Author Archives: adi pamungkas
Pengolahan Video: Deteksi Pergerakan Manusia Menggunakan Transformasi Ruang Warna HSV
Pengolahan video adalah proses manipulasi dan analisis terhadap rangkaian gambar (frame) yang diambil dalam urutan waktu. Video adalah sekumpulan gambar bergerak yang direkam secara berurutan untuk menciptakan ilusi gerakan. Pengolahan video melibatkan sejumlah teknik dan algoritma yang digunakan untuk mengubah, memanipulasi, dan menganalisis konten visual dalam video. Salah satu penerapan pengolahan video adalah untuk mendeteksi pergerakan manusia.
Pengenalan Sandi Morse Menggunakan Jaringan Syaraf Tiruan Backpropagation
Jaringan syaraf tiruan backpropagation adalah algoritma supervised learning yang meniru prinsip kerja jaringan syaraf manusia. Algoritma ini menghitung gradien dari fungsi kerugian untuk setiap bobot dengan aturan rantai. Backpropagation adalah inti dari pelatihan jaringan syaraf dan merupakan metode penyetelan bobot jaringan berdasarkan tingkat kesalahan yang diperoleh pada epoch sebelumnya. Penyetelan bobot yang tepat memungkinkan pengurangan tingkat kesalahan dan membuat model lebih dapat diandalkan dengan meningkatkan generalisasi. Jaringan syaraf tiruan backpropagation telah banyak diterapkan pada berbagai bidang pengolahan citra salah satunya untuk pengenalan sandi morse.
Klasifikasi Jenis Buah Mangga Menggunakan Convolutional Neural Network
Convolutional Neural Network (CNN) adalah jenis arsitektur jaringan syaraf tiruan yang umumnya digunakan dalam bidang Computer Vision. CNN digunakan untuk memproses data dengan topologi grid, seperti gambar atau video. Dalam algoritmanya, CNN menggunakan operasi matematika yang disebut konvolusi untuk menggantikan perkalian matriks umum pada setidaknya satu lapisannya. Lapisan (layer) dalam CNN yang umumnya digunakan antara lain Convolutional Layer, Batch Normalization Layer, ReLU (Rectified Linear Activation) Layer, Max Pooling Layer, Fully Connected Layer, dan Softmax Layer. CNN banyak diterapkan pada berbagai bidang pengolahan citra salah satunya untuk klasifikasi jenis buah mangga.
Klasifikasi Kanker Payudara Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ)
Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) adalah jenis jaringan syaraf tiruan yang digunakan untuk mengklasifikasikan data ke dalam beberapa kategori atau kelas yang telah ditentukan. LVQ adalah metode yang termasuk dalam kelompok algoritma “competitive learning”, yang berarti bahwa neuron-neuron dalam jaringan bersaing untuk memenangkan vektor input yang diberikan dan belajar untuk mewakili kelas tertentu.
Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Ekspor Impor Komoditas
Jaringan syaraf tiruan backpropagation adalah algoritma machine learning yang digunakan untuk memprediksi output dari suatu input dengan menggunakan prinsip jaringan syaraf. Algoritma ini bekerja dengan cara menghitung kesalahan antara output yang dihasilkan oleh jaringan dan output yang sebenarnya, kemudian menghitung gradien kesalahan tersebut dan memperbarui bobot jaringan dengan menggunakan gradien tersebut. Tujuan dari algoritma backpropagation adalah untuk memodifikasi bobot agar jaringan saraf tiruan dapat memetakan input ke output dengan benar. Algoritma ini dapat digunakan dalam berbagai aplikasi, seperti prediksi data ekspor dan impor komoditas.
Klasifikasi Jenis Burung Love Bird dengan Metode K-Means Clustering berdasarkan Ciri Warna YCbCr
K-means clustering adalah algoritma unsupervised learning yang digunakan untuk mengelompokkan atau menggabungkan dataset yang tidak berlabel ke dalam kelompok yang berbeda. Tujuannya adalah untuk mempartisi sekelompok pengamatan menjadi k kelompok, di mana setiap pengamatan termasuk ke dalam kelompok dengan rata-rata terdekat (titik tengah kelompok). Algoritma k-means bekerja dengan cara secara iteratif menetapkan titik data ke pusat klaster terdekat dan memperbarui pusat klaster berdasarkan rata-rata data yang ditetapkan. K-means clustering dapat digunakan dalam berbagai aplikasi contohnya untuk klasifikasi jenis burung Love Bird.
Identifikasi Kesegaran Ikan Nila Menggunakan Metode K-Nearest neighbor (K-NN)
Gray Level Co-occurrence Matrix (GLCM) adalah metode ekstraksi ciri tekstur pada citra digital yang menghitung frekuensi kemunculan pasangan nilai intensitas piksel dalam citra pada jarak dan arah tertentu. GLCM merepresentasikan hubungan spasial antara dua piksel dalam citra dan dapat digunakan untuk mengukur ciri tekstur seperti kekasaran, kehalusan, dan kehomogenan pada citra. GLCM dapat digunakan bersama-sama dengan metode ekstraksi ciri lainnya, seperti momen warna HSV, untuk meningkatkan akurasi pengenalan citra. GLCM telah banyak digunakan dalam berbagai aplikasi contohnya seperti identifikasi kesegaran ikan nila.
Template Matching Menggunakan MATLAB
Template matching adalah sebuah teknik dalam pengolahan citra digital untuk mencari bagian kecil dari sebuah citra yang cocok dengan sebuah citra template. Berikut adalah beberapa informasi mengenai template matching:
- Template matching digunakan untuk berbagai aplikasi, seperti pengenalan objek, deteksi wajah, dan pengenalan karakter.
- Template matching bekerja dengan cara memindai citra dengan citra template dan mencari bagian citra yang cocok dengan citra template. Citra template adalah sebuah citra kecil yang digunakan sebagai acuan untuk mencari bagian citra yang cocok.
- Template matching dapat dilakukan dengan menggunakan berbagai metode, seperti metode cross-correlation dan metode normalized cross-correlation. Metode cross-correlation menghitung korelasi antara citra template dan citra yang dipindai, sedangkan metode normalized cross-correlation menghitung korelasi yang dinormalisasi antara citra template dan citra yang dipindai.
- Template matching dapat dihitung menggunakan berbagai bahasa pemrograman dan pustaka pengolahan citra digital, seperti MATLAB dan OpenCV.
- Template matching memiliki beberapa kelemahan, seperti sensitivitas terhadap perubahan skala, rotasi, dan pergeseran citra. Oleh karena itu, template matching sering digunakan dalam kombinasi dengan teknik pengolahan citra lainnya untuk meningkatkan akurasi dan keandalan sistem.
Efek Sepia Pada Citra Digital: Menciptakan Nuansa Klasik dalam Era Digital
Dalam dunia fotografi dan pengolahan citra, efek sepia telah menjadi salah satu transformasi visual yang populer. Efek ini mengubah citra warna menjadi nuansa cokelat tua yang khas, menghadirkan nuansa klasik dan nostalgik pada gambar-gambar modern. Dalam artikel ini, kita akan membahas tentang efek sepia pada citra digital, bagaimana efek ini diciptakan, serta dampak estetis yang dihasilkannya.
Klasifikasi Kualitas Biji Kopi Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM) Dan K-Nearest Neighbor (K-NN)
Gray Level Co-occurrence Matrix (GLCM) adalah sebuah matriks yang digunakan untuk menganalisis tekstur pada citra digital. Berikut adalah beberapa informasi mengenai GLCM:
- GLCM digunakan untuk mengukur hubungan antara nilai piksel pada citra digital. Matriks ini menghitung frekuensi kemunculan pasangan nilai piksel yang berada pada jarak dan arah tertentu pada citra.
- GLCM dapat digunakan untuk menghasilkan berbagai fitur tekstur pada citra, seperti kontras, homogenitas, dan energi. Fitur-fitur ini dapat digunakan untuk mengklasifikasikan citra atau membedakan citra dari kelas yang berbeda.
- GLCM dapat dihitung dengan cara menghitung frekuensi kemunculan pasangan nilai piksel pada citra dengan jarak dan arah tertentu. Hasilnya adalah sebuah matriks yang berisi frekuensi kemunculan pasangan nilai piksel pada citra.
- GLCM dapat dihitung pada citra grayscale maupun citra berwarna. Pada citra berwarna, GLCM dapat dihitung pada setiap saluran warna (misalnya merah, hijau, dan biru) atau pada citra grayscale yang dihasilkan dari konversi citra berwarna ke grayscale.
- GLCM dapat dihitung menggunakan berbagai bahasa pemrograman, seperti Python dan MATLAB. Terdapat pustaka-pustaka khusus yang dapat digunakan untuk menghitung GLCM pada citra digital.
- GLCM dapat digunakan dalam berbagai aplikasi, seperti pengenalan pola, pengolahan citra medis, dan pengenalan objek pada citra.
Pemrograman Matlab 