, dan lambda. Pengujian dilakukan dengan menggunakan 4 sampel motif Pekalongan dimana 1 sampel hanya diambil 1 jenis citra dan masing-masing jenis citra akan diuji sebanyak 18 kali. Hasil penelitian yang telah dilakukan dapat disimpulkan bahwa hasil segmentasi citra terbaik berada saat nilai gamma= 0.5, theta= 90, dan lambda= 15 sedangkan jika menggunakan nilai gamma, theta, dan lambda selain itu akan menghasilkan kualitas yang kurang baik. Sehingga hasil segmentasi yang dihasilkan dapat digunakan untuk proses analisis citra.]]>
<![CDATA[IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA ]]>
<![CDATA[Murinto Murinto]]>;
<![CDATA[Eko Aribowo]]>;
<![CDATA[Elena Yustina]]>
<![CDATA[ Jurnal Informatika Vol 3, No 2: July 2009 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/jifo.v3i2.a5264
<![CDATA[Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa gambar, audio, dan video. Citra/gambar mempunyai karakteristik yang tidak dimiliki oleh teks, yaitu citra kaya dengan informasi. Dewasa ini penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, antara lain kemudahan dalam mendapatkan gambar, memperbanyak gambar dan pengolahan gambar. Situasi dan kondisi pada saat pengambilan citra digital sangat berpengaruh terhadap hasil citra digital yang diperoleh. Kurangnya intensitas cahaya pada saat pengambilan citra dapat menyebabkan kualitas citra menjadi tidak baik, seperti citra menjadi gelap atau perubahan warna dari gambar. Perlu suatu metode untuk memperbaiki kualitas citra dengan mempertahankan warna asli citra. Penelitian ini menggunakan metode Retinex untuk meningkatkan kecerahan citra. Jenis gambar yang digunakan berekstensi *.jpg berformat 24 bit dengan ukuran pixel yang tidak dibatasi. Citra tersebut kemudian dimasukan ke dalam program lalu diproses dengan menggunakan metode Retinex. Adapun parameter yang digunakan adalah citra hasil, histogram, dan signal-to-noise (SNR). Pengujian dilakukan dengan metode White Box Tes dan Alpha Test. Penelitian yang dilakukan menghasilkan suatu aplikasi pengolahan citra untuk meningkatkan kecerahan Citra Menggunakan Metode Retinex†yang dapat bekerja untuk mencerahkan citra. Peningkatan kecerahan citra dengan menggunakan metode retinex menghasilkan citra yang lebih cerah, nilai SNR yang lebih tinggi dan histogram dengan nilai intensitas pixel yang tinggi dan terdistribusi secara merata. Hasil uji coba menunjukan bahwa aplikasi ini dapat meningkatkan kecerahan dan kualitas citra menjadi lebih baik. Kata Kunci: Pengolahan Citra, Retinex, Histogram, SNR. ]]>
<![CDATA[PERBANDINGAN KINERJA METODE GRADIENT BERDASARKAN OPERATOR SOBEL DAN PREWITT IMPLEMENTASI PADA DETEKSI SIDIK JARI ]]>
<![CDATA[Wahyu Pujiyono]]>;
<![CDATA[Murinto Murinto]]>;
<![CDATA[Irfan Adam]]>
<![CDATA[ Jurnal Informatika Vol 3, No 1: January 2009 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26555/jifo.v3i1.a5260
<![CDATA[Gambar atau citra salah satu komponen multimedia memegang peran sangat penting sebagai informasi visual. Citra dapat bermakna lebih dari seribu kata. Citra dapat memberikan informasi yang lebih banyak daripada informasi yang disajikan dalama bentuk kata-kata. Citra mempunyai karakteristik yang tidak dimiliki oleh teks. Sistem keamanan data dapat dilakukan berbagai cara salah satunya pengolahan citra, dapat dilakukan dengan banyak cara salah satunya dengan sidik jari. Sidik jari memiliki keunikan tersendiri. Topologi sidik jari yang berbeda-beda membuatnya mampu membedakan sidik jari yang satu dengan yang lain. Memanfaatkan keunikan yang dimiliki sidik jari dan metode gradient, dikembangkan penelitian untuk mengaplikasikan metode gradient metode Sobel dan Prewitt dalam menentukan sidik jari. Subyek penelitian adalah perbandingan kinerja metode Gradient dengan operator sobel dan prewitt menggunakan Borland Delphi 7.0. Metode citra yang digunakan adalah metode gradient dengan operator Sobel dan Prewitt. Parameter yang digunakan untuk membandingkan kedua metode adalah waktu proses, citra hasil dan persentase pengenalan citra. Metode pengumpulan data dengan membaca literatur dan observasi langsung untuk mendapatkan data sidik jari. Jumlah data yang digunakan dalam aplikasi ini adalah 15 data citra sidik jari. Pengujian aplikasi menggunakan metode Black Box Test dan Alpa Test. Metode citra mampu mengenali data sidik jari yang dimasukkan dengan rata-rata pengenalan adalah 100 % untuk data yang sudah ada. Data citra baru memiliki rata-rata persentase 54 % untuk Prewitt dan rata-rata 49 % untuk Sobel. Metode Sobel memiliki waktu proses dan citra yang lebih baik dari Prewitt. Persentase pengenalan citra, prewitt lebih baik bila di bandingkan dengan Sobel. Kata kunci : Gradient, Sobel, Prewitt, sidik jari ]]>
