Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal POINTER
Dewi Yanti Liliana
Universitas Brawijaya
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Teknik Kompresi Citra Menggunakan Dekomposisi Nilai Singulir Berbasis Blok Dewi Yanti Liliana; Dian Eka Ratnawati; Marji -
Jurnal POINTER Vol 2, No 2 (2011): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Kompresi citra merupakan teknik yang sangat penting pada pengolahan citra digital baik untuk penyimpanan maupun untuk transmisi. Citra yang tidak dikompresi memerlukan kapasitas penyimpanan yang besar, sedangkan pengiriman file citra berukuran besar dapat memperlambat laju transmisi data. Penelitian ini mengkompresi citra menggunakan teknik komputasi numerik yaitu dengan mendekomposisi matriks citra menjadi tiga buah matriks; sebuah matriks diagonal dan dua buah matriks ortogonal yang dikenal dengan teknik dekomposisi nilai singulir (DNS). Selanjutnya kompresi akan dilakukan terhadap matriks singulir dari citra dengan cara mereduksi dimensi matriks secara bertahap sampai mencapai nilai rank maksimal. Selain itu citra juga akan dibagi menjadi blok-blok citra dan DNS diterapkan terhadap masing-masing blok dengan tujuan untuk memperbesar rasio kompresi citra. Pengujian kinerja teknik kompresi dilakukan melalui perhitungan rasio kompresi, MSE dan PSNR. Berdasarkan pengujian diperoleh hasil bahwa penggunaan nilai singulir yang semakin sedikit akan menaikkan rasio kompresi. Sedangkan penggunaan blok juga dapat meningkatkan rasio kompresi, namun jumlah blok tidak berpengaruh terhadap hasil kompresi. Kata kunci : kompresi, citra digital, dekomposisi nilai singulir   ABSTRACT Image compression is a very important technique in digital image processing either for storage or for transmission. Uncompressed image requires large storage capacity, while the delivery of large image files can slow the rate of data transmission. This research make use of image compression techniques of numerical computation by decomposing the image matrix into three matrices which are a diagonal matrix and two orthogonal matrices technique known as single value decomposition (SVD). Further compression is performed on a singulir matrix by reducing gradually the dimensional of matrix until reaching the maximum rank value. In addition, the image will be divided into blocks of image and SVD is applied to each block in order to enlarge the image compression ratio. Testing the performance of compression techniques is done through calculation of compression ratio, MSE and PSNR. Based on the testing showed that the use of less singular value will raise the compression ratio. While the use of block can also increase the compression ratio, but the number of blocks did not affect the compression results. Keywords : compression, digital image, singular value decomposition
Optimasi Kompresi File Dengan Menggunakan Gabungan Metode Run-Length-Encoding (RLE), Shannon- Fano Dan Lempel-Ziv-Welch(LZW) Dian Eka Ratnawati; Marji -; Dewi Yanti Liliana
Jurnal POINTER Vol 2, No 1 (2011): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Permasalahan yang penting dalam dunia teknologi informasi adalah bagaimana cara mengolah data dari informasi-infomasi yang semakin besar dan kompleks, sehingga lebih cepat, mudah, aman, dan efisien baik dalam proses penyimpanannya maupun transfer data. Salah satu cara agar transfer data bisa cepat adalah dengan melakukan kompresi data. Penyimpanan data kedalam  blok bertujuan untuk peningkatan kecepatan dan penghematan tempat penyimpanan[4].  Pada penelitian ini akan dilakukan kompresi terhadap setiap blok dengan  menggunakan metode Run-Length-Encoding (RLE), Shannon- Fano dan Lempel-Ziv-Welch(LZW). Rasio kompresi metode gabungan paling baik dibandingkan dengan ke-3 metode kompresi yang lain. Dari hasil penelitian, rasio kompresi metode Gabungan paling baik ada pada file access dilanjutkan dengan .bmp ,.txt, dan disusul .doc   Kata kunci: blok, Run-Length-Encoding (RLE) ,Shannon- Fano dan Lempel-Ziv-Welch(LZW)  ABSTRACT Issues that are important in the information technology is how to process data from informations that increasingly large and complex, making it fast, easy, secure, and efficient both in storage and data transfer process. One way for fast data transfer is to compress data. Storage of data into blocks aims to increase the speed and storage efficiency [4]. In this research, the compression of each block by using the Run-Length-Encoding (RLE), Shannon-Fano and Lempel-Ziv-Welch (LZW). The stages of research to be conducted in general is to perform design system, making software, carried out tests on the software, and the latter is to conduct an analysis of trial results. Compression ratio combination method is the best compared with  others compression methods. From the results of the study, the compression ratio is the best combination method on file access, followed by. bmp ,txt, and followed. doc   Keywords: blok, Run-Length-Encoding (RLE) ,Shannon-Fano dan Lempel-Ziv-Welch(LZW)
Deteksi Obyek Manusia dengan Particle Swarm Optimization dan Pengklasifikasi Support Vector Machine Dewi Yanti Liliana; M Rahmat Widyanto
Jurnal POINTER Vol 1, No 1 (2010): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAK Pada paper ini metode Particle Swarm Optimization (PSO) digunakan untuk medeteksi obyek manusia. Proses deteksi diawali dengan ektraksi fitur citra menggunakan metode Haar-wavelet. Proses pelatihan dengan pengklasifikasi Support Vector Machine (SVM). Tahap deteksi dengan PSO dilakukan menggunakan sekumpulan partikel yang tersebar di ruang pencarian dan mengoptimasi fungsi obyektif untuk mendeteksi obyek manusia. Hasil eksperimen pada database gambar sebanyak 50 citra berhasil medeteksi obyek manusia dengan tingkat akurasi 86%. Pendeteksian dengan metode PSO bisa digunakan untuk berbagai aplikasi keamanan dan pengawasan yang memerlukan waktu deteksi cepat.   Kata kunci : particle swarm optimization, deteksi obyek, support vector machine    ABSTRACT In this paper Particle Swarm Optimization (PSO) method  is used to detect human object. The detection process is iniatiated by extracting the image features using Haar-wavelet method. At the training phase the Support Vector Machine (SVM) Classifier is employed. The detection phase by the PSO method is using a group of particles which are spread over the search space and optimizing the objective function to detect human objects. The experiment results in the image database consist of 50 images is successfully detect objects with an accuracy rate of 86%. The Particle Swarm Optimization (PSO) detection can be applied in the surveillance and monitoring application which need a rapid detection.   Keywords : particle swarm optimization, object detection, support vector machine
Co-Authors Dian Eka Ratnawati M Rahmat Widyanto Marji Marji