Garuda - Garba Rujukan Digital

Segmentasi Warna Citra Bunga Daisy dengan Algoritma K-Means pada Ruang Warna Lab Alamsyah, Derry; Pratama, Dicky
Jurnal Buana Informatika Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. Segmentation in images of flowers or plants is an important pre-process in the field of botany, one of which is for identifying diseases of flowers or other plants. One of the problems in the image segmentation is the segmented images produced automatically. It is due to the long period of time needed to produce segmented images manually. To overcome these issues, a clustering process was carried out using the k-means algorithm. In this study segmentation is done by using Lab color space and RGB as a comparison to K-means in clustering the image of daisy flowers. Good results are showed by the Lab color space in the clustering process that 60% of the data has lower silhouette coefficient than RGB color space and 3.94% as the mean of s negative.Keywords: Segmentation, Lab, K-MeansAbstrak. Segmentasi pada citra bunga atau tanaman merupakan pra proses yang penting dalam bidang botani, salah satunya untuk mengidentifikasi penyakit pada bunga atau tanaman lainnya. Salah satu permasalahan dalam segmentasi citra adalah menghasilkan citra tersegmentasi secara otomatis. Hal tersebut dikarenakan kebutuhan akan waktu yang tidak sebentar untuk menghasilkan citra tersegmentasi secara manual. Untuk mengatasi kendala tersebut dilakukan proses klasterisasi dengan menggunakan algoritma K-means. Pada penelitian ini segmentasi dilakukan dengan menggunakan ruang warna Lab dan RGB sebagai pembanding kinerja k-means dalam mengklasterisasi citra bunga Desi. Hasil yang baik dimiliki oleh ruang warna Lab dalam proses klasterisasinya, yaitu dengan 60% data memiliki nilai silhoutte coeficient (s) yang lebih kecil dari ruang warna RGB dan memiliki rata-rata sebesar 3.94% s negatif.Kata Kunci: Segmentasi, Lab, k-Means

Identifikasi Jenis Konik dan Kuadrik Berdasarkan Bentuk Matriks A dan Elemen Matriks K pada Persamaan Kuadratik x'Ax+Kx+j=0 Putra BJ Bangun; Irmeilyana Irmeilyana; Derry Alamsyah
Jurnal Penelitian Sains Vol 14, No 3 (2011)
Publisher : Faculty of Mathtmatics and Natural Sciences

Konik (irisan kerucut) merupakan persamaan kuadratik dalam dua variabel yaitu x dan y. Sedangkan kuadrik merupakan persamaan kuadratik dalam 3 variabel, yaitu x, y dan z. Kedua bentuk persamaan kuadratik tersebut dapat dinyatakan dalam notasi matriks, berbentuk x'Ax+Kx+j=0. Bentuk konik dan kuadrik dapat dikenali dari bentuk matriks A dan elemen matriks K, yang berhubungan dengan pola perkalian silang dan pasangan dari masing-masing variabel pada persamaan kuadratiknya. Untuk dapat mengidentifikasikan bentuk grafik persamaan kuadratik tersebut dilakukan dengan penstandaran berdasarkan Teorema Sumbu Utama pada R2 dan R3. Penstandaran bentuk dapat melalui rotasi, translasi, atau gabungan rotasi-translasi menjadi sistem koordinat baru (dengan perubahan variabel).

Segmentasi Warna Citra Bunga Daisy dengan Algoritma K-Means pada Ruang Warna Lab Derry Alamsyah; Dicky Pratama
Jurnal Buana Informatika Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i2.2458

Abstract. Segmentation in images of flowers or plants is an important pre-process in the field of botany, one of which is for identifying diseases of flowers or other plants. One of the problems in the image segmentation is the segmented images produced automatically. It is due to the long period of time needed to produce segmented images manually. To overcome these issues, a clustering process was carried out using the k-means algorithm. In this study segmentation is done by using Lab color space and RGB as a comparison to K-means in clustering the image of daisy flowers. Good results are showed by the Lab color space in the clustering process that 60% of the data has lower silhouette coefficient than RGB color space and 3.94% as the mean of s negative.Keywords: Segmentation, Lab, K-MeansAbstrak. Segmentasi pada citra bunga atau tanaman merupakan pra proses yang penting dalam bidang botani, salah satunya untuk mengidentifikasi penyakit pada bunga atau tanaman lainnya. Salah satu permasalahan dalam segmentasi citra adalah menghasilkan citra tersegmentasi secara otomatis. Hal tersebut dikarenakan kebutuhan akan waktu yang tidak sebentar untuk menghasilkan citra tersegmentasi secara manual. Untuk mengatasi kendala tersebut dilakukan proses klasterisasi dengan menggunakan algoritma K-means. Pada penelitian ini segmentasi dilakukan dengan menggunakan ruang warna Lab dan RGB sebagai pembanding kinerja k-means dalam mengklasterisasi citra bunga Desi. Hasil yang baik dimiliki oleh ruang warna Lab dalam proses klasterisasinya, yaitu dengan 60% data memiliki nilai silhoutte coeficient (s) yang lebih kecil dari ruang warna RGB dan memiliki rata-rata sebesar 3.94% s negatif.Kata Kunci: Segmentasi, Lab, k-Means

Maximum Likelihood Classification dengan Ekstraksi Fitur Fast Fourier Transform untuk Pengenalan Mobil Derry Alamsyah
Jurnal Teknologi dan Sistem Komputer Volume 6, Issue 1, Year 2018 (January 2018)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

The car recognition is part of the field of traffic surveillance on the image. In general, the car recognition using the form-based feature as a unique feature. Another feature in object recognition is the frequency feature. One feature of frequency is the Fourier feature, this feature is obtained by using Fast Fourier Transform (FFT) method. The object recognition can be done by determining the maximum value of likelihood and classifying it with Maximum Likelihood Classification (MLC). The use of FFT and MLC in the car object recognition has never been used. The results of both are in a good accuracy that is 76%.

Penerapan Hidden Markov Model (HMM) pada Pengenalan Penutur Mukhlisa Mukhlisa; Maryati Gultom; Derry Alamsyah
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 1 No 1 (2014): JATISI SEPTEMBER 2014
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Human voice depends on the position or shape of the cavity owned, so the character of the sound that each person is unique and became his identity. Identification of speakers (speaker recognition) is the process of identifying who is talking on the information contained in the speech wave. Identification of speakers can be used as attendance systems, security, and so on. Speaker recognition system in this study formed through two main processes of training (training) and recognition (recognition), where Mel Frequency Cepstrum Coefficients (MFCC) are used for feature extraction, then the model is formed based Hidden Markov sound model (HMM). The results showed that the test in real time using a microphone accuracy rate of 30%. While testing of the recording file 100%. The level of accuracy depends heavily on the ability of clustering and classification.

Implementasi Metode Interpolasi Bicubic Modifikasi pada Proses Downsampling Citra Ferdyansyah Wijaya; Reynard Saputra; Derry Alamsyah
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 2 No 2 (2016): JATISI MARET 2016
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Downsampling process is used to reduce the image resolution by eliminating some pixels, so it will affect the quality of output image. To keep the quality, modified bicubic interpolation method is used in the downsampling process. Modified bicubic interpolation is a modification of bicubic interpolation with same quality and faster processing time. This paper will discuss about the implementation of modified bicubic interpolation method on the image downsampling process by computing 16 nearest pixel values on the input image to produce pixel values for output image. Modified bicubic interpolation is tested at 2 (two) image types, RGB and grayscale. Each type is consist of 2 (two) format, JPG and BMP. Experimental results show that the most stable output size is from JPG RGB with 300 – 400 KB range and from JPG grayscale with 0 – 50 KB range. The fastest processing time is from JPG RGB with 200 – 300 KB range and for the grayscale on 25% scale from JPG with 150 – 200 KB range, 50% scale from JPG with 0 – 50 KB range and 75% scale from BMP. The highest PSNR value is from JPG RGB with 100 – 200 KB range and from JPG grayscale with 0 – 50 KB range.

Pengenalan Mobil Pada Citra Digital Menggunakan HOG-SVM Derry Alamsyah
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 3 No 2 (2017): JATISI MARET 2017
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

The image data on a highway has been available on several online sites. It can be used to pull some information such as traffic congestion, vehicle volume per day, etc. To obtain this information required basic information such as the introduction of the vehicle, in this case the car. The introduction of the car is done by utilizing the features that form the image Histogram of Oriented Gradient (HOG). The introduction of a car based on this feature is done by using a model of linear equations formed from the algorithm Support Vector Machine (SVM), which is a binary classification. The accuracy of the results obtained in this study was 82, 5%

Rencana Strategis Teknologi Informasi pada PT XYZ dengan Kerangka Kerja Ward dan Peppard Dicky Pratama; Derry Alamsyah
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 4 No 2 (2018): JATISI MARET 2018
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Information technology is a much-needed asset in today's modern era. Not only as a tool as well as a core resource that should be utilized by organizations and companies. PT XYZ is one company that utilizes information technology to support its business process. Xi x hesitate in the procurement of the next information technology, given the cost that it requires. Companies are afraid of the investments made will be in vain because there is no appropriate information technology strategy to support its business processes. Therefore, it is necessary to make information technology strategy with company business strategy. This study was conducted with the work of Ward and Peppard. Before analyzing information technology strategy with SWOT Model Matrix previously performed internal and external environment analysis with Value Chain and PEST Analysis approach. The result of this research is the upcoming application portfolio which is expected to bring the competing superior company

Implementasi Convolutional Neural Networks (CNN) untuk Klasifikasi Ekspresi Citra Wajah pada FER-2013 Dataset Derry Alamsyah; Dicky Pratama
(JurTI) Jurnal Teknologi Informasi Vol 4, No 2 (2020): DESEMBER 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v4i2.1714

Abstract - session recognition is an interesting topic, where facial expressions in today's technological advances can support several fields such as health, business, and so on. Facial expression recognition can be done using the extraction of certain features. Meanwhile, Convolutional Neural Network (CNN) can recognize an object in the image through the features found by itself in the convolution process. By using CNN's advantages, this study aims to see CNN's performance in facial expressions of happiness and sadness in unideal data conditions. So based on this research, on the FER2013 dataset, CNN using the Adamax optimizer produced a fairly good performance where the value is given is 66% compared to Adam, N-Adam, and SGD.Keywords - CNN, Facial Expression, FER-2013 Abstrak – Pengenalan ekspresi merupakan topik penelitian yang menarik, dimana peran ekspresi wajah dalam kemajuan teknologi saat ini dapat mendukung beberapa bidang seperti kesehatan, bisnis, dan sebagainya. Pengenalan wajah dapat dilakukan dengan menggunakan ekstraksi fitur-fitur tertentu. Sementara itu, Convolutional Neural Network (CNN) dapat mengenali objek pada citra melalui fitur yang ditemukannya sendiri dalam proses konvolusinya. Dengan menggunakan keunggulan CNN, maka penelitian ini bertujuan untuk mengetahui performa CNN dalam mengenali ekspresi wajah bahagia (happy) dan sedih (sad) pada kondisi data tidak ideal. Maka berdasarkan hasil penelitian ini, pada dataset FER2013, CNN dengan menggunakan Adamax optimizer menghasilkan performa yang cukup baik dimana akurasi yang diberikan adalah sebesar 66% dibandingkan dengan Adam, N-Adam, dan SGD.Kata Kunci - CNN, Ekspresi Wajah, FER-2013.

ESTIMASI KEDALAMAN PADA CITRA DENGAN CONDITIONAL RANDOM FIELD (CRF) DAN STRUCTURED SUPPORT VECTOR MACHINE (SSVM) MENGGUNAKAN FITUR FFT Derry Alamsyah; Muhammad Rachmadi
Jurnal TAM (Technology Acceptance Model) Vol 9, No 1 (2018): Jurnal TAM (Technology Acceptance Model)
Publisher : LPPM STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (334.861 KB)

Citra Kedalaman merupakan citra yang dapat digunakan untuk segmentasi objek, 3D Model dan visi pada robot. Penentuan nilai kedalaman dari sebuah citra warna memiliki tantangan tersendiri dan bidang aktif penelitian. Citra kedalaman dapat diestimasi dengan menggunakan model stokastik CRF. Selanjutnya model CRF digunakan sebagai model untuk pembobotan pada Model SSVM. Penggunaan CRF-SSVM untuk estimasi citra kedalaman didukung ekstraksi fitur domain frekuensi yaitu FFT. Hasil yang ditunjukan dengan menggunakan pendekatan ini sebesar 69.04%

Title

Found 37 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 37 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 37 Documents
Search