TRUNOJOYO-Tugas Akhir-18332-Conclusion.pdf
Restricted to Repository staff only
Download (191kB)
TRUNOJOYO-Tugas Akhir-18332-References.pdf
Restricted to Repository staff only
Download (496kB)
TRUNOJOYO-Tugas Akhir-18332-Chapter4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-18332-Chapter3.pdf
Restricted to Repository staff only
Download (523kB)
TRUNOJOYO-Tugas Akhir-18332-Chapter2.pdf
Restricted to Repository staff only
Download (279kB)
TRUNOJOYO-Tugas Akhir-18332-Chapter1.pdf
Restricted to Repository staff only
Download (55kB)
TRUNOJOYO-Tugas Akhir-18332-Cover.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-18332-Abstract.pdf
Restricted to Repository staff only
Download (46kB)
Abstract
Bayangan sangat mempengaruhi dalam pengenalan objek pada citra. Dalam pengambilan sebuah gambar di bawah cahaya akan menghasilkan bayangan. Suatu bayangan terjadi ketika objek yang secara persial atau secara total mengarah terhadap cahaya dari suatu sumber penerangan. Bayangan yang terdapat pada suatu gambar dapat mengurangi daya tarik visual secara keseluruhan. Oleh karena itu, penghapusan bayangan penting diimplementasikan untuk mengenali suatu objek pada gambar. Pada penelitian ini diusulkan metode Fuzzy C-Means yang di optimasikan dengan Particle Swarm Optimization untuk menentukan pusat cluster yang lebih baik. Metode yang diusulkan akan diterapkan dalam proses clustering daerah bayangan dan non-bayangan pada citra bayangan. Proses clustering akan menghasilkan cluster image yang akan diubah menjadi citra biner sebagai hasil deteksi bayangan. Untuk hasil deteksi bayangan daerah bayangan berwarna putih dan non-bayangan berwarna hitam. Untuk menghilangkan bayangan yang sudah terdeteksi dengan menambahkan gamma correction pada daerah bayangan yang digunakan untuk meningkatkan pencahayaan pada daerah bayangan, sehingga warna daerah bayangan akan sama dengan daerah non-bayangan. Dari penelitian ini menunjukkan nilai RMSE yang dihasilkan dari penggunaan Fuzzy C-Means terkecil sebesar 0.67612, sedangkan penggunaan Fuzzy CMeans dan Particle Swarm Optimization untuk proses segmentasi menghasilkan nilai RMSE terkecil sebesar 0.59410.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM ENY FEBRIANTI |
| Department | Informatika |
| Uncontrolled Keywords | Bayangan ; Fuzzy C-Means ; Particle Swarm Optimization |
| Divisions | Fakultas Teknik > S1 - Informatika |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 16 Oct 2026 09:09 |
| Last Modified | 24 Oct 2026 17:07 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/19944 |
