LAPORAN TUGAS CITRA DIGITAL

MENDETEKSI JUMLAH MANGGA

Disusun Oleh:

Nama : Satiaji Wirgantara

Kelas : IF16C

NIM : 16416255201024

UNIVERSITAS BUANA PERJUANGAN KARAWANG

SISTEM INFORMASI DAN TEKNOLOGI

PROGRAM STUDI TEKNIK INFORMATIKA

Jl. HS.Ronggo Waluyo, RT.014/RW.009, Puseurjaya, Telukjambe Timur, Kabupaten Karawang,

Jawa Barat 41361

2019
 DAFTAR ISI
Daftar isi…………………………………………………………………………………........i
BAB I PENDAHULUAN................................................……………………………………3
1.1LATAR BELAKANG…………..…………………………………………............3
1.2DASAR TEORI…………………………………………………………………….3
1.2.1 Pengertian Citra Digital……………………………………………..........3
1.2.2 Pengolahan Citra Digital………………………………………………..4
1.3 Pengertian Matlab…………………………………………………………………4
1.4 Citra Biner…………………………………………………………………….…..5
1.5 Pengertian Ciri (Feature) dan Pola (Pattern)…………………………….…5
BAB II IMPLEMENTASI……………………………………………………………………6
4.1 Matlab R2010a………………………………………………………………………...6
4.2 Buat GUI……………………………………………………………………………….6
4.3 Pilih Jenis GUI…………………………………………………………………………7
4.4 Tampilan GUI…………………………………………………………………………..7
4.5 Kode fungsi utama…………………………………………………………………….8
4.6 manga…………………………………………………………………………….........9
4.7 Tampilan program setelah dijalankan……………………………………………….9
BAB III PENUTUP……………………………………………………………………………10
4.1 Kesimpulan…………………………………………………………………………10
4.2 Saran……………………………………………………………………………..…10
DAFTAR PUSTAKA…………………………………………………………………………..11
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Seiring dengan perkembangan zaman, teknologi yang menggunakan komputer berkembang
dengan pesat. Hampir setiap individu di dunia memerlukan komputer sebagai alat bantu untuk
me nyelesaikan masalahnya. Hampir semua sistem analog digantikan dengan sistem
komputerisasi. Keunggulannya adalah sistem komputerisasi lebih mudah dalam pengontrolan.
Dalam hal ini misalnya pengontrolan di dalam mengidentifikasi suatu objek atau citra.
Komputer diusahakan untuk dapat bekerja mendekati proses kerja otak manusia.
Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin ilmu yang
mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud disini adalah gambar
diam (foto) maupun gambar bergerak (yang berasal dari webcam). Sedangkan digital disini
mempunyai maksud bahwa pengolahan citra/gambar dilakukan secara digital menggunakan
komputer. Secara matematis, citra merupakan fungsi kontinyu (continue) dengan intensitas
cahaya pada bidang dua dimensi. Agar dapat diolah dengan komputer digital, maka suatu citra
harus dipresentasikan secara numerik dengan nilai-nilai diskrit. Repersentasi dari fungsi
kontinyu menjadi nilai-nilai diskrit disebut digitalisasi citra.
Salah satu bidang yang berkaitan dengan pengolahan citra adalah pengenalan pola atas
objek buah manga. Penelitian ini dilakukan untuk menghasilkan suatu sistem yang dapat
mengidentifikasi dan mengenali suatu objek atau pola sederhana, seperti lingkaran, berdasarkan
bentuk dan ukurannya.Dengan menggunakan sistem tersebut diharapkankomputer dapat
mengenali objek objeksederhana yang dimasukkan.
Kemampuan inilah yang akan kami tiru dengan menggunakan mesin (komputer).
Komputer menerima masukan yang berupa citra objek yang kemudian citra tersebut akan
diproses, diidentifikasi dan diberikan keluaran berupa deskripsi objek di dalam citra.

1.2 Dasar Teori

1.2.1 Pengertian Citra Digital
Citra merupakan salah satu komponen multimedia yang memegang peranan penting
sebagai bentuk informasi visual, karena karakteristiknya yang kaya dengan informasi. Secara
harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Secara matematis citra adalah
gambar pada bidang dwimatra (dua dimensi) yang dihasilkan dari gambar analog dua dimensi
yang kontinus menjadi gambar diskret melalui proses sampling. Pengolahan citra digital (Digital
Image Processing) adalah sebuah disiplin ilmu yang mempelajari tentang teknik-teknik
mengolah citra. Citra yang dimaksud pada penelitian ini adalah gambar statis yang berasal sensor
vision berupa webcam. Secara matematis, citra merupakan fungsi kontinyu dengan intensitas
cahaya pada bidang dua dimensi. Agar dapat diolah dengan komputer digital, maka suatu citra
 harus dipresentasikan secara numerik dengan nilai-nilai diskrit. Sebuah citra digital dapat
diwakili oleh sebuah matriks dua dimensi f(x,y) yang terdiri dari M kolom dan N baris. Pada
pengolahan warna gambar, ada bermacam-macam model salah satunya adalah model rgb atau
normalisai RGB. Model pengolahan ini merupakan pengolahan warna dengan menghitung
prosentase warna RGB dalam sebuah citra. Dengan menggunakan model ini, sebuah obyek
dengan warna tertentu dapat dideteksi dan terbebas dari pengaruh perubahan intensitas cahaya
dari luar. Kelemahan dari pengolahan warna model ini adalah tidak dapat membedakan warna
hitam dan putih, karena memiliki prosentase nilai RGB yang sama yaitu 33%. Guna melihat
pengaruh pendeteksian obyek terhadap perubahan intensitas cahaya maka nilai brightness
diubah-ubah. Berdasarkan hasil tersebut pada saat nilai brightness antara 1 – 80 obyek target
yang diinginkan masih dapat dideteksi.
1.2.2 Pengolahan Citra Digital
Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer,
menjadi citra yang kualitasnya lebih baik. Tujuan utama pengolahan citra adalah agar citra yang
mengalami gangguan mudah diinterpretasi oleh manusia maupun mesin (komputer). Teknik
pengolahan citra digital adalah mentransformasikan citra dua dimensi menjadi citra lain dengan
mengunakan komputer. Proses ini mempunyai ciri data masukan dan informasi keluaran yang
berbentuk citra. Jadi masukannya berupa citra dan keluarannya juga berbentuk citra, dengan
kualitas yang lebih baik dari citra masukan. Beberapa contoh operasi pengolahan citra adalah
pengubahan kontras citra, penghilangan derau (noise) dengan operasi penapisan (filtering),
penajaman (sharpening), pemberian warna semu (pseudocoloring), dan sebagainya. Operasi
operasi tersebut akan diterapkan pada pengolahan citra apabila:
1. Digunakan untuk meningkatkan kualitas penampakan atau menonjolkan beberapa aspek informasi
yang terkandung dalam citra dengan perbaikan atau modifikasi citra
2. Perlu pengelompokkan, pencocokan atau pengukuran elemen pada citra.
3. Perlu penggabungan sebagian citra dengan bagian citra lainnya.Dalam bidang komputer, tidak
hanya bidang studi pengolahan citra yang berhubungan dengan data citra, namun ada bidang
studi lain.
1.3 Pengertian Matlab
Matlab adalah sebuah bahasa dengan kinerja tinggi untuk komputasi masalah
teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu
model yang sangat mudah untuk pakai dimana masalah-masalah dan penyelesaiannya
diekspresikan dalam notasi matematika yang familiar. Penggunaan Matlab meliputi :
Matematika dan komputasi, Pembentukan algoritma, Akusisi data, Pemodelan, simulasi,
dan pembuatan prototype, Analisa data, explorasi, dan visualisasi, Grafik keilmuan dan
bidang rekayasa.
 Matlab memungkinkan manipulasi matriks, pem-plot-an fungsi dan data,
implementasi algoritma, pembuatan antarmuka pengguna, dan peng-antarmuka-an dengan
program dalam bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas
(toolbox) yang menggunakan mesin simbolik MuPAD, memungkinkan akses terhadap
kemampuan aljabar komputer. Sebuah paket tambahan, Simulink, menambahkan simulasi
grafis multiranah dan Desain

1.4 Citra Biner

Citra biner adalah citra yang hanya mempunyai dua nilai derajat keabuan yaitu, hitam dan
putih. Piksel piksel objek bernilai ‘1’ dan piksel piksel latar belakang bernilai ‘0’. Pada saat
menampilkan gambar, ‘0’ adalah putih dan ‘1’ adalah hitam. Meskipun saat ini citra berwarna
lebihdisukai karena memberi kesan yang lebih kaya daripada citra biner, namun tidak membuat
citra biner mati. Pada beberapa aplikasi citra biner masih tetap dibutuhkan, misalnya citra logo
instansi, citra kode batang (barcode) yang tertera pada label barang, citra hasil pemindai
dokumen teks,dan sebagainya. Adapun alasan penggunaan citra biner adalah karena citra biner
masih memiliki keunggulan sebagai berikut:
1. Kebutuhan memori kecil karena nilai derajat keabuan hanya membutuhkan representasi 1 bit.
2. Waktu pemrosesan lebih cepat dibandingkan dengan citra aras keabuan (greyscale).

1.5 Pengertian Ciri (Feature) dan Pola (Pattern)

Ciri adalah segala jenis aspek pembeda, kualitas atau karakteristik. Cirbisa berwujud
simbolik (misalnya warna) atau numerik (misalnya tinggi). Ciri yang bagus adalah ciri yang
memiliki daya pembeda yang tinggi, sehingga pengelompokan pola berdasarkan ciri yang
dimiliki dapat dilakukan dengan keakuratan yang tinggi. Sebagai contoh, segitiga yang memiliki
ciri yaitu: memiliki tiga buah titik sudut, atau lingkaran yang memiliki ciri yaitu: jari-jari yang
besarnya konstan. Citra pada suatu pola diperoleh dari hasil pengukuran terhadap objek uji.
Khusus pada pola yang didapat di dalam citra, ciri-ciri yang diperoleh berasal dari:
a) Spasial: intensitas piksel, histogram dan sebagainya.
b) Tepi: Arah, kekuatan dan sebagainya.
c) Kontur: garis, elips, lingkaran dan sebagainya.
d) Wilayah/bentuk: keliling, luas dan sebagainya.
e) Hasil Transformasi Fourier: frekuensi dan
sebagainya
 BAB II
IMPLEMENTASI

Implementasi dilakukan dengan menggunakan software Matlab 9.2.0 (R2017a).

Gambar 4.1 : Matlab R2010a.

Langkah – langkah Implementasi :

1. Ketik pada command window “guideenter

Gambar 4.2 : Buat GUI.

2. Pilih Tab “Create New GUI” pilih “Blank GUI”  “OK”.

Gambar 4.3 : Pilih Jenis GUI.

3. Buat GUI seperti gambar berikut lalu simpan dengan nama “jumlahmangga”.

Gambar 4.4 : Tampilan GUI.

4. Klik Kanan pada Tombol  “View Callbacks”  “Callback”, tuliskan kode dibawah ini lalu
simpan dengan nama “jumlahmangga”,lalu tulis kode dibawah ini pada “pushbutton1”

Gambar 4.5 : Kode fungsi utama.

Script Program :

[namafile,formatfile] = uigetfile({'*.png; *.bmp; *.jpg; *.jpeg'}, 'memilih

gambar');
RGB = imread([formatfile,namafile]);

imshow(RGB);

I = rgb2gray(RGB);
threshold = graythresh(I);
bw = im2bw(I,threshold);
bw = bwareaopen(bw,30);

se = strel('disk',2);
bw = imclose(bw,se);
bw = imfill(bw,'holes');
[B,L] = bwboundaries(bw,'noholes');

hold on
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2), boundary(:,1), 'w', 'LineWidth', 2)
end

stats = regionprops(L,'Area','Centroid','Eccentricity');

for k = 1:length(B)
boundary = B{k};
delta_sq = diff(boundary).^2;
perimeter = sum(sqrt(sum(delta_sq,2)));
area = stats(k).Area;
eccentricity = stats(k).Eccentricity;
metric = 4*pi*area/perimeter^2;

centroid = stats(k).Centroid;
 text(centroid(1),centroid(2)-16,num2str(k),'Color','r',...
'FontSize',20,'FontWeight','bold');
disp('===================================')
disp(strcat(['Object number = ', num2str(k)]))
disp(strcat(['Area = ',num2str(area)]))
disp(strcat(['Perimeter = ',num2str(perimeter)]))
disp(strcat(['Metric = ',num2str(metric)]))
disp(strcat(['Eccentricity = ',num2str(eccentricity)]))

if metric>0.8
text(centroid(1)-16,centroid(2)+16,'Bukan Buah
mangga','Color','r',...
'FontSize',20,'FontWeight','bold');
else
text(centroid(1)-16,centroid(2)+16,'MANGGAH','Color','b',...
'FontSize',20,'FontWeight','bold');
end
end

Gunakan gambar dibawah ini untuk menguji program.

Gambar 4.6 : mangga

Jalankan program (tekan “F9” pada keyboard).

Gambar 4.7 : Tampilan program setelah dijalankan.

 BAB III
PENUTUP

4.1 Kesimpulan

Berdasarkan pengujian yang telah dilakukan dapatkan kesimpulan sebagai berikut :

1. Telah dapat dihasilkan sebuah program untuk mengidentifikasi objek berdasarkan bentuk dan
warna, dengan menggunakan bahasa pemrograman Matlab.
2. Model normalisasi RGB ini sangat mudah untuk diaplikasikan khususnya untuk mendeteksi
obyek dengan warna-warna tertentu.
3. Berdasarkan persamaan 6, warna putih dan hitam sulit dibedakan karena memiliki nilai RGB
(red, Green, Blue) yang sama untuk kedua warna.
4. Pada proses klasifikasi (pendeteksian) objek, program akan membandingkan tingkat kesesuaiaan
yang dimiliki objek, terhadap lingkaran kemudian akan dipilih tingkat kesesuaiaan yang paling
tinggi dan diputuskan apakah objek tersebut adalah lingkaran atau bukan
4.2 Saran
Berikut adalah saran - saran yang berkaitan dengan penelitian yang telah dilakukan.
1. Perlu dilakukan penambahan jenis – jenis ciri yang akan diekstraksi sehingga dapat dibuat
kesimpulan yang lebih tepat lagi.
2. Perlu dilakukan penelitian lanjutan untuk menambah jenis - jenis objek yang dideteksi, sehingga
program dapat dapat mendeteksi lebih banyak objek lagi.
3. Perlu dilakukan penelitian lebih lanjut agar program dapat mendeteksi citra dengan objek yang
memiliki dimensi yang lebih rumit.
 DAFTAR PUSTAKA

Diambil dari http://teknotugasku.blogspot.com/2016/11/pengolahan-citra-digital-untuk.html

Diambil dari https://pemrogramanmatlab.com/pengenalan-pola-citra-digital-menggunakan-
matlab/pola-bentuk-morfologi/
Diambil dari https://www.ketutrare.com/2018/08/menghitung-jumlah-lingkaran-didalam-gambar.html