UNIVERSITAS DIAN NUSWANTORO

Transkripsi

1 Kode/Rumpun Ilmu : 451 / Teknik Elektro USULAN PENELITIAN DISERTASI DOKTOR JUDUL PENELITIAN Peningkatan Warna Citra Bawah Air Dengan Menggunakan Partial Filtering PENGUSUL Pujiono, S.Si. M.Kom NIDN : UNIVERSITAS DIAN NUSWANTORO April, 2014 i

2 ii

3 DAFTAR ISI Hal. Judul... i Halaman Pengesahan... ii Daftar Isi...iii Ringkasan...iv Bab 1. Pendahuluan Latar Belakang Rumusan Masalah Tujuan Penelitian Kontribusi Penelitian/Originalitas...3 BAB 2. Tinjauan Pustaka State of the art Penelitian Terkait Enhancement Image Underwater Peningkatan Kualitas Citra Metode Mean Filter Metode Median Filter Contrast Stretching Contrast Limited Adaptive Histogram Equalization Penilaian Kualitas Citra Warna...10 Bab 3. Metode Penelitian...15 Bab 4. Biaya Dan Jadwal Penelitian Anggaran Biaya Jadwal Penelitian...16 Daftar Pustaka...17 Lampiran Lampiran 1 : Justifikasi Anggaran Penelitian...18 Lampiran 2 : Dukungan Sarana dan Prasaran Penelitian...19 Lampiran 3 : Surat Keterangan Promotor...20 Lampiran 4 : Biodata Peneliti...21 Lampiran 5 : Surat Pernyataan Peneliti...23 iii

4 RINGKASAN Setiap obyek-obyek bawah air memiliki properti masing-masing. Enhancement citra bawah air tidak seperti di udara, banyak terjadi distorsi warna disebabkan jarak kamera yang berbeda serta pencahayaan tersebar secara tidak merata karena pengaruh lingkungan bawah air. Kondisi obyek bawah air dengan warna citra tidak menunjukan warna aslinya disebabkan karena beberapa gangguan seperti pencahayaan, hamburan, indeks bias air dan beberapa faktor lingkungan bawah air. Penelitian ini bertujuan untuk meningkatkan warna citra bawah air seperti warna aslinya dengan menggunakan partial filtering. Partial filtering merupakan salah satu cara untuk meningkatkan warna citra bawah air dimana masing-masing bagian dari citra difilter dengan menggunakan filter yang berbeda karena properties dari masingmasing bagian dari citra tersebut yang tidak sama. Hasil dari penelitian ini adalah menentukan parameter-parameter serta metode untuk dapat meningkatkan warna citra bawah air seperti pada warna aslinya. Kata Kunci : Citra Bawah Air, Enhancement, Partial Filtering iv

5 BAB 1. PENDAHULUAN 1.1. Latar Belakang Keindahan dan keunikan serta keanekaragaman kehidupan bawah laut dari kepulauan Indonesia masih banyak menyimpan misteri dan tantangan potensinya. Salah satu dari potensi tersebut atau sumberdaya hayati yang tak ternilai harganya dari segi ekonomi atau ekologinya adalah sumberdaya terumbu karang. Negara Indonesia termasuk negara yang memiliki terumbu karang 18% dari terumbu karang seluruh dunia, tetapi saat ini menjadi perhatian utama dunia karena 30% dari terumbu karang di Indoensia dalam kondisi yang sangat memprihatinkan atau kondisi yang kurang baik. Kondisi seperti ini menjadikan terumbu karang Indoensia dalam status paling terancam menurut The reef at risk and Indoensia institute of science [C.Beall 2010, G.Diansyah 2011]. Fig Karimunjava s Coral Reefs Pengumpulan data terumbu karang diambil dari karimunjawa. Karimunjawa adalah kepulauan di Laut Jawa yang termasuk dalam kabupaten Jepara, Jawa Tengah, Indoensia. Luas daratan ±1.500 ha dan perairan ± ha. Kepulauan ini terdiri dari 27 pulau ke 5 diantaranya berpenduduk yaitu Karimunjawa sebagai pulau utama, Kemujan, Parang, Genting dan Nyamuk. Kepulauan Karimunjawa dinyatakan sebagai kawasan konservasi oleh kementrian Kehutanan [Yusuf S, 2011] Penelitian citra bawah air yang memiliki kualitas citra yang terdegradasi karena proses penyerapan cahaya dan hamburan sehingga menyebabkan salah satu warna mendominasi warna yang lain menjadi tantangan tersendiri. Kualitas citra bawah air diperlukan karena dibutuhkan dalam penelitian laut dalam. Beberapa penelitian telah 1

6 dilakukan untuk meningkatkan kualitas citra bawah air [B.Singh 2011, K.Iqbal 2010, PN Andono,2013, P.Subashini 2010] Fig a. Water surface effects Fig b. Colour appearance in underwater Kepadatan air laut 800 kali lebih padat dari pada di udara, menjadi salah satu kendala utama dalam pengolahan citra bawah air. Kepadatan air laut ini memberikan efek permukaan air membagi cahaya bergerak dari udara ke air menjadi cahaya terang dan gelap (gambar 1.2 a) [ K.Iqbal,2007 ]. Penetrasi cahaya yang masuk ke dalam air semakin berkurang secara bertahap seiring dengan semakin dalam di dasar laut, sehingga citra bawah air menjadi gelap dan semakin gelap mengikuti kedalaman air laut. Tidak hanya jumlah cahaya berkurang ketika kita masuk lebih dalam, tetapi juga warna berkurang satu persatu tergantung pada panjang gelombang warna. Misalnya, pertama-tama warna merah menghilang di kedalaman 3m. Kedua, warna oranye mulai menghilang, pada kedalaman 5m. Ketiga sebagian besar kuning menghilang pada kedalaman 10 m dan akhirnya hijau dan ungu menghilang di kedalaman lebih lanjut. (gambar 1.2 b). Dengan kondisi terumbu karang saat ini 30 % dalam kondisi yang memprihatinkan atau kurang baik maka diperlukan upaya-upaya penyelamatan terumbu karang tersebut sebagai bagian dari usaha penyelematan kekayaan alam Indoensia. Kondisi kesehatan terumbu karang salah satunya dapat terlihat dari kondisi warna asli pada terumbu karang itu sendiri. Beberapa penelitian yang ada dan eksperimen yang dilakukan bahwa ketika menyelam mengambil gambar dalam air maka warna yang ada bukanlah warna asli dari terumbu karang tersebut, warna terumbu karang sudah berubah karena beberapa faktor lingkungan 2

7 bawah air diantaranya adalah indeks bias air, pencahayaan dan beberapa gangguan struktur lingkungan bawah air. Demikian halnya dengan gangguan setiap obyek dalam air berbeda antara satu obyek dengan obyek yang lain, ketika satu frame digunakan satu filter tidak bisa sehingga diperlukan adanya partial filtering untuk dapat mengeluarkan warna asli dari obyek yang ada. 1.2 Rumusan Masalah Berdasarkan latar belakang yang telah diuraikan, permasalahan yang diangkat pada penelitian ini adalah bagaimana mengeluarkan warna asli dari obyek bawah air dari obyek sebelumnya, dimana pada obyek sebelumnya tidak menunjukan warna asli karena gangguan lingkungan dalam air seperti pencahayaan, indeks bias dan struktur lingkungan bawah air. Permasalahan yang lain bahwa gangguan setiap obyek dalam air berbeda antara satu obyek dengan obyek yang lain, ketika satu citra difilter dengan satu filter untuk meningkatkan kualitas warna seperti aslinya tidak maksimal, karena pengaruh gangguan dalam air pada masing-masing bagian citra berbeda, sehingga diperlukan partial filtering pada masing-masing bagian citra untuk meningkatkan kualitas warna citra seperti pada aslinya Tujuan Penelitian Dari rumusan masalah yang telah dipaparkan diatas, maka tujuan dari penelitian ini adalah meningkatkan kualitas warna citra menggunakan partial filtering dengan cara melakukan filter pada masing-masing bagian citra dengan filter yang berbeda sehingga kualitas warna citra akan tampak seperti citra aslinya Kontribusi Penelitian/Originalitas Kontribusi dalam penelitian ini adalah bahwa selama ini enhancement image underwater dilakukan secara uniform (sama) pada obyek atau citra bawah air, padahal gangguan obyek atau citra lingkungan bawah air karena faktor pencahayaan setiap bagian-bagian obyek atau citra berbeda-beda. Dalam penelitian ini enhancement image underwater dilakukan secara parsial yaitu masing-masing bagian obyek atau citra bawah air di enhance dengan filter yang berbeda. Sedangkan originalitas dari penelitian ini berupa metode baru yang mampu meningkatkan kualitas warna obyek atau citra bawah air sehingga warna asli dari obyek atau citra itu terlihat. 3

8 BAB 2. TINJAUAN PUSTAKA 2.1. State of the art Setiap obyek atau citra bawah air memiliki properti masing-masing. Enhancement obyek atau citra bawah air tidak seperti di udara, banyak terjadi distorsi warna disebabkan jarak kamera yang berbeda serta pencahayaan tersebar secara tidak merata karena pengaruh lingkungan bawah air. Kondisi warna obyek atau citra bawah air tidak menunjukan warna aslinya disebabkan karena beberapa gangguan seperti pencahayaan, hamburan, indeks bias air dan beberapa faktor lingkungan bawah air. Selama ini enhancement image underwater dilakukan secara uniform (sama) pada obyek atau citra bawah air, padahal gangguan obyek atau citra lingkungan bawah air karena faktor pencahayaan setiap bagian-bagian obyek atau citra berbeda-beda. Dalam penelitian ini enhancement image underwater dilakukan menggunakan partial filtering, yaitu masing-masing bagian obyek atau citra bawah air di enhance dengan filter yang berbeda. Originalitas dari penelitian ini berupa metode baru yang mampu meningkatkan kualitas warna obyek atau citra bawah air sehingga warna asli dari obyek atau citra itu terlihat Penelitian Terkait Enhancement Image Underwater Beberapa penelitian yang terkait dengan image underwater enhancement telah dilakukan dengan beberapa metode dan model yang berbeda diantaranya B. Singh, R.S. Mishra dan P. Gour, 2011 membandingakan metode kontras stretching, CLAHE dan Histogram Equalization, Hasilnya adalah Metode CLAHE meningkatkan kontras dan menyetarakan histogram citra lebih efisien. K. Iqbal, R.A. Salam, A. Osman dan A.Z. Talib, 2007, menggunakan pendekatan slide stretching pada RGB dan HSI colour models untuk meningkatkan gambar bawah air. Norsila bt Shamsuddin, W. Fatimah bt W. Ahmad, Baharum b Baharudin, M. Kushairi b M. Rajuddin, Farahwahida bt Mohd, 2012, teknik peningkatan secara manual memiliki presisi lebih baik dibandingkan dengan teknik peningkatan secara auto correction. P. N. Andono, I.K.E. Purnama and M. Hariadi, 2013, Ada peningkatan key point dan matching point dari image teregistrasi dengan SIFT pada perbaikan image menggunakan CLAHE. P. Subashini, M. M. Kumar, S. K. 4

9 Thakur, and G. Padmavathi, 2010, Metode wavelet denoising dengan rata-rata filter memberikan hasil yang diinginkan dalam hal Mean Square Error dan Peak Signal Noise Ratio. K. Iqbal, M.Odetayo, A. James dan R. Abdul Salam, 2010, Meningkatkan citra bawah air dengan menggunakan UCM yang menghasilkan lebih baik dibandingkan metode Gray World, White Pitch dan Histogram Equalization menggunakan adobe photoshop. Penelitian lain terkait dengan penelitian ini terlihat pada Tabel 1.1 Tabel 1.1 Penelitian terkait Underwater Image Enhancement Research Under Water Image Enhancement B. Singh, R. S. Mishra, and P. Gour, Analysis of Contrast Enhancement Techniques For Underwater Image K. Iqbal, R. A. Salam, A. Osman, and A. Z. Talib, Underwater Image Enhancement Using an Integrated Colour Model Metode Kontribusi peneliti Lain Kontribusi Peneliti Metode CLAHE, Peningkatkan kontras dan Kontribusi dalam penelitian Contrast Stretching dan menyetarakan histogram ini adalah bahwa selama ini Histogram Equalization citra lebih efisien enhancement image underwater dilakukan secara uniform (sama) pada obyek atau citra bawah air, padahal Pendekatan slide Meningkatkan true warna gangguan obyek atau citra stretching pada RGB dan memecahkan and HSI colour models masalah pencahayaan. lingkungan bawah air karena meningkatkan gambar faktor pencahayaan setiap bawah air. bagian-bagian obyek atau citra berbeda-beda. penelitian Dalam ini enhancement K. Iqbal, M. Unsupervised Colour Odetayo, A. James, Correction Method and R. Abdul (UCM) Salam, Enhancing The Low Quality Images Using Unsupervised Colour Correction Method UCM menghasilkan lebih image underwater dilakukan baik dibandingkan secara parsial yaitu masingmetode Gray World, masing bagian obyek atau White Patch and Histogram Equalization citra bawah air di enhance using Adobe Photoshop dengan filter yang berbeda. P. N. Andono, I.K.E. Purnama and M. Hariadi, Underwater baru yang mampu Ada peningkatan key point dan matching point meningkatkan kualitas warna dari image teregistrasi obyek atau citra bawah air dengan SIFT dari Metode SIFT Metode CLAHE Sedangkan originalitas dari penelitian ini berupa metode 5

10 Image Enhancement Using Adaptive Filtering For Enhanced SIFTBased Image Matching P. Subashini, M. M. Kumar, S. K. Thakur, and G. Padmavathi, Comparison of Filters used for Underwater Image PreProcessing perbaikan image menggunakan CLAHE sehingga warna obyek atau citra itu terlihat Tiga filter homomorphic, Metode wavelet difusi anisotropik dan denoising dengan ratawavelet denoising rata filter memberikan hasil yang diinginkan dalam hal Mean Square Error dan Peak Signal Noise Ratio 2.3. Peningkatan Kualitas Citra ( Image Enhancement ) Peningkatan kualitas citra merupakan suatu proses yang dilakukan untuk mendapatkan kondisi tertentu pada sebuah citra. Proses tersebut dilakukan dengan menggunakan berbagai macam metode dimana tergantung pada kondisi yang diharapkan pada citra, seperti mempertajam bagian tertentu pada citra, menghilangkan noise atau gangguan, manipulasi kontras dan skala keabuan dan sebagainya. Secara umum metode yang digunakan dapat digolongkan kedalam dua kelompok yitu metode domain frekuensi dan metode domain spasial. Pada metode domain frekuensi, teknik pemrosesanya berdasarkan pada transformasi fourier terhadap nilai pixel. Seangkan pada metode domain spasial proses dioperasikan langsung terhadap pixel, dimana untuk memproses sebuah pixel harus mengikutsertakan pixel-pixel tetangganya. Fungsi matematis domain spasial adalah sebagai berikut : g (x,y) = T [ f (x,y) ] asli (2.1) dimana g (x,y) adalah citra hasil atau keluaran, f (x,y) adalah fungsi citra masukan sedang T adalah operator atas f yang didefinisikan terhadap kumpulan tetangga-tetangga (x,y) Metode Mean Filter Metode mean filter adalah suatu metode filtering yang bekerja dengan cara menggantikan intensitas suatu pixel dengan rata-rata nilai pixel dari pixel-pixel tetangganya. Jika suatu 6 dari

11 citra f(x,y), yang berukuran M x N dilakukan proses filtering dengan penapis h(x,y) maka akan menghasilkan citra g(x,y), dimana penapis h(x,y) merupakan matrik yang berisi nilai 1/ukuran penapis. Secara matematis proses tersebut dapat dinyatakan sebagai berikut : g (x,y) = f (x,y) * h (x,y) (2.2) operasi diatas dipandang sebagai konvolusi antara citra f (x,y) dengan penapis h (x,y) dimana * menyatakan operator konvolusi dan prosesnya dilakukan dengan menggeser penapis konvolusi pixel per pixel 2.5. Metode Median Filter Metode median filter merupakan filter non linier yang berfungsi untuk menghaluskan dan mengurangi noise atau gangguan pada citra. Dikatakan non linier karena cara kerja penapis ini tidak termasuk kedalam kategori operasi konvolusi. Operasi non linier di hitung dengan mengurutkan nilai intensitas sekelompok pixel, kemudian menggantikan nilai pixel yang diproses dengan nilai tertentu. Pada median filter suatu window atau penapis yang memuat sejumlah pixel ganjil digeser titik per titik pada seluruh daerah citra. Nilai- nilai yang berada pada window diurutkan secara ascending untuk kemudian dihitung nilai medianya. Nilai tersebut akan mengganti nilai yang berada pada pusat window. Jika suatu window ditempatkan pada suatu bidang citra, maka nilai pixel pada pusat bidang window dapat dihitung dengan mencari nilai median dari intensitas sekelompok pixel yang telah diurutkan. Secara matematis dapat dirumuskan sebagai berikut : g (x,y) = Median { f ( x - i, y - i ), ( i, j ) w (2.3) dimana g (x,y) merupakan citra yang dihasilkan dari citra f(x,y) dengan w sebagai window yang ditempatkan pada bidang citra dan (i,j) emenen dari window tersebut Contrast Stretching Contrast stretching merupakan teknik yang digunakan untuk mendapatkan citra baru dengan kontras yang lebih baik daripada kontras dari citra asalnya. Citra yang memiliki kontras rendah dapat terjadi karena kurangnya pencahayaan, kurangnya bidang dinamika dari sensor citra, atau kesalahan setting pembuka lensa pada saat pengambilan 7

12 citra. Ide dari proses contrast stretching adalah untuk meningkatkan bidang dinamika dari gray level di dalam citra yang akan diproses. Proses contrast stretching termasuk proses perbaikan citra yang bersifat point processing, yang artinya proses ini hanya tergantung dari nilai intensitas (gray level) satu pixel, tidak tergantung dari pixel lain yang ada di sekitarnya. Dalam mengubah nilai kontras pixel dari pixel aslinya menggunakan ketentuan seperti dalam gambar 3, yaitu akan terjadi perubahan nilai kontras pixel jika nilai tingkat keabuan r1 r2 dan s1 s2, tidak akan terjadi perubahan nilai kontras pixel jika nilai tingkat keabuan r1 = r2 dan s1 =s2 akan mentransformasikan citra menjadi citra biner (thresholding) jika r1 = r2 dan s1= 0 dan s2 = 255. Gambar 2.1 Fungsi contrast Stretching 2.7. Contrast Limited Adaptive Histogram Equalization (CLAHE) Contrast Limited Adaptive Histogram Equalization (CLAHE) merupakan versi perbaikan dari Adaptive Histogram Equalization (AHE) dimana masalah noise pada AHE dapat dikurangi dengan membatasi peningkatan kontras khususnya pada daerah yang homogen, yang dicirikan sebagai puncak yang tinggi pada histogram terkait dengan daerah kontekstual karena banyak piksel yang tergabung pada kisaran abu-abu yang sama. Contrast Limited Adaptive Histogram Equalization (CLAHE) digunakan untuk 8

13 meningkatkan kontras citra dengan mengubah nilai intensitas dalam citra CLAHE beroperasi pada daerah yang kecil yang disebut sebagai tile, CLAHE menerapkan interpolasi bilinier untuk mengeliminasi adanya region boundaries oleh karena itu daerahdaerah kecil yang bertetangga terlihat lebih halus atau tidak terlihat batasnya. Keuntungan menggunakan CLAHE adalah mudah digunakan, perhitungan yang sederhana dan menghasilkan output yang bagus pada sebagain besar citra. CLAHE memiliki noise yang sedikit dan bisa menghindari adanya saturasi kecerahan yang biasa terjadi pada Histogram Equalization. Distribusi piksel histogram dapat berupa distribusi Rayleigh, uniform distribusi eksponensial. The clip limit can be obtained by: M N ( Smax 1 (2.4) Where is clip limit factor, M region size, N is grayscale value. The maximum clip limit is obtained for =100. Tingkat keabuan dari distribusi uniform cenderung memiliki ditribusi yang data datar sedangkan tingkat keabuan dari distribusi eksponensial cenderung didistribusikan dengan frekuensi lebih tinggi. Tingkat keabuan dari distribusi Rayleigh cenderung didistribusikan lebih di tengah pada level keabuan Penilaian Kualitas Citra Penilaian kualitas citra dilakukan dengan cara penilian secara obyektif dengan menggunakan besaran MSE (Mean Square Error ) dan PSNR (Peak Signal Noise Rasio), kedua besaran tersebut membandingkan pixel-pixel pada posisi yang sama dari dua citra yang berlainan. a. Mean Square Error adalah rata-rata kuadrat nilai kesalahanantara citra asli dengan citra hasil pengolahan yang secara matematis dirumuskan sebagai berikut : 1 MSE = MN M 1N 1 ( f ( x, y ) g ( x, y )) 2 (2.5) x 0 y 0 b. Peak Signal to Noise Rasio merupakan nilai perbandingan antara harga maksimum warna pada citra hasil filtering dengan kuantitas gangguan (noise) 9

14 yang dinyatakan dalam satuan desibel (db), Noise yang dimaksud adalah akar rata-rata kuuadrat nilai kesalahan ( MSE ), secara matematis nilai PSNR dapat dirumuskan sebagai berikut : PSNR = MSE log10 (2.6) 2.9 Warna Dasar-dasar warna Persepsi visual citra berwarna (color images) umumnya lebih kaya dibandingkan dengan citra hitam putih (greyscale), karena itu citra berwarna lebih disenangi daripada citra hitam putih. Citra berwarna menampilkan warna objek seperti warna aslinya (meskipun tidak selalu tepat demikian). Warna yang diterima oleh mata dari sebuah objek ditentukan oleh warna sinar yang dipantulkan oleh objek tersebut. Sebagai contoh, suatu objek berwarna hijau karena objek tersebut memantulkan sinar biru dengan panjang gelombang 450 sampai 490 nanometer (nm). Warna sinar yang direspon oleh mata adalah sinar tampak (visible spectrum) dengan panjang gelombang berkisar dari 400 (biru) sampai 700 nm (merah). Warna-warna yang diterima oleh mata manusia merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda. Penelitian memperlihatkan bahwa kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), dan blue (B). Ketiga warna tersebut dinamakan warna pokok (primaries), dan sering disingkat sebagai warna dasar RGB. Warna-warna lain dapat diperoleh dengan mencampurkan ketiga warna pokok tersebut dengan perbandingan tertentu (meskipun tidak sepenuhnya benar, karena tidak semua kemungkinan warna dapat dihasilkan dengan kombinasi RGB saja), sesuai dengan teori Young (1802) yang menyatakan bahwa sembarang warna dapat dihasilkan dari percampuran warna-warna pokok C1, C2, dan C3 dengan persentase tertentu. C = a C1 + b C2 + c C3 (2.7) Bila citra warna didigitasi, maka tiga buah filter digunakan untuk mengekstraksi intensitas warna merah, hijau, dan biru, dan bila ketiganya dikombinasikan kita memperoleh persepsi warna Atribut Warna 10

15 Selain RGB, warna juga dapat dimodelkan berdasarkan atribut warnanya. Setiap warna memiliki 3 buah atribut, yaitu intensity (I), hue (H), dan saturation (S). a. Intensity/brigthness/luminance Atribut yang menyatakan banyaknya cahaya yang diterima oleh mata tanpa mempedulikan warna. Kisaran nilainya adalah antara gelap (hitam) dan terang (putih) b. Hue Menyatakan warna sebenarnya, seperti merah, violet, dan kuning. Hue digunakan untuk membedakan warna-warna dan menentukan kemerahan (redness), kehijauan (greenness), dsb, dari cahaya. Hue berasosiasi dengan panjang gelombang cahaya, dan bila kita menyebut warna merah, violet, atau kuning, kita sebenarnya menspesifikasikan hue-nya. c. Saturation Menyatakan tingkat kemurnian warna cahaya, yaitu mengindikasikan seberapa banyak warna putih diberikan pada warna. Sebagai contoh, warna merah adalah 100% warna jenuh (saturated color), sedangkan warna pink adalah warna merah dengan tingkat kejenuhan sangat rendah (karena ada warna putih di dalamnya). Jadi, jika hue menyatakan warna sebenarnya, maka saturation menyatakan seberapa dalam warna tersebut. Dalam praktek, hue dikuantisasi dengan nilai dari 0 sampai 255; 0 menyatakan merah, lalu memutar nilai-nilai spektrum tersebut kembali lagi ke 0 untuk menyatakan merah lagi. Ini dapat dipandang sebagai sudut dari 0 sampai 360. Jika suatu warna mempunyai saturation = 0, maka warna tersebut tanpa hue, yaitu dibuat dari warna putih saja. Jika saturation = 255, maka tidak ada warna putih yang ditambahkan pada warna tersebut. Saturation dapat digambarkan sebagai panjang garis dari titik pusat lingkaran ke titik warna. Intensity nilainya dari gelap sampai terang (dalam praktek, gelap = 0, terang = 255). Intensity dapat digambarkan sebagai garis vertikal yang menembus pusat lingkaran. Ketiga atribut warna (I, H, dan S) digambarkan dalam model IHS (ada juga yang menyebutnya model HSV, dengan V = Value = I) yang diperlihatkan pada Gambar

16 Gambar 2.2. Model HIS Sistem Koordinat Warna CIE (Commission International de l Eclairage) atau International Lighting Committee adalah lembaga yang membakukan warna pada tahun CIE mula-mula menstandarkan panjang gelombang warna-warna pokok sebagai berikut : R : 700 nm G : nm B : nm Warna-warna lain dapat dihasilkan dengan mengkombinasikan ketiga warna pokok tersebut. Model warna yang digunakan sebagai acuan dinamakan model RGB. RGB bukan satu-satunya warna pokok yang dapat digunakan untuk menghasilkan kombinasi warna. Warna lain dapat juga digunakan sebagai warna pokok (misalnya C = Cyan, M = Magenta, dan Y = Yellow). Karena itu CIE mendefinisikan model warna dengan menggunakan warna-warna fiktif (yaitu, warna yang secara fisik tidak dapat direalisasikan), yang dilambangkan dengan X, Y, dan Z. Model warna tersebut dinamakan model XYZ. Warna-warna dispesifikasikan dengan jumlah relatif warna pokok fiktif. Keuntungan utama dari model ini adalah luminance atau brigntness sinyal disediakan langsung oleh Y. Jadi, nilai Y memberikan citra greyscale dari citra berwarnanya. Kromatisitas (chromaticity of color) masing-masing warna pokok, menunjukkan persentase relatif suatu warna pokok di antara warna pokok lainnya pada warna yang diberikan, yang definisikan sebagai X = X X Y Z (2.8) 12

17 Y = Y X Y Z (2.9) Z = Z X Y Z (2.10) Warna putih acuan dinyatakan dengan X = Y = Z = 1. Jumlah seluruh nilai kromatisitas warna adalah satu : atau x+y+z=1 (2.11) z=1 (x+y) (2.12) Jelas hanya dua nilai x dan y yang dibutuhkan untuk menspesifikasikan kromatisitas warna, karena jika x dan y diketahui, z dapat dihitung dengan persamaan Warna lebih tepat dinyatakan dengan kromatisitas x dan y dan luminansi Y. Koordinat kromatisitas (2.8 dan 2.9) digunakan untuk menggambarkan diagram kromatisitas pada Gambar 2.3 Gambar 2.3 Diagram kromatisitas CIE Titik yang ditandai green pada diagram Gambar 2.3 memiliki kira-kira 62% green dan 25% red. Ini sesuai dengan persamaan 2.12 bahwa kompisisi blue kira kira 13

18 13%. Posisi bermacam-macam spektrum warna, dari violet 380 nm sampai red 780 nm dinyatakan pada sisi (boundary) diagram yang berbentuk setengah elips. Ini adalah warna-warna pure. Titik yang tidak terletak pada sisi tetapi masih di dalam diagram menyatakan campuran spektrum warna. Titik energy setara (equal energy) berkoresponden dengan nilai fraksi yang sama dari ketiga warna pokok X, Y, Z. Titik energi setara menyatakan bakuan CIE untuk cahaya putih. Sembarang titik yang terletak pada sisi diagram dikatakan jenuh (saturated). Semakin jauh titik-titik itu meninggalkan sisi dan mendekati titik energy setara, itu berarti semakin banyak cahaya putih ditambahkan pada warna dan ia menjadi kurang jenuh (less saturated). Kejenuhan titik energi setara adalah nol. Garis lurus yang menghubungkan dua titik di dalam diagram mendefinisikan semua variasi warna berbeda yang dapat diperoleh dengan mengkombinasikan dua warna ini. Sebagai contoh, garis lurus dari red ke green. Jika lebih banyak cahaya red daripada green, maka titik warna baru terletak pada segmen garis, tetapi ia akan lebih dekat ke red daripada ke green. Hue dari warna tertentu diperoleh dengan menarik garis dari putih ke sisi elips melalui warna tersebut. Misalkan digambar garis dari posisi W (putih) melalui warna tertentu, P, ke sisi elips pada posisi H. Nilai hue adalah H, dan saturation adalah panjang WP relative terhadap WH. Warna P dapat dipandang sebagai campuran warna putih dan hue: P = SH + (1 S) W (2.13) yang dalam hal ini S mengendalikan perbandingan relatif warna putih dan hue. 14

19 BAB 3. METODE PENELITIAN Tahapan-tahapan di dalam menyelesaikan penelitian secara garis besar di sajikan dalam gambar 3.1 dan dijelaskan lebih detail pada tabel 3.1 Gambar 3.1 Bagan Penelitian Tabel 3.1 Tahapan Penelitian No. 1 Kegiatan Studi Literatur Luaran Memperoleh literature pengolahan citra 2 Pengumpulan data bawah air Mendapatkan citra bawah air 3 Melakukan Seqmentasi Image Bawah Air Mendapatkan citra hasil yang seqmentasi 4 Peningkatan citra bawah air dengan menggunakan filtering 5 Peningkatan warna citra bawah air dengan menggunakan Partial Filtering Mendapatkan image bawah air yang sudah terfilter dengan metode filter yang sesuai Memperoleh peningkatan warna citra bawah air dengan menggunakan partial filtering 15 Lokasi Penelitian ITS Surabaya dan Universitas Dian Nuswantoro Semarang Perairan karimunjawa Jepara - Jawa Tengah ITS Surabaya dan Universitas Dian Nuswantoro Semarang ITS Surabaya dan Universitas Dian Nuswantoro Semarang ITS Surabaya dan Universitas Dian Nuswantoro Semarang Indikator Capaian Mendapatkan materi literature 3 tahun terakhir Mendapatkan image /citra bawah air terumbu karang Mendapatkan bagianbagin citra bawah air hasil seqmentasi Mendapatkan image yang peningkatan 90% dengan filter yang sesuai Mendapatkan warna citra bawah air yang 95% sesuai dengan warna aslinya

20 BAB 4. BIAYA DAN JADWAL PENELITIAN 4.1. Anggaran Biaya Biaya yang diusulkan dalam penelitian ini adalah sebesar Rp ,- ( empat puluh sembilan juta lima ratus lima puluh ribu rupiah ), dengan rincian pengeluaran sebagai berikut : 4.2. Jadwal Penelitian Rencana jadwal dan aktivitas kegiatan dalam penelitian ini adalah sebagai berikut : 16

21 DAFTAR PUSTAKA B. Singh, R. S. Mishra, and P. Gour, "Analysis of Contrast Enhancement Techniques For Underwater Image," International Journal of Computer Technology and Electronics Engineering, pp. pp , Vol. 1, Issue 2, October C Beall, B J Lawrence, V Ila, and F Dellaert, Reconstruction 3D Underwater Structures.: Atlantic, 2010 G. Diansyah, T.Z. Ulqodry, M. Rasyid, and A. Djawanas, "The Measurements of Calcification Rates in Reef Corals Using Radioisotope 45 Ca at Pongok Sea, South Bangka," Atom Indonesia Journal, vol. 37, no. 1, pp , 2011 Gonzales, R.C and Woods, R.E, Digital Image Processing, Prentice Hall, 2002 Habibi, H., Setiasih, N., and Sartin, J., "A Decade of Reef Check Monitoring: Indonesian Coral Reefs, Condition and Trends," The Indonesian Reef Check Network, John Y. Chiang, Ying-Ching Chen and Yung-Fu Chen, Underwater Image Enhancement : Using Wavelength Compensation and Image Dehazing (WCID), in Proceedings of the 3th International Conference, ACIVS, 2011 K. Iqbal, M. Odetayo, A. James, and R. Abdul Salam, "Enhancing The Low Quality Images Using Unsupervised Colour Correction Method," in IEEE International Conference on Systems Man and Cybernetics (SMC), K. Iqbal, R. A. Salam, A. Osman, and A. Z. Talib, "Underwater Image Enhancement Using an Integrated Colour Model," IAENG International Journal of Computer Science, Vol. 34, No. 2, Munir R, Pengolahan Citra Digital, Informatika, Bandung, 2004 Norsila bt Shamsuddin, W. Fatimah bt W. Ahmad, Baharum b Baharudin, M. Kushairi b M. Rajuddin, Farahwahida bt Mohd, Significance Level of Image Enhancement Techniques for Underwater Images,, International Conference on Computer and Information Science (ICCIS), P. N. Andono, I.K.E. Purnama and M. Hariadi, "Underwater Image Enhancement Using Adaptive Filtering For Enhanced SIFT-Based Image Matching, International Journal of Theoretical and Applied Information Technology, vol 52, no. 3, pp , 2013 P. Subashini, M. M. Kumar, S. K. Thakur, and G. Padmavathi, "Comparison of Filters used for Underwater Image Pre-Processing," International Journal of Computer Science and Network Security, vol. 10, no. 1, pp , Yusuf Syaifudin, "Rencana Proyek Kampanye Pride Taman Nasional Karimunjawa," Balai Taman Nasional Karimunjawa,

22 Lampiran 1 : Justifikasi Anggaran Penelitian 18

23 Lampiran 2 : Dukungan Sarana dan Prasarana Penelitian Sarana dan prasarana yang akan dipakai dalam melakukan kegiatan penelitian yang diusulkan ini adalah ruangan laboratorium sebagai pengolahan data dan diskusi. 19

24 Lampiran 3 : Surat keterangan promotor yang diketahui pimpinan pascasarjana bahwa yang bersangkutan sudah dinyatakan layak sebagai kandidat doktor 20

25 Lampiran 4 : Biodata Peneliti A. Identitas Diri Nama Jenis Kelamin Jabatan Fungsional NPP NIDN Tempat dan Tanggal Lahir Alamat Nomor Telpon / HP Alamat Kantor No. Telp / Faks Lulusan yang telah dihasilkan Mata Kuliah yang diampu : Pujiono, S.Si. M.Kom : Laki-laki : Lektor : : : Kendal, 3 Agustus 1970 : opuji88@gmail.com : (024) / : Jl. Nakula I No. 5 11, Semarang : / : S-1 = 80 orang : 1. Sistem Pendukung Keputusan 2. Analisa Kinerja Sistem 3. Matematika Bisnis B. Riwayat Pendidikan Nama Perguruan Tinggi Bidang Ilmu Tahun Masuk Lulus Judul Skripsi/Thesis/Disertasi Nama Pembimbing/Promotor S1 Universitas Diponegoro Semarang S2 Sekolah Tinggi Teknik - Informatika Benarif Indonesia STTIBI Jakarta Matematika Teknik Informatika Solusi Persamaan Perancangan Basis Data Wiener-Hopf dengan Sistem Informasi Metode Proyeksi Evaluasi Diri Program Studi di STIE Dian Nuswantoro Semarang Drs. Soetomo Dr. Ir. Kudang B. Seminar, M.Sc. S3 Institut Teknologi Sepuluh Nopember Surabaya Teknik Elektro Object Based Underwater Image Enhancement Using Partial Filtering Mochamad Hariadi, ST., M.Sc. Ph.D C. Pengalaman Penelitian dalam 5 Tahun Terakhir No. Tahun Judul Penelitian Penggunaan Sistem Informasi Geografis (GIS) Dalam Penentuan Lokasi Pos Pemadam Kebakaran di Kecamatan Banyumanik Kota Semarang. Pendanaan Sumber Jml (Rp) P2M Universitas Dian Nuswantoro ,- D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir No. Tahun Judul Pengabdian Kepada Masyarakat Pendanaan Sumber Memberi Materi Pelatihan Jaringan untuk Siswa SMK Se Jawa Tengah Dikjur Jateng dan P2M UDINUS Pelatihan Pengembangan SDM IT Program Dinperindag Jateng Animasi Tingkat Lanjut dan Game Digital dan P2M Universitas Dian Nuswantoro. Jml (Rp)

26 E. Publikasi Artikel Ilmiah dalam 5 Tahun Terakhir No. Judul Karya Ilmiah Model Analytical Hierarchy Process untuk Sistem Pendukung Keputusan Penilaian Karyawan Pada Instansi Kesatuan Bangsa Politik dan Pelindungan Masyarakat Propinsi Jawa Tengah Sistem Informasi Penetapan Angka Kredit (PAK) Kenaikan Pangkat Jabatan Fungsional Guru studi kasus Dinas Pendidikan Kota XYZ Desain Sistem Informasi Pengawasan Pada Inspektorat Kabupaten Pemalang Perancangan Perangkat Lunak Instrumen Penilaian dan Evaluasi Kinerja Guru Pemodelan Profil Dinas Pendidikan Kecamatan Bringin Kabupaten Semarang Dengan Sistem Informasi Geografis Nama Jurnal Jurnal Teknologi Informasi, Techno.Com, ISSN : Jurnal Teknologi Informasi, Techno.Com, ISSN : Jurnal Teknologi Informasi, Techno.Com, ISSN : Jurnal Techno Science ISSN : Jurnal Teknologi Informasi, Techno.Com, ISSN : F. Pemakalah Seminar Ilmiah dalam 5 Tahun Terakhir No. Nama Pertemuan Ilmiah Judul Artikel Ilmiah th 1 The 7 International Conference om Color Enhancement of Underwater Information & Communication Coral Reef Images Using Contrast Technology and System, The Patra Limited Adaptive Histogram bali Indonesia 15th-16th, 2013 Equalization (CLAHE) with Departemen of Informatics, Faculty Rayleigh Distribustion of Information Technology, ITS, 2 Seminar Nasional Teknologi Perancanagan Decision Support Informasi & Komunikasi Terapan System dengan Menggunakan (Semantik) Universitas Dian Metode Analitycal Hierarchy Nuswantoro Semarang, 16 April Process untuk Menentukan Kredit 2011, ISBN : Risk Scoring bagi Kelayakan Pemberian Kredit Usaha Rakyat Volume/Nomo r/tahun Vol.11 No. 1 November, 2013 Vol.11 No. 1 Pebruari, 2012 Vol.10 No. 4 November, 2011, Vol.5 No. 2 Oktober 2011 Vol.10 No. 3 Agustus, 2011 Waktu dan Tempat The Patra bali Indonesia 15th-16th, 2013 Departemen of Informatics, Faculty of Information Technology, ITS, 16 April 2011, Universitas Dian Nuswantoro Semarang. Saya menyatakan bahwa semua keterangan dalam Curriculum Vitae ini adalah benar dan apabila terdapat kesalahan, saya bersedia mempertanggungjawabkannya. Semarang, 28 April 2014 Yang Menyatakan Pujiono, S.Si. M.Kom NPP

27 Lampiran 5 : Surat Pernyataan Peneliti 23