ctrlnum 1310
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://kc.umn.ac.id/1310/</relation><title>Analisis segmentasi citra menggunakan algoritma k-means, mean shift, dan normalized cut</title><creator>Panjaitan, Jhon Hendro</creator><subject>QA75 Electronic computers. Computer science</subject><subject>T58.59 Algorithm</subject><description>Segmentasi citra menggunakan algoritma K-Means, Mean Shift, dan&#xD; Normalized Cut pada penelitian ini melakukan segmentasi citra berbasis&#xD; clustering. Penelitian ini melakukan segmentasi pada tiga citra berwarna yaitu&#xD; citra buah dengan jumlah variasi warna sedikit, citra buah dengan jumlah variasi&#xD; warna banyak, dan citra konstruktif dengan posisi warna yang lebih banyak.&#xD; Analisa tingkat keberhasilan segmentasi di ukur menggunakan histogram. Dari&#xD; hasil pengujian yang dilakukan, algoritma K-Means lebih baik digunakan jika&#xD; jumlah variasi pada gambar sedikit yaitu antara 4-6 warna, sehingga pengguna&#xD; dapat menentukan langsung jumlah cluster yang diinginkan. Sementara itu, untuk&#xD; algoritma Mean Shift lebih baik digunakan jika jumlah cluster yang digunakan&#xD; tidak di ketahui. Semetara itu, segmentasi citra menggunakan Normalized Cut&#xD; hasilnya kurang baik karena algoritma Normalized Cut melakukan segmentasi&#xD; citra berdasarkan graph cut pada citra.</description><date>2016</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/1/HALAMAN%20AWAL.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/2/BAB%20I.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/3/BAB%20II.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/4/BAB%20III.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/5/BAB%20IV.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/6/BAB%20V.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/7/DAFTAR%20PUSTAKA.pdf</identifier><type>Book:Book</type><language>eng</language><rights>cc_by_nc_sa_4</rights><identifier>http://kc.umn.ac.id/1310/8/LAMPIRAN.pdf</identifier><identifier> Panjaitan, Jhon Hendro (2016) Analisis segmentasi citra menggunakan algoritma k-means, mean shift, dan normalized cut. Bachelor Thesis thesis, Universitas Multimedia Nusantara. </identifier><recordID>1310</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Panjaitan, Jhon Hendro
title Analisis segmentasi citra menggunakan algoritma k-means, mean shift, dan normalized cut
publishDate 2016
topic QA75 Electronic computers. Computer science
T58.59 Algorithm
url http://kc.umn.ac.id/1310/1/HALAMAN%20AWAL.pdf
http://kc.umn.ac.id/1310/2/BAB%20I.pdf
http://kc.umn.ac.id/1310/3/BAB%20II.pdf
http://kc.umn.ac.id/1310/4/BAB%20III.pdf
http://kc.umn.ac.id/1310/5/BAB%20IV.pdf
http://kc.umn.ac.id/1310/6/BAB%20V.pdf
http://kc.umn.ac.id/1310/7/DAFTAR%20PUSTAKA.pdf
http://kc.umn.ac.id/1310/8/LAMPIRAN.pdf
http://kc.umn.ac.id/1310/
contents Segmentasi citra menggunakan algoritma K-Means, Mean Shift, dan Normalized Cut pada penelitian ini melakukan segmentasi citra berbasis clustering. Penelitian ini melakukan segmentasi pada tiga citra berwarna yaitu citra buah dengan jumlah variasi warna sedikit, citra buah dengan jumlah variasi warna banyak, dan citra konstruktif dengan posisi warna yang lebih banyak. Analisa tingkat keberhasilan segmentasi di ukur menggunakan histogram. Dari hasil pengujian yang dilakukan, algoritma K-Means lebih baik digunakan jika jumlah variasi pada gambar sedikit yaitu antara 4-6 warna, sehingga pengguna dapat menentukan langsung jumlah cluster yang diinginkan. Sementara itu, untuk algoritma Mean Shift lebih baik digunakan jika jumlah cluster yang digunakan tidak di ketahui. Semetara itu, segmentasi citra menggunakan Normalized Cut hasilnya kurang baik karena algoritma Normalized Cut melakukan segmentasi citra berdasarkan graph cut pada citra.
id IOS6965.1310
institution Universitas Multimedia Nusantara
institution_id 355
institution_type library:university
library
library Perpustakaan Universitas Multimedia Nusantara
library_id 306
collection Knowledge Center UMN
repository_id 6965
subject_area Business/Bisnis
Communication/Komunikasi
Art Apreciation/Apresiasi Seni
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
city TANGERANG
province BANTEN
shared_to_ipusnas_str 1
repoId IOS6965
first_indexed 2019-04-04T01:20:29Z
last_indexed 2019-04-04T01:20:29Z
recordtype dc
_version_ 1683865381909823488
score 17.538404