Mata Kuliah : Pengolahan Citra Digital

Kelas : Tekom SC 2019

Nama Anggota Kelompok 2 :

1. Ananta Dwi Prayoga ALWY (1929141009)

2. Bukhari Naufal Nur AG (19219141030)
3. Silfia Andriani (1929142052)

TABEL SOTA

No. Judul Penulis Metode Hasil

1. SEGMENTASI OBYEK Imam Syafi’I, Jurnal ini Pada hasil
PADA CITRA DIGITAL Slamet. Rima membahas tentang penelitian ini
MENGGUNAKAN & Arif segmentasi obyek dapat
METODE OTSU pada citra digital disimpulkan
THRESHOLDING dengan metode bahwa perlu
otsu tressholding. dilakukan proses
Terdapat lima noise removal
proses yaitu, dan proses invert
penginputan citra, image agar hasil
konversi citra rgb akurasi
ke grayscale, segmentasi bisa
mencari nilai tinggi.
ambang, restorasi
citra, dan terakhir
perhitungan
akurasi.
2. SISTEM PENDUKUNG Prabowo, Metode yang Hasil uji dengan
KEPUTUSAN UNTUK Reinaldi digunakan dalam metode k-means
MENENTUKAN Yulian penelitian ini yaitu clustering
TANAMAN SELADA mengklasifikasi ciri didapatkan dua
AIR HIDROPONIK dari tiap citra yang output yaitu
LAYAK JUAL DENGAN diambil. Kemudian selada air
DATA GAMBAR user menginputkan hidroponik layak
DENGAN METODE K- data kedalam jual dengan hasil
MEANS CLUSTERING sistem lalu sistem 100% dan selada
akan memproses air hidroponik
data citra untuk tidak layak jual
mengetahui nilai dengan hasil
warna pada tiap 88,8%. Pada
citra. Setelah user penelitian ini
mendapatkan nilai sangat
pada tiap citra lalu dipengaruhi
sistem akan dengan kualitas
memproses kamera B-Pro,
menggunakan konsistensi
cahaya yang
 metode K-means berpengaruh
Clustering. pada keakuratan
warna selada air
hidroponik
3. PENGOLAHAN CITRA Amalia, Ayu, Jurnal ini Berdasarkan
PADA SISTEM Hertiana & membahas tentang penelitian yang
PEMANTAUAN Asep pemantau telah dilakukan,
PERTUMBUHAN pertumbuhan daun nilai threshold
DAUN SAWI METODE sawi. Sistem yang spesifik dan nilai
HIDROPONIK WICK digunakan akan threshold rata-
BERBASIS IoT mengetahui rata dari gambar
ukuran sawi dari sawi
tampak atas menghasilkan
dengan luas area yang
menggunakan mendekati.
metode Sehingga data
tressholding. yang didapatkan
pada penelitian
ini dapat
menghitung luas
area dan
memantau
pertumbuhan
daun pada
tanaman sawi.
4. DETEKSI TINGGI Rahmatullah, Pada penelitan ini Berdasarkan hasil
TANAMAN Yusuf. Budhi digunakan metode penilitan
HIDROPONIK PAKCOY & Casi Morphological didapatkan
MENGGUNAKAN Image Processing bahwa sistem
PENGOLAHAN CITRA untuk mengetahui yang dibuat
MORPHOLOGICAL tinggi tanaman untuk
mendeteksi tinggi
tanaman
hidroponik
pakcoy
menggunakan
metode
Morphological
Image Processing
dapat bekerja
dengan baik pada
akurasi seesar
93.08% dengan
intesitas cahaya
15.7 lux.
5. DETEKSI KONDISI Megantara, Pada penelitian ini Hasil dari
TANAMAN SELADA Fachrie Reza. dilakukan penelitian ini
BERDASARKAN CITRA Yudha & Casi pengumpulan data adalah sistem
MENGGUNAKAN dan dibagi menjadi yang dapat
METODE data latih dan data mendeteksi kelas
CONVOLUTIONAL uji. Data-data kondisi daun
NEURAL NETWORK tersebut berupa tanaman Selada
(CNN) gambar tanaman dengan kondisi
salada dengan tidak baik dan
berbagi kondisi. kondisi baik.
Dari dataset Keluaran dari
tersebut kemudian sistem berupa
dilakukan proses gambar serta
klasifikasi gambar hasil kelas dari
dan dibuat model gambar yang
Convolutional telah di-input.
Neural Network- Dengan
nya menggunakan
parameter
berupa partisi
data latih sebesar
90% dan data uji
sebesar 10%
dengan
mendapatkan
akurasi 99,2%.