p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal MDP Student Conference
Claim Missing Document
Check
Articles

Found 2 Documents
Search

OPERASI TITIK PADA PENGOLAHAN CITRA DIGITAL UNTUK PENINGKATAN KUALITAS GAMBAR MENGGUNAKAN MATLAB Edo Renaldo; M. Fikri Rizki Pratama; Muhammad Yudha Setiawan; Fariz Prasetya Putra
MDP Student Conference Vol 1 No 1 (2022): The 1st MDP Student Conference 2022
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (454.29 KB)

Abstract

Abstract: The quality of the image that is captured and owned by the user is often damaged or impaired which can affect the image quality to be bad, so a method is needed that can help improve. Point operation is one method that can be used to improve image quality in Digital Image Processing using Matlab. This study aims to improve or improve the quality of the image, so that the quality of the captured image has a good quality. Abstrak: Kualitas citra yang ditangkap dan dimiliki pengguna sering mengalami kerusakan atau gangguan dapat mempengaruhi kualitas citra menjadi buruk, sehingga diperlukan metode yang dapat membantu memperbaiki. Operasi titik adalah salah satu metode yang dapat digunakan untuk meningkatkan kualitas gambar pada Pengolahan Citra Digital menggunakan Matlab. Studi ini bertujuan untuk memperbaiki atau meningkatkan kualitas citra, sehingga kualitas citra yang ditangkap memiliki kualitas yang baik.
Klasifikasi Ekspresi Wajah dengan Algoritma Support Vector Machine Edo Renaldo; Wijang Widhiarso
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (232.685 KB) | DOI: 10.35957/mdp-sc.v2i1.4201

Abstract

Ekspresi wajah adalah salah satu cara untuk menunjukkan emosi, dan orang sering salah mengartikan ekspresi tersebut. Emosi dapat memberikan wawasan tentang perilaku, keyakinan, dan sikap orang. Kategorisasi emosi dapat membantu untuk lebih memahami ekspresi emosi lintas individu, budaya, dan keadaan. Dibutuhkan sebuah alat yang dapat membantu mengklasifikasikan ekspresi wajah. Support Vector Machines adalah salah satu algoritma yang dapat digunakan untuk mengklasifikasi ekspresi wajah menggunakan Matlab. Studi ini bertujuan untuk mengetahui tingkat akurasi, presisi dan recall sehingga ekspresi wajah dapat di klasifikasi dengan baik. Pada jurnal ini tercapai tingkat akurasi sebesar 75.97% dalam mengklasifikasi ekspresi wajah, sehingga Support Vector Machine baik untuk digunakan sebagai pengklasifikasi ekspresi wajah.