Hasil Pencarian  ::  Simpan CSV :: Kembali

"Segmentasi tekstur citra memegang peranan penting dalam menganalisa suatu citra, karena pada proses ini terjadi pembedaan variasi intensitas (pada citra kromatik) atau variasi tingkat keabuan (pada citra akromatik) pada pixel-pixel kromatik) atau variasi tingkat keabuan (pada citra akromatik) pada pixel-pixel yang menyusun citra. Dalam hubungannya dengan sistem komunikasi visual, analisa suatu citra memberikan informasi mengenai karakteristik-karakteristik citra yang tidak dapat diamati oleh sistem visual manusia.Pada sistem visual manusia, peristiwa segmentasi tekstur citra tedadi di bagian korteks visual. Pada bagian ini terdapat sekumpulan saraf yang berfungsi sebagai kumpulan filter yang memproses informasi-informasi yang terdapat pada citra, yaitu dalam hal ini membagi citra ke dalam segmen-segmen tekstur yang mempunyai karakteristik tertentu. Filter-filter ini bekerja berdasarkan karakteristik spatial yang terdapat pada konsep psychovisual, yaitu frekuensi spatial clan sudut orientasi.Teknik yang biasa dipakai untuk merepresentasikan proses filter pada mekanisme sistem konteks visual manusia adalah Multichannel Spatial Filtering Model (MSFM) yang menggunakan fungsi elementer Gabor sebagai fungsi filter pada kawasan spatial (spatial domain).Metode inilah yang diterapkan dalam simulasi segmentasi tekstur citra pada makalah skripsi ini. Hasil simulasi akan menunjukkan bahwa penerapan frekuensi spatial tertinggi pada filter akan memberikan segmen citra terbaik. Sedanl~kan penerapan sudut orientasi akan memberikan hasil segmen tekstur yang tergantung pada struktur dari tekstur citra asalnya. Sudut orientasi 0° akan sesuai untuk struktur tekstur yang dominan horisontal, sedangkan sudut orientasi 90° akan sesuai untuk struktur tekstur yang dominan vertikal. Sudut orientasi 45° dan 135° memberikan hasil segmen yang sama dan sesuai untuk keperluan pengenalan tekstur citra secara umum."

"ABSTRACTUmumnya untuk membedakan antara lidah perokok dan lidah bukan perokok adalah dengan melihat secara visual yang dilakukan oleh praktisi medis dan masih bersifat invasif. Dalam penelitian ini, sistem pengenalan lidah perokok dibangun dengan menggunakan teknik pencitraan hiperspektral dengan rentang spektrum panjang gelombang VNIR Visible Near Infrared berbasis kombinasi ciri spektral dan ciri tekstur. Tujuan penelitian ini adalah membangun sistem pengenalan lidah perokok berbasis kombinasi ciri spektral dan ciri tekstur untuk meningkatkan nilai akurasi pada sistem pengenalan lidah perokok yang berbasis ciri spektral saja. Ciri spektral yang digunakan adalah nilai reflektansi yang didapat langsung dari ROI Region of Interest citra lidah, sedangkan untuk ciri tekstur yang digunakan adalah nilai energi, homogenitas, korelasi, dan kontras yang didapat pada metode ekstraksi ciri GLCM Gray level Co-occurence Matrix. Kedua ciri tersebut dikombinasikan sebagai input yang digunakan pada tahapan seleksi ciri dengan metode PLS Partial Least Square, yang kemudian akan diklasifikasikan menggunakan metode SVM Support Vector Machine. Hasil klasifikasi SVM kemudian dilakukan validasi dengan menggunakan metode k-cross validation. Nilai Akurasi yang didapat dari hasil klasifikasi SVM dengan kombinasi ciri spektral dan ciri tekstur di 4 bagian lidah, lebih baik dibandingkan dengan nilai akurasi yang didapat dari hasil klasifikasi SVM dengan ciri spektral saja, dengan kenaikan akurasi sebesar 1,19 untuk lidah bagian anterior, 3,35 untuk lidah bagian posterior, 7,95 untuk lidah bagian lateral A, dan 1,02 untuk lidah bagian lateral B.

---

ABSTRACTGenerally, to differentiate between smoker 39s tongue and non smoker 39s tongue is by doing an eye examination, which is invasive and performed by medical practitioners. In this research, smoker 39s tongue recognition system is built by using hyperspectral imaging technique with range of VNIR wavelength spectra, which is based on a combination of spectral features and texture features. The aim of this study is to built smoker 39s tongue recognition system based on a combination of spectral features and texture features to increase the value accuracy of smoker 39s tongue recognition system based on its spectral features only. The spectral features used are the reflectance value obtained from ROI Region of Interest from tongue images, while the texture characteristics used are the energy value, homogenity, correlation, and contrast obtained from extraction method of GLCM Gray Level Co occurence Matrix features. Both features are combined as an input used in the feature selection stage by using PLS Partial Least Square method, which then will be classified by using SVM Support Vector Machine method. After that, the SVM classification result will be validated by using k cross validation method. The value accuracy which is obtained from SVM classification result, by combining the spectral features and the texture characteristics in four regions of tongue, is better than the value accuracy from SVM classification result with spectral features only, with an accuracy increase of 1.19 for anterior region of tongue, 3.35 for posterior region of tongue, 7.95 for lateral A region of tongue, and 1,02 for lateral B region of tongue."