ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA
Citra merupakan sebuah gambaran dari sebuah objek yang menarik untuk di teliti. Penelitian ini membahas tentang Analisa citra berbasis fitur warna, tekstur dan histogram. Fitur-fitur ini akan dicari untuk memperoleh nilai yang akan digunakan sebagai acuan untuk mencari kemiripan citra berdasarkan er...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Semarang
2019-04-01
|
| Series: | Elektrika |
| Subjects: | |
| Online Access: | http://journals.usm.ac.id/index.php/elektrika/article/view/1539 |
| _version_ | 1828771660114690048 |
|---|---|
| author | Muhammad Sipan Rony Kartika Pramuyanti |
| author_facet | Muhammad Sipan Rony Kartika Pramuyanti |
| author_sort | Muhammad Sipan |
| collection | DOAJ |
| description | Citra merupakan sebuah gambaran dari sebuah objek yang menarik untuk di teliti. Penelitian ini membahas tentang Analisa citra berbasis fitur warna, tekstur dan histogram. Fitur-fitur ini akan dicari untuk memperoleh nilai yang akan digunakan sebagai acuan untuk mencari kemiripan citra berdasarkan error pada citra. Besar kecil nya error yang di peroleh dari nilai-nilai fitur tersebut menunjukan besar kecilnya kemiripan dari sebuah citra.
Fitur warna citra berpengaruh pada kejelasan sebuah objek yang ada pada citra tersebut. Dengan warna yang ber-beda-beda objek dapat dideteksi dengan cepat walaupun hanya dengan kasat mata. Analisa citra dengan fitur warna yang dilakukan menggunakan nilai RGB pada citra yang dicari fiturnya, yaitu nilai Red, Green dan Blue pada tiap blok pikselnya. Setelah nilai fitur watna diperoleh, kemudian dicari nilai fitur tekstur menggunakan metode statistika orde dua yaitu Gray Level Cooccurrence Matrix (GLCM). Fitur-fitur tekstur tersebut antara lain: Kontras, IDM ASM, Entropi, dan Korelasi.
Tahap akhir dicari nilai histogram dari tiga kondisi citra yang berbeda-beda untuk menunjukkan kondisi terang, normal dan gelap. Nilai-nilai fitur yang di peroleh kemudian digunakan untuk mencari kemiripan citra dengan menentukan besar kecilnya nilai error, dimana pada penelitian ini digunakan MSE (Mean Square errors) dan MAE (Mean Absolute Errors) untuk mencari besar nilai error.
Keyword: fitur, warna, histogram, Glcm, MSE. |
| first_indexed | 2024-12-11T14:29:15Z |
| format | Article |
| id | doaj.art-24c3f33e99904eeb95fb3713ff4b39ac |
| institution | Directory Open Access Journal |
| issn | 2085-0565 |
| language | Indonesian |
| last_indexed | 2024-12-11T14:29:15Z |
| publishDate | 2019-04-01 |
| publisher | Universitas Semarang |
| record_format | Article |
| series | Elektrika |
| spelling | doaj.art-24c3f33e99904eeb95fb3713ff4b39ac2022-12-22T01:02:30ZindUniversitas SemarangElektrika2085-05652019-04-01111152010.26623/elektrika.v11i1.15391042ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRAMuhammad Sipan0Rony Kartika Pramuyanti1Teknik Elektro, Universitas SemarangTeknik Elektro, Universitas SemarangCitra merupakan sebuah gambaran dari sebuah objek yang menarik untuk di teliti. Penelitian ini membahas tentang Analisa citra berbasis fitur warna, tekstur dan histogram. Fitur-fitur ini akan dicari untuk memperoleh nilai yang akan digunakan sebagai acuan untuk mencari kemiripan citra berdasarkan error pada citra. Besar kecil nya error yang di peroleh dari nilai-nilai fitur tersebut menunjukan besar kecilnya kemiripan dari sebuah citra. Fitur warna citra berpengaruh pada kejelasan sebuah objek yang ada pada citra tersebut. Dengan warna yang ber-beda-beda objek dapat dideteksi dengan cepat walaupun hanya dengan kasat mata. Analisa citra dengan fitur warna yang dilakukan menggunakan nilai RGB pada citra yang dicari fiturnya, yaitu nilai Red, Green dan Blue pada tiap blok pikselnya. Setelah nilai fitur watna diperoleh, kemudian dicari nilai fitur tekstur menggunakan metode statistika orde dua yaitu Gray Level Cooccurrence Matrix (GLCM). Fitur-fitur tekstur tersebut antara lain: Kontras, IDM ASM, Entropi, dan Korelasi. Tahap akhir dicari nilai histogram dari tiga kondisi citra yang berbeda-beda untuk menunjukkan kondisi terang, normal dan gelap. Nilai-nilai fitur yang di peroleh kemudian digunakan untuk mencari kemiripan citra dengan menentukan besar kecilnya nilai error, dimana pada penelitian ini digunakan MSE (Mean Square errors) dan MAE (Mean Absolute Errors) untuk mencari besar nilai error. Keyword: fitur, warna, histogram, Glcm, MSE.http://journals.usm.ac.id/index.php/elektrika/article/view/1539fitur, warna, histogram, glcm, mse. |
| spellingShingle | Muhammad Sipan Rony Kartika Pramuyanti ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA Elektrika fitur, warna, histogram, glcm, mse. |
| title | ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA |
| title_full | ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA |
| title_fullStr | ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA |
| title_full_unstemmed | ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA |
| title_short | ANALISA CITRA BERBASIS FITUR WARNA TEKSTUR DAN HISTOGRAM UNTUK MENENTUKAN KEMIRIPAN CITRA |
| title_sort | analisa citra berbasis fitur warna tekstur dan histogram untuk menentukan kemiripan citra |
| topic | fitur, warna, histogram, glcm, mse. |
| url | http://journals.usm.ac.id/index.php/elektrika/article/view/1539 |
| work_keys_str_mv | AT muhammadsipan analisacitraberbasisfiturwarnateksturdanhistogramuntukmenentukankemiripancitra AT ronykartikapramuyanti analisacitraberbasisfiturwarnateksturdanhistogramuntukmenentukankemiripancitra |