Claim Missing Document
Check
Articles

Found 2 Documents
Search

Clustering Analysis of Bus Fares Trans Metro Deli Medan Using Mean Shif Clustering Method Rambe, Rinanda Putri; Zufria, Ilka
Journal of Computer System and Informatics (JoSYC) Vol 5 No 4 (2024): August 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v5i4.5728

Abstract

Medan City is the 3rd most populous city in Indonesia, according to data from the Central Statistics Agency, Medan has a population of 2.49 million in 2022, an increase from the previous 2.46 million in 2021. The increasing number of population inhabiting the city of Medan means that the need for transportation for the people of Medan is also increasing. Trans Metro Deli bus data can be grouped effectively using the mean shift algorithm based on several attributes, namely passenger category, payment method and fare. Each passenger group has different needs and ability to pay, which makes setting fair and efficient fares a challenge. Inappropriate pricing can lead to passenger dissatisfaction, reduce the number of public transportation users, and affect bus operators' revenue. Cluster technique is a well-known clustering technique, which aims to group data into clusters so that each cluster contains data that is as similar as possible. Mean shift belongs to the category of clustering algorithms with unsupervised learning that assigns data points to clusters iteratively by shifting the points towards the mode (mode is the highest density of data points in the region in the context of mean shift). Mean shift does not require determining the number of clusters in advance The attributes used in the clustering process, namely passenger category, payment method and fare can properly create a hyperplane between clusters, thus creating significant differences from each cluster, as evidenced by the silhouette score obtained by 0.64. By conducting this analysis, it is expected to find a more efficient and fair fare clustering pattern, and provide practical recommendations for management in setting fares that are more in line with passenger needs. In addition, this research also aims to evaluate the effectiveness of mean shift clustering in the context of transportation fare analysis.
Penerapan Citra Median Filter dan Histogram Equalization Pada Gambar Bangunan Tua Hasibuan, Ainun Mardiah; Rifansyah, Mhd Roji; Rambe, Rinanda Putri
Jurnal Garuda Pengabdian Kepada Masyarakat Vol 1 No 2 (2023)
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/gabdimas.v1i2.819

Abstract

Citra sebagai salah satu komponen multimedia memegang satu peranan sangat penting sebagai bentuk informasi visual. Citra gambar adalah kombinasi antara garis, titik, bidang, dan warna untuk menciptakan suatu imitasi dari suatu objek.Tujuan dari Histogram Equalization adalah untuk mendistribusikan tingkat abu-abu dalam sebuah citra sehingga setiap abu-abu sama mungkin terjadi, histogram Equalization akan meningkatkan kecerahan dan kontras dari citra gelap dan rendah.Metode median filter merupakan filter non-linear yang dikembangkan Tukey, yang berfungsi untuk menghaluskan dan mengurangi noise atau gangguan pada citra. Dikatakan nonlinear karena cara kerja penapis ini tidak termasuk kedalam kategori operasi konvolusi. Operasi nonlinear dihitung dengan mengurutkan nilai intensitas sekelompok pixel, kemudian menggantikan nilai pixel yang diproses dengan nilai tertentu. Filter Median merupakan order-statistics filter yang paling banyak dikenal. Dapat dilihat bahwa Citra digital yang difilter mengunakan masing masing metode memiliki perubahan yang dapat dilihat dengan mata telanjang. Pada citra awal objek dalam citra masih terdapat noise kemudian ketika di proses dengan Median Filter noise pada objek citra menjadi hilang atau sudah dihapus. Untuk metode yang kedua citra hasil pemrosesan dapat dilihat perbedaanya dimana citra hasil pemrosesan lebih jelas objek dalam citra itu sendiri, dan kita bisa melihat Diagram proses hasil dari Histogram Equalization.Citra adalah komponen multimedia yang digunakan untuk pemrosesan informasi visual. Terdiri dari kombinasi garis, titik, bidang, dan warna untuk membuat tiruan dari suatu benda. Proses penghitungan warna suatu citra melibatkan berbagai tahapan, seperti segmentasi, ekstrusi, dan klasifikasi. Metode utama untuk menghitung warna adalah Filtering, yang merupakan filter non-linier dan efektif untuk mereduksi warna. Median Filter adalah filter non-linear yang digunakan untuk mengurangi noise dan warna pada suatu citra. Ini juga disebut Histogram Equalization (HE) dan merupakan teknik populer untuk menyempurnakan gambar. Ini digunakan untuk mewakili distribusi frekuensi berbagai warna dalam gambar, mengurangi noise dan meningkatkan kualitas gambar. Histogram Equalization adalah teknik populer untuk menyempurnakan gambar dengan rentang warna yang luas. Ini digunakan untuk mengurangi noise dan meningkatkan kualitas gambar. Teknik tersebut digunakan untuk membuat histogram global, yang dapat digunakan untuk berbagai aplikasi, seperti dan image enhancement.