MAKALAH

PENGENALAN CITRA DIGITAL, PENGOLAHAN POLA DAN OBJEK,

DAN KOMPUTER VIXION

Nama: Andrean Suryadinata Justicia

NPM: 2155201196
Kelas: 5.3
Dosen: Ardi Wijaya, S.Kom, M.Kom

TEKNIK INFORMATIKA
UNIVERSITAS MUHAMMADIYAH BENGKULU
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa yang telah memberikan
rahmat dan karunia-Nya, sehingga Makalah ini dapat terlaksana dengan baik dan lancar.
Makalah ini disusun sebagai pertanggung jawaban terhadap Pengampuh matakuliah yang akan
digunakan untuk proses belajar mengajar. Kami menyadari bahwa keberhasilan dalam
pembuatan makalah yang kami lakukan bukanlah keberhasilan individu.
 DAFTAR ISI

KATA PENGANTAR ...................................................................................................2

DAFTAR ISI .................................................................................................................3

BAB 1 ............................................................................................................................4

PENDAHULU ...............................................................................................................4

1.1 Latar belakang ........................................................................................................4

1.2 Rumusan masalah ........................................................................................4

1.2 Tujuan..........................................................................................................4

BAB II ...........................................................................................................................5

PEMBAHASAN............................................................................................................5

2.1 Pengenalan pola ..............................................................................................5

a. Contoh pengenalan pola.........................................................................................6

b. Tahap pengenalan pola ...................................................................................6

2.2 komputer vision ..............................................................................................7

2.3. Pengenalan citra ..............................................................................................9

Daftar pustaka ..............................................................................................................12

 BAB 1

PENDAHULUAN

1.1 Latar belakang

Citra digital, pengenalan pola, dan komputer vision merupakan bidang-bidang yang
mengalami perkembangan pesat dalam dunia teknologi dan ilmu komputer..
Pengolahan citra digital melibatkan pemrosesan gambar dan video menggunakan algoritma
komputer. Dengan bantuan komputer vision, kita dapat melakukan analisis mendalam terhadap
citra dan video untuk mengambilinformasi yang berharga Pengenalan pola adalah komponen
penting dalam pengolahan citra digital dan komputer vision. Ini adalah proses
Dalam makalah ini, kami akan menjelajahi lebih dalam tentang bagaimana citra digital,
pengenalan pola, dan komputer vision telah mengubah cara kita berinteraksi dengan dunia
digital. Kami akan membahas berbagai konsep, teknik, dan aplikasi dalam ketiga bidang ini.

1.2 Rumusan masalah

Bagaimana sebuah citra digital bekerja ?
Apa itu pengenalan pola ?
Apa itu komputer vision

1.2 Tujuan
Dengan pembuatan makalah ini di harapkan dapat membantu di dalam memahami apa saja
yang ada di pengolahan pola dan objek.
 BAB II

PEMBAHASAN

2.1 Pengenalan pola

Pengenalan pola terkait dengan pengelompokan (klasifikasi) dan Deskriminasi di dalam kamus
daring menyatakan bahwa pengenalan pola di tujukan untuk pengelompokan data (pola) baik
berdasarkan pada pengenalan sebelumnya maupun berdasarkan informasi statistik yang
diekstrasi dalam suatu pola tertentu adapun One way ANOVA digunakan untuk mengetahui
apakah data dari sampel yang ada sudah cukup kuat untuk menggambarkan populasinya, atau
apakah bisa suatu dilakukan generalisasi tentang populasi

Seiring dengan berkembangnya teknologi,komputer diharapkan memiliki kemampuan untuk

mengerjakan segala sesuatu yang dapat dikerjakan oleh manusia.[1]

Bidang kecerdasan buatan merupakan salahsatu bidang teknologi yang menjadikan

perubahan kehidupan manusia semakin berkembang kearahmemudahkan aktivitas manusia
karena kecerdasanmanusia berkonsep pada pikiran cerdas manusia

Iterasi dilakukan terus sampai semua pola memiliki keluaran jaringan yang sama dengan
targetnya (jaringansudah memahami pola). Iterasi tidakberhenti setelah semuapola
dimasukkan.[2]

Tujuan dari pengenalan pola adalah memberikan kemampuan untuk komputer agar bisa
mengenali keberadaan suatu objek atau pristiwa pada suatu tempat dan menemukan nama atau
jenis dari objek atau pristiwa tersebut Citra digital pada umumnya menunjuk pada pemrosesan
citra 2 dimensi menggunakan komputer.

Setelah didapat hasil dari pelatihan atau training denganJaringan Saraf Tiruan
Backpropagation yang beruparepresentasi dari setiap kelas ,akan dilakukan pengujiandengan
data uji.[3]

Hal penting dalam area sidik jariini adalah setiap senyawa yang berbeda menghasilkan pola
lembah yang berbeda-beda pada spektrum bagian ini.[4]
Perkembangan pada bidang komputer saatini dapat menghasilkan suatu sistem
dimanakomputer dapat menentukan kelompok dari suatuobjek pada citra digital dengan
menerapkan sistempengenalan pola didalamnyaada pun cara analisi non-fungsional di gunakan
untuk dibutuhkan untuk menentukan spesifikasi kebutuhan sistem

Pada sistem pembentukan ciri membutuhkan data masukkan berupa citra digital yang memuat
gambar objek, sedangkan keluarannya berupa ciri dari objek tersebut.[5]

a. Contoh pengenalan pola

Ada beberapa contoh pengenalan pola dalam kehidupan sehari-hari seperti
• Semartphon yang dapat mengenali wajah dan suara
• Bisa mengubah suara menjadi teks.

b. Tahap pengenalan pola

Tahapan dalam pengenalan pola adalah penginderaan (sensing), segmentasi, ekstraksi ciri, dan
inferensi (klasifikasi). Berikut penjelasannya:

• Penginderaan. Tahap penginderaan adalah tahapan saat komputer menggunakan

berbagai jenis sensor untuk merekam data di lingkungan sekitar. Contohnya adalah
sensor citra (kamera), sensor suara (mikrofon), dan sensor gerakan atau getaran.

• Segmentasi. Tahap segmentasi adalah tahap untuk menentukan keberadaan dari target
yang jadi objek pengenalan dalam rekaman data. Contohnya hasil tangkapan dari
kamera bisa diolah untuk menentukan lokasi atau keberadaan wajah manusia.

• Ekstrasksi ciri. Tahap ini adalah tahap pengenalan pola, dimana komputer akan
mengambil atribut-atribut (deskriptor) dari target yang sudah tersegmentasi. Misalnya
untuk manusia deskriptor bisa berupa tinggi badan dan warna kulit.

• Inferensi. Tahapan selanjutnya adalah inferensi. Pada tahap ini deskriptor-deskriptor

yang sudah diambil akan digunakan komputer untuk inferensi. Contohnya adalah
identifikasi wajah. Jadi, pattern recognition disebut juga dengan pengenalan pola.

2.2 komputer vision

Komputer vision adalah salah satu bahasan yang menarik di prodi Teknologi Sains Data.
Komputer vision adalah bidang studi yang berfokus pada pengembangan kemampuan
komputer untuk menginterpretasi informasi visual yang biasanya berupa gambar atau video.
Tujuan utamanya adalah mereplikasi kemampuan penglihatan manusia dan memahami data
visual, Kemampuan di bidang vision dapat di kembangkan, contohnya sebuah robot
menggunakan vision untuk seakan-akan dapat melihat, dan lengan robot di pabrik yang dapat
membuat lingkaranpresisi atau meletakkan sesuatu. Penelitian yang dilakukan pada karya tulis
ini merupakanjenis penelitian kualitatif dengan metode studi pustaka(library research)
menggunakan berbagai buku dan literatur.[6]

bacaan lainnya seperti jurnal dan website khusus sehinggamenghasilkan informasi dari topik
yang diteliti.

Bidang ini membahas beberapa hal, antara lain:

1. Pengolahan Gambar: Melibatkan berbagai teknik untuk memanipulasi dan

meningkatkan gambar guna meningkatkan kualitasnya dan mengekstraksi informasi
yang relevan. Ini termasuk operasi seperti penyaringan gambar, deteksi tepi, segmentasi
gambar, dan pengurangan noise.
2. Deteksi dan Pengenalan Objek: Algoritmanya dapat mendeteksi dan mengenali objek
dalam gambar atau video. Hal ini melibatkan identifikasi pola, bentuk, atau fitur
spesifik yang sesuai dengan objek yang dalam konteks tertentu. Deteksi objek ini
berguna dalam aplikasi seperti kendaraan otonom, sistem pengawasan, dan pengenalan
wajah.
3. Klasifikasi Gambar: Ini melibatkan mengategorikan gambar ke dalam kelas atau label
yang telah ditentukan.
4. Segmentasi Semantik: Teknik ini melibatkan membagi gambar menjadi berbagai
wilayah dan memberikan label kepada setiap segmen berdasarkan makna semantisnya.
Hal ini memungkinkan komputer untuk memahami konteks dari bagian-bagian yang
berbeda dalam gambar.
5. Pelacakan Objek: Algoritma komputer vision dapat melacak pergerakan dan posisi
objek dari waktu ke waktu dalam urutan video.
6. Komputer Vision 3D: Berfokus pada merekonstruksi dan memahami struktur tiga
dimensi objek atau latar belakang dari gambar dua dimensi.

sebuah komputer mampu mendeteksi warnadan membedakan latar belakang atau background
pertama objek diberi tanda atau marker beberapapenelitian telah membuktikan bahwa metode
inimampu memditeksi wajah dan tangan[7]
Visualisasi data non linier lebih sering terjadi pada kasus di dunia nyata hal ini yang kadang
selalu menjadi inputan padapengolahan data dengan perceptron Bagian utama dari sistem AGV
adalah sistem kontrol,[8]
sistem mobile, sistem navigasi, sistem komunikasi
dan sistem catu daya Kita hidup di era informasi yang melibatkan banyak perangkat teknologi
informasi.[9] Indra penglihatan merupakan salah satu alattubuh manusia yang mempunyai
fungsi yang sangatpenting untuk memungkinkan manusia dapat menerimainformasi dari
lingkungan kehidupan sekitarnya. Penelitian ini merupakan penelitian observasionalanalitik
dengan pendekatan cross sectional yang bertujuanmengetahui hubungan lama penggunaan
laptop dengantimbulnya keluhan computer vision syndrome (CVS) padamahasiswa/i Fakultas
Kedokteran Umum UniversitasbMalahayati[10]
Komputer vision telah mengalami kemajuan yang luar biasa dalam beberapa tahun terakhir,
terutama karena tersedianya dataset dalam skala besar, peningkatan kemampuan perangkat
keras, dan terobosan dalam teknik deep learning. Bidang ini memiliki berbagai aplikasi di
berbagai industri, termasuk kesehatan, pertanian, dan manufaktur.

Mikrosoft Kinect yang memiliki beberapa teknologi seperti mikrofon, kamera RGB dan
sensor data kedalaman banyak di manfaatkan dalam pengembangan aplikasi komputer vision.
skeletal trcking atau pelacakan rangka adalah teknik pelacakan manusia di depan kamera
dengan mengidentifikasi bagian-bagian dari tubuh manusia untuk mengenali orang atau objek
dan mengikuti tindakan mereka .

2.3. Pengenalan citra

Dalam bidang ilmu komputer, terutama pada bidang visi komputer, istilah pengolahan
citra atau image processing cukup dikenal. Pengolahan citra digital menggunakan algoritma-
algoritma dalam pemrosesannya untuk mengekstrak beberapa informasi yang bermanfaat,
seperti objek-objek yang ada pada citra atau gambar. Pengolahan citra digital memiliki banyak
keunggulan teknologi informasi yang sangat

cepat di tengah masyarakat membuat data atauinformasi tidak hanya disajikan dalam bentuk
teks,tetapi juga dapat berupa gambar, audio, dan video[11]
 dibandingkan dengan pengolahan citra analog Karena citra analog memiliki sifat
kontinu, seperti gambar pada monitor televisi, foto sinar-X, foto yang tercetak di kertas foto,
lukisan, hasil CT scan, dan lain-lain. Abstraksi adalahproses memperhatikan dan menentukan
sifat, atribut ataupun karakteristik khusus[12]utama dari image processing adalah mengimpor
atau mengambil gambar melalui scanning atau fotografi digital. Pada akuisisi citra, citra yang
dihasilkan berupa citra berwarna 24 bit[13]Dalam pendeteksian citra, warna memiliki

kepekaan yang tinggi terhadap perubahan cahaya, maka untuk mengatasinya dilakukan
transformasi citra RGB ke dalam sebuah ruangwarna yang komponen luminasi dan
kromatiknya dipisahkan sehingga cukup digunakan kromatik saja untuk proses deteksi warna
kulit[14]Citra wajah yang digunakan merupakan citra RGB yang dimasukkan ke dalam folder
yang merupakan sebagai citra input atau sebagai citra uji.[15]

Kemudian, ada komponen analisis dan manipulasi gambar yang dilakukan

menggunakan berbagai aplikasi perangkat lunak khusus, dan yang terakhir adalah output atau
hasil akhir yang bisa dicetak atau ditampilkan di monitor. Pengolahan citra atau image
processing memiliki banyak aplikasi di bidang lain, seperti astronomi, kedokteran, robotika
industri, dan penginderaan jauh menggunakan satelit.Pengolahan citra merupakan sebuah
metode untuk melakukan berbagai operasi pada gambar, baik untuk memperbaiki kualitas
gambar maupun untuk mengekstrak informasi yang berguna dari gambar tersebut. Input pada
pengolahan citra adalah gambar dan output yang dihasilkan dapat berupa gambar yang telah
diolah atau karakteristik/fitur yang terkait dengan gambar tersebut.Seringkali, pengolahan citra
diartikan sebagai proses memanipulasi gambar untuk tujuan estetika atau hanya untuk
menambah keindahan. Padahal, sebenarnya untuk pengolahan citra ini merupakan metode
untuk bisa menyamakan persepsi antara suatu sistem visual manusia dengan suatu perangkat
citra digital.Hal ini dikarenakan sistem visual manusia berbeda dengan cara kerja sistem digital
komputer. Sistem citra digital memiliki pembatasan noise dan bandwidth yang berbeda. Tujuan
utama dari sebuah pengolahan citra yaitu untuk mengubah suatu citra menjadi bentuk digital
dan juga melakukan operasi dengan algoritma tertentu. Hal ini untuk mendapatkan suatu model
ataupun mengekstrak informasi yang bisa berguna dari citra tersebut.
 KESIMPULAN

Perbedaan utama adalah bahwa citra digital adalah representasi visual dalam bentuk
angka-angka, sedangkan pengenalan pola adalah tentang kemampuan komputer untuk
mengidentifikasi pola atau objek dalam data, termasuk citra digital. Citra digital adalah data
mentah, sedangkan pengenalan pola adalah proses analisis yang digunakan untuk mengambil
informasi dari data tersebut.Pengenalan pola adalah aspek penting dari komputer vision.
Komputer vision lebih luas dalam cakupannya dan mencakup seluruh sistem yang
memungkinkan komputer untuk "melihat" dan "memahami" citra digital. Ini melibatkan lebih
dari sekadar pengenalan pola; juga termasuk pemrosesan citra, pemahaman konteks, dan
pengambilan keputusan berbasis citra.Citra digital adalah representasi dasar gambar,
sedangkan komputer vision adalah kemampuan sistem komputer untuk mengolah,
menganalisis, dan mengambil tindakan berdasarkan citra digital.

Citra digital adalah bahan mentah, sementara komputer vision mengubahnya menjadi
informasi yang berguna.Demikianlah penjelasan dan perbedaan antara citra digital, pengenalan
pola, dan komputer vision menurut para ahli. Semua tiga bidang ini memiliki peran penting
dalam perkembangan teknologi informasi modern dan memiliki aplikasi yang luas dalam
berbagai industri.
 DAFTAR PUSTAKA

Duda, R. O., Hart, P. E., & Stork, D. G. (2012). "Pattern Classification." Wiley.
Gonzalez, R. C., Woods, R. E., & Eddins, S. L. (2009). "Digital Image Processing Using MATLAB."
Gatesmark Publishing.
Forsyth, D. A., & Ponce, J. (2011). "Computer Vision: A Modern Approach." Prentice Hall.
Szeliski, R. (2010). "Computer Vision: Algorithms and Applications." Springer.
Prince, S. J. (2012). "Computer Vision: Models, Learning, and Inference." Cambridge University Press.
Bishop, C. M. (2006). "Pattern Recognition and Machine Learning." Springer.
Jain, A. K., Duin, R. P. W., & Mao, J. (2000). "Statistical Pattern Recognition: A Review." IEEE
Transactions on Pattern Analysis and Machine Intelligence, 22(1), 4-37.
Sonka, M., Hlavac, V., & Boyle, R. (2014). "Image Processing, Analysis, and Machine Vision." Cengage
Learning.
Tinku Acharya, Ajoy K. Ray. (2005) "Image Processing: Principles and Applications." Wiley-Interscience.
Prince, S. J. (2012). "Computer Vision: Models, Learning, and Inference." Cambridge University Press.
Trucco, E., & Verri, A. (1998). "Introductory Techniques for 3-D Computer Vision." Prentice Hall.
Burger, W., & Burge, M. J. (2008). "Digital Image Processing: An Algorithmic Approach Using Java."
Springer.
Moeslund, T. B., Hilton, A., & Krüger, V. (2006). "A survey of advances in vision-based human motion
capture and analysis." Computer Vision and Image Understanding, 104(2-3), 90-126.
Bradski, G., & Kaehler, A. (2008). "Learning OpenCV: Computer Vision with the OpenCV Library."
O'Reilly Media.
Cipolla, R., & Gee, A. (1999). "Face recognition: experiments with the feret database." In Computer
Vision, 1999. The Proceedings of the Seventh IEEE International Conference on (Vol. 2, pp. 885-890).
IEEE.