Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Attaqwa, Syukur Iman
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DALAM PENGOLAHAN CITRA PADA ALGORITMA GENERATIVE ADVERSARIAL NETWORK Attaqwa, Syukur Iman; Puspaningrum, Eva Yulia; Saputra, Wahyu S.J.
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5316

Abstract

Pengolahan citra, terutama teknik peningkatan kontras seperti Contrast Limited Adaptive Histogram Equalization (CLAHE), berperan krusial dalam meningkatkan kinerja model Generative Adversarial Networks (GANs). Penelitian ini mengevaluasi dampak CLAHE pada akurasi klasifikasi gambar menggunakan GANs. Hasil penelitian menunjukkan bahwa penerapan CLAHE berhasil meningkatkan akurasi klasifikasi sebesar 20% dibandingkan dengan model yang tidak menggunakan CLAHE, mencapai akurasi sebesar 76,20%. Temuan ini mengindikasikan bahwa CLAHE efektif dalam meningkatkan kualitas data gambar, sehingga model GAN dapat belajar fitur-fitur yang lebih relevan dan menghasilkan output yang lebih akurat.
IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DALAM PENGOLAHAN CITRA PADA ALGORITMA GENERATIVE ADVERSARIAL NETWORK Attaqwa, Syukur Iman; Puspaningrum, Eva Yulia; Saputra, Wahyu S.J.
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5316

Abstract

Pengolahan citra, terutama teknik peningkatan kontras seperti Contrast Limited Adaptive Histogram Equalization (CLAHE), berperan krusial dalam meningkatkan kinerja model Generative Adversarial Networks (GANs). Penelitian ini mengevaluasi dampak CLAHE pada akurasi klasifikasi gambar menggunakan GANs. Hasil penelitian menunjukkan bahwa penerapan CLAHE berhasil meningkatkan akurasi klasifikasi sebesar 20% dibandingkan dengan model yang tidak menggunakan CLAHE, mencapai akurasi sebesar 76,20%. Temuan ini mengindikasikan bahwa CLAHE efektif dalam meningkatkan kualitas data gambar, sehingga model GAN dapat belajar fitur-fitur yang lebih relevan dan menghasilkan output yang lebih akurat.
Co-Authors Eva Yulia Puspaningrum Saputra, Wahyu S.J.