Analisis Teknik Segmentasi Pada Pengolahan Citra

Orisa, Mira; Hidayat, Taufik

doi:10.36040/mnemonic.v2i2.84

Cited by 6 publications

(5 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Preprocessing dan segmentasi dalam analisis citra bertujuan untuk mempersiapkan dan menyederhanakan citra sehingga informasi yang relevan dapat diekstrak dengan lebih baik [10]. Dalam penelitian ini, dilakukan dua tahap utama, yaitu preprocessing dan segmentasi [14] untuk mempersiapkan citra daun kentang sebelum analisis lebih lanjut. Proses preprocessing dimulai dengan mengkonversi citra dari model warna RGB dan HSV ke citra grayscale menggunakan Persamaan (1)-( 6).…”

Section: Preprocessing Dan Segmentasiunclassified

Integrasi Fitur Warna, Tekstur Dan Renyi Fraktal Untuk Klasifikasi Penyakit Daun Kentang Menggunakan Linear Discriminant Analysis

Muchtar,

Arjaliyah Muchtar

2024

Mnemonic

View full text Add to dashboard Cite

Penyakit pada daun tanaman kentang dapat secara signifikan mengurangi hasil panen dan kualitas produksi, sehingga diperlukan pendekatan otomatis berbasis pengolahan citra digital dalam mengidentifikasi penyakit secara tepat dan efektif. Penelitian ini bertujuan untuk meningkatkan efektivitas identifikasi penyakit pada daun kentang melalui pendekatan klasifikasi citra. Metode yang diajukan menggabungkan fitur-fitur momen warna, fitur tekstur menggunakan Gray-Level Co-occurrence Matrix (GLCM), dan dimensi fraktal Renyi. Linear Discriminant Analysis (LDA) digunakan sebagai metode klasifikasi utama. Terdapat 456 citra daun kentang dengan tiga kelas yaitu kelas sehat, early blight, dan late blight yang digunakan dalam penelitian ini. Fitur momen warna yang diekstraksi adalah fitur mean, variance, skewness, dan kurtosis. Sedangkan fitur GLCM yang digunakan adalah contrast, correlation, energy, dan homogeneity. Hasil eksperimen menunjukkan bahwa LDA memberikan akurasi tertinggi sebesar 98.46%, mengungguli metode klasifikasi lainnya seperti SVM, KNN, dan Random Forest. Integrasi fitur momen warna, tekstur, dan dimensi fraktal Renyi memberikan kontribusi penting dalam pengembangan teknik klasifikasi penyakit daun kentang dan berpotensi untuk menjadi landasan untuk meningkatkan upaya identifikasi penyakit pada tanaman secara keseluruhan

show abstract

Section: Preprocessing Dan Segmentasiunclassified

Integrasi Fitur Warna, Tekstur Dan Renyi Fraktal Untuk Klasifikasi Penyakit Daun Kentang Menggunakan Linear Discriminant Analysis

Muchtar,

Arjaliyah Muchtar

2024

Mnemonic

View full text Add to dashboard Cite

show abstract

“…Pengolahan Citra Digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer [2]. Salah satu jenis kegiatan pengolahan citra digital adalah meningkatkan kualitas suatu citra [3]. Peningkatan kualitas citra bertujuan untuk meningkatkan kualitas citra agar citra tersebut dapat diamati dengan jelas tanpa adanya gangguan.…”

Section: Pendahuluanunclassified

Application of Gaussian Filter and Histogram Equalization for Repair x-ray Image

2022

View full text Add to dashboard Cite

The X-ray image is a medical examination procedure that uses electromagnetic wave radiation to get a picture of the inside of the body. However, in the process, there is noise that appears due to the exposure factor. This research builds a system to improve the X-ray image with noise by using Gaussian Filter and Histogram Equalization. In this study, in order to see the optimization of image enhancement, the two methods were combined. The data used are 60 x-ray images that have noise and each has an original image without noise as a comparison image to get system accuracy using PSNR and SSIM. Gaussian Filter method is used to reduce noise by determining the size of the kernel matrix and the standard deviation used. Histogram Equalization method is used to even out the value of the gray level of the image. Based on the test results from the combination of the two methods, the larger the size of the kernel matrix used, the faster the duration of time needed to repair the image. The PSNR value and accuracy obtained in the X-ray image repair are 31 dB and 71% on a 3x3 kernel matrix with an average time duration of 9 seconds, 32 dB and 77% on a 5x5 kernel matrix with an average duration of 9 seconds, 32 dB and 78% on a 7x7 kernel matrix with an average time duration of 8 seconds

show abstract

“…Sedangkan pada bagaian citra jagung yang cenderung terang akan dibuat semakin terang. Hasil dari segmentasi dengan menggunakan metode tresholding adalah citra biner yang memiliki nilai intensitas pixel 1 dan 0 [9].…”

Section: Segmentasi Citraunclassified

Identifikasi Varietas Jagung Mutiara Berdasarkan Data Citra Digital Menggunakan Algoritma K-Nearest Neighbor

Chandra

Jaman

Garno

2022

NUANSA

View full text Add to dashboard Cite

Corn is one of the most important carbohydrate-producing food crops in Indonesia besides rice and wheat. Every year Indonesia can produce a very large amount of corn. It is proven that in 2017 Indonesia can produce 22.59 million tons of corn. This number is very meaningful for the economy in Indonesia. One of the most widely grown corns in Indonesia is pearl corn. However, it is quite difficult to distinguish each variety of corn because the shape and color tend to be the same. One way to find out a corn variety is by utilizing the image processing data for each corn. One of the classification methods used is K-NN. Each corn image is taken the value of area, parimeter, width, length, metric and eccentricity using the Matlab application to determine the shape of a corn, then 250 data are collected. The data that has been collected is divided based on a ratio of 70% training data 30% test data and applying k values, namely 3, 5 and 7. The classification process uses the cloud-based Rstudio application. The results obtained, it is known that the test at k = 3 gets the highest accuracy value compared to other k values. The accuracy obtained is 93.24% followed by recall 91.89% precision 94.44% specificity 94.59% error rate 6.76% and f-measure 0.9315.

show abstract

Analisis Teknik Segmentasi Pada Pengolahan Citra

Cited by 6 publications

References 0 publications

Integrasi Fitur Warna, Tekstur Dan Renyi Fraktal Untuk Klasifikasi Penyakit Daun Kentang Menggunakan Linear Discriminant Analysis

Integrasi Fitur Warna, Tekstur Dan Renyi Fraktal Untuk Klasifikasi Penyakit Daun Kentang Menggunakan Linear Discriminant Analysis

Application of Gaussian Filter and Histogram Equalization for Repair x-ray Image

Identifikasi Varietas Jagung Mutiara Berdasarkan Data Citra Digital Menggunakan Algoritma K-Nearest Neighbor

Contact Info

Product

Resources

About