Anda belum Log-in!
Silahkan Log in
Selamat Datang di Portal Digital Content Publisher
Kamis , 05 November 2026
Perpustakaan sebagai jantung pendidikan tinggi di Indonesia, harus mampu memberi kontribusi yang berarti bagi pelaksanaan proses belajar mengajar di perguruan tinggi.
di-posting oleh 140411100034 pada 2019-07-25 07:29:42 • 51 klik
PENERAPAN SEGMENTASI CITRA MENGGUNAKAN METODE K-MEANS CLUSTERING
IMPLEMENTATION OF IMAGE SEGMENTATION USING K-MEANS CLUSTERING METHOD
disusun oleh AAN SETIAWAN
| Subyek: | Kecerdasan Komputasi |
| Kata Kunci: | contrast stretchhing K-means Clustering Segmentasi citra |
[ Anotasi Abstrak ]
Segmentasi citra merupakan tahapan terpenting dalam memperbaiki pengenalan pola, dimana segmentasi digunakan untuk mengenali objek dari suatu citra. Segmentasi gambar bertujuan untuk membagi prosedur citra menjadi beberapa bagian pokok penyusun citra. Sehingga penelitian segmentasi ini hanya akan membagi dua bagian dari citra yakni bagian objek foreground dan background. Dimana algoritma pengolahan citra digital yang digunakan yaitu contras stretching dengan Segmentasi menggunakan metode K-means clustering yang digunakan untuk proses segmentasi dan pengurangan noise background dimana untuk menghasilkan tingkat keakuratan yang lebih baik dalam mengidentifikasi objek utama dengan background dinamis. Pada proses pengujian digunakan 100 citra dataset fish, hasil akurasi tertinggi dari penggabungan kedua metode menghasilkan akurasi paling tinggi yaitu 99.38 %.
Deskripsi Lain
Image segmentation is the most important step in improving pattern recognition, where segmentation is used to recognize objects from an image. Image segmentation aims to divide the image procedure into several main constituent parts of the image. So this segmentation research will only divide the two parts of the image, namely the foreground and background objects. Where the digital image processing algorithm used is contras stretching with Segmentation using the K-means clustering method which is used for the segmentation process and background noise reduction where to produce a better level of accuracy in identifying the main object with dynamic background. In the testing process, 100 fish dataset images were used, the highest accuracy results from combining the two methods resulted in the highest accuracy of 99.38%.
| Kontributor | : Fitri Damayanti, S.Kom., M.Kom ; Eza Rahmanita, S.T,.M.T |
| Tanggal tercipta | : 2019-07-09 |
| Jenis(Tipe) | : Text |
| Bentuk(Format) | |
| Bahasa | : Indonesia |
| Pengenal(Identifier) | : TRUNOJOYO-Tugas Akhir-16506 |
| No Koleksi | : 140411100034 |
Ketentuan (Rights) :
2019
Download File Penyerta (khusus anggota terdaftar)
1. TRUNOJOYO-Tugas Akhir-16506-140411100034_cover.pdf - 514 KB 2. TRUNOJOYO-Tugas Akhir-16506-140411100034_Abstrak_TOC.pdf - 324 KB 3. TRUNOJOYO-Tugas Akhir-16506-140411100034_Chapter_1docx.pdf - 120 KB 4. TRUNOJOYO-Tugas Akhir-16506-140411100034_Chapter_2docx.pdf - 790 KB 5. TRUNOJOYO-Tugas Akhir-16506-140411100034_Chapter_3docx.pdf - 80 KB 6. TRUNOJOYO-Tugas Akhir-16506-140411100034_Chapter_4docx.pdf - 1302 KB 7. TRUNOJOYO-Tugas Akhir-16506-140411100034_Conclusiondocx.pdf - 7 KB 8. TRUNOJOYO-Tugas Akhir-16506-140411100034_Reference.pdf - 115 KB 9. TRUNOJOYO-Tugas Akhir-16506-140411100034_Appendinces.pdf - 106 KB
Dokumen sejenis...- Pengenalan Obyek Berbasis Deep Learning Dengan Menggunakan Convolutional Neural Network
- Pengenalan Wajah Menggunakan Metode Preprocessing Image Fusion dan Ekstraksi Fitur Modified Two Dimensional Linear Discriminant Analysis
- IMPLEMENTASI SELEKSI FITUR INFORMATION GAIN DAN KLASIFIKASI REGRESI LOGISTIK UNTUK DIAGNOSA PENDERITA GINJAL KRONIS
- Multi-class Seleksi Fitur F-Score Berbasis Statistik dan K-nearest Neighbor untuk Diagnosa Penyakit Sapi
- SISTEM PENCARIAN TEKS AL-QURAN TERJEMAHAN BERBAHASA INDONESIA DENGAN METODE DICE SIMILARITY DAN NAZIEF DAN ADRIANI
Dokumen yang bertautan...Tidak ada !
Kembali ke Daftar