Melola Discovery

← Melola Discovery

Jurnal SINTA 2

GRAMMATICAL EVOLUTION FOR FEATURE EXTRACTION IN LOCAL THRESHOLDING PROBLEM

Jurnal Ilmu Komputer dan Informasi (JIKI) · Vol. 5 No. 2 (2012) · pp. 106–111

DOI
10.21609/jiki.v5i2.197
ISSN
2502-9274, 2088-7051
Published
2012-07-29
Publisher
Faculty of Computer Science - Universitas Indonesia
Language
eng

Abstract

The various lighting intensity in a document image causes diffculty to threshold the image. The conventional statistic approach is not robust to solve such a problem. There should be different threshold value for each part of the image. The threshold value of each image part can be looked as classifcation problem. In such a classifcation problem, it is needed to find the best features. This paper propose a new approach of how to use grammatical evolution to extract those features. In the proposed method, the goodness of each feature is calculated independently. The best features then used for classification task instead of original features. In our experiment, the usage of the new features produce a very good result, since there are only 5 miss-classification of 45 cases. Variasi intensitas pencahayaan pada citra dokumen akan menyebabkan kesulitan dalam menentukan nilai threshold dari citra tersebut. Pendekatan statistik konvensional tidak cukup baik dalam memecahkan masalah ini. Dalam hal ini, diperlukan nilai threshold yang berbeda-beda untuk setiap bagian citra. Nilai threshold dari setiap bagian citra dapat dipandang sebagai masalah klasifikasi. Dalam permasalahan klasifikasi semacam ini, dibutuhkan pencarian fitur-fitur terbaik. Di sini diusulkan sebuah pendekatan baru untuk mengekstrak fitur-fitur tersebut dengan menggunakan grammatical evolution. Nilai kebaikan dari masing-masing fitur akan dihitung secara saling lepas. Dalam percobaan yang dilakukan, tampak bahwa penggunaan fitur-fitur baru tersebut menghasilkan hasil yang sangat baik. Hanya ditemukan 5 kesalahan pengklasifikasian dalam 45 kasus.

Keywords

Collaboration network of the authors

40 authors · 92 co-authorship links · 12 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Institut Teknologi Sepuluh Nopember
  • Lampung University
  • University of Brawijaya
  • Universitas Islam Negeri Raden Intan Lampung
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Diana PurwitasariInstitut Teknologi Sepuluh Nopember6
Dini Adni NavastaraInstitut Teknologi Sepuluh Nopember5
Rarasmaya IndraswariInstitut Teknologi Sepuluh Nopember4
Anny YuniartiInstitut Teknologi Sepuluh Nopember3
Wawan GunawanUniversitas Islam Negeri Raden Intan Lampung2
Munjiah Nur SaadahInstitut Teknologi Sepuluh Nopember2
Rigga Widar AtmagiInstitut Teknologi Sepuluh Nopember2
Dyah S. RahayuInstitut Teknologi Sepuluh Nopember2
Khoirul UmamInstitut Teknologi Sepuluh Nopember2
Gulpi Qorik Oktagalu PratamasunuAffiliation unknown2
Darlis HerumurtiInstitut Teknologi Sepuluh Nopember2
Safri AdamInstitut Teknologi Sepuluh Nopember2
⁠Undang RosidinLampung University1
Nina KadaritnaLampung University1
Naser JawasInstitut Teknologi Sepuluh Nopember1
Randy Cahya WihandikaUniversity of Brawijaya1
Yuita Arum SariUniversity of Brawijaya1
Evy Kamilah RatnasariInstitut Teknologi Sepuluh Nopember1
Siti MutrofinInstitut Teknologi Sepuluh Nopember1
Mutmainnah MuchtarInstitut Teknologi Sepuluh Nopember1
Jayanti Yusmah SariInstitut Teknologi Sepuluh Nopember1
Mohammad ZarkasiInstitut Teknologi Sepuluh Nopember1
Fidi Wincoko PutroInstitut Teknologi Sepuluh Nopember1
Khadijah Fahmi Hayati HolleInstitut Teknologi Sepuluh Nopember1
Andi Baso KaswarInstitut Teknologi Sepuluh Nopember1
Saprina MamaseInstitut Teknologi Sepuluh Nopember1
Saiful Bahri MusaInstitut Teknologi Sepuluh Nopember1
Ahmad Mustofa HadiInstitut Teknologi Sepuluh Nopember1
Christian Sri Kusuma AdityaInstitut Teknologi Sepuluh Nopember1
Mamluatul Hani`ahInstitut Teknologi Sepuluh Nopember1
Aryo HartoInstitut Teknologi Sepuluh Nopember1
Arif FadllullahInstitut Teknologi Sepuluh Nopember1
Dasrit Debora KamudiInstitut Teknologi Sepuluh Nopember1
Muhamad NasirInstitut Teknologi Sepuluh Nopember1
Ratri Enggar PaweningAffiliation unknown1
Tio DarmawanInstitut Teknologi Sepuluh Nopember1
Rizqa Raaiqa BintanaInstitut Teknologi Sepuluh Nopember1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jiki.cs.ui.ac.id/index.php/jiki/oai, first harvested 26 Okt 2026, last seen 26 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">GRAMMATICAL EVOLUTION FOR FEATURE EXTRACTION IN LOCAL THRESHOLDING PROBLEM</dc:title>
	<dc:creator>Gunawan, Go Frendi</dc:creator>
	<dc:creator>Gosaria, Sonny Christiano</dc:creator>
	<dc:creator>Arifin, Agus Zainal</dc:creator>
	<dc:subject xml:lang="en-US">classification</dc:subject>
	<dc:subject xml:lang="en-US">ekstrak fitur</dc:subject>
	<dc:subject xml:lang="en-US">extract feature</dc:subject>
	<dc:subject xml:lang="en-US">feature</dc:subject>
	<dc:subject xml:lang="en-US">fitur</dc:subject>
	<dc:subject xml:lang="en-US">grammatical evolution</dc:subject>
	<dc:subject xml:lang="en-US">klasifikasi</dc:subject>
	<dc:subject xml:lang="en-US">local thresholding</dc:subject>
	<dc:description xml:lang="en-US">The various lighting intensity in a document image causes diffculty to threshold the image. The conventional statistic approach is not robust to solve such a problem. There should be different threshold value for each part of the image. The threshold value of each image part can be looked as classifcation problem. In such a classifcation problem, it is needed to find the best features. This paper propose a new approach of how to use grammatical evolution to extract those features. In the proposed method, the goodness of each feature is calculated independently. The best features then used for classification task instead of original features. In our experiment, the usage of the new features produce a very good result, since there are only 5 miss-classification of 45 cases. 

Variasi intensitas pencahayaan pada citra dokumen akan menyebabkan kesulitan dalam menentukan nilai threshold dari citra tersebut. Pendekatan statistik konvensional tidak cukup baik dalam memecahkan masalah ini. Dalam hal ini, diperlukan nilai threshold yang berbeda-beda untuk setiap bagian citra. Nilai threshold dari setiap bagian citra dapat dipandang sebagai masalah klasifikasi. Dalam permasalahan klasifikasi semacam ini, dibutuhkan pencarian fitur-fitur terbaik. Di sini diusulkan sebuah pendekatan baru untuk mengekstrak fitur-fitur tersebut dengan menggunakan grammatical evolution. Nilai kebaikan dari masing-masing fitur akan dihitung secara saling lepas. Dalam percobaan yang dilakukan, tampak bahwa penggunaan fitur-fitur baru tersebut menghasilkan hasil yang sangat baik. Hanya ditemukan 5 kesalahan pengklasifikasian dalam 45 kasus.</dc:description>
	<dc:publisher xml:lang="en-US">Faculty of Computer Science  - Universitas Indonesia</dc:publisher>
	<dc:date>2012-07-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/197</dc:identifier>
	<dc:identifier>10.21609/jiki.v5i2.197</dc:identifier>
	<dc:source xml:lang="en-US">Jurnal Ilmu Komputer dan Informasi; Vol. 5 No. 2 (2012): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information); 106-111</dc:source>
	<dc:source>2502-9274</dc:source>
	<dc:source>2088-7051</dc:source>
	<dc:source>10.21609/jiki.v5i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jiki.cs.ui.ac.id/index.php/jiki/article/view/197/294</dc:relation>
</oai_dc:dc>