IMAGE PROCESSING

Ikeu Nur Halimah (16020103), Kimia Tekstil, Politeknik STTT Bandung

E-Mail: ikeunurhalimah05@gmail.com
Phone: 0895389944951

Abstrak
Pada praktikum kali ini akan membahas tentang image processing. Image processing adalah suatu
bentuk pengolahan atau pemrosesan sinyal dengan input berupa gambar (image) dan
ditransformasikan menjadi gambar lain sebagai keluarannya dengan teknik tertentu. Bentuk dari
Digital Image dapat berupa file yang berekstensi *.jpg, *.gif, *.png dan semacamnya. Image
processing dilakukan untuk memperbaiki kesalahan data sinyal gambar yang terjadi akibat
transmisi dan selama akuisisi sinyal, serta untuk meningkatkan kualitas penampakan gambar agar
lebih mudah diinterpretasi oleh sistem penglihatan manusia baik dengan melakukan manipulasi
dan juga penganalisisan terhadap gambar. Pada praktikum kali ini, praktikkan diminta untuk dapat
melakukan perhitungan luas bangun datar tidak secara manuan, melainkan secara digital dengan
menggunakan aplikasi matlab dan program point. Agar program dapat berjalan digunakan
beberapa listing program dalam pemrogramannya.

I. PENDAHULUAN
Saat ini image processing adalah salah satu teknologi yang sedang berkembang pesat. Hal
tersebut membangun daerah riset teknik dan ilmu pengetahuan computer. Dalam bidang
tekstil sendiri image processing dapat digunakan untuk menghitung penampang melintang
dan membujur pada suatu serat dengan beberapa proses pengolahan data. Dalam praktikum
kali ini, akan membuktikan bahwa 1 pixel sama dengan 0,03 cm per bidang persegi secara
eksperimen dan teori menggunakan aplikasi matlab dan paint.

II. Maksud dan Tujuan

Maksud:
 Agar praktikkan dapat memahami prinsip image processing.
 Agar praktikkan dapat menghitung luas area bangun datar secara eksperimen dalam
satuan pixel2 dan cm2.
 Tujuan:
 Agar praktikkan dapat membandingkan luas area bangun datar secara eksperimen dan
teori.
 Agar praktikkan dapat membuktikan bahwa 1 pixel sama dengan 0,03 cm.

III. DASAR TEORI

3.1. Pengertian Image Processing
Pengolahan citra atau Image Processing adalah suatu sistem dimana proses dilakukan
dengan masukan (input) berupa citra (image) dan hasilnya (output) juga berupa citra
(image). Pada awalnya pengolahan citra ini dilakukan untuk memperbaiki kualitas
citra, namun dengan berkembangnya dunia komputasi yang ditandai dengan semakin
meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya ilmu-ilmu
komputer yang memungkinkan manusia dapat mengambil informasi dari suatu citra
maka image processing tidak dapat dilepaskan dengan bidang computer vision.

3.2. Pengertian – pengertian dasar Image Processing

1. Pixel ( picture elemen ) Adalah titik terkecil (elemen) yang membentuk suatu
gambar pada layer monitor, disebut juga dengan dot.
2. Resolusi adalah banyaknya titik ( pixel ) yang menyusun suatu gambar atau layer.
Ukurannya adalah jumlah pixel horizontal dikalikan jumlah pixel vertical. Contoh
: ukuran 640 x 480 , artinya 640 pixel mendatar, dan 480 vertikal.

3. Dots per inchi (dpi / pixel per inchi ) Banyaknya titik atau pixel tiap satuan inchi.
Contoh : 600 dpi , berarti terdapat 600×600 pixel tiap inchi persegi.

4. Warna Beberapa model warna :

a. RGB (red, green, blue) Merupakan kombinasi dari elemen warna red (merah),
green (hijau), dan blue (biru). Tiap titik atau pixel merupakan kombinasi dari
ketiga elemen warna tsb. Setiap elemen memiliki 0 – 255 tingkat warna .
Contoh : warna hitam merupakan kombinasi dari R= 0, G=0, B=0; warna putih
 merupakan kombinasi dari R = 255, G = 255, B= 255; warna kuning dihasilkan
dari kombinasi R= 255, G= 255, B= 0. Sehingga kombinasi warna yang dapat
dibentuk dari mode rgb adalah 255 x 256 x 256= 16777216( 16 juta warna.
b. CMYK (cyan , magenta, yellow , black) Merupakan system presentasi warna
untuk process cetak 4 warna ( cyan , magenta, yellow , dan black ) . Dengan
system ini gambar akan di simpan dalam 4 channel.

5. Color Depth Color Depth adalah besarnya informasi data dari 1 satuan
sample(dot/pixel). Setiap bitmap/ dot/ pixel, bias berupa hitam , putih, abu – abu
atau warna. Color Depth dinyatakan dalam angka yang digunakan untuk
menyatakan beberapa variasi warna yang mampu ditampilkan oleh suatu bitmap
/dot/pixel, yang dinyatakan secara kuantitatif. Rumusnya adalh 2 n (dua pangkat n,
dimana n adalah besarnya bit depth). Contoh :
 1 bit = 2 pangkat 1 = 2 variasi warna (monochrome)
 2 bit = 2 pangkat 2 = 4 variasi warna
 4 bit = 2 pangkat 4 = 16 variasi warna
 8 bit = 2 pangkat 8 = 256 variasi warna
 16 bit = 2 pangka 16 = 2 kombinasi
 8 bit = 65.536 variasi warna
 24 bit = 2 pangkat 24= 3 buah kombinasi
 8 bit = 16.777.216 variasi warna
 32 bit = 2 pangkat 32= 4 buah kombinasi
 8 bit= 4.294.967.296 variasi warna.

6. Menghitung ukuran file raster image Ukuran dalam byte = width x height x
colordepth Keterangan :
a. width : lebar dari images, diukur dengan pixel
b. Height : tinggi dari images, diukur dengan pixel
c. Color depth : jumlah bit warna yang diukur dalam bit / pixel
 1 byte = 8 bit
  1 KB (kilobyte) = 1024 byte
 1 MB (megabyte) = 1024 KB
Contoh : “Sebuah image berukuran 640 x 480 pixel dengan 24-bit warna akan
membutuhkan berapa besar diks space ?”
Jawab:
Ukuran dalam Byte = w x h x c/8
= 640x480x24
=737800
= 921600
= 900 KB

7. Bitmap file format

a. Microsoft bitmap (.Bmp) digunakan di Microsoft windows.
b. TIFF – Tagged Image File Format (.tif) digunakan untuk faxing images
(biasanya).
c. JPEG – Joint Photographic Expert Group (.jpg) berguna untuk menyimpan
photographic images.
d. GIF – Graphics Interchange Format (.gif) banyak digunakan di web sites.
e. PNG – Portable Network Graphic (.png) format baru untuk web graphics.
f. PCD – Kodak photo CD format baru untuk menyimpan image dalm bentuk
terkompresi dalam CD.

3.3. Istilah Didalam Image Processing

1. Pixel pixel adalah bangunan blok dari sebuah image, dengan kata lain pixel adalah
image terkecil yang mungkin untuk dilihat pada layar.

2. Binary image, adalah image yang terdiri dari pixel hitam dan putih.
 Gambar 1. Binary Image
Sumber: https://www.shutterstock.com/search/binary+code. (Diakses 02 April
2018 pukul 22.32 WIB)

3. Grayscale Image, yang terdiri dari nilai intesitas dari minimal (menggambarkan
hitam mutlak) hingga maksimal (menggambarkan putih mutlak) dan diantaranya
bayangan abu – abu (gray) yang bervariasi. Biasanya rentangnya antara 0 hingga
255. Pada keseharian kita sering mengatakan foto graycale image sebagai foto
hitam-putih (seperti pada foto – foto lama). Jadi jangan dirancukan dengan istilah
teknis seperti ini.

Gambar 3. Greyscale Image

 Sumber:
https://commons.wikimedia.org/wiki/File:Broadway_tower_grayscale.jpg.
(Diakses 02 April 2018 pukul 22.37 WIB)

4. Color Image kita semua sekarang sedang melihatnya. Setiap image tersusun dari
tiga warna utama, merah, hijau dan biru yang sering disebut dengan RGB Image.

Gambar 4. RGB Image

Sumber: http://www.colourblindawareness.org/ (Diakses 02 April 2018 pukul
22.06 WIB)

5. RGB, untuk citra berwarna maka digunakan model RGB (Red-Green-Blue), satu
citra berwarna dinyatakan sebagai 3 buah matrik grayscale yang berupa matrik
untuk Red (R-layer), matrik Green (G-layer) dan matrik untuk Blue(B-layer).R-
layer adalah matrik yang menyatakan derajat kecerahan untuk warna merah
(misalkan untuk skala keabuan 0-255, nilai 0 menyatakan gelap (hitam) dan 255
menyatakan merah. G-layer adalah matrik yang menyatakan derajat kecerahan
untuk warna hijau, dan B-layer adalah matrik yang menyatakan derajat kecerahan
untuk warna biru. Dari definisi tersebut, untuk menyajikan warna tertentu dapat
dengan mudah dilakukan, yaitu dengan mencampurkan ketiga warna dasar RGB.
 Gambar 5. Komposisi Warna RGB
Sumber: Pasquale, D'Silva aka darkmotion. 2008. Komposisi Warna RGB.
https://www.kirupa.com/design/little_about_color_hsv_rgb.htm (Diakses 02 April 2018 pukul
22.01 WIB)

3.4. Robot Berbasis Image Processing – Dasar (1)

Kegiatan pemanfaatan tenaga nuklir yang telah mencakup berbagai area kerja seperti
industri, institusi medis, penelitian, pendidikan, dan fasilitas nuklir, Menyimpan suatu
bahaya radiasi yang harus ditangani dengan baik sehingga tidak membahayakan
pekerja, ataupun masyarakat di lingkungan sekitarnya.

Salah satu hal yang patut diperhatikan dalam sebuah asas proteksi radiasi, adalah harus
memperhatikan asas ALARA (As Low As ReasonablyAchievable), untuk itu
alangkah baiknya digunakan sebuah alat bantu robot automatik ataupun manual
sehingga pekerjaan manusia bisa menjadi lebih mudah.
Disanalah pentingnya kita menguasai teknologi robotik agar tidak kalah dengan
negara – negara maju yang terus melakukan penelitian dalam bidang ini. Jangan
sampai kita hanya menjadi bangsa ”konsumen” suatu produk teknologi canggih, yang
pada akhirnya hanya akan menjadikan sebuah penjajahan baru bagi bangsa ini.

Pada kali ini kita akan membuat konsep dasar dari sebuah robot yang berdasarkan
pada “image processing”. Robot yang berbasis “vision” memiliki perangkat akuisisi
citra seperti contohnya webcam sebagai sebuah “mata”, ataupun sensor khusus kamera
CMUCAM. Karena CMUCAM berharga cukup mahal, maka kita akan mempelajar
 dulu konsep dasar agar robot mampu melihat dengan webcam, mungkin lebih sulit
dibandingkan dengan CMUCAM, namun boleh kita coba.

Satu kata kunci untuk melakukan sebuah “pengolahan citra” atau image processing
adalah kita membutuhkan sebuah perangkat komputasi yang besar, dan hal ini tidak
bisa diganti dengan hanya menggunakan sekeping mikrokontroler kecil. Pendekatan
yang sederhana adalah kita akan menjalankan program menggunakan sebuah
komputer yang terhubung dengan Webcam untuk menangkap “image”. Dan robot
akan dijalankan oleh komputer menggunakan port paralel ataupun serial. Kode – kode
progam yang akan ditulis dalam sebuah perangkat lunak yang menyediakan fasilitas
untuk mengolah citra. Dan salah satu jawabannya adalah MATLAB.

MATLAB merupakan singkatan dari MATrix LABoratory, sesuai dengan namanya,

maka kita akan bermain – main dengan matriks disini. Sebuah image (ataupun data
lainnya seperti suara dll ) bisa dirubah dalam sebuah bentuk matriks kemudian variasi
operasi bisa dilakukan untuk mendapatkan hasil dan nilai yang diinginkan, dan semua
itu bisa dilakukan dengan MATLAB.

IV. METODE EKSPERIMEN

4.1. Alat dan Bahan:
 Aplikasi Matlab
 Program paint
 Laptop

4.2. Cara Kerja

1. Persiapan aplikasi matlab dan program paint.
2. Membuat bangun datar sesuai yang diinginkan dalam program paint dan dalam
skala pixel kemudian save dalam folder program matlab.
3. Mencatat alas, tinggi segitiga dan panjang kedua sisi persegi panjang dalamk skala
pixel.
 4. Membuka aplikasi matlab editor, listing program dimasukkan kemudian nama
image.png diganti dengan nama gambar yang sudah kita save.
5. Mengukur luas segitiga dan persegi panjang di aplikasi matlab dan bandingkan
dengan luas area di aplikasi matlab editor.
6. Lakukan hal yang sama dalam skala centimeter (cm) kemudian di save.
7. Lakukan pengukuran tersebut sebanyak 3 kali.
8. Dihitung luas segitiga dan persegi panjang tersebut secara manual beserta teori
ralatnya.
9. Dibandingkan luas segitiga dan persegi panjang secara program matlab dan secara
eksperimen.
10. Dibuktikan bahwa 1 pixel sama dengan 0,03 cm.

4.3. Skema Percobaan

Menentukan luas 2 bangunan atau lebih

Gambar 6. Membuat bangun datar pada program paint

 Gambar 7. Membuka program matlab

Gambar 8. Ditampilkan gambar dengan perintah ‘imread’

 Gambar 9. Ditampilkan gambar dengan perintah ‘imshow’

Gambar 10. Gambar dirubah menjadi binary image dengan perintah ‘bw=im2bw’
 Gambar 11. Ditampilkan hasil luas dengan perintah ‘luas=polyread(b{1}(:1),b{1}(:,2))’

V. HASIL DAN PEMBAHASAN

5.1. Hasil
A. SECARA TEORI

1. Perhitungan Secara Teori Luas Bangun Segitiga

 Dalam pixel (p𝐱 𝟐 )

1
𝐿= 𝑥𝑎𝑥𝑡
2
1
= 𝑥 85 𝑥 105
2
= 4,462.5 𝑝𝑥 2

𝜕𝐿 𝜕𝐿
∆𝐿 = | ∆𝑎| + | ∆𝑡|
𝜕𝑝 𝜕𝑡
1 1
= |2 . 𝑡 . ∆𝑎| + |2 𝑎 . ∆𝑡|
1 1
= |2 105 . 5| + |2 85 . 5|
 = |262,5| + |212,5|
= 475 𝑝𝑥 2
𝐿 ± ∆𝐿 = (4,462.5 ± 475)𝑝𝑥 2

 Dalam cm (c𝐦𝟐 )

1
𝐿= 𝑥𝑎𝑥𝑡
2
1
= 𝑥 2,3 𝑥 2,8
2
= 3,22 𝑐𝑚2

𝜕𝐿 𝜕𝐿
∆𝐿 = | ∆𝑎| + | ∆𝑡|
𝜕𝑝 𝜕𝑡
1 1
= | . 𝑡 . ∆𝑎| + | 𝑎 . ∆𝑡|
2 2
1 1
= | 2,3 . 0,5| + | 2,8 . 0,5|
2 2
= |0,575| + |0,7|
= 1,275 𝑐𝑚2
𝐿 ± ∆𝐿 = (3,22 ± 1,275)𝑐𝑚2

2. Perhitungan Secara Teori Luas Bangun Persegi Panjang

 Dalam pixel (p𝐱 𝟐 )

𝐿=𝑝𝑥𝑙 ...(1)
= 155 𝑥 45 ...(2)
= 6.975 𝑝𝑥 2

𝜕𝐿 𝜕𝐿 ...(3)
∆𝐿 = | ∆𝑝| + | ∆𝑙|
𝜕𝑝 𝜕𝑙
𝜕𝑝×𝑙 𝜕𝑝 ×𝑙 ...(4)
=| ∆𝑝| + | ∆𝑙|
𝜕𝑝 𝜕𝑙
= |𝑙 ∆𝑝| + | 𝑝 ∆𝑙| ...(5)
 = |45𝑥 5| + |155 𝑥 5| ...(6)
= 225 + 775
= 1.000 𝑝𝑥 2
𝐿 ± ∆𝐿 = (6.975 ± 1.000)𝑝𝑥 2

 Dalam cm (c𝐦𝟐 )

𝐿=𝑝𝑥𝑙 ...(1)
= 4,2 𝑥 1,2 ...(2)
2
= 5,04 𝑐𝑚

𝜕𝐿 𝜕𝐿 ...(3)
∆𝐿 = | ∆𝑝| + | ∆𝑙|
𝜕𝑝 𝜕𝑙
𝜕𝑝×𝑙 𝜕𝑝 ×𝑙 ...(4)
=| ∆𝑝| + | ∆𝑙|
𝜕𝑝 𝜕𝑙
= |𝑙 ∆𝑝| + | 𝑝 ∆𝑙| ...(5)

= |1,2 𝑥 0,5| + |4,2 𝑥 0,5| ...(6)

= 0,6 + 2,1
= 2,7 𝑐𝑚2
𝐿 ± ∆𝐿 = (5,04 ± 2,7)𝑐𝑚2

B. SECARA EKSPERIMEN
 Luas = polyarea (b{1} (:,1) , b{1} (:,2)) (Persegi panjang)
Luas = 6622 px2
Luas = polyarea (b{2} (:,1) , b{2} (:,2)) (Segitiga)
Luas = 4.407 px2’

C. PEMBUKTIAN 1pixel = 0,03 cm (TUGAS AKHIR)

1. Segitiga

𝐿𝑢𝑎𝑠 𝑠𝑒𝑔𝑖𝑡𝑖𝑔𝑎 𝑡𝑒𝑜𝑟𝑖 (𝑐𝑚2 )

Pembuktian = √𝐿𝑢𝑎𝑠 𝑠𝑒𝑔𝑖𝑡𝑖𝑔𝑎 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛 (𝑝𝑥 2 )

3,22𝑐𝑚2
=√
4407 𝑝𝑥 2

= 0,027 cm

2. Persegi panjang
𝐿𝑢𝑎𝑠 𝑝𝑒𝑟𝑠𝑒𝑔𝑖 𝑝𝑎𝑛𝑗𝑎𝑛𝑔 𝑡𝑒𝑜𝑟𝑖 (𝑐𝑚2 ) ...(
Pembuktian = √ 𝐿𝑢𝑎𝑠 𝑝𝑒𝑟𝑠𝑒𝑔𝑖 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛 (𝑝𝑥 2 )
1)

5,04 𝑐𝑚2
=√ ...(
6622 𝑝𝑥 2
2)
 = 0,028 cm

5.2. Tabel Eksperimen dan Teori Perhitungan Luas Segitiga Sama Kaki

Berikut merupakan tabel hasil perhitungan eksperimen dengan teori luas segitiga
sama kaki
Data Eksperimen dan Teori Luas Segitiga Sama Kaki
Bangun px2 (exp) px2 (teori/i.p) cm2 (exp) cm2 (teori/i.p)
no.

1 4407 4462,5 ± 475 3,9663 3,22 ± 1,275

5.3. Tabel Eksperimen dan Teori Perhitungan Luas Persegi Panjang

Berikut merupakan tabel hasil perhitungan eksperimen dengan teori persegi panjang
Data Eksperimen dan Teori Luas Persegi Panjang
Bangun px2 (exp) px2 (teori/i.p) cm2 (exp) cm2 (teori/i.p)
no.

1 6622 6975 ± 1000 5,9598 5,04 ± 2,75

5.4. Pembahasan
Pada praktikum kali ini image processing. Pengolahan citra atau Image Processing
adalah suatu sistem dimana proses dilakukan dengan masukan (input) berupa citra
(image) dan hasilnya (output) juga berupa citra (image). Dalam praktikum ini
dilakukan pengolahan gambar bangun datar. Bangun datar tersebut dihitung luasnya
menggunakan program matlab dan akan dibandingkan dengan perhitungan secara teori.

Hal pertama yang dilakukan yaitu membuat bangu datar (segitiga dan persegi panjang)
dalam program paint sesuai dengan keingan keinginan dalam skala pixel dan cm,
kemudian di save dalam folder program matlab. Kemudian catat alas dan tinggi
segitiga juga panjang kedua sisi persegi panjang kemudian membuka aplikasi matlab
editor. Listing program dimasukkan kemudian nama image.png diganti dengan nama
gambar yang sudah kita save. Mengukur luas segitiga dan persegi panjang di aplikasi
matlab editor. Dihitung luas segitiga dan persegi panjang tersebut secara manual
beserta teori ralatnya yang akan dibandingkan dengan luas segitiga dan persegi panjang
dalam program matlab. Hasil perhitungan dan pengukuran dalam program matlab dapat
dibuktikan bahwa 1 pixel sama dengan 0,03 cm.

Setelah selesai melakukan praktikum maka didapatkan hasil nilai luas segitiga dari
hasil perhitungan secara teori dengan hasil perhitungan image processing pada gambar
matlab dengan perbandingan yang tidak jauh berbeda. Pada pengukuran luas segitiga
didapatkan hasil perhitungan secara teori sebesar 4462,5 px2 , sedangkan dalam
perhitungan image processing sebesar 4407 px2. Pada pengukuran luas persegi panjang
didapatkan hasil perhitungan secara teori sebesar 6975 px2 , sedangkan dalam
perhitungan image processing sebesar 6622 px2.

Pada tugas akhir dihitug juga luas segitiga dan persegi panajng dalam cm2 secara teori.
Ini dilakukan untuk membuktikan bahwa 1 pixel sama dengan 0,03 cm. perhitungan
pembuktian ini diperoleh dari perbandingan antara luas segitiga dan luas persegi
panajng dalam cm dengan segitiga dan persegi panjang dalam pixel. Dapat dilihat
semua hasilnya mendekati 0,03 cm.

VI. Kesimpulan
Dari hasil praktikum image processing, dapat disimpulkan bahwa:
1. Data hasil perhitungan luas segitiga dan persegi panjang secara teori dengan
hasil perhiyungan image processing dalam program matlab dalam skala pixel2
dan cm2 tidak jauh berbeda. Didapatkan hasil berikut:
 Bangun segitiga
 Bangun px2 (exp) px2 (teori/i.p) cm2 (exp) cm2 (teori/i.p)
no.

1 4407 4462,5 ± 475 3,9663 3,22 ± 1,275

 Bangun persegi panjang

Bangun px2 (exp) px2 (teori/i.p) cm2 (exp) cm2 (teori/i.p)
no.

1 6622 6975 ± 1000 5,9598 5,04 ± 2,75

2. Didapatkan data perhitungan hasil pembuktian I pixel sama dengan 0,03 cm

dari 2 bangun datar yaitu:

Segitiga 0,027 cm
Persegi panjang 0,028 cm
 DAFTAR PUSTAKA

Sigit, hermawan. 2013. Pengertian Dasar Image Processing. https://sigit-

hermawan.weebly.com/uploads/1/5/1/3/15132650/image_processing.pdf. (Diakses 02 April 2018,
pukul 21.44 WIB)

Harisna, Dwi Ade. 2010. Image Processing. http://ndoware.com/image-processing.html. (Diakses 02 April

2018 pukul 21.48 WIB)

Pasquale, D'Silva aka darkmotion. 2008. Komposisi Warna RGB.

https://www.kirupa.com/design/little_about_color_hsv_rgb.htm (Diakses 02 April 2018 pukul
22.01 WIB)

https://www.shutterstock.com/search/binary+code. (Diakses 02 April 2018 pukul 22.32 WIB)

http://www.colourblindawareness.org/ (Diakses 02 April 2018 pukul 22.06 WIB)

https://commons.wikimedia.org/wiki/File:Broadway_tower_grayscale.jpg. (Diakses 02 April

2018 pukul 22.37 WIB)