PENGOLAHAN POLA DAN OBJEK

Dosen Pengampu :
Ardi Wijaya, S.Kom, M.Kom

UNIVERSITAS MUHAMMADIYAH BENGKULU

FAKULTAS TEKNIK

PRODI TEKNIK INFORMATIKA 2024

KATA PENGANTAR

Dengan memanjatkan puji syukur kehadirat Allah SWT, penulis menyampaikan salam
dan terima kasih yang setinggi-tingginya kepada-Nya, yang telah memberikan rahmat, hidayah,
dan karunia-Nya sehingga penulis dapat menyelesaikan laporan ini.Laporan ini disusun sebagai
hasil dari upaya dan dedikasi penulis dalam mengeksplorasi serta menganalisis suatu topik yang
menjadi fokus penelitian. Adapun tujuan utama dari laporan ini adalah untuk memberikan
pemahaman yang komprehensif mengenai PENGOLAHA POLA DAN OBJEK serta
menawarkan wawasan yang mendalam terhadap isu-isu terkait.

Penyusunan laporan ini tidak terlepas dari dukungan dan bimbingan berbagai pihak yang
turut serta berkontribusi. Oleh karena itu, penulis mengucapkan terima kasih yang tulus kepada
[nama pembimbing atau pihak terkait], yang telah memberikan bimbingan, arahan, dan masukan
yang sangat berharga dalam penelitian ini.

Selain itu, penulis juga mengucapkan terima kasih kepada Bapak Ardi wijayah , yang
telah memberikan izin dan fasilitas yang diperlukan untuk kelancaran penelitian ini.

Akhir kata, semoga laporan ini dapat memberikan kontribusi positif dan memberikan
pemahaman yang lebih mendalam kepada para pembaca. Kritik dan saran yang bersifat
membangun sangat diharapkan guna perbaikan di masa mendatang.

Semoga laporan ini bermanfaat.

Wassalamu'alaikum Wr. Wb.

KATA PENGANTAR ................................................................................................................................... 2
BAB I ..................................................................................................................................................... 4
PENDAHULUAN................................................................................................................................... 4
1.1 Latar Belakang.......................................................................................................................... 4
1.2 Rumusan Masalah .................................................................................................................... 4
1.3 Tujuan...................................................................................................................................... 4
BAB II ...................................................................................................................................................... 5
PEMBAHASAN ......................................................................................................................................... 5
2.1 Pengenalan pola dan objek ...................................................................................................... 5
1. Install Matlab................................................................................................................................... 6
2. Menampilkan gambar di Matlab .................................................................................................... 10
3. Menampilkan Matriks .................................................................................................................... 12
4. MENAMPILKAN GARYSCALE ........................................................................................................... 13
5. Menampilkan Binerisasi ................................................................................................................. 14
6.ROTATE ....................................................................................................................................... 15
7. CROP ............................................................................................................................................. 16
8. HISTOGRAM GRAYSCALE................................................................................................................ 17
9. HISTOGRAM RGB ........................................................................................................................... 18
10. TUGAS KELOMPOK UAS ................................................................................................................... 19
A. Hasil Percobaan di Matlab ............................................................................................................. 19
a. HASIL BERHASIL ......................................................................................................................... 24
b. HASIL GAGAL ............................................................................................................................. 25
11. GUI .............................................................................................................................................. 25
A. BENTUK GUI .................................................................................................................................. 25
12. Menampilkan Resize ........................................................................................................................ 26
DAFTAR PUSTAKA .................................................................................................................................. 28
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Pengenalan pola dan objek" merupakan bidang ilmu yang terkait dengan
pengembangan teknik dan metode untuk mengidentifikasi pola atau objek tertentu dalam
data. Bidang ini mencakup berbagai aplikasi, mulai dari pengenalan wajah dalam gambar
hingga pengenalan tulisan tangan, deteksi objek dalam citra, dan identifikasi pola dalam
data kompleks seperti sinyal suara atau teks.

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

Apa itu pengenalan pola dan objek

Bagaimana cara penggunaan aplikasi matlab

Bagaiman cara kerja aplikasi matlab

1.3 Tujuan
Tujuan dari penulisan ini agar si pembaca dapat memahami apa saja yang berhubungan
dengan kehidupan sehari-hari dapat di tarik dalam sebuah aplikasi , dan si pembaca dapat
mengerti cara penggunaan aplikasi matlab.
 BAB II

PEMBAHASAN

2.1 Pengenalan pola dan objek

Pengenalan pola dan objek adalah suatu bidang dalam ilmu komputer dan rekayasa yang
berkaitan dengan pengembangan teknik dan metode untuk mengidentifikasi serta
mengklasifikasikan pola atau objek tertentu dalam data yang kompleks. Bidang ini bertujuan
untuk memberikan kemampuan pada sistem komputer untuk memahami dan merespon terhadap
pola atau objek yang terkandung dalam data yang diberikan.[1]Pengenalan Pola Merupakan
proses pengenalan pola yang mewakili karakteristik atau fitur khusus dari suatu objek atau
fenomena. Ini dapat mencakup pengenalan pola visual, auditif, atau bahkan pola dalam data
abstrak seperti teks atau sinyal.[2]

Pengenalan Objek Fokus pada pengenalan dan identifikasi objek tertentu dalam data.
Objek ini bisa berupa wajah manusia dalam gambar, suara dalam rekaman audio, atau entitas
lainnya yang dapat diidentifikasi[3]. Dalam konteks teknologi modern, pengenalan pola dan
objek memiliki aplikasi yang luas, termasuk tetapi tidak terbatas pada:

1. Pengenalan Wajah: Identifikasi individu berdasarkan ciri-ciri wajah mereka.

2. Pengenalan Suara: Pemahaman dan identifikasi suara manusia atau perangkat lain.

3. Pengenalan Tulisan Tangan: Konversi tulisan tangan menjadi teks yang dapat dipahami oleh
komputer.

4. Deteksi Objek: Mengidentifikasi dan melokalisasi objek dalam gambar atau video.

5. Pengenalan Teks: Mengenali dan mengekstrak informasi dari dokumen atau gambar yang
berisi teks.

6. Pengenalan Gaya Tulisan: Mengidentifikasi penulis berdasarkan gaya penulisan mereka.

7. Pengenalan Pola dalam Sinyal: Mengenali pola dalam sinyal suara, sinyal medis, atau data
lainnya.

Untuk mencapai pengenalan pola dan objek yang akurat, berbagai teknik seperti pembelajaran
mesin, jaringan saraf tiruan, dan pengolahan citra sering digunakan. Selain itu, perkembangan
dalam bidang ini telah memberikan dampak besar pada berbagai sektor, termasuk keamanan,
kesehatan, otomasi, dan kecerdasan buatan.[4][5]

A. LAPORAN PEROSES PEMBELAJARAN DI KELAS

1. Install Matlab

Ekstrak perangkat lunak tempat Anda mengunduhnya.Klik kanan pada setup dan Jalankan
sebagai administrator.
Pada bagian ini masukkan kode lecense 53403-17277-47109-48947-62948-36311-49413-19305-
08977-10700-56428- 12027-38922-30724-27984-36681-44688-58713-21738-27385-45181-08960
Pada bagian ini sesuaikan dengan kebutuhan kalian
Finish Dan proses install sudah selesai

2. Menampilkan gambar di Matlab

Kelik menu pada pojok kiri atas “NEW SCRIPT”

Langkah selanjutnya lakukan penyimpanan file agar tidak ada kesalahan dalam pengoprasian
 Ikuti Format kode yang sesuai dengan pemanggilan gambar.

3. Menampilkan Matriks
Dalam MATLAB, "matriks" adalah istilah yang digunakan untuk menyebut array dua
dimensi atau lebih. Matriks ini dapat berupa matriks numerik, logika, karakter, atau campuran
dari ketiganya. MATLAB memproses data dalam bentuk matriks, dan banyak fungsi dan operasi
dalam MATLAB dirancang untuk bekerja dengan matriks.[7]

Contoh sederhana membuat matriks numerik di MATLAB

Dalam contoh ini, matriksNumerik adalah matriks 2x3 dengan elemen-elemen [1 2 3; 4 5

6].Beberapa operasi matriks dasar yang dapat dilakukan di MATLAB termasuk penambahan,
pengurangan, perkalian, dan transposisi. Berikut adalah beberapa contoh:
 Dalam kasus ini, hasilPenambahan akan menjadi matriks yang elemennya adalah
penjumlahan dari masing-masing elemen di matriksA dan matriksB, hasilPerkalian akan menjadi
hasil perkalian matriksA dan matriksB, dan transposisiA akan menjadi transposisi dari
matriksA[8].Matriks adalah struktur data yang sangat penting dalam MATLAB, dan banyak
fungsi dan alat yang disediakan untuk mempermudah manipulasi dan analisis matriks.

4. MENAMPILKAN GARYSCALE

Untuk menampilkan gambar dalam skala abu-abu (grayscale) di MATLAB, Anda dapat
menggunakan fungsi imshow. Fungsi ini memungkinkan Anda menampilkan gambar dalam
berbagai format, termasuk citra berwarna dan citra skala abu-abu.

Berikut adalah contoh penggunaan imshow untuk menampilkan gambar skala abu-abu:
 clear;
A=imread ('logo.png');
G=rgb2gray (A);
subplot(2,2,1)
imshow(A)
subplot(2,2,2)
imshow(G)

5. Menampilkan Binerisasi
Untuk menampilkan hasil dari proses binerisasi di MATLAB, Anda dapat menggunakan fungsi
imshow setelah mengaplikasikan proses binerisasi pada gambar imbinarize digunakan untuk
melakukan binerisasi pada gambar skala abu-abu (gambarSkalaAbu)
 clc;
clear;
A=imread ('logo.png');
B=im2bw(A);
subplot(2,2,1)
imshow(A)
subplot(2,2,2)
imshow(B)

6.ROTATE
Saat Anda memutar gambar menggunakan fungsi imrotate, Anda menentukan gambar
yang akan diputar dan sudut rotasinya , dalam derajat[9]. Jika Anda menentukan sudut rotasi
positif, gambar akan berputar berlawanan arah jarum jam; jika Anda menentukan sudut rotasi
negatif, gambar akan berputar searah jarum jam. Membaca gambar ke dalam ruang kerja.

clc;
clear;
A=imread('motor.png');
R=imrotate(A, 70);
subplot(2,2,1)
imshow(A)
subplot(2,2,2)
imshow(R)
Gambar ini dari percobaan di MATLAB

7. CROP

Pada langkah ini, imcrop mengambil gambar asli dan memotongnya berdasarkan
koordinat yang dihasilkan oleh getrect. Hasilnya disimpan dalam variabel gambar_kropped.

clc;
clear;
A =imread ('motor.png');
B = imcrop (A,[300,500,300,500]);
subplot(2,2,1)
imshow (A)
subplot(2,2,2)
imshow(B)
8. HISTOGRAM GRAYSCALE

Untuk membuat histogram grayscale di MATLAB, Anda dapat menggunakan fungsi

imhist[10]. Pastikan untuk memahami bahwa histogram akan memberikan visualisasi distribusi
intensitas piksel dalam gambar grayscale. Jika Anda memerlukan lebih banyak detil atau
penyesuaian, Anda dapat merujuk ke dokumentasi MATLAB atau melakukan penyesuaian
tambahan pada kode tersebut.

clc;
clear;
img = imread('motor.png');
subplot(2,2,2)
imshow(img)
I = rgb2gray(img)
subplot(2,2,1)
imshow(I)
subplot(2,2,3)
imhist(I)
9. HISTOGRAM RGB
Dengan ini, Anda dapat melihat distribusi intensitas warna pada setiap saluran warna
(merah, hijau, dan biru) dalam gambar RGB Anda.

clc;
clear;
img = imread('ravi.jfif');
subplot(2,2,1)
imshow(img)
red = img (:,:,1);
green = img (:,:,2);
blue = img (:,:,3);
subplot(2,2,2)
A = imhist(red);
B = imhist(green);
C = imhist(blue);
x=1:256;
plot(x,A,'r-')
hold on
plot(x,B,'g-')
plot(x,C,'b-')
10. TUGAS KELOMPOK UAS

A. Hasil Percobaan di Matlab

*CODING GUI DETEKSI WAJAH

function varargout = untitled(varargin)
% UNTITLED MATLAB code for untitled.fig
% UNTITLED, by itself, creates a new UNTITLED or raises the existing
% singleton*.
%
% H = UNTITLED returns the handle to a new UNTITLED or the handle to
% the existing singleton*.
%
% UNTITLED('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in UNTITLED.M with the given input arguments.
%
% UNTITLED('Property','Value',...) creates a new UNTITLED or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before untitled_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to untitled_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help untitled

% Last Modified by GUIDE v2.5 05-Dec-2023 01:32:29

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @untitled_OpeningFcn, ...
'gui_OutputFcn', @untitled_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle ke pushbutton1 (lihat GCBO)
% eventdata reserved - untuk didefinisikan pada versi MATLAB yang akan datang
% handles struktur dengan handles dan data pengguna (lihat GUIDATA)

% Memilih file gambar

[nama, tempat] = uigetfile('*.jpg;*.jpeg;*.png');
a = fullfile(tempat, nama);
gambar = imread(a);

% Menampilkan gambar yang dimuat di axes1

axes(handles.axes1);
imshow(gambar);
title(handles.axes1, 'Gambar Asli');

% Menyimpan gambar yang dimuat di variabel handles

handles.gambar = gambar;
guidata(hObject, handles);

% Membersihkan axes2 dan teks saat memuat gambar baru

axes(handles.axes2);
cla;
set(handles.text2, 'String', '');
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle ke pushbutton2 (lihat GCBO)
% eventdata reserved - untuk didefinisikan pada versi MATLAB yang akan datang
% handles struktur dengan handles dan data pengguna (lihat GUIDATA)

% Mengambil gambar dari variabel handles

gambar = handles.gambar;

% Mendeteksi wajah menggunakan detektor objek

deteksi = vision.CascadeObjectDetector();
wajah = step(deteksi, gambar);
wajah1 = insertObjectAnnotation(gambar, 'rectangle', wajah, 'wajah');

% Menampilkan gambar asli di axes1

axes(handles.axes1);
imshow(gambar);
title(handles.axes1, 'Gambar Asli');

% Menampilkan gambar asli dengan kotak di sekitar wajah di axes2

axes(handles.axes2);
imshow(wajah1);
title(handles.axes2, 'Wajah Terdeteksi');

% Menampilkan jumlah wajah yang terdeteksi di teks statis

jumlah = size(wajah, 1);
set(handles.text2, 'String', ['Wajah Terdeteksi: ' num2str(jumlah)]);

% Menampilkan setiap wajah secara terpisah di jendela gambar terpisah

figure;
for a = 1:jumlah
 wajahCrop = imcrop(gambar, wajah(a, :));
subplot(2, 5, a);
imshow(wajahCrop);
title(['Wajah ' num2str(a)]);
end

% --- Executes just before untitled is made visible.

function untitled_OpeningFcn(hObject, eventdata, handles, varargin)
% hObject handle ke figure
% eventdata reserved - untuk didefinisikan pada versi MATLAB yang akan datang
% handles struktur dengan handles dan data pengguna (lihat GUIDATA)
% varargin argumen baris perintah untuk untitled (lihat VARARGIN)

% Memilih keluaran baris perintah default untuk untitled

handles.output = hObject;

% Memperbarui struktur handles

guidata(hObject, handles);

% Menunggu respons pengguna (lihat UIRESUME)

% uiwait(handles.figure1);

% Membersihkan axes1, axes2, dan teks saat membuka GUI

axes(handles.axes1);
cla;
axes(handles.axes2);
cla;
set(handles.text2, 'String', '');

% --- Executes during object creation, after setting all properties.

function axes2_CreateFcn(hObject, eventdata, handles)
% hObject handle ke axes2 (lihat GCBO)
% eventdata reserved - untuk didefinisikan pada versi MATLAB yang akan datang
% handles kosong - handles tidak dibuat sampai semua CreateFcns dipanggil

% Petunjuk: tempatkan kode di OpeningFcn untuk mengisi axes2

a. HASIL BERHASIL

Hasil percobaan menggunakan Aplikasi Matlab,disini kita harus menggunakan Gambar yang
jelas.
b. HASIL GAGAL

Hasil disini menunjukan adanya kesalahan dalam medeteksi wajah,dikarenakan

kemiripan atau kualitas gambar yang kemungkinan tidak sesuai (tidak jelas).

11. GUI
GUI (Graphical User Interface) di Matlab adalah antarmuka pengguna berbasis grafis
yang memungkinkan pengguna untuk berinteraksi dengan program atau aplikasi Matlab
menggunakan elemen visual seperti tombol, kotak teks, dan gambar. GUI mempermudah
pengguna dalam menjalankan skrip atau program tanpa harus mengetikkan perintah secara
manual, dan dapat meningkatkan pengalaman pengguna dalam menjalankan analisis atau
simulasi menggunakan Matlab.

A. BENTUK GUI
Elemen-elemen pada GUI (Graphical User Interface) MATLAB GUIDE melibatkan
berbagai jenis komponen yang membentuk antarmuka pengguna. Berikut adalah beberapa
elemen umum dalam GUI:
Seabagai contoh disini saya membuat interface GUI.

12. Menampilkan Resize

Fungsi resize pada umumnya digunakan untuk mengubah ukuran dari suatu gambar atau
matriks dalam konteks MATLAB. Resize dapat digunakan untuk memperkecil atau
memperbesar gambar atau matriks sesuai dengan kebutuhan tertentu.
Hasil yang di tampilkan setelah melakukan resize
 DAFTAR PUSTAKA
[1]. Azuma, R. T. (1997). A survey of augmented reality. Presence: Teleoperators & Virtual
Environments, 6(4), 355–385.

[2]. Bankman, I. (2008). Handbook of medical image processing and analysis. Elsevier.

[3]. Duda, R. O., Hart, P. E., & others. (2006). Pattern classification. John Wiley & Sons.

[4]. E Woods, R., & C Gonzalez, R. (2008). Digital image processing. Pearson Education Ltd.

[5]. Foley, J. D., Van Dam, A., Feiner, S. K., Hughes, J. F., & Phillips, R. L. (1994).
Introduction to computer graphics (Vol. 55). Addison-Wesley Reading.

[6]. Gonzalez, R. C., Woods, R. E., & Eddins, S. L. (2009). Digital image processing using
Matlab” Gatesmark Publishing. Digital Image Processing Using MATLAB 2nd Ed. Gatesmark
Publishing, Knoxville, TN.

[7]. Haralick, R. M., Shanmugam, K., & Dinstein, I. H. (1973). Textural features for image
classification. IEEE Transactions on Systems, Man, and Cybernetics, 6, 610–621.

[8]. Ma, Y., Soatto, S., Košecká, J., & Sastry, S. (2004). An invitation to 3-d vision: from
images to geometric models (Vol. 26). Springer.

[9]. Mallat, S. (2008). A Wavelet Tour of Signal Processing.

[10]. Nixon, M., & Aguado, A. (2019). Feature extraction and image processing for computer
vision. Academic press