• Tidak ada hasil yang ditemukan

Classification Height and Weight of Human Footprint Using Discrete Cosine Transform (DCT) and Nearest Neighbor (NN) Method Based on Android

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2021

Membagikan "Classification Height and Weight of Human Footprint Using Discrete Cosine Transform (DCT) and Nearest Neighbor (NN) Method Based on Android"

Copied!
7
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 7 Halaman )

Teks penuh

Gambar

Gambar 2. 1 Mengukur panjang T2-length 2.3 Equalisasi Histogram
Gambar 2. 2 Contoh hasil Histogram Equalization
Gambar 3.1 Diagram Alir Proses (a) Tahap latih dan uji, (b) Metode Ekstraksi ciri dan Klasifikasi
Gambar 4. 1 Pengujian waktu komputasi 4.2 Pengujian Akurasi Tinggi Badan
+2

Referensi

Unduh sekarang ( PDF - 7 Halaman - 450.88 KB )

Dokumen terkait

STEGANOGRAFI CITRA PADA KARAKTER KHUSUS AKSARA JAWA MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM IMAGE STEGANOGRAPHY TO JAVANESE SPECIAL CHARACTER USING DISCRETE COSINE TRANSFORM METHOD

Kesimpulan yang dapat diambil dari proses pengujian yang telah dilakukan adalah sistem deteksi tanda menggunakan metode threshold sudah dapat mendeteksi tanda

KLASIFIKASI KUALITAS KERUPUK UDANG SIDOARJO BERDASRKAN METODE SEGMENTASI WARNA WATERSHEDS DAH K NEAREST NEIGHBOR SIDOARJO PRAWN CRACKERS QUALITY CLASSIFICATION BASED ON WATERSHEDS COLOR SEGMENTATION AND K NEAREST NEIGHBOR

Berdasarkan hasil percobaan dan analisis klasifikasi kualitas kerupuk udang berdasarkan pengolahan citra digital yang ditinjau dari tekstur dan warna dengan metode ekstrasi

Estimasi Bobot Sapi Berdasarkan Registrasi Citra Digital dengan Metode Fraktal dan Klasifikasi K-Nearest Neighbor Cattle Weight Estimation Based on Digital Image Registration with Fractal Method And K-Nearest Neighbor Classification

Akurasi dan waktu komputasi sistem tersebut diperoleh dengan jumlah data latih sebanyak 35 citra dan jumlah data uji 21 citra, dengan nilai dari masing-masing parameter

SIMULASI DAN ANALISIS SISTEM KLASIFIKASI BATUBARA MENGGUNAKAN FUZZY COLOR HISTOGRAM, DISCRETE COSINE TRANSFORM, DAN K-NEAREST NEIGHBOR PADA CITRA DIGITAL Simulation and Analysis of Image Processing in Coal Classification System Using Fuzzy Color Histogram

Skenario 1 pengujian sistem dengan menggunakan metode ekstraksi ciri DCT dengan klasifikasi K-NN, yaitu dengan melihat perubahan parameter akurasi dan waktu komputasi terhadap

DETEKSI KUALITAS KEJU BERDASARKAN SEGMENTASI WARNA DAN TEKSTUR DENGAN METODADISCRETE COSINE TRANSFORM (DCT) DENGAN KLASIFIKASI K-NEAREST NEIGHBOR (K-NN) PADA CITRA DIGITAL Quality Detection of Cheese on Color Segmentation and Textureusing Discrete Cosine

Sehingga didapatkan akurasi terbaik sebesar 85.41 % dan waktu komputasi 0.6152s dengan menggunakan metode DCT dimana digunakan ekstraksi ciri berdasarkan tekstur dan warna

ESTIMASI BOBOT KARKAS SAPI MENGGUNAKAN METODE FRAKTAL DAN KLASIFIKASI K-NEAREST NEIGHBOR (KNN) BERBASIS ANDROID BEEF CATTLE CARCASS WEIGHT ESTIMATION USING FRACTAL METHOD AND K-NEAREST NEIGHBOR (KNN) CLASSIFICATION BASED ON ANDROID

Pada pengujian skenario 5, dilakukan analisis pengaruh nilai k dalam metode K-Nearest Neighbor terhadap akurasi dan waktu komputasi sistem. Akurasi yang dihitung pada pengujian

SISTEM KLASIFIKASI SEL DARAH PUTIH BERBASIS PENGOLAHAN CITRA DIGITAL DAN K-NEAREST NEIGHBOUR (K-NN)

Dari hasil pengujian sistem diperoleh hasil klasifikasi sel darah putih melalui pengolahan citra digital dan metode K-NN dengan tingkat akurasi yang terbaik 76%

STEGANOGRAFI CITRA PADA KARAKTER KHUSUS AKSARA JAWA MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM

Kesimpulan yang dapat diambil dari proses pengujian yang telah dilakukan adalah sistem deteksi tanda menggunakan metode threshold sudah dapat mendeteksi tanda