MAKALAH KECERDASAN BUATAN

“COMPUTER VISION”

OLEH :

SUKMAWATI H13114316
NURUL HARDIYANTI

PROGRAM STUDI ILMU KOMPUTER

DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
2017
 KATA PENGANTAR

Puji syukur yang dalam kami sampaikan ke hadiran Tuhan Yang Maha Pemurah, karena berkat
kemurahanNya makalah ini dapat kami selesaikan sesuai yang diharapkan.Dalam makalah ini kami
membahas “Computer Vision” yang merupakan salah satu bagian dari kecerdasan buatan.

Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar proses
untuk persepsi visual, seperti akuisisi citra, pengolahan citra, pengenalan dan membuat keputusan.
Computer vision mencoba meniru cara kerja sistem visual manusia (human vision) yang
sesungguhnya sangat kompleks. Untuk itu, computer vision diharapkan memiliki kemmpuan tingkat
tinggi sebagaiman human visual.

Akhirnya penulis menyadari bahwa dalam penulisan makalah ini masih terdapat kekurangan
baik pada teknik penulisan maupun materi. Untuk itu kritik dan saran dari semua pihak sangat
penulis harapkan dalam penyempurnaan makalah ini.

Semoga materi ini dapat bermanfaat bagi mahasiswa Ilmu Komputer khususnya dan untuk
mata kuliah kecerdasan buatan.

Makassar, 12 Desember 2017

Penulis

DAFTAR ISI
KATA PENGANTAR..................................................................................................................................2
DAFTAR ISI..............................................................................................................................................3
BAB I PENDAHULUAN.............................................................................................................................4
BAB I PEMBAHASAN..............................................................................................................................6
A. Definisi Computer vision.............................................................................................................6
B. Proses pada Computer Vision.....................................................................................................6
 Proses Penangkapan Citra (Image Acquisition).......................................................................7
 Proses Pengolahan Citra (Image Processing)..........................................................................8
 Analisa Data Citra (Image Analysis).........................................................................................8
 Proses Pemahaman Data Citra (Image Understanding)..........................................................8
C. Arsitektur Computer Vision......................................................................................................10
 Elemen Utama.......................................................................................................................10
 Image Processing...................................................................................................................11
 Klasifikasi Pola.......................................................................................................................11
 Komponen Sistem Pengenalan Pola......................................................................................13
D. Fungsi Dan Implementasi Computer Vision.............................................................................13
 Fungsi Computer Vision........................................................................................................13
 Implementasi Computer Vision............................................................................................14
BAB III PENUTUP..................................................................................................................................16
A. Kesimpulan...............................................................................................................................16
REFERENSI............................................................................................................................................18
 BAB I
PENDAHULUAN

Kecerdasan buatan adalah kemampuan komputer untuk berpikir dengan intelegensia. Ini
tercapai dengan mempelajari bagaimana manusia mengingat dan berpikir ketika sedang mengambil
keputusan dan memecahkan masalah. Kemampuan komputer memproses bahasa dasar adalah salah
satu contoh dari kecerdasan buatan. Apabila dulu kita harus mempelajari perintah-perintah tertentu
untuk berkomunikasi dengan komputer, sekarang ini kita sudah tidak perlu lagi untuk
mempelajarinya. Hal ini dikarenakan komputer sekarang sudah dilengkapi dengan kemampuan
untuk memahami bahasa kita, sehingga kita dapat lebih mudah untuk berkomunikasi dengan
komputer.

Kecerdasan buatan yang dibangun mempunyai beberapa komponen yang saling berhubungan
untuk membangun sistem yaitu basis pengetahuan, mesin inferensi, antarmuka pemakai. Persoalan
yang dipecahkan dalam sistem ini adalah bagaimana cara menyusun aturan yang terdiri atas
beberapa premis dan konklusi dari fakta-fakta yang tersedia, sehingga dihasilkan suatu solusi,
dengan menggunakan mesin inferensi.

Kecerdasan buatan lain yang memudahkan interaksi kita dengan computer adalah
kemampuan untuk mengenali cara berbicara atau kata-kata yang digunakan oleh manusia. Kita
hanya perlu untuk mengucapkan perintah secara lisan kepada computer untuk melakukan suatu
program, daripada dengan cara biasa yaitu dengan mengetiknya, dan nantinya computer juga akan
balik menjawab perintah tersebut Kemampuan ini juga dapat dihubungkan dengan computer vision,
sebagai contoh sebuah sistem pengenal karakter optikal (OCR), yang susunan dari OCR dapat
mengenali kalimat dari dokumen yang telah dicetak. Komputer juga sekarang telah dilengkapi
dengan sistem ahli, yang merupakan penasihat dasar dari sebuah computer, sehingga computer dapat
membantu dalam bidang medis, pabrik, dan bidang-bidang lain. Inti dari sistem ahli ini adalah
pengetahuan yang berasal dari pengalaman manusia. Sumber penambahan informasi dapat
mencakup buku dan dokumen lain.

Kecerdasan buatan yang lainnya adalah gambar computer. Gambar computer diartikan
sebagai sebuah gambar yang diambil dengan menggunakan kamera yang kemudian diolah di
computer (image analysis). Dalam hal ini, kamera dan computer merupakan alat yang memiliki
fungsi yang sama seperti fungsi mata dan otak manusia. Bagian dari artificial intelligent ini adalah
computer vision yang dapat menganalisis dan mengolah pencitraan visual dengan menggunakan
computer. Selain OCR dan image analysis, ada begitu banyak implementasi dari computer vision ini
seperti image recognition, eye recognition maupun face recognition. Implementasi dari computer
vision ini memberikan banyak manfaat bagi manusia di berbagai bidang. Karena kecerdasan buatan
itu sesuatu yang diciptakan oleh manusia, untuk menggantikan manusia yang tentunya bermanfaat
bagi manusia. Jadi bisa jadi kecerdasan buatan itu merupakan suatu ancaman.

Walau pun menyadari bahwa kecerdasan buatan bisa jadi adalah suatu ancaman untuk
manusia, tapi manusia masih saja mengembangkan apa yang disebut dengan kecerdasan buatan.
Manusia masih saja mencoba mengembangkan/mendapatkan sesuatu (teknologi) yang baru, yang
dapat berpikir seperti manusia. Hal ini terjadi karena adanya ketidakpuasan dalam diri manusia,
manusia ingin mendapatkan sesuatu dengan cara yang lebih mudah. Walaupun terasa sangat
futuristik dan terlihat berbahaya, karena mesin nantinya akan memiliki kecerdasan dan emosi, para
pakar AI menganggap pengembangan disiplin ilmu ini penting karena bisa diterapkan di Internet
nantinya.

Pada intinya, sistem Computer Vision memudahkan manusia untuk melihat visualisasi atau
gambar atas suatu hal yang sulit dijangkau. Dan gambar tersebut dapat dilihat melalui komputer
untuk dianalisa. Contoh penggunaanya adalah pada dunia astronomi. Misalnya untuk melihat
permukaan di planet Mars. Berdasarkan analisis dan intepretasi yang dilakukan oleh sistem ini,
komputer dapat mengidentifikasi dan menghindari bahaya secara otomatis. Seperti halnya
mengamati meteor yang beredar di sekitar bumi, apakah akan menabrak bumi atau tidak,
gambaranya dapat dilihat melalui sistem ini.
 BAB I
PEMBAHASAN
A. Definisi Computer vision

Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari
bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi. Cabang ilmu ini bersama
Artificial Intelligence akan mampu menghasilkan sistem intelijen visual (Visual Intelligence
System). Perbedaannya adalah Computer Vision lebih mempelajari bagaimana komputer dapat
mengenali obyek yang diamati/ diobservasi. Berbeda dengan Komputer Grafika yang lebih
mengarah pada pemanipulasian gambar (visual) secara digital. Bentuk sederhana dari Komputer
Grafika adalah Komputer Grafika 2D yang kemudian berkembang menjadi Komputer Grafika 3D,
pemrosesan citra (image processing), dan pengenalan pola (pattern recognition). Grafika
komputer sering dikenal juga dengan istilah visualisasi data.

Computer Vision adalah kombinasi antara Pengolahan Citra dan Pengenalan Pola.
Pengolahan Citra (Image Processing) merupakan bidang yang berhubungan dengan proses
transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan kualitas citra yang
lebih baik.

Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses
identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk mengekstrak
informasi/pesan yang disampaikan oleh gambar/citra.

B. Proses pada Computer Vision

Untuk menunjang tugas Computer Vision, maka harus terdapat beberapa fungsi pendukung di
dalam sistem ini, diantaranya adalah :

1. Proses penangkapan citra (Image Acquisition)

2. Proses pengolahan citra (Image Processing)

3. Analisa data citra (Image Analysis)

4. Proses pemahaman data citra (Image Understanding)

 Proses Penangkapan Citra (Image Acquisition)

a. Image Acqusition pada manusia dimulai dengan mata, kemudian informasi visual
diterjemahkan ke dalam suatu format yang kemudian dapat dimanipulasi oleh otak.

b. Senada dengan proses di atas, computer vision membutuhkan sebuah mata untuk
menangkap sebuah sinyal visual.

c. Umumnya mata pada computer vision adalah sebuah kamera video.

d. Kamera menerjemahkan sebuah scene atau image.

e. Keluaran dari kamera adalah berupa sinyal analog, dimana frekuensi dan amplitudonya
(frekuensi berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo
berkaitan dengan tingginya sinyal listrik yang dihasilkan) merepresentasikan detail
ketajaman (brightness) pada scene.

f. Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya dan
membaginya menjadi ratusan garis horizontal yang sama.

g. Tiap‐tiap garis membuat sebuah sinyal analog yang amplitudonya menjelaskan perubahan
brightness sepanjang garis sinyal tersebut.

h. Kemudian sinyal listrik ini diubah menjadi bilangan biner yang akan digunakan oleh
komputer untuk pemrosesan.

i. Karena komputer tidak bekerja dengan sinyal analog, maka sebuah analog‐to‐digital
converter (ADC), dibutuhkan untuk memproses semua sinyal tersebut oleh komputer.

j. ADC ini akan mengubah sinyal analog yang direpresentasikan dalam bentuk informasi
sinyal tunggal ke dalam sebuah aliran (stream) sejumlah bilangan biner.

k. Bilangan biner ini kemudian disimpan di dalam memori dan akan menjadi data raw yang
akan diproses.
 Proses Pengolahan Citra (Image Processing)

a. Tahapan berikutnya computer vision akan melibatkan sejumlah manipulasi utama (initial
manipulation) dari data binary tersebut.

b. Image processing membantu peningkatan dan perbaikan kualitas image, sehingga dapat
dianalisa dan di olah lebih jauh secara lebih efisien.

c. Image processing meningkatkan perbandingan sinyal terhadap noise (signal‐to‐noise ratio

= s/n).

d. Sinyal‐sinyal tersebut adalah informasi yang akan merepresentasikan objek yang ada
dalam image.

e. Sedangkan noise adalah segala bentuk interferensi, kekurangan pengaburan, yang terjadi
pada sebuah objek.

 Analisa Data Citra (Image Analysis)

a. Image analysis akan mengeksplorasi scene ke dalam bentuk karateristik utama dari objek
melalui suatu proses investigasi.

b. Sebuah program komputer akan mulai melihat melalui bilangan biner yang
merepresentasikan informasi visual untuk mengidentifikasi fitur‐fitur spesifik dan
karekteristiknya.

c. Lebih khusus lagi program image analysis digunakan untuk mencari tepi dan batas‐batasan
objek dalam image.

d. Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya atau antara dua objek
yang spesifik.

e. Tepi ini akan terdeteksi sebagai akibat dari perbedaan level brightness pada sisi yang
berbeda dengan salah satu batasnya.

 Proses Pemahaman Data Citra (Image Understanding)

 a. Ini adalah langkah terakhir dalam proses computer vision, yang mana spesifik objek dan
hubungannya diidentifikasi.

b. Pada bagian ini akan melibatkan kajian tentang teknik-teknik artificial intelligent.

c. Understanding berkaitan dengan template matching yang ada dalam sebuah scene.

d. Metoda ini menggunakan program pencarian (search program) dan teknik penyesuaian
pola (pattern matching techniques).

Proses Pada Computer Vision

Ada terdapat 3 proses yang terjadi dalam computer vision, yaitu:

o Memperoleh atau mengakuisisi citra digital.

o Operasi pengolahan citra.

o Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk tujuan
tertentu, misal memandu robot, mengontrol peralatan, dll.
C. Arsitektur Computer Vision

Struktur Komputer Vision

 Elemen Utama

Computer vision memiliki struktur yang terdiri dari beberapa elemen, diantaranya adalah :

a. Light sources, merupakan sumber cahaya yang digunakan sebagai sumber untuk aplikasi
seperti layar laser, sistem robotika dan sebagainya.

b. Scence, merupakan kumpulan objek.

 c. Image Device, merupakan alat yang digunakan untuk mengubah gambar menjadi suatu
yang dimengerti oleh mesin.

d. Image, merupakan gambar dari suatu objek yang merupakan representasi dari keadaan
sesungguhnya.

e. Machine vision, merupakan mesin yang menginterpretasikan gambar yang berkenaan

dengan ciri-ciri pola maupun objek yang dapat ditelusuri oleh sistem.

f. Symbolic description, merupakan sistem yang dapat digunakan untuk menganalogikan

struktur kerja sistem ke simbol-simbol tertentu yang dapat dimengerti oleh sistem.

g. Aplication feedback, merupakan suatu keadaan yang dapat memberikan respon untuk
menerima gambar dari suatu sistem penglihatan.

Dari paparan di atas ada tiga elemen yang mendasari suatu sistem vision, yaitu Image Processing,
Pattern Classification dan Scene Analysis.

 Image Processing

Bagian ini berfungsi mengubah atau mengkonversi gambar eksternal menjadi suatu
representasi yang dibutuhkan. Berikut adalah bagian dari image processing:

Fase Image Processing

 Klasifikasi Pola

Ide klasifikasi pola (pattern classification) ini adalah bagaimana suatu mesin pintar (dalam
hal ini adalah komputer) dapat mengetahui berbagai macam dan bentuk pola, seperti garis,
kurva, bayangan dan berbagai pola lainnya. Artinya, Jika mesin tersebut diberi suatu input
 berupa pola tertentu maka mesin dapat mengerti pola yang diberikan itu. Berikut adalah
bagian dari suatu proses klasifikasi pola:

Fase Klasifikasi Pola

Scene Analysis

Seperti telah dijelaskan sebelumnya, yang merupakan suatu permasalahan yang tergolong
rumit dalam komputer vision adalah bagaimana memperoleh informasi dari suatu paparan
(baik itu berupa gambar atau pola-pola tertentu).

Pengenalan Pola

Pengenalan pola adalah salah satu cabang ilmu pengetahuan dari bidang kecerdasan buatan.
Ada beberapa definisi yang berbeda tentang pengenalan pola, diantaranya :

1. Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori.
(Duda dan Heart).

2. Ilmu pengetahuan yang menitik beratkan pada deskripsi dan klasifikasi (pengenalan) dari
suatu pengukuran (Schalkoff).

3. Proses untuk memberikan nama ω untuk pengamatan x (Schürman).

Berdasarkan beberapa definisi diatas, pengenalan pola bisa didefinisikan sebagai cabang
kecerdasan buatan yang menitik beratkan pada metode pengklasifikasian objek ke dalam kelas-
kelas tertentu untuk menyelesaikan masalah tertentu.
  Komponen Sistem Pengenalan Pola

Sistem pengenalan pola dasar terdiri dari :

1. Sensor, digunakan untuk menangkap objek yang ciri serta fiturnya akan diekstrasi.

2. Mekanisme pre-processing, mekanisme pengolahan objek yang ditangkap oleh sensor

biasanya digunakan untuk mengurangi kompleksitas ciri yang akan dipakai untuk proses
klasifikasi.

3. Mekanisme pencari fitur (manual/otomatis). Bagian ini digunakan untuk mengekstrasi

ciri yang telah melalui tahapan pre-processing untuk memisahkannya dari fitur-fitur pada
objek yang tidak diperlukan dalam proses klasifikasi.

4. Algoritma pemilah, Pada tahapan ini proses klasifikasi dilakukan dengan menggunakan
algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi dari objek yang
ditangkap kedalam kriteria-kriteria yang telah ditentukan.

D. Fungsi Dan Implementasi Computer Vision

 Fungsi Computer Vision

a. Pengendalian proses, (misalnya, sebuah robot industri atau kendaraan otonom).

b. Mendeteksi peristiwa, (misalnya, untuk pengawasan visual atau orang menghitung).

c. Mengorganisir informasi, (misalnya, untuk pengindeksan database foto dan gambar

urutan).

d. Modeling benda atau lingkungan, (misalnya, inspeksi industrim analisis citra medis
atau model topografi).

e. Interaksi, (misalnya, sebagai input ke perangkat untuk interaksi komputer dan

manusia).
 Implementasi Computer Vision

Bidang Pertahanan dan Keamanan (Militer)

Contohnya adalah deteksi tentara musuh atau kendaraan dan bimbingan rudal. Sistem lebih
canggih untuk panduan mengirim rudal-rudal ke daerah daripada target yang spesifik dan
pemilihan target yang dibuat ketika rudal mencapai daerah berdasarkan data citra diperoleh
secara lokal. Konsep modern militer, seperti “kesadaran medan perang”, menunjukkan bahwa
berbagai sensor, termasuk sensor gambar, menyediakan kaya set-informasi tentang adegan
tempur yang dapat digunakan untuk mendukung keputusan strategi.

Selama 10 tahun terakhir, MotionDSP

telah fokus pada penyediaan pengolahan
citra dan perangkat lunak Computer
Vision untuk aplikasi militer.

Bidang Autonomous Vehicles

Contohnya adalah kendaraan otonom, yang meliputi submersibles, kendaraan darat (robot
kecil dengan roda, mobil atau truk), kendaraan udara, dan kendaraan udara tak berawak
(UAV). Menggunakan visi komputer untuk navigasi, yakni untuk mengetahui mana itu, atau
untuk menghasilkan peta lingkungan (SLAM) dan untuk mendeteksi rintangan. Hal ini juga
dapat digunakan untuk mendeteksi peristiwa-peristiwa, tugas tertentu yang spesifik, contoh;
pendukung sistem peringatan hambatan dalam mobil,
 Google Shows Off Prototype Autonomous Car

Bidang Industri.

Kadang-kadang disebut visi mesin, dimana informasi ini diekstraksi untuk tujuan mendukung
proses manufaktur. Salah satu contohnya adalah kendali mutu dimana rincian atau produk akhir
yang secara otomatis diperiksa untuk menemukan cacat.

Peran Computer Vision Software guna memantau dan

mengontrol kualitas produk.

Bidang Pengolahan Citra Medis

Daerah ini dicirikan oleh ekstraksi informasi dari data

citra untuk tujuan membuat diagnosis medis pasien.
Secara umum, data citra dalam bentuk gambar
mikroskop, gambar X-ray, gambar angiografi, gambar
ultrasonik, dan gambar tomografi.

Contoh teknik visi komputer untuk karakterisasi sendi

jari dalam gambar X-ray
 BAB III
PENUTUP

A. Kesimpulan
Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar
proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, pengenalan dan membuat
keputusan. Computer vision mencoba meniru cara kerja sistem visual manusia (human vision)
yang sesungguhnya sangat kompleks. Untuk itu, computer vision diharapkan memiliki
kemampuan tingkat tinggi sebagaiman human visual.
Computer Vision adalah kombinasi antara Pengolahan Citra dan Pengenalan Pola yang
hubungan antara ketiganya dapat dilihat pada gambar 1. Pengolahan citra merupakan proses awal
dari computer vision, sedangkan pengenalan pola merupakan proses menginterpretasikan citra.
1. Proses yang terjadi pada computer vision.
a. Memperoleh atau mengakuisisi citra digital.
b. Operasi pengolahan citra.
c. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan untuk
tujuan tertentu, misal memandu robot, mengontrol peralatan, dll.

2. Komponen Sistem Pengenalan Pola

Sistem pengenalan pola dasar terdiri dari :

a. Sensor, digunakan untuk menangkap objek yang ciri serta fiturnya akan diekstrasi.

b. Mekanisme pre-processing, mekanisme pengolahan objek yang ditangkap oleh

sensor biasanya digunakan untuk mengurangi kompleksitas ciri yang akan dipakai
untuk proses klasifikasi.

c. Mekanisme pencari fitur (manual/otomatis). Bagian ini digunakan untuk

mengekstrasi ciri yang telah melalui tahapan pre-processing untuk memisahkannya
dari fitur-fitur pada objek yang tidak diperlukan dalam proses klasifikasi.
 d. Algoritma pemilah, Pada tahapan ini proses klasifikasi dilakukan dengan
menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi
dari objek yang ditangkap kedalam kriteria-kriteria yang telah ditentukan.

3. Fungsi Computer Vision

aPengendalian proses, (misalnya, sebuah robot industri atau kendaraan otonom).

f. Mendeteksi peristiwa, (misalnya, untuk pengawasan visual atau orang menghitung).

g. Mengorganisir informasi, (misalnya, untuk pengindeksan database foto dan gambar

urutan).

h. Modeling benda atau lingkungan, (misalnya, inspeksi industrim analisis citra medis
atau model topografi).

i. Interaksi, (misalnya, sebagai input ke perangkat untuk interaksi komputer dan

manusia).

4. Implementasi Computer Vision

a. Bidang Pertahanan dan Keamanan (Militer)

b. Bidang Autonomous Vehicles

c. Bidang Industri.
 REFERENSI

http://publikasi.dinus.ac.id/index.php/semantik/article/view/4
5/199 http://vip.uwaterloo.ca/demos/computer-vision-
autonomous-robots

http://myasiputri.blogspot.co.id/2013/06/pengertian-perintah-cascade-pada-mysql.html

http://elib.unikom.ac.id/files/disk1/450/jbptunikompp-gdl-muhammadil-22463-11-
12.unik-i.pdf http://insideunmannedsystems.com/motiondsp-partners-universities-help-
advance-uas-research/ https://rcmlanglangbuana.wordpress.com/2014/11/14/computer-
vision/