To see the other types of publications on this topic, follow the link: Fuzzy segmentace.
Journal articles on the topic 'Fuzzy segmentace'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 36 journal articles for your research on the topic 'Fuzzy segmentace.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse journal articles on a wide variety of disciplines and organise your bibliography correctly.
1
Kusnadi, Adhi, and Abi Kabisah Maulillah. "Perbandingan Algoritma C-Means Clustering dan Fuzzy C-Means Clustering." Ultima Computing : Jurnal Sistem Komputer 11, no. 1 (August 30, 2019): 51–54. http://dx.doi.org/10.31937/sk.v11i1.953.
Full textAbstract:
Salah satu operasi di dalam analisis citra adalah segmentasi citra. Pada mulanya proses segmentasi dilakukan untuk memisahkan objek dari latar belakangnya, sehingga segmentasi merupakan bagian penting dalam pengenalan objek. Saat ini segmentasi sudah mengalami perkembangan yang sangat pesat, bukan hanya untuk tujuan pengenalan objek saja tetapi juga untuk persoalan interpretasi citra, yaitu untuk mengetahui objek-objek yang termuat dalam suatu citra. Banyak algoritma sudah dikembangkan untuk proses segmentasi citra. Beberapa di antaranya adalah algoritma C-Means Clustering dan Fuzzy C-Means Clustering. Pada peneltian ini, dilakukan perbandingan antara algoritma C-Means Clustering dan Fuzzy C-Means Clustering dalam segmentasi citra. Dari beberapa hasil percobaan yang didapat dalam penelitian ini berupa sisi waktu atau kecepatan, ketelitian dan pengulangan, maka dapat disimpulkan algoritma Fuzzy C-Means Clustering adalah algoritma yang terbaik yang dapat digunakan dalam segmentasi citra karena dalam algoritma Fuzzy C-Means Clustering terdapat nilai keanggotaan atau fuzzy yang secara iteratif diperbaiki hingga mencapai keadaan konvergen.
2
Rosyani, Perani, and Saprudin Saprudin. "Deteksi Citra Bunga Menggunakan Analisis Segmentasi Fuzzy C-Means dan Otsu Threshold." MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer 20, no. 1 (September 29, 2020): 29–36. http://dx.doi.org/10.30812/matrik.v20i1.715.
Full textAbstract:
Segmentasi merupakan proses penting di dalam proses pengenalan citra. Segmentasi citra penting untuk mengektrasi fitur yang kita akan ambil sebagai data di dalam penelitian. Beberapa metode segmentasi digunakan di dalam proses pengambilan fitur. Namun di dalam penelitian ini kami menggunakan metode Fuzzy C-Means dan Otsu Threshold untuk mendeteksi citra bunga. Agar citra bunga dapat dikenali oleh komputer seperti penglihatan manusia. Dataset yang digunakan mengunakan Imageclef 2017. Citra yang diambil sebagai sample sebanyak 41 citra dengan kondisi background citra yang komplek dengan noise. Tujuan penelitian ini adalah mendapatkan metode segmentasi yang lebih baik di antara metode Fuzzy C-Means dengan Otsu Threshold. Hasil dari penelitian ini didapat dari 41 percobaan keberhasilan segmentasi Fuzzy C-Means mendeteksi objek secara sempurna adalah sebanyak 28 citra dan 16 citra yang gagal. Sedangkan untuk segmentasi menggunakan Otsu Threshold adalah sebanyak 24 citra yang sesuai dan 17 citra yang gagal. Persentase keberhasilan untuk metode Fuzzy C-Means adalah 61% dan untuk metode Otsu Threshold 70,8%.
3
Nilawati, Asyaroh Ramadona, and Taufik Hidayat. "EKSTRAKSI FITUR PEMBULUH DARAH CITRA FUNDUS RETINA MENGGUNAKAN FUZZY LOGIC." Jurnal Ilmiah Informatika Komputer 26, no. 2 (2021): 163–75. http://dx.doi.org/10.35760/ik.2021.v26i2.4304.
Full textAbstract:
Ekstraksi pola pembuluh darah retina dapat dimanfaatkan dalam sistem biometrik sebagai otentikasi keamanan. Citra hasil ekstraksi pola pembuluh darah retina dapat dimasukkan ke dalam fitur untuk identifikasi sistem biometrik. Salah satu metode yang dapat dilakukan untuk melakukan segmentasi pembuluh darah retina adalah metode fuzzy logic. Pada penelitian ini, dilakukan ekstraksi pembuluh darah citra fundus retina menggunakan implementasi fuzzy logic. Peneliti menggunakan sejumlah 20 citra fundus yang diperoleh dari dataset DRIVE berformat .tif. Proses segmentasi dimulai dengan tahap preprocessing yang berisikan konversi citra menjadi grayscale, median filtering, perataan histogram CLAHE, dan eliminasi optic disc, kemudian dilanjutkan dengan pembuatan fuzzy inference system. Tahapan preprocessing yang digunakan merupakan hasil dari rangkaian uji coba peneliti dengan melihat hasil dari setiap uji coba yang dilakukan, sehingga mendapatkan citra yang menonjolkan fitur pembuluh darah dan menghilangkan noise atau fitur retina yang tidak diperlukan seperti optic disc. Uji coba segmentasi dilakukan pada Polyspace R2020a sebagai media untuk menjalankan program mulai dari preprocessing hingga segmentasi menggunakan fuzzy logic. Keluaran dari segmentasi ini berupa citra segmentasi hasil dari metode fuzzy logic dan crisp value. Metode fuzzy logic berhasil diterapkan untuk melakukan ekstraksi pembuluh darah retina dan menghasilkan crisp value. Hasil penelitian ini diharapkan dapat digunakan sebagai salah satu fitur sistem identifikasi biometrik retina.
4
Safitri, Qonita Ummi, Arief Fatchul Huda, and Asep Solih Awaludin. "SEGMENTASI CITRA MENGGUNAKAN ALGORITMA FUZZY c-MEANS (FCM) DAN SPATIAL FUZZY c-MEANS (sFCM)." Kubik: Jurnal Publikasi Ilmiah Matematika 2, no. 1 (May 31, 2017): 22–34. http://dx.doi.org/10.15575/kubik.v2i1.1471.
Full textAbstract:
Pengolahan citra merupakan salah satu aplikasi yang dimanfaatkan dalam kehidupan. Salah satu kajian pengolahan citra adalah segmentasi. Segmentasi citra dilakukan dengan banyak pendekatan, diantaranya pedekatan klastering. Algoritma klastering yang digunakan pada segmentasi citra, umumnya berbasis fuzzy c-means. Fuzzy c-mean (FCM) membagi citra menjadi beberapa wilayah tingkat keabuan berdasarkan derajat keanggotaan pada rentang [0,1]. FCM kurang memanfaatkan informasi spasial, yang merupakan atribut penting dalam proses segmentasi citra. Oleh karena itu, Chuang dkk (2006) menambahkan fungsi spasial dalam perhitungan derajat keanggotaan FCM, dengan parameter kontrol non-spasial p dan parameter kontrol spasial q. Metode ini dikenal dengan nama spatial fuzzy c-means (sFCM). Kinerja algoritma FCM dan sFCM diuji menggunakan data citra simulasi, citra batik dan citra otak. Hasil segmentasi terbaik ditentukan berdasarkan indeks validasi Vpe, Vpc, Vxb dan SC. Hasil segmentasi menunjukkan bahwa variasi parameter p dan q terbaik menurut indeks validasi Vpe dan Vpc adalah sFCM2,1 dan sFCM2,2, sedangkan Vxb dan SC menghasilkan nilai optimal untuk FCM. Namun, sFCM hanya memberikan sedikit perbaikan terhadap hasil segmentasi FCM pada citra yang mengandung gaussian noise. Artinya, sFCM tidak robust (tahan) pada citra noise.
5
Gunawan, Wawan, and Agus Zainal Arifin. "Lokal Fuzzy Thresholding Berdasarkan Pengukuran Fuzzy Similarity Pada Interaktif Segmentasi Citra Panoramik Gigi." JURNAL INFOTEL 9, no. 1 (February 1, 2017): 40. http://dx.doi.org/10.20895/infotel.v9i1.162.
Full textAbstract:
Dalam segmentasi citra, thresholding merupakan salah metode yang mudah dan sederhana untuk diimplementasikan. Pada citra panoramik gigi, penentuan global threshold masih kurang begitu optimal untuk diimplementasikan. Hal tersebut dikarenakan adanya factor penghambat seperti pencahayaan yang tidak merata dan citra yang kabur. Faktor-faktor tersebut dapat menyebabkan histogram tidak bisa dipartisi dengan baik, sehingga akan berpengaruh pada hasil segmentasi. Pada penelitian ini diusulkan lokal fuzzy thresholding berdasarkan pengukuran fuzzy similarity pada interaktif segmentasi citra panoramik gigi. Metode yang diusulkan terdiri dari tiga tahapan utama, tahap pertama region splitting untuk mendapatkan lokal region. Tahap kedua adalah user marking untuk mendapat inisial seed background dan objek, Tahap terakhir adalah pengukuran fuzzy similarity pada setiap lokal region untuk mendapatkan nilai lokal threshold. Hasil uji coba pada citra panoramik gigi, metode yang diusulkan berhasil melakukan segmentasi dengan rata-rata missclasification error (ME) 5.47%.
6
Herdian Andika, Tahta. "Pengenalan Pola Berbasis Segmentasi Citra Menggunakan Algoritma Fuzzy C-Means Dan K-Means." Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E) 1, no. 1 (August 1, 2019): 1–10. http://dx.doi.org/10.30604/jti.v1i1.3.
Full textAbstract:
Segmentasi merupakan salah satu bagian penting dalam analisis citra, karena pada prosedur ini gambar/citra yang diinginkan akan dianalisis untuk proses yang lebih lanjut agar lebih mudah di analisis gunat ujuan selanjutnya, misalnya pada pengenalan pola.Segmentasi citra yang merupakan bagian dari analisis citra digunakan untuk membagi sebuah citra menjadi beberapa bagian dan mengambil sebagian objek yang diinginkan.Salah satu teknik dalam segmentasi citra adalah dengan clustering. Clustering adalah suatu usaha untuk melakukan pengelompokan data berdasarkan kelas dan merupakan metode mengelompokkan atau mempartisi data dalam suatu dataset.Segmentasi citra berbasis clustering pada penelitian ini menggunakan metode K-Means dan metode Fuzzy C Means. K-Means merupakan metode yang simple dan cepat perhitungannya, sedangkan Fuzzy C-Means merupakan algoritma yang populer digunakan dalam teknik Fuzzy Clustering.Penelitian ini untuk mengetahui metode yang paling optimal dalam melakukan segmentasi citra. Sebelum melakukan segmentasi terlebih dahulu menentukan ruang warna menggunakan CIELab. Identifikasi data uji menggunakan dua pendekatan, yaitu analisis bentuk dan analisis tekstur.Hasil pengujian menunjukan algoritma K-Means menghasilkan segmentasi untuk identifikasi yang lebih baik dari pada Fuzzy C Means karena menghasilkan nilai yang hampir sama atau mendekati dengan nilai ekstraksi ciri citra yang tersedia.
7
Wibawa, Made Satria. "STUDI KOMPARASI METODE SEGMENTASI PARU-PARU PADA CITRA CT-SCAN AKSIAL." Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) 7, no. 3 (April 24, 2019): 283. http://dx.doi.org/10.23887/janapati.v7i3.15751.
Full textAbstract:
Kanker paru dapat diobati jika diagnosis dini dilakukan. Diagnosis dapat dilakukan menggunakan modalitas citra Computed Tomography (CT). Diagnosis kanker paru melalui citra CT dilakukan oleh tenaga medis. Untuk membantu diagnosis kanker, tenaga medis dapat dibantu dengan Computer Assisted Diagnosis (CAD). Dalam CAD, tahapan pertama yang paling penting adalah segmentasi citra paru-paru. Penelitian ini melakukan studi komparasi metode segmentasi citra CT paru-paru. Terdapat tiga metode segmentasi yang digunakan, yaitu Otsu, K-Means dan Fuzzy C-Means. Proses evaluasi menggunakan metrik akurasi, true negative rate dan true positive rate. Berdasarkan nilai yang diperoleh dari ketiga parameter evaluasi tersebut, ketiga metode segmentasi dapat memberikan hasil segmentasi yang mendekati citra ground truth. Namun, dilihat dari sebaran hasil nilai ketiga parameter evaluasi yang didapatkan dari seluruh citra, metode Otsu sedikit lebih unggul dibandingkan metode K-Means dan Fuzzy C-Means.
8
Syarif, Nindya Rahmawati, and Windarto Windarto. "IMPLEMENTASI ALGORITMA FUZZY C-MEANS DAN METODE RECENCY FREQUENCY MONETARY (RFM) PADA APLIKASI DATA MINING UNTUK PENGELOMPOKAN PELANGGAN." Sebatik 22, no. 2 (December 4, 2018): 88–94. http://dx.doi.org/10.46984/sebatik.v22i2.313.
Full textAbstract:
Pada dunia retail, konsumen merupakan salah satu aset yang sangat berpengaruh. Oleh sebab itu konsumen menjadi alasan perusahaan retail harus merencanakan dan mempunyai strategi yang baik dalam memperlakukan konsumennya. Dengan banyaknya jumlah konsumen yang dimiliki oleh suatu perusahaan retail, maka masalah yang harus dihadapi adalah bagaimana menentukan konsumen potensial dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Maka dari itu, dengan menerapkan konsep CRM (Customer Relationship Management), perusahaan dapat melakukan penerapan konsumen potensial dengan melakukan segmentasi pengelompokan konsumen. Penelitian ini membahas tentang proses data mining menggunakan data konsumen dan data transaksi pada PT Eka Cipta Rasa. Proses data mining dimulai dengan melakukan proses clustering menggunakan algoritma Fuzzy C-Means (FCM). Output dari FCM adalah deretan pusat cluster dan beberapa derajat keanggotaan untuk setiap titik data. Hasil clustering digunakan untuk melakukan segmentasi kelas konsumen dengan menggunakan model Fuzzy RFM. Model Fuzzy RFM yaitu dengan menggabungkan teori himpunan fuzzy dengan model RFM dengan segmentasi berdasarkan atribut Recency, Frequency, dan Monetary. Umumnya perusahaan retail menggunakan metode ini untuk proses segmentasi konsumennya. Pengelompokkan (cluster) pelanggan berdasarkan karakteristik dan sifat saat bertransaksi dapat dijadikan suatu alternatif dalam pemecahan masalah. Dalam hal ini, pelanggan akan dibagi menjadi 4 kelompok atau cluster pelanggan diantaranya Golden, Silver, Bronze, dan Iron adapun variabel yang menjadi acuan pengelompokannya adalah tanggal pembelian akhir , frekuensi beli, dan total pembelian. Data yang digunakan merupakan data transaksi pelanggan periode Januari sampai Juni 2016. Total data adalah 4007 transaksi dari 328 pelanggan. Setelah data tersebut diolah dengan algoritma Fuzzy C-Means dan metode RFM, hasil akhir pada proses ini menunjukkan iterasi berakhir pada iterasi ke – 9 dengan total fungsi objektif sebesar 102,2 dan perubahan fungsi objektif sebesar 51,1. Cluster pelanggan yang dihasilkan adalah Golden : 38, Silver: 186, Bronze : 103 dan Iron : 0 .
9
Ihsan, Indah Purwitasari, and Muh Sakir. "CLUSTERING DAN SEGMENTASI GAMBAR MENGGUNAKAN ALGORITMA FUZZY C-MEANS." Simtek : jurnal sistem informasi dan teknik komputer 4, no. 1 (April 8, 2019): 9–12. http://dx.doi.org/10.51876/simtek.v4i1.41.
Full textAbstract:
Fuzzy C-Means (FCM) adalah suatu teknik pengklasteran data yang mana keberadaan tiap-tiap titik data dalam suatu ditentukan oleh derajat keanggotaan, dalam algoritma Fuzzy C-Means, input data yang akan di cluster berupa matriks X berukuran n x m (n = jumlah sampel data dan m = atribut setiap data). Permasalahan penggunaan ruang memori penyimpanan yang besar membutuhkan metode tertentu untuk efisiensi penggunaan ruang penyimpanan, salah satu metode yang cukup efektif untuk pemampatan adalah kompresi, banyak algoritma yang digunakan untuk kompresi file baik data maupun gambar, namun perkembangan menunjukkan bahwa clustering dan segmentasi merupakan salah satu metode yang cukup efisien. Dari hasil penelitian diketahui bahwa Algoritma fuzzy c-mean sangat efektif diimplementasikan untuk segmentasi gambar berwarna karena proses clusteringnya yang tersebar secara tidak teratur atau acak. Running timenya bergantung pada besarnya ukuran file gambar. Semakin besar ukurannya maka durasinya akan semakin lama begitupun sebaliknya.
10
Wijaksana, I. Gusti Ngurah Winanda, Ida Ayu Dwi Giriantari, and I. Made Sudarma. "Perbandingan Metode Segmentasi SOM dan Fuzzy CMeans pada Content-Based Image Retrieval Berbasis Warna." Majalah Ilmiah Teknologi Elektro 17, no. 3 (December 5, 2018): 333. http://dx.doi.org/10.24843/mite.2018.v17i03.p05.
Full textAbstract:
Intisari— Sulitnya menentukan kata kunci yang tepat untuk mendapatkan citra yang diinginkan merupakan kelemahan pencarian citra berdasarkan kata kunci metadata. Perkembangan teknologi saat ini mengarah pada pencarian citra berdasarkan konten atau Content-based Image Retrieval (CBIR). Salah satu ciri konten citra yang digunakan untuk temu kembali citra adalah ciri warna. Untuk semakin meningkatkan kinerja CBIR, pada penelitian ini diteliti mengenai perbandingan metode segmentasi SOM dan Fuzzy C-Means. Metode segmentasi ini memisahkan foreground dan background dari citra query untuk mendapatkan kinerja CBIR yang lebih baik. Adapun database citra yang digunakan adalah Wang Dataset. Pengujian dilakukan dengan citra uji yang telah mengalami perubahan skala, rotasi dan kekaburan. Hasil dari pengujian menunjukkan penggunaan metode segmentasi meningkatkan nilai recall atau citra benar yang berhasil ditemukan, namun secara signifikan mengurangi nilai precision atau rasio citra benar dari keseluruhan citra yang ditemukan dibandingkan tanpa mengunakan metode segmentasi.
Kata Kunci— CBIR, Color Moment, SOM, FCM.
11
Syahra, Yohanni, Yusnidah Y, and Beni Andika. "Penerapan Algoritma Fuzzy C-Means Dipadukan Dengan Model Fuzzy Recency Frequency Monetary (RFM) Untuk Customer Relationship Management (CRM) (Studi Kasus Di TokoSweet Amirah Medan)." Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) 15, no. 1 (March 7, 2019): 7. http://dx.doi.org/10.53513/jis.v15i1.112.
Full textAbstract:
Konsumen merupakan aset yang sangat penting bagi perusahaan retail.Hal ini adalah alasan mengapa perusahaan retail harus merencanakan dan menggunakan strategi yang cukup jelas dalam memperlakukan konsumen.Dengan banyaknya jumlah konsumen yang dimiliki oleh suatu perusahaan retail, maka masalah yang dihadapi adalah bagaimana menentukan konsumen potensial.Dengan menerapkan konsep CRM (Customer Relationship Management), perusahaan dapat melakukan identifikasi konsumen potensial dengan melakukan segmentasi konsumen. Tujuan dari proses segmentasi konsumen adalah untuk mengetahui perilaku konsumen dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Penelitian ini membahas tentang bagaimana proses data mining dari data konsumen di Toko Sweet Amirah, yaitu perusahaan retail yang khusus menjual perlengkapan dan peralatan bayi serta underwear pria dan wanita dewasa dan anak-anak dan berlokasi di Jalan Gedung Arca No. 29 B-C, Medan.ProsesData Miningini menggunakan data yang berasal dari data penjualan pada Toko Sweet Amirah dan bertujuan untuk mencari konsumen potensial.Model RFM merupakan model segmentasi yang umum digunakan pada perusahaan retail. Selanjutnya melakukan proses clustering menggunakan algoritma Fuzzy C-Means (FCM). Pada FCM jumlah cluster ditentukan. Hasil clustering dari algoritma tersebut digunakan untuk Aplikasidata miningmenggunakan MATLAB versi 7.10.0 dan memanfaatkan beberapatoolboxyaituFuzzy Logic ToolboxdanDatabase Toolbox
12
Asril, Bella Wahmilyana, Maison Maison, and Andreo Yudertha. "Analisis Performa Algoritma Segmentasi Pembuluh Darah pada Citra Fundus Retina." Jurnal Edukasi dan Penelitian Informatika (JEPIN) 5, no. 3 (December 22, 2019): 272. http://dx.doi.org/10.26418/jp.v5i3.34416.
Full textAbstract:
Ada banyak penyakit yang bisa di deteksi melalui pembuluh darah, seperti hipertensi, jantung, dan retinopati diabetes. Namun, pendeteksian penyakit melalui retina tidak mudah. Dokter harus mengamati struktur pembuluh darah pada citra fundus retina. Pengamatan secara langsung pada citra fundus membutuhkan waktu yang lama dan juga beresiko terjadi kesalahan. Dalam mengatasi hal ini, maka pengolahan citra digital diperlukan sebagai upaya untuk mempermudah pendeteksian kelainan pada retina mata. Penelitian ini bertujuan untuk melakukan analisis terhadap algoritma yang digunakan pada proses segmentasi citra fundus retina, karena hasil segmentasi dari citra akan berpengaruh besar dalam proses klasifikasi jenis penyakit pada retina. Kesalahan dalam pengklasifikasian jenis kelainan pada retina bisa menyebabkan kesalahan diagnosis dan kesalahan pemberian terapi yang tepat bagi pasien. Pengolahan citra dilakukan mulai tahap pra-pengolahan hingga segmentasi. Pengujian algoritma dilakukan pada tahap segmentasi. Hasil pengujian terhadap tiga algoritma menunjukkan bahwa metode pertama yaitu Morfologi Rekonstruksi memiliki rata-rata akurasi sebesar 94,46% dengan standard deviasi 2,94, Coye Filter memiliki rata-rata akurasi sebesar 94,97% dengan standard deviasi 4,99 dan Kirsch and Fuzzy C-Means dengan rata-rata akurasi 88,73% dan standar deviasi 2,74. Performa algoritma yang paling baik tidak hanya ditentukan dari tingkat akurasi tetapi juga dari aspek lain yaitu standar deviasi.
13
Hariri, Fajar Rohman. "Klasifikasi Jenis Golongan Darah Menggunakan Fuzzy C-Means Clustering (FCM) dan Learning Vector Quantization (LVQ)." MATICS 10, no. 1 (September 25, 2018): 26. http://dx.doi.org/10.18860/mat.v10i1.5356.
Full textAbstract:
<p class="Text"><strong><em><span style="font-size: 9.0pt; line-height: 105%;">Abstract</span></em></strong><strong><span style="font-size: 9.0pt; line-height: 105%;">—</span></strong> <strong><span style="font-size: 9.0pt; line-height: 105%;">Blood is an important part of the body. Blood is divided into several groups A, B, O, and AB. Conventionally, detect blood group by dripping anti-A serum and anti-B serum into the blood to be recognized and direct measurement of the serum droplet reaction. This study will compare the processes that use segmentation and without using segmentation to know the various segmentation information in introduction of human blood type image. From the test results that segmentation increase accuracy of recognition between 10% -24% of each test. By using JST Learning Vector Quantization (LVQ) as a classifier and Fuzzy C-Mean as segmentation, the optimal result on the system averages 92% to 98%..</span></strong></p><p class="MsoNormal"> </p><p class="IndexTerms"><em>Index Terms</em>—Blood, Segmentation, Classification</p><p class="MsoNormal"> </p><p class="Abstract"><em>Abstrak</em>–- Darah merupakan salah satu bagian penting dalam tubuh. Darah dibedakan menjadi beberapa golongan yaitu A, B, O, dan AB. Secara konvensional, mendeteksi golongan darah dengan cara meneteskan serum anti-A dan serum anti-B ke darah yang akan dikenali kemudian melakukan pengamatan langsung terhadap reaksi tetesan serum tersebut. Penelitian ini akan membandingkan antara proses pengenalan yang menggunakan segmentasi dengan proses pengenalan tanpa menggunakan segmentasi untuk mengetahui seberapa besar pengaruh metode segmentasi dalam pengenalan citra golongan darah manusia. Dari hasil pengujian didapatkan bahwa dengan adanya metode segmentasi akurasi system pengenalan bertambah antara 10%-24% setiap uji coba. Dengan menggunakan JST Learning Vector Quantization (LVQ) sebagai pengklasifikasi dan Fuzzy C-Mean sebagai segmentasi citra darah dapat diperoleh hasil yang optimal pada sistem pengenala golongan darah manusia dengan prosentase keberhasilan rata rata 92% hingga 98%.</p><p class="MsoNormal"> </p><p class="IndexTerms"><a name="PointTmp"><em>Kata Kunci</em>—Darah, Segmentasi, Klasifikasi </a></p><div><table width="637" cellspacing="0" cellpadding="0"><tbody><tr><td style="padding: 9.35pt;" align="left" valign="top" height="181"><p class="Authors" style="margin-bottom: .0001pt; mso-element: frame; mso-element-frame-width: 468.75pt; mso-element-frame-height: 117.05pt; mso-element-wrap: no-wrap-beside; mso-element-anchor-horizontal: page; mso-element-left: 85.2pt; mso-element-top: 43.85pt; mso-height-rule: exactly;"><strong><span style="font-size: 24.0pt; mso-font-kerning: 14.0pt;">Klasifikasi</span></strong><strong><span style="font-size: 24.0pt; mso-font-kerning: 14.0pt; mso-ansi-language: IN;" lang="IN"> Jenis Golongan Darah Menggunakan</span></strong><strong></strong><strong><span style="font-size: 24.0pt; mso-font-kerning: 14.0pt;">Fuzzy C-Means Clustering (FCM) dan Learning Vector Quantization (LVQ)</span></strong></p></td></tr></tbody></table></div><!--[if !supportTextWrap]--><br clear="ALL" /> <!--[endif]-->
14
Oktavianto, Hardian, Izzati Muhimmah, and Taufiq Hidayat. "SEGMENTASI AREA GIGI MENGGUNAKAN FUZZY C-MEANS." Jurnal Teknologi Informasi dan Terapan 4, no. 2 (April 1, 2019): 75–82. http://dx.doi.org/10.25047/jtit.v4i2.63.
Full textAbstract:
Researches with early detection of caries using x-ray topic has been widely developed, generally before doing object detection, the early step is segmentation. Image segmentation is one of the digital image processing steps used to segregate an area or object observed with other areas or objects. Segmentation has an important role as the initial determination of the desired area or object so that it can be continued to the identification stage. FCM (fuzzy c-means) algorithm is one of object segmentation technique or object grouping in the field of digital image processing study. The basic concept of FCM is to determine the centroid and members of each group adaptively, in principle FCM uses a fuzzy grouping model so that a data or element becomes a member of all the clusters that are formed.
Segmentation of the dental area using FCM with 4 clusters aims to segment the enamel, dentin, pulp, and backround areas. The result of segmentation using FCM is influenced by the condition of the dataset used. The background area of the entire dataset can be well segmented. FCM is also capable of segmenting the enamel area but in some datasets, the enamel segmentation results are still mixed with other teeth areas. For the dentin and pulp areas, the segmentation result of these two areas is not optimal yet; most of the dentin and or pulp areas are still segmented with the other teeth’s area.
15
Hardianto, Hardianto, and Nurhasanah Nurhasanah. "Identifikasi Penyakit pada Sel Darah Menggunakan Logika Fuzzy Mamdani." PRISMA FISIKA 7, no. 3 (January 2, 2020): 269. http://dx.doi.org/10.26418/pf.v7i3.38106.
Full textAbstract:
Identifikasi penyakit darah melalui citra sel darah manusia telah dilakukan menggunakan ekstraksi ciri Gray Level Co-occurrence Matrix dan metode logika fuzzy mamdani. Citra yang digunakan terdiri dari 10 citra leukemia dan 10 citra anemia. Tahap preprocessing diawali dengan memotong citra menjadi 430×307 piksel, kemudian mengubah citra berwarna menjadi citra beraras keabuan (grayscale), menghitung histogram citra, dan melakukan proses segmentasi. Setelah preprocessing, ciri statistic citra diekstraksi menggunakan Gray Level Co-occurence Matrix 4 arah (0o, 45o,90o, dan 135o) pada jarak d = 1. Fitur yang digunakan pada proses ini adalah kontras, korelasi, energi, dan homogenitas. Data dari ekstraksi ciri diidentifikasi menggunakan logika fuzzy dengan metode inferensi mamdani. Sistem identifikasi ini ditampilkan dalam bentuk Grafichal User Interface. Identifikasi menggunakan metode tersebut menghasilkan akurasi data pelatihan dan data uji, berturut-turut sebesar 93,75% dan 100%. Dari hasil yang diperoleh dapat disimpulkan bahwa metode yang digunakan pada penelitian ini dapat diaplikasikan untuk mengidentifikasi penyakit sel darah dengan akurasi yang tinggi. Kata Kunci: Citra Sel Darah, GLCM, Logika Fuzzy Mamdani
16
Sayeed, Farrukh, Madasu Hanmandlu, and Abdul Quaiyum Ansari. "Face Recognition using Segmental Euclidean Distance." Defence Science Journal 61, no. 5 (September 2, 2011): 431. http://dx.doi.org/10.14429/dsj.61.1178.
Full textAbstract:
<p>In this paper an attempt has been made to detect the face using the combination of integral image along with the cascade structured classifier which is built using Adaboost learning algorithm. The detected faces are then passed through a filtering process for discarding the non face regions. They are individually split up into five segments consisting of forehead, eyes, nose, mouth and chin. Each segment is considered as a separate image and Eigenface also called principal component analysis (PCA) features of each segment is computed. The faces having a slight pose are also aligned for proper segmentation. The test image is also segmented similarly and its PCA features are found. The segmental Euclidean distance classifier is used for matching the test image with the stored one. The success rate comes out to be 88 per cent on the CG(full) database created from the databases of California Institute and Georgia Institute. However the performance of this approach on ORL(full) database with the same features is only 70 per cent. For the sake of comparison, DCT(full) and fuzzy features are tried on CG and ORL databases but using a well known classifier, support vector machine (SVM). Results of recognition rate with DCT features on SVM classifier are increased by 3 per cent over those due to PCA features and Euclidean distance classifier on the CG database. The results of recognition are improved to 96 per cent with fuzzy features on ORL database with SVM.</p><p><strong>Defence Science Journal, 2011, 61(5), pp.431-442</strong><strong><strong>, DOI:http://dx.doi.org/10.14429/dsj.61.1178</strong></strong></p>
17
Pratiwi, Nadia Intan, Ida Widaningrum, and Dyah Mustikasari. "Perancangan Sistem Deteksi Isyarat BISINDO Dengan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS)." KomtekInfo 6, no. 1 (May 28, 2019): 50–61. http://dx.doi.org/10.29165/komtekinfo.v6i1.232.
Full textAbstract:
Tunarungu merupakan suatu kondisi dimana pendengaran seorang individu tidak dapat berfungsi secara normal. Maka, dibuatlah bahasa isyarat yang digunakan sebagai solusi terhadap permasalahan tersebut. Di Indonesia, bahasa isyarat yang di kenal adalah SIBI (Sistem Isyarat Bahasa Indonesia) dan BISINDO (Bahasa Isyarat Indonesia). Meskipun SIBI sudah diakui oleh pemerintah Indonesia, namun dalam penggunaanya kurang diminati. Penelitan ini dilakukan untuk mengenali isyarat tangan kosong. Dimana hal itu akan membantu pengguna secara alami tanpa adanya bantuan tambahan. Percobaan yang dilakukan menggunakan dataset yang diperagakan oleh 1 peraga. Pada prosesnya, karakteristik dari tangan diambil dengan menggunakan metode Histogram Oriented Gradient (HOG). Sedangkan untuk memisahkannya dari gambar latar belakang, digunakan segmentasi warna. Hasil dari proses tersebut kemudian diambil untuk melakukan klasifikasi. Adapun proses klasifikasinya menggunakan metode Adaptive Neuro-Fuzzy Inference System. Hasil dari pengujian yang dilakukan menghasilkan akurasi sebanyak 78,31 % permasalahan yang dilakukan.
18
Salat, Junaidi, and Sayed Achmady. "MINIMALISASI DISTORSI DARI SEGMENTASI CITRA METODE OTSU MENGGUNAKAN FUZZY CLUSTERING." ILKOM Jurnal Ilmiah 10, no. 1 (April 30, 2018): 80–85. http://dx.doi.org/10.33096/ilkom.v10i1.234.80-85.
Full text
19
Iskandar, Johan, and Dian Kartika Utami. "PENERAPAN FUZZY LOGIC UNTUK MENINGKATKAN DERAJAT KEBENARAN DETEKSI PADA ALAT BANTU BUTA WARNA BERBASIS SENSOR OPTIK." Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika 16, no. 1 (December 23, 2019): 195–202. http://dx.doi.org/10.33751/komputasi.v16i1.1590.
Full textAbstract:
Prototipe deteksi warna berbasis Arduino dan sensor warna TCS3200 telah berhasil dikembangkan. Prototipe ini dibangun dengan menerapkan logika fuzzy untuk meningkatkan akurasi pembacaan warna berdasarkan tingkat keanggotaan (μ (x)). Metode yang digunakan adalah mengubah ruang warna RGB (merah, hijau, biru) menjadi ruang warna HSV (Hue, Saturation, Value). Dari ruang warna HSV, nilai Hue diambil sebagai variabel independen dalam membuat kurva segmentasi warna dan μ (x). Bentuk keluaran dari prototipe adalah suara dengan informasi warna yang terdeteksi. Untuk mendapatkan jarak optimal dari deteksi warna, sensor ditempatkan pada jarak 1 cm, 2, cm dan 3 cm dari objek. Dari hasil pengujian, akurasi yang diperoleh pada jarak 1 cm adalah 100%, jarak 2 adalah 94.7% dan 89.4% pada jarak 3 cm. Oleh karena itu dapat disimpulkan bahwa jarak ideal untuk mengukur prototipe adalah 1 cm.
20
Waroka, Lia, Siti Monalisa, Dewi Anjainah, and Nur Arifin. "IMPLEMENTASI ALGORITMA FUZZY C-MEANS (FCM) DALAM PENGKLASTERISASIAN NILAI HIDUP PELANGGAN DENGAN MODEL LRFM." Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi 6, no. 1 (February 13, 2020): 1. http://dx.doi.org/10.24014/rmsi.v6i1.8564.
Full textAbstract:
Pelanggan merupakan aset penting bagi suatu organsasi. Oleh karena itu harus dikelola dengan baik agar tidak hilang. Salah satu caranya yaitu dengan mencari nilai CLV atau nilai hidup pelanggan yang tujuannya untuk mengetahui kelompok-kelompok pelanggan yang memiliki nilai loyalitas dan profitabilitas yang tinggi yang akan mengungtungkan perusahaan. Segmentasi ini diawali dengan menganaliss data mentah (cleaning), dan kemudian ditranformasikan ke dalam LRFM (Length, Recency, Frequency dan Monetary). Lalu dilakukan normalisasi dengan range nilai 0-1. Setelah itu diklusterisasikan menggunakan algoritma Fuzzy C-Means (FCM) dan terakhir menghitung nilai CLV per kluster. Kluster dengan nilai CLV tertinggi yaitu kluster ke 1 dengan nilai 0,355. Diikuti dengan kluster ke 3 dengan nilai 0,314. Dan kluster dengan nilai CLV terendah yaitu kluster 2 dengan nilai 0,041 atau sama dengan di bawah nilai rata-rata CLV yaitu 0,236. Kluster dengan nilai CLV tertinggi dinilai menjadi kelompok pelanggan dengan loyalitas dan profitabilitas yang tinggi yang harus dipertahankan.
21
Munarto, Ri, Romi Wiryadinata, and Didin Yogiyansyah. "Segmentasi Citra USG (Ultrasonography) Kanker Payudara Menggunakan Fuzzy C-Means Clustering." Setrum : Sistem Kendali-Tenaga-Elektronika-Telekomunikasi-Komputer 6, no. 2 (January 6, 2018): 238. http://dx.doi.org/10.36055/setrum.v6i2.2770.
Full text
22
Farosanti, Lafnidita, and Chastine Fatichah. "Perbaikan Segmentasi Pembuluh Darah Tipis Pada Citra Retina Menggunakan Fuzzy Entropy." JUTI: Jurnal Ilmiah Teknologi Informasi 17, no. 2 (August 20, 2019): 135. http://dx.doi.org/10.12962/j24068535.v17i2.a857.
Full text
23
Abdullah, Dedy, and Erwin Dwika Putra. "KOMPARASI PERBAIKAN KUALITAS SEGMENTASI PADA CITRA DIGITAL METODE FUZZY C-MEANS DAN OTSU." Pseudocode 4, no. 1 (February 4, 2017): 71–80. http://dx.doi.org/10.33369/pseudocode.4.1.71-80.
Full text
24
Prasetyo, Stevanus Sandy, Mustafid Mustafid, and Arief Rachman Hakim. "PENERAPAN FUZZY C-MEANS KLUSTER UNTUK SEGMENTASI PELANGGAN E-COMMERCE DENGAN METODE RECENCY FREQUENCY MONETARY (RFM)." Jurnal Gaussian 9, no. 4 (December 7, 2020): 421–33. http://dx.doi.org/10.14710/j.gauss.v9i4.29445.
Full textAbstract:
E-commerce has become a medium for online shopping which is growing and popular among the public. Due to the ease of access for all internet users and the completeness of the products offered, e-commerce has become a new alternative in meeting people's needs. Currently, the competition in the business world is very fierce, any e-commerce company needs to be able to carry out the right marketing strategy to compete in acquiring, retaining, and partnering with customers. In this research, the segmentation of e-commerce customers was carried out using the Fuzzy C-Means cluster and the RFM method. The clustering process is carried out six times with the number of clusters starts from two to seven clusters. The results showed that the optimum number of clusters formed according to the Xie-Beni validity index was four clusters. The cluster becomes customer segments that have the characteristics of each customer based on their recency, frequency, and monetary value. The best segment is segment 4 which has very loyal customers in shopping on tumbas.in e-commerce. From the segments that have been formed, they can be used as a consideration in implementing the right marketing strategy for each customer. Keywords : E-commerce, customer segmentation, Fuzzy C-Means Cluster, RFM, Xie-Beni Index
25
Ditendra, Eghi, Siti Monalisa, Stedico Anderjovi, and Surya Lesmana. "KLASTERISASI CLV DENGAN MODEL LRFM MENGGUNAKAN ALGORITMA FUZZY C-MEANS (Studi Kasus: Pangeran Gym Pekanbaru)." Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi 6, no. 1 (February 17, 2020): 109. http://dx.doi.org/10.24014/rmsi.v6i1.8535.
Full textAbstract:
Kepuasan pelanggan merupakan faktor yang sangat penting bagi setiap perusahaan maka dari itu Perusahaan perlu mempelajari perilaku konsumen yang bertujuan untuk mengetahui dan memahami berbagai aspek yang ada pada konsumen.Penelitian ini bertujuan untuk menghasilkan nilai Customer Lifetime Value (CLV) setiap segmen pelanggan pada Pangeran Gym Pekanbaru dan menentukan segmentasi pelanggan berdasarkan jenis kelamin serta umur dengan menggunakan algoritma fuzzy c-means. Klasterisasi pelanggan menggunakan model Length Recency Frequency Monetary (LRFM) dan pembentukan kluster dibagi atas 3 kluster.Nilai CLV akan dihasilkan dengan mengalikan nilai normalisasi LRFM dengan nilai bobot LRFM dan selanjutnya dijumlahkan.Penjumlahan CLV dilakukan pada masing-masing kluster yang telah terbentuk.Hasil dari penjumlahan tersebut maka dicari hasil rangking CLV. Rangking CLV tertinggi dihasilkan dari nilai CLV terbsesar diantara 3 kluster tersebut. Rangking CLV tertinggi pada penelitian ini adalah kluster pertama yaitu dengan nilai CLV 0,504 dengan simbol LRFM L↑R↑F↑M↑ dengan arti bahwa kluster ini memiliki segmen pelanggan dengan nilai loyalitas yang tinggi. Ranking CLV ke 2 adalah kluster ketiga dengan nilai CLV 0,341 dan selanjutnya kluster kedua dengan nilai CLV 0,225. Dari 100 data transaksi pada Pangeran Gym Pekanbaru terdapat 83 transaksi oleh jenis kelamin laki-laki dan 17 transaksi dilakukan oleh jenis kelamin perempuan. Kemudian dari 100 data transaksi pada Pangeran Gym Pekanbaru terdapat 82 transaksi dilakukan oleh remaja umur 12 – 25 tahun dan 18 transaksi dilakukan oleh dewasa umur 26 – 45 tahun.
26
Rachmansyah, Ghenniy, Wayan Firdaus Mahmudy, and Rizal Setya Perdana. "Optimasi Model Segmentasi Citra Metode Fuzzy Divergence Pada Citra Luka Kronis Menggunakan Algoritma Genetika." Jurnal Teknologi Informasi dan Ilmu Komputer 3, no. 1 (March 17, 2016): 66. http://dx.doi.org/10.25126/jtiik.201631163.
Full text
27
Shah Putra, Muhammad Azlan, Siti Monalisa, Julhandri Julhandri, and Ikhsan Khoiru. "PENERAPAN ALGORITMA FUZZY C-MEANS MENGGUNAKAN MODEL RFM DALAM KLASTERISASI PELANGGAN PADA TOKO KUE FEANDRA CAKE." Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi 6, no. 1 (February 17, 2020): 64. http://dx.doi.org/10.24014/rmsi.v6i1.8646.
Full textAbstract:
Konsumen merupakan aset yang sangat penting bagi perusahaan yang harus dijaga dengan baik terutama pelanggan potensial. Tujuan proses segmentasi pasar yaitu untuk mengetahui perilaku konsumen serta menerapkan strategi pemasaran yang tepat sehingga mendapatkan keuntungan / profit bagi perusahaan. Objek yang diambil dari penelitian ini yaitu Toko Kue Feandra Cake yang berlokasi Jalan Lobak No. 97, Pekanbaru. Penentuan pelanggan potensial yang dilakukan selama ini adalah secara manual, hanya berdasarkan perkiraan saja tanpa adanya data dan informasi yang pasti. Penelitian ini bertujuan menghasilkan nilai Customer Lifetime Value (CLV) pada setiap segmen pelanggan Feandra Cake dengan menggunakan Algoritma Fuzzy C-Means dalam melakukan klasterisasi pelanggan menggunakan model RFM (Recency, Frequency dan Monetary). Nilai CLV akan dihasilkan dengan mengalikan nilai normalisasi RFM dengan nilai bobot RFM dan selanjutnya dijumlahkan. Hasil dari penjumlahan tersebut didapatkan hasil rangking CLV. Rangking CLV tertinggi dihasilkan dari nilai CLV terbesar diantara 3 kluster tersebut. Rangking CLV tertinggi pada penelitian ini adalah pelanggan pada klaster 1 yang merupakan segmen pelanggan berupa loyalitas yang tinggi dengan nilai Recency yang rendah, Frequency yang tinggi dan Monetary yang tinggi. Ini berarti pelanggan yang berada pada segmen ini sering melakukan pembelian dengan jumlah uang yang dikeluarkan tinggi untuk perusahaan sehingga segmen ini dikatakan pelanggan dengan profitabilitas yang tinggi. Setelah didapatkan klasterisasi pelanggan, selanjutnya dilakukan asosiasi data produk yang dibeli oleh pelanggan menggunakan Algoritma FP-Growth. Hal ini dilakukan untuk mendapatkan kombinasi item pembelian. Produk Suke Ori dan Suke Rasa tidak terdapat dalam hasil asosiasi produk karena merupakan produk andalan Feandra Cake yang sudah pasti pernah dibeli oleh pelanggan-pelanggannya.
28
Mentari, Mustika, Hari Ginardi, and Chastine Fatichah. "SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN FUZZY C MEANS – SUPPORT VECTOR MACHINE DENGAN FITUR WARNA a*." JUTI: Jurnal Ilmiah Teknologi Informasi 13, no. 1 (January 1, 2015): 45. http://dx.doi.org/10.12962/j24068535.v13i1.a387.
Full text
29
Kaswar, Andi Baso, Agus Zainal Arifin, and Arya Yudhi Wijaya. "Segmentasi Citra Ikan Tuna dengan Mahalanobis Histogram Thresholding dan Mahalanobis Fuzzy C-Means." Jurnal Buana Informatika 7, no. 3 (July 19, 2016). http://dx.doi.org/10.24002/jbi.v7i3.658.
Full textAbstract:
Abstract. Fuzzy C-Means segmentation algorithm based on Mahalanobis distance can be utilized to segment tuna fish image. However, initialization of pixels membership value and clusters centroid randomly cause the segmentation process become inefficient in terms of iteration and time of computation. This paper proposes a new method for tuna fish image segmentation by Mahalanobis Histogram Thresholding (M-HT) and Mahalanobis Fuzzy C-Means (MFCM). The proposed method consists of three main phases, namely: centroid initialization, pixel clustering and accuracy improvement. The experiment carried out obtained average of iteration amount is as many as 66 iteration with average of segmentation time as many as 162.03 second. While the average of Accuracy is 98.54%, average of Missclassification Error is 1.46%. The result shows that the proposed method can improve the efficiency of segmentation method in terms of number of iterations and time of segmentation. Besides that, the proposed method can give more accurate segmentation result compared with the conventional method.Keywords: Tuna Fish Image, Segmentation, Fuzzy Clustering, Histogram Thresholding, Mahalanobis Distance. Abstrak. Algoritma segmentasi Fuzzy C-Means berbasis jarak Mahalanobis dapat digunakan untuk mensegmentasi ikan tuna. Namun, inisialisasi derajat keanggotaan piksel dan centroid klaster secara random mengakibatkan proses segmentasi menjadi tidak efisien dalam hal iterasi dan waktu komputasi. Penelitian ini mengusulkan metode baru untuk segmentasi citra ikan tuna dengan Mahalanobis Histogram Thresholding (M-HT) dan Mahalanobis Fuzzy C-Means (MFCM). Metode ini terdiri atas tiga tahap utama, yaitu: inisialisasi centroid, pengklasteran piksel dan peningkatan akurasi. Berdasarkan hasil ekseprimen, diperoleh rata-rata jumlah iterasi sebanyak 66 iterasi dengan rata-rata waktu segmentasi 162,03 detik. Rata-rata Akurasi 98,54% dengan rata-rata tingkat Missclassification Error 1,46%. Hasil yang diperoleh menunjukkan bahwa metode yang diusulkan dapat meningkatkan efisiensi metode segmentasi dalam hal jumlah iterasi dan waktu segmentasi. Selain itu, metode yang diusulkan dapat memberikan hasil segmentasi yang lebih akurat dibandingkan dengan metode konvensional.Kata Kunci: Citra Ikan Tuna, Segmentasi, Fuzzy Clustering, Histogram Thresholding, Jarak Mahalanobis.
30
Budi Adnyana, I. Made, IKetut Gede Darmaputra, and I. Putu Agung Bayupati. "Segmentasi Citra Berbasis Clustering Menggunakan Algoritma Fuzzy C-Means." Majalah Ilmiah Teknologi Elektro 14, no. 1 (June 29, 2015). http://dx.doi.org/10.24843/mite.2015.v14i01p04.
Full textAbstract:
Clustering based image segmentation in this study using Fuzzy C means algorithm with Xie Beni Index as an objective function. Preprocessing applied in this model using Statistical Region merging. Spatial function applied in Fuzzy C means method to reduce noise in clustering. The system evaluation is done by measuring cluster validity value (Xie Beni Index), execution time, and number of iteration. Experimental results on three test images illustrates the proposed method able to perform image segmentation well.
31
Fatoni, Mufid Ali, Indra Lukmana, and Mukhamad Masrur. "Rancang Bangun Sistem Pendukung Keputusan Penentuan Program Acara Di KSTV Kediri Dengan Menggunakan Metode Fuzzy AHP." Register: Jurnal Ilmiah Teknologi Sistem Informasi 1, no. 1 (November 1, 2015). http://dx.doi.org/10.26594/r.v1i1.404.
Full textAbstract:
Penentuan program acara pada suatu stasiun televisi merupakan denyut nadi dari penyiaran pertelevisian. Mekanisme semacam ini harus didukung dengan sistem pendukung keputusan yang bukan hanya mempermudah suatu pekerjaan, tetapi efektifitas dan efisiensinya. Penelitian ini bertujuan untuk menghasilkan sistem pendukung keputusan yang dapat memberikan rekomendasi alternatif program acara sesuai dengan perbandingan kriteria dan alternatif yang telah dievaluasi dengan menggunakan metode Fuzzy AHP. Kriteria yang digunakan pada sistem meliputi biaya produksi, daya tarik, tema, segmentasi, profit, orientasi program, dan etika. Dengan adanya sistem pendukung keputusan ini akan mempermudah divisi program acara dalam menentukan program acara yang akan ditayangkan. Selain itu, sistem juga memberikan kemudahan bagi manager operasional dalam mengawasi acara-acara yang ada dalam proses broadcast KSTV.
32
Saputra, Denny Bintang, and Edwin Riksakomara. "Implementasi Fuzzy C-Means dan Model RFM untuk Segmentasi Pelanggan (Studi Kasus : PT. XYZ)." Jurnal Teknik ITS 7, no. 1 (April 19, 2018). http://dx.doi.org/10.12962/j23373539.v7i1.28230.
Full text
33
Afiatna, Fatma Ayu Nuning Farida, M. Anityasari, and R. M. Surjani. "PENGEMBANGAN DAN EVALUASI PRODUCT SERVICE SYSTEM (PSS) PADA PERUSAHAAN FURNITUR MENGGUNAKAN METODE MULTI- LAYER QFD." Reaktom : Rekayasa Keteknikan dan Optimasi 2, no. 2 (October 27, 2017). http://dx.doi.org/10.33752/reaktom.v2i2.200.
Full textAbstract:
AbstrakPerkembangan usaha bisnis berjalan cukup dinamis dan berimplikasi terhadap kompetisi antar perusahaan. Orientasi penyediaan produk saja mungkin tidak bisa mempertahankan daya saing perusahaan dalam jangka panjang. Sustainability menjadi perhatian yang sangat penting bagi perusahaan. Product Service System (PSS) sebagai strategi bisnis memiliki potensi besar untuk memberikan solusi bagi perusahaansekaligus menjawab kebutuhan konsumen melalui integrasi produk dan servis. Furnitur sebagai hasil produksi industri merupakan kebutuhan dan disukai oleh kalangan masyarakat urban. Perusahaan furnitur berkompetisi untuk mengembangkan produk dan servis untuk memenuhi kebutuhan konsumen. PSS menawarkan strategi yang dapat memberikan sustainability dalam dunia usaha yang kompetitif. Di Indonesia masih sangat sedikit penelitian mengenai strategi yang ditawarkan oleh PSS denganmempertimbangkan kebutuhan segmentasi konsumen dan perusahaan. Pada penelitian ini akan dikaji kepentingan konsumen dan perusahaan dalam pengembangan PSS furnitur dengan metode Multi-layer QFD dan Fuzzy-AHP. Dari preferensi konsumen dan perusahaan selanjutnya akan dilakukan desain PSS berdasarkan HoQ dari Multi-layer QFD yang dapat direkomendasikan sebagai program untuk meningkatkan daya saing perusahaan. Pengembangan desain PSS furnitur akan menganalisis model bisnisPSS Product-oriented Services dan Use-oriented Services yang dituangkan dalam PSS Blueprint. Selanjutnya evaluasi PSS berdasarkan sudut pandang konsumen dan perusahaan dilakukan untuk mengevaluasi desain PSS.Kata Kunci: Pengembangan PSS, Evaluasi PSS, Model PSS, PSS Blueprint , Multi-layer QFD, Fuzzy-AHPAbstractThe business development runs quite dynamic and affects the competition among companies. Providing physical product alone is not sufficient to maintain the company's competitiveness in the long run. Sustainability issue becomes a very important concern for the company. Product Service Systems (PSS) is a business strategy that has great potential benefit to provide solutions for companies in addressing the customer needs through the integration of products and services. As one of industrial products, furniture isdemanded and favored by the urban community. Furniture companies competes each other to develop products and services to meet customer needs. PSS offers strategies that can provide sustainability in a competitive business world. In Indonesia, there is limited research on PSS strategies by considering the need of customers and providers segmentation. This research will investigate the interests of customers and provider in developing PSS furniture by using Multi-layer Quality Function Deployment methodology and Fuzzy-AHP. The development of PSS for furniture company will analyze the business model of Productoriented Services and Use-oriented Services as revealed in PSS Blueprint. Furthermore, the evaluation of PSS design is performed based on the perspective of customers and provider.Keywords: PSS development, Fuzzy-AHP, Multi-layer QFD, PSS Blueprint, PSS evaluation
34
Hamzaouil, H., A. Elmatouat, and P. Martin. "Segmentation d'une image couleur par les critères d'information et la théorie des ensembles flous." Revue Africaine de la Recherche en Informatique et Mathématiques Appliquées Volume 5, Special Issue TAM... (August 9, 2006). http://dx.doi.org/10.46298/arima.1861.
Full textAbstract:
International audience In this paper we present an unsupervised color image segmentation algorithm using the information criteria and a fuzzy theory. We propose this method to estimate the number of color image clusters and the optimal radius associated with minimizing the value of the proposed criteria. The experimental results demonstrate that this approach compresses the image in a small number of clusters without losing the informational contents of the image and we reduce the number of parameters using the process of segmentation, we also decrease the computational time. The color image segmentation system has been tested on some usual color images; "House", "Lena", "Monarch" and "Peppers". Nous nous intéressons dans cet article à ladétermination du nombre de classes d'une image couleur par les critères d'information et la théorie des ensembles flous. Nous montrons que ces critères servent à estimer le nombre de régions d'une image couleur ainsi que le rayon optimal associé. Cette démarche est classée dans la catégorie des méthodes de segmentation non supervisée. Elle entraîne une compression de l'image en un nombre de couleurs représentatif sans perdre le contenu nformationnel de cette dernière. Elle réduit ainsi le nombre de paramètres considérés dans le systéme de la segmentation. Dans la dernière partie de cet article, nous montrons la performance et l'efficacité du nouvel algorithme en segmentant des images couleur tests: "House", "Lena", "Monarch" et "Peppers
35
Sarimuddin, Sarimuddin, Chastine Fatichah, and Nanik Suciati. "Inisialisasi Klaster Berbasis Varian Maksimum Ternormalisasi Pada Fuzzy C-Means Untuk Segmentasi Sel Darah Putih Pada Citra Mikroskopis Leukemia." Inspiration : Jurnal Teknologi Informasi dan Komunikasi 7, no. 1 (June 15, 2017). http://dx.doi.org/10.35585/inspir.v7i1.2434.
Full text
36
Amaro, Ana, Fátima Suleman, and Abdul Suleman. "Tipologias do desemprego em Portugal na década de 2000." Investigação e Intervenção em Recursos Humanos, no. 4 (April 4, 2014). http://dx.doi.org/10.26537/iirh.v0i4.2059.
Full textAbstract:
Esta pesquisa procura aplicar os princípios teóricos da segmentação do mercado de trabalho à análise do desemprego. Este fenómeno ganhou, nos últimos tempos, maior relevância política, económica e social num quadro de crise económica internacional. Com efeito, dados internacionais, como os da Organização Internacional do Trabalho (OIT - 2011) ou do Eurostat (2011), mostram que se tem assistido a um aumento do desemprego, mas igualmente a mudanças qualitativas de perfil da população desempregada. Todavia, os estudos disponíveis não oferecem evidência empírica sobre esses perfis, os quais parecem ser cruciais para um diagnóstico mais exaustivo do mercado de trabalho, bem como uma intervenção mais orientada no mesmo. Nos princípios dos anos 2000, a educação representava uma garantia de proteção contra o desemprego e de estabilidade de emprego (Portugal, 2004). A elevada e crescente taxa de desemprego dos diplomados do ensino superior nos últimos tempos vem questionar o benefício do aumento da escolaridade e do diploma em Portugal. Os investimentos individuais e públicos em educação, bem como as iniciativas de políticas ativas de emprego parecem ser insuficientes para combater o desemprego e promover o emprego. É neste contexto que pretendemos estudar as características dos desempregados em Portugal e analisar a sua evolução recente. Utilizando os dados obtidos através do Inquérito ao Emprego do Instituto Nacional de Estatística, e recorrendo à técnica de agrupamento baseado em pertenças parciais (fuzzy clustering), esta pesquisa pretende identificar tipologias de desempregados e sua evolução num intervalo de 10 anos (2001 e 2010). As tipologias são variáveis construídas a partir de agrupamentos específicos de categorias de variáveis observadas que sinalizam as características de uma população, neste caso da população desempregada. De forma mais específica, este estudo visa identificar perfis de desempregados, procurando: i) apreciar a heterogeneidade do desemprego através das características inatas, adquiridas, comportamentais e situacionais dos desempregados; e ii) analisar a evolução dessas características ao longo do tempo. Para evitar enviesamentos devidos à sazonalidade, o estudo limita-se ao último trimestre de cada um dos anos referidos. Os resultados indicam que a população desempregada pode ser segmentada em três grupos. Em 2001, um grupo agrega os indivíduos pouco qualificados que enfrentam um desemprego de longa duração (DLD); outro agrupa os desempregados qualificados mas igualmente DLD; o terceiro reúne os jovens diplomados numa situação de desemprego de curta duração. A situação em 2010 é bastante similar. Todavia, a alteração mais significativa recai sobre o terceiro grupo. Os diplomados passaram para uma situação de desemprego de longa duração, revelando assim dificuldades de inserção no mercado de trabalho. Adicionalmente, os resultados abrem espaço para uma reflexão sobre a capacidade da economia portuguesa absorver as competências disponíveis e obter os retornos dos investimentos em capital humano.