Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Pseudocode

Deteksi Image Splicing Pada Citra dengan Metode Discrete Cosine Transform (DCT) dan Scale Invariant Feature Transform (SIFT) Endina Putri Purwandari; Arie Vatresia; Sudarti Siburian
Jurnal Pseudocode Vol 6, No 2 (2019): Volume 6 Nomor 2 September 2019
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1392.386 KB) | DOI: 10.33369/pseudocode.6.2.138-148

Abstract

Pemalsuan terhadap citra digital sangat sering terjadi pada perkembangan teknologi sekarang ini.  Image splicing adalah salah satu metode yang paling umum yang digunakan untuk melakukan kegiatan pemalsuan citra. Tujuan penelitian ini adalah membangun aplikasi deteksi image splicing  pada citra dengan metode Discrete Cosine Transform (DCT) dan Scale Invariant Feature Transform (SIFT). Penelitian tentang deteksi image splicing dengan kombinasi metode DCT dan SIFT belum pernah dilakukan sebelumnya.  Aplikasi ini meng-convert citra dari RGB ke bentuk graysacle. Kemudian menerapkan metode Discreate Cosine Transform untuk mencari frekuensi pada citra grayscale lalu menggunakan metode Scale Invarian Feature Transform untuk mendeteksi keypoint yang sama pada citra, dan menerapkan metode RANSAC untuk menghilangkan outlier  pada citra. Aplikasi ini dibangun menggunakan bahasa pemprograman matlab.  Data citra yang digunakan dalam penelitian ini ada sebanyak 20 citra, yaitu 10 citra dari internet dan 10 citra koleksi pribadi. Hasil pengujian fungsional sistem melalui metode Black Box telah berhasil 100 % dengan skenario yang telah dibuat. Berdasarkan hasil pengujian yang telah dilakukan nilai akurasi pada deteksi image splicing dengan citra dari internet sebesar  100%, dan nilai akurasi pada deteksi dengan citra koleksi pribadi sebesar 100%. Hasil dari penelitian ini  diharapkan dapat digunakan oleh masyarakat untuk membedakan citra yang asli dengan citra yang mengalami pemalsuan image splicing.Kata Kunci: pemalsuan citra, image splicing, keypoint, DCT,SIFT, RANSAC
Perbandingan Pengolahan DAS Bengkulu Menggunakan NDVI dan Maximum Likelihood Asahar Johar; Arie Vatresia; Rendra Regen Rais
Jurnal Pseudocode Vol 7, No 2 (2020): Volume 7 Nomor 2 September 2020
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (523.024 KB) | DOI: 10.33369/pseudocode.7.2.115-122

Abstract

DAS adalah daerah daratan yang merupakan bagian integral dari sungai dan anak-anak sungainya. DAS berfungsi untuk menampung, menyimpan dan mengalirkan air yang berasal dari curah hujan ke danau atau ke laut secara alami, batas di darat adalah pemisah topografi dan batas di laut ke perairan yang masih dipengaruhi oleh aktivitas darat. Pemetaan tutupan lahan di daerah aliran sungai penting untuk memahami masalah yang terjadi di daerah aliran sungai seperti kualitas air yang menurun dan rentan terhadap tanah longsor atau banjir. Dalam studi ini, pemetaan area penutup DAS Rindu Hati dilakukan dari 2014 hingga 2018 dengan menggunakan citra satelit Landsat 8 menggunakan metode Maximum Likelihood dan NDVI. Peta tutupan lahan kemudian diproses dan ditampilkan menggunakan media webGIS. Penelitian ini diharapkan dapat menjadi bahan pertimbangan untuk pengambilan keputusan dalam pengelolaan DAS Rindu Hati di masa depan untuk mendukung lingkungan yang berkelanjutan. Selain itu, penelitian ini menunjukkan bahwa kinerja algoritme kemungkinan maksimum menghasilkan akurasi yang lebih baik (95,81%) daripada hasil yang dihasilkan oleh NDVI (92,85%) untuk proses klasifikasi di DAS Rindu Hati. Pengujian dilakukan ke dalam 100 titik data acak dari hasil klasifikasi dalam kegiatan pemeriksaan lapangan. Kemungkinan maksimum juga menunjukkan waktu pemrosesan yang lebih baik untuk klasifikasi 5 kelas pada nilai rata-rata 0,023 detik daripada algoritme NDVI yang menunjukkan nilai rata-rata 0,031 detik.Kata Kunci: DAS, maximum likelihood, NDVI, remote sensing, webGIS. 
Perbandingan Metode High-Frequency Emphasis (HFE) Dan Contrast Limited Adaptive Histogram Equalization (CLAHE) Dalam Perbaikan Kualitas Citra Penginderaan Jauh (Remote Sensing) Andi Irvan Zakaria; Ernawati Ernawati; Arie Vatresia; Widhia KZ Oktoeberza
Jurnal Pseudocode Vol 6, No 2 (2019): Volume 6 Nomor 2 September 2019
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1348.766 KB) | DOI: 10.33369/pseudocode.6.2.125-137

Abstract

Citra penginderaan jauh merupakan objek hasil perekaman sensor ataupun suatu aplikasi pemantau penginderaan jauh. Namun terkadang citra yang dihasilkan memiliki kualitas yang rendah. Metode High-Frequency Emphasis (HFE) dan Contrast Limited Adaptive Histogram Equalization (CLAHE) merupakan algoritme yang baik dalam memperbaiki kualitas citra penginderaan jauh (remote sensing). Metode HFE  bersifat mempertahankan frekuensi tinggi dan menekan frekuensi rendah. Pada penelitian ini, metode CLAHE mampu meningkatkan 8 citra dari 20 citra SAS-planet yang diujikan. Sedangkan pada metode HFE hanya 4 citra yang memiliki PSNR di atas 30 dB. Hasil penelitian ini  mengindikasikan bahwa performa CLAHE lebih baik dibanding metode HFE dalam meningkatkan kulitas citra penginderaan jauh. Kata kunci: Citra Penginderaan Jauh, HFE, CLAHE