Academic literature on the topic 'Klasifikasi citra'

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Klasifikasi citra.'

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.

Journal articles on the topic "Klasifikasi citra"

1

Humaira B, Nurul Isra, Magfira Herman, Nurhikma Nurhikma, and Andi Baso Kaswar. "KLASIFIKASI TINGKAT KUALITAS DAN KEMATANGAN BUAH TOMAT BERDASARKAN FITUR WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN." Journal of Embedded Systems, Security and Intelligent Systems 2, no. 1 (2021): 18. http://dx.doi.org/10.26858/jessi.v2i1.20329.

Full text
Abstract:
Pada umumnya, manusia melakukan pemilahan hasil pertanian bergantung pada presepsi mereka terhadap komposisi warna yang dimiliki citra seperti buah-buahan. Masyarakat menilai kualitas dan kematangan tomat dengan cara manual dari tampaknya saja yaitu pada warnanya. Namun, identifkasi dengan cara manual memiliki kelemahan seperti waktu yang dibutuhkan relatih lama serta menghasilkan produk yang cukup beragam karena keterbatasan visual dan perbedaan persepsi manusia tentang buah tersebut. Oleh karena itu, penelitian ini mengusulkan metode yang dapat digunakan pada klasifikasi kualitas dan kematan
APA, Harvard, Vancouver, ISO, and other styles
2

Rio Subandi, Herman, and Anton Yudhana. "Pre-Processing Pada Klasifikasi Citra Medis Pneumonia." Decode: Jurnal Pendidikan Teknologi Informasi 4, no. 1 (2023): 86–93. http://dx.doi.org/10.51454/decode.v4i1.198.

Full text
Abstract:
Pemrosesan citra merupakan teknik pengolahan citra yang mengubah suatu citra input menjadi citra yang berbeda sehingga keluarannya memiliki keunggulan lebih tinggi daripada citra input. Pemrosesan citra berguna untuk tingkat mutu citra, membuang cacat citra, mengenali objek, dan menggabungkannya dengan bagian lain dari suatu citra. Kemajuan teknologi pengolahan citra digital (digital image processing) yang semakin pesat, dapat mempermudah kehidupan manusia. Salah satu contoh penerapan dalam bidang kesehatan yaitu klasifikasi penyakit pneumonia, klasifikasi data penyakit pneumonia berbentuk dat
APA, Harvard, Vancouver, ISO, and other styles
3

Bramdito, Vandam Caesariadi, Sony Hartono Wijaya, and Imas Sukaesih Sitanggang. "Model Klasifikasi Fase Pertumbuhan Tebu dari Citra Sentinel 1 Multi-temporal Menggunakan Algoritma Random Forest." Jurnal Ilmu Komputer dan Agri-Informatika 10, no. 2 (2023): 212–23. http://dx.doi.org/10.29244/jika.10.2.212-223.

Full text
Abstract:
Daerah Istimewa Yogyakarta yang telah ditetapkan sebagai kawasan sentra tebu memerlukan perlakuan khusus dalam upaya ekstensifikasi yang memerlukan informasi spasial usaha tani tebu. Pemantauan lahan tebu dilakukan untuk mendapatkan informasi fase pertumbuhan tebu dan sebarannya untuk strategi ekstensifikasi pertanian. Oleh karena itu perlu dilakukan klasifikasi citra menggunakan algoritma random forest yang reliable untuk mengklasifikasikan fase pertumbuhan tebu pada citra Sentinel 1 multi-temporal. Peta kalender tanam tebu dibuat dari hasil klasifikasi citra yang telah dilakukan dan menguji
APA, Harvard, Vancouver, ISO, and other styles
4

Aisyah, Wahyu Pratiwi, Muh. Golok Jaya Laode, and Saleh Fitra. "Perbandingan Metode Berbasis Piksel Dan Objek Citra Sentinel 2A Untuk Klasifikasi Penggunaan Lahan." JAGAT (Jurnal Geografi Aplikasi Dan Teknologi) 4, no. 1 (2020): 117–24. https://doi.org/10.5281/zenodo.3876069.

Full text
Abstract:
Salah satu teknologi yang efektif untuk memperoleh informasi mengenai penggunaan lahan adalah teknologi penginderaan jauh. Data yang digunakan dalam penelitian ini adalah citra sentinel 2A yang tergolong dalam citra resolusi menengah. Penelitian ini bertujuan untuk: mengidentifikasi penggunaan lahan dengan metode berbasis piksel dan objek pada citra Sentinel 2A. Metode analisis data yang digunakan pada peneltian ini yaitu metode supervised dan unsupervised untuk klasifikasi berbasis piksel dan metode OBIA untuk klasifikasi berbasis objek, sedangkan untuk uji akurasi menggunakan metode matriks
APA, Harvard, Vancouver, ISO, and other styles
5

Rosiva Srg, Sri Ayu, Muhammad Zarlis, and Wanayumini Wanayumini. "Identifikasi Citra Daun dengan GLCM (Gray Level Co-Occurence) dan K-NN (K-Nearest Neighbor)." MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer 21, no. 2 (2022): 477–88. http://dx.doi.org/10.30812/matrik.v21i2.1572.

Full text
Abstract:
Banyaknya jenis tanaman yang bentuknya hampir mirip sangat menyulitkan masyarakat Indonesia dalam melakukan klasifikasi ataupun pengelompokkan dan banyaknya penelitian sistem klasifikasi daun tanaman yang menghasilkan akurasi yang rendah tidak mencapai 90%. Maka diperlukan sistem klasifikasi yang lebih akurat dan performance yang menghasilkan tingkat kesalahan kecil. Berdasarkan masalah tersebut maka tujuan penelitian ini akan membangun sistem klasifikasi jenis tanaman berdasarkan citra daun dengan sistem yang akurat dan tingkat kesalahan yang minimal kecil sehinga dapat digunakan untuk memper
APA, Harvard, Vancouver, ISO, and other styles
6

Ambarwari, Agus, Emir Mauludi Husni, and Dimitri Mahayana. "Perkembangan Paradigma Metode Klasifikasi Citra Penginderaan Jauh dalam Perspektif Revolusi Sains Thomas Kuhn." Jurnal Filsafat Indonesia 6, no. 3 (2023): 465–73. http://dx.doi.org/10.23887/jfi.v6i3.53865.

Full text
Abstract:
Pesatnya peningkatan teknologi penginderaan jauh memunculkan tiga paradigma metode klasifikasi citra penginderaan jauh, yaitu berbasis piksel, berbasis objek, dan berbasis pemandangan. Artikel ini bertujuan untuk mengetahui perkembangan metode klasifikasi citra penginderaan jauh dan mengetahui proses revolusi saintifik Thomas Kuhn (pra-paradigma, sains normal, anomali, krisis, dan revolusi saintifik) yang terjadi pada perkembangan metode klasifikasi tersebut. Penyusunan artikel ini menggunakan metode kualitatif deskriptif. Data dikumpulkan dari berbagai sumber literatur ilmiah yang relevan, ke
APA, Harvard, Vancouver, ISO, and other styles
7

Derajat, Roihan Muhammad, Yesi Sopariah, Syifa Aprilianti, et al. "Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kecamatan Pangandaran." Jurnal Samudra Geografi 3, no. 1 (2020): 1–10. http://dx.doi.org/10.33059/jsg.v3i1.1985.

Full text
Abstract:
Data citra satelit digunakan untuk mendeteksi klasifikasi penutupan lahan di Kawasan Wisata Kecamatan Pangandaran Kabupaten Pangandaran. Penelitian dilakukan dengan beberapa tahap, yaitu pra-pengolahan citra, interpretasi visual citra, membuat penciri kelas klasifikasi citra, groundchek, dan uji akurasi. Metode yang digunakan dalam penelitian ini yaitu metode klasifikasi tidak terbimbing (unsupervised classification) IsoData dan K-means. Penelitian ini bertujuan untuk melakukan klasifikasi tutupan lahan di Kecamatan Pangandaran menggunakan citra satelit Landsat 8 OLI (Operational Land Imager)
APA, Harvard, Vancouver, ISO, and other styles
8

Muslih, Muslih, and Eko Hari Rachmawanto. "CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI CITRA PENYAKIT DIABETES RETINOPATHY." SKANIKA 5, no. 2 (2022): 167–76. http://dx.doi.org/10.36080/skanika.v5i2.2945.

Full text
Abstract:
Diabetic Retinopathy (DR) merupakan suatu komplikasi yang terjadi karena adanya kerusakan pada pembuluh darah retina. DR melalui citra retina mata sudah pernah diteliti menggunakan proses peningkatan kualitas citra maupun teknik filtering. Citra DR, memiliki garis tebal dan tipis pada citra fundus dimana tebal tipisnya digunakan untuk menentukan apakah citra fundus tersebut terkategori sebagai citra DR. Biasanya, teknik filtering diperlukan dalam mempertajam garis pada citra fundus. Pada penelitian ini, optimasi dalam klasifikasi citra retina mata yang terdiagnosa retinopati telah dilakukan me
APA, Harvard, Vancouver, ISO, and other styles
9

Sanusi, Haura, Suryadi H. S., and Diana Tri Susetianingtias. "PEMBUATAN APLIKASI KLASIFIKASI CITRA DAUN MENGGUNAKAN RUANG WARNA RGB DAN HSV." Jurnal Ilmiah Informatika Komputer 24, no. 3 (2019): 180–90. http://dx.doi.org/10.35760/ik.2019.v24i3.2323.

Full text
Abstract:
Bagi orang awam, mengetahui tumbuhan berdasarkan warna daun tentu tidak mudah, mengingat semua warna daun relatif sama yaitu warna hijau, sehingga akan sulit juga untuk mengetahui manfaat dari tumbuhan tersebut. Oleh karena itu dibutuhkan sebuah sistem klasifikasi berdasarkan warna daun untuk mengetahui apa nama dan manfaat tumbuhan tersebut. Penelitian ini bertujuan untuk menghasilkan ekstraksi nilai red, green, blue, hue, saturation, dan value pada citra daun, menghasilkan klasifikasi citra daun berdasarkan hasil ekstraksi nilai RGB dan HSV, serta menghasilkan nilai akurasi hasil klasifikasi
APA, Harvard, Vancouver, ISO, and other styles
10

Wahyu Ningsih, Eka, Dede Sugandi, Lili Somantri, and Riki Ridwana. "Perbandingan Klasifikasi Penutup Lahan di Kota Bandung Menggunakan Metode Klasifikasi Berbasis Piksel dan Klasifikasi Berbasis Objek Pada Citra SPOT 7." JPIG (Jurnal Pendidikan dan Ilmu Geografi) 7, no. 1 (2022): 39–52. http://dx.doi.org/10.21067/jpig.v7i1.6500.

Full text
Abstract:
Pembangunan akan terus terjadi di suatu wilayah tertentu, sehingga mengakibatkan adanya perubahan penampakan fisik. Fokus utama dalam penelitian ini adalah membandingkan dua metode klasifikasi antara metode klasifikasi berbasis piksel, dan metode klasifikasi berbasis objek dengan menggunakan citra SPOT 7 sebagai data sekunder yang digunakan untuk proses klasifikasi, yang berlokasi di wilayah Kota Bandung. Klasifikasi citra menghasilkan 10 kelas penutup lahan diantaranya, bangunan industri, ladang/tegalan, lahan terbuka, perkebunan, permukaan diperkeras, permukiman, ruang terbuka hijau, sarana
APA, Harvard, Vancouver, ISO, and other styles
More sources

Book chapters on the topic "Klasifikasi citra"

1

Imam Machdi, Alfatihah Reno MNSPM, Arie Wahyu Wijayanto, Amanda Pratama Putra, and Setia Pramana. "Implementasi Big Data dan Kecerdasan Artifisial untuk Statistik Ofisial." In Prosiding Use Cases Artificial Intelligence Indonesia: Embracing Collaboration for Research and Industrial Innovation in Artificial Intelligence. Penerbit BRIN, 2023. http://dx.doi.org/10.55981/brin.668.c538.

Full text
Abstract:
Badan Pusat Statistik (BPS) dalam memajukan official statistics menerapkan Corporate Statistical Infrastructure yang mengadopsi tidak hanya sumber data administratif, sensus, dan survei, tetapi juga big data. Inovasi-inovasi pemanfaatan kecerdasan artifisial/artificial intelligence (AI) dan big data di BPS meliputi beberapa hal. Pertama, Mobile Positioning Data (MPD) for Official Statistics yang memanfaatkan informasi lokasi dari perangkat mobile untuk pendukung sumber data statistik pariwisata serta delineasi Metropolitan Statistical Area di kota besar dan mengestimasi jumlah komuter. Kedua,
APA, Harvard, Vancouver, ISO, and other styles

Conference papers on the topic "Klasifikasi citra"

1

Abdurrohman, Harits, Robih Dini, and Arief Purnama Muharram. "EVALUASI PERFORMA METODE DEEP LEARNING UNTUK KLASIFIKASI CITRA LESI KULIT THE HAM10000." In Seminar Nasional Instrumentasi, Kontrol dan Otomasi 2018. Pusat Teknologi Instrumentasi dan Otomasi ITB, 2019. http://dx.doi.org/10.5614/sniko.2018.10.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Sukmaningsih, Rania Virda. "KLASIFIKASI KERUSAKAN JALAN RAYA BERBASIS CITRA UDARA MENGGUNAKAN OBJECT-BASED IMAGE-ANALYSIS (OBIA)." In SEMINAR NASIONAL FISIKA 2016 UNJ. PRODI Pendidikan Fisika dan Fisika UNJ, 2024. http://dx.doi.org/10.21009/03.1201.fa05.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Fanshuri, Buyung Al, and Yunimar. "Pemetaan Kesehatan Tanaman Jeruk Dengan Metode Supervised Classification Berdasarkan Hasil Citra Drone." In Seminar Nasional Semanis Tani Polije 2021. Politeknik Negeri Jember, 2021. http://dx.doi.org/10.25047/agropross.2021.215.

Full text
Abstract:
Luas tanaman jeruk dilaporkan mengalami penurunan di beberapa daerah. Hal tersebut disebabkan oleh beberapa hal, diantaranya serangan penyakit dan kurangnya perawatan. Badan Pusat Statistik (BPS) hanya menyediakan data luasan produksi saja sehingga informasi tentang luasan tanaman yang sakit belum ada. Pemantauan kondisi tanaman dapat menggunakan penginderaan jauh. Penelitian ini bertujuan untuk mengembangkan metode penginderaan jauh dengan drone untuk mendeteksi kesehatan tanaman jeruk. Lokasi percobaan dilakukan di Banyuwangi dengan menggunakan drone phantom 4 dengan kamera RGB. Hasil foto d
APA, Harvard, Vancouver, ISO, and other styles
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!