One of the techniques in region based image retrieval (RBIR) is comparing the global feature of an entire image and the local feature of image’s sub-block in query and database image. The determined sub-block must be able to detect an object with varying sizes and locations. So the sub-block with flexible size and location is needed. We propose a new method for local feature extraction by determining the flexible size and location of sub-block based on the transition region in region based image retrieval. Global features of both query and database image are extracted using invariant moment. Local features in database and query image are extracted using hue, saturation, and value (HSV) histogram and local binary patterns (LBP). There are several steps to extract the local feature of sub-block in the query image. First, preprocessing is conducted to get the transition region, then the flexible sub-block is determined based on the transition region. Afterward, the local feature of sub-block is extracted. The result of this application is the retrieved images ordered by the most similar to the query image. The local feature extraction with the proposed method is effective for image retrieval with precision and recall value are 57%.

No abstract

2) ABSTRAK Metode Soft Weighted Median Filter (SWMF) merupakan salah satu metode noise filtering baru dalam image processing. Metode ini digunakan untuk menangani dua tipe noise pada citra yaitu fixed valued noise (FVN) dan random valued noise (RVN). Fixed valued noise adalah tipe noise dengan nilai yang tidak berubah (tetap), noise ini mengganti nilai piksel pada citra menjadi nilai maksimum dan minimum (0 dan 255), sedangkan random valued noise adalah tipe noise dengan nilai yang berubah-ubah (acak). Contoh untuk fixed valued noise seperti: salt&pepper noise, sedangkan untuk random valued noise seperti: gaussian, poisson, speckle, dan localvar noise. Berdasarkan penelitian sebelumnya, metode SWMF dapat diterapkan pada semua citra dengan semua jenis noise (FVN maupun RVN) serta mampu mengurangi noise tersebut dengan baik. Metode ini memiliki nilai PSNR yang lebih tinggi dibandingkan dengan metode lain, terutama untuk random valued noise seperti: gaussian, speckle, dan localvar noise. Pada penelitian ini, kami mengusulkan untuk meneliti kinerja dari metode SWMF lebih lanjut yaitu dengan membandingkan metode ini dengan metode lain seperti: Median Filter, Mean Filter, Gaussian Filter, dan Wiener Filter pada proses segmentasi citra. Proses segmentasi citra pada penelitian ini berdasarkan deteksi area menggunakan Top-Hat transform dan Otsu thresholding dan deteksi garis menggunakan Sobel edge detection. Proses pengukuran kinerja menggunakan perhitungan nilai sensitivity, specificity, dan accuracy pada citra hasil segmentasi dengan citra groundtruh. Hasil penelitian menunjukkan bahwa metode Soft Weighted Median Filter mampu meningkatkan kualitas segmentasi citra dengan rata-rata accuracy sebesar 95,70% dengan mengurangi fixed value noise maupun random valued noise pada citra. Sedangkan sensitivity dan specificity rata-rata memiliki nilai sebesar 90,48% dan 97,98%.

Beasiswa Bidik Misi/KIP Kuliah menjadi salah satu program Pemerintah untuk membantu mahasiswa yang kurang mampu namun berprestasi agar dapat mengenyam pendidikan tinggi. Universitas Timor menjadi salah satu penyelenggara Bidik Misi/KIP Kuliah. Namun proses penentuan penerima Bidik Misi/KIP Kuliah masih dilakukan secara konvensional sehingga membutuhkan waktu yang lama dan proses yang rumit. Dibutuhkan solusi yang tepat agar seleksi dan penentuan calon penerima beasiswa bidik misi dapat berjalan lebih efektif dan efisien. Sistem Pendukung Keputusan dengan metode Simple Addictive Weighting berusaha memberikan rekomendasi kepada pengambil keputusan dalam penentuan penerima beasiswa Bidik Misi/KIP Kuliah. Hasil penelitian menyimpulkan bahwa prototype yang dihasilkan mampu untuk digunakan dalam seleksi mahasiswa penerima KIP Kuliah. Kata Kunci :, spk, saw, bidikmisi

PT.Nusantara Surya Sakti (NSS) adalah perusahaan yang bergerak di bidang jasa pembiayaan dengan berkonsentrasi kepada pembiayaan sepeda motor Honda. Perusahaan ini turut berinovasi untuk menjadi solusi pembiayaan bagi kebutuhan masyarakat dengan membuka berbagai macam jenis pembiayaan lainnya seperti pembiayaan multiproduk, mesin pertanian, motor dan mobil. Dalam melancarkan bisnisnya, PT.NSS telah menetapkan kebijakan dalam pemberian kredit yaitu calon penerima kredit harus memenuhi syarat Five C, bagaimana karakter nasabah (Character), kapasitas melunasi kredit (Capacity), kemampuan modal yang dimiliki nasabah (Capital), jaminan yang dimiliki nasabah untuk menanggung resiko kredit (Collateral) dan kondisi keuangan nasabah (Condition). Namun, jumlah data pemohon kredit yang banyak membuat pihak PT.NSS kesulitan menganalisa dan memutuskan konsumen yang tepat untuk mendapatkan kredit. Jika terjadi kesalahan dalam pemilihan calon penerima kredit, maka akan terjadi kemacetan kredit konsumen yang menimbulkan kerugian yang dapat manghambat laju perkembangan perusahaan. Berdasarkan masalah di atas, maka diperlukan sebuah sistem pendukung keputusan (SPK) terkomputerisasi yang dapat menganalisa data pemohon kredit dan menentukan keputusan dengan cepat. Metode perhitungan yang digunakan pada SPK ini adalah Simple Additive Weighting (SAW).