Klasifikasi pada jenis objek sudah banyak dilakukan pada beberapa jenis data citra. Klasifikasi jenis hewan telah dilakukan menggunakan pendekatan segmentasi dan tanpa segmentasi sebagai tahapan awal. Context Aware Saliency (CAS) merupakan metode yang mampu membuat wilayah objek menjadi lebih dominan dibandingkan dengan background dalam mode saliency sehingga dapat menjadi alternatif pengganti proses segmentasi objek. Fitur bentuk diambil berdasarkan citra hasil saliency menggunakan metode Histogram of Oriented Gradient (HOG). Metode K-Nearest Neighbors (K-NN) digunakan untuk klasifikasi jenis hewan mamalia berdasarkan fitur HOG dari citra saliency. Dataset yang digunakan pada penelitian ini adalah LHI-Animal-Faces. Hasil yang didapatkan menunjukkan bahwa jenis hewan yang dapat dikenali dengan baik, yaitu Kucing dan Harimau, sedangkan Domba, Anjing, dan Babi belum mampu dikenali dengan baik.

No abstract

Sign Language use to communicate to people with dissabilities. American Sign Language (ASL) one of popular sign language. Histogram of Oriented Gradient (HOG) can be use as feature extraction. Then feature stored in database. K-Nearest Neighbor use to measure distance between feature train and feature test. There are three distance use in this paper consist of Euclidean Distance, Manhattan Distance and Chebychev Distance. The best result are 0,99 when using Euclidean Distance and Manhattan Distance with k=3 dan k=5

Identifikasi potensi glaukoma dan retinopati diabetes dapat dilakukan melalui citra fundus. Jaringan syaraf tiruan dapat digunakan untuk mengidentifikasi potensi glaukoma dan diabetes retinopati. Dataset yang digunakan berjumlah 60 citra fundus yang terdiri dari 20 citra fundus terjangkit glaukoma, 20 citra fundus terjangkit diabetes retinopati dan 20 citra fundus mata normal. Hasil penelitian menghasilkan rata-rata untuk recall sebesar 86,6%, precission sebesar 86,6%, dan untuk accuracy sebesar 91,06%.

Pneumonia is a type of lung disease caused by bacteria, viruses, fungi, or parasites. One way to find out pneumonia is by x-ray. X-rays will be analyzed to determine whether there is pneumonia or not. This study aims to classify the x-ray results whether there is pneumonia or not on the x-ray results. The classification method used in this study were Support Vector Machine (SVM) and Gray Level Co-Occurrence (GLCM) for the extraction method. There are several stages before classification, namely cropping, resizing, contrast stretching, and thresholding then extracted using GLCM and classified using SVM. The results showed that the best accuracy of 62.66%.