Skripsi
PENGOLAHAN CITRA MENGGUNAKAN SPARSE REPRESENTATION FOR CLASSIFICATION DENGAN REDUKSI DIMENSI SECARA SEMI-RANDOM PROJECTION UNTUK SISTEM PENGENALAN CITRA
Pengenalan citra adalah teknologi pengidentifikasian objek, tempat, orang dan beberapa variabel lain dalam citra digital. Algoritma yang dapat dijalankan dalam sistem pengenalan citra adalah Sparse Representation for Classification (SRC). Namun, beban komputasi yang tinggi dan kebutuhan training data yang banyak untuk memenuhi kondisi sparse menjadi kekurangan dari algoritma ini. Dengan demikian, reduksi dimensi dapat dilakukan pada citra untuk mengatasi permasalahan tersebut menggunakan metode Semi-Random Projection (SRP). Pada penelitian ini, penulis menggunakan software PyCharm untuk memproses Guide User Interface dari sistem reduksi dimensi dan pengenalan citra menggunakan SRP-SRC. Pengujian dilakukan dengan menggunakan 100 data latih berupa 50 citra RGB dan 50 citra grayscale dan dibagi ke dalam 10 kelas serta menggunakan sepuluh citra uji yang sudah ditambahkan noise dan oklusi. Pengujian dilakukan masing-masing lima kali pada setiap citra uji. Dari pengujian pada penelitian ini didapatkan hasil pada parameter kinerja yang baik dengan rata-rata akurasi sebesar 98.93%, rata-rata PSNR sebesar 33.392741 dB dan rata-rata waktu komputasi sebesar 1112.57952 ms
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2407001984 | T142215 | T1422152024 | Central Library (References) | Available but not for loan - Not for Loan |
No other version available