DASAR-DASAR IMAGE PROCESSING BERBASIS MATLAB

22 Februari 2014

Oleh :
BERI BERNANDO
1127030014

JURUSAN FISIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI
BANDUNG
2014

ABSTRAK

Nama

Beri Bernando

Teman Sekelompok

Anis Nursanti L, Aisyah Nur Rohmah, Dudi Abdu R, Hesty Ayu A

Nama Asisten Dosen

Abdul Rohman Sayyid

Percobaan kali ini ialah mengenai dasar-dasar image processing berbasis MATLAB. yang bertujuan untuk mengetahui cara untuk mengoperasikan dan mengedit
gambar pada aplikasi MATLAB. MATLAB tidak hanya mampu mengedit data gambar yang ada, namun mampu melakukan analisis terhadap data gambar tersebut
Kata Kunci : MATLAB, Pixel, Image Processing, Citra

DAFTAR ISI

ABSTRAK

DAFTAR ISI

ii

DAFTAR GAMBAR

iii

1 PENDAHULUAN

1.1

Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Rumusan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Batasan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

Tujuan Praktikum . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5

Sistematika Penulisan . . . . . . . . . . . . . . . . . . . . . . . . . .

2 LANDASAN TEORI

3 METODE PERCOBAAN

3.1

Waktu dan Tempat . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2

Alat dan Bahan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3

Diagram Alir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4

Prosedur Percobaan . . . . . . . . . . . . . . . . . . . . . . . . . . .

4 HASIL DAN PEMBAHASAN

4.0.1

Hasil Pengamatan . . . . . . . . . . . . . . . . . . . . . . . .

4.0.2

PEMBAHASAN . . . . . . . . . . . . . . . . . . . . . . . . .

39

5 PENUTUP

42

5.1

Kesimpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

5.2

Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

DAFTAR PUSTAKA

42

ii

DAFTAR GAMBAR

4.1

Cara membaca dan menampilkan file citra . . . . . . . . . . . . . . .

4.2

Cara menampilkan nilai pixel pada akoordinat xy . . . . . . . . . . .

4.3

Program ekstraksi rgb . . . . . . . . . . . . . . . . . . . . . . . . . .

4.4

Output ekstraksi ke-1 . . . . . . . . . . . . . . . . . . . . . . . . . .

4.5

Output ekstraksi ke-2 . . . . . . . . . . . . . . . . . . . . . . . . . .

4.6

Output ekstraksi ke-3 . . . . . . . . . . . . . . . . . . . . . . . . . .

4.7

Output ekstraksi ke-4 . . . . . . . . . . . . . . . . . . . . . . . . . .

4.8

Konversi RGB ke grayscale metode 1 . . . . . . . . . . . . . . . . . .

4.9

Output konversi RGB ke grayscale metode 1

. . . . . . . . . . . . .

10

4.10 Konversi RGB ke grayscale metode 2 . . . . . . . . . . . . . . . . . .

10

4.11 Output konversi RGB ke grayscale metode 2

. . . . . . . . . . . . .

11

4.12 Konversi RGB ke biner . . . . . . . . . . . . . . . . . . . . . . . . . .

11

4.13 Output konversi RGB ke biner . . . . . . . . . . . . . . . . . . . . .

12

4.14 Konversi RGB ke negasi biner . . . . . . . . . . . . . . . . . . . . . .

12

4.15 Filterisasi biner imclose() . . . . . . . . . . . . . . . . . . . . . . . .

13

4.16 Output Filterisasi biner imclose() . . . . . . . . . . . . . . . . . . . .

13

4.17 Output Filterisasi biner imclose() . . . . . . . . . . . . . . . . . . . .

14

4.18 Sintak menampilkan histogram citra . . . . . . . . . . . . . . . . . .

14

4.19 Output histogram citra ke-1 . . . . . . . . . . . . . . . . . . . . . . .

15

4.20 Output histogram citra ke-2 . . . . . . . . . . . . . . . . . . . . . . .

15

4.21 Output histogram citra ke-3 . . . . . . . . . . . . . . . . . . . . . . .

16

4.22 Output histogram citra ke-4 . . . . . . . . . . . . . . . . . . . . . . .

16

4.23 Sintak membuat crop citra

. . . . . . . . . . . . . . . . . . . . . . .

17

4.24 Output crop citra . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

4.25 Sintak metode morfologi dilasi . . . . . . . . . . . . . . . . . . . . .

18

4.26 Output morfologi dilasi . . . . . . . . . . . . . . . . . . . . . . . . .

18

4.27 Sintak metode morfologi erosi . . . . . . . . . . . . . . . . . . . . . .

19

4.28 Output morfologi erosi . . . . . . . . . . . . . . . . . . . . . . . . . .

19

4.29 Sintak metode objek counting . . . . . . . . . . . . . . . . . . . . . .

20

iii

DAFTAR GAMBAR

iv

4.30 Output metode objek counting . . . . . . . . . . . . . . . . . . . . .

20

4.31 Sintak metode konvolusi . . . . . . . . . . . . . . . . . . . . . . . . .

21

4.32 Output metode konvolusi . . . . . . . . . . . . . . . . . . . . . . . .

21

4.33 Sintak metode filter gaussian . . . . . . . . . . . . . . . . . . . . . .

22

4.34 Output metode gaussian . . . . . . . . . . . . . . . . . . . . . . . . .

22

4.35 Sintak metode deteksi tepi . . . . . . . . . . . . . . . . . . . . . . . .

23

4.36 Output deteksi tepi metode prewitt . . . . . . . . . . . . . . . . . . .

23

4.37 Output deteksi tepi metode canny . . . . . . . . . . . . . . . . . . .

24

4.38 Output deteksi tepi metode sobel . . . . . . . . . . . . . . . . . . . .

24

4.39 Output deteksi tepi metode roberts . . . . . . . . . . . . . . . . . . .

25

4.40 Fungsi deteksi merah . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

4.41 Sintak pengujian deteksi merah . . . . . . . . . . . . . . . . . . . . .

26

4.42 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

26

4.43 Output deteksi warna merah . . . . . . . . . . . . . . . . . . . . . .

27

4.44 Fungsi deteksi hijau . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

4.45 Sintak pengujian deteksi hijau . . . . . . . . . . . . . . . . . . . . . .

28

4.46 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

28

4.47 Output deteksi warna hijau . . . . . . . . . . . . . . . . . . . . . . .

29

4.48 Fungsi deteksi biru . . . . . . . . . . . . . . . . . . . . . . . . . . . .

29

4.49 Sintak pengujian deteksi biru . . . . . . . . . . . . . . . . . . . . . .

30

4.50 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

30

4.51 Output deteksi warna biru . . . . . . . . . . . . . . . . . . . . . . . .

31

4.52 Fungsi deteksi kuning . . . . . . . . . . . . . . . . . . . . . . . . . .

31

4.53 Sintak pengujian deteksi kuning . . . . . . . . . . . . . . . . . . . . .

32

4.54 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

32

4.55 Output deteksi warna kuning . . . . . . . . . . . . . . . . . . . . . .

33

4.56 Fungsi deteksi magenta . . . . . . . . . . . . . . . . . . . . . . . . .

33

4.57 Sintak pengujian deteksi magenta . . . . . . . . . . . . . . . . . . . .

34

4.58 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

34

4.59 Output deteksi warna magenta . . . . . . . . . . . . . . . . . . . . .

35

4.60 Fungsi deteksi putih . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

4.61 Sintak pengujian deteksi putih . . . . . . . . . . . . . . . . . . . . .

36

4.62 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

36

4.63 Output deteksi warna putih . . . . . . . . . . . . . . . . . . . . . . .

37

4.64 Fungsi deteksi hitam . . . . . . . . . . . . . . . . . . . . . . . . . . .

37

4.65 Sintak pengujian deteksi magenta . . . . . . . . . . . . . . . . . . . .

38

4.66 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . .

38

4.67 Output deteksi warna magenta . . . . . . . . . . . . . . . . . . . . .

39

Beri Bernando

Bab 1

PENDAHULUAN
1.1

Latar Belakang

MATLAB merupakan salah satu jenis perangkat lunak yang memiliki banyak
sekali kegunaan dan kelebihan, salah satunya ialah MATLAB mampu mengolah data
gambar yang kita miliki sesuai kebutuhan, selain itu MATLAB mampu melakukan
analisis terhadap data gambar tersebut. Hal ini melatarbelakangi percobaan kali
ini, megenai dasar-dasar image processing berbasis MATLAB.

1.2

Rumusan Masalah

Adapun rumusan masalah yang akan dibahas dalam laporan ini adalah sebagai
berikut:
1. Bagaimana cara membaca dan menampilkan citra?
2. Bagaimana cara menampilkan nilai pixel citra?
3. Bagaimana cara mengekstrak nilai pixel RGB (Red, Green, Blue?
4. Bagaimana cara mengkonversi RGB ke grayscale?
5. Bagaimana cara mengkonversi RGB ke biner?
6. Bagaimana cara membuat histogram citra digital dan lain-lain?

1.3

Batasan Masalah

Batasan-batasan masalah pada praktikum kali ini ialah untuk mengetahui bagaimana cara mengoperasikan MATLAB. Mencakup bagaimana cara mengolah gambar
berbasis MATLAB dan hasil percobaan yang dilakukan.

1.4. Tujuan Praktikum

1.4

Tujuan Praktikum

Tujuan pada praktikum kali ini mengenai Dasar-dasar Image Processing Berbasis
MATLAB, adalah:
1. Mampu membaca dan menampilkan citra
2. Mampu menampilkan nilai pixel citra
3. Mampu mengekstrak nilai pixel RGB (Red, Green, Blue
4. Mampu mengkonversi RGB ke grayscale
5. Mampu mnegkonversi RGB ke biner
6. Mampu membuat histogram citra digital

1.5

Sistematika Penulisan

Pada BAB pertama memuat pendahuluan yang membahas mengenai : Latar Belakang, Rumusan Masalah, Batasan Masalah, Tujuan Praktikum dan Sistematika
Penulisan. Selanjutnya memuat landasan teori yang membahas pengertian MATLAB atau Matrix Laboratory yang merupakan suatu aplikasi berbasis expert system yang digunakan untuk keperluan komputasi sains, seperti halnya Maple dan
Mathema-tica. Aplikasi yang dibuat oleh MathWorks.inc ini sangat handal suntuk
komputasi yang terkait dengan array atau matriks.Selain digunakan untuk komputasi, MATLAB juga dapat dibuat untuk sarana simulasi.
Pada BAB III memuat metode percobaan yang membahas mengenai : Waktu dan
tempat, Alat dan bahan, Diagram Alir dan Prosedur Percobaan. Selanjutnya pada
BAB IV memuat Hasil dan Pembahasan yang membahas mengenai bagaimana cara
mengolah gambar berbasis MATLAB dan hasil percobaan yang dilakukan. Kemudian pada BAB terakhir memuat penutup yang membahas mengenai : Kesimpulan
dan Saran.

Beri Bernando

Bab 2

LANDASAN TEORI
MATLAB adalah singkatan dari Matrix Laboratory, software yang dibuat dengan
menggunakan bahasa ini dibuat oleh Mathworks.inc dan telah memiliki berbagai
versi. Salah satu yang cukup menarik dari MATLAB ini adalah kemudahan dan kejelasannya dalam memahami contoh dan demo serta help yang ada pada MATLAB.
MATLAB merupakan suatu sistem interaktif yang memiliki elemen data dalam
suatu array sehingga tidak lagi kita dipusingkan dengan masalah dimensi. Hal ini
memungkinkan kita untuk memecahkan banyak masalah teknis yang terkait dengan
komputasi, khususnya yang berhubungan dengan matriks dan formulasi vektor, yang
mana masalah tersebut merupakan momok apabila kita harus menyelesaikannya dengan menggunakan bahasa level rendah seperti pascall, C dan basic. MATLAB pada
awalnya ditulis untuk memudahkan akses perangkat lunak matrisk yang telah dibentuk oleh LINPACK dan EISPACK. saat ini perangkat MATLAB telah bergabung
dengan LAPACK dan BLAS library, yang merupakan satu kesatuan dari sebuah
seni tersendiri dalam perangkat lunak untuk komputasi matriks. Dalam lingkungan
perguruan tinggi teknik, MATLAB merupakan perangkat standar untuk memperkenalkan dan mengembangkan penyajian materi matematika, rekayasa dan keilmuan.
Di industri, MATLAB merupakan perangkat pilihan untuk penelitian dengan produktivitas yang tinggi, pengembangan dan analisanya. Fitur-fitur MATLAB sudah
banyak dikembangkan, dan lebih kita kenal dengan nama toolbox. Toolbox ini merupakan kumpulan dari fungsi-fungsi MATLAB yang telah dikembangkan ke suatu
lingkungan kerja MATLAB untuk memecahkan masalah dalam kelas particular.

Bab 3

METODE PERCOBAAN
3.1

Waktu dan Tempat

Praktikum ini berlangsung pada tanggal 19 Februari 2014 bertempat di Laboratorium Fisika Jurusan Fisika Fakultas Sains dan Teknologi Universitas Islam Negeri
Sunan Gunung Djati Bandung.

3.2

Alat dan Bahan

1. Komputer
2. Software MATLAB

3.3

Diagram Alir
Buka aplikasi MATLAB

Buat sintak-sintak yang diperlukan

Lakukan pengujian dan analisis

3.4

Prosedur Percobaan

Pertama-tama dibuka software MATLAB, selanjutnya dilakukan percobaan dan

analisis dasar-dasar image processiing pada MATLAB.

Bab 4

HASIL DAN PEMBAHASAN

4.0.1

Hasil Pengamatan

Cara membaca dan menampilkan file citra

Gambar 4.1: Cara membaca dan menampilkan file citra

Cara menampilkan nilai pixel pada akoordinat xy

Gambar 4.2: Cara menampilkan nilai pixel pada akoordinat xy

Beri Bernando

Program ekstraksi rgb

Gambar 4.3: Program ekstraksi rgb

Output ekstraksi ke-1

Gambar 4.4: Output ekstraksi ke-1

Beri Bernando

Output ekstraksi ke-2

Gambar 4.5: Output ekstraksi ke-2

Output ekstraksi ke-3

Gambar 4.6: Output ekstraksi ke-3

Beri Bernando

Output ekstraksi ke-4

Gambar 4.7: Output ekstraksi ke-4

Konversi RGB ke grayscale metode 1

Gambar 4.8: Konversi RGB ke grayscale metode 1

Beri Bernando

10

Output konversi RGB ke grayscale metode 1

Gambar 4.9: Output konversi RGB ke grayscale metode 1

Konversi RGB ke grayscale metode 2

Gambar 4.10: Konversi RGB ke grayscale metode 2

Beri Bernando

11

Output konversi RGB ke grayscale metode 2

Gambar 4.11: Output konversi RGB ke grayscale metode 2

Konversi RGB ke biner

Gambar 4.12: Konversi RGB ke biner

Beri Bernando

12

Output konversi RGB ke biner

Gambar 4.13: Output konversi RGB ke biner

Konversi RGB ke negasi biner

Gambar 4.14: Konversi RGB ke negasi biner

Beri Bernando

13

Filterisasi biner imclose()

Gambar 4.15: Filterisasi biner imclose()

Output Filterisasi biner imclose()

Gambar 4.16: Output Filterisasi biner imclose()

Beri Bernando

14

Output Filterisasi biner imclose()

Gambar 4.17: Output Filterisasi biner imclose()

Sintak menampilkan histogram citra

Gambar 4.18: Sintak menampilkan histogram citra

Beri Bernando

15

Output histogram citra ke-1

Gambar 4.19: Output histogram citra ke-1

Output histogram citra ke-2

Gambar 4.20: Output histogram citra ke-2

Beri Bernando

16

Output histogram citra ke-3

Gambar 4.21: Output histogram citra ke-3

Output histogram citra ke-4

Gambar 4.22: Output histogram citra ke-4

Beri Bernando

17

Sintak membuat crop citra

Gambar 4.23: Sintak membuat crop citra

Output crop citra

Gambar 4.24: Output crop citra

Beri Bernando

18

Sintak metode morfologi dilasi

Gambar 4.25: Sintak metode morfologi dilasi

Output morfologi dilasi

Gambar 4.26: Output morfologi dilasi

Beri Bernando

19

Sintak metode morfologi erosi

Gambar 4.27: Sintak metode morfologi erosi

Output morfologi erosi

Gambar 4.28: Output morfologi erosi

Beri Bernando

20

Sintak metode objek counting

Gambar 4.29: Sintak metode objek counting

Output metode objek counting

Gambar 4.30: Output metode objek counting

Beri Bernando

21

Sintak metode konvolusi

Gambar 4.31: Sintak metode konvolusi

Output metode konvolusi

Gambar 4.32: Output metode konvolusi

Beri Bernando

22

Sintak metode filter gaussian

Gambar 4.33: Sintak metode filter gaussian

Output metode gaussian

Gambar 4.34: Output metode gaussian

Beri Bernando

23

Sintak metode deteksi tepi

Gambar 4.35: Sintak metode deteksi tepi

Output deteksi tepi metode prewitt

Gambar 4.36: Output deteksi tepi metode prewitt

Beri Bernando

24

Output deteksi tepi metode canny

Gambar 4.37: Output deteksi tepi metode canny

Output deteksi tepi metode sobel

Gambar 4.38: Output deteksi tepi metode sobel

Beri Bernando

25

Output deteksi tepi metode roberts

Gambar 4.39: Output deteksi tepi metode roberts

Fungsi deteksi merah

Gambar 4.40: Fungsi deteksi merah

Beri Bernando

26

Sintak pengujian deteksi merah

Gambar 4.41: Sintak pengujian deteksi merah

Output gambar berwarna RGB

Gambar 4.42: Output gambar berwarna RGB

Beri Bernando

27

Output deteksi warna merah

Gambar 4.43: Output deteksi warna merah

Fungsi deteksi hijau

Gambar 4.44: Fungsi deteksi hijau

Beri Bernando

28

Sintak pengujian deteksi hijau

Gambar 4.45: Sintak pengujian deteksi hijau

Output gambar berwarna RGB

Gambar 4.46: Output gambar berwarna RGB

Beri Bernando

29

Output deteksi warna hijau

Gambar 4.47: Output deteksi warna hijau

Fungsi deteksi biru

Gambar 4.48: Fungsi deteksi biru

Beri Bernando

30

Sintak pengujian deteksi biru

Gambar 4.49: Sintak pengujian deteksi biru

Output gambar berwarna RGB

Gambar 4.50: Output gambar berwarna RGB

Beri Bernando

31

Output deteksi warna biru

Gambar 4.51: Output deteksi warna biru

Fungsi deteksi kuning

Gambar 4.52: Fungsi deteksi kuning

Beri Bernando

32

Sintak pengujian deteksi kuning

Gambar 4.53: Sintak pengujian deteksi kuning

Output gambar berwarna RGB

Gambar 4.54: Output gambar berwarna RGB

Beri Bernando

33

Output deteksi warna kuning

Gambar 4.55: Output deteksi warna kuning

Fungsi deteksi magenta

Gambar 4.56: Fungsi deteksi magenta

Beri Bernando

34

Sintak pengujian deteksi magenta

Gambar 4.57: Sintak pengujian deteksi magenta

Output gambar berwarna RGB

Gambar 4.58: Output gambar berwarna RGB

Beri Bernando

35

Output deteksi warna magenta

Gambar 4.59: Output deteksi warna magenta

Fungsi deteksi putih

Gambar 4.60: Fungsi deteksi putih

Beri Bernando

36

Sintak pengujian deteksi putih

Gambar 4.61: Sintak pengujian deteksi putih

Output gambar berwarna RGB

Gambar 4.62: Output gambar berwarna RGB

Beri Bernando

37

Output deteksi warna putih

Gambar 4.63: Output deteksi warna putih

Fungsi deteksi hitam

Gambar 4.64: Fungsi deteksi hitam

Beri Bernando

38

Sintak pengujian deteksi magenta

Gambar 4.65: Sintak pengujian deteksi magenta

Output gambar berwarna RGB

Gambar 4.66: Output gambar berwarna RGB

Beri Bernando

39

Output deteksi warna magenta

Gambar 4.67: Output deteksi warna magenta

4.0.2

PEMBAHASAN

Pada percobaan ini yang bertujuan untuk mengelola gambar pada software matlab, pada percobaan pertama, yaitu membaca dan menampilkan citra pada prcobaan ini dengan mengetik kata im=imread yang berfungsi untuk membaca citra
gambar pada MATLAB, setelah itu menetikkan kata imtool yang berfungsi untuk
menampilkan nilai citra gambar,kemudian mengonveksikan gambar menjadi RGB
agar gambar lebih berwarna. Selanjutnya adalah filterisasi yang berfungsi untuk
menghilangkan noise pada gambar dengan menggunakan metode imclose() dan metode imopen(). Kemudian, membuat histogram citram digital. Histogram adalah
grafik yang menunjukan distribusi intensitas pada sebuah citra digital. kemudian
morfologi pengolahan citra. Hal ini berhubungan dengan bentuk dan struktur dari
suatu objek. Selanjutnya ialah konvolusi pengoalahan citra. Konvolusi adalah salah
satu proses filtering citra yang sering dilakukan. Kemudian deteksi tepi citra digital
yang berfungsi untuk menyeleksi objek. pada pengonveksian pertama yaitu mengeluarkan gambar yang berwarna merah dan setelah dideteksi warna merah menjadi
hitam saja hal ini dikarenakan tidak terdeteksinya warna merah pada gambar yang
ada. Output yang dihasilkan ada dua, yang pertama ialah gambar yang berwarna
RGB dan setelah dideteksi warna kuning menjadi hitam saja hal ini dikarenakan
tidak terdeteksinya warna kuning pada gambar yang ada. pada pengonveksian keBeri Bernando

40

du, yaitu mengeluarkan gambar yang berwarna Biru dan setelah dideteksi warna
biru menjadi hitam saja hal ini dikarenakan tidak terdeteksinya warna biru pada
gambar yang ada. Output yang dihasilkan ada dua, yang pertama ialah gambar
yang berwarna RGB dan setelah dideteksi warna kuning menjadi hitam saja hal
ini dikarenakan tidak terdeteksinya warna kuning pada gambar yang ada. Warna
selanjutnya ialah warna magenta. Output yang dihasilkan ada dua, yang pertama
ialah gambar yang berwarna RGB dan setelah dideteksi warna magenta menjadi hitam saja hal ini dikarenakan tidak terdeteksinya warna magenta pada gambar yang
ada.

Beri Bernando

Bab 5

PENUTUP
5.1

Kesimpulan

Pada percobaan ini dapat disimpulkan bahwa MATLAB adalah perangkat lunak
yang dapat digunakan untuk menganalisis dan visualisasi data. MATLAB mempunyai banyak fungsi selain mampu melakukan perhitungan numerik sederhana dan
analisis sinyal digital, namun MATLAB juga mampu mengolah data gambar.

5.2

Saran

Pemanfaatan matlab tentunya lebih banyak membantu para penggunanya selain

mampu untuk melakukan pengoperasian matematika, tetapi MATLAB juga mampu
untuk mengelola gambar selain menggunakan software grafis lainnya.

41

DAFTAR PUSTAKA

[1] Haliday,R.,1960, Fisika Jilid I , Jakarta: Erlangga (Terjemahan).

[2] Tipler, P.,1998 , Fisika Untuk Sains dan Teknik Jilid I, Jakarta:Erlangga (Terjemahan).
[3] Sanjaya,M., 2013, Komputasi Numerik Berbasis MATLAB untuk Sains dan
Teknik, Universitas Islam Negeri Sunan Gunung Djati, Bandung.

42