1

PERCOBAAN 1
PENGENALAN SOFTWARE MATLAB

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menjelaskan tentang software Matlab
2. Menjelaskan fungsi dan kegunaan Matlab
3. Menginstal software Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

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 Algorithm
• Akusisi Data
• Pemodelan, simulasi, dan pembuatan prototipe
• Analisa data, explorasi, dan visualisasi
• Grafik Keilmuan dan bidang Rekayasa

MATLAB merupakan suatu sistem interaktif yang memiliki elemen data

dalam suatu array sehingga tidak lagi dipusingkan dengan masalah dimensi. Hal
ini memungkinkan untuk memecahkan banyak masalah teknis yang terkait
dengan komputasi, kususnya yang berhubungan dengan matrix dan formulasi
vektor, yang mana masalah tersebut merupakan masalah apabila harus
menyelesaikannya dengan menggunakan bahasa level rendah seperti Pascall, C
dan Basic.
2
 Nama MATLAB merupakan singkatan dari matrix laboratory. MATLAB
pada awalnya ditulis untuk memudahkan akses perangkat lunak matrik yang
telah dibentuk oleh LINPACK dan EISPACK. Saat ini perangkat MATLAB
telah menggabung dengan LAPACK dan BLAS library, yang merupakan satu
kesatuan dari sebuah seni tersendiri dalam perangkat lunak untuk komputasi
matrix.

Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat

standar untuk memperkenalkan dan mengembangkan penyajian materi
matematika, rekayasa dan kelimuan. Di industri, MATLAB merupakan
perangkat pilihan untuk penelitian dengan produktifitas yang tingi,
pengembangan dan analisanya.

Fitur-fitur MATLAB sudah banyak dikembangkan, dan lebih dikenal dengan

nama toolbox. Sangat penting bagi seorang pengguna Matlab, toolbox mana yang
mandukung untuk learn dan apply technologi yang sedang dipelajarinya.
Toolbox toolbox ini merupakan kumpulan dari fungsi-fungsi MATLAB (Mfiles)
yang telah dikembangkan ke suatu lingkungan kerja MATLAB untuk
memecahkan masalah dalam kelas particular. Area-area yang sudah bisa
dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, system kontrol,
neural networks, fuzzy logic, wavelets, dan lain-lain.

IV. LANGKAH PERCOBAAN

A. Menginstal software Matlab
1. Klik 2 kali installer matlab R2010a (opsional), lalu muncul seperti
gambar dibawah ini dan cek instal without using the internet
(penginstalan akan dilakukan tanpa internet) lalu klik next.

3
2. Do you accept the terms of the license agreement? Pilih yes, lalu klik next.

4
 3. Pilih I have the file installaton key dan masukan key nya, lalu klik next.
4. Pilih typycal lalu klik next.
5. Atur dimana tempat menyimpan data hasil instalasi, lalu klik next.
6. Pilih instal, dan tunggu sampai proses penginstalan selesai.
7. Pilih active manually without the internet.

8. Lalu cari dimana letak lisensi data matlab nya, setelah itu klik next.
9. Klik Finish.

B. Menjalankan Program Matlab

Berikut langkah – langkah menjalankan program menggunakan Matlab:
1. Perhatikan Dekstop pada layar monitor PC, anda mulai MATLAB
dengan melakukan double-clicking pada shortcut icon:

Atau dapat dicari di dalam folder pada direktori:

“C:\Program Files\MATLAB\R2011a\bin\win64”, lokasi file dapat
berbeda pada perangkat komputer lainnya.

2. Tampilan awal program Matlab ditunjukkan pada gambar di bawah ini.

5
V. LATIHAN
1. Lakukan proses menginstal software Matlab dan jalankan program Matlab.

6
 PERCOBAAN 2
MEMBUAT PROGRAM SEDERHANA

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Membuat program sederhana menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Sebagai sebuah system, MATLAB tersusun dari 5 bagian utama:
1. Development Environment
Merupakan sekumpulan perangkat dan fasilitas yang membantu anda untuk
menggunakan fungsi-fungsi dan file-file MATLAB. Beberapa perangkat ini
merupakan sebuah graphical user interfaces (GUI). Termasuk didalamnya
adalah MATLAB desktop dan CommandWindow, command history, sebuah
editor dan debugger, dan browsers untuk melihat help, workspace, files, dan
search path.
2. MATLAB Mathematical Function Library
Merupakan sekumpulan algoritma komputasi mulai dari fungsi-fungsi dasar
sepertri: sum, sin, cos, dan complex arithmetic, sampai dengan fungsi fungsi
yang lebih komplek seperti matrix inverse, matrix eigenvalues, Bessel
functions, dan fast Fourier transforms.

7
 3. MATLAB Language
Merupakan suatu high-level matrix/array language dengan control flow
statements, functions, data structures, input/output, dan fitur-fitur object-
oriented programming. Ini memungkinkan untuk melakukan kedua hal baik
"pemrograman dalam lingkup sederhana" untuk mendapatkan hasil yang
cepat, dan "pemrograman dalam lingkup yang lebih besar" untuk memperoleh
hasil- hasil dan aplikasi yang komplek.
4. Graphics
MATLAB memiliki fasilitas untuk menampilkan vector dan matrices sebagai
suatu grafik. Didalamnya melibatkan high-level functions (fungsi-fungsi level
tinggi) untuk visualisasi data dua dikensi dan data tiga dimensi, image
processing, animation, dan presentation graphics. Ini juga melibatkan fungsi
level rendah yang memungkinkan bagi anda untuk membiasakan diri untuk
memunculkan grafik mulai dari benutk yang sederhana sampai dengan
tingkatan graphical user interfaces pada aplikasi MATLAB anda.
5. MATLAB Application Program Interface (API).
Merupakan suatu library yang memungkinkan program yang telah anda tulis
dalam bahasa C dan FORTRAN mampu berinterakasi dengan MATLAB. Ini
melibatkan fasilitas untuk pemanggilan routines dari MATLAB (dynamic
linking), pemanggilan MATLAB sebagai sebuah computational engine, dan
untuk membaca dan menuliskan MAT-files.

IV. LANGKAH PERCOBAAN

A. Memulai Matlab
1. Perhatikan Dekstop pada layar monitor PC, jalankan program MATLAB
dengan melakukan klik dua kali pada icon Matlab.
2. Bekerja dengan Matlab secara default pada directoryWork ada di dalam
Folder MATLAB.
3. Buatlah satu directory khusus dengan nama yang sudah anda kususkan,
“KOMRAD_NIM_NAMA” atau nama yang lain yang mudah diingat.

8
 4. Arahkan pointer mouse pada kotak bertanda … yang ada disebelah kanan
tanda panah kebawah (yang menunjukkan folder yang sedang aktif). Pilih
new directory, selanjutnya ketikkan “KOMRAD_NIM_NAMA”, dan
diikuti dengan click Ok.

5. Untuk mengakhiri sebuah program Matlab, dapat dilakukan dengan dua

cara, pertama pilih File -> Exit MATLAB dalam window utama Matlab
yang sedang aktif, atau cara kedua dengan mengetik type quit dalam
CommandWindow.

B. Membuat program sederhana menggunakan Matlab

1. Langkah yang pertama adalah dengan menentukan variable scalar dengan
cara melakukan seperti berikut:

>> x = 2
x=
2
>> y = 3
y=
3
>> z = x + y
z=
5

Ulangi dengan nilai variabel yang lain.

2. Langkah selanjutnya adalah dengan mendefinisikan dua buah vector,
yaitu vector x dan vector y dengan cara melakukan seperti berikut:

9
 >> x = [1 2 3]
x=
1 2 3
>> y = [4 5 6]
y=
4 5 6
>> x(1)
ans =
1

Ulangi untuk x(2), x(3), y(1), y(2), y(3) dan y(4).

3. Dengan variabel yang sama lakukan perhitungan penjumlahan dan
perkalian menggunakan dua buah vector x dan y.

>> x + y
ans =
5 7 9

>> x. * y
ans =
4 10 18

Matlab menggunakan integer positif untuk index array. Elemen pertama

adalah x(1), elemen kedua adalah y(1), dan seterusnya. Nol atau bilangan
negatif tidak diperbolehkan untuk indek array.
4. Dengan variabel yang sama lakukan perhitungan berikut.

>> x * y'
ans =
32

>> y'
ans =
4
5
6

Analisisnya adalah 1*4 + 2*5 + 3*6 = 32, bahwa y' adalah transpose
pada y dan merupakan suatu vector kolom.

10
 5. Buatlah sebuah vector besar dengan dengan cara melakukan seperti
berikut:

>> x = [1:5:50];
>> x(2)
ans =
6

>> y = cos(0.1*pi*(0:99));
>> y(2)
ans =
0.9511

Coba lakukan dengan menghapus tanga titik koma (;) pada akhir variabel.

V. LATIHAN
1. Buatlah program perhitungan transpose pada variabel A dan B
yang merupakan suatu vector kolom seperti berikut:

>> A = [1 2
3 4];
>> B = [1 2 3
2 3 4];

Sekarang coba anda lakukan perkalian dan penjumlahan antara A dan B.

(A+B), (B+A), (A*B) dan (B*A), lihat hasil yang didapatkan. Lakukan
analisis hasilnya dengan menggunakan cara matematis.

11
 PERCOBAAN 3
MEMBUAT GAMBAR GRAFIK

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Membuat program gambar grafik menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

1. Gambar grafik menggunakan Matlab
Salah satu kelebihan dari Matlab adalah kemudahan dalam mengolah grafik.
Sehingga tidak perlu kesulitan untuk melihat suatu respon sistem. Misalnya
pada kasus melihat bentuk sinyal dalam domain waktu.
2. Membuat program pada jendela Matlab Editor
Jendela script dapat digunakan untuk mengedit suatu file text yang tersusun
dari beberapa perintah Matlab. Ini dapat dilakukan dengan menekan double-
click pada icon "New script" ikon pada toolbar Matlab atau Ctrl+N.

12
 Selanjutnya akan mendapatkan sebuah tampilan jendela Matlab Editor yang
masih kosong seperti berikut:

IV. LANGKAH PERCOBAAN

A. Memulai Program Grafik
1. Langkah pertama buka jendela Matlab Editor pada icon "New script" ikon
pada toolbar Matlab atau Ctrl+N.
2. Selanjutnya buat program untuk menghasilkan gambar grafik seperti berikut
di dalam Matlab Editor:
time = [0:0.001:0.099];
x = cos(0.1*pi*(0:99));
plot(time,x)
xlabel('time (msec)')
ylabel('x(t)')

3. Lanjutkan dengan menekan toolbar Debug, dan jangan lupa anda pilih Save
and Run. Tuliskan nama program yang telah dibuat dengan
program_grafik_1.m.

13
4. Dan secara otomatis akan ditampilkan hasilnya.

5. Untuk menampilkan sederetan nilai fungsi waktu diskrit dengan

menggunakan perintah "stem". Dari program sebelumnya tambahkan
perintah berikut:
stem(time,x);
xlabel('time
(msec)');
ylabel('x(t)');
Lakukan Save and run kembali.

14
V. LATIHAN
1. Buatlah program untuk membuat grafik 2 pada Matlab editor seperti berikut:
x(1:52) = [0 0 1:1:50];
x(53:102) = [50:-1:1];
h = [1 2];
for n = 3:101,
y(n) = 0;
for m = 1:2,
y(n) = y(n) + h(m)*x(n-m);
end
end
plot(y)

Lakukan Save and run simpan dengan nama program_grafik_2.m.

2. Buatlah program untuk membuat grafik 3 pada Matlab editor seperti berikut:
n=201;
delx=10/(n-1);
for k=1:n
x(k)=(k-1)*delx;
y(k)=sin(x(k))*exp(-0.4*x(k));
end
%plot(x,y)
plot(x,y,'linewidth',4)
title('Grafik yang pertama')
xlabel('x');
ylabel('y');

Lakukan Save and run simpan dengan nama program_grafik_3.m.

3. Pada latihan buatlah analisis arti dari setiap perintah perbaris yang tuliskan
dalam Matlab editor pada program untuk membuat grafik 2 dan grafik 3.

15
4. Hasil gambar grafik 2 dan gambar grafik 3.

16
 PERCOBAAN 4
EKSTRAKSI GAMBAR RGB

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan tentang dasar-dasar pengolahan citra
4. Membuat program ekstraksi gambar RGB menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

MATLAB merupakan bahasa komputasi yang memilki banyak sekali fungsi
built-in berkaitan dengan matrik dan persamaan-persamaan yang biasa
digunakan. Software ini sangat memudahkan pengguna untuk melakukan
pemrograman sehingga pengguna tidak terlalu diberatkan dengan logika
pemrograman dan lebih fokus terhadap logika penyelesaian masalah yang
dihadapi. Terutama di bidang pengolahan citra menggunakan Matlab.

1. Pengolahan Citra Digital (Digital Image Processing)

Image atau gambar adalah representasi spasial dari suatu objek yang
sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam koordinat
kartesian x-y, dan setiap koordinat merepresentasikan satu sinyal terkecil dari
objek yang biasanya koordinat terkecil ini disebut sebagai piksel. Karena
merupakan sistem koordinat yang memiliki nilai maka biasanya image
dianggap sebagai sebuah matrik x-y yang berisi nilai piksel.

17
 Represntasi dari matriks tersebut dapat ditulis sebagai berikut:

Dan di MATLAB representasi ini biasa ditulis menjadi:

Indeks matriks pada Matlab selalu dimulai dengan angka 1 sehingga untuk
f(0,0) akan sama dengan f(1,1) pada Matlab.

2. Ekstraksi Nilai Piksel RGB Gambar

Gambar berwarna dibangun dari beberapa warna yang dicampur. Gambar
RGB terdiri dari tiga komponen warna dasar untuk merah, hijau dan biru.
Setiap warna pokok pada gambar digital mempunyai intensitas sendiri dengan
nilai maksimum 255 (8-bit). Misal warna kuning merupakan kombinasi warna
merah dan hijau sehingga nilai RGB: 255 255 0.

3. Pembacaan Image Pada Matlab

Pada matlab fungsi untuk melakukan pembacaan image standar yaitu:

18
 imread(‘filename’)

Perintah ini digunakan untuk membaca beberapa format file diantaranya:

Hasil dari pembacaan imread(‘filename’) dapat berupa matriks dua dimensi

jika gambar yang dibaca adalah gambar grayscale dan matrik tiga dimensi jika
berupa gambar RGB.

IV. LANGKAH PERCOBAAN

A. Memulai Menampilkan Gambar pada Matlab
1. Langkah pertama buka jendela Matlab Editor pada icon "New script"
ikon pada toolbar Matlab atau Ctrl+N.
2. Tentukan lokasi direktori file gamabar yang akan ditampilkan pada
Matlab. Contonya file image diletakkan di dalam folder my document
dengan nama file-nya “gambar_percobaan_matlab.jpg”.
3. Selanjutnya carilah lokasi file gambar tersebut pada “Current Directory”
yang terletak pada sebelah kiri atas.

19
 gambar=imread('gambar_percobaan_matlab.jpg');
gambar=imshow(gambar);

Lakukan Save and run. Amati hasilnya.

B. Ekstraksi Nilai Piksel Red, Green dan Blue (RGB)

1. Buka jendela Matlab Editor yang baru.
2. Matlab menyediakan fasilitas untuk mengekstraksi RGB (Red, Green,
Blue).
3. Dengan menggunakan file yang sama “gambar_percobaan_matlab.jpg”.
Tuliskan program pada jendela editor seperti berikut.

gambar=imread('gambar_percobaan_matlab.jpg');
red=gambar(:,:,1);
green=gambar(:,:,2);
blue=gambar(:,:,3);
subplot(2,2,1);
imshow(gambar);
title('Gambar RGB');
subplot(2,2,2);
imshow(red);
title('Gambar Merah'); colorbar;
subplot(2,2,3);
imshow(green);
title('Gambar Hijau'); colorbar;
subplot(2,2,4);
imshow(blue);
title('Gambar Biru'); colorbar;

Lakukan Save and run. Amati hasilnya.

20
 4. Hasil gambar ekstraksi nilai piksel red, green dan blue (RGB).

V. LATIHAN
1. Pada latihan ini buatlah analisis arti dari setiap perintah perbaris yang
tuliskan dalam Matlab editor pada program untuk mengekstraksi nilai piksel
RGB gambar menggunakan Matlab.

21
 PERCOBAAN 5
KONVERSI CITRA

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan konversi citra RGB ke greyscale dan citra RGB ke biner.
4. Membuat program konversi citra dengan menggunakan Matlab.

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

1. Konversi citra RGB ke greyscale
Grayscaling adalah teknik yang digunakan untuk mengubah citra berwarna
(RGB) menjadi bentuk grayscale atau tingkat keabuan (dari hitam ke putih).
Citra grayscale adalah citra yang hanya menggunakan warna pada tingkatan
warna abu-abu. Untuk mengkonversi RGB menjadi Grayscale menggunakan
persamaan berikut ini:

Grayscale = α Red + β Green + γ Blue

Nilai yang diberikan untuk ketiga parameter α, β, dan γ jika ditotal

keseluruhan nilainya adalah 1. Misal menggunakan nilai α=0.3, β=0.5, γ= 0.2.

22
 2. Konversi citra RGB ke biner
Thresholding adalah teknik konversi citra RGB ke citra biner yang dilakukan
dengan cara mengelompokkan nilai derajat setiap piksel kedalam dua warna
yaitu hitam dan putih. Berdasarkan intensitas nilai pada tiap-tiap piksel
dipetakan ke salah satu dari nilai 0 dan 1 yang direpresentasikaan dengan
warna hitam dan putih berdasarkan nilai ambang threshold seperti pada
persamaan berikut ini:

255; ℎ ∈ [𝑅𝑚𝑎𝑥, 𝑅𝑚𝑖𝑛] ∩ 𝑠 ∈ [𝐺𝑚𝑎𝑥, 𝐺𝑚𝑖𝑛] ∩ 𝑣 ∈ [𝐵𝑚𝑎𝑥, 𝐵𝑚𝑖𝑛] 0;

g(𝑥, 𝑦) = { 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒

Dimana g(x,y) adalah gambar yang telah berubah menjadi biner, nilai 255
merepresentasikan warna putih dan nilai 0 warna hitam.

IV. LANGKAH PERCOBAAN

A. Membuat Program Konversi Citra RGB ke Greyscale
1. Langkah pertama buka jendela Matlab Editor pada toolbar Matlab.
2. Gunakan file gambar yang sama “gambar_percobaan_matlab.jpg”.
3. Selanjutnya buat program untuk membuat program konversi citra RGB
ke greyscale dengan menggunakan fungsi Matlab di dalam Matlab
Editor:

gambarwarna = imread('gambar_percobaan_matlab.jpg');
gambargrey = rgb2gray(gambarwarna);
subplot(1,2,1);
imshow(gambarwarna);
title('Gambar RGB');
subplot(1,2,2);
imshow(gambargrey);
title('Gambar
Grey');
Lakukan Save and run. Amati hasilnya.

23
B. Membuat Program Konversi citra RGB ke biner
1. Buka jendela Matlab Editor pada toolbar Matlab yang baru.
2. Gunakan file gambar yang sama “gambar_percobaan_matlab.jpg”.
3. Selanjutnya buat program untuk membuat program konversi citra RGB
ke biner dengan menggunakan fungsi Matlab di dalam Matlab Editor:
gambar = imread('gambar_percobaan_matlab.jpg');
subplot(1,3,1);
imshow(gambar);
title('Gambar RGB');
gray =
rgb2gray(gambar);
thresh = graythresh(gray);
gambarbiner =
im2bw(gray,thresh);
subplot(1,3,2);
imshow(gambarbiner);
title('Gambar Biner');
gambarbiner2 = im2bw(gambar);
subplot(1,3,3);
imshow(gambarbiner2);
Lakukan Save and run. Amati hasilnya.

4. Dan secara otomatis akan ditampilkan hasilnya

24
 Matlab menyediakan fungsi untuk meubah gambar yang memiliki warna
menjadi Hitam-Putih (BW). Ada 2 fungsi penting dalam proses diatas
yaitu thresh = graythresh (gray); yang digunakan untuk mendapatkan
nilai ambang batas dan imbw = im2bw (gray,thresh); yang melakukan
proses binerisasi citra itu sendiri.

V. LATIHAN
1. Buatlah program konversi citra grayscale dengan menggunakan nilai bobot
yang diberikan untuk ketiga parameter α, β, dan γ yang berbeda-beda dapat
dilakukan dengan menggunakan program sebagai berikut:

gambar = imread('gambar_percobaan_matlab.jpg');
red = gambar(:,:,1);
green = gambar(:,:,2);
blue = gambar(:,:,3);
gray2 = 0.3*red + 0.5*green +
0.2*blue; subplot(2,2,1);
imshow(gray2);
title('Gambar Grayscale');
subplot(2,2,2);
imshow(red);
title('Gambar Merah');
subplot(2,2,3);
imshow(green);
title('Gambar Hijau');
subplot(2,2,4);
imshow(blue);
title('Gambar Biru');

2. Pada latihan buatlah analisis arti dari setiap perintah perbaris yang
tuliskan dalam Matlab editor pada program untuk konversi citra grayscale.

25
3. Hasil gambar program untuk konversi citra grayscale.

26
 PERCOBAAN 6
MEMBUAT HISTOGRAM

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan fungsi histogram citra
4. Membuat program histogram citra menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Pengertian histogram dalam pengolahan citra adalah .representasi grafis
untuk distribusi warna dari citra digital atau menggambarkan penyebaran nilai-
nilai intensitas pixel dari suatu citra atau bagian tertentu di dalam citra. Dari
sebuah histogram dapat diketahui frekuensi kemunculan relatif dari intensitas
pada citra, kecerahan, dan kontas dari sebuah gambar.

27
 Dari sebuah histogram dapat diketahui frekuensi kemunculan relative dari
intensitas pada citra, kecerahan, dan kontas dari sebuah gambar.
Proses Histogram:
- Gambar gelap: histogram cenderung ke sebelah kiri
- Gambar terang: histogram cenderung ke sebelah kanan
- Gambar low contrast: histogram mengumpul di suatu tempat
- Gambar high contrast: histogram merata di semua tempat

IV. LANGKAH PERCOBAAN

A. Membuat Program Histogram Gambar RGB pada Matlab
1. Langkah pertama buka jendela Matlab Editor pada icon "New script"
ikon pada toolbar Matlab atau Ctrl+N.
2. Tentukan lokasi direktori file gamabar yang akan ditampilkan pada
Matlab. Contonya file image diletakkan di dalam folder my document
dengan nama file-nya “gambar_percobaan_matlab.jpg”.
3. Menampilkan gambar beserta histogram untuk chanel warna RGB,
tuliskan program tampilkan file image seperti berikut:
gambar = imread('gambar_percobaan_matlab.jpg');
Red = imhist(gambar(:,:,1));
Green = imhist(gambar(:,:,2));
Blue =
imhist(gambar(:,:,3));
lineWidth = 2;
subplot(1,2,1);
imshow(gambar);
title('Citra Asli');
subplot(1,2,2);
hold on;
plot(Red, '-r', 'LineWidth', lineWidth);
plot(Green, '-g', 'LineWidth', lineWidth);
plot(Blue, '-b', 'LineWidth', lineWidth);
title('Histogram Chanel RGB Citra Asli');
4. Hasil histogram untuk chanel warna RGB.

28
B. Membuat Program Histogram Gambar Gray pada Matlab
1. Buka jendela Matlab Editor yang baru.
2. Dengan menggunakan file yang sama “gambar_percobaan_matlab.jpg”.
Tuliskan program pada jendela editor seperti berikut.
gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
subplot(1,2,1);
imshow(gray);
title('Citra Gray');
subplot(1,2,2);
imhist(gray(:,:,1));
title('Histogram Citra Gray');

3. Hasil histogram untuk chanel warna Gray.

29
V. LATIHAN
1. Menampilkan gambar beserta histogram untuk chanel warna Red, tuliskan
program tampilkan file image seperti berikut:
gambar =
imread('gambar_percobaan_matlab.jpg');
r1=zeros(size(gambar));
r1(:,:,1)=gambar(:,:,1);
r2=uint8(r1);
subplot(1,2,1);
imshow(r2);
title('Citra Red');
subplot(1,2,2);
imhist(r2(:,:,1));
title('Histogram Citra Red');
Amati hasilnya.

2. Buka jendela Matlab Editor baru, lakukan untuk menampilkan gambar

beserta histogram untuk chanel warna Green dan warna Blue. Amati
hasilnya.
3. Pada latihan ini buatlah analisis masing-masing program arti dari setiap
perintah perbaris yang tuliskan dalam Matlab editor pada program untuk
membuat program histogram citra RGB menggunakan Matlab.

30
 PERCOBAAN 7
CROPPING DAN REGION OF INTEREST (ROI)

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan tentang Cropping dan Region of interest (ROI) pada citra
4. Membuat program Cropping dan ROI menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

1. Cropping pada Citra
Cropping merupakan teknik pemotongan gambar pada koordinat tertentu pada
area citra yang digunakan untuk menentukan secara tepat bagian yang ingin
dipotong dan diolah. Fungsi cropping pada gambar yaitu dapat
menghilangkan bagian gambar yang dirasa tidak dipentingkan atau tidak
sesuai dalam pengolahan gambar digitall. Untuk dapat memotong (crop)
gambar dengan fungsi yang disediakan oleh Matlab, beberapa properti dari
gambar harus ketahui terlebih dahulu.
Properti-properti tersebut adalah:
 x : posisi kolom dari pojok kiri atas area yang mau di crop
 y : posisi baris dari pojok kiri atas area yang mau di crop
 delta x : lebar area yang mau di crop
 delta y : tinggi area yang mau di crop

31
 Matlab juga menyediakan fungsi untuk melakukan cropping (pemotongan
bagian tertentu dari gambar menjadi matrik baru yang independen). Fungsi
tersebut yaitu:

Imcrop(matrik_gambar,matrik_titiksudut_crop);

Penentuan titik yang akan diambil yaitu menggunakan matrik_titiksudut_crop

yaitu yang merepresentasikan nilai [x, y, a, b] dimana x dan y adalah titik
awal (sudut kiri atas) image yang akan dipotong sedangakan a adalah jumlah
piksel memanjang kearah sumbu-x dan b adalah jumlah piksel ke arah sumbu-
y.

2. Region of interest (ROI) pada citra

Kelemahan proses cropping jika itu merupakan daerah yang tertarik maka
proses cropping hanya dapat digunakan untuk bentuk kotak (rectangular).
Untuk bentuk lain atau area yang berbentuk tidak beraturan yang ingin
dipisahkan dari image induk maka didefinisikan sebagai ROI (Region of
Interest) dimana di Matlab terdapat fungsi yang bisa digunakan pada gambar
Hitam-Putih (BW), salah satunya seperti berikut:

BW = roipoly(I, c, r);

Dimana I adalah matrik gambar, c adalah matrik titik kolom daerah yang
menjadi ROI dan r adalah matrik titik baris daerah yang menjadi ROI.

32
IV. LANGKAH PERCOBAAN
A. Membuat Program Cropping pada Citra
1. Langkah pertama buka jendela Matlab Editor pada toolbar Matlab.
2. Gunakan file gambar yang sama “gambar_percobaan_matlab.jpg”.
3. Selanjutnya buat program Cropping dengan menggunakan fungsi Matlab
di dalam Matlab Editor:
gambar = imread('gambar_percobaan_matlab.jpg');
crop = imcrop(gambar, [100, 200, 220, 250]);
imshow(gambar);
title('Gambar Asli');
figure;
imshow(crop);
title('Gambar
Crop');
Lakukan Save and run. Amati hasilnya.

B. Membuat Program Region of Interest (ROI) pada Citra

1. Buka jendela Matlab Editor pada toolbar Matlab yang baru.
2. Gunakan file gambar yang sama “gambar_percobaan_matlab.jpg”.
3. Selanjutnya buat program untuk membuat program Region of Interest
(ROI) pada citra di dalam Matlab Editor:

33
 gambar = imread('gambar_percobaan_matlab.jpg');
I=gambar(:,:,1);
c = [202 252 280 250 201 174];
r = [21 21 75 121 121 75];
BW = roipoly(I,c,r);
j = roifill(I,c,r);
figure, imshow(gambar)
figure, imshow(I)
figure, imshow(BW)
figure, imshow(j)

Lakukan Save and run. Amati hasilnya.

V. LATIHAN
1. Pada latihan ini buatlah analisis masing-masing program arti dari setiap
perintah perbaris yang tuliskan dalam Matlab editor pada program untuk
membuat program cropping pada citra dan Region of interest (ROI) pada
citra.

34
 PERCOBAAN 8
MORFOLOGI

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan fungsi morfologi pada citra
4. Membuat program morfologi menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Morfologi adalah teknik dalam pengolahan citra untuk mengurangi atau
menambah komponen piksel yang terdapat pada suatu luasan area gambar untuk
mendapatkan bentuk yang lebih jelas, yang pada umumnya bekerja pada citra
biner. Dalam proses pengolahan citra masih banyak terdapat derau atau noise
yang dapat berupa titik-titik piksel yang merupakan sesuatu luasan yang tidak
ingin ikut terdetaksi.

Proses morfologi antara lain proses erosi dan dilasi. Proses erosi digunakan
untuk mengurangi ukuran segmen objek dengan mengurangi komponen piksel
yang berada di tepi luasan. Proses dilasi digunakan untuk menambah ukuran
segmen objek dengan menambah lapisan di sekeliling objek. Morfologi akan
mendapatkan hasil yang optimal jika dilakukan pada citra dengan skala graycsale
dan biner.

35
 Operasi erosi dilakukan dengan mengatur semua piksel objek dalam jarak
tertentu dari piksel background menjadi 0. Jika semua struktur elemen
terakomodasi dalam objek pada posisi piksel tertentu maka akan bernilai 1 pada
gambar hasil r(x,y), jika tidak akan bernilai 0.

𝑟(𝑥, 𝑦) = 𝑎(𝑥, 𝑦) ⊖ 𝑓(𝑥, 𝑦)

Dimana ⊖ adalah operasi erosi. Operasi erosi juga dapat dilihat sebagai cross
correlation antara struktur elemen a(x,y) dan gambar asli f(x,y).

Operasi dilasi dilakukan dengan mengatur semua piksel background dalam

jarak tertentu menjadi 1. Dalam setiap posisi piksel akan dilakukan opersai OR.

𝑟(𝑥, 𝑦) = 𝑎(𝑥, 𝑦) ⊕ 𝑓(𝑥, 𝑦)

Dimana ⊕ adalah operasi dilasi. Operasi erosi juga dapat dilihat sebagai
convolution antara struktur elemen a(x,y) dan gambar asli f(x,y).

IV. LANGKAH PERCOBAAN

A. Membuat Program Operasi Erosi pada Matlab
1. Langkah pertama buka jendela Matlab Editor dengan menekan Ctrl+N.
2. Tentukan lokasi direktori file gamabar yang akan ditampilkan pada
Matlab. Contonya file image diletakkan di dalam folder my document
dengan nama file-nya “gambar_percobaan_matlab.jpg”.
3. Membuat program operasi erosi pada citra hanya dapat dilakukan pada
citra grayscale atau citra biner, tuliskan program tampilkan file image
seperti berikut:
gambar =
imread('gambar_percobaan_matlab.jpg');
gray=rgb2gray(gambar);
se =
strel('ball',5,5);
erosi=imerode(gray,se);
imshow(gambar)
figure, imshow(gray)

36
 4. Hasil program operasi erosi.

B. Membuat Program Operasi Dilatasi pada Matlab

1. Buka jendela Matlab Editor yang baru.
2. Dengan menggunakan file yang sama “gambar_percobaan_matlab.jpg”.
Tuliskan program pada jendela editor seperti berikut.
gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
subplot(1,2,1);
imshow(gray);
title('Citra Gray');
subplot(1,2,2);
imhist(gray(:,:,1));
title('Histogram Citra Gray');

3. Hasil histogram untuk chanel warna Gray.

37
V. LATIHAN
1. Pada latihan ini buatlah analisis arti dari setiap perintah perbaris yang
tuliskan dalam Matlab editor pada program untuk proses eriso dan dilatasi
dengan menggunakan Matlab.

38
 PERCOBAAN 9
FILTER CITRA

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan tentang filter pada citra
4. Membuat program filter menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Filer digunakan untuk menghilangkan derau dan filter-filter ini juga
digunakan untuk menghaluskan citra digital. Filter non-linier lebih unggul
dibanding dengan filter linier dengan ukuran jendela filter yang sama.

Filter spasial non-linier atau disebut juga dengan filter statistik berdasar urutan
(order-statistic filter) merupakan filter yang respon nya didasarkan pada urutan
atau rangking piksel yang ada dalam citra yang dicakup oleh area filter dan
menggantikan nilai dari piksel yang berada di tengah digantikan dengan nilai
hasil pengurutan atau perangkingan tersebut.

Proses filtering secara khusus oleh matlab menggunakan fungsi built-in

fspecial (special filter). Di Matlab, untuk bisa melakukan filtering bisa
menggunakan fungsi dimana penulisan kode program umumnya adalah:

39
 h = fspecial(type, parameters)

Dimana:
 average : adalah untuk filter rata - rata.
 disk : adalah untuk filter rata - rata lingkaran.
 gaussian : adalah untuk gaussian lowpass filter.
 laplacian : adalah untuk memperkirakan operator laplace 2-D.
 log : adalah untuk Laplacian of Gaussian filter
 motion : adalah untuk memperkirakan gerak linier kamera.
 prewitt : adalah untuk filter edge Prewitt.
 sobel : adalah untuk filter edge Sobel.
 unsharp : adalah untuk Unsharp contrast enhancement filter.

Filter yang tersusun diatas kemudian diimplementasikan pada fungsi imfilter

untuk image RGB atau 3-D dan filter2 untuk image grayscale atau 2-D.

IV. LANGKAH PERCOBAAN

A. Membuat Program Filter Gaussian pada Citra
1. Langkah pertama buka jendela Matlab Editor pada toolbar Matlab.
2. Gunakan file gambar yang sama “gambar_percobaan_matlab.jpg”.
3. Selanjutnya buat program filtering dengan menggunakan fungsi Matlab
di dalam Matlab Editor:
gambar = imread('gambar_percobaan_matlab.jpg');
gaussianFilter = fspecial('gaussian', [12, 12], 5);
hasil = imfilter(gambar, gaussianFilter, 'symmetric',
'conv');
subplot(1,2,1), image(gambar), title('Gambar Asli');
subplot(1,2,2), image(hasil), title('Gambar Proses
Filterring');

Lakukan Save and run. Amati hasilnya.

40
 4. Hasil filtering dengan menggunakan Filter Gaussian

V. LATIHAN
1. Buatlah program untuk filtering menggunakan Filter Median seperti berikut:
gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
noise = imnoise(gray,'Salt & Pepper',0.03);
awal = medfilt2(gray);
k = medfilt2(noise);
k2 =
medfilt2(noise2);
figure,imshow(awal),title('Citra Awal');
figure,imshow(noise),title('Noise Salt & Pepper');
figure,imshow(k),title('Hasil filter Median');
Amati hasilnya.

2. Buatlah program untuk filtering menggunakan Filter Min dan Min seperti
berikut:
gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray (gambar);
Ifmax = nlfilter(gray,[3,3],'max(x(:))');
Ifmin = nlfilter(gray,[3,3],'min(x(:))');
figure,imshow(gray),title('Citra Gray');
figure,imshow(Ifmax),title('Hasil Filter Max');
figure,imshow(Ifmin),title('Hasil Filter Min');

Amati hasilnya.

41
3. Buatlah program untuk filtering menggunakan Filter Laplacian seperti berikut:
gambar = imread('gambar_percobaan_matlab.jpg');
gambar = rgb2gray (gambar);
H = fspecial('laplacian');
blurred = imfilter(gambar,H);
figure, imshow(gambar);
figure, imshow(blurred); title('Edge detected Image')

Amati hasilnya.

4. Buatlah program untuk filtering menggunakan Filter Sobel seperti berikut:

gambar = imread('gambar_percobaan_matlab.jpg');
gambar1=rgb2gray(gambar);
gambar2=fft(double(gambar1));
gambar2_1=fft(double(gambar));
figure,imshow(gambar),title('Original image');
figure,imshow(gambar1),title('Gray scale image ');
h=fspecial('sobel');
l_sobel=uint8(round(filter2(h,gambar1)));
l_sobel_1=fft(double(l_sobel));
figure,imshow(l_sobel),title('Sobel filtered image')

Amati hasilnya.

5. Pada latihan buatlah analisis arti dari setiap perintah perbaris yang tuliskan
dalam Matlab editor pada masing-masing latihan program filter
menggunakan Matlab.

42
 PERCOBAAN 10
KONVOLUSI

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan fungsi konvolusi pada citra
4. Membuat program konvolusi menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Konvolusi (convolution) adalah salah satu proses filtering image yang sering
dilakukan pada proses pengolahan citra. Dimana citra dimanipulasi dengan
menggunakan eksternal mask / subwindows untuk menghasilkan citra yang baru.
Mask berbentuk matriks yang berjalan sepanjang proses dan digunakan untuk
menghitung nilai representasi local dari beberapa piksel pada image. Sedangkan
filtering tanpa menggunakan ekternal mask tetapi hanya menggunakan pixel
tetangga untuk mendapatkan pixel yang baru. Konvolusi sangat banyak
dipergunakan dalam pengolahan citra, seperti:
 Embossing yaitu membuat citra seolah diukir pada permukaaan selembar
nikel.
 Blurring yaitu melenyapkan detil halus dari suatu citra. Pengaburan dicapai
melalui konvolusi dari seluruh koefisien mask bernilai sama.
 Sharpening yaitu memperjelas detil suatu citra dengan penjumlahan atas citra
tepi dengan citra aslinya, sehingga citra terkesan lebih tajam dan kontras.
 Edge Detection, yaitu proses menentukan lokasi titik-titik yang merupakan
tepi objek.

43
 Fungsi diskrit, konvolusi didefinisikan sebagai persamaan berikut,

Pada operasi konvolusi, g(x) disebut kernel konvolusi atau kernel penapis (filter).
Kernel g(x) merupakan suatu jendela yang dioperasikan secara bergeser pada
sinyal masukkan f(x), yang dalam hal ini, jumlah perkalian kedua fungsi pada
setiap titik merupakan hasil konvolusi yang dinyatakan dengan keluaran h(x).

Operasi konvolusi dilakukan dengan menggeser mask (kernel) konvolusi

pixel per pixel. Hasil konvolusi disimpan di dalam matriks yang baru. Misalkan
citra f(x,y) yang berukuran 5 x 5 dan sebuah kernel atau mask berukuran 3 x 3
masing- masing adalah sebagai berikut:

(Keterangan: Tanda titik menyatakan posisi (0,0) dari kernel)

IV. LANGKAH PERCOBAAN

A. Membuat Program Konvolusi pada Matlab
1. Langkah pertama buka jendela Matlab Editor dengan menekan Ctrl+N.
2. Gunakan file image diletakkan di dalam folder my document dengan
nama file-nya “gambar_percobaan_matlab.jpg”.
3. Buat program konvolusi pada citra dapat dilakukan pada citra grayscale
atau citra biner, tuliskan program seperti berikut:

44
 gambar = imread('gambar_percobaan_matlab.jpg');
mask = [-1 -1 -1; -1 8 -1; -1 -1 -1];
gray = rgb2gray(gambar);
thresh = graythresh(gray);
imbw = im2bw(gray,thresh);
hasil = conv2(double(imbw),mask,'valid');
figure, imshow(gambar);
figure, imshow(hasil);

4. Hasil program konvolusi.

V. LATIHAN
1. Pada latihan ini buatlah analisis arti dari setiap perintah perbaris yang
tuliskan dalam Matlab editor pada program konvolusi dengan menggunakan
Matlab.

45
 PERCOBAAN 11
OBJECT COUNTING

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan fungsi object counting pada citra
4. Membuat program object counting menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Object counting adalah proses menghitung objek berdasarkan
konektivitasnya terhadapap piksel disekitarnya, bisa berdasarkan 4 piksel
external corner dan internal corner atau menggunakan 8 piksel external corner
dan internal corner. Untuk dapat menhitung jumlah objek berdasarkan 4 piksel
patterns digunakan rumus:
(𝑒𝑥𝑡𝑒𝑟𝑛𝑎𝑙 𝑐𝑜𝑟𝑛𝑒𝑟 − 𝑖𝑛𝑡𝑒𝑟𝑛𝑎𝑙 𝑐𝑜𝑟𝑛𝑒𝑟 )
𝐶𝑜𝑢𝑛𝑡 = | |
4
Dimana :
External corner adalah jumlah dari 2x2 external corner patterns,

1 1 1 0 0 1 1 1
1 0 1 1 1 1 0 1

Internal corner adalah jumlah dari 2x2 “ internal corner” patterns.

0 0 0 1 1 0 0 0
0 1 0 0 0 0 1 0

46
 Perhitungan internal corner dilakukan dengan mencocokan patterns, misalkan
dimulai dari posisi (0, 0), apakah mempunyai kecocokan dari salah satu patterns.
Kemdian digeser satu pixel kekanan dan seterusnya. Jumlah dari kecocokan
patterns yang sama akan dihitung. Proses ini akan dilakukan untuk pengitungan
internal corner dan external corner.

Mencocokan patterns dimulai dari (0,0),

0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 0 0 0 0 0 0
0 1 1 0 1 1 0 0 0 0 0
0 0 1 0 1 1 0 0 0 0 0
0 0 0 1 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0

Mengeser patterns satu piksel ke kanan dan memastikan kesamaan patterns,

0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 0 0 0 0 0 0

Mengeser patterns satu pixel dibawahnya dan memastikan kesamaan patterns.

0 0 0 0 0 0 0 0 0 0 0
0 0 1 1 1 0 0 0 0 0 0
0 1 1 0 1 1 0 0 0 0 0
0 0 1 0 1 1 0 0 0 0 0
0 0 0 1 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0

Metode object counting hanya menghitung objek yang cenderung rata dalam
pewarnaan. Hanya gambar yang mempunyai bentuk dengan warna yang penuh
saja yang dapat dikenali. Metode ini tidak dapat mengenali gambar yang terdapat
garis pada sekitar gambar objek. Gambar yang tertupuk dengan warna tengah
sama dengan warna background tidak akan dikenali. Untuk memastikan
penggunaan metode ini benar, jika citra dalam bentuk RGB atau Grayscale maka
harus jadikan biner terlebih dahulu.

47
 Proses object counting khusus oleh Matlab, fungsi yang digunakan untuk
menghitung objek dimana penulisan kode program umumnya adalah:

[labeled,numObjects] = bwlabel(imbw,4);

Sedangkan fungsi yang digunakan untuk memberi label dan warna yang berbeda
pada setiap objek yaitu:

[imlabel = label2rgb(labeled, @spring, ‘c’, ‘shuffle’);

IV. LANGKAH PERCOBAAN

A. Membuat Program Object Counting pada Matlab
1. Langkah pertama buka jendela Matlab Editor dengan menekan Ctrl+N.
2. Gunakan file image diletakkan di dalam folder my document dengan
nama file-nya “gambar_percobaan_matlab.jpg”.
3. Buat program object counting pada citra dapat dilakukan pada citra biner,
tuliskan program seperti berikut:

gambar = imread('gambar_percobaan_matlab.jpg');
gray=rgb2gray(gambar);
thresh=graythresh(gray);
imbw=im2bw(gray,thresh);
[labeled,numObjects] =
bwlabel(imbw,8);
imlabel = label2rgb(labeled, @spring, 'c', 'shuffle');
imshow(imbw);
figure,imshow(imlabel);

48
 4. Hasil program object counting.

V. LATIHAN
1. Pada latihan ini buatlah analisis arti dari setiap perintah perbaris yang
tuliskan dalam Matlab editor pada program object counting dengan
menggunakan Matlab.

49
 PERCOBAAN 12
DETEKSI TEPI

I. TUJUAN PERCOBAAN
Setelah melakukan percobaan ini mahasiswa mampu:
1. Menggunakan software Matlab
2. Mengenal tool dan cara menggunakan Matlab
3. Menjelaskan fungsi deteksi tepi pada citra
4. Membuat program deteksi tepi menggunakan Matlab

II. ALAT DAN BAHAN

1. Perangkat komputer
2. Software Matlab

III. DASAR TEORI

Tepi adalah perubahan nilai intensitas derajat keabuan yang mendadak
(besar) dalam jarak yang singkat. Perbedaan intensitas inilah yang
memperlihatkan rincian pada gambar. Tepi dapat diorientasikan dengan suatu
arah, dan arah ini berbeda-beda, tergantung pada perubahan intensitas. Ada tiga
macam tepi yang terdapat di dalam citra digital. Ketiganya adalah tepi curam,
tepi landai, dan tepi yang mengandung derau.

50
 Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang
menghasilkan tepi-tepi dari obyek-obyek citra dan meningkatkan penampakan
garis batas suatu daerah atau obyek di dalam citra. Tujuannya adalah untuk
menandai bagian yang menjadi detail citra. Serta untuk memperbaiki detail dari
citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi
data citra.

Macam-macam metode untuk proses deteksi tepi ini, antara lain:

1. Metode Robert
Metode Robert adalah nama lain dari teknik differensial yang dikembangkan
di atas, yaitu differensial pada arah horisontal dan differensial pada arah
vertikal, dengan ditambahkan proses konversi biner setelah dilakukan
differensial. Teknik konversi biner yang disarankan adalah konversi biner
dengan meratakan distribusi warna hitam dan putih. Metode Robert ini juga
disamakan dengan teknik DPCM (Differential Pulse Code Modulation).
2. Metode Prewitt
Metode Prewitt merupakan pengembangan metode Robert dengan
menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini
mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk
membangkitkan HPF.
3. Metode Sobel
Metode Sobel merupakan pengembangan metode Robert dengan
menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini
mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai
fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah
kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi
tepi.
4. Metode Canny
Operator Canny merupakan deteksi tepi yang optimal. Operator Canny
menggunakan Gaussian Derivative Kernel untuk menyaring kegaduhan dari
citra awal untuk mendapatkan hasil deteksi tepi yang halus.

51
 Pada Matlab proses pendeteksian tepi dilakukan dengan perintah/fungsi
edge. Ada beberapa metode yang dapat dilakukan pada deteksi tepi
menggunakana Matlab yaitu metode Sobel, Prewitt, Roberts, Laplacian of
Gaussian, metode Zero Cross, dan Canny. Yang penting diperhatikan pada
deteksi tepi bahwa hanya dapat dilakukan menggunakan citra grayscale atau citra
2-D.

IV. LANGKAH PERCOBAAN

A. Membuat Program Deteksi Tepi pada Matlab
1. Langkah pertama buka jendela Matlab Editor pada toolbar Matlab.
2. Gunakan file gambar yang sama “gambar_percobaan_matlab.jpg”.
3. Selanjutnya buat program deteksi tepi dengan metode Prewitt
menggunakan fungsi Matlab di dalam Matlab Editor:
gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
gambar_tepi = edge(gray,'prewitt');
subplot(1,2,1);
imshow(gray);
title('Gambar Gray');
subplot(1,2,2);
imshow(gambar_tepi);
title('Gambar Deteksi Tepi');

Lakukan Save and run. Amati hasilnya.

5. Hasil deteksi tepi dengan metode Prewitt

52
V. LATIHAN
1. Buatlah program deteksi tepi dengan metode Canny seperti berikut:
gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
gambar_tepi = edge(gray,'canny');
subplot(1,2,1);
imshow(gray);
title('Gambar Gray');
subplot(1,2,2);
imshow(gambar_tepi);
title('Gambar Deteksi Tepi');

Amati hasilnya.

2. Buatlah program deteksi tepi dengan metode Sobel seperti berikut:

gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
gambar_tepi = edge(gray,'sobel');
subplot(1,2,1);
imshow(gray);
title('Gambar Gray');
subplot(1,2,2);
imshow(gambar_tepi);
title('Gambar Deteksi Tepi');

Amati hasilnya.

3. Buatlah program deteksi tepi dengan metode Robert seperti berikut:

gambar = imread('gambar_percobaan_matlab.jpg');
gray = rgb2gray(gambar);
gambar_tepi = edge(gray,'robert');
subplot(1,2,1);
imshow(gray);
title('Gambar Gray');
subplot(1,2,2);
imshow(gambar_tepi);
title('Gambar Deteksi Tepi');

Amati hasilnya.

4. Pada latihan buatlah analisis arti dari setiap perintah perbaris yang tuliskan
dalam Matlab editor pada masing-masing latihan program deteksi tepi
menggunakan Matlab.

53
PERCOBAAN 13
FFT
PERCOBAAN 14
KAMERA

54