Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Pseudocode

Kinerja Skema Pemberian Tanda Air Pada Citra Digital Berbasis Komputasi Numerik Endina Putri Purwandari; Diyah Puspitaningrum; Muhamad Yose Sastra
Jurnal Pseudocode Vol 2, No 1 (2015)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (632.244 KB) | DOI: 10.33369/pseudocode.2.1.10-19

Abstract

Penduplikasian citra digital sangatlah merugikan bagi pemilik aslinya. Salah satu solusi yang diusulkan adalah pemberian tanda air pada citra digital tersebut. Penelitian ini bertujuan untuk mengimplementasikan skema pemberian tanda air pada citra digital dengan berbasis komputasi numerik (SVD – Singular Value Decomposition). Citra masukan yang digunakan terdiri dari 10 buah citra berukuran 512x512 dengan format *.jpg dan *.png. sebagai citra tanda air digital menggunakan citra logo Universitas Bengkulu. Skema yang diusulkan adalah dengan menyisipkan citra masukan dengan citra tanda air logo UNIB, kemudian dilakukan ekstraksi. Citra yang telah diberikan tanda air digital akan diberikan tiga macam serangan, berupa pemberian: (1) noise 15% dan 20%; (2) kompresi JPEG 5%, 15%, dan 25%; (3) pengkaburan radius 2 piksel dan 3 piksel. Hasil eksperimen menunjukkan bahwa skema ini dapat memberikan hasil yang optimal untuk penyisipan tanda air citra digital, dan berhasil mengekstraksi kembali tanda air digital berupa logo Universitas Bengkulu walaupun telah melalui serangan.Kata kunci : tanda air, citra digital, komputasi numerik, ekstraksi, SVD.
Dampak Reduksi Sampel Menggunakan Principal Component Analysis (PCA) Pada Pelatihan Jaringan Saraf Tiruan Terawasi (Studi Kasus Pengenalan Angka Tulisan Tangan) Diyah Puspitaningrum; Dyan Kemala Sari; Boko Susilo
Jurnal Pseudocode Vol 1, No 2 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4432.672 KB) | DOI: 10.33369/pseudocode.1.2.83-89

Abstract

Makalah ini membahas tentang bagaimana sebuah komputer mengenali sebuah pola citra digital berupa pengenalan angka tulisan tangan yang menggunakan metode Principal Component Analysis (PCA) pada pelatihan jaringan saraf tiruan terawasi model Backpropagation. Dalam penelitian ini terdapat dua pelatihan untuk mengetahui dampak reduksi sampel menggunakan PCA atau tanpa menggunakan PCA. Pada penelitian ini terdapat 1060 sampel citra angka tulisan tangan yang berformat *.jpg, sebanyak 660 sampel citra sebagai citra latih (training) dan sebanyak 400 sampel citra sebagai citra uji (testing). Sampel tesebut diambil dari angka tulisan tangan 106 responden yang berbeda. Hasil analisis menunjukan bahwa sistem memiliki tingkat pengenalan bergantung pada dimensi dan jumlah zona. Pada pelatihan pertama, jika dimensi yang digunakan adalah 40 piksel x 30 piksel maka tingkat pengenalan sebesar 86.75% dengan waktu rata-rata 0.4946 detik. Jika dimensi yang digunakan adalah 50 piksel x 40 piksel maka pengenalan sebesar 82.75% dengan waktu rata-rata untuk memproses setiap masukan adalah selama 1.063 detik. Untuk pelatihan kedua, dengan jumlah zona 5 : 5 tingkat pengenalan adalah sebesar 86% dengan waktu rata-rata adalah 0.6582 detik. Jika jumlah zona yang digunakan adalah 5 : 6 maka tingkat pengenalan sebesar 86.25% dengan waktu rata-rata selama 0.7068 detik. Kesimpulannya metode Principal Component Analysis (PCA) dapat dijadikan sebagai alternatif untuk tingkat kecepatan dan keakuratan dari pelatihan jaringan saraf tiruan.Kata Kunci: Principal Component Analysis (PCA), Backpropagation, Neural Network, Pengenalan Angka Tulisan Tangan.