CRITICAL BOOK REVIEW

PENGOLAHAN CITRA DIGITAL

Ditulis untuk memenuhi tugas pada mata kuliah Pengolahan Citra Digital
Yang diampu oleh Bapak Harvei Desmon Hutahean, S.Kom., M.Kom

Nama : Indah Sakinah Hasibuan (5173351015)

Maya Tamara Gultom (5173351024)

Miranda Warni (5173351029)

Vioni M Sinulingga (5173351047)

Kelas : PTIK C

PENDIDIKAN TEKNOLOGI INFORMATIKA DAN KOMPUTER

FAKULTAS TEKNIK
UNIVERSITAS NEGERI MEDAN
2019

i
 KATA PENGANTAR

Puji dan syukur kami ucapkan kehadiran Tuhan Yang Maha Esa karena atas berkat dan
rahmat nya, kami dapat menyelesaikan tugas Makalah Ciritical Book Review ini tepat pada
waktunya. Makalah ini kami tulis untuk memenuhi tugas pada matakuliah Pengolahan Citra
Digital yang diampu oleh Bapak Harvei Desmon Hutahean, S.Kom., M.Kom. Kami berharap
makalah ini dapat bermanfaat bagi pembaca dalam menambah pengetahuan.
Kami berterimakasih kepada pihak-pihak yang telah membantu kami dalam mengerjakan
makalah ini. Dan kami tidak lupa juga berterimah kasih kepada dosen pengampu yang telah
membimbing kami dalam mengerjakan makalah ini.
Kami minta maaf apabila terdapat kekurangan dan kesalahan dalam tulisan makalahini,
karena pada dasarnya kami masih seorang mahasiswa yang masih dalam proses
pembelajaran. Kami harapkan adanya saran dan kiritikan pada makalah kami ini agar
makalah kami ini menjadi lebih baik.Atas perhatiannya kami ucapkan Terima kasih.

Medan, 02 Oktober 2019

Penyusun

2
 DAFTAR ISI

Kata Pengantar .........................................................................................................................2

Daftar Isi .................................................................................................................................3

BAB I Pendahuluan..................................................................................................................4

A. Latar Belakang…….......................................................................................................4
B. Rumusan Masalah..........................................................................................................4
C. Tujuan……....................................................................................................................4
D. Identitas Buku Yang di Review…………….................................................................5

BAB II RINGKASAN ISI BUKU ……..…..……………………………………………….6

A. Ringkasan Buku Utama ……………….………………………………………………6

B. Ringkasan Buku Pembanding ……………………………………………………..….9

BAB III PEMBAHASAN.......................................................................................................21

A. Kelebihan Kedua Buku ……………………………………………………………...21

B. Kekurangan Kedua Buku ……………………............................................................21

BAB IV PENUTUP................................................................................................................22

A. Kesimpulan...................................................................................................................22
B. Saran ……....................................................................................................................22

Daftar Pustaka..........................................................................................................................23

3
 BAB I

PENDAHULUAN

A. Latar Belakang

Dalam Critical Book Review ini kami di tuntut untuk mengkritis sebuah buku, dan
meringkas menjadi satu kesatuan yang utuh sehingga dapat di pahami oleh mahasiswa yang
melakukan crtical book review ini, termasuk di dalamnya mengerti akan kelemahan dan
keunggulan kedua buku yang di kritisi. Dalam hal ini kami mengkritik beberapa buku.

Adapun dalam penuntasan tugas Critical Book Review ini kami di tuntut dalam
meringkas,menganalisa dan membandingkan serta memberikan kritik berupa kelebihan dan
kelemahan pada suatu buku berdasarkan fakta yang ada dalam buku tersebut, sehingga
dengan begitu membuat kami senantiasa berfikirlogis dan kritis serta tanggap terhadap hal-
hal baru yang terdapat pada keduan buku tersebut. Penugasan critical book review ini juga
merupakan pembiasaan agar kami terampil dalam menciptakan ide-ide kreatif dan berpikir
secara analitis sehingga pada pembuatan tugas-tugas yang sama kami pun menjadi terbiasa
serta semakin mahir dalam penyempurnaan tugas tersebut. Pembuatan tugas crital book
review ini juga melatih, menambah, serta menguatkan betapa pentingnya mengkritikalisasi
suatu buku berdasarkan data yang faktual sehingga dengan begitu terciptalah mahasiswa yang
berkarakter logis serta analis sehingga dengan bertambahnya era yang semakin maju yang
seperti kita tahu sekarang dizaman MEA(Masyarakat Ekonomi Asean) di tuntut menciptakan
masyarakat yang berpikir maju yang diharapkan kepada generasi baru ini.

B. Rumusan Masalah
1. Menjelaskan ringkasan buku utama dan buku pembanding
2. Menjelaskan kelebihan dan kekurangan di kedua buku yang akan dikritik
C. Tujuan
Adapun tujuan penyusunan Critical Book Review Pengolahan Citra Digital adalah
sebagai berikut:
1. Menambah wawasan serta ilmu pengetahuan
2. Meningkatkan kemampuan mahasiswa dalam mereview sebuah buku
3. Menguatkan daya pemahaman dan pemikiran mahasiswa untuk rajin membaca
buku

4
D. Identitas Buku Yang di Review
Buku Utama
1. Judul : Pengantar pengolahan citra
2. Penulis : Aniali Murni Arymurthy Dan Suryana Setiawan
3. Penerbit : PT Elex Media Komputondo
4. Tahun Terbit I : 1992
5. Urutan Cetakan :pertama kali
6. ISBN : 979-537-090-1
7. Halaman : 171

Buku Pembanding

1. Judul buku : Buku Ajar Pengolahan Citra

2. Penulis :Nana Ramadijanti,S.Kom.,M.Kom., Drs. Achmad
Basuki,M.Kom.,Ph.D., Fadilah Fahrul H., S.ST.
3. Penerbit : PENS
4. Tempat terbit : Surabaya
5. Tahun terbit : Oktober 2014
6. Tebal buku : 176 halaman

5
 BAB II

RINGKASAN ISI BUKU

A. Ringkasan Buku Utama

APLIKASI PENGOLAHAN CITRA

a. Aplikasi Penginderaan Jauh

Penginderaan jauh merupakan suatu sistem yang digunakan untuk merekam data
menganai permukaan bumi berdasarkan pengukuran yang dilakukan dari jarak jauh,
dalam hal ini menggunakan pesawat terbang atau pun sistem satelit; dengan tujuan agar
dapat merekam data daerah bumi yang cukup luas untuk kepentingan survai maaupun
pemantun sumber daya alam.

Komponen-komponen sistem penginderaan jauh dapat digambarkan sebagai berikut:

1. Sumber radiaso; dalam hal ini adalah sinar matahari, karea menggunakan sinar
matahari, maka perekaman data hanya dapat dilakukan pada pagi hari sampe sore
hari;
2. Sensor; dapat bersifat optic, analog, atau spektrak.
3. Jalur transmisi; dalam sistem ini dilakukan melalui atmosfir.
4. Sasaran; dalam hal ini adalah suatu daerah pada permukaan bumi.
Hasil rekaman data permukaan bumi yang diperoleh dari sistem satelit berupa empat
buah foto daerah bumiu untuk masing-masing kanal spectral yang digunakan untuk
interpretasi secara visual, selain itu juga data digital keempat citra tersebut dalam pita
magnetic yang dapat dip roses dengan computer. Tahap proses pengolahan digital yang
kemudian dilakukan, secara garis besar adalah sebagai berikut;
1. Koreksi geometris. Akibat gerak sapuan penjajahan dari satelit, gerak putaran bumi,
dan bentuk permukaan bumi yang bulat, maka data yang direkam mengalami distorsi
geometris sehingga harus dikoreksi.
2. Peningkatan mutu citra, pada aplikasi penginderaan jauh peningkatan mutu citra
sering dilakukan dengan cara filtering, baik menggunakan filter frekuensi rendah
maupu filter frekuensi tinggi. Misalnya garis-garis batas antara daerah permukaan
bumi yang bersifat air dengan daerah permukaan bumi yang bersifat daratan.
3. Reduksi data. keempat buah citra hasil rekaman sistem penginderaan jauh dengan
satelit mengandung informasi yang banyak keserupaannya antara satu dengan yang
lainnya.

6
4. Klasifikasi dan segmentasi citra. Proses yang biasanya diperlukan untuk mendapatkan
hasil akhir analisis citra satelit adalah pembuatan peta tematik. Dimana diperoleh peta
suatu daerah bumi yang menunjukan klasifikasi atau kategori objek yang dikaitkan
dengan lokasinya pada permukan bumi.
5. Kombinasi peta. Untuk kepentingan pembuatan rencana pengaturan dan pemantauan
sumber-sumber daya alam biasanya diperlukan informasi gabungan beberapa peta
tematik; misalnya pencarian suatu daerah transmigrasi.
b. Aplikasi Biomedis
Bidang kedokteran pertama kali berhasil membuat gambar bagian dari tubuh manusia
dengan perekaman melalui sinar ultraviolet. Pengolahan citra biomedis secara digital
mengalami titik awal berkembangnya setelah Land, Zworykin, dan Hatkr pada tahun
1940-1950 berhasil menggunakan electronic color translating microscope untuk
memperagakan citra ultraviolet.
Letak perbedaan utama antara model sistem penginderaan jauh pada umumnya
dengan model sistem peralatan biomedis adalah pada jenis sumber radiasinya,peralatan
biomedis seperti mikroskop dengan computer atau pun peralatan lain yang menghasikan
gambar sinar –X.
Pengolahan citra biomedis dapat digolongkan menjadi 3 macam proses, yaitu (i)
proses analisis seperti pada penelitian sel-sel otot (ii) proses pengenalan seperti pada
penelitian ekstraksi sel-sel darah (iii) sekedar bentuk peragaan pada monitor televise
seperti pada proses klasifikasi kromosom.untuk tujuan tersebut di atas jenis pengolahan
citra yang sering dibutuhkan pada aplikasi adalh;
1. Proses pra pengolahan. Proses pra pengolahan sering disebut pula sebagai proses
pengolahan tingkat rendah.
2. Klasifikasi dan segmentasi citra. Analisis citra dalam bentuk deteksi atau identifikasi
citra ke beberapa objek dan proses pembandingan antara cirri objek yang diamati
dengan pengetahuan cirri objek yang sudah diketahui

Berikut adalah contoh pengolahan citra yang dibutuhkan dalam proses penentuan jenis
penyakitan paru berdasarkan citra sinar-X paru penderita. Tahapan proses yang dilakukan
terhadap; (i)konversi foto sinae-X paru menjadi citra digital; (ii) proses pra pengolahan ;
dan (iii) proses identifikasi penyakit.

7
c. Aplikasi Robotik Dan Industri

Pengolahan citra pada aplikasi di bidang robotic banyak menggunakan proses

pengenalan objek. Sebagai contoh, misalnya dalam penyusunan program sebuah robot
yang direncanakan untuk dapat berjalan melalui jalur tertentu dan dapat diakhiri objek-
objek dengan bentuk tertentu.

Contoh aplikasi di bidang industry adalah proses pemeriksaan kualitas suatu produk
industry. Misalnya pemeriksaan wiring yang putus pada rangkaian elektronik, atau
penempatan dari suatu komponen elektronik yang tidak tepat.

d. Aplikasi Arsip Citra Dan Dokumen

Aplikasi ini dihadapkan pada masalah- masalah seperti penyuntingan dokumen,

pengaturan tata letak dokumen yang tidak hanya terdiri dari teks tetapi juga gambar, serta
pengiriman dan penyimpanan dokumen termasuk gambar-gambar yang digunakan.

Pada masalah penyuntingan dokumen bila harus dilakukan pengetikan kembali

dokumen aslinya, maka proses tersebut akan memakan waktu yang cukup lama.
Seharusnya proses tersebut dapat dilakukan dengan merekam dokumen aslinya menjadi
citra digital, kemudian menerjemahkan setiap baris dokumen menjadi sederetan karakter
yang membentuk kalimat.

Dari empat buah contoh aplikasi pengolahan citra digital di atas dapat dilihat hanya
adanya keserupaan proses pemgolahan citra yang dibutuhkan;

1. Peningkatan mutu citra

2. Deteksi sisi
3. Registrasi citra
4. Pemadatan data citra
5. Pengelompokan pola dan analisi data
6. Klasifikasi dan segmentasi citra

Proses setiap citra dapat dilakukan per kelompok piksel maupun per piksel. Dengan
demikan, jenis operasi terhadap citra yang dilakukan enam kategori proses pengolahan
citra tersebut di atas dapat dibedakan menjadi;

1. Proses per plksel untuk satu citra. Dalam hal ini, manipulasi data dilakukan
terhadap setiap setiap piksel dari satu citra, sebagai contoh: proses peningkatan
kontras pada suatu citra.

8
 2. Proses per piksel untuk dua citra. Pada kategori ini, manipulasi data dilakukan
terhadap setiap pasangan atau kombinasi piksel dari dua citra.
3. Proses per kelompok piksel untuk satu citra. Di sini manipulasi data dilakukan
dengan melakukan proses penggabungan setiap piksel dengan piksel-piksel
tetangganya menurut perumusan yang tertentu.
4. Proses persatu citra. Orientasi manipulasi data di sini adalah perbingkai atau
persatu citra; sebagai contoh misalnya proses rotasi pada koreksi geometris suatu
citra.

B. Ringkasan Buku Kedua

APLIKASI PENGOLAHAN CITRA

a. Pengenalan Kematangan Buah Tomat

Sistem mengenali kematangan buah tomat ini menggunakan beberapa data referensi
sesuai warnanya. Dari data referensi ini kemudian diambil fitur warnanya, untuk
kemudian menjadi fitur referensi yang dimasukkan ke dalam database. Berikutnya ketika
ada gambar buah tomat, diambil fiturnya lalu dibandingkan dengan fitur referensi untuk
dicari kemiripannya. Berdasarkan kemiripan inilah, bisa ditentukan buah tomat tersebut
matang, setengah matang atau mentah.

1. Data Referensi

Data referensi yang digunakan adalah 8 gambar untuk masing-masing kematangan

buah tomat; 8 gambar untuk buah tomat mentah (hijau), 8 gambar untuk buah tomat
setengah matang/campur (jingga) dan 8 gambar untuk buah tomat matang (merah). Data
referensi tersebut bisa diambil seperti gambar 9.1, 9.2 dan 9.3 berikut ini.

Gambar 9.1. Data gambar referensi untuk buah tomat mentah (hijau)

9
 Gambar 9.2. Data gambar referensi untuk buah tomat setengah matang/campur
(jingga)

Gambar 9.3. Data gambar referensi untuk buah tomat matang (merah)

2. Blok Diagram Sistem

Blok diagram sistem pengenalan kematangan buah tomat adalah seperti terlihat pada
gambar 9.4 berikut.

Gambar 9.4. Blok diagram sistem pengenalan kematangan buah tomat

10
 Data training adalah data referensi, yang terdiri dari 24 gambar dengan tiga kategori
kematangan.

Data test adalah data yang diambil dengan lingkungan yang sama, bukan dari 24
gambar yang menjadi data referensi. Untuk data test ini, disediakan 24 gambar seperti
gambar 9.5 berikut ini.

Gambar 9.5. Data test

Hasil pengenalan dari aplikasi pengenalan kematangan buah tomat adalah pemilahan
kematangan buah tomat berdasarkan warnanya yaitu:

 Mentah (Hijau)
 Campur (Jingga)
 Matang (Merah).
3. Ekstraksi Fitur

Di dalam blok diagram dituliskan bahwa fitur yang digunakan adalah Hue Index
Histogram. Untuk mendapatkan Hue Index Histogram, maka langkah-langkah yang
digunakan adalah seperti gambar 9.6 berikut.

Hitung
Konversi
Baca RGB RGB
Gam Histogram
bar tiap
semua
pixel ke Hue

nilai Hue

Gambar 9.6. Proses mendapatkan histogram dari hue-index

11
 9.1.4. Hasil Percobaan

Percobaan dilakukan dengan menguji semua data test, dan menampilkan hasilnya
sesuai dengan gambarnya.

Gambar 9.10. Hasil percobaan

Dari hasil percobaan di atas, terlihat hasil pengenalannya sangat bagus. Aplikasi bisa
mengenali kematangan semua buah yang masuk. Hasil ini bisa menjadi bagus, karena dalam
aplikasi ini menggunakan fitur yang terpisah antara fitur umum dan fitur khusus. Pada
beberapa hasil yang lain, bisa terjadi aplikasi ini mengalami kesalahan dalam mengenali
kematangan buah seperti terlihat pada gambar 9.11 berikut. Kesalahan pengenalan sering
terjadi pada warna campur. Kesalahan tersebut bisa disebabkan karena jumlah data yang
digunakan sebagai data training tidak mencukupi atau jumlah data vektor yang kurang (dalam
percobaan ini menggunakan jumlah data vektor 30 warna). Hasil ini bisa diperbaiki dengan
menambah data training.

Gambar 9.11. Salah satu hasil percobaan dengan data uji yang berbeda

12
b. Pengenalan Bunga indonesia
Pada aplikasi ini terdapat dua cara identifikasi objek bunga, yaitu dengan cara
menginputkan teks (nama bunga) yang akan dicari dan hasilnya berupa tampilan gambar
dari objek (bunga) beserta informasi pendukung, serta dengan cara menginputkan gambar
objek baik melalui kamera maupun file gambar yang sudah ada dan hasilnya berupa nama
bunga tersebut beserta informasi lain mengenai bunga tersebut. Informasi dari bunga
meliputi nama latin, nama lokal, deskripsi, penyebaran dan ekologi bunga tersebut. Selain
itu, aplikasi ini juga memberikan daftar data flora yang dapat dibaca oleh pengguna.
1. HSV (Hue, Saturation, Value) Color Space
HSV merupakan model warna yang terdiri dari tiga komponen. Yang pertama
adalah Hue, yang merepresentasikan warna sesungguhnya dari masing-masing piksel dan
mempunyai nilai 0 sampai 2π. Komponen kedua adalah Saturation yang menyatakan
tingkat kemurnian suatu warna, yaitu mengindikasikan seberapa banyak warna putih
diberikan pada warna. Nilai Saturation berkisar antara 0 sampai 1. Kemudian komponen
ketiga adalah Value atau juga disebut Intensity merupakan atribut yang menyatakan
banyaknya cahaya. Dengan nilai Intensity yang rendah, meskipun dengan nilai Saturation
yang tinggi, warna akan medekati nilai abu-abu. Saturation memberikan nilai kemurnian
warna tetapi mata manusia kurang sensitif dengan variasinya jika dibandingkan dengan
variasi pada Hue dan Intensity. Untuk mendapatkan model warna HSV perlu dilakukan
konversi dari model warna RGB karena gambar inputan dari layar perangkat keras atau
kamera memiliki default model warna RGB. Gambar 9.18 adalah ilustrasi model warna
HSV.

Gambar 9.18 Model warna HSV

2. CCD (Centroid Contour Distance)

Centroid-Contour Distance (CCD) merupakan suatu metode yang digunakan untuk

melakukan ekstraksi fitur bentuk dari suatu gambar. Metode ini dapat merepresentasikan
ciri bentuk secara umum dari suatu gambar. Satu kelemahan dari metode ini adalah CCD
tidak dapat mengatasi perubahan rotasi. Metode ini menghitung jarak R dari centroid
suatu bentuk dengan batasan tepinya sesuai dengan kelipatan dari sudut α. Pada Gambar

13
9.19, jarak R adalah jarak antara titik C (centroid) dengan titik P (bagian tepi objek) dan
sudut α adalah sudut yang dibentuk antara 2 garis R yang berdekatan dan memiliki
kelipatan yang sama untuk setiap sudut yang dibentuk. Sebagai contoh bila nilai kelipatan
α misalkan 10º, m

Gambar 9.19. Pendekatan Centroid-Contour Distance

3. Sobel Edge Detection

Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan
tepi-tepi dari obyek gambar. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra
bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangga. Tujuannya untuk
menandai bagian yang menjadi detail citra, memperbaiki detail dari citra yang kabur yang
terjadi karena error atau adanya efek dari proses akuisisi citra dan bagaimana
mendapatkan garis-garis tepi suatu obyek gambar.

4. Pengumpulan Data

Aplikasi identifikasi bunga ini memerlukan data-data pendukung sebelum dilakukan

perancangan sistem. Data-data tersebut mencakup gambar-gambar bunga Indonesia dan
informasi yang meliputi nama lokal bunga, nama latin bunga, deskripsi umum bunga,
persebaran bunga, dan ekologi bunga tersebut. Data gambar bunga didapat dari situs
ensiklopedia Wikipedia, buku ensiklopedia flora khas Indonesia dan sumber-sumber lain
dari internet. Bunga–bunga dapat dikategorikan berdasarkan tempat persebarannya atau
tempat dimana bunga tersebut banyak dijumpai di Indonesia. Contoh data gambar bunga
terlihat pada tabel 9.1. Tabel 9.1 menunjukkan 10 contah gambar bunga, tetapi data
sebenarnya adalah 43 jenis bunga yang bisa dimanfaatkan.

5. Blok Diagram

Diagram alir dari aplikasi identifikasi bunga adalah seperti terlihat pada gambar 9.20
berikut. Diagram alir di atas menjelaskan alur proses penggunaan aplikasi dari awal
hingga akhir.

 User memasukkan gambar bunga yang akan dicari informasinya.

 User melakukan crop pada gambar bila diperlukan.
 Sistem aplikasi melakukan ekstraksi fitur-fitur gambar yang dimasukkan oleh user.

14
 1. Sistem aplikasi menghitung jarak fitur gambar masukan dengan Euclidian
Distance terhadap tiap fitur bentuk gambar yang ada dalam database.
2. Untuk gambar yang memiliki jarak terkecil di peringkat 1 sampai n akan dihitung
jarak fitur warna terhadap gambar input dan dihitung .
3. Bunga yang memiliki nilai entropi terbesar dan kurang dari treshold yang
ditentukan merupakan output hasil pencarian.
4. Jika bunga dengan entropi terbesar namun melebihi treshold yang ditentukan,
maka pencarian dinyatakan tidak menemukan hasil atau bunga yang dicari tidak
termasuk flora Indonesia.
Tabel 9.1. Contoh data gambar bunga di Indonesia

Indeks

2 Gambar

15
 Gambar 9.20 Diagram alir aplikasi

6. Ekstraksi Fitur

Langkah pertama adalah deteksi tepi (Edge Detection) pada suatu citra adalah suatu
proses yang menghasilkan tepi-tepi dari obyek gambar. Suatu titik (x,y) dikatakan sebagai
tepi dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangga.
Pada aplikasi ini, proses deteksi tepi menggunakan metode Sobel. Gambar 9.23
merupakan hasil deteksi tepi metode Sobel yang dilakukan pada gambar bunga.

Gambar 9.23. Hasil deteksi tepi metode sobel

i
 Setelah dilakukan deteksi tepi pada gambar, selanjutnya dilakukan perhitungan
algoritma CCD. Gambar 9.24 merupakan ilustrasi penerapan rumus CCD pada gambar
bunga yang sudah dideteksi tepi. Perhitungan algoritma CCD sebagai berikut:

1) Menentukan koordinat polar untuk titik P dengan (r, θ). Dimana r dimulai dari satu dan
jaraknya terus bertambah sebesar 1 piksel, r = r + 1. Nilai awal θ diset sama dengan 0 o.
Kemudian digunakan kelipatan sudut θ sebesar 10o hingga 360o.
2) Hitung posisi koordinat titik P setiap kelipatan sudut θ. Sehingga di setiap jarak r
terdapat 36 titik dari setiap sudut θ. Untuk menentukan posisi titik P dihitung dengan
rumus:
X = Xo + r * Cosθ Y = Yo + r
* Sinθ

Keterangan:

X= Posisi titik P pada sumbu X

Y= Posisi titik P pada sumbu Y
Xo = Posisi titik tengah pada sumbu X

Yo = Posisi titik tengah pada sumbu Y

r = Kelipatan jarak (r = 1,2,3,...,dst)

θ = Kelipatan sudut (θ=10o,20o.....360o)

Gambar 9.24. Ilustrasi penerapan rumus CCD pada gambar bunga

22
7. Perhitungan Jarak Kemiripan Gambar

Proses ini menghitung jarak kemiripan gambar input dengan gambar-gambar yang
pada pada database. Perhitungan jarak ini dilakukan antara vektor fitur dari gambar input
dan vektor fitur dari gambar-gambar yang ada dalam database. Terdapat dua macam
perhitungan jarak yaitu Euclidian dan Entropi.

(1) Jarak Euclidian

Perhitungan jarak pada aplikasi ini menggunakan metode Euclidian Distance.

Metode ini diimpelmentasikan dengan rumus sebagai berikut.

(2) Entropi

Perhitungan entropi dilakukan dengan mengambil data peringkat 1 sampai peringkat

tertentu dari data euclidian distance yang sudah diurutkan. Misalkan diambil gambar
peringkat 1 sampai 6. Gambar 6.9 adalah contoh hasil pencarian gambar input bunga
yang menampilkan gambar dengan nilai euclidean distance antara peringkat 1 sampai 6.

Dari semua gambar yang dianggap memiliki potensi sebagai output ini, dihitung nilai
entropinya dengan rumus berikut

Entropy(S) = -p+ log2 p+ - p- log2 p-

8. Pengujian Pengukuran Kemiripan Gambar

Pengujian ini dilakukan untuk menentukan cara pengukuruan kemiripan antara

gambar input dan gambar output. Perhitungan kemiripan gambar dilakukan berdasarkan
fitur yang dimiliki dari setiap gambar. Karena fitur warna dan fitur bentuk memiliki
model nilai yang sama yaitu antara 0 hingga 1, hanya panjang datanya saja yang berbeda,
maka pengujian ini dilakukan pada satu fitur saja. Fitur yang dipilih adalah fitur warna.
Gambar 9.25 merupakan hasil pencarian 5 gambar dengan nilai euclidean distance
terkecil berdasarkan gambar input. Sedangkan Tabel 6.4 menunjukkan hasil pengujian
pengukuran kemiripan gambar yang telah dilakukan.

22
 Gambar 9.25 Hasil pencarian 5 gambar peringkat atas

Prosentase Kemiripan
Metode Uji Coba Hasil

Euclidean Distance 50%

Euclidean Distance +
Entopi 93.18%

Tabel 9.3. Hasil pengujian pengukuran kemiripan gambar

Dari hasil semua pengujian terlihat bahwa data output yang benar adalah 43 dari 44
percobaan. Jika dibandingakan dengan pengujian berdasarkan fitur warna saja, pegujian
dengan kombinasi fitur warna dan fitur bentuk menghasilkan tingkat kemiripan yang lebih
tinggi. Pada bunga id 4,6, dan 35 sebelumnya menghasilkan output yang salah pada
identifikasi berdasarkan fitur warna saja. Namun setelah dikombinasikan dengan fitur bentuk,
bunga-bunga dengan id tersebut menghasilkan output yang sesuai. Namun, hal lain yang
terjadi adalah bunga dengan id 21 yang tidak teridentifikasi, padahal pada identifikasi
22
berdasarkan warna bunga id 21 menghasilkan output yang sesuai. Hal ini disebabkan karena
bunga id 21 tidak masuk peringkat 1 sampai 9 pada proses identifikasi dengan fitur bentuk,
sehingga bunga id 21 tidak masuk dalam proses identifikasi berdasarkan fitur warna. Meski
demikian, identifikasi bunga dengan menggunakan fitur warna dan fitur bentuk telah
meningkatkan nilai kemiripan dari 93.18% menjadi 97.72%.

22
 BAB III

PEMBAHASAN

A. Kelebihan dan Kekurangan Buku

1. Kelebihan buku
Yang menjadi kelebihan dari buku ini adalah sebagai berikut:
Dalam buku utama aplikasi pengolahan citra memiliki kelebihan yaitu dapat
digunakan untuk merekam data menganai permukaan bumi berdasarkan pengukuran yang
dilakukan dari jarak jauh dengan menggunakan pesawat terbang atau sistem satelit.
Dengan tujuan agar dapat merekam data daerah bumi yang cukup luas. Dan aplikasi
biomedisnya dapat merekam bagian dalam manusia melalui sinar ultraviolet, aplikasi
robotik dan industrinya dapat memeriksa bagaimana kualitas dalam sebuah produk
tersebut. Sedangkan dalam buku pembandingnya yang membahas tentang aplikasi
pengolahan citra yaitu warna objek gambarnya dapat berubah-ubah misalnya dari tomat
yang mentah (kehijauan) berubah menjadi merah jingga kemudian berubah lagi menjadi
merah seperti sudah matang. Dan dalam aplikasi ini juga dapat membuat suatu kemiripan
antara fitur input gambar dan outputnya. Misalnya pada bunga averboa dan adenium yang
mana pada gambar terlihat sangat mirip hanya yang membedakan antara keduanya adalah
pada panjang datanya saja.

2. Kekurangan buku
Adapun yang menjadi kekurangan dari buku ini adalah sebagai berikut:
Pada buku utama hanya dapat mengubah fitur warna pada gambar saja dan
penjelasannya terlalu singkat sehingga sulit untuk memahaminya. Sedangkan pada buku
pembanding hanya dapat mendeteksi tepi gambar dan bagaimana kemiripan pada fitur
suatu gambar.

21
 BAB IV

PENUTUP

A. Kesimpulan

Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer,

menjadi citra yang kualitasnya lebih baik.Meskipun sebuah citra kaya informasi, namun
seringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya
mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur
(blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi
karena informasi yang disampaikan oleh citra tersebut menjadi berkurang.

Aplikasi Pengolahan Citra diantaranya sebagai berikut:

a. Aplikasi Penginderaan Jauh

b. Aplikasi Biomedi
c. Aplikasi Robotik Dan Industri
d. Aplikasi Arsip Citra Dan Dokumen
B. Saran

Demikianlah Critikal Book Review ini kami buat dengan sedemikian rupa. Meskipun
kami mengkritik, tapi tentunya kami juga memiliki banyak kekurangan baik itu dari segi
manapun, kami siap menerima segala kritik dan saran guna memperbaiki cbr kami ini.
Akhir kata, semoga cbr kami bermanfaat, terutama bagi kami berempat. Terima Kasih.

22
 DAFTAR PUSTAKA

Suryana Setiawan, Aniali murni Arymurthy. 1992. Pengantar Pengolahan Citra. PT

Elex Media Komputondo. Jakarta:
Fadilah Fahrul, Drs. Achmad Basuki, Nana Ramadijanti. 2014. Buku Ajar Pengolahan
Citra. PENS. Surabaya:

22