Abstract:Abstract: One of the main challenges in digital image processing is limited resolution, which makes it difficult to preserve visual details when images are enlarged. Conventional methods such as Bilinear Interpolation are…
e commonly used for image upscaling; however, these approaches often produce blurred images, lose fine textures, and fail to reconstruct complex visual structures. This study aims to enhance digital image resolution by employing a deep learni based approach using a Low-Light Convolutional Neural Network (LLCNN) built upon a Deep Neural Network (DNN) architecture. The dataset used in this study is the DIV2K dataset, which consists of 1,000 high-resolution images. These images were downsampled using scaling factors of ×2, ×3, and ×4 to generate paired Low Resolution–High Resolution (LR–HR) data for training and evaluation. The proposed LLCNN is designed to extract important features such as edges, textures, and local patterns through multiple convolutional layers, followed by non-linear mapping to reconstruct high-resolution images more accurately. Quantitative performance evaluation was conducted using the Peak Signal-to-Noise Ratio (PSNR) and the Structural Similarity Index (SSIM). Model performance was evaluated quantitatively using the Peak Signal-to-Noise Ratio (PSNR) metric. Experimental results showed that the proposed method improved image quality compared to the bilinear method. These results indicate that the deep learning based approach effectively improves image sharpness and structural fidelity, thereby demonstrating its potential for digital image resolution enhancement.
Keywords: deep neural network; image resolution; low-light convolutional neural network; machine learning
Abstrak: Permasalahan utama dalam pengolahan citra digital adalah keterbatasan resolusi yang menyebabkan detail visual sulit dipertahankan ketika citra diperbesar. Metode konvensional seperti Bilinear Interpolation masih banyak digunakan, namun sering menghasilkan citra buram, kehilangan tekstur halus, serta tidak mampu merekonstruksi struktur visual yang kompleks. Penelitian ini bertujuan untuk meningkatkan kualitas resolusi citra digital dengan memanfaatkan pendekatan deep learning berbasis Low-Light Convolutional Neural Network (LLCNN) yang dibangun di atas arsitektur Deep Neural Network (DNN). Data yang digunakan dalam penelitian ini berasal dari dataset DIV2K, yang terdiri dari 1000 citra beresolusi tinggi. Citra tersebut diturunkan menjadi resolusi rendah menggunakan faktor downsampling ×2, ×3, dan ×4 untuk membentuk pasangan data Low Resolution–High Resolution (LR–HR) sebagai data pelatihan dan pengujian. LLCNN dirancang untuk mengekstraksi fitur-fitur penting seperti tepi, tekstur, dan pola lokal melalui beberapa lapisan konvolusi, kemudian melakukan pemetaan non-linear guna merekonstruksi citra resolusi tinggi secara lebih presisi. Evaluasi performa model dilakukan secara kuantitatif menggunakan metrik Peak Signal-to-Noise Ratio (PSNR). Hasil eksperimen menunjukkan bahwa metode yang diusulkan mampu meningkatkan kualitas citra dibandingkan metode bilinear. Hasil ini membuktikan bahwa pendekatan berbasis deep learning efektif dalam meningkatkan ketajaman dan kesesuaian struktur citra digital.
Kata kunci: deep neural network; low-light convolutional neural network; machine learning; resolusi citra
Abstract:Abstract: Facial recognition is widely used in areas such as video surveillance and database management. Facial images have been used as a preferred biometric feature in many identity recognition systems to obtain good image…
mage results in image segmentation. A good image must pay attention to several factors, namely high resolution, good contrast, image sharpness, consistent colors, lack of noise and appropriate lighting conditions. In this face recognition research, using canny edge detection method for 10 original images paired with 10 other images. The original faces taken are male and female. Canny edge detection has a low error rate in image segmentation compared to other edge detections. The purpose of this study is to determine the edge of the image in I-rat and can display the results of a good segmentation of facial images. The results of the test data with data stored in the database in the study is 1 face image produces 67.69% accuracy and 26.92% and 8 other face images produce 100% accuracy. The average success rate of 10 experiments using image segmentation is 89.461%. In conclusion, the canny edge detection method can provide accurate results in the face recognition process.
Keywords: accuracy; canny edge detection; face recognition; image; segmentation
Abstrak : Pengenalan wajah banyak digunakan dalam diberbagai bidang seperti pengawasan video dan manajemen basis data. Gambar wajah telah digunakan sebagai ciri biometrik yang disukai di banyak sistem pengenalan identitas untuk mendapatkan hasil citra yang bagus dalam segmentasi citra. Citra yang baik harus memperhatikan beberapa faktor yaitu resolusi tinggi, kontras yang baik, ketajaman citra, warna yang konsisten, kurangnya noise dan kondisi pencahayaan yang sesuai. Pada penelitian pengenalan wajah ini, menggunakan metode deteksi tepi canny untuk 10 citra asli yang dipasangkan dengan 10 citra lainnya. Wajah asli yang diambil berjenis kelamin laki-laki dan perempuan. Deteksi tepi canny memiliki tingkat kesalahan rendah dalam segmentasi citra dibandingkan dengan deteksi tepi lainnya. Tujuan dari penelitian ini adalah menentukan tepi gambar secara akurat dan dapat menampilkan hasil segmentasi citra wajah yang baik. Hasil dari data uji dengan data yang tersimpan di database dalam penelitian adalah 1 citra wajah menghasilkan akurasi 67,69% dan 26,92% dan 8 citra wajah lainnya menghasilkan akurasi 100%. Rata-rata tingkat keberhasilan dari 10 kali percobaan dengan menggunakan segmentasi citra adalah 89,461%. Kesimpulan, metode deteksi tepi canny dapat memberikan hasil yang akurat dalam proses pengenalan wajah.
Kata Kunci : akurasi; deteksi tepi canny; citra; pengenalan wajah; segmentasi
Abstract:Beberapa tahun kebelakang banyak bermunculan jasa cetak sablon Direct To Film (DTF) dengan harga yang bervariatif dan kompetetif. Namun, kelebihan dan kekurangannya belum sepenuhnya dipahami oleh masyarakat luas. Penelitian…
ian ini bertujuan untuk menganalisis perbandingan efisiensi dan kualitas metode sablon manual yang sudah lebih dulu ada dengan sablon DTF yang akhir – akhir ini ramai di pasaran. Penelitian ini menggunakan metode kualitatif dengan puposive sampling mewawancarai dengan narasumber yaitu pelaku dan pelanggan Kronikita Sablon. Hasil penelitian menunjukkan bahwa terdapat perbandingan yang signifikan dari kedua metode tersebut. Kesimpulan dari penelitian ini adalah bahwa DTF lebih efisien dan ekonomis untuk produksi besar dengan desain kompleks, serta unggul dalam ketepatan warna dan ketajaman detail. Namun, sablon manual lebih unggul dalam hal daya tahan hasil cetakan.
Abstract:Memaksimalkan sumber daya manusia dalam dunia pendidikan Islam membutuhkan konsep yang relevan. Al Quran menjelaskannya secara tersirat sebagai ulul Albab sebagai tata nilai yang kuat dalam membangun sikap dan karakteristik…
tik manusia unggulan. Ulul Albab merupakan tuntunan nyata pribadi yang menggabungkan antara dzikir dan fikir, mereka selalu berdzikir dalam segala kondisi, yang tidak pernah putus untuk dzikir kepada Allah Swt dalam segala keadaan, terus berdzikir melalui hati dan lisan, yang memiliki akal sempurna dan bersih. Dalam hal kekuatan akal, ulul albab memiliki kekuatan nalar dan ketajaman berfikir terhadap ciptaan Allah Swt, untuk kemudian dimaksimalkan manfaatnya bagi kesejahteraan dan kebermanfaatan seluruh umat manusia. Kekuatan pemahaman konsep ulul albab dari alquran ini akan melahirkan profil sumber daya manusia yang kokoh secara aqidah, kuat secara jasmani, teguh pendirian, ikhlas dalam beramal, kritis dalam pemikiran, tuntas dalam bekerja, teliti dalam melaksanakan pekerjaan, mandiri dalam berkarya, orientasi hidupnya jelas, optimis dalam menghadapi rintangan, pandai memetik hikmah, penuh perencanaan, sungguh-sungguh dalam meraih cita-cita kehidupan akherat abadi, pandai mengevaluasi capaian, amanah dalam menunaikan kepercayaan, lisannya senantiasa basah dengan dzikir, husnuzhan dalam setiap kejadian.
Abstract:Latar Belakang: Penggunaan gadget di kalangan pelajar dan mahasiswa juga dianggap sebagai suatu kebutuhan yang tidak terhindarkan mulai dari kalangan usia anak – anak hingga usia tua lebih banyak menghabiskan waktu pada…
a perangkat elektronik dan dunia internet, dan tentunya sering berinteraksi lebih banyak dengan layar gadget. Hal ini terbukti bahwa kondisi ini menyebabkan banyak masyarakat merasakan adanya gangguan pada penglihatan. Tujuan penelitian: Mengetahui apakah ada atau tidaknya hubungan penggunaan gadget terhadap ketajaman penglihatan pada siswa keperawatan di SMK Negeri 9 Kota Tangerang Tahun 2024. Metodelogi penelitian: Penelitian ini menggunakan metode penelitian kuantitatif dengan desain penelitian cross sectional. Sampel dalam penelitian ini adalah siswa keperawatan kelas 10 SMKN 9 Kota Tangerang berjumlah 77 siswa. Teknik pengambilan sampel menggunakan Total sampling. Instrument penelitian terdiri dari kuesioner dan observasi menggunakan Snellen Chart. Analisa data menggunakan Chi-Square. Hasil penelitian: Penggunaan gadget pada siswa keperawatan di SMKN 9 Kota Tangerang adalah Selalu menggunakan gadget dengan ketajaman penglihatan buruk. Kesimpulan: Maka dapat disimpulkan terdapat hubungan yang signifikan antara hubungan penggunaan gadget terhadap ketajaman penglihatan pada siswa keperawatan di SMK Negeri 9 Kota Tangerang dengan hasil (p-Value= 0,00).