Papers by Agus Zainal Arifin
Jurnal Linguistik Komputasional (JLK), 2018
Clustering of news documents manually depends on the ability and accuracy of the human so that it... more Clustering of news documents manually depends on the ability and accuracy of the human so that it can lead to errors in the grouping process of documents. Therefore, it is necessary to group the news document automatically. In this clustering, we need a weighting method that includes TF.IDF.ICF. In this paper we propose a new weighting algorithm is TF.IDF.ICF.ITF to automatically clustering documents automatically through statistical data patterns so that errors in manual grouping of documents can be reduced and more efficient. K-Means ++ is an algorithm for classification and is the development of the K-Means algorithm in the initial cluster initialization stage which is easy to implement and has more stable results. K-Means ++ classifies documents at the weighting stages of Inverse Class Frequency (ICF). ICF is developed from the use of class-based weighting for the term weighting term in the document. The terms that often appear in many classes will have a small but informative v...
Dental panoramic radiograph contains a lot of Information which one of them can be identified fro... more Dental panoramic radiograph contains a lot of Information which one of them can be identified from trabecular bone structure. This research proposes segmentation of trabecular bone area on dental panoramic radiograph based on segment profile characteristics using Extreme Learning Machine as classification method. The input of this method is dental panoramic radiograph. The selection of region of interest (ROI) is performed on the lower jawbone of the trabecular bone area in which there are teeth and cortical bone. The ROI is subdivided into two where the upper ROI contains the teeth and the lower ROI contains cortical bone. After that, the result of the ROI deduction is done by preprocessing using mean and median filters for upper ROI and motion blur filter for lower ROI. The separate images are extracted each pixel into four features consisting of image intensity, 2D Gaussian filter with two different sigma, and Log Gabor filter for upper ROI. For lower ROI, five feature extraction...
Segmentasi pada citra ikan tuna menggunakan Density-Based Spatial Clustering of Application (DBSC... more Segmentasi pada citra ikan tuna menggunakan Density-Based Spatial Clustering of Application (DBSCAN) membutuhkan dua parameter utama, yaitu Eps dan MinPts. Parameter tersebut dapat melakukan segmentasi citra tanpa mengetahui jumlah kluster. Setiap citra memiliki nilai parameter yang berbeda untuk mendapatkan hasil segmentasi yang terbaik. Input nilai parameter dengan metode manual memiliki kelemahan dalam mendapatkan nilai yang optimal dan secara subjektif dalam menentukan nilai parameter tersebut. Kelemahan dalam mendapatkan nilai parameter yang optimal dapat menyebabkan nilai parameter yang salah dan akan berpengaruh pada hasil segmentasi dari setiap citra. Kami mengajukan metode baru yaitu segmentasi citra ikan tuna dengan otomatisasi parameter DBSCAN menggunakan jumlah titik puncak pada histogram, sehingga mendapatkan nilai parameter yang optimal untuk segmentasi dari setiap citra. Untuk mendukung hal tersebut, kami menggunakan Eps Spatial, Eps Color dan MinPts di algoritma DBSC...
Jurnal Ilmiah Teknologi Infomasi Terapan, 2016
Peringkasan yang baik dapat diperoleh dengan coverage, diversity dan coherence yang optimal. Namu... more Peringkasan yang baik dapat diperoleh dengan coverage, diversity dan coherence yang optimal. Namun, terkadang sub-sub topik yang terkandug dalam dokumen tidak terekstrak dengan baik, sehingga keterwakilan setiap sub-sub topik tersebut tidak ada dalam hasil peringkasan dokumen. Pada paper ini diusulkan metode baru pembobotan kata berdasarkan klaster pada optimisasi coverage, diversity dan coherence untuk peringkasan multidokumen. Metode optimasi yang digunakan ialah self-adaptive differential evolution (SaDE) dengan penambahan pembobotan kata berdasarkan hasil dari pembentukan cluster dengan metode Similarity Based Histogram Clustering (SHC). Metode SHC digunakan untuk mengklaster kalimat sehingga setiap sub-topik pada dokumen bisa terwakili dalam hasil peringkasan. Metode SaDE digunakan untuk mencari solusi hasil ringkasan yang memiliki tingkat coverage, diversity, dan coherence paling tinggi. Uji coba dilakukan pada 15 topik dataset Text Analysis Conference (TAC) 2008. Hasil uji coba menunjukkan bahwa metode yang diusulkan dapat menghasilkan ringkasan skor ROUGE-1 sebesar 0.6704, ROUGE-2 sebesar 0.2051, ROUGE-L sebesar 0.6271 dan ROUGE-SU sebesar 0.3951.
Jurnal Ilmu Komputer dan Informasi, 2020
To extract features on dental objects, it is necessary to segment the teeth. Segmentation is sepa... more To extract features on dental objects, it is necessary to segment the teeth. Segmentation is separating between the teeth (objects) with another part than teeth (background). The process of segmenting individual teeth has done a lot of the recently research and obtained good results. However, when faced with overlapping teeth, this is quite challenging. Overlapping tooth segmentation using the latest algorithm produces an object that should be segmented into two objects, instantly becoming one object. This is due to the overlapping between two teeth. To separate overlapping teeth, it is necessary to extract the overlapping object first. Level set method is widely used to segment overlap objects, but it has a limitation that needs to define the initial level set method manually by the user. In this study, an automatic initialization strategy is proposed for the level set method to segment overlapping teeth using hierarchical cluster analysis on dental panoramic radiographs images. Th...
Jurnal Ilmu Komputer dan Informasi, 2019
Image Segmentation is a process to separate between foreground and background. Segmentation proce... more Image Segmentation is a process to separate between foreground and background. Segmentation process in low contrast image such as dental panoramic radiograph image is not easily determined. Image segmentation accuracy determines the success or failure of the final analysis process. The process of segmentation can occur ambiguity. This ambiguity is due to an ambiguous area if it is not selected as a region so it may have occurred cluster errors. To solve this ambiguity, we proposed a new region merging by iterated region merging process on dental panoramic radiograph image. The proposed method starts from the user marking and works iteratively to label the surrounding regions. In each iteration, the minimal gray-levels value is merged so the unknown regions significantly reduced. This experiment shows that the proposed method is effective with an average of ME and RAE of 0.04% and 0.06%.
Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, 2016
Naïve Bayes is one of data mining methods that are commonly used in text-based document classific... more Naïve Bayes is one of data mining methods that are commonly used in text-based document classification. The advantage of this method is a simple algorithm with low computation complexity. However, there is weaknesses on Naïve Bayes methods where independence of Naïve Bayes features can’t be always implemented that would affect the accuracy of the calculation. Therefore, Naïve Bayes methods need to be optimized by assigning weights using Gain Ratio on its features. However, assigning weights on Naïve Bayes’s features cause problems in calculating the probability of each document which is caused by there are many features in the document that not represent the tested class. Therefore, the weighting Naïve Bayes is still not optimal. This paper proposes optimization of Naïve Bayes method using weighted by Gain Ratio and feature selection method in the case of text classification. Results of this study pointed-out that Naïve Bayes optimization using feature selection and weighting produc...
Jurnal Ilmu Komputer dan Informasi, 2017
Many kinds of classification method are able to diagnose a patient who suffered Hepatitis disease... more Many kinds of classification method are able to diagnose a patient who suffered Hepatitis disease. One of classification methods that can be used was Least Squares Support Vector Machines (LSSVM). There are two parameters that very influence to improve the classification accuracy on LSSVM, they are kernel parameter and regularization parameter. Determining the optimal parameters must be considered to obtain a high classification accuracy on LSSVM. This paper proposed an optimization method based on Improved Ant Colony Algorithm (IACA) in determining the optimal parameters of LSSVM for diagnosing Hepatitis disease. IACA create a storage solution to keep the whole route of the ants. The solutions that have been stored were the value of the parameter LSSVM. There are three main stages in this study. Firstly, the dimension of Hepatitis dataset will be reduced by Local Fisher Discriminant Analysis (LFDA). Secondly, search the optimal parameter LSSVM with IACA optimization using the data ...
Jurnal Ilmu Komputer, Jan 9, 2013
Coverage and saliency are major problems in Automatic Text Summarization. Sentence clustering app... more Coverage and saliency are major problems in Automatic Text Summarization. Sentence clustering approaches are methods able to provide good coverage on all topics, but the point to be considered is the selection of important sentence that can represent the cluster's topic. The salient sentences selected as constituent to the final summary should have information density so that can convey important information contained in the cluster. Information density from the sentence can be mined by extracting the sentence information density (SID) feature that built from positional text graph approach of every sentence in the cluster. This paper proposed a cluster representative sentence selection strategy that used the positional text graph approach in multi-document summarization. There are three concepts that used in this paper: (1) sentence clustering based on similarity based histogram clustering, (2) cluster ordering based on cluster importance and (3) representative sentence selection based on sentence information density feature score. The candidate summary sentence is a sentence that has greatest sentence information density feature score of a cluster. Trials conducted on task 2 DUC 2004 dataset. ROUGE-1 measurement was used as performance metric to compare the use of SID feature with other method namely Local Importance and Global Importance (LIGI). Test result showed that the use of SID feature was successfully outperform LIGI method based on ROUGE-1 values where the greatest average value of ROUGE-1 that achieved by SID features is 0.3915.
JUTI: Jurnal Ilmiah Teknologi Informasi, 2016
6) ABSTRAK Metode segmentasi citra berdasarkan teori fuzzy dan similaritas antar gray level mampu... more 6) ABSTRAK Metode segmentasi citra berdasarkan teori fuzzy dan similaritas antar gray level mampu mengatasi masalah ambiguitas gray level dan pencahayaan yang tidak merata yang biasa ditemui pada citra medis. Namun, segmentasi dengan penentuan initial seeds-nya berdasarkan jumlah piksel minimum menghasilkan citra yang kurang baik saat diterapkan pada citra dengan kontras yang rendah, seperti yang terdapat pada citra panoramik gigi. Pada penelitian ini diusulkan metode segmentasi citra panoramik gigi dengan penentuan initial seeds berdasarkan index of fuzziness terbesar pada histogram. Histogram dibagi kedalam tiga daerah berdasarkan posisi dari pusat fuzzy region. Kemudian, proses pengukuran similaritas antar gray level yang berada pada fuzzy region dilakukan untuk menemukan threshold yang optimal. Performa metode yang diusulkan diuji menggunakan citra panoramik gigi. Evaluasi performa dilakukan dengan menghitung nilai Misclassification Error antara citra hasil segmentasi dengan citra ground truth. Hasil evaluasi menunjukkan bahwa hasil segmentasi metode yang diusulkan pada citra panoramik gigi memiliki performa yang lebih baik dibandingkan dengan hasil segmentasi dari metode Otsu.
CAUCHY: Jurnal Matematika Murni dan Aplikasi, 2010
Edges generation by random graph erdos-royi methods was needed high computation, it’s caused low ... more Edges generation by random graph erdos-royi methods was needed high computation, it’s caused low performance. In fact, edge generation was used frequently with many nodes. this paper is described a node restriction by k-nearest neighbour on edge generation of random graph erdos royi method. Result of noderestriction by k-nearest neighbour can be reduced computation time.
Abstrak-Kategorisasi teks telah membuat kemajuan pesat dan menjadi salah satu area penelitian di ... more Abstrak-Kategorisasi teks telah membuat kemajuan pesat dan menjadi salah satu area penelitian di bidang pengolahan informasi. Tetapi kategorisasi teks memiliki masalah utama yaitu tingginya dimensi fitur sehingga dapat mengurangi kinerja klasifikasi. Karena itu dalam penelitian ini diusulkan sebuah metode untuk seleksi fitur menggunakan metode hibridasi Ant Colony Optimization (ACO) dan Information Gain (IG) pada dokumen teks Arab. Menggunakan dokumen teks Arab karena penelitian dalam bidang ini masih sedikit. Dokumen – dokumen teks Arab ini akan mengalami tahap preprocessing hingga menghasilkan fitur – fitur. Kemudian fitur – fitur tersebut akan diberi nilai IG dan akan digunakan untuk seleksi fitur menggunakan ACO. Informasi heuristik pada metode ACO menggunakan nilai IG yang telah dihitung sebelumnya. Pada percobaan ditunjukkan bahwa metode hibridasi ACOIG dapat mereduksi fitur sebanyak 89%, sedangkan metode ACO hanya 79%. Dan waktu performa yang dibutuhkan metode ACOIG lebih cep...
TELKOMNIKA Indonesian Journal of Electrical Engineering, 2012
Identifikasi manusia berbasis data gigi umum digunakan dalam forensik. Dalam kasus investigasi ya... more Identifikasi manusia berbasis data gigi umum digunakan dalam forensik. Dalam kasus investigasi yang besar, proses pengidentifikasian manusia yang dilakukan secara manual memerlukan waktu yang lama. Pada makalah ini dikembangkan sebuah sistem identifikasi manusia otomatis menggunakan radiografi gigi. Sistem yang dibangun bekerja dengan 2 tahapan utama. Tahapan pertama adalah menyusun sebuah database berisi data radiografi gigi berlabel. Tahapan kedua adalah melakukan pencarian pada database untuk mendapatkan hasil identifikasi. Kedua tahapan tersebut menggunakan serangkaian proses pengolahan citra dan klasifikasi serta penomoran untuk mendapatkan pola dan fitur radiografi gigi. Pertama, dilakukan prapemrosesan yang meliputi perbaikan dan binarisasi citra, ekstraksi gigi tunggal, dan ekstraksi fitur. Selanjutnya, dilakukan proses klasifikasi gigi untuk mengklasifikasikan gigi menjadi molar dan premolar dengan menggunakan metode binary support vector machine (SVM). Setelah itu, proses penomoran pada gigi dilakukan sesuai pola molar dan premolar yang diperoleh pada tahap sebelumnya. Percobaan menggunakan 16 radiografi gigi yang terdiri dari 6 radiografi bitewing dan 10 radiografi panoramik dengan total 119 objek gigi menunjukkan nilai akurasi yang baik, yaitu 91,6% untuk proses klasifikasi gigi menjadi molar dan premolar dan 81,51% untuk proses penomoran gigi.
Majalah Kedokteran Bandung, 2014
Osteoporosis salah satu penyakit degeneratif yang berkaitan dengan proses penuaan yang ditunjukka... more Osteoporosis salah satu penyakit degeneratif yang berkaitan dengan proses penuaan yang ditunjukkan perubahan struktur trabekula dan penurunan bone mineral density (BMD). Tujuan penelitian adalah mendapatkan metode kuantifikasi citra panoramik pada region of interest (ROI) di mandibula untuk menentukan BMD. Penelitian ini menggunakan ROI (80x80 pixel) pada kondilus mandibula untuk kuantifikasi citra dilakukan di Bagian Radiologi Fakultas Kedokteran Gigi Universitas Padjadjaran bulan Oktober sampai Desember 2013. Pendekatan analisis tekstur menggunakan prinsip gray level co-occurence matrix (GLCM). Desain dari kuantifikasi citra terdiri atas tahapan pelatihan dan pengujian. Tahapan pelatihan melalui 9 data latih terhadap subjek wanita berusia 52-73 tahun pascamenopause. Data BMD vertebra lumbar dari DEXA digunakan sebagai referensi pada tahap klasifikasi dengan support vector machine (SVM) dengan fungsi kernel multilayer perceptron. Pengujian digunakan 14 data uji dari subjek selain yang digunakan untuk data latih. Pengujian untuk klasifikasi kelas normal dan osteoporosis menggunakan SVM memberikan akurasi 85,71%; sensitivitas (tingkat benar positif) 90,91%; dan spesifisitas (tingkat benar negatif) 66,67%. Pengenalan fitur paling baik didapatkan menggunakan kombinasi fitur contrast, correlation, energy, dan homogeneity sebagai input bagi klasifikasi SVM. Simpulan, analisis tekstur trabekula menggunakan metode gray level co-occurence matrix (GLCM) citra panoramik gigi dapat digunakan untuk deteksi dini osteoporosis. [MKB. 2014;46(4):203-8] Kata kunci: Grey level co-occorance matrix (GLCM), panoramik, osteoporosis
TELKOMNIKA (Telecommunication, Computing, Electronics and Control), 2013
Fitur-fitur gigi dapat dipertimbangkan sebagai kandidat terbaik untuk pengidentifikasian PM. Jika... more Fitur-fitur gigi dapat dipertimbangkan sebagai kandidat terbaik untuk pengidentifikasian PM. Jika data AM tidak tersedia, maka bantuan ahli forensik gigi diperlukan untuk membatasi ruang populasi data dan meningkatkan ruang pencarian data dengan pembuatan profil gigi pasca kematian atau postmortem dental profiling. Usia adalah salah satu faktor yang penting dalam membangun atau menentukan identitas seseorang. Inspeksi manual pada radiografi gigi memiliki dua kelemahan, yaitu intraobserver error dan interobserver error. Pada makalah ini diusulkan sebuah sistem semi-otomatis untuk estimasi usia. Terdapat dua fase dalam pengembangan sistem yang diusulkan, yaitu: fase pemodelan dan fase estimasi. Fase pemodelan adalah tahap untuk menurunkan rumus estimasi berdasarkan data yang sudah diketahui. Pada penelitian ini, digunakan data dari suku Jawa. Fase estimasi meliputi proses penentuan region of interest (ROI), penghitungan panjang gigi secara otomatis, dan estimasi usia berdasarkan rumus pemodelan yang telah dibentuk sebelumnya. Percobaan pada penelitian ini menunjukkan hasil yang menjanjikan, yaitu nilai rata-rata absolute error sebesar 5,2 tahun, jika dibandingkan dengan aplikasi metode Kvaal pada orang-orang Turki yang menghasilkan selisih lebih dari 12 tahun.
JUTI: Jurnal Ilmiah Teknologi Informasi, 2003
Kompresi Citra pada aplikasi Penginderaan Jauh Multispektral merupakan kebutuhan yang sangat vita... more Kompresi Citra pada aplikasi Penginderaan Jauh Multispektral merupakan kebutuhan yang sangat vital, sebab citra multispektral merupakan citra yang membutuhkan ruang penyimpanan yang sangat besar. Di sisi lain, citra multispektral memiliki karakteristik istimewa yang dapat dimanfaatkan untuk meningkatkan efektifitas proses kompresinya. Karakteristik ini berkaitan dengan penggunaan citra tersebut dalam proses klasifikasinya. Dengan demikian, kompresi citra multispektral tidak perlu menggunakan cara konvensional, melainkan dengan memanfaatkan karakteristik yang dimilikinya. Penelitian ini membahas sebuah metode kompresi citra multispektral yang mengintegrasikan metode clustering, manipulasi spektral, serta pengkodean. Metode clustering yang digunakan adalah Improved Split and Merge Clustering (ISMC). Pada proses manipulasi spektral digunakan Principal Component Analysis (PCA). Sedangkan untuk pengkodean digunakan metode kompresi data lossless yaitu metode Lempel-Ziv Welch (LZW). Integrasi dari clustering, manipulasi spektral, dan pengkodean ini dibagi menjadi 2 kombinasi, yakni clustering-LZW dan PCA-clustering-LZW. Evaluasi dilakukan dengan mengukur rasio kompresi, waktu komputasi, jumlah cluster, dan ukuran kesalahan yang meliputi total error, maksimum error, dan rata-rata error. Dari hasil uji coba, didapatkan bahwa masing-masing metode ini memiliki keunggulan yang berbeda pada tiap faktor evaluasinya, sehingga pengguna dapat memilih untuk menggunakan metode yang tepat sesuai kebutuhannya.
JUTI: Jurnal Ilmiah Teknologi Informasi, 2002
Proses clustering bisa berlangsung baik secara hierarchical (split dan merge) maupun partitional ... more Proses clustering bisa berlangsung baik secara hierarchical (split dan merge) maupun partitional (partisi). Proses split yang pembagiannya berdasarkan histogram lebih mudah dilakukan pada satu dimensi, sehingga dibutuhkan proses transformasi. Metode transformasi yang umum digunakan adalah Principal Component Analysis (PCA). Namun PCA ternyata hanya didasarkan pada pencarian dimensi bervariansi maksimum, sehingga memungkinkan terjadinya overlapping kelas, dalam arti ada kelas yang tidak dapat dipisahkan Pada penelitian ini, metode transformasi yang digunakan adalah Analisa Faktor (Factor Analysis / Canonical Analysis). Metode ini lebih baik bila dibandingkan dengan metode Principal Component Analysis (PCA). Sebab, Analisa Faktor mentransformasi sekaligus memilah cluster dalam feature space. Tiga proses utama dalam penelitian ini yaitu split, merge, dan partitional K-means clustering. Citra multispektral ditransformasi menjadi satu dimensi. Histogram satu dimensi displit dengan pemilihan puncak kurva. Merge menggabungkan cluster hasil split tersebut. Cluster yang berdekatan digabungkan menjadi cluster baru. Kmeans clustering digunakan untuk mendeteksi lokasi pusat cluster (prototipe cluster) dan sekaligus mengelompokkan pixel ke setiap cluster. Hasil penelitian ini dibandingkan dengan hasil algoritma clustering yang proses transformasinya menggunakan PCA. Hasil perbandingan membuktikan bahwa clustering yang proses transformasinya menggunakan Analisa Faktor menghasilkan heterogenitas antar cluster lebih tinggi (Tr(S B) meningkat antara 0.83 % sampai 19.58 %). Adapun kekompakan tiap cluster tidak selalu optimal. Hal ini sangat mungkin disebabkan jumlah kelas sampel kurang banyak dan pengambilan sampel di tiap kelas kurang bervariasi.
JUTI: Jurnal Ilmiah Teknologi Informasi, 2008
Osteoporosis is bone disease indocated by low bone mass density and micro architectures disorder ... more Osteoporosis is bone disease indocated by low bone mass density and micro architectures disorder which lead to bone fragility or fractures. Graph may be useful to describe density of trabeculae bone due to morphological change on mandibular bone in dental panoramic radiographs. The density of trabecular bone can be discribed by generating graph. Trabecular image firstly was transformed to binary image. A white pixel on the binary image presented as part of trabeculae, which assumed as an isolated node on the graph. Graph generation by Erdos and Royi method was used to build connections between an isolated node and others. This paper introduced the use of weight on each node based on probabilities average of its neigbourhoods. Graph's properties which used to measure the density were degree and cluster coefficient. Both of properties are used to build feature space. Feature space indicated distribution of node on dense or sparse area. Early indication of osteoporosis could be assumed that ratio of nodes on dense area were greater than that on sparse area. We achieved accuration of 54%, sensitivity of 60%, and spesificity of 49%.
… CITRA NON-ITERATIF DENGAN PSEUDO-POLAR …, 2010
Registrasi citra adalah proses menemukan kembali titik-titik yang bersesuaian antara citra I 1 da... more Registrasi citra adalah proses menemukan kembali titik-titik yang bersesuaian antara citra I 1 dan I 2 , dimana I 2 adalah citra I 1 yang mengalami transformasi geometri. Metode registrasi citra pada domain frekuensi untuk mengestimasi skala perbesaran, sudut rotasi, dan translasi dilakukan menggunakan Pseudo-polar Fourier Transform (PPFT). Akurasi akan dicapai secara optimal apabila dilakukan iterasi pada estimasi dengan batasan tingkat kesalahan sesuai nilai threshold yang ditentukan sebelumnya. Proses iterasi membuat kompleksitas registrasi menjadi kurang esfisien. Penelitian ini bertujuan mengoptimasi registrasi citra dengan mengusulkan registrasi citra non-iteratif menggunakan PPFT. Optimasi yang dilakukan adalah dengan menghapus sejumlah iterasi pada registrasi citra iteratif menggunakan PPFT menjadi satu kali proses estimasi. Penghapusan nilai iterasi dilakukan dengan cara menjadikan nilainilai sekitar estimasi skala perbesaran dan sudut rotasi sebagai kandidat yang baru. Selanjutnya, I 1 diperbesar dan dirotasi dengan kandidat nilai estimasi. Kemudian, nilai estimasi yang paling akurat adalah nilai estimasi yang menghasilkan penghitungan nilai phase correlation tertinggi antara I 2 dan citra-citra hasil perbesaran dan rotasi I 1 oleh kandidat nilai estimasi. Uji coba menunjukkan bahwa nilai iterasi yang dapat dihapus pada registrasi citra iteratif menggunakan PPFT adalah sebesar 2-13. Setelah berhasil melakukan optimasi dengan menghapus jumlah iterasi, dilakukan pengukuran tingkat kesalahan estimasi metode yang diusulkan. Registrasi citra non-iteratif dengan PPFT memiliki tingkat kesalahan maksimum estimasi rotasi sebesar 0,26º dan estimasi skala perbesaran dengan tingkat kesalahan maksimum 0,04 pada perbesaran hingga skala 5. Kemudian, metode yang disusulkan memiliki kekuatan untuk mengestimasi citra yang kehilangan informasi (RAE) sampai 40%. Metode yang diusulkan juga memiliki kekuatan estimasi pada citra ber-noise jenis gaussian yang memiliki mean µ = 0 hingga varian sebesar 0,13.
Uploads
Papers by Agus Zainal Arifin