Slide 1 title

Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.

Slide 2 title

Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.

Slide 3 title

Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.

Slide 4 title

Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.

Slide 5 title

Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.

Kamis, 27 Oktober 2016

Program C++ Untuk Mencetak Selisih Antara Nilai Terbesar Dengan Nilai Terkecil

Program C++ Untuk Mencetak Selisih Antara Nilai Terbesar Dengan Nilai Terkecil
Dibawah ini merupakan program untuk mencetak selisih antara bilangan terbesar dengan bilangan terkecil diantara 6 bilangan yang diinputkan.
#include <iostream>
using namespace std;

int main()
{
    float data [6];
    int i = 0;
    float selisih;
            cout<<"Nama : Lukman Hakim"<<endl;
            cout<<"NIM  : 153040038"<<endl<<endl;
            cout<<"           ***PROGRAM MENCARI SELISIH TERBESAR DALAM SEBUAH     ARRAY***"<<endl<<endl;

    while(i < 6)
            {
        cout << "Bilangan ke-" << i+1 << " : ";
        cin >> data[i];
        i++;
            }         
                cout<<endl<<endl;
            int max = data[6];
            int index = 1;

    while(index < 6)
            {
                if(data[index] > max)
                        {
                        max = data[index];
                        }
            index++;
            }

        cout << "Bilangan terbesar pada array = " << max << endl;
            int min = data[0];
            int indeks = 1;
           
    while(indeks < 6)
            {
            if(data[indeks] < min)
                        {
                        min = data[indeks];
                        }         
            indeks++;
            }
        cout << "Bilangan terkecil pada array = " << min << endl;
        cout<<endl;

            selisih=max-min;
        cout<<"Selisih Bilangan Terbesar Dan Terkecil : " <<selisih<<endl;
    return 0;
}

HASIL PROGRAM

Cara Kerja Program :
a.       Mencari Nilai Terbesar
Yaitu dengan membandingkan nilai sekarang dengan nilai max. Apabila nilai yang dibandingkan lebih besar dari nilai max, maka nilai max diganti nilai yang dibandingkan itu. Apabila nilai yang dibandingkan lebih kecil dari nilai max, maka nilai max masih tetap.
Contoh :
3 4 5 6 1 8             // nilai max = 3
3 4 5 6 1 8             // 4 > 3, maka nilai max diganti = 4
3 4 5 6 1 8             // 5 > 4, maka nilai max diganti = 5
3 4 5 6 1 8             // 6 > 5, maka nilai max diganti = 6
3 4 5 6 1 8             // 1 < 6 , nilai max tetap = 6
3 4 5 6 1 8             // 8 > 6, maka nilai max diganti = 8
MAKA NILAI MAX = 8
b.      Mencari Nilai Terkecil
Yaitu dengan membandingkan nilai sekarang dengan nilai min. Apabila nilai yang dibandingkan lebih kecil dari nilai min, maka nilai min diganti nilai yang dibandingkan itu. Apabila nilai yang dibandingkan lebih besar dari nilai min, maka nilai min masih tetap.
Contoh :
3 4 5 6 1 8             // nilai min =3
3 4 5 6 1 8             // 4 > 3 , maka nilai min tetap = 3
3 4 5 6 1 8             // 5 > 3, nilai min tetap = 3
3 4 5 6 1 8             // 6 > 3, nilai min = 3
3 4 5 6 1 8             // 1 < 3 , nilai min diganti = 1
3 4 5 6 1 8             // 8 > 1, nilai min tetap yaitu = 1
MAKA NILAI MIN = 1
c.       Mencari Selisih dengan mengurangi nilai Terbesar-nilai Terkecil
= NILAI MAX – NILAI MIN
= 8 – 1
= 7
Jadi Selisih dari Program tersebut yaitu 7
Share:

Review Jurnal Pengolahan Citra Digital

Review Jurnal Pengolahan Citra Digital

Judul              : Deteksi Plat Nomor Kendaraan Bermotor Berdasarkan Area pada
Image    Segementation
Penulis            : Nur Wakhidah UNIVERSITAS SEMARANG
Reviewer        : Lukman Hakim
NIM                : 153040038

Abstract
            Parking system has begun to use the camera to capture images of licence plates of motor vehicles. However, shooting is only a database of images only. Human factors can lead to errors of recording the number of motor vehicles and course this will affect the duration of the service of the existing parking system. Pattern recognition can be used to implement  automatic number plate identification is very useful for everday life, such as parking management, traffic moitoring, ticketing arrangements, and payment of the toll road.
Keywords : detection, plate, image, segmentation
1.        PENDAHULUAN
Di Indonesia pencatatan plat nomor kendaraan dijumpai salah satunya di tempat parkir. Dimana sistem parkir menggunakan kamera untuk menangkap gambar dari plat nomor polisi kendaraan bermotor. Namun pengambilan gambar tersebut hanya sebatas database berupa image saja. Faktor manusia juga bisa menyebabkan kesalahan pencatatan nomor kendaraan bermotor dan tentu saja hal ini akan mempengaruhi lamanya proses pelayanan dari sistem perparkiran yang ada. Pengenalan pola dapat dimanfaatkan untuk menerapkan identifikasi plat nomor secara otomatis yang sangat berguna bagi kehidupan sehari-hari, misalnya manajemen tempat parkir, monitoring lalu lintas, pengaturan tiket, dan pembayaran jalan tol.
2.        PERMASALAHAN
Bagaimana mendeteksiplat nomor mobil berdasarkan region pada image segmentasi dari data gambar (citra) yang diambil dari kamera, seperti yang tampak pada gambar dibawah ini ?
3.        LANDASAN TEORI
3.1.       Citra (Image)
Cita dikelompokan menjadi citra tampak dan citra tak nampak. Contoh citra nampak adalah foto keluarga, lukisan, apa yang tampak di layar monitor. Sedangkan citra tak tampak misalnya gambar dalam file (citra digital), citra yang representasikan dengan fungsi matematis. Agar citra tak tampak dapat dilihat manusia maka harus diubah dulu menjadi citra tampak dengan menampilkannya dimonitor atau dicetak diatas kertas.
3.2.       Citra Digital (Digital Image)
Merupakan citra digital berbentuk persegi panjang, dengan dimensi ukuranya dinyatakan sebagai lebar x tinggi (width x height). Selain itu Citra digitaljuga memiliki koordinat spasi, dengan tingkat kecerahan atau intensitas cahaya yang memiliki numeric yang diskrit dipresentasikan dalam bentuk fungsi matematis yang menyatakan f(x,y) yang menyatakan cahaya pada titik (x,y). Citra digital disimpan didalam berkas (file) dengan format tertentu. Format citra yang baku di lingkungan system operasi Microsoft Windows adalah berkas bitmap (bmp). Format bmp mempunyai kelebihan dari segi kualitas gambar apabila citra ditampilkan pada layar monitor, karena citra dalam format BMP umumnya tidak dimampatkan, sehingga tidak ada informasi yang hilang, walaupun akibatnya ukuran berkasnya relative besar.
4.        PEMBAHASAN
Untuk menyelesaikan permasalahan tersebut, maka dilakukan beberapa tahap yaitu
4.1.       Tahap Preprossesing
Tahap preprossesing adalah proses  awal yang dilakukan untuk memudahkan mengenal objek yang dikenali/ diklasifikasikan.. Sehingga dalam tahap ini adalah mengkondisikan gambar plat agar dapat ditemukan posisi plat nomor dan memisahkan dari latar belakangnya.
Langkah-langkah yang dilakukan adalah:
4.1.1        Resize Image
Sebuah proses yang dilakukan untuk mengubah sebuah citra digital. Image diresize menjadi 0,6 dari ukuran semula bertujuan untuk mempercepat proses. Proses resize dilakukan dengan menggunakan interpolasi. Dimana interpolasi adalah proses yang digunakan untuk mengestimasi nilai intensitas diantara dua pixel. Sehingga proses ini menghasilkan lokasi pĂ­xel yang baru.  Metode interpolasi yang disediakan oleh matlab 7.4.0 (R2007a) adalah Nearestneighbor interpolation, Bilinear interpolation, dan Bicubic interpolation.
4.1.2        Konversi Warna RGB ke Greyscale
Untuk mengubah warna RGB menjadi grayscale dengan mempertahankan Luminance (Y) dan menghapus Hue (I) dan Saturation (S) harus diawali dengan mengetahui nilai warna merah, hijau dan biru. Pengubahannya adalah dengan menjumlahkan nilai 30% dari warna merah, 59% nilai hijau, dan 11% dari nilai warna biru. Level yang digunakan dapat menggunakan 0.0 sampai 1.0, 0 sampai 255, atau 0% sampai 100%. Coding yang dituliskan pada Matlab adalah :
4.1.3        Deteksi Tepi
Tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang cepat/tiba-tiba (besar) dalam jarak yang singkat. Dimana tujuan deteksi tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau obyek di dalam citra sehingga dapat menentukan batas antara dua daerah dengan greylevel yang berbeda.  Operator yang dapat digunakan dalam pendeteksian tepi adalah :
4.1.4        Menghilangkan noise
Dengan menghilangkan luasan yang mempunyai luasan kurang dari 10 pixel, sehingga luasan yang tidak digunakan akan dibersihkan.
4.2.       Tahap Segmentasi Plat 
Dalam tahap ini merupakan tahap pemecahan image kedalam obyek-obyek yang terkandung didalamnya yang dapat menjadi sarana untuk automated image analysis, misal untuk  pengenalan obyek-obyek dalam image.Segmentasi dapat dilakukan berdasar pada kemiripan (similarity), dimana image dibagi berdasar kemiripan gray level.
Mencari luas area yang telah diindex
Masing-masing kandidat dicari luasannya, kandidat yang terpilih dicari koordinatnya,    dan informasi koordinat digunakan untuk mencrop image yang hanya terdapat informasi   plat nomor.
Tahapan segmentasi plat adalah sebagai berikut:
·       Mengindex semua objek yang terdapat pada image
·       Mencari luas masing-masing objek
·       Mencari objek yang mempunyai luas sebagai plat nomor
Tujuan dari proses ini adalah untuk mengekstrak plat nomor dari gambar yang diambil. Output dari proses ini adalah gambar plat nomor yang tepat pada plat nomornya.

5.        KESIMPULAN
Dari uraian diatas dapat ditarik beberapa kesimpulan, yaitu:
·      Tahap preprossesing merupakan tahap  yang dapat memudahkan untuk mengenali objek yang akan dikenali/  diklasifikasikan.
·      Resize Image mampu mempercepat proses dengan teknik interpolasinya.
·      Deteksi Tepi dengan operator sobel memberikan hasil yang lebih baik daripada operator lainnya.

·      Luas area maksimum mampu mengidentifikasi plat nomor mobil setelah penyambungan piksel, menghilangkan noise, menghilangkan hole dan pengindeksan setiap objek.
Share:
Review Jurnal Pengolahan Citra Digital

Judul              : Deteksi Plat Nomor Kendaraan Bermotor Berdasarkan Area pada
Image    Segementation
Penulis            : Nur Wakhidah UNIVERSITAS SEMARANG
Reviewer        : Lukman Hakim
NIM                : 153040038

Abstract
            Parking system has begun to use the camera to capture images of licence plates of motor vehicles. However, shooting is only a database of images only. Human factors can lead to errors of recording the number of motor vehicles and course this will affect the duration of the service of the existing parking system. Pattern recognition can be used to implement  automatic number plate identification is very useful for everday life, such as parking management, traffic moitoring, ticketing arrangements, and payment of the toll road.
Keywords : detection, plate, image, segmentation
1.        PENDAHULUAN
Di Indonesia pencatatan plat nomor kendaraan dijumpai salah satunya di tempat parkir. Dimana sistem parkir menggunakan kamera untuk menangkap gambar dari plat nomor polisi kendaraan bermotor. Namun pengambilan gambar tersebut hanya sebatas database berupa image saja. Faktor manusia juga bisa menyebabkan kesalahan pencatatan nomor kendaraan bermotor dan tentu saja hal ini akan mempengaruhi lamanya proses pelayanan dari sistem perparkiran yang ada. Pengenalan pola dapat dimanfaatkan untuk menerapkan identifikasi plat nomor secara otomatis yang sangat berguna bagi kehidupan sehari-hari, misalnya manajemen tempat parkir, monitoring lalu lintas, pengaturan tiket, dan pembayaran jalan tol.
2.        PERMASALAHAN
Bagaimana mendeteksiplat nomor mobil berdasarkan region pada image segmentasi dari data gambar (citra) yang diambil dari kamera, seperti yang tampak pada gambar dibawah ini ?
3.        LANDASAN TEORI
3.1.       Citra (Image)
Cita dikelompokan menjadi citra tampak dan citra tak nampak. Contoh citra nampak adalah foto keluarga, lukisan, apa yang tampak di layar monitor. Sedangkan citra tak tampak misalnya gambar dalam file (citra digital), citra yang representasikan dengan fungsi matematis. Agar citra tak tampak dapat dilihat manusia maka harus diubah dulu menjadi citra tampak dengan menampilkannya dimonitor atau dicetak diatas kertas.
3.2.       Citra Digital (Digital Image)
Merupakan citra digital berbentuk persegi panjang, dengan dimensi ukuranya dinyatakan sebagai lebar x tinggi (width x height). Selain itu Citra digitaljuga memiliki koordinat spasi, dengan tingkat kecerahan atau intensitas cahaya yang memiliki numeric yang diskrit dipresentasikan dalam bentuk fungsi matematis yang menyatakan f(x,y) yang menyatakan cahaya pada titik (x,y). Citra digital disimpan didalam berkas (file) dengan format tertentu. Format citra yang baku di lingkungan system operasi Microsoft Windows adalah berkas bitmap (bmp). Format bmp mempunyai kelebihan dari segi kualitas gambar apabila citra ditampilkan pada layar monitor, karena citra dalam format BMP umumnya tidak dimampatkan, sehingga tidak ada informasi yang hilang, walaupun akibatnya ukuran berkasnya relative besar.
4.        PEMBAHASAN
Untuk menyelesaikan permasalahan tersebut, maka dilakukan beberapa tahap yaitu
4.1.       Tahap Preprossesing
Tahap preprossesing adalah proses  awal yang dilakukan untuk memudahkan mengenal objek yang dikenali/ diklasifikasikan.. Sehingga dalam tahap ini adalah mengkondisikan gambar plat agar dapat ditemukan posisi plat nomor dan memisahkan dari latar belakangnya.
Langkah-langkah yang dilakukan adalah:
4.1.1        Resize Image
Sebuah proses yang dilakukan untuk mengubah sebuah citra digital. Image diresize menjadi 0,6 dari ukuran semula bertujuan untuk mempercepat proses. Proses resize dilakukan dengan menggunakan interpolasi. Dimana interpolasi adalah proses yang digunakan untuk mengestimasi nilai intensitas diantara dua pixel. Sehingga proses ini menghasilkan lokasi pĂ­xel yang baru.  Metode interpolasi yang disediakan oleh matlab 7.4.0 (R2007a) adalah Nearestneighbor interpolation, Bilinear interpolation, dan Bicubic interpolation.
4.1.2        Konversi Warna RGB ke Greyscale
Untuk mengubah warna RGB menjadi grayscale dengan mempertahankan Luminance (Y) dan menghapus Hue (I) dan Saturation (S) harus diawali dengan mengetahui nilai warna merah, hijau dan biru. Pengubahannya adalah dengan menjumlahkan nilai 30% dari warna merah, 59% nilai hijau, dan 11% dari nilai warna biru. Level yang digunakan dapat menggunakan 0.0 sampai 1.0, 0 sampai 255, atau 0% sampai 100%. Coding yang dituliskan pada Matlab adalah :
4.1.3        Deteksi Tepi
Tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang cepat/tiba-tiba (besar) dalam jarak yang singkat. Dimana tujuan deteksi tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau obyek di dalam citra sehingga dapat menentukan batas antara dua daerah dengan greylevel yang berbeda.  Operator yang dapat digunakan dalam pendeteksian tepi adalah :
4.1.4        Menghilangkan noise
Dengan menghilangkan luasan yang mempunyai luasan kurang dari 10 pixel, sehingga luasan yang tidak digunakan akan dibersihkan.
4.2.       Tahap Segmentasi Plat 
Dalam tahap ini merupakan tahap pemecahan image kedalam obyek-obyek yang terkandung didalamnya yang dapat menjadi sarana untuk automated image analysis, misal untuk  pengenalan obyek-obyek dalam image.Segmentasi dapat dilakukan berdasar pada kemiripan (similarity), dimana image dibagi berdasar kemiripan gray level.
Mencari luas area yang telah diindex
Masing-masing kandidat dicari luasannya, kandidat yang terpilih dicari koordinatnya,    dan informasi koordinat digunakan untuk mencrop image yang hanya terdapat informasi   plat nomor.
Tahapan segmentasi plat adalah sebagai berikut:
·       Mengindex semua objek yang terdapat pada image
·       Mencari luas masing-masing objek
·       Mencari objek yang mempunyai luas sebagai plat nomor
Tujuan dari proses ini adalah untuk mengekstrak plat nomor dari gambar yang diambil. Output dari proses ini adalah gambar plat nomor yang tepat pada plat nomornya.

5.        KESIMPULAN
Dari uraian diatas dapat ditarik beberapa kesimpulan, yaitu:
·      Tahap preprossesing merupakan tahap  yang dapat memudahkan untuk mengenali objek yang akan dikenali/  diklasifikasikan.
·      Resize Image mampu mempercepat proses dengan teknik interpolasinya.
·      Deteksi Tepi dengan operator sobel memberikan hasil yang lebih baik daripada operator lainnya.

·      Luas area maksimum mampu mengidentifikasi plat nomor mobil setelah penyambungan piksel, menghilangkan noise, menghilangkan hole dan pengindeksan setiap objek.
Share:

Translate

Labels