Seeded Region Growing pada Ruang Warna HSI untuk Segmentasi Citra Ikan Tuna

Saputra, Wanvy Arifha; Arifin, Agus Zainal

doi:10.20895/infotel.v9i1.164

Cited by 6 publications

(3 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Saturasi merupakan ketajaman warna pada hue. Dan Intesitas adalah pencahayaan pada hue dan saturasi (Saputra & Arifin, 2017). Komponen RGB dari citra berwarna dapat ditransformasikan ke model warna HSI dengan mengasumsikan komponen RGB telah dinormalisasikan.…”

Section: Transformasi Ruang Warna Hisunclassified

Penerapan Metode Transformasi Ruang Warna HSI untuk Mendeteksi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang

Sakir

Rhenislawaty

Putriyana

et al. 2021

View full text Add to dashboard Cite

Pisang Lampung atau yang lebih dikenal sebagai pisang burung-burung merupakan salah satu jenis pisang yang sering dan banyak dijumpai didaerah Kendari. Penelitian ini bertujuan untuk mengetahuai tingkat kematangan buah pisang melalui pengolahan citra kulit pisang menggunakan metode transformasi ruang HSI. Pengolahan citra mempunyai peranan penting di berbagai bidang. Aplikasi pengolahan citra berkaitan dengan pemrosesan citra berkaitan dengan transformasi warna. Objek yang digunakan dalam penelitian ini yaitu citra pisang lampung atau pisang burung-burung yang diambil dengan kamera smartphone Vivo V5 Lite, dengan pengambilan gambar latar putih menggunakan kertas HVS A4 yang kemudian akan diekstrak ciri warnanya, dan dihitung tingkat kadar warna dari R (red), G (green), dan B (blue) dan diubah ke HSI. Dari hasil penelitian 30 sampel buah dimana 10 buah pisang lampung atau pisang burung-burung mentah, 10 buah pisang lampung atau pisang burung-burung setengah matang, dan 10 buah pisang lampung atau pisang burung-burung matang, kemudian yang terdeteksi oleh citra sebanyak 13 sampel buah pisang lampung atau pisang burung-burung dimana didapatkan hasil 7 sesuai antara manual dengan aplikasi, sedangkan 6 sampel tidak sesuai.

show abstract

Section: Transformasi Ruang Warna Hisunclassified

Penerapan Metode Transformasi Ruang Warna HSI untuk Mendeteksi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang

Sakir

Rhenislawaty

Putriyana

et al. 2021

View full text Add to dashboard Cite

show abstract

“…Sedangkan Saturasi merupakan pencahayaan dari hue dan saturasi. (Saputra and Arifin, 2017) Ekstraksi ciri citra merupakan proses pencarian informasi dari citra digital dimana informasi tersebut digunakan sebagai langkah awal untuk proses klasifikasi. (Surya, 2016) Algoritma K-Nearest Neighbor (K-NN) merupakan metode klasifikasi yang digunakan untuk menetukan label dari sebuah objek baru berdasarkan mayoritas label dari jarak K dari dari kelompok beberapa data latih.…”

Section: Pendahuluanunclassified

Deteksi Tingkat Kepadatan Rumah Penduduk Menggunakan Klasifikasi K-Nearest Neighbor Pada Citra Satelit Google Earth

Ghofur

2020

j.sist.teknol.inf.

View full text Add to dashboard Cite

Penelitian ini berupa perancangan dan Impelementasi computer vision berbasis digital image processing pada citra yang diambil dari satelit google earth dan bertujuan mengetahui kepadatan rumah penduduk dan lahan terbuka suatu wilayah sebagai deteksi awal. Penelitian ini juga bertujuan untuk memberikan konstribusi keilmuan di bidang digital image processing sebagai alternatif usulan model deteksi kepadatan rumah penduduk. Metodology yang digunakan dalam penelitian ini adalah studi kepustakaan yang diperoleh dari jurnal yang diidentik. Proses yang dilakukan adalah mengambil citra dari suatu desa atau daerah pada google earth yang berbentuk RGB, mengekstraksi nilai pixel RGB, mendapatkan nilai mean RGB, mentransformasikan RGB ke HSI dan mencari nilai mean HSI, mencari variance dan masing-masing RGB dan HSI kemudian diklasifikasi menggunakan K-Nearest Neighbor. Dataset diklasifikasi menggunakan K-Nearest Neighbor menjadi tiga kategori yaitu rumah penduduk yang padat, sedang dan longgar. Selanjutnya dataset yang telah diklasifikasi dijadikan data training sebagai perbandingan data untuk testing. Hasil testing menunjukkan bahwa akurasi deteksi kepadatan rumah penduduk dari citra testing dengan membanding hasil pengamatan ahli mencapai 95%.

show abstract

“…Meskipun basis RGB bagus untuk menampilkan informasi warna, tetapi ia tidak cocok untuk beberapa aplikasi pemrosesan citra. [7].…”

Section: Transformasi Ruang Warna Hisunclassified

Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna His

Pratama

Fuad

Tempola

2019

JIKO

View full text Add to dashboard Cite

Tomat memiliki sifat yang mudah rusak, penanganan yang tidak tepat pada buah tomat mengakibatkan penurunan mutu yang selanjutnya mempengaruhi nilai gizi dan nilai ekonomisnya. Pada umumnya, untuk mengukur kematangan masih dikerjakan secara manual, kelemahan dari metode tersebut adalah tingkat akurasi yang tidak konsisten. Pemanfaatan citra sangat penting untuk mengetahui kematangan buah tomat dengan memanfaatkan citra digital. Dengan adanya citra digital maka untuk menentukan kematangan buah tomat berdasarkan warnanya bisa dilakukan secara computing (berbasis teknologi), yaitu dengan menerapkan pengolahan citra menggunakan metode transformasi ruang warna HIS (Hue, Saturation, Intensity). Model warna HIS (Hue, Saturation, Intensity) memisahkan komponen intensitas dari informasi warna yang dibawa (hue dan saturation) dalam warna citra. Hasil dari klasifikasi kematangan dapat dilihat pada masing-masing pengujian dengan nilai presentase 94,28571429% untuk kategori buah tomat matang, 94,28571429% untuk kategori buah tomat setengah matang dan 94,28571429% untuk kategori buah tomat mentah. Nilai presentase untuk pengujian keseluruhan data mempunyai presentase yang sangat tinggi dan berpengaruh dalam mendeteksi kematangan buah yaitu mencapai presentase sebesar 94,28571429%. Maka dapat disimpulkan, bahwa pendeteksian kematangan buah tomat dapat dilakukan dengan menerapkan metode transformasi ruang warna HIS.

show abstract

Seeded Region Growing pada Ruang Warna HSI untuk Segmentasi Citra Ikan Tuna

Cited by 6 publications

References 6 publications

Penerapan Metode Transformasi Ruang Warna HSI untuk Mendeteksi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang

Penerapan Metode Transformasi Ruang Warna HSI untuk Mendeteksi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang

Deteksi Tingkat Kepadatan Rumah Penduduk Menggunakan Klasifikasi K-Nearest Neighbor Pada Citra Satelit Google Earth

Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna His

Contact Info

Product

Resources

About