0.252
P-Index
This Author published in this journals
All Journal Alkhawarizmi Jurnal Rekayasa Elektrika
Maya Silvi Lydia
Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas sumatera Utara
Articles
2
Documents
Analisis dan Perancangan Perangkat Lunak Kompresi Citra Menggunakan Algoritma Fast Fourier Transform (FFT)

Alkhawarizmi Vol 1, No 1 (2012): Jurnal Alkhawarizimi
Publisher : Alkhawarizmi

Show Abstract | Original Source | Check in Google Scholar | Full PDF (458.15 KB)

Abstract

Kecepatan pengiriman informasi dalam bentuk perpaduan data teks, audio maupun citra secara nyata merupakan aspek penting dalam pertukaran informasi. Kecepatan pengiriman ini sangat bergantung kepada ukuran dari informasi tersebut. Pada umumnya informasi yang berupa citra akan membuat file menjadi lebih besar sehingga mempengaruhi kecepatan proses pengiriman informasi. Salah satu solusi untuk masalah di atas adalah dengan melakukan kompresi data citra sebelum ditransmisikan. Kompresi data adalah mengurangi ukuran file atau meminimalkan kebutuhan memori untuk merepresentasikan sebuah file digital. Pada penelitian ini dilakukan kompresi file citra dengan teknik lossy menghasilkan file citra hasil kompresi lebih kecil dari file semula karena adanya data yang dihilangkan. Data yang dihilangkan tersebut tidak akan terlihat oleh kasat mata manusia secara kualitas. Teknik kompresi yang tepat untuk keperluan diatas adalah transformasi citra, dimana yang digunakan adalah Tranformasi Fast Fourier. Hasil kompresi dengan perangkat lunak yang dibangun menunjukkan ukuran file citra yang dihasilkan berkurang rata-rata untuk format BMP sebesar 87,02 % dan format JPG sebesar  41,11 %.

Perbandingan Metode Klaster dan Preprocessing Untuk Dokumen Berbahasa Indonesia

Jurnal Rekayasa Elektrika Vol 14, No 1 (2018)
Publisher : Universitas Syiah Kuala

Show Abstract | Original Source | Check in Google Scholar

Abstract

Clustering is an unsupervised method to group multiple objects based on the similarity automatically. The quality of clustering accuracy is determined by the number of similar objects in a correct cluster group. The robust preprocessing process and the choice of cluster algorithm can increase the efficiency of clustering. The objective of this study is to observe the most suitable method to cluster document in Bahasa Indonesia. We performed tests on several cluster algorithms such as K-Means, K-Means++ and Agglomerative with various preprocessing stages and collected the accuracy of each algorithm. Clustering experiments were conducted on a corpus containing 100 documents in Bahasa Indonesia with a commonly used preprocessing scenario. Additionally, we also attach our preprocessing stages such as LSA function, TF-IDF function, and LSA / TF-IDF function. We tested various LSA dimension reductions values from 10% to 90%, and the result shows that the best percentage of reduction rates between 50%-80%. The result also indicates that K-Means++ algorithm produces better purity values than other algorithms.