IMAGE PROCESSING

Asmara Dewi (16010026), Teknik Tekstil (2T1), Politeknik STT Tekstil Bandung

EMail: asmaradewi1998@gmai.com

Phone : 082240010248

ABSTRAK

Pengolahan citra (image Processing) merupakan proses mengolah piksel-piksel di dalam citra
digital untuk tujuan tertentu seperti memperbaiki kualitas citra agar mudah diinterpretasikan oleh
manusia/mesin (komputer). Tujuan dari praktikum kali ini, yaitu membandingkan luasan suatu
bangun tidak beraturan secara teori menggunakan teori ralat ataupun secara eksperimen.

I. PENDAHULUAN

Pengolahan citra (image Processing) merupakan proses mengolah piksel-piksel di dalam citra
digital untuk tujuan tertentu. 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 komputasi
yang memungkinkan manusia dapat mengambil informasi dari suatu citra. (gulaliku, 07 oktober
2016)

Sumber : https://gulaliku.wordpress.com/2016/10/07/89/

II. TUJUAN
1. Dapat mampu memahami prinsip-prinsip image processing
2. Dapat mampu menghitung luas area bangun datar secara eksperimen dengan satuan
pixel2 dan cm2.
3. Dapat mampu membandingkan luas area bangun datar secara teori dan eksperimen.
4. Dapat mampu membuktikan bahwa 1 pixel sama dengan 0,03 cm.
 III. DASAR TEORI

 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. Image processing dilakukan untuk memperbaiki kesalahan data sinyal
gambar yang terjadi akibat transmisi 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. (Ade, 2 mei 2009)

Operasi image processing dapat dikelompokkan berdasarkan dari tujuan transformasinya, yaitu:

1. Image Enhancement (peningkatan kualitas gambar)

Tahap ini seringkali dikenal dengan pre-processing. Operasi peningkatan kualitas gambar
berfungsi untuk meningkatkan fitur tertentu pada citra sehingga tingkat keberhasilan dalam
pengolahan gambar berikutnya menjadi tinggi. Operasi ini lebih banyak berhubungan dengan
penajaman dari fitur tertentu pada gambar. Peningkatan kualitas gambar ini dapat dilakukan
secara manual, dengan menggunakan program lukis atau dengan pertolongan rutin software.

Metoda untuk memperluas gambar grafis antara lain memperbaiki kontras diantara bidang-
bidang yang terang dan yang gelap, menambahkan warna, menyaring ketidak seragaman
sinyal kiriman yang membawa gambar, menghaluskan garis-garis yang bergerigi sehingga
tampak lebih bersih, mempertajam sudut-sudut yang kabur dan mengkoreksi distorsi yang
disebabkan alat optis atau tampilan. (Ade, 2 mei 2009)

2. Image Restoration (pemulihan gambar)

Operasi pemulihan gambar bertujuan untuk mengembalikan kondisi gambar yang telah rusak
atau cacat (merekonstruksi gambar) yang sebelumnya telah diketahui menjadi gambar seperti
pada kondisi awal, karena adanya gangguan yang menyebabkan penurunan kualitas gambar,
misalnya mengalami suatu degradasi. Degradasi dalam hal ini maksudnya, gambar menjadi
agak kabur (blur) sehingga menurunkan kualitas gambar. Blur dapat terjadi karena banyak
faktor. Bisa karena misalnya pergerakan selama pengambilan gambar oleh alat optik seperti
kamera, penggunaan alat optik yang tidak fokus, pengguanaan lensa dengan sudut yang lebar,
gangguan atmosfir, pencahayaan yang singkat sehingga mengurangi jumlah foton yang
ditangkap oleh alat optik, dan sebagainya. (Ade, 2 mei 2009)
 3. Image Compression (kompresi gambar)

Kompresi gambar bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk
merepresentasikan citra. Hal ini sangat berguna apabila anda ingin mengirimkan gambar
berukuran besar. Gambar yang berukuran besar akan berpengaruh pada lamanya waktu
pengiriman. Maka dari itu kompresi gambar akan memadatkan ukuran gambar menjadi lebih
kecil dari ukuran asli sehingga waktu yang diperlukan untuk transfer data juga akan lebih cepat.
(Ade, 2 mei 2009)

Ada dua tipe utama kompresi data, yaitu kompresi tipe lossless dan kompresi tipe lossy.
Kompresi tipe lossy adalah kompresi dimana terdapat data yang hilang selama proses
kompresi. Akibatnya kualitas data yang dihasilkan jauh lebih rendah daripada kualitas data asli.
Sementara itu, kompresi tipe lossless tidak menghilangkan informasi setelah proses kompresi
terjadi, akibatnya kualitas citra hasil kompresi juga tidak berkurang. (Ade, 2 mei 2009)

4. Mage Refresention & Modelling (representasi dan pemodelan gambar)

Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai
untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan
pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang
lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar,
dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai
contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap
selanjutnya adalah menguraikan data. (Ade, 2 mei 2009).

Sumber : http://ndoware.com/image-processing.html

Proses listing program image processing dapat dikerjakan pada MATLAB untuk menghitung
luas pada suatu bidang. MATLAB adalah sebuah bahasa dengan (high-performance) 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 bidang–bidang matematika dan komputasi, pembentukan algoritma, akusisi
data, pemodelan, simulasi, dan pembuatan prototipe, analisa data, explorasi, dan visualisasi,
grafik keilmuan dan bidang rekayasa. (Wikipedia, 2017).

Sumber : https://id.wikipedia.org/wiki/MATLAB
IV. METODE EKSPERIMEN
1.1 Alat dan Bahan

- Laptop / Komputer
- Program MATLAB
- Program Paint
- Program M-File
- Alat tulis

1.2 Skema Perrcobaan :

- Program MATLAB dan Paint disiapkan

- Bangun lingkaran dan belah ketupat digambar pada program Paint.

Gambar 1 – (Lingkaran dan Belah ketupat pada Paint).

- Gambar 1 disimpan pada file MATLAB yang diubah menjadi pnj.

- Syntax dimasukan pada program MATLAB dan mulai menjalankan listing program
dengan menggunakan workspace untuk mencari luas bangun datar yang di-input.
 Gambar 2 – (mengubah menjadi objek berwarna dan menentukan luas bangun berwarna)

- Selanjutnya menggunakan metode M-file untuk mencari luas persegi panjang. Tekan
tombol F5 pada keyboard maka akan muncul hasil perhitungan image processing

Gambar 3 – (Menentukan luasan bangun dengan M-file)

V. HASIL DAN PEMBAHASAN

V.1 Hasil
a. Secara Teori

Luas lingkaran dalam ruler Paint dalam pixels

 2
L=π ×r
¿ 3,14 ×46,362
2
¿ 6748,64 px

ΔL= |∂∂ Lr Δr|

| |
2
∂r
¿ πΔr × =π × Δr × 2r
∂r
=3,14× 5 × 2× 46,36
=1445,7
L ± ∆ L=( 6748,64 ± 1445,7 ) px 2

Luas belah ketupat dalamruler paint dalam pixels

1
L= × d 1 ×d 2
2
1
¿ ×81,74 × 81,74
2
2
¿ 3340 px

ΔL= |∂∂dL1 Δd 1|+|∂∂dL2 Δd 2|

| || |
1 1
∂ d 1 ×d 2 ∂ d 1× d 2
2 2
¿ Δd 1 + Δd 2
∂d1 ∂d 2

¿ |d22 Δd 1|+|d21 Δd 2|
¿| 5|+| 5|=204,3+ 204,3=408,6
81,72 81,75
2 2

L ± ∆ L=( 3340 ± 408,6 ) px 2

Luas lingkaran dalam ruler paint dalam cm

2
L=π ×r
 ¿ 3,14 x 1,392
2
¿ 6,06 px

ΔL= |∂∂ Lr Δr|

| |
2
∂r
¿ πΔr × =π × Δr × 2r
∂r
=3,14× 0,5 × 2×1,39
=4,36
2
L ± ∆ L=( 6,06 ± 4,36 ) cm

Luas belah ketupat dalam ruller paint dalam cm

1
L= × d 1 ×d 2
2
1
¿ ×2,45 ×2,45
2
2
¿ 3,00 px

ΔL= |∂∂dL1 Δd 1|+|∂∂dL2 Δd 2|

| || |
1 1
∂ d 1 ×d 2 ∂ d 1× d 2
2 2
¿ Δd 1 + Δd 2
∂d1 ∂d 2

¿ |d22 Δd 1|+|d21 Δd 2|
¿| 0,5|+| 0,5|=0,61+0,61=1,22
2,45 2,45
2 2

2
L ± ∆ L=( 3,00 ±1,22 ) cm

b. Secara Eksperimen
 Luas = polyarea (b{1} (:,1) , b{1} (:,2))
Luas = 6750 px2
Luas = polyarea (b{2} (:,1) , b{2} (:,2))
Luas = 3341 px2

c. Pembuktian 1 pixels = 0,03

Pembuktian =
√ Luas lingkaran teori(cm2 )
Luas lingkaran eksperimen( px 2)
=
√ 6,06 cm2
6750 px
2
= 0,03cm

√ √
2
Luas belah ketupat teori (cm ) 3,00 cm2
Pembuktian = = = 0,03cm
Luas belah ketupat eksperimen( px2 ) 3341 px
2

d. Grafik

Grafik Luas area teori terhadap luas

area eksperimen lingkaran
6750.5
6750
6749.5
6749
6748.5
6748
6747.5
1 2 3 4 5 6 7 8

Teori Eksperimen

Grafik Luas area teori terhadap luas

area eksperimen Belah Ketupat
3341.2
3341
3340.8
3340.6
3340.4
3340.2
3340
3339.8
 3339.4
1 2 3 4 5 6 7 8

Teori Eksperimen

V.2 Pembahasan

Dalam praktikum kali ini, praktikan diminta untuk membuat gambar bangun ruang
tidak beraturan seperti dalam percobaan yang saya buat yaitu bangun lingkaran dan
belah ketupat menggunakan paint. Kemudian, membuat listing program image
processing dengan menggunakan Matlab untuk mendapatkan hasil luas
polyareanya.

Lalu, bandingkan antara perhitungan secara teori menggunakan teori ralat

dengan secara eksperimen menggunakan Matlab. Dalam hal ini, perhitungannya
menggunakan teori ralat yang bertujuan untuk membuktikan hasil praktikum yang
dilakukan teliti.

Dan hasil yang diperoleh yaitu:

Secara teori menggunakan teori ralat (Lingkaran):
L±𝛥L = (6748,64 ± 1445,7) px2
Secara eksperimen menggunakan Matlab (Lingkaran):
Luas = polyarea (b{1} (:,1) , b{1} (:,2))
Luas = 6750 px2

Secara teori menggunakan teori ralat (Belah ketupat):

L±𝛥L = (3340 ± 408,6) px2
Secara eksperimen menggunakan Matlab (Belah ketupat):
 Luas = polyarea (b{2} (:,1) , b{2} (:,2))
Luas = 3341 px2

Sehingga dapat dikatakan, perbandingan antara perhitungan secara teori

dengan eksperimen baik bangun Lingkaran ataupun Belah ketupat hasil yang
didapat tidak berbeda jauh. Maka dapat disimpulkan praktikum yang dilakukan
benar.

VI. KESIMPULAN
a. Secara teori
L±𝛥L = (6748,64 ± 1445,7) px2
L±𝛥L = (3340 ± 408,6) px2

b. Secara eksperimen
Luas = 6750 px2
Luas = 3341 px2
DAFTAR PUSTAKA
Gulaliku. (2016, oktober 07). Pengertian Image Processing. Diperoleh 03
November 2017
https://gulaliku.wordpress.com/2016/10/07/89/

Ade. (2009, Mei 02). Image Processing. Diperoleh 03 November 2017

http://ndoware.com/image-processing.html

Wikipedia. (2017, Januari). Matlab. Diperoleh 03 November 2017,

https://id.wikipedia.org/wiki/MATLAB