Articles
<![CDATA[PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE ]]>
<![CDATA[Hartono, Budi]]>;
<![CDATA[Lusiana, Veronica]]>
<![CDATA[ Proceeding SENDI_U 2017: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (646.282 KB)
<![CDATA[Penelitian ini akan berkaitan dengan pencarian isi citra menggunakan metode pengukuran jarak Minkowski.Untuk mencari data citra yang mirip dengan citra query dapat dilakukan denganmenghitung jarak menggunakan metode Minkowski distance, yaitu jarak Manhattan/CityBlock (c=1), jarak Euclidean (c=2), dan jarak Chebyshev , dengan citra query berukuran 128X128 piksel. Untuk proses ekstraksi fitur tekstur citra menggunakan matriks intensitas cooccurrence atau Grey-Level Co-Occurrence Matrix (GLCM).Hasil penelitian diperoleh pencarian citra menggunakan jarak Manhattan/City Block relatif baik untukcitra yang kaya akan tekstur. Sedangkan hasil pencarian citra menggunakan jarak Euclideancukup baik untuk citra yang didalamnya terdapat satu atau beberapa obyek.Diharapkan melalui penelitian ini akan menghasilkan model yang dapat diimplementasikan pada perangkat lunak temu kembali citra. Kata Kunci:pencarian isi citra, Minkowski distance, jarak Manhattan/City Block, jarak Euclidean]]>
<![CDATA[MODEL PEMBELAJARAN ADAPTIF PADA MATA KULIAH GRAFIKA KOMPUTER ]]>
<![CDATA[Lusiana, Veronica]]>;
<![CDATA[Hartono, Budi]]>
<![CDATA[ Proceeding SENDI_U 2016: SENDI_U ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (157.367 KB)
<![CDATA[Konsep pembelajaran adaptif menawarkan proses belajar yang melihat kemampuan pemahamanmahasiswa. Pembelajaran adaptif pada umumnya lebih dititikberatkan untuk proses ujian yangdikenal dengan istilah ujian adaptif menggunakan komputer (computer adaptive test, CAT;computer-based test, CBT). Disini, urutan soal yang dikerjakan mahasiswa berbeda antara satumahasiswa dengan yang lain sesuai dengan kemampuan mengerjakan soal oleh mahasiswa.Tingkat kesulitan soal yang diberikan atau dimunculkan oleh komputer bervariasi untuk setiapmahasiswa sesuai dengan skor yang dihasilkan dari jawaban sebelumnya. Pada penelitian iniakan menerapkan konsep pembelajaran adaptif yang diterapkan pada urutan pemberian suatubahan ajar yaitu sub-pokok bahasan kepada mahasiswa. Sub-pokok bahasan disini adalah yangbersifat pengayaan atau sub-pokok bahasan lanjutan, karena pokok bahasan pengantar ataupemahaman dasar masih diberikan secara seragam untuk seluruh mahasiswa. Urutan bahan ajaryang bersifat pengayaan diberikan secara adaptif mengikuti tingkat penerimaan mahasiswaterhadap pokok bahasan sebelumnya. Melalui model pembelajaran ini diharapkan mahasiswadapat menguasai pengetahuan dasar mata kuliah Grafika Komputer dan menguasai pokokbahasan lanjutan atau pengembangan secara lebih baik sesuai dengan kemampuan penalarannya.Pokok bahasan yang dipilih disini adalah clipping menggunakan algoritma Cohen-Sutherland.Kata Kunci: computer adaptive test, adaptive learning, algoritma cohen-sutherland]]>
<![CDATA[PENERAPAN ALGORITMA COHEN-SUTHERLAND UNTUK PENENTUAN BATAS AREA PADA COLLISION DETECTION ]]>
<![CDATA[Hartono, Budi]]>;
<![CDATA[Lusiana, Veronica]]>
<![CDATA[ Proceeding SENDI_U 2018: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (822.282 KB)
<![CDATA[Pada permainan komputer, deteksi tumbukan atau tabrakan (collision detection) digunakan untuk mendeteksi titik atau area persimpangan dua buah obyek. Sebelum terjadi tabrakan maka obyek yang akan menabrak (obyek penyerang) bergerak mendekati obyek yang akan ditabrak (obyek target) atau kedua obyek ini bergerak saling mendekat sampai terjadi tabrakan. Di dalam komputer grafis, batas area gambar merupakan batas yang digunakan untuk menampilkan sebuah obyek. Batas area gambar dapat bersifat dinamis dimana ukuran dan posisinya dapat berubah-ubah mengikuti obyek yang ada didalamnya. Algoritma Cohen-Sutherland dapat digunakan untuk menyusun batas area ini. Algoritma ini membagi sebanyak sembilan area berbeda yang dapat digunakan untuk memetakan tempat atau posisi terjadinya tabrakan antara obyek penyerang dengan obyek target. Penelitian ini akan menerapkan algoritma Cohen-Sutherland untuk menentukan batas area obyek target yang digunakan pada proses deteksi tumbukan.]]>
<![CDATA[PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE ]]>
<![CDATA[Hartono, Budi]]>;
<![CDATA[Lusiana, Veronica]]>
<![CDATA[ Proceeding SENDI_U 2017: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (646.282 KB)
<![CDATA[Penelitian ini akan berkaitan dengan pencarian isi citra menggunakan metode pengukuran jarak Minkowski.Untuk mencari data citra yang mirip dengan citra query dapat dilakukan denganmenghitung jarak menggunakan metode Minkowski distance, yaitu jarak Manhattan/CityBlock (c=1), jarak Euclidean (c=2), dan jarak Chebyshev , dengan citra query berukuran 128X128 piksel. Untuk proses ekstraksi fitur tekstur citra menggunakan matriks intensitas cooccurrence atau Grey-Level Co-Occurrence Matrix (GLCM).Hasil penelitian diperoleh pencarian citra menggunakan jarak Manhattan/City Block relatif baik untukcitra yang kaya akan tekstur. Sedangkan hasil pencarian citra menggunakan jarak Euclideancukup baik untuk citra yang didalamnya terdapat satu atau beberapa obyek.Diharapkan melalui penelitian ini akan menghasilkan model yang dapat diimplementasikan pada perangkat lunak temu kembali citra. Kata Kunci:pencarian isi citra, Minkowski distance, jarak Manhattan/City Block, jarak Euclidean]]>
<![CDATA[PENERAPAN ALGORITMA COHEN-SUTHERLAND UNTUK PENENTUAN BATAS AREA PADA COLLISION DETECTION ]]>
<![CDATA[Hartono, Budi]]>;
<![CDATA[Lusiana, Veronica]]>
<![CDATA[ Proceeding SENDI_U 2018: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (822.282 KB)
<![CDATA[Pada permainan komputer, deteksi tumbukan atau tabrakan (collision detection) digunakan untuk mendeteksi titik atau area persimpangan dua buah obyek. Sebelum terjadi tabrakan maka obyek yang akan menabrak (obyek penyerang) bergerak mendekati obyek yang akan ditabrak (obyek target) atau kedua obyek ini bergerak saling mendekat sampai terjadi tabrakan. Di dalam komputer grafis, batas area gambar merupakan batas yang digunakan untuk menampilkan sebuah obyek. Batas area gambar dapat bersifat dinamis dimana ukuran dan posisinya dapat berubah-ubah mengikuti obyek yang ada didalamnya. Algoritma Cohen-Sutherland dapat digunakan untuk menyusun batas area ini. Algoritma ini membagi sebanyak sembilan area berbeda yang dapat digunakan untuk memetakan tempat atau posisi terjadinya tabrakan antara obyek penyerang dengan obyek target. Penelitian ini akan menerapkan algoritma Cohen-Sutherland untuk menentukan batas area obyek target yang digunakan pada proses deteksi tumbukan.]]>
<![CDATA[EKSTRAKSI FITUR TEKSTUR MENGGUNAKAN MATRIKS GLCM PADA CITRA DENGAN VARIASI ARAH OBYEK ]]>
<![CDATA[Lusiana, Veronica]]>;
<![CDATA[Al Amin, Imam Husni]]>;
<![CDATA[Hartono, Budi]]>;
<![CDATA[Kristianto, Teguh]]>
<![CDATA[ Proceeding SENDI_U 2019: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (238.827 KB)
<![CDATA[Tekstur adalah salah satu ciri yang dimiliki oleh citra yang dapat dilihat atau kenali secara visual namun tidak mudah untuk mendefinisikannya. Ciri citra hasil ekstraksi fitur tekstur dapat digunakan untuk membantu proses penyusunan ciri citra. Salah satu cara untuk mengekstraksi fitur tekstur adalah menggunakan matriks grey level co-occurrence matrix (GLCM). Penelitian ini merupakan penelitian awal untuk melakukan proses ekstraksi fitur tekstur menggunakan matriks GLCM pada citra yang memiliki variasi arah obyek. Dari hasil percobaan diperoleh sudut 0 derajat menjadi ciri yang dominan untuk citra yang memiliki tekstur bervariasi rendah, sedangkan sudut 45 dan 90 derajat menjadi ciri yang dominan untuk citra yang memiliki tekstur bervariasi tinggi. Kata Kunci: ekstraksi fitur, GLCM, fitur tekstur]]>
<![CDATA[MODEL PEMBELAJARAN ADAPTIF PADA MATA KULIAH GRAFIKA KOMPUTER ]]>
<![CDATA[Lusiana, Veronica]]>;
<![CDATA[Hartono, Budi]]>
<![CDATA[ Proceeding SENDI_U 2016: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Konsep pembelajaran adaptif menawarkan proses belajar yang melihat kemampuan pemahamanmahasiswa. Pembelajaran adaptif pada umumnya lebih dititikberatkan untuk proses ujian yangdikenal dengan istilah ujian adaptif menggunakan komputer (computer adaptive test, CAT;computer-based test, CBT). Disini, urutan soal yang dikerjakan mahasiswa berbeda antara satumahasiswa dengan yang lain sesuai dengan kemampuan mengerjakan soal oleh mahasiswa.Tingkat kesulitan soal yang diberikan atau dimunculkan oleh komputer bervariasi untuk setiapmahasiswa sesuai dengan skor yang dihasilkan dari jawaban sebelumnya. Pada penelitian iniakan menerapkan konsep pembelajaran adaptif yang diterapkan pada urutan pemberian suatubahan ajar yaitu sub-pokok bahasan kepada mahasiswa. Sub-pokok bahasan disini adalah yangbersifat pengayaan atau sub-pokok bahasan lanjutan, karena pokok bahasan pengantar ataupemahaman dasar masih diberikan secara seragam untuk seluruh mahasiswa. Urutan bahan ajaryang bersifat pengayaan diberikan secara adaptif mengikuti tingkat penerimaan mahasiswaterhadap pokok bahasan sebelumnya. Melalui model pembelajaran ini diharapkan mahasiswadapat menguasai pengetahuan dasar mata kuliah Grafika Komputer dan menguasai pokokbahasan lanjutan atau pengembangan secara lebih baik sesuai dengan kemampuan penalarannya.Pokok bahasan yang dipilih disini adalah clipping menggunakan algoritma Cohen-Sutherland.Kata Kunci: computer adaptive test, adaptive learning, algoritma cohen-sutherland]]>
<![CDATA[IMPLEMENTASI ALGORITMA DIJKSTRA PADA GAME PENGENALAN KEBUDAYAAN KOTA SEMARANG ]]>
<![CDATA[Sumarno, Davis Danendra]]>;
<![CDATA[Lusiana, Veronica]]>
<![CDATA[ Proceeding SENDI_U 2020: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Game merupakan sebuah sistem yang dirancang untuk membuat sebuah permainan dengan bantuankomputer maupun smartphone. Saat ini sering kita jumpai bermacam-macam game untuk berbagai kalangan darikalangan anak-anak hingga kalangan orang dewasa. Sebagian besar game saat ini hanya bertujuan sebagaimedia hiburan tanpa memikirkan edukasi untuk para usernya, sehingga seiring berjalannya waktu dapatmembuat sebagian user melupakan unsur edukasi seperti dari sisi kebudayaan yang sudah diwariskan paraleluhur. Gepeng adalah salah satu game berjenis petualangan yang mengimplementasikan algoritma Dijkstra.Aplikasi yang digunakan dalam pembuatan game Gepeng adalah Unity dimana cara pembuatannyamenggunakan bahasa pemrograman C Sharp dan sistem drag and drop. Game Gepeng dapat dimainkansecaraIsingle player berbasis personal computer. Game Gepeng berbeda dengan game petualangan padaumumnya dikarenakan game ini menggunakan algoritma Dijkstra untuk menentukan rute terpendek padahalaman kuis yang ada berjenis puzzle maze yang nantinya terdapat informasi kebudayaan yang ada di KotaSemarang apabila user bisa menyelesaikan game tersebut. Sumber data informasi kebudayaan Kota Semarangdidapatkan melalui beberapa metode meliputi observasi secara langsung guna membuktikan kebenaran ataumengetahui kondisi yang terjadi dan melalui studi pustaka dari berbagai jurnal, dan buku serta hasil penelitiansebelumnya yang sejenis. Hasil dari pembuatan game ini bertujuan untuk memperkenalkan beberapa kebudayaanyang ada di Kota Semarang melalui game yang dibuat dengan aplikasi Unity.]]>
<![CDATA[MENGUBAH DIMENSI CITRA DENGAN MODIFIKASI NILAI PADA SUB-DAERAH CITRA ]]>
<![CDATA[Hartono, Budi]]>;
<![CDATA[Lusiana, Veronica]]>;
<![CDATA[Al Amin, Imam Husni]]>
<![CDATA[ Proceeding SENDI_U 2020: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Kebutuhan efisiensi terhadap media penyimpan dan waktu transfer data agar lebih singkat terusmeningkat. Penelitian ini akan melakukan pengubahan dimensi data khususnya data citra menggunakanmodifikasi nilai pada sub-daerah citra. Citra asli diubah menjadi citra baru dengan dimensi lebih kecil (kompresi)dan dimensi lebih besar. Terdapat delapan buah citra uji atau citra asli RGB (red, green, blue) dalam formatJPG dan PNG. Proses komputasi untuk modifikasi nilai pada sub-daerah citra menggunakan perangkat lunakOctave. Dari proses pengujian diperoleh hasil yang optimal untuk kebutuhan media penyimpan citra baru hasilmemperkecil dimensi citra, pada file citra JPG adalah dengan rasio kompresi 82,2%. Sedangkan untukmemperbesar dimensi citra, pada file citra PNG dengan rasio 125%.]]>
<![CDATA[PENGARUH PERBAIKAN KUALITAS CITRA DAN POSISI AWAL CENTROID PADA ITERASI K-MEANS KLASTER ]]>
<![CDATA[Hartono, Budi]]>;
<![CDATA[Lusiana, Veronica]]>
<![CDATA[ Proceeding SENDI_U 2021: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS ]]>
Publisher : <![CDATA[Proceeding SENDI_U ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penelitian ini melakukan analisa terhadap hasil perbaikan kualitas citra buah alpukat mentah dan matang menggunakan modifikasi intensitas warna dengan metode peregangan kontras dan ekualisasi histogram. Proses ekstraksi menggunakan matriks GLCM dengan fitur energi dan kontras. Proses komputasi dan visualisasi menggunakan perangkat lunak Octave. Pengamatan dilakukan pada pengaruh hasil perbaikan kualitas citra dan pemilihan posisi awal centroid pada jumlah iterasi k-means klaster. Secara umum, hasil perbaikan kualitas citra peregangan kontras membutuhkan jumlah iterasi yang lebih sedikit dibandingkan ekualisasi histogram. Melalui pemilihan nilai awal centroid yang berbeda dapat menghasilkan nilai akhir centroid yang sama, namun dengan jumlah iterasi yang berbeda]]>
