Dokumen tersebut membahas enam poin utama tentang manfaat ikhlas, yaitu memperpanjang usia, mempermudah datangnya rezeki, menghilangkan energi negatif, hidup damai dan tenteram, hidup penuh kepasrahan dan ketundukan, serta sukses di dunia dan akhirat. Dokumen ini juga menyebutkan empat hal yang membuat bahagia di dunia dan akhirat menurut hadis Nabi Muhammad SAW.
1. UPI CONVENTION CENTER [UPI-CC]
UNIVERSITAS PUTRA INDONESIA “ YPTK “
PADANG, 08 Agustus 2012
2. 5. Hidup Penuh Kepasrahan dan Ketundukan5. Hidup Penuh Kepasrahan dan Ketundukan
3. Menghilangkan Energi Negatif3. Menghilangkan Energi Negatif
2. Mempermudah Datangnya Rezeki2. Mempermudah Datangnya Rezeki
6. Sukses Dunia dan Akhirat6. Sukses Dunia dan Akhirat
1. Memperpanjang Usia1. Memperpanjang Usia
4. Hidup Damai Dan Tenteram4. Hidup Damai Dan Tenteram
Dahsyatnya Efek Ikhlas Bagi Kita
Sumber : (Mohammad Irsyad, 2012), Dalam Buku “Hilangkan Stres dengan Terapi HIPN IKHLAS”Sumber : (Mohammad Irsyad, 2012), Dalam Buku “Hilangkan Stres dengan Terapi HIPN IKHLAS”
3. Dari Ibnu Abbas Ra, Sesungguhnya Rasulullah
Saw Bersabda : Empat Hal (Kenikmatan) Bila
Seseorang Dikaruniai Allah Seluruhnya, Maka
Ia Telah Meraih Kebaikan Dunia Dan Akhirat,
Yaitu :
1.Hati Yang Bersyukur,
2.Lisan Yang Bedzikir,
3.Tubuh Yang Sabar Akan Ujian,
4.Keluarga yang sakinah-mawadah-warhmah”
Sumber Hr : Thabrany & BaihaqiSumber Hr : Thabrany & Baihaqi
Empat Hal yang Membuat Bahagia Dunia-Akhirat
4. - Teknik Pengambilan
a. Transformasi geometris
b. Nilai dinamik rendah
c. Adanya efek noise dan blur
- Pre-processing
a. koleksi geometris (rotasi, translasi, zoom)
b. peningkatan nilai dinamik pixel (histograme)
c. perbaikan kualitas citra (filtering)
5.
6.
7.
8. KONSEP WARNA
Format Warna
RGB
r-g Color
Normalized RGB
HSV
YCrCb
TSL
Deteksi Warna
Static Threshold
Distance Threshold
Dynamic Threshold
9.
10. Format Warna Pada Gambar
Gambar (Digital) adalah sekumpulan titik yang
disusun dalam bentuk matriks, dan nilainya
menyatakan suatu derajat kecerahan (derajat
keabuan/gray-scale). Derajat keabuan 8 bit
menyatakan 256 derajat kecerahan.
Pada gambar berwarna nilai setiap titiknya adalah
nilai derajat keabuan pada setiap kompoen warna
RGB. Bila masing-masing komponen R,G dan B
mempunyai 8 bit, maka satu titik dinyatakan
dengan (8+8+8)=24 bit atau 224
derajat keabuan
11. Format RGB
Format RGB (Red, Green & Blue) adalah format dasar
yang digunakan oleh banyak peralatan elektronik
seperti monitor, LCD atau TV untuk menampilkan
sebuah gambar.
Pada format RGB, suatu warna didefinisikan sebagai
kombinasi (campuran) dari komponen warna R, G
dan B.
12. Format RGBPada format warna RGB 24 bit,
maka nilai R, G dan B masing-
masing 0-255
Warna R G B
Hitam 0 0 0
Merah 255 0 0
Hijau 0 255 0
Biru 0 0 255
Kuning 255 255 0
Magenta 255 0 255
Cyan 0 255 255
Putih 255 255 255
Abu-Abu 127 127 127
Orange 255 110 0
Ungu 128 0 255
Coklat 128 25 0
Pink 255 190 220
Navy 0 0 120
13. R-G Color Space
Nilai r-g digunakan untuk mendeteksi warna kulit,
J. Fritsch, S. Lang, M. Kleinehagenbrock, G. A. Fink and G. Sagerer,
Improving Adaptive Skin Color Segmentation by Incorporating Results
from Face Detection, Proc. IEEE Int. Workshop on Robot and Human
Interactive Communication (ROMAN), Berlin, Germany,September 2002.
IEEE.
Nilainya berada 0-1 pada setiap komponen r dan g
BGR
R
r
++
=
BGR
G
g
++
=
19. TSL (Tint, Saturation, Lightness)
BGRL
G
g
gr
g
gr
T
gr
S
114.0587.0299.0
0,0
0,
4
3
2
)/arctan(
0,
4
1
2
)/arctan(
)(5
9
2
1
22
++=
=
<+
>+
=
+
=
π
π
Dimana:
3
1
3
1
−
++
=
−
++
=
BGR
G
g
BGR
R
r
20.
21. Deteksi Warna
Mendeteksi adanya warna-warna tertentu
Menentukan posisi pixel dengan warna yang
ditentukan
Aplikasi: Deteksi rambu-rambu lalu lintas, deteksi
bola dengan warna tertentu, deteksi obyek
berdasarkan warna, deteksi kulit (skin detection)
22. Threshold RGB
Untuk warna-warna dasar, nilai RGB cukup efektif
dalam melakukan deteksi meskipun cara ini
bukan cara terbaik.
Nilai threshold dapat dipelajari berdasarkan pola
warna atau ditentukan secara intuitif, tetapi
threshold RGB ini sangat rentan terhadap
kestabilan cahaya
Aplikasi untuk menentukan nilai threshold
terbaik dalam suatu permasalahan dapat
dilakukan menggunakan teknik-teknik machine
learning.
25. Threshold HSV
Untuk warna-warna natural, nilai HSV cukup
efektif dalam melakukan deteksi.
Nilai threshold dapat dipelajari berdasarkan pola
warna atau ditentukan secara intuitif.
Dibandingkan dengan RGB, threshold HSV ini
cenderung lebih stabil terhadap perubahan
cahaya.
Aplikasinya seperti pada threshold untuk warna
buah, warna pada pemandangan atau warna-
warna pada obyek yang bukan buatan manusia.
26. Threshold YCrCb
YCrCb adalah format warna Yellow, Crominan Red
dan Crominan Blue.
Range nilai masing-masing komponen :
o 0≤Y≤255
o -255≤Cr≤255
o -255≤Cb≤255
28. Color Thresholding
Static Thresholding: nilai threshold dicari secara
intuisi. Berarti kita harus mempelajari warna pada
gambar dulu sebelum menentukan nilai threshold.
Distance Threshold: nilai threshold adalah nilai batas
jarak dari sebuah warna dengan warna referensi.
Dynamic Threshold: nilai threshold dicari
menggunakan algoritma searching atau klasifikasi.
29. Static Color thresholding
⊆⊆⊆
=
lainyanguntuk0,
IbbIg,gIr,runtuk,1
P
Dimana : Ir, Ig, Ib adalah interval untuk warna r, g
dan b yang ditentukan secara spesifik
Misalkan untuk mengambil warna merah dilakukan dengan:
IF r>200 and g<64 and b<64 THEN warna=merah
Nilai threshold
30. Distance Color thresholding
Bila diketahu warna acuan mempunyai nilai elemen warna c1, c2 dan c3.
Maka setiap warna w1, w2 dan w3 dapat dihitung jaraknya dengan warna
referensi dengan cara:
( )∑
∑
−=
−=
i
ii
i
ii
cwd
cwd
2
(Jarak Manhattan)
(Jarak Euclidian)
Nilai threshold ditentukan dengan besarnya jarak warna maksimum dari
sebuah warna dan warna referensi.
31. Dynamic Color Threshold
Threshold dapat dipilih apakah threshold global atau
threshold local
Threshold menggunakan distance threshold dari
warna-warna di sekitar obyek yang dimaksud
32. Color Thresholding Dinamik
Dengan Rata-Rata Acuan
Sebelumnya diambil gambar-gambar contoh
sebagai acuan untuk menentukan threholding
dari warna yang diinginkan.
Dari data warna-warna tersebut diambil rata-rata
dari setiap elemen warna:
Thresholding dilakukan dengan jarak d dari setiap
rata-rata elemen warna
bluerata-rataadalahb
greenrata-rataadalah
redrata-rataadalah
g
r
35. Aplikasi Color Detection SKIN DETECTION
Menggunakan deteksi warna kulit (skin detection)
dapat dilakukan menggunakan format RGB atau YCrCb
Mendeteksi warna kulit banyak digunakan untuk
aplikasi pengenalan wajah, deteksi badan atau anggota
badan.
Sangat sulit mendapatkan sistem deteksi warna kulit
yang bersifat general, karena ada perbedaan warna
kulit pada masing-masing ras (melayu, cina, eropa,
latin atau afrika )
36. Aplikasi Color Detection
DETEKSI DAN PENGENALAN BUAH
Setiap buah mempunyai warna yang spesifik
Color thresholding dapat digunakan untuk
mendeteksi dimana letak buah
Color histogram dapat digunakan un tuk mengenali
buah.
37. Aplikasi Color Detection
DETEKSI KEMATANGAN TOMAT
Kematangan tomat dapat dibedakan menjadi tiga fase
yaitu hijau, campur-warna dan merah
Dengan deteksi warna RGB atau HSV atay YCrCb
dapat dideteksi kematangan tomat
38. Aplikasi Color Detection
DETEKSI RAMBU-RAMBU LALU LINTAS
Deteksi rambu-rambu lalu lintas dapat dilakukan
menggunakan color thresholding baik RGB atau
HSV, karena rambu-rambu lalu lintas mempunyai
warna dan bentuk yang spesifik.
Deteksi rambu-rambu lalu lintas dapat digunakan
untuk dipasang pada kendaraan sebagai co-pilot
atau smart navigation
39. Palet Warna
Bagaimana sebuah citra direpresentasikan dalam file?
Pertama-tama seperti halnya jika kita ingin melukis sebuah
gambar, kita harus memiliki palet dan kanvas
Palet: kumpulan warna yang dapat membentuk citra, sama halnya
seperti kita hendak melukis dengan cat warna, kita memiliki palet yang
bisa kita isikan berbagai warna cat air
Setiap warna yang berbeda dalam palet tersebut kita beri nomor
(berupa angka)
Contoh untuk citra monokrom (warnanya hanya putih-abuabu-hitam),
berarti kita memiliki palet sbb:
40. Kanvas & Matriks
Setelah itu kita dapat menggambar menggunakan warna-warna
dalam palet tersebut di atas sebuah kanvas
Sebuah kanvas dapat kita anggap sebagai sebuah matriks dimana
setiap elemen dari matriks tersebut bisa kita isikan dengan salah
satu warna dari palet
Informasi tentang palet (korespondensi antara warna dengan
angka) disimpan dalam komputer (program pembuka citra seperti
Paint, Photoshop, dll) sehingga sebuah file citra dalam komputer
hanya perlu menyimpan angka-angka yang merepresentasikan
sebuah warna.
sebuah citra direpresentasikan dalam sebuah matriks yang
berisi angka-angka
42. Alur
Jika kita menyimpan gambar kucing tadi ke dalam sebuah file
(kucing.bmp), maka yang disimpan dalam file tersebut adalah angka-
angka yang diperoleh dari matriks kanvas.
File kucing.bmp:
Header
Angka-
angka dari
matriks
Informasi palet dan format file citra
Program pembuka citra
(Paint, Photoshop, dll)
input
Ditampilkan di layar
43. Representasi dalam File
Untuk Windows Bitmap Files (.bmp)
Ada header berisi informasi jumlah baris dan kolom dalam
citra, informasi palet, dll
Header langsung diikuti dengan angka-angka dalam matriks,
disusun perbaris
Baris pertama langsung diikuti baris kedua, dst
Bagaimana mengetahui awal suatu baris? (misal untuk
membedakan citra berukuran 100x200 dengan 200x100)
lihat informasi jumlah baris dan jumlah kolom di header
Header Baris 1 ….. Baris terakhir
44. Representasi dalam File
Ada bermacam format representasi citra dalam file, seperti bmp, tif, jpg, dan
sebagainya.
Format BMP merupakan format yang kurang efisien, karena semua informasi
angka dalam baris disimpan semua. Misalkan ukuran header adalah H byte,
ukuran citra 100x100 byte monokrom, maka ukuran file bmp tersebut adalah :
H + data citra = H + 10000 Byte
Bagian data citra (10000 byte) sebenarnya bisa dikompresi agar ukuran file
tidak terlalu besar. Salah satu cara kompresi adalah dengan terlebih dahulu
mentransformasikan citra ke ruang yang berbeda (contoh: format file JPEG)
Topik ini lebih lanjut akan kita bahas di bahasan tentang Transformasi
48. clear all
Im=imread('meridian.png');
figure(1), imshow(Im);
Im(1:3,1:3,:)
figure(2), imshow(Im(:,:,1));
figure(3), imshow(Im(:,:,2));
figure(4), imshow(Im(:,:,3));
[N,M,K]=size(Im);
H(1:256)=0;
for n=1:N
for m=1:M
H(Im(n,m,1)+1) = H(Im(n,m,1)+1) + 1 ;
end
end
figure(5), plot(H);
J(1:256)=0;
for n=1:N
for m=1:M
J(Im(n,m,2)+1) = J(Im(n,m,2)+1) + 1 ;
end
end
figure(6), plot(J);
K(1:256)=0;
for n=1:N
for m=1:M
K(Im(n,m,3)+1) = K(Im(n,m,3)+1) + 1 ;
end
end
figure(7), plot(K);
49. clear all
Im=imread('Beruang.png');
figure(1), imshow(Im);
%Im(1:3,1:3,:)
%figure(2), imshow(Im(:,:,1));
%figure(3), imshow(Im(:,:,2));
%figure(4), imshow(Im(:,:,3));
[N,M,K]=size(Im);
H(1:256)=0;
Lmax=0;
Lmin=0;
for n=1:N
for m=1:M
H(Im(n,m)+1) = H(Im(n,m)+1) + 1 ;
Lmax=max(Lmax,Im(n,m));
Lmin=min(Lmin,Im(n,m));
end
end
figure(2), plot(H);
for n=1:N
for m=1:M
Im1(n,m)=(Im(n,m)-Lmin)*(255/(Lmax-Lmin));
end
end
figure(3), imshow(Im1);
Im2=histeq(Im);
figure(4), imshow(Im2);
50. clear all
Im=imread('Beruang.png');
figure(1), imshow(Im);
%Im(1:3,1:3,:)
%figure(2), imshow(Im(:,:,1));
%figure(3), imshow(Im(:,:,2));
%figure(4), imshow(Im(:,:,3));
[N,M,K]=size(Im);
H(1:256)=0;
Lmax=0;
Lmin=0;
for n=1:N
for m=1:M
H(Im(n,m)+1) = H(Im(n,m)+1) + 1 ;
Lmax=max(Lmax,Im(n,m));
Lmin=min(Lmin,Im(n,m));
end
end
figure(2), plot(H);
for n=1:N
for m=1:M
Im1(n,m)=(Im(n,m)-Lmin)*(255/(Lmax-Lmin));
end
end
figure(3), imshow(Im1);
Im2=histeq(Im);
figure(4), imshow(Im2);
51. clear all
Im=double(imread('meridian.png'));
figure(1), imshow(uint8(Im));
A=[-1 0 1;-2 0 2; -1 0 1];
B=[-1 -2 -1;0 0 0; 1 2 1];
[N,M,K]=size(Im);
[N1,M1]=size(A);
C1(1:N,1:M)=0;
C2(1:N,1:M)=0;
Sumt(1:N,1:M)=0;
for n=1:N
for m=1:M
Y(n,m)=0.299*Im(n,m,1)+0.114*Im(n,m,2)*0.587*Im(n,m,3);
end
end
figure(2), imshow(uint8(Y));
for n=2:N-1
for m=2:M-1
Sum1=0;Sum2=0;
for i=-(N1-1)/2:(N1-1)/2
for j=-(M1-1)/2:(M1-1)/2
Sum1 = Sum1 + A(i+2,j+2)*Y(n+i,m+j);
Sum2 = Sum2 + B(i+2,j+2)*Y(n+i,m+j);
end
end
C1(n-1,m-1)=Sum1;
C2(n-1,m-1)=Sum2;
Sumt(n-1,m-1)=Sum1+Sum2;
end
end
figure(3), imshow(uint8(abs(C1)));
figure(4), imshow(uint8(abs(C2)));
figure(5), imshow(uint8(abs(Sumt)));
53. Cara Mengetahui Informasi VideoCara Mengetahui Informasi Video
>> info=imaqhwinfo('winvideo',1);
>> info.SupportedFormats'
ans =
'YUY2_1280x720'
'YUY2_160x120'
'YUY2_176x144'
'YUY2_1920x1080'
'YUY2_320x240'
'YUY2_352x288'
'YUY2_640x480'
54. Contoh Penggunaan Frame_1.mContoh Penggunaan Frame_1.m
1 clear all
2 vid=videoinput('winvideo',1,'YUY2_160x120');
3 preview(vid);
4 data=getsnapshot(vid);
5 data1=ycbcr2rgb(data);
6 figure(2), imshow(data1);
7 imwrite(data1,'test1.bmp');
55. Contoh Penggunaan Frame_2.mContoh Penggunaan Frame_2.m
clear all
% Membaca dari camera
vid=videoinput('winvideo',1,'YUY2_160x120');
preview(vid);
for j = 1:60
data=getsnapshot(vid);
data1=ycbcr2rgb(data);
figure(2), imshow(data1);
imwrite(data1,[int2str(j),'.bmp']);
end
56. Contoh Penggunaan Frame_3.mContoh Penggunaan Frame_3.m
clear all
% Membaca dari camera% Membaca dari camera
vid=videoinput('winvideo',1,'YUY2_160x120');
preview(vid);
for j = 1:60
data=getsnapshot(vid);
data1=ycbcr2rgb(data);
figure(2), imshow(data1);
imwrite(data1,[int2str(j),'.bmp']);
end
% Konversi ke dalam File Video AVI% Konversi ke dalam File Video AVI
aviobj = avifile(‘soe.avi');
aviobj.quality = 80;
aviobj.COMPRESSION ='None';
for i=1:60
image=imread([int2str(i),'.bmp']);
aviobj=addframe(aviobj,image);
end
aviobj=close(aviobj);
57. % Record your voice for 5 seconds.
recObj = audiorecorder(44100, 16, 2);
disp('Start speaking.')
recordblocking(recObj, 5);
disp('End of Recording.');
% Play back the recording.
play(recObj);
% Store data in double-precision array.
myRecording = getaudiodata(recObj);
plot(myRecording);
wavwrite(myRecording,'Test.wav');
save('Test1','myRecording','-double');
% Plot the samples.
myRecording1(:,1)=myRecording(:,1);
%myRecording1(2:end,1)=myRecording(:,1);
myRecording1(:,2)=myRecording(:,1)-myRecording(:,2);
myRecording1(:,2)=myRecording1(:,1)+myRecording1(:,2);
save('Test2.wav','myRecording1','-double');
plot(myRecording);
Proses Merekam Suara *.wav
58. ------------------------------------------------------------
Konversi dari Jpg ke bmp (Citra Thresholding)
-------------------------------------------------------------
citra = imread('Soe.jpg');
[baris, kolom, layer] = size(citra);
citra = double(citra);
for i = 1:baris
for j = 1:kolom
for k = 1:layer
if citra(i, j, k) < 120
citraThresholding(i, j, k) = 0;
else
citraThresholding(i, j, k) = 1;
end
end
end
end
imshow(citraThresholding);
imwrite(citraThresholding, 'SoeThreshold.bmp', 'bmp');
59. -------------------------------------------------------------
Konversi dari Jpg ke bmp (Citra Negatif)
-------------------------------------------------------------
citra = imread('Soe.jpg');
[baris, kolom, layer] = size(citra);
citra=double(citra);
for i = 1:baris
for j = 1:kolom
for k = 1:layer
citraNegatif(i, j, k) = 255 - citra(i, j, k);
end
end
end
citraNegatif = uint8(citraNegatif);
imshow(citraNegatif);
imwrite(citraNegatif, 'SoeNegatif.bmp', 'bmp');
63. -------------------------------------------------------------
Citra dikalikan dengan Skalar
-------------------------------------------------------------
citra = imread('Soe.jpg');
[baris, kolom, layer] = size(citra);
citra=double(citra);
for i = 1:baris
for j = 1:kolom
for k = 1:layer
citraPerkalianSkalar(i,j,k)= 1.5 * citra(i,j,k);
end
end
end
citraPerkalianSkalar = uint8(citraPerkalianSkalar);
imshow(citraPerkalianSkalar);
imwrite(citraPerkalianSkalar, 'GohankaliSkalar.bmp', 'bmp');
66. -------------------------------------------------------------
Citra direlokasi (Dicerminkan seperti aslinya)
-------------------------------------------------------------
citra = imread('Soe.jpg');
[baris, kolom, layer] = size(citra);
citra=double(citra);
for i = 1:baris
for j = 1:kolom
for k = 1:layer
citraCerminOrigin(i,j,k)=citra(baris-i+1,kolom-j+1,k);
end
end
end
citraCerminOrigin = uint8(citraCerminOrigin);
imshow(citraCerminOrigin);
imwrite(citraCerminOrigin, 'SoeCerminOrigin.bmp', 'bmp');
67. -------------------------------------------------------------
Citra dirubah ke binary
-------------------------------------------------------------
clear all;
Im = imread ('jsf02.bmp');
[M,N,L] = size(Im);
figure(1), imshow(uint8(Im));
%Dikonversikan dari Citra Warna ke Gray Level
for i = 1:M
for j = 1:N
Im1(i,j)=(0.299*double(Im(i,j,1))) + (0.587*double(Im(i,j,2))) + (0.114*double(Im(i,j,3))) ;
end
end
figure(2), imshow(uint8(Im1));
%Ditranfer dari Gray Level ke Biner
Imb(i,j)=Im1(i,j);
for i = 1:M
for j = 1:N
if Im1(i,j)<125
Imb(i,j)=0;
else
Imb(i,j)=255;
end
end
end
figure(3), imshow(uint8(Imb));
68. clear all
% Membaca dari camera
vid=videoinput('winvideo',1,'YUY2_160x120');
preview(vid);
for j = 1:60
data=getsnapshot(vid);
data1=ycbcr2rgb(data);
figure(2), imshow(data1);
imwrite(data1,[int2str(j),'.bmp']);
end
% Konversi ke dalam File Video AVI
aviobj = avifile('flameDetecteds.avi');
aviobj.quality = 80;
aviobj.COMPRESSION ='None';
for i=1:60
image=imread([int2str(i),'.bmp']);
aviobj=addframe(aviobj,image);
end
aviobj=close(aviobj);
Proses Pembacaan Dari Kamera
69. % Baca File Video dari Camera ke hasil konversi AVI
importFile = ‘soe.avi';
%input('Source filename: ', 's');
%%% Open file
[importFID,errorMsg]=fopen(importFile,'r','ieee-be');
% [importFID,errorMsg]=fopen(importFile,'r');
if importFID~=-1,
% Get the filesize.
fseek(importFID,0,'eof');
totalMsgLength=ftell(importFID)*8;
fseek(importFID,0,'bof');
end
Proses Baca Dari .avi ke image
70. % Konversi ke dalam File Video mpeg
%%% Read file bytewise and store the input message
[data_in,readCount]=fread(importFID,[1,totalMsgLength],'uint8');
[baris,kolom] = size(data_in);
data_in = uint8(transpose(data_in));
r = rem(kolom,188);
if r ~= 0
for i = 1:188-r
data_in(kolom+i) = 0;
end
end
Tsym = 1e-06;
Ts = 0.000224*2176/9072/188;
% Setting Stop Time
St = Ts*kolom;
Proses Konversi Dari .avi ke mpeg
71. %function writempeg(stream_in)
stream_out = transpose(data_in);
mpegfid = fopen('hasils.mpg','wb','ieee-be'); % IEEE Big Endian
%mpegfid = fopen(stream_in,'wb','ieee-be'); % IEEE Big Endian
fwrite(mpegfid,stream_out,'uint8'); % Read bitstream into byte
fclose(mpegfid);
% Tampilkan dalam Layar% Tampilkan dalam Layar
readerobj = mmreader('hasils.mpg');
vidFrames = read(readerobj);
numFrames = get(readerobj,'numberofFrames');
vidHeight = readerobj.Height;
vidWidth = readerobj.Width;
for k = 1 : numFrames
mov(k).cdata = vidFrames(:,:,:,k);
mov(k).colormap = [];
end
hf = figure;
%set(hf, 'position', [150 150 vidWidth vidHeight])
%movie(hf, mov, 1, readerobj.FrameRate);
movie(mov, 1, readerobj.FrameRate);
Proses Konversi Dari .avi ke mpeg
72. TUGAS INDIVIDU SYARAT UAS KAPITA SELEKTATUGAS INDIVIDU SYARAT UAS KAPITA SELEKTA
Buat suatu karya ilmiah dengan topik, pilih salah satu topik dibawah ini :
“Video Compression Dari Citra bmp-AVI-MPEG Dengan MatLab ”
“Video Compression Dari Citra jpg-MPEG-WMV Dengan MatLab”
“Video Compression Dari Citra gif-AVI-FLY Dengan MatLab”
atau jurnal yang terkait dengan topik diatas.
Ada pun ketentuannya adalah:
Minimal 5 referensi/daftar pustaka tahun terbit paling akhir 2010.
Paling sedikit 2 Halaman selain daftar pustaka.
Berisi abstrak, pendahuluan, isi, dan kesimpulan.
Note: - Jurnal setiap mahasiswa harus ada yang berbeda min. 2 judul,
Dari 5 judul, jika sama maka akan dianggap plagiat
- Hari ini ringkasannya dikumpul via email : soe@upiyptk.org s.d
Jam 16:00 WIB
- Hari Senin / 03 Maret 2014 disesuaikan dengan Jadwal Admisi PPs (Pascasarjana)
di laporkan hasil review dari jurnal yang telah dicari dan Sesuai dengan ketentuan
diatas. (Sebagai Soal Ujian UAS sekaligusSebagai Soal Ujian UAS sekaligus)
73. CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAH
Judul
Apakah: - Informatif ?
- Hemat kata ?
- Sesuai isi ?
Topik
Apakah: - Original ?
- Penting ?
- Aplikabel / implikabel ?
- Tidak obsolete ? (bukan hal baru)
AbstrakAbstrak
1.Adakah Tujuan – Metode – Hasil – Kesimpulan ?.
2.Apakah semua isi abstrak dapat ditemukan dalam makalah ?.
3.Adakah kata kunci ?.
4.Sesuaikah dengan isi ?.
74. A. Pendahuluan
1.Adakah latar belakang dan tujuan penelitian yang jelas ?
B. Metode
1.Apakah metode diuraikan secara lengkap ?
2.Apakah metode yang digunakan tidak obsolute ?
C. HasilC. Hasil
1.Apakah hasil yang diperoleh diuraikan secara jelas tanpa melibatkan
interpretasi subjektif peneliti ?
2.Apakah hasil yang diperoleh sesuai dengan tujuan penelitian ?
D. PembahasanD. Pembahasan
1.Apakah keterbatasan penelitian dijelaskan secara lengkap ? Adakah upaya
peneliti untuk menguranginya ?
2.Apakah hasil yang diperoleh plausibel ?
3.Apakah peneliti membahas hasil penelitian sejenis terdahulu dan
membandingkannya dengan hasil peneliti sendiri ? Apakah materi studi
banding tidak obsolete ?
4.Apakah tujuan penelitian tercapai ?
CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAH
75. E. Daftar Pustaka
1.Apakah perujukan dilakukan secara memadai / adakah
indikasi ke arah plagiarisme ?
2.Apakah penulisan rujukan dalam-teks dan daftar pustaka
dilakukan secara konsisten sesuai dengan salah satu sistem
perujukan ?
3.Apakah rujukan dalam-teks sesuai dengan daftar pustaka ?
F. Lain-lainF. Lain-lain
1.Apakah bahasa Indonesia yang digunakan sesuai dengan
kaidah dan tata bahasa Indonesia yang formal ?
2.Apakah isi makalah disajikan secara jelas, sistematik, dan
berkelanjutan ?
3.Apakah penggunaan bahasa Inggris dilakukan secara baik ?
CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAH
76. CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAH
Alternatif judul untuk sebuah Karya Ilmiah ini yaitu:
1.Jejaring Saraf Tiruan Menggunakan Algoritma
Backpropagation untuk Memprediksi Prestasi Calon
Mahasiswa Universitas Putra Indonesia “YPTK” Padang:
Penekanan penelitian pada “penilaian cara dan hasil penggunaan
jejaring saraf tiruan dengan algoritma backpropagation”. Data
Universitas Putra Indonesia hanya sebagai contoh.
2.Prediksi Prestasi Calon Mahasiswa Universitas Putra
Indonesia “YPTK” Padang menggunakan Jejaring Saraf Tiruan
dengan Algoritma Backpropagation: Penekanan penelitian pada
“prediksi prestasi calon mahasiswa” di suatu lokasi tertentu, jejaring
saraf tiruan hanya sebagai alat bantu.
77. Compresi File PdfCompresi File Pdf
Alamat Compresi Pdf adar menjadi lebih
kecil :
www.compres.pdf.co.uk