Garuda - Garba Rujukan Digital

Segmentasi Citra menggunakan Support Vector Machine (SVM) dan Ellipsoid Region Search Strategy (ERSS) Arimoto Entropy berdasarkan Ciri Warna dan Tekstur Hakim, Lukman; Mutrofin, Siti; Ratnasari, Evy Kamilah
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): Januari-Juni
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Segmentasi citra merupakan suatu metode penting dalam pengolahan citra digital yang bertujuan membagi citra menjadi beberapa region yang homogen berdasarkan kriteria kemiripan tertentu. Salah satu syarat utama yang harus dimiliki suatu metode segmentasi citra yaitu menghasilkan citra boundary yang optimal.Untuk memenuhi syarat tersebut suatu metode segmentasi membutuhkan suatu klasifikasi piksel citra yang dapat memisahkan piksel secara linier dan non-linear. Pada penelitian ini, penulis mengusulkan metode segmentasi citra menggunakan SVM dan entropi Arimoto berbasis ERSS sehingga tahan terhadap derau dan mempunyai kompleksitas yang rendah untuk menghasilkan citra boundary yang optimal. Pertama, ekstraksi ciri warna dengan local homogeneity dan ciri tekstur dengan menggunakan Gray Level Co-occurrence Matrix (GLCM) yang menghasilkan beberapa fitur. Kedua, pelabelan dengan Arimoto berbasis ERSS yang digunakan sebagai kelas dalam klasifikasi. Ketiga, hasil ekstraksi fitur dan training kemudian diklasifikasi berdasarkan label dengan SVM yang telah di-training. Dari percobaan yang dilakukan menunjukkan hasil segmentasi kurang optimal dengan akurasi 69 %. Reduksi fitur perlu dilakukan untuk menghasilkan citra yang tersegmentasi dengan baik. Kata kunci: segmentasi citra, support vector machine, ERSS Arimoto Entropy, ekstraksi ciri. Abstract Image segmentation is an important tool in image processing that divides an image into homogeneous regions based on certain similarity criteria, which ideally should be meaning-full for a certain purpose. Optimal boundary is one of the main criteria that an image segmentation method should has. A classification method that can partitions pixel linearly or non-linearly is needed by an image segmentation method. We propose a color image segmentation using Support Vector Machine (SVM) classification and ERSS Arimoto entropy thresholding to get optimal boundary of segmented image that noise-free and low complexity. Firstly, the pixel-level color feature and texture feature of the image, which is used as input to SVM model (classifier), are extracted via the local homogeneity and Gray Level Co-Occurrence Matrix (GLCM). Then, determine class of classifier using Arimoto based ERSS thresholding. Finally, the color image is segmented with the trained SVM model (classifier). This image segmentation result less satisfied segmented image with 69 % accuracy. Feature reduction is needed to get an effective image segmentation. Key word: image segmentation, support vector machine, ERSS Arimoto Entropy, feature extraction.

Deteksi Lokasi Citra Iris Menggunakan Threshold Linear dan Garis Horisontal Imajiner Hakim, Lukman; Rosadi, Muhammad Imron; Prayoga, Resdi Hadi
Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya) Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Sistem biometrik berkembang pesat di berbagai berbagai bidang, terutama untuk keamanan dengan menggunakan citra iris. Berdasarkan dengan permasalahan tersebut, maka  mempengaruhi penelitian-penelitian yang mengarah ke arah tantangan baru seperti kemampuan untuk menjamin tingkat akurasi dan kehandalan. Salah satu tahap yang paling kritis dan mendasar dalam sistem pengenalan iris mata adalah lokalisasi atau batasan luar dan dalam dari pola iris mata di dalam citra input, sehubungan dengan berbagai varian yang mungkin terjadi saat pengambilan citra. Meliputi variasi posisi iris Mata, posisi mata dalam citra, noise yang ada seperti pemakaian kacamata, rambut, bulu mata, pengaruh blurring, dan variasi ukuran iris mata warna kulit. Dalam penelitian ini ada 2 langkah pekerjaan, pertama; menemukan daerah pusat pupil menggunakan metode threshold linear dengan intensitas yang lebih besar daripada nilai empiris 70 (skala 0 (256) kemudian dilanjutkan dengan metode 8-connected untuk menemukan daerah yang terhubung. Kedua; menemukan batas iris menggunakan pelacakan garis horizontal imajiner yang melewati seluruh gambar melalui pusat pupil. Mulai dari tepi pupil kami menganalisis sinyal terdiri oleh intensitas piksel dari pusat gambar menuju batas iris. Dari hasil ujicoba Pengujian metode yang diusulkan dilakukan pada citra iris CASIA-IrisVI interval yang memiliki banyak noise , diantaranya yaitu tingkat kekontrasan setiap citra berbeda-beda, adanya kelopak mata dan bulu mata, serta adanya specular reflection. Parameter-parameter yang diamati adalah akurasi deteksi iris dibawah kondisi kualitas citra iris yang tidak ideal, serta waktu eksekusi deteksi iris. Hasil pengujian metode kami terhadap 35 citra iris menunjukkan bahwa akurasi deteksi lingkaran pupil sebanyak 33 citra sebesar 94% sedangkan akurasi deteksi lingkaran luar iris sebesar 94%. Serta alokasi waktu rata-rata 0.98 detik

KLASIFIKASI DIABETIC RETINOPATHY MENGGUNAKAN SELEKSI FITUR DAN SUPPORT VECTOR MACHINE Rosadi, Muhammad Imron; Sanjaya, Cahya Bagus; Hakim, Lukman
Jurnal RESISTOR (Rekayasa Sistem Komputer) Vol 1 No 2 (2018): Jurnal RESISTOR Edisi Oktober 2018
Publisher : LPPM STMIK STIKOM Indonesia

Diabetic Retinopathy is a disease common complications of diabetes mellitus. The complications in the form of damages on the part of the retina of the eye.  The high levels of glucose in the blood are the cause of small capillaries become broke and can lead to blindness. The symptoms shown by the sufferers of Diabetic Retinopaythy (DR), among others, microaneurysms, hemorrhages, exudates, soft hard exudate and neovascularization. These symptoms are at a certain intensity can be an indicator of the phase (the level of severity) DR sufferers. There are four stages of the process of pattern recognition, namely preprocessing,feature ekstraction, feature selection and classification. On preprocessing the image do Change the RGB image into Green channel, image Adaptive Histogram Equalization, removal of blood vessels, removal of optic disks, detection of exudate. A collection from the results of preprocessing placed in the vector of characteristics by using the feature extraction of GLCM consisting of order 1 and 2, to order then conducted as input Support Vector Machine (SVM). While in SVM there are three issues that emerged, namely; How to select a kernel function, what is the optimal number of input features, and how to determine the best kernel parameters. These issues are important, because the number of features affect the required kernel parameters values and vice versa, so that the selection of the features required in building the classification system. On the research of feature extraction methods was presented GLCM, features selection, and SVM for detecting diabetic retinopathy. feature selection process using the F-Score feature to select the results of features extraction. From the results of the selection of these features is used to input the classification. The dataset used amounted to 50 data, which is divided into 2 classes, where 25 sets taken from normal retinal scans and 25 sets of the rest of the scan of the retina with diabetic retinopathy. SVM classification with feature selection to increase accuracy and computational time than lose without a selection of features with a value of 90% accuracy and computational time 0.010 seconds.

Deteksi Lokasi Citra Iris Menggunakan Threshold Linear dan Garis Horisontal Imajiner Hakim, Lukman; Rosadi, Muhammad Imron; Prayoga, Resdi Hadi
Prosiding SNATIKA Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : LPPM STIKI Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Sistem biometrik berkembang pesat di berbagai berbagai bidang, terutama untuk keamanan dengan menggunakan citra iris. Berdasarkan dengan permasalahan tersebut, maka mempengaruhi penelitian-penelitian yang mengarah ke arah tantangan baru seperti kemampuan untuk menjamin tingkat akurasi dan kehandalan. Salah satu tahap yang paling kritis dan mendasar dalam sistem pengenalan iris mata adalah lokalisasi atau batasan luar dan dalam dari pola iris mata di dalam citra input, sehubungan dengan berbagai varian yang mungkin terjadi saat pengambilan citra. Meliputi variasi posisi iris Mata, posisi mata dalam citra, noise yang ada seperti pemakaian kacamata, rambut, bulu mata, pengaruh blurring, dan variasi ukuran iris mata warna kulit. Dalam penelitian ini ada 2 langkah pekerjaan, pertama; menemukan daerah pusat pupil menggunakan metode threshold linear dengan intensitas yang lebih besar daripada nilai empiris 70 (skala 0 (256) kemudian dilanjutkan dengan metode 8-connected untuk menemukan daerah yang terhubung. Kedua; menemukan batas iris menggunakan pelacakan garis horizontal imajiner yang melewati seluruh gambar melalui pusat pupil. Mulai dari tepi pupil kami menganalisis sinyal terdiri oleh intensitas piksel dari pusat gambar menuju batas iris. Dari hasil ujicoba Pengujian metode yang diusulkan dilakukan pada citra iris CASIA-IrisVI interval yang memiliki banyak noise , diantaranya yaitu tingkat kekontrasan setiap citra berbeda-beda, adanya kelopak mata dan bulu mata, serta adanya specular reflection. Parameter-parameter yang diamati adalah akurasi deteksi iris dibawah kondisi kualitas citra iris yang tidak ideal, serta waktu eksekusi deteksi iris. Hasil pengujian metode kami terhadap 35 citra iris menunjukkan bahwa akurasi deteksi lingkaran pupil sebanyak 33 citra sebesar 94% sedangkan akurasi deteksi lingkaran luar iris sebesar 94%. Serta alokasi waktu rata-rata 0.98 detik

Game petualangan untuk meningkatkan minat belajar siswa tentang sejarah kemerdekaan Bangsa Indonesia Bachtiar, Mochammad Alvin Tri; Hakim, Lukman
Teknologi: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

ABSTRAKSaat ini sistem pembelajaran sejarah sangat tidak menarik dan cenderung membosankan, salah satu solusinya adalah dengan mengemas proses belajar sejarah ke dalam bentuk game. Hasil dari penelitian ini adalah sebuah game edukasi berbasi game petualangan yang kemudianÂ diujiÂ olehÂ pihakÂ guruÂ danÂ siswa diÂ kelasÂ VIIIÂ MTS Al-Anwar Wonorejo Kabupaten Pasuruan. Hasil penilaian terhadap game dolanan sejarah memberikan hasil yang baik (skala maksimum 4) dari aspek ketertarikan dengan skor 3,19; aspek kemanfaatan dengan skor 3,46; aspek kesesuaian kurikulum memiliki skor sebesar 3,46; dan aspek kemudahan dengan skor 3,18.Kata kunci: Game adventure, game edukasi, sejarah kemerdekaan bangsa Indonesia.Â ABSTRACTÂ Â Currently, the process of learning history is less attractive, the problem is that students are less interested and bored. One solution is to package these lessons in the form of a game. The result of the research is an educational game, which then tested by the teachers and students in class VIII MTS AL-ANWAR. The results for the assessment of the game "dolanan" history gave positive results.Â With a maximum scale of 4 on each aspect, we receive the following results: the aspect of interest scored 3.19, the aspect of expediency scored 3.46, curriculum suitability aspect scored 3.46, and the aspects of ease scored 3.18.Keywords: Adventure game, education game, history of Indonesian independence.

Game petualangan untuk meningkatkan minat belajar siswa tentang sejarah kemerdekaan Bangsa Indonesia Bachtiar, Mochammad Alvin Tri; Hakim, Lukman
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 6, No 2 (2016): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v6i2.591

ABSTRAKSaat ini sistem pembelajaran sejarah sangat tidak menarik dan cenderung membosankan, salah satu solusinya adalah dengan mengemas proses belajar sejarah ke dalam bentuk game. Hasil dari penelitian ini adalah sebuah game edukasi berbasi game petualangan yang kemudian diuji oleh pihak guru dan siswa di kelas VIII MTS Al-Anwar Wonorejo Kabupaten Pasuruan. Hasil penilaian terhadap game dolanan sejarah memberikan hasil yang baik (skala maksimum 4) dari aspek ketertarikan dengan skor 3,19; aspek kemanfaatan dengan skor 3,46; aspek kesesuaian kurikulum memiliki skor sebesar 3,46; dan aspek kemudahan dengan skor 3,18.Kata kunci: Game adventure, game edukasi, sejarah kemerdekaan bangsa Indonesia. ABSTRACT Currently, the process of learning history is less attractive, the problem is that students are less interested and bored. One solution is to package these lessons in the form of a game. The result of the research is an educational game, which then tested by the teachers and students in class VIII MTS AL-ANWAR. The results for the assessment of the game "dolanan" history gave positive results. With a maximum scale of 4 on each aspect, we receive the following results: the aspect of interest scored 3.19, the aspect of expediency scored 3.46, curriculum suitability aspect scored 3.46, and the aspects of ease scored 3.18.Keywords: Adventure game, education game, history of Indonesian independence.

Segmentasi Citra menggunakan Support Vector Machine (SVM) dan Ellipsoid Region Search Strategy (ERSS) Arimoto Entropy berdasarkan Ciri Warna dan Tekstur Hakim, Lukman; Mutrofin, Siti; Ratnasari, Evy Kamilah
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 2, No 1 (2016): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v2i1.440

Segmentasi citra merupakan suatu metode penting dalam pengolahan citra digital yang bertujuan membagi citra menjadi beberapa region yang homogen berdasarkan kriteria kemiripan tertentu. Salah satu syarat utama yang harus dimiliki suatu metode segmentasi citra yaitu menghasilkan citra boundary yang optimal.Untuk memenuhi syarat tersebut suatu metode segmentasi membutuhkan suatu klasifikasi piksel citra yang dapat memisahkan piksel secara linier dan non-linear. Pada penelitian ini, penulis mengusulkan metode segmentasi citra menggunakan SVM dan entropi Arimoto berbasis ERSS sehingga tahan terhadap derau dan mempunyai kompleksitas yang rendah untuk menghasilkan citra boundary yang optimal. Pertama, ekstraksi ciri warna dengan local homogeneity dan ciri tekstur dengan menggunakan Gray Level Co-occurrence Matrix (GLCM) yang menghasilkan beberapa fitur. Kedua, pelabelan dengan Arimoto berbasis ERSS yang digunakan sebagai kelas dalam klasifikasi. Ketiga, hasil ekstraksi fitur dan training kemudian diklasifikasi berdasarkan label dengan SVM yang telah di-training. Dari percobaan yang dilakukan menunjukkan hasil segmentasi kurang optimal dengan akurasi 69 %. Reduksi fitur perlu dilakukan untuk menghasilkan citra yang tersegmentasi dengan baik. Kata kunci: segmentasi citra, support vector machine, ERSS Arimoto Entropy, ekstraksi ciri. Abstract Image segmentation is an important tool in image processing that divides an image into homogeneous regions based on certain similarity criteria, which ideally should be meaning-full for a certain purpose. Optimal boundary is one of the main criteria that an image segmentation method should has. A classification method that can partitions pixel linearly or non-linearly is needed by an image segmentation method. We propose a color image segmentation using Support Vector Machine (SVM) classification and ERSS Arimoto entropy thresholding to get optimal boundary of segmented image that noise-free and low complexity. Firstly, the pixel-level color feature and texture feature of the image, which is used as input to SVM model (classifier), are extracted via the local homogeneity and Gray Level Co-Occurrence Matrix (GLCM). Then, determine class of classifier using Arimoto based ERSS thresholding. Finally, the color image is segmented with the trained SVM model (classifier). This image segmentation result less satisfied segmented image with 69 % accuracy. Feature reduction is needed to get an effective image segmentation. Key word: image segmentation, support vector machine, ERSS Arimoto Entropy, feature extraction.

Karakteristik Budaya Organisasi: Sebuah Studi Kualitatif terhadap Pengusaha Batik Muslim Laweyan Surakarta Lukman Hakim; Irwan Abdullah; Nurus Sa'adah
Benefit: Jurnal Manajemen dan Bisnis Volume 6 No 2 Desember 2021
Publisher : Program Studi Manajemen Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/benefit.v6i2.14019

This study aims to identify (1) the cultural characteristics of the Muslim batik entrepreneurs in the Batik Industry in Surakarta. (2) the values that underlie the cultural organization of Muslim batik entrepreneurs in the Laweyan Batik Industry, Surakarta. The research locations were Mahkota Batik, Putra Laweyan Batik, Gres Tenan Batik, Puspa Kencana Batik and Merak Manis Batik. This type of research uses descriptive-qualitative methods. The results of the study conclude the cultural characteristics of Muslim batik entrepreneurs organizations, as follows: (1) culture of struggle (al Mujahadah), (2) culture of togetherness (al Ijtimaiyyah), (3) culture of mutual help (at Tawauniyyah), (4) culture of humanity (al Insanniyyah), (5) professional culture (al Ihtirofiyyah), (6) creative and innovative culture (al kholaq wal mubtakar), (7) thoroughness culture (as shihah), and (8) skill culture (al khibrah).

KLASIFIKASI DIABETIC RETINOPATHY MENGGUNAKAN SELEKSI FITUR DAN SUPPORT VECTOR MACHINE Muhammad Imron Rosadi; Cahya Bagus Sanjaya; Lukman Hakim
Jurnal RESISTOR (Rekayasa Sistem Komputer) Vol. 1 No. 2 (2018): Jurnal RESISTOR Edisi Oktober 2018
Publisher : LPPM STMIK STIKOM Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/jurnalresistor.v1i2.312

Diabetic Retinopathy is a disease common complications of diabetes mellitus. The complications in the form of damages on the part of the retina of the eye. The high levels of glucose in the blood are the cause of small capillaries become broke and can lead to blindness. The symptoms shown by the sufferers of Diabetic Retinopaythy (DR), among others, microaneurysms, hemorrhages, exudates, soft hard exudate and neovascularization. These symptoms are at a certain intensity can be an indicator of the phase (the level of severity) DR sufferers. There are four stages of the process of pattern recognition, namely preprocessing,feature ekstraction, feature selection and classification. On preprocessing the image do Change the RGB image into Green channel, image Adaptive Histogram Equalization, removal of blood vessels, removal of optic disks, detection of exudate. A collection from the results of preprocessing placed in the vector of characteristics by using the feature extraction of GLCM consisting of order 1 and 2, to order then conducted as input Support Vector Machine (SVM). While in SVM there are three issues that emerged, namely; How to select a kernel function, what is the optimal number of input features, and how to determine the best kernel parameters. These issues are important, because the number of features affect the required kernel parameters values and vice versa, so that the selection of the features required in building the classification system. On the research of feature extraction methods was presented GLCM, features selection, and SVM for detecting diabetic retinopathy. feature selection process using the F-Score feature to select the results of features extraction. From the results of the selection of these features is used to input the classification. The dataset used amounted to 50 data, which is divided into 2 classes, where 25 sets taken from normal retinal scans and 25 sets of the rest of the scan of the retina with diabetic retinopathy. SVM classification with feature selection to increase accuracy and computational time than lose without a selection of features with a value of 90% accuracy and computational time 0.010 seconds.

SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MENGGUNAKAN MULTILEVEL PHASE CONGRUENCY DAN HYSTERESIS THRESHOLDING Lukman Hakim

Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar

Karakteristik pembuluh darah di retina sangat membantu dokter mata untuk mendiagnosa kelainankelainanpada mata. Hal ini dikarenakan perubahan dari struktur pembuluh darah menandakan adanyapenyakit. Namun seorang observer membutuhkan waktu 2 jam untuk menandai pembuluh darah pada sebuahcitra retina. Untuk itu diperlukan metode yang mampu menandai pembuluh darah secara otomatis. Metode sebelumnya mampu melakukan segmentasi pembuluh darah retina pada citra fundus dengankomputasi yang rendah, namun kelemahannya adalah tidak sensitif terhadap variasi ukuran lebar pembuluhdarah. Sedangkan foto fundus digital umumnya mengandung pembuluh darah retina yang memiliki lebaryang bervariasi. Oleh karena itu, pada penelitian ini dikembangkan sebuah metode segmentasi pembuluhdarah retina pada citra fundus yang memiliki lebar bervariasi menggunakan Multilevel Phase Congruencydan Hystheresi Thresholding. Metode ini mampu melakukan segmentasi pembuluh darah retina dengan baik pada citra fundus yangmemiliki lebar pembuluh darah bervariasi, yaitu dengan akurasi 90.44% dan nilai Area Under Curve (AUC)pada kurva relative operating characteristic (ROC) sebesar 90.61%.

Title

Found 53 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 53 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 53 Documents
Search