Sebuah citra banyak diterapkan dalam berbagai aspek kehidupan, misalnya dalam bidang kedokteran untuk mengetahui bagian dalam tubuh manusia atau mendeteksi penyakit, dalam bidang geologi untuk memetakan suatu wilayah tertentu, dan lain sebagainya. Oleh karena itu dibutuhkan suatu tampilan citra yang dapat merepresentasikan suatu obyek. Namun batasan luas citra sering menjadi kendala dalam penerapan fungsi maupun manfaat citra itu sendiri. Untuk itu diperlukan aplikasi penggabungan citra atau mosaic panoramic yang dapat memperluas tampilan citra, sehingga dapat lebih bermanfaat untuk memberikan informasi suatu obyek tertentu. Pada penelitian ini menggunakan metode Scale Invariant Feature Transform (SIFT) untuk pendeteksian keypoint. Jumlah keypoint dapat berubah berdasarkan nilai threshold yang ditentukan. Dari 20 pasang citra yang diteliti, nilai threshold 0.1 pada 12 citra masukan jumlah keypoint yang berkesesuaian bernilai 0, sehingga tidak dapat dilakukan proses mosaic panoramic. Pada nilai threshold 0.6 jumlah keypoint yang berkesesuaian bernilai sedang dan dapat menghasilkan citra hasil mosaic panoramic. Sedangkan pada nilai threshold 0.9 jumlah keypoint yang berkesesuaian pada 14 pasang citra masukan atau 70% dari jumlah citra masukan semakin banyak ditemukan, sehingga dapat dilakukan proses mosaic panoramic dan menghasilkan citra hasil mosaic panoramic yang lebih baik. Kata Kunci: Mosaic Panoramic, SIFT (Scale Invariant Feature Transform), Keypoint

An image widely applied in many aspects of life, such as in the medical field to know the inside of the human body or detect the disease, in the field of geology to map a particular region. Therefore we need a preview image that can represent an object. But the broad limits image is often an obstacle in the implementation of the functions and benefits of the image itself. It required the merging application image or panoramic mosaics can expand the display image, so it can be more useful to provide information on a particular object. In this study, using the method of Scale Invariant Feature Transform (SIFT) for keypoint detection. Keypoint amount may change based on the specified threshold value. Of the 20 pairs of images were studied, the threshold value of 0.1 on 12 pairs of input image that corresponds keypoint number will be 0, so it can not be done the mosaic panoramic. At the threshold value of 0.6 which corresponds keypoint number and value being able to produce a image mosaic panoramic. At the threshold value of 0.9 keypoint number that corresponds on 14 pairs of images or 70% from amount input images more and more are found, it can be processed to produce a mosaic panoramic and the better image. Keywords: Mosaic Panoramic, SIFT (Scale Invariant Feature Transform), Keypoint

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal