Archive for 2015

Home » Archive for 2015

Drone yang sedang trending topik

Sebagai pekerja media saya ingin share sesuatu yang sedang trend saat ini, dimana hampir semua media mentraining campersnya (camera person) untuk menguasai alat ini. Kalau kamera biasa mempunyai keterbatasan sudut pandang, sementara alat yang berasal dari U.S ini mendobrak keterbatasan kamera dengan mampu terbang dan bermanuver 180 derajat.

Nama resminya DJI Phantom tapi para campers biasanya menyebut drone, yakni sebuah alat untuk mengangkut kamera dengan baling-baling. Nah, biasanya untuk liputan standar hanya pakai quad-copter atau empat baling-baling. Ada juga yang delapan baling-baling untuk mengangkut kamera DSLR 5D tapi yang ini super mahal. Sepintas memang terlihat seperti mainan namun sebuah kamera kecil nempel di bawah drone ini, awalnya DJI phantom sama sekali tanpa kamera, jadi kalau anda beli drone maka harus membeli Go-Pro (kamera aksi). Namun belakangan DJI Phantom versi 2 sudah punya kamera sendiri.

Cara Pakai

Drone ini dikendali oleh sebuah remote yang dilengkapi layar dimana campers bisa lihat perjalanan drone melalui monitor di remote, drone versi 2 tidak dilengkapi monitor karena anda bisa mengunduh aplikasi monitor di apps store android atau apple lalu ubah handphone anda jadi monitor, tapi cara ini kurang sreg berhubung sinyal 3G Indonesia belum mumpuni, seringnya gambar di handphone jadi patah-patah.

Kalau mau mahir anda sebaiknya latihan dulu dengan mainan helikopter atau bisa membeli simulatornya untuk berlatih di komputer. Sebenarnya tidak susah, dan tidak rumit hanya butuh latihan intensif saja, masalahnya kalau jatuh rusak harganya lumayan mahal.

Jarak

Perlu diingat drone dilengkapi dengan GPS, sebelum terbang drone akan me-lock GPS jadi ketika kita kehilangan drone atau lowbat dia akan kembali dengan sendirinya ke posisi awal. Kendati canggih pada umumnya di daerah perkotaan yang penuh pohon atau gedung drone hanya bisa terbang sejauh 500 meter. Namun di daerah terpencil yang bebas dari gangguan sinyal dan gedung bertingkat bisa sampai 1 km.

Waktu terbang

Bisa terbang sampai berapa lama? Nah ini dia yang paling bikin sakit hati. Drone cuma bisa melaksanakan tugasnya selama 15 menit saja, sebelum lampu indicator baterai habis akan berkedip. Makanya campers dilatih harus mahir sekali karena waktu yang mereka punya terbatas untuk mengambil gambar. Jadi jangan heran campers yang bisa drone dihargai mahal sangat ini.

Baterai

Baterai drone memang berbentuk seperti ini dan kapasitas kurang tahu, tapi untuk mengecash bisa 2 – 3 jam untuk sekali terbang selama 15 menit mampus nggak tuh. Biasanya untuk aman kita harus beli 3 buah baterai, jadi ketika habis bisa langsung ganti dan terbang kembali. Tidak bisa menunggu untuk charge baterai karena waktu charge yang butuh 2-3 jam bisa-bisa acara yang diliput sudah bubar.

Harga

Untuk drone standar quad copter versi satu yang sudah tidak lagi diproduksi dihargai sebesar 5-7 juta saja itu tanpa camera, artinya anda harus beli Go-Pro (kamera kecil) seharga 3 juta jadi total 8-10 juta. Sementara DJI Phantom versi 2 harga baru adalah 15-16 juta untuk paket standar. Jika ada paketan seperti tambah gimbal dsb bisa sampe 20 juta. Sementara untuk yang 8 baling-baling untuk angkut camera 5D seharga 100 juta.

Tunggu dulu itu hanya untuk paket standar ya, artinya anda cuma dapat satu baterai saja. Masa mau terbang hanya selama 15 menit saja? Makanya harus membeli baterai tambahan, 1 buah baterai dihargai 2-3 juta saja.

DJI Phantom di Indonesia menjadi sebuah barang ekslusif karena mahal, sampai-sampai ada clubnya dan seperti info diatas kalau campers yang bisa drone sampai dihargai mahal. Di negara aslinya drone ini tergolong murah meriah (ya iyalah) makanya kebanyakan yang beli adalah remaja dan dipakai buat mainan, kesel nggak tuh! kalau Industri media di Amerika sudah pakai yang 8 baling-baling. Makanya di Amerika ada tren anekdot “no more selfies but dronies”, artinya kalau di Amerika drone ini dipakai cuma buat games mainan aja, sedangkan di Indonesia cuma mampu dibeliin sama perusahaan untuk property kantor buat kerjaan.

Salah satu contoh drone dengan 6 baling-baling untuk keperluan iklan dan film, sekalipun mampu membawa kamera SLR tapi jarak tempu dan waktu terbang tidak beda jauh, hanya 15-20 menit saja. (SPY)

Penggunaan Watchguard Firebox Sebagai Penyaring Konten Pada Jaringan Internet Kantor BSITV

Penggunaan Watchguard Firebox Sebagai Penyaring Konten
Pada Jaringan Internet Kantor BSITV

Supriyadi
STMIK NUSA MANDIRI JAKARTA

ABSTRACT - The use of content filtering system has been carried out in the Office BSITV. Content filter used is Firebox which has the advantage of doing block the content of a website as a whole. Detection of viruses, worms or movements that lead to action in the form of hack can run optimally with the device. But blocking the entire content contained on a website raises problems, because not all content contained on the site a negative. This study uses a qualitative method to see the extent to which the use of content filtering is done at the Office BSITV. This usage is expected to be an input to determine the effective use of content filtering. It is advisable to create a device capable of detecting a content page by page, so that the selection process can be carried out relevant content.

Keywords: Firebox, detection, content filter

Link jurnal : https://ejournal.bsi.ac.id/ejurnal/index.php/Bianglala/article/view/572
Link HKI : https://drive.google.com/file/d/13-yA9rb5oCrnIaETOrmPIN29W4McUEIM/view

Ekstraksi Ciri Citra

Ekstraksi ciri citra merupakan tahapan mengekstrak ciri/informasi dari objek di dalam citra yang ingin dikenali/dibedakan dengan objek lainnya

Ciri yang telah diekstrak kemudian digunakan sebagai parameter/nilai masukan untuk membedakan antara objek satu dengan lainnya pada tahapan identifikasi/ klasifikasi.

Ciri yang umumnya diekstrak antara lain:

1. Ekstraksi Ciri Bentuk
Untuk membedakan bentuk objek satu dengan objek lainnya, dapat menggunakan parameter yang disebut dengan ‘eccentricity’. Eccentricity merupakan nilai perbandingan antara jarak foci ellips minor dengan foci ellips mayor suatu objek. Eccentricity memiliki rentang nilai antara 0 hingga 1. Objek yang berbentuk memanjang/mendekati bentuk garis lurus, nilai eccentricitynya mendekati angka 1, sedangkan objek yang berbentuk bulat/lingkaran, nilai eccentricitynya mendekati angka 0. Penghitungan eccentricity diilustrasikan pada gambar di bawah ini:

Parameter lainnya yang dapat digunakan untuk membedakan bentuk suatu objek yaitu ‘metric’. Metric merupakan nilai perbandingan antara luas dan keliling objek. Metric memiliki rentang nilai antara 0 hingga 1. Objek yang berbentuk memanjang/mendekati bentuk garis lurus, nilai metricnya mendekati angka 0, sedangkan objek yang berbentuk bulat/lingkaran, nilai metricnya mendekati angka 1. Penghitungan metric diilustrasikan pada gambar di bawah ini:

2. Ekstraksi Ciri Ukuran
Untuk membedakan ukuran objek satu dengan objek lainnya dapat menggunakan parameter luas dan keliling. Luas merupakan banyaknya piksel yang menyusun suatu objek. Sedangkan keliling merupakan banyaknya piksel yang mengelilingi suatu objek. Materi mengenai pemrograman matlab untuk menghitung luas dan keliling suatu objek dapat dilihat pada laman berikut ini: Cara menghitung luas dan keliling suatu citra

3. Ekstraksi Ciri Geometri
Ciri geometri merupakan ciri yang didasarkan pada hubungan antara dua buah titik, garis, atau bidang dalam citra digital. Ciri geometri di antaranya adalah jarak dan sudut. Jarak antara dua buah titik (dengan satuan piksel) dapat ditentukan menggunakan persamaan euclidean, minkowski, manhattan, dll. Jarak dengan satuan piksel tersebut dapat dikonversi menjadi satuan panjang seperti milimeter, centimeter, meter, dll dengan cara membaginya dengan resolusi spasial (materi mengenai perhitungan jarak dapat dilihat pada laman berikut ini: Cara mengukur jarak antara dua objek dalam citra). Sedangkan sudut antara dua buah garis dapat ditentukan dengan perhitungan trigonometri maupun dengan analisis vektor.

4. Ekstraksi Ciri Tekstur
Untuk membedakan tekstur objek satu dengan objek lainnya dapat menggunakan ciri statistik orde pertama atau ciri statistik orde dua. Ciri orde pertama didasarkan pada karakteristik histogram citra. Ciri orde pertama umumnya digunakan untuk membedakan tekstur makrostruktur (perulangan pola lokal secara periodik). Ciri orde pertama antara lain: mean, variance, skewness, kurtosis, dan entropy. Sedangkan ciri orde dua didasarkan pada probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu. Ciri orde dua umumnya digunakan untuk membedakan tekstur mikrostruktur (pola lokal dan perulangan tidak begitu jelas). Ciri orde dua antara lain: Angular Second Moment, Contrast, Correlation, Variance, Inverse Different Moment, dan Entropy.
Analisis tekstur juga dapat dilakukan dalam domain frekuensi antara lain menggunakan filter bank gabor.

5. Ekstraksi Ciri Warna
Untuk membedakan suatu objek dengan warna tertentu dapat menggunakan nilai hue yang merupakan representasi dari cahaya tampak (merah, jingga, kuning, hijau, biru, ungu). Nilai hue dapat dikombinasikan dengan nilai saturation dan value yang merupakan tingkat kecerahan suatu warna. Untuk mendapatkan ketiga nilai tersebut, perlu dilakukan konversi ruang warna citra yang semula RGB (Red, Green, Blue) menjadi HSV (Hue, Saturation, Value) melalui persamaan berikut:

R‘ = R/255
G‘ = G/255
B‘ = B/255

Cmax = max(R‘, G‘, B‘)
Cmin = min(R‘, G‘, B‘)
Δ = Cmax – Cmin

Perhitungan nilai Hue:

Perhitungan nilai Saturation:

Perhitungan nilai Value:

V = Cmax

sehingga ruang warna citra yang semula berbentuk kubus berubah bentuk menjadi kerucut

rgb colorspace

hsv colorspace

Ekstraksi ciri citra merupakan tahapan penting dalam bidang computer vision (pengolahan citra dan pengenalan pola).

Beberapa hal yang perlu diperhatikan dalam memilih ciri yang tepat yang akan digunakan sebagai masukan pada tahapan klasifikasi citra antara lain:
1. Secara visual (penglihatan manusia), ciri apakah yang membedakan antara kelas satu dengan kelas lainnya?
2. Domain apakah yang akan kita gunakan untuk mengekstrak ciri tersebut? (domain spasial atau domain frekuensi?)
3. Parameter apa sajakah yang akan dipilih untuk mewakili ciri tersebut?
4. Berapa jumlah parameter yang akan kita gunakan?
5. Ciri lain apakah yang memungkinkan untuk kita kombinasikan?

Segmentasi Citra

Dalam pengolahan citra, terkadang kita menginginkan pengolahan hanya pada obyek tertentu. Oleh sebab itu, perlu dilakukan proses segmentasi citra yang bertujuan untuk memisahkan antara objek (foreground) dengan background. Pada umumnya keluaran hasil segmentasi citra adalah berupa citra biner di mana objek (foreground) yang dikehendaki berwarna putih (1), sedangkan background yang ingin dihilangkan berwarna hitam (0). Sama halnya pada proses perbaikan kualitas citra, proses segmentasi citra juga bersifat eksperimental, subjektif, dan bergantung pada tujuan yang hendak dicapai.

Beberapa metode segmentasi citra diantaranya adalah:
1. Thresholding
2. Active Contour
3. Segmentasi Warna berdasarkan komponen Hue
4. Deteksi Tepi
5. Transformasi Hough
6. Watershed

Segmentasi citra merupakan tahapan penting dalam proses pengenalan pola. Setelah objek berhasil tersegmentasi, maka kita dapat melakukan proses ekstraksi ciri citra. Ekstraksi ciri merupakan tahapan yang bertujuan untuk mengekstrak ciri dari suatu objek di mana ciri tersebut digunakan untuk membedakan antara objek satu dengan objek lainnya.

Materi mengenai segmentasi citra digital di antaranya adalah:
1. Segmentasi Pola Tekstur menggunakan Filter Gabor
2. Segmentasi Warna menggunakan Algoritma Fuzzy C-Means Clustering
3. Segmentasi Warna menggunakan Algoritma K-Means Clustering
4. Segmentasi Warna dalam ruang warna HSV
5. Segmentasi Citra dengan Metode Multi Thresholding dan K-Means Clustering
6. Segmentasi Citra Grayscale dengan Metode K-Means Clustering

Sedangkan contoh citra hasil segmentasi antara lain:

Jaringan Komputer Berdasarkan Fungsinya

Jenis-jenis jaringan Komputer pun harus ada yang dilihat berdasarkan fungsinya, karena dengan fungsi tersebut seseorang dapat menentukan jenis jaringan komputer apa yang pantas untuk diaplikasikan dan digunakan. Berikut penjelasan mengenai jenis-jenis jaringan komputer berdasarkan fungsinya :

1. Jaringan Komputer Client-Server

Pada jenis jaringan komputer Client-Server ini ada sejumlah komputer yang bertindak sebagai Client, dimana komputer client tersebut dapat meminta sebuah data, sedangkan Server akan melakukan tugas yang dapat memberikan sebuah data sesuai dengan permintaan komputer client tersebut.
Kelebihan dari jenis jaringan komputer ini yaitu dapat mengontrol akses, integritas data dan resource. Sehingga client tersebut tidak dapat mengganggu akses yang ada di dalam jaringan.
Sedangkan kekurangan dari jaringan komputer Client-Server ini yaitu apabila kita menggunakan server tunggal untuk dapat mengatur resource pada jaringan tersebut akan menyebabkan ancaman seperti SPOF. Yang mana jika hal ini terjadi akan menyebabkan berhentinya seluruh aktivitas yang ada di jaringan tersebut.

2. Jaringan Komputer Peer-to-Peer

Jaringan komputer Peer-to-Peer ini adalah jaringan yang dimana setiap komputer tersebut saling dapat terhubung dalam jaringan, dan setiap komputer tersebut dapat bertindak sebagai client maupun server. Jaringan komputer ini juga dibentuk tanpa adanya kontrol yang terpusat pada sebuah server yang terdedikasi.
Sehingga membuat seluruh komputer memiliki kedudukan yang sama. Kelebihan dari jaringan ini yaitu tidak memiliki aplikasi khusus untuk sebuah server, dan instalisasinya pun cukup mudah. Sedangkan kekurangan dari jaringan komputer ini yaitu administrasinya tidak terkontrol dan banyaknya file yang di bagikan akan mempengaruhi kinerja dari komputer. Berikut videonya.

Perbaikan Kualitas Citra

Proses ini biasanya bersifat eksperimental, subjektif, dan bergantung pada tujuan yang hendak dicapai. Operasi pengolahan citra untuk meningkatkan kualitas citra antara lain adalah:

1. Operasi Titik
Operasi titik dalam image enhancement dilakukan dengan memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang diharapkan. Teknik image enhancement melalui operasi titik antara lain adalah intensity adjustment dan histogram equalization.

Intensity Adjustment
Intensity adjustment bekerja dengan cara melakukan pemetaan linear terhadap nilai intensitas pada histogram awal menjadi nilai intensitas pada histogram yang baru.

Contoh1 (increase the contrast of an image):
Citra rice.tif memiliki nilai kekontrasan yang rendah. Berdasarkan histogramnya, dapat diketahui bahwa citra ini tidak memiliki piksel dengan intensitas di bawah 40 dan di atas 204. Untuk memperbaikinya, kita dapat memetakan histogram secara linear sehingga diperoleh sebuah citra baru yang memiliki rentang histogram antara 0 hingga 255. Contoh perintah untuk melakukan peningkatan kontras adalah:

I=imread('rice.png');
J=imadjust(I,[40/255 204/255],[0/255 255/255]);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);

Hasil yang diperoleh ditunjukkan pada Gambar 2.1.

Contoh2 (decrease the contrast of an image):
Citra cameraman.tif memiliki nilai kekontrasan yang tinggi. Dengan menurunkan kontras dari citra tersebut, jas yang dikenakan oleh cameraman akan tampak lebih detail. Contoh perintah untuk melakukan penurunan kontras adalah:

I=imread('cameraman.tif');
J=imadjust(I,[0 0.2],[0.5 1]);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);

Hasil yang diperoleh ditunjukkan pada Gambar 2.2.

Histogram Equalization
Histogram equalization bertujuan untuk menghasilkan citra keluaran yang memiliki nilai histogram yang relatif sama. Contoh perintah untuk melakukan histogram equalization adalah:

I=imread('mandril_gray.tif');
J=histeq(I);
figure,imshow(I);
figure,imhist(I);
figure,imshow(J);
figure,imhist(J);

Hasil yang diperoleh ditunjukkan pada Gambar 2.3.

2. Operasi Spasial
Operasi spasial dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel konvolusi 2-dimensi. Metode image enhancement dalam operasi spasial antara lain low-pass filtering dan high-pass filtering.

Low-pass Filtering
Low-pass filtering adalah proses filter yang melewatkan komponen citra dengan nilai intensitas yang rendah dan meredam komponen citra dengan nilai intensitas yang tinggi. Low pass filter akan menyebabkan citra menjadi lebih halus dan lebih blur.

Aturan kernel untuk low-pass filter adalah:
1. Semua koefisien kernel harus positif
2. Jumlah semua koefisien kernel harus sama dengan 1
Contoh kernel yang dapat digunakan pada low-pass filtering adalah

Low-pass filtering menggunakan kernel (iii) disebut juga neighborhood averaging. Contoh perintah untuk melakukan low-pass filtering adalah:

I=imread('bicycle.tif');
lpf1=[1/16 1/8 1/16;1/8 1/4 1/8;1/16 1/8 1/16];
lpf2=[1/10 1/10 1/10;1/10 1/5 1/10;1/10 1/10 1/10];
lpf3=[1 1 1;1 1 1;1 1 1]/9;
J1=uint8(conv2(double(I),lpf1,'same'));
J2=uint8(conv2(double(I),lpf2,'same'));
J3=uint8(conv2(double(I),lpf3,'same'));
figure,imshow(I);
figure,imshow(J1);
figure,imshow(J2);
figure,imshow(J3);

Hasil yang diperoleh ditunjukkan pada Gambar 2.4.

Median Filtering
Median filter merupakan salah satu jenis low-pass filter, yang bekerja dengan mengganti nilai suatu piksel pada citra asal dengan nilai median dari piksel tersebut dan lingkungan tetangganya. Dibandingkan dengan neighborhood averaging, filter ini lebih tidak sensitif terhadap perbedaan intensitas yang ekstrim. Contoh perintah untuk melakukan median filtering terhadap citra yang terkontaminasi noise adalah:

I=imread('eight.tif');
IN=imnoise(I,'salt & pepper',0.02);
J1=medfilt2(IN,[3 3]);
J2=medfilt2(IN,[5 5]);
figure,imshow(I);
figure,imshow(IN);
figure,imshow(J1);
figure,imshow(J2);

Hasil yang diperoleh ditunjukkan pada Gambar 2.5.

High-pass Filtering
Berkebalikan dengan low-pass filtering, high-pass filtering adalah proses filter yang melewatkan komponen citra dengan nilai intensitas yang tinggi dan meredam komponen citra dengan nilai intensitas yang rendah. High pass filter akan menyebabkan tepi objek tampak lebih tajam dibandingkan sekitarnya.
Aturan kernel untuk high-pass filter adalah:
1. Koefisien kernel boleh positif, negative, atau nol
2. Jumlah semua koefisien kernel adalah 0 atau 1
Contoh kernel yang dapat digunakan pada high-pass filtering adalah

I=imread('girl_gray.tif');
hpf1=[-1 -1 -1;-1 8 -1;-1 -1 -1];
hpf2=[ 0 -1 0;-1 5 -1; 0 -1 0];
hpf3=[ 1 -2 1;-2 5 -2; 1 -2 1];
J1=uint8(conv2(double(I),hpf1,'same'));
J2=uint8(conv2(double(I),hpf2,'same'));
J3=uint8(conv2(double(I),hpf3,'same'));
figure,imshow(I);
figure,imshow(J1);
figure,imshow(J2);
figure,imshow(J3);

Hasil yang diperoleh ditunjukkan pada Gambar 2.6.

3. Operasi Transformasi
Proses image enhancement berbasis transformasi citra dilakukan dengan:
a. mentransformasi domain citra asal ke dalam domain lain yang sesuai bagi proses enhancement
b. melakukan proses enhancement pada domain baru tersebut
c. mengembalikan citra ke dalam domain spasial untuk ditampilkan/diproses lebih lanjut

Salah satu metode transformasi yang populer dalam aplikasi pengolahan citra digital adalah Fast Fourier Transform (FFT). Transformasi ini memindahkan informasi citra dari domain spasial ke dalam domain frekuensi, yaitu dengan merepresentasikan citra spasial sebagai suatu penjumlahan eksponensial kompleks dari beragam frekuensi, magnituda, dan fasa. Setelah dilakukan proses enhancement dalam domain frekuensi, informasi citra dikembalikan ke domain spasial. Contoh perintah untuk melakukan low-pass filtering dan high-pass filtering melalui FFT adalah:

I=imread('cameraman.tif');
IF=fft2(double(I));
mask_high=double(imread('maskpojok.bmp'));
mask_low=1-mask_high;
IFH=(IF.*mask_high);
IFL=(IF.*mask_low );
hasil_high=abs(ifft2(IFH));
hasil_low=abs(ifft2(IFL));
figure,imagesc(I),colormap gray,colorbar,axis image;
figure,imagesc(log(abs(IF +1)),[0 17]),colormap hot,colorbar,axis image;
figure,imagesc(hasil_high),colormap gray,colorbar,axis image;
figure,imagesc(log(abs(IFH+1)),[0 17]),colormap hot,colorbar,axis image;
figure,imagesc(hasil_low ),colormap gray,colorbar,axis image;
figure,imagesc(log(abs(IFL+1)),[0 17]),colormap hot,colorbar,axis image;

Hasil yang diperoleh ditunjukkan pada Gambar 2.7.

Warung SPY

About Me

Materi Tulisan

Kategori Tulisan

Link Situs

Facebook Badge

Drone yang sedang trending topik

Penggunaan Watchguard Firebox Sebagai Penyaring Konten Pada Jaringan Internet Kantor BSITV

Ekstraksi Ciri Citra

Segmentasi Citra

Jaringan Komputer Berdasarkan Fungsinya

1. Jaringan Komputer Client-Server

2. Jaringan Komputer Peer-to-Peer

Perbaikan Kualitas Citra

Postingan Populer

Arsip Blog

Buku Referensi

Buku Referensi

My Tweet