Blog Tugas Kuliah

Selasa, 17 April 2012

TUGAS PC

TUGAS PENGOLAHAN CITRA

Risya Saumi R(0609u091)

MORFOLOGI CITRA

MORFOLOGI CITRA

Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melaui proses sampling.

Morgologi adalah ilmu yang mempelajari seluk beluk bentuk kata serta fungsi perubahan-perubahan bentuk kata itu, baik fungsi gramatik maupun fungsi sematik.

Operasi morfologi adalah teknik pengolahan citra yang didasarkan pada bentuk segmen region dalam citra. Karena difokuskan pada bentuk objek, maka operasi ini biasanya diterapkan pada cita biner. Biasanya segmen tadi didasarkan pada objek yang menjadi perhatian. Segmentasi dilakukan dengan membedakan antara objek dan latar, antara lain dengan memanfaatkan operasi pengembangan yang mengubah citra warna dan skala keabuan manjadi citra biner.

Hasil operasi morfologi dapat dimanfaatkan untuk pengambilan keputusan dengan analisis lebih lanjut. Operasi ini antara lain meliputi: pencarian batas/kontur,dilasi, penutupan, pembukaan, pengisian, pelabelan, dan pengerangkaan

1) Pencarian Batas/Kontur
     Operasi ini digunakan untuk menentukan batas/kontur dari segmen obyek.
2) Dilasi
     Operasi dilasi dilakukan untuk memperbesar ukuran segmen obyek dengan menambah lapisan di sekeliling obyek.
3) Erosi
     Operasi erosi adalah kebalikan dari operasi dilasi. Pada operasi ini, ukuran obyek diperkecil dengan mengikis sekeliling obyek.
4) Penutupan(Closing)
     Operasi penutupan adalah kombinasi antara operasi dilasi dan erosi yang dilakukan secara berurutan. Citra asli didilasi terlebih dahulu, kemudian hasilnya dierosi.
5) Pembukaan(Openig)
     Operasi pembukaan juga merupakan kombinasi antara operasi erosi dan dilasi yang dilakukan secara berurutan, tetapi citra asli dierosi terlebih dahulu baru kemudian hasilnya didilasi.
6) Pengisian(Filling)
     Pada operasi ini, citra masukan adalah citra batas/kontur, kemudian dilakukan pengisian sehingga diperoleh segmen obyek yang pejal/solid.
7) Pengerangkaan(Skeletonization)
   Pengerangkaan adalah suatu proses pengikisan sebuah obyek sebanyak mungkin dengan tetap mempertahankan bentuk umum dari polanya. Dengan kata lain, setalah sebagian besar titik pada obyek tersebut dihilangkan, maka pola dari obyek tersebut harus tetap dapat dikenali. Pola yang tertinggal ini disebut sebagai kerangka (skeleton), di mana sifat-sifatnya adalah:
    a) Ketipisan : kerangka objek berukuran setipis mungkin (1 atau 2 titik).
    b) Konektivitas: kerangka dari suatu obyek terhubung satu sama lain sesuai dengan topologi pola aslinya.
    c) Posisi: letak kerangka berada tepat di tengah obyek.
   d) Stabilitas: setelah suatu bagian kerangka diperoleh, maka bagian tersebut tidak akan terkikis lagi oleh operasi pengikisan berikutnya.

Ket smber: http://umahamidah.blogspot.com/2011/05/morfologi-citra.html

Rabu, 14 Maret 2012

Tugas Pengolahan citra

Tugas Pengolah Citra

Risya Saumi R (0609u091)

Membuat Neighbourhood :Min, Max, Median, Biner

Coding Biner : If PicAda = False Then
            MsgBox("Pilih dulu gambar yang akan diproses", MsgBoxStyle.Critical + MsgBoxStyle.OkOnly, "Error Proses")
            Exit Sub
        End If
        bmap = New Bitmap(picAwal.Image) 'Gambar asli dijadikan gambar Bitmap
        picAwal.Image = bmap
        Dim tempbmp As New Bitmap(picAwal.Image) 'deklarasi gambar Bitmap dari gambar asli untuk diproses
        Dim DX As Integer = 1
        Dim DY As Integer = 1
        Dim Red As Integer, Green As Integer, Blue As Integer, Grey As Integer
        Dim X, Y As Integer
        ProgressBar1.Width = picAwal.Width
        ProgressBar1.Show()
        With tempbmp
            For X = DX To .Height - DX - 1
                For Y = DY To .Width - DY - 1
                    Red = CInt(.GetPixel(Y, X).R) 'ambil nilai warna merah (Red) pada pixel(Y,X)
                    Green = CInt(.GetPixel(Y, X).G) 'ambil nilai warna hijau (Green) pada pixel(Y,X)
                    Blue = CInt(.GetPixel(Y, X).B) 'ambil nilai warna biru (Blue) pada pixel(Y,X)
                    Grey = (Red + Green + Blue) / 3 'konversi warna pada pixel Y,X ke grey
                    If (Grey < 128) Then
                        Red = 0
                        Green = 0
                        Blue = 0
                    Else
                        Red = 255
                        Green = 255
                        Blue = 255
                    End If
                    bmap.SetPixel(Y, X, Color.FromArgb(Red, Green, Blue)) 'simpan warna baru pada pixel(Y,X)
                Next
                If X Mod 10 = 0 Then
                    picAwal.Invalidate()
                    Me.Text = "Progres Proses Biner : " & Int(100 * X / (picAwal.Image.Height - 2)).ToString & "%"
                    ProgressBar1.Value = Int(100 * X / (picAwal.Image.Height - 2))
                    picAwal.Refresh()
                End If
            Next
        End With
        ProgressBar1.Hide()
        picAwal.Refresh()
        Me.Text = "Pengolahan Citra : Proses Biner berhasil"

ket: untuk yg lainya saya bikin link bu :))

Minggu, 11 Maret 2012

Business Intelligence

Nama: Risya Saumi Rosandi
NPM : 0609u091
TUGAS III
Business Intelligence

Jelaskan menurut pengertian anda sendiri, apa yang dimaksud dengan business intelligence?

Jawab: Business intelligence adalah istilah umum yang menggabungkan berbagai macam aspek yang di pakai dalam dunia informasi terutama bisinis, yang nantinya digabungkan dalam aplikasi, alat-alat analisis, database, dll, untuk bisa digunakan untuk membuat data dan keputusan dalam membuat suatu model data dan melakukan analisis dengan baik.

Sebutkan 4 komponen utama BI dan jelaskan kegunaan masing-masing komponen?

Jawab:a. Gudang data: dasar dari setiap system menengah samapai besar BI.

b. Bisnis analis: kumpulan alat untu memanipulasi, pertambangan, dan menganalisis data dalam gudang data.

c. Bisnis kinerja manajemen : untuk memantau dan menganalisis kinerja

d. user interface : misalnya dashboard

Apa kegunaan Data Warehouse bagi business intelligence?

Jawab : a. peningkatan return on Investment(ROI)

b. peningkatan Competitive Advabtage

c. peningkatan produktivitas dalam pengambilan keputusan melalui pengintegrasian data yang konsisten, bersifat subyek-orinted dan berisi informasi secara historis.

Jelaskan tahapan-tahapan utama pengumpulan data pada Data Warehouse?

Jawab: tahapan utama pengumpulan data pada ata warehouse dalam database :

a. Pemilihan proses

b. Pemilihan sumber

c. Mengidentifikasi Dimensi

d. Pemilihan fakta

e. Menyimpan pre-kalkulasi ditabel fakta

f. Melengkapi table dimensi

g. Pemilihan durasi database

h. Menelusuri perubahan dimensi yang perlahan

i. Menentukan prioritas dam mode query

Apa hubungan antara OLAP dan OLTP?

Jawab: a. Online Transaction Processing (OLTP)adalah system yang berorientasi proses yang memperoses suatu interaksi secara langsung memali computer yang terhubung dalam jaringan.

b.Onilne Analytical Processing(OLAP) adalah yang merupakan bagian dari Busines Intelligencey yang berguna untuk menyediakan laporan analisis, seperti penjualan , marketing dll.

Dengan 2sumber diatas, dapat kita ketahui jika OLTP dan OLA adalah berbeda, walaupun sama-sama online. Dari segi pengeritaanya saja dapat diketahui bahwa yang berorientasi proses dan satunya lagi berorientasi subjek.

Apa kaitan antara Data Warehouse, Data Mining dan Data Mart?

Jawab: Data warehouse: metode penyimpanan data dalam skala yang sangat besar.

Data Mining : metode pencarian pengetahuan baru yang terkandung dalam data yang sangat besar.

Data mart: adalah subset dari gudang data yang didalamnya terdapat ringkasan yang diberikan kepada pengguna tertentu.

Hubungan data mart dan data warehouse: Data mart memfokukan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemn atau fungsi bisnis. Data mart biasanya tidak megandung data operasional yang rinci seperti pada data warhouse.

Salah satu fitur Business Intelligence adalah business performance management, misalnya untuk melakukan monitoring. Jelaskan apa yang dimaksud dengan “dispersion” pada monitoring dan bagaimana cara mengukurnya?

Jawab:

Dispersion adalah penyebaran, yang dimaksud dengan dispersion pada monitoring adalah memonitor penyebaran suatu produk dalam perusahaan.

Cara mengukur dispersion yaitu :

a. Dengan cara menghitung berapa banyak variabilitas yang ada sekitar mean

b. dengan menggunakan deviasi standard

Selasa, 28 Februari 2012

CONVOLUTION

PEMROGRAMAN MATLAB :

>> gambar=imread('park.jpg');

>> mask = [-1 -1 -1; -1 8 -1;-1 -1 -1];

>> gray=rgb2gray(gambar);

>> thresh=graythresh(gray);

>> imbw=im2bw(gray,thresh);

>> hasil=conv2(double(imbw),mask,'valid');

>> imshow(gambar)

>> figure, imshow(hasil)

________________________

3-by-3 Neighborhoods

Untuk 3-oleh-3 lingkungan, panjang (Lut) adalah 512. Ada sembilan piksel di lingkungan masing-masing, dan dua keadaan yang mungkin untuk setiap pixel, sehingga jumlah total permutasi adalah 29 = 512.

Untuk menghasilkan matriks indeks, applylut convolves gambar BW biner dengan matriks ini.

256    32     4
128    16     2
64     8     1

Konvolusi yang dihasilkan mengandung nilai integer dalam kisaran [0511]. applylut menggunakan bagian tengah dari konvolusi, dengan ukuran yang sama sebagai BW, dan menambah 1 untuk setiap nilai bergeser kisaran untuk [1.512]. Kemudian membangun A dengan mengganti nilai dalam sel-sel dari matriks indeks dengan nilai-nilai dalam Lut bahwa indeks menunjuk ke.

lut = makelut('sum(x(:)) == 4',2);
BW = imread('text.png');
BW2 = applylut(BW,lut);
imshow(BW), figure, imshow(BW2)

CITRA ASAL

Citra asal	Citra filter Mask= [-1 -1 -1; -1 8 -1;-1 -1 -1];	Citra filter Mask= [1 0 0; 0 0 2; 2 2 2];

Binary Citra Asal

Binary citra yg sudah d filter

Penghitungan Convolution Secara manual

Binary Asal	Binary filter

192	193	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255

Rumus: e_procesed = v*e + z*a + y*b + x*c + w*d + u*e + t*f + j*g + r*h =

Neighbour

e_procesed= 255.193 + 255.192 + 255.193 + 255.198 + 255.192 + 255.198 + 255.192 +255.193 + 255.198 = 49215 + 48960 + 49215 + 50490 + 48960 + 50490 + 48960 + 49215 + 50490 = 445995/255 = 1749

3 titik simple

^ Pixel tengah

192	193	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255

e_procesed= 255.201 + 255.199 + 255.202 + 255.202 + 255.199 + 255.202 + 255.198 +255.201 + 255.201 = 51255 + 50745 + 51510 + 51510 + 50745 + 51510 + 50490 + 51255 + 51255 = 460275/255 = 1805

^Tepi atas

192	1 93	198
192	193	198
192	193	198

255	255	255
255	255	255
255	255	255