BAB II TINJAUAN PUSTAKA
|
|
- Farida Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II TINJAUAN PUSTAKA 2.1 Sifat Optik Bahan Pertanian Penilaian kualitas sensori produk bisa dilakukan dengan melihat bentuk, ukuran, kejernihan, kekeruhan, warna, dan sifat-sifat permukaan seperti kasar-halus, suram-mengkilap, homogenheterogen, dan datar-bergelombang. Banyak sifat atau mutu komoditas dapat dinilai dari warnanya. Misalnya, buah pisang jika masih hijau dan sudut-sudut buah masih terlihat menandakan kalau buah belum matang. Atribut sensori yang dapat diuji dengan menggunakan indera penglihatan adalah hue (warna), depth of color (membedakan tingkat kedalaman warna dari gelap ke terang), brightness (mengacu pada intensitas dan kemurnian warna), clarity (menguji dengan melihat sinar yang dapat melewati produk), shine (jumlah sinar yang direfleksikan dari permukaan produk), evenness (keseragaman/ keadaan rata), bentuk dan ukuran serta tekstur (Setyaningrum et al 2010). Satu dari karakteristik penting produk hortikultura adalah warnanya, baik eksternal maupun internal, yang dalam banyak hal dapat menentukan dengan jelas tingkat kematangan dan kualitasnya. Klasifikasi buah-buahan dan sayuran berdasarkan warna saat ini telah berkembang secara luas. Disamping warna, sifat optik lain seperti sifat penyerapan cahaya (absorban), sifat penerusan (transmittance) dan sifat pemantulan (reflectance) cahaya juga penting untuk evaluasi kuantitatif berbagai sifat bahan. Dengan perubahan warna, kemampuan penerusan dan pemantulan dari produk juga berubah (Purwantana 2005). Cahaya adalah energi radiasi berbentuk gelombang elektromagnetik dengan rentang panjang gelombang sekitar nm. Menurut definisi ini, warna (seperti bau, rasa, dan tekstur) tidak dapat dipelajari tanpa sistem penginderaan manusia. Warna yang diterima jika mata memandang objek yang disinari berkaitan dengan tiga faktor, yaitu sumber sinar, ciri kimia dan fisika objek, dan sifat-sifat kepekaan spektrum mata. Untuk menilai sifat objek, kita harus menstandarkan kedua faktor yang lain (Bertha 2010). Gelombang elektromagnetik banyak dimanfaatkan dalam bidang pertanian, antara lain: 1. Spektrum Visible ( nm) Digunakan untuk penentuan karakteristik mutu fisik (warna, permukaan, cacat) bahan, indikator panen, kesegaran, serta proses sortasi dan grading. 2. Spektrum NIR ( nm) Digunakan untuk penentuan karakteristik mutu komposisi bahan (kandungan kimia bahan) seperti kadar air, protein, lemak dan lain-lain. Selain itu dapat digunakan untuk proses sortasi dan grading. 3. Spektrum Infrared ( nm) Digunakan untuk pengeringan dan pemanasan. Seperti telah diketahui, variasi warna adalah bentuk variasi panjang gelombang radiasi elektromagnetik. Suatu bahan akan menyerap atau memantulkan sinar cahaya berbagai panjang gelombang secara berbeda-beda, tergantung warnanya. Warna adalah spektrum tertentu yang terdapat di dalam suatu cahaya sempurna (berwarna putih). Identitas suatu warna ditentukan panjang gelombang cahaya tersebut. Panjang gelombang warna yang masih bisa ditangkap mata manusia berkisar antara nanometer. Dengan demikian pengukuran-pengukuran dapat dilakukan menggunakan cahaya tunggal (monochromatic) berbagai panjang gelombang (spectrophotometry). Spektrum cahaya nyata (visible
2 light) pada umumnya dibagi dalam delapan interval berdasarkan karakteristik warnanya (Purwantana 2005). Pembagian spektrum warna dapat dilihat pada Gambar 1. Panjang gelombang terpendek Panjang gelombang terpanjang Sinar gamma Sinar X Ultraviolet Cahaya tampak Infrared Gelombang radio 10-3 nm 10-1 nm 10 1 nm 10 3 nm nm Biru Hijau Merah 436nm 546nm 700nm Gambar 1. Visible spectrum (Suhendra 2011) Hubungan antara spektrum warna dan panjang gelombang sinar tampak dapat dilihat pada Tabel 1. Tabel 1. Hubungan antara spektrum warna dan panjang gelombang sinar tampak (Suyatma 2009) Jenis warna Panjang gelombang Kisaran (nm) Nilai tengah (nm) Merah Jingga, orange Kuning Hijau muda Hijau Biru muda Biru Nila Ungu, violet Menurut Indrasanja (2011), dalam peralatan optis, warna bisa pula berarti interpretasi otak terhadap campuran tiga warna primer cahaya: merah, hijau, biru yang digabungkan dalam komposisi tertentu. Suatu warna tertentu dapat dihasilkan dari pencampuran warna primer. Gambar 2 berikut menunjukkan sistem aditif yang memiliki tiga komponen warna primer, yaitu merah, hijau, dan biru. 4
3 Dari gambar tampak bahwa pencampuran warna merah, hijau dan biru pada takaran yang tepat akan menghasilkan warna putih. Dua warna disebut komplementer jika kedua warna tersebut dicampur pada takaran yang tepat akan menghasilkan warna putih, sebagai contoh warna magenta dicampur dengan warna hijau pada takaran yang tepat akan menghasilkan warna putih. Oleh karena itu warna magenta merupakan komplemen untuk warna hijau. Informasi dari suatu objek dapat diwakili oleh warna yang dipantulkan oleh objek yang bersangkutan ke mata. Warna subtraktif merupakan warna campuran dengan menambahkan warna utama merah, hijau, dan biru untuk membentuk warna sekunder kuning (merah+hijau), cyan (biru+hijau), dan magenta (merah+biru). Campuran warna subtraktif campuran kuning dan cyan menghasilkan nuansa warna hijau; campuran kuning dengan magenta menghasilkan nuansa warna merah, sedangkan campuran magenta dengan cyan menghasilkan nuansa biru. Dalam teori, campuran tiga pigmen ini dalam ukuran yang seimbang akan menghasilkan nuansa warna kelabu, dan akan menjadi hitam jika ketiganya disaturasikan secara penuh. Gambar 2. Pencampuran warna aditif dan warna subtraktif (Indrasanja 2011) 2.2 Metode Pengukuran Warna Ada dua metode pengukuran warna yang banyak digunakan, yaitu metode pengukuran warna secara objektif maupun subjektif. Warna merupakan sifat produk pangan yang dapat dipandang sebagai sifat fisik (obyektif) dan sifat organoleptik (subyektif). Warna dapat dianalisa secara obyektif dengan instrumen fisik dan secara organoleptik atau subyektif dengan indera manusia. Pengukuran objektif dapat dilakukan dengan Spektrophotometer, Colorimeter atau Chromameter, dan kamera CCD. Sedangkan pengukuran subjektif dapat dilakukan dengan menggunakan diagram warna Chromaticity CIE 1931, Munsell, dan Hunter Spektrophotometer Prinsip pengukuran warna dengan spektrophotometer adalah mengukur parameter optik (reflektan (R), transmitan (T)) pada tiap panjang gelombang mulai dari 400 sampai dengan 700 nm dengan interval panjang gelombang tertentu. Spektrophotometer memiliki beberapa komponen yaitu sumber cahaya, monochromator (memecah cahaya menjadi gelombang tunggal), sensor (mengkonversi intensitas cahaya menjadi tegangan listrik), integrating sphere (mengumpulkan cahaya yang dipantulkan oleh sampel), penguat (meningkat tegangan dari sensor agar dapat sesuai dengan 5
4 tegangan input komputer), Analog Digital Coverter (pengkonversi sinyal analog ke digital untuk masuk ke komputer), dan komputer (mengolah, mendisplaykan, dan menyimpan data optik). Spektrophotometer visible telah banyak digunakan dalam bidang pertanian, antara lain untuk menentukan perbedaan dalam produk yang sejenis, kematangan, kerusakan (membuat sistem sortasi dan grading), menentukan perbedaan antar produk (membuat sensor buatan untuk panen, luas panen), menentukan kandungan/konsentrasi pigmen kulit bahan pertanian, menentukan kadar gula dan kekerasan (tidak langsung) Colorimeter/Chromameter Prinsip alat ini adalah mengukur parameter atau tristimulus warna XYZ menggunakan tiga buah filter X (merah), Y (hijau), dan Z (biru). Selain tiga buah filter, chromameter memiliki beberapa komponen penting antara lain adalah sumber cahaya, sensor, penguat, pengolah data dan display. Chromameter merupakan alat yang digunakan untuk mengukur warna dari permukaan suatu objek. Prinsip dasar dari alat ini ialah interaksi antara energi cahaya diffus dengan atom atau molekul dari objek yang dianalisis. Alat ini terdiri atas ruang pengukuran dan pengolah data. Ruang pengukuran berfungsi sebagai tempat untuk mengukur warna objek dengan diameter tertentu. Setiap kromameter dengan tipe berbeda memiliki ruang pengukuran dengan diameter yang berbeda pula. Sumber cahaya yang digunakan yaitu lampu xenon. Lampu inilah yang akan menembak permukaan sampel yang kemudian dipantulkan menuju sensor spektral. Selain itu, enam fotosel silikon sensitifitas tinggi dengan sistem sinar balik ganda akan mengukur cahaya yang direfleksikan oleh sampel (Anonim 2011). Skema pengukuran dari kromameter yaitu sampel diberi cahaya diffus dan diukur pada sudut tertentu. Cahaya diffus yang mengenai sampel dipantulkan pada sudut tertentu, kemudian diteruskan ke sensor spektral, lalu dihitung menggunakan komputer mikro (Anonim 2011). Data hasil pengukuran dapat berupa Yxy (CIE 1931), L*a*b* (CIE 1976), Hunter Lab atau nilai tristimulus XYZ, yang sebelumnya diolah melalui pengolah data. Sistem pengukuran yang paling sering digunakan ialah sistem CIE L*a*b* atau CIELAB. Sistem warna CIELAB merupakan suatu skala warna-warna yang seragam dalam dimensi warna Kamera Dalam pengukuran warna dapat menggunakan kamera CCD atau kamera digital sebagai sensor citra. Menurut Ahmad (2005) sensor citra (image sensor) digunakan untuk menangkap pantulan cahaya oleh objek yang kemudian dalam bentuk nilai intensitas di memori komputer. Banyak macam dari sensor citra ini yang digunakan untuk menangkap citra seperti yang kita lihat pada TV yaitu vidicon tube, image orthicon tube, image dissector tube, dan solidstate image sensor. Saat ini solidstate image sensor banyak digunakan karena mempunyai banyak kelebihan seperti konsumsi daya listrik yang kecil, ukurannya kecil dan kompak, tahan guncangan dan sebagainya. Ini sangat diperlukan bila diintegrasikan ke dalam suatu mesin atau sistem robotik agar bentuknya kompak dan padat. Solidstate image sensor punya sebuah larik elemen foto-electric yang dapat membangkitkan tegangan listrik dari photon ketika menerima sejumlah energi cahaya. Sensor jenis ini dapat diklasifikasikan berdasarkan caranya melakukan scanning, yang umumnya dibedakan menjadi dua yaitu charge coupled device (CCD) dan complementary metal-oxide semi-conductor (CMOS). Jenis CCD memiliki kelebihan pada resolusi yang tinggi dan kompensasi dari ketersediaan cahaya yang lemah, sedangkan jenis CMOS mempunyai kelebihan pada bentuk yang kecil dan ringan dengan tetap 6
5 memberikan hasil citra yang tajam. Tetapi seiring kemajuan teknologi, batas antara kedua macam sensor ini akan semakin kabur kecuali bila kita memerlukan sensor dengan karakteristik ekstrim dari kedua macam sensor yang sudah dijelaskan. Sebuah kamera warna mempunyai tiga sensor citra masing-masing untuk warna hitam, hijau dan biru, atau mempunyai satu sensor yang dilengkapi dengan filter RGB (Ahmad 2005) Chromaticity CIE 1931 Pada teori tristimulus persepsi warna dapat dilihat pada Gambar 3, bahwa suatu warna dapat diperoleh dari suatu campuran tiga warna utama: merah, hijau dan biru (Red Green Blue). Sumber utama yang dipakai dalam sistem ini adalah cahaya monokromatis dengan panjang gelombang 700 nm (merah), 546 nm (hijau), dan 435 nm (biru) (Gambar 3). Fraksi penyerapan cahaya oleh tiap tipe kurva Panjang gelombang Gambar 3. Kurva warna utama (Suhendra 2011) Sinar putih referensi memiliki spektrum datar dengan komposisi R=G=B=1. Meskipun hampir setiap warna yang tampak dapat ditentukan sesuai dengan tiga komponen diatas, tetapi masih terdapat beberapa warna yang tidak dapat diuraikan sebagai kombinasi dari ketiga warna dasar tersebut. Bagaimanapun juga apabila salah satu dari ketiga komponen warna dasar tersebut ditambahkan ke warna yang tidak dapat dicocokkan tadi, maka warna yang tidak dapat dicocokkan tersebut dapat dicocokkan dengan campuran dari dua warna dasar lain. Hal ini menunjukkan bahwa warna dapat memiliki nilai bobot negatif dari ketiga komponen warna dasar tersebut (Suhendra 2011). Menurut Suhendra (2011), pada tahun 1931 Commission Internationale de l Eclairage (CIE) mendefinisikan tiga standar komponen warna utama : X, Y dan Z yang dapat ditambahkan untuk membentuk semua kemungkinan warna. Warna utama Y dipilih sedemikian rupa sehingga fungsi kecocokan warnanya secara tepat mencocokkan fungsi luminous efisiensi mata manusia berdasarkan penjumlahan ketiga warna seperti pada Gambar 4. 7
6 Diagram Chromaticity (Gambar 4) menunjukkan semua visible colours. Sumbu x dan y merupakan nilai normalisasi warna utama X dan Y untuk suatu warna, dan z = 1 x y menyatakan jumlah Z utama yang diperlukan. Chromaticity bergantung pada panjang gelombang dan saturation dominan, dan tidak bergantung pada energi luminan. Warna dengan nilai chromaticity yang sama tetapi dengan luminan berbeda akan terpetakan pada titik yang sama di regian tersebut.warna spektrum utama murni berada pada bagian kurva batas daerah, dan suatu sinar putih standar memiliki warna yang didefinisikan berada dekat (tetapi tidak di) titik dengan persamaan energi x = y = z = 1/3. Diagram C.I.E kromatisiti Titik energi spektral (panjang gelombang, nm) Gambar 4. Diagram chromaticity (Suhendra 2011) Warna komplementer, yaitu warna yang ditambahkan ke warna putih, berada di titik akhir suatu garis yang melewati titik tersebut. Sebagai ilustrasi pada Gambar 5, semua warna yang berada di dalam segitiga dapat dibentuk dari campuran warna yang berada pada verteks (garis) segitiga. x dan y adalah jumlah normalisasi kemunculan X dan Y primaries, z = 1 - x - y menentukan jumlah Z primary yang dibutuhkan. Dari ilustrasi grafik tersebut, semua warna visible tidak dapat diperoleh dari campuran warna utama R, G dan B (atau dari tiga visible warna lainnya), karena bentuk diagramnya bukan segitiga (Suhendra 2011). Menurut Ahmad (2005), CIE (Komisi Iluminasi Internasional) mengembangkan model warna yang banyak diterapkan pada alat ukur warna. Sistem warna ini mempunyai tiga buah sumbu utama, yaitu X, Y, Z. Warna ditentukan oleh besaran relatif ketiga sumbu yang cocok dengan warna yang 8
7 diberikan. Y adalah nilai kecerahan, diukur dari besaran cahaya pada semua panjang gelombang. Nilai kromasiti, yaitu besaran nilai pada panjang gelombang tertentu, tergantung pada panjang gelombang yang mendominasi dan kejenuhannya, tidak tergantung pada kecerahan. Gambar 5. Warna campuran pada diagram chromaticity (Suhendra 2011) Dari data pengukuran menggunakan alat ukur warna misalnya, nilai-nilai kromasiti dapat dihitung atau dinormalkan dengan cara sebagai berikut: x = y = z = X X+Y+Z Y X+Y+Z Z X+Y+Z ( 2.1) (2.2) (2.3) Karena x + y + z = 1, hanya dua nilai yang perlu dinyatakan dan yang ketiga segera dapat diketahui dengan cara menghitungnya, karena jumlah ketiganya sama dengan satu. Oleh karena itu, sebuah warna kemudian dapat dinyatakan dengan dua nilai kromasiti, x dan y, dan nilai kecerahan Y. Nilai kromasiti x dan y mewakili komponen warna yang bebas terhadap kecerahan warna. Jadi dua buah warna, hijau muda dan hijau tua dapat terlihat berbedatapi sebenarnya kedua warna tersebut mempunyai bentuk spektrum panjang gelombang yang relatif sama Sistem Warna Munsell Sistem Warna Munsell dikembangkan pertama kali oleh Munsel pada tahun 1900-an. Pengukuran warna didasarkan pada penggunaan 3 atau 4 piringan warna (color disc) yang masingmasing telah dikalibrasi secara akurat dalam 3 hal yaitu warna kromatik/rona/hue (merah, hijau dll), 9
8 nilai/kecerahan (lightness, darkness) dan chroma (kekuatan/intensitas warna). Hue merupakan warna dari suatu benda yang memberikan perbedaan dari suatu warna terhadap warna lainnya, digambarkan oleh sebuah lingkaran (bola warna Munsell). Bola warna Munsell dapat dilihat pada Gambar 6. Chroma yaitu intensitas warna yang membedakan warna yang kuat dengan warna yang lemah, digambarkan sebagai jarak lingkaran dari pusat. Value adalah kualitas warna yang berhubungan dengan pencahayaan, hal ini merupakan tingkat kecerahan, digambarkan sebagai garis vertikal. Pengukuran warna pada sistem ini dengan mematchingkan warna produk dengan warna Munsell secara visual menggunakan indera penglihatan (Suyatma 2009). Menurut Suyatma (2009) rona didasarkan pada sepuluh rona yang tersebar pada keliling lingkaran rona. Ada lima rona : merah, kuning, hijau, biru dan lembayung, rona ini diberi kode R, Y, G, B dan P. Ada juga lima rona antara, YR, GY, BG, PB dan RP. Skala nilai adalah skala keterangan atau kecerahan mulai dari 0 (hitam) sampai 10 (putih). Dimensi rona/hue diekspresikan dengan inisial rona/hue yang bersangkutan. Dimensi nilai (value) dinyatakan dengan bilangan di atas garis miring. Sedangkan dimensi chroma diekspresikan dengan bilangan setelah garis miring. Nilai yang didapat dari pengukuran ini dapat dikonversi ke nilai x, y dan z pada sistem CIE. Gambar 6. Bola warna Munsell (Suyatma 2009) Sistem Warna Hunter (Lab) Sistem warna Hunter dikembangkan oleh Hunter tahun Pengukuran warna dengan metode ini jauh lebih cepat dengan ketepatan yang cukup baik. Pada sistem ini term penilaian terdiri atas 3 parameter yaitu L, a dan b. Lokasi warna pada sistem ini ditentukan dengan koordinat L, a, dan b. Notasi L*: 0 (hitam); 100 (putih) menyatakan cahaya pantul yang menghasilkan warna akromatik putih, abu-abu dan hitam. Notasi a*: warna kromatik campuran merah-hijau dengan nilai +a* (positif) dari 0 sampai +80 untuk warna merah dan nilai a* (negatif) dari 0 sampai -80 untuk warna hijau. Notasi b*: warna kromatik campuran biru-kuning dengan nilai +b* (positif) dari 0 sampai +70 untuk warna kuning dan nilai b* (negatif) dari 0 sampai -70 untuk warna biru (Suyatma 2009). 10
9 Nilai L dalam pengukuran ini langsung dapat dibandingkan dengan nilai Y pada CIE system atau value pada system Munsell. Nilai-nilai pengukuran pada sistem Hunter bisa dikonversikan ke x, y dan z pada system CIE. Gambar 7. Diagram warna L*a*b* (Suyatma 2009) 2.3 Image Processing Image processing adalah proses untuk mengamati dan menganalisa suatu objek tanpa berhubungan langsung dengan objek yang diamati. Proses dan analisanya melibatkan persepsi visual dengan data masukan maupun data keluaran yang diperoleh berupa citra dari objek yang diamati. Teknik-teknik image processing meliputi penajaman citra, penonjolan fitur tertentu dari suatu citra, kompresi citra dan koreksi citra yang tidak fokus atau kabur (Ahmad 2005). Menurut Arymurthy dan Setiawan (1992), pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Citra merupakan sekumpulan titik-titik dari gambar yang berisi informasi warna dan tidak tergantung pada waktu. Umumnya citra dibentuk dari kotak-kotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antar pixel sama pada seluruh bagian citra. Warna citra didapat melalui penjumlahan nilai Red, Green, Blue (RGB). Menurut Arymurthy dan Setiawan (1992), citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Menurut presisi yang digunakan untuk menyatakan titik-titik koordinat pada domain spasial atau bidang dan untuk menyatakan nilai keabuan atau warna suatu citra, maka secara teoritis citra dapat dikelompokkan menjadi empat kelas, yaitu citra kontinu-kontinu, kontinu-diskrit, diskrit-kontinu, dan 11
10 diskrit-diskrit; dimana label pertama menyatakan presisi dri titik-titik koordinat pada bidang citra sedangkan label kedua menyatakan presisi nilai keabuan atau warna. Kontinu dinyatakan dengan presisi angka tak terhingga, sedangkan diskrit dinyatakan dengan presisi angka terhingga. Komputer digital bekerja dengan angka-angka presisi terhingga, dengan demikian hanya citra dari kelas diskritdiskrit yang dapat diolah dengan komputer; citra dari kelas tersebut lebih dikenal sebagai citra digital. Citra digital merupakan suatu array dua dimensi atau suatu matriks yang elemen-elemennya menyatakan tingkat keabuan dari elemen gambar; jadi informasi yang terkandung bersifat diskrit. Dalam pengambilan citra, hanya citra yang berbentuk digital yang dapat diproses oleh komputer digital, data citra yang dimasukkan berupa nilai-nilai integer yang menunjukkan nilai intensitas cahaya atau tingkat keabuan setiap pixel. Citra digital dapat diperoleh secara otomatik dari sistem penangkap citra membentuk suatu matrik dimana elemen-elemennya menyatakan nilai intensitas cahaya pada suatu himpunan diskrit dari titik. Citra f (x,y)disimpan dalam memori komputer atau penyimpan bingkai citra dalam bentuk array M x N dari contoh diskrit dengan jarak sama, sebagai berikut: f(0,0) f(0,1) f(0,n-1) f(x,y) = f(1,0) f(1,1) f(1,n-1) (2.4) f(m,0 f(m,1) f(m,n-1) Citra monokrom atau citra hitam-putih merupakan citra satu kanal, dimana citra f(x,y) merupakan fungsi tingkat keabuan dari hitam ke putih; x menyatakan variabel baris atau garis jelajah dan y menyatakan variabel kolom atau posisi piksel di garis jelajah. Sebaliknya citra berwarna dikenal juga dengan citra multi-spektral, dimana warna citra biasanya dinyatakan dalam tiga komponen warna: merah, hijau, dan biru (RGB) (Arymurthy dan Setiawan 1992). Citra dengan modus skala keabuan dengan format 8 bit memiliki 256 tingkat keabuan atau intensitas warna. Nilai tersebut berkisar antara 0-255, dimana nilai 0 menunjukkan tingkat paling gelap (hitam), sedangkan nilai 255 menunjukkan tingkat paling terang dan tingkat abu-abu berada diantaranya. Citra dengan 24 bit mempunyai warna, tiap pixel dinyatakan dengan: 1. Bit 0 7 untuk warna merah 2. Bit 7 15 untuk warna hijau 3. Bit untuk warna biru Kemungkinan kombinasi warna yang ada adalah = , dimana nilai 0 menyatakan warna hitam sedangkan nilai menyatakan warna putih. Ada dua bagian pada proses pembentukan citra, yaitu geometri citra yang menentukan suatu titik dalam pemandangan diproyeksikan pada bidang citra dan fisik cahaya yang menentukan kecerahan suatu titik pada bidang citra sebagai fungsi pencahayaan pemandangan serta sifat-sifat permukaan. Pada pengolahan citra ada dua unsur utama sebagai penyusunnya, yaitu perangkat keras (hardware) dan perangkat lunak (software). Komponen utama dari perangkat keras pengolahan citra digital adalah kamera penangkap citra, komputer, dan alat peraga. Kamera yang sering digunakan untuk menangkap citra adalah kamera CCD (Charge Coupled Device). Sedangkan komputer dan alat peraga yang digunakan tersebut bisa dari jenis yang multi guna atau dari jenis khusus yang dirancang untuk pengolahan citra digital. Perangkat lunak (software) yang digunakan dalam pengolahan citra tergantung pada jenis penangkap bingkai citra (image frame grabber) yang digunakan. Dari segi penggunaan, sedikitnya ada dua jenis image frame grabber, yaitu jenis yang bisa diprogram (programmable) dimana pustaka 12
11 fungsinya disertakan dan cara pemakaiannya dalam pemrograman dengan bahasa pemrograman tertentu diberikan, dan jenis yang tidak bisa diprogram (non- programmable), atau setidaknya tanpa dilengkapi buku petunjuk dan fungsi pustaka untuk melalukan pemrograman, sehingga sulit membuat program khusus untuk menggunakannya. 2.4 Pengolahan Warna Menurut Ahmad (2005) persepsi warna dalam pengolahan citra tergantung kepada tiga faktor yaitu: 1. Sifat pantulan spektrum (spectral reflectance) dari suatu permukaan, (menentukan bagaimana suatu permukaan memantulkan gelombang cahaya hingga menampakkan suatu warna). 2. Kandungan spektrum (spectral content) dari cahaya yang menyinari (kandungan warna dari cahaya yang menyinari permukaan). 3. Respon spektrum (spectral response) dari sensor dalam peralatan sistem visual, (kemampuan merespon warna dari sensor dalam imaging system). Salah satu kunci untuk mengilah warna dalam pengolahan citra adalah menentukan model warna yang sesuai dengan persepsi manusia terhadap warna. Model warna telah banyak dikembangkan oleh para ahli, seperti model RGB (Red, Green, Blue), model CMY (K) (Cyan, Magenta, Yellow), model YCbCr (luminase serta dua komponen kromasi Cb dan Cr), dan model HSI (Hue, Saturation, Intensity). Model warna RGB merupakan model warna pokok aditif, yaitu warna dibentuk dengan mengkombinasikan energi cahaya dari ketiga warna pokok dalam berbagai perbandingan. Model warna HSI merupakan model warna yang paling sesuai dengan manusia. Nilai Hue dapat diaplikasikan untuk membedakan antara obyek dan latar belakang. Saturation (kejenuhan) yang tinggi dapat menjadi jaminan nilai Hue yang akurat dalam membedakan obyek dan latar belakang. Intensity merupakan nilai abu-abu dari piksel dalam citra abu-abu (Ahmad 2005). Tabel 1. memperlihatkan beberapa model warna yang penting dan deskripsinya serta pemakaiannya. Tabel 2. Model warna dan deskripsinya (Ahmad 2005) Model Warna RGB CMY (K) YcbCr HIS Deskripsi Merah, Hijau, dan Biru (warna pokok). Sebuah model warna pokok aditif yang digunakna pada sistem display. Cyan, Magenta, Kuning (dan Hitam). Sebuah model warna subtraktif yang digunakan pada mesin printer. Luminase (Y) dan dua komponen kromasiti (Cb dan Cr). Digunakan dalam siaran gelombang televisi. Hue, Saturasi, dan intensitas. Berdasarkan pada persepsi manusia terhadap warna. Model warna RGB dapat juga dinyatakan dalam bentuk indeks warna RGB dengan rumus sebagai berikut: R Indeks warna merah (I red) =... (2.5) R+G+B 13
12 G Indeks warna hijau (I green) = R+G+B B Indeks warna biru (I blue) = R+G+B... (2.6) (2.7) Lab merupakan model warna yang dirancang untuk menyerupai persepsi penglihatan manusia dengan menggunakan tiga komponen yaitu L sebagai luminance (pencahayaan) dan a dan b sebagai dimensi warna yang berlawanan. Perancangan sistem aplikasi ini menggunakan model warna Lab. Model warna ini dipilih karena terbukti memberikan hasil yang lebih baik daripada model warna RGB dalam mengukur nilai kemiripan ciri warna dalam citra. Model warna Lab juga dapat digunakan untuk membuat koreksi keseimbangan warna yang lebih akurat dan untuk mengatur kontras pencahayaan yang sulit dan tidak mungkin dilakukan oleh model warna RGB. Dalam melakukan konversi model warna RGB ke model warna Lab terlebih dahulu dilakukan proses konversi model warna RGB ke CIE XYZ. Tahap selanjutnya baru dilakukan konversi model warna CIE XYZ ke CIE Lab. Di bawah ini adalah rumus standar untuk konversi linier RGB ke CIE XYZ (Plataniotis dan Venetsanopoulos 2000): X Y Z = R G B (2.8) Sedangkan berikut adalah rumus konversi dari CIE XYZ ke CIE Lab (Plataniotis dan Venetsanopoulos 2000): L * = 116 f Y Yn 16 (2.9) a * = 500 f X Xn Y f Yn (2.10) b * = 200 f Y Yn Z f Zn (2.11) dimana f(s) = s 1/3 untuk s > f(s) = 7.787s + 16/116 untuk s
PENGEMBANGAN METODE PENGUKURAN WARNA MENGGUNAKAN KAMERA CCD (CHARGE COUPLED DEVICE) DAN IMAGE PROCESSING SKRIPSI
PENGEMBANGAN METODE PENGUKURAN WARNA MENGGUNAKAN KAMERA CCD (CHARGE COUPLED DEVICE) DAN IMAGE PROCESSING SKRIPSI RIRIN NURMAWATI F14070018 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2011
Lebih terperinciKonsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI
Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciGrafik Komputer dan Pengolahan Citra. Pengolahan Citra : Representasi Citra. Universitas Gunadarma Pengolahan Citra : Representasi Citra 1/16
Pengolahan Citra : Representasi Citra Universitas Gunadarma 006 Pengolahan Citra : Representasi Citra /6 Representasi Citra dalam File (/3) Pertama-tama seperti halnya jika kita ingin melukis sebuah gambar,
Lebih terperinciTeori Warna. S1 Tekinik Informatika. Disusun Oleh Dr. Lily Wulandari
Teori Warna S1 Tekinik Informatika Disusun Oleh Dr. Lily Wulandari 1 Sejarah Warna Pada tahun 1672 Sir Isaac Newton menemukan bahwa cahaya yang dilewatkan pada sebuah prisma akan terbagi menjadi berbagai
Lebih terperinci1.1 Intensitas. 1.2 Luminansi. 1.3 Lightness. 1.4 Hue. 1.5 Saturasi
1.Definis Warna Dalam ilmu fisika warna didefinisikan sebagai gelombang elektromagnetik cahaya, sedangkan dalam bidang ilmu seni rupa dan desain warna didefinisikan sebagai pantulan tertentu dari cahaya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Pembentukan Citra Citra ada 2 macam : 1. Citra Kontinu Dihasilkan dari sistem optik yang menerima
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciII. TINJAUAN PUSTAKA A. PEPAYA (CARICA PAPAYA L.)
II. TINJAUAN PUSTAKA A. PEPAYA (CARICA PAPAYA L.) Pepaya (Carica papaya L.) bukan tanaman asli Indonesia. Tanaman pepaya diduga berasal dari Amerika Tengah yang beriklim tropis (Haryoto, 1998). Menurut
Lebih terperinciPengolahan Citra Warna 1 Semester Genap 2010/2011. Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH
Pengolahan Citra Warna 1 Semester Genap 2010/2011 Dr. Fitri Arnia Multimedia Signal Processing Research Group (MuSig) Jurusan Teknik Elektro-UNSYIAH Outline Pengolahan warna penuh dan warna pseudo Penyajian
Lebih terperinciCOLOR SPACE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Konsep Warna 2. Standard Color Space RGB dan CMYK HSV CIE Lab, Luv, Yuv dan YCrCb 3. Color Gamut 4. Konversi Color Spaces KONSEP
Lebih terperinciBAB I PENDAHULUAN. mulai menopang kehidupan manusia. Teknologi merupakan sebuah hasil
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini kebutuhan akan teknologi semakin meningkat seiring dengan kemajuan dan perkembangan ilmu pengetahuan dan teknologi itu sendiri. Kemajuan teknologi dengan perkembangan
Lebih terperinciDIMENSI WARNA. DEDDY AWARD WIDYA LAKSANA, M.Pd
DIMENSI WARNA DEDDY AWARD WIDYA LAKSANA, M.Pd Warna panas: adalah kelompok warna dalam rentang setengah lingkaran di dalam lingkaran warna mulai dari merah hingga kuning Warna dingin, adalah kelompok
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciAplikasi Teori Kombinatorial Dalam Penomeran Warna
Aplikasi Teori Kombinatorial Dalam Penomeran Warna Felix Terahadi - 13510039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciAdobe Photoshop CS3. Bagian 2 Bekerja dalam Photoshop
Adobe Photoshop CS3 Bagian 2 Bekerja dalam Photoshop Mengapa Photoshop? Adobe Photoshop adalah perangkat lunak yang menjadi standar dalam industri digital imaging. Sekarang, memiliki keahlian dalam menggunakan
Lebih terperinciBUKU TEKNIK ELEKTRONIKA TERBITAN PPPPTK/VEDC MALANG
721 6.2. Mata dan Warna 6.2.1 Spektrum warna Radiasi cahaya tampak menempati pita frekuensi relatif pendek pada spektrum energi gelombang elektromagnetik-kira-kira antara 400nm dan 700nm. Sebagai contoh,
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciDIMENSI WARNA. DEDDY AWARD WIDYA LAKSANA, M.Pd
DIMENSI WARNA DEDDY AWARD WIDYA LAKSANA, M.Pd Warna panas: adalah kelompok warna dalam rentang setengah lingkaran di dalam lingkaran warna mulai dari merah hingga kuning Warna dingin, adalah kelompok
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciBAB II CITRA DIGITAL
BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciIII. METODOLOGI PENELITIAN
15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciIntensity and Color. Pertemuan 12
Intensity and Color Pertemuan 12 Warna Kemajuan teknik raster menjadikan teknik warna (grayscale dan warna) merupakan suatu konsep yang terintegrasi dalam teknologi komputer grafik Konsep warna melibatkan
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciSIFAT FISIK WARNA.. 10/6/2013
WARNA sensasinya dengan karakteristik fisik lain seperti titik leleh, ukuran partikel, SG dll. Merupakan persepsi manusia terhadap penampakan dari sinyal yang diberikan oleh otak. Dipengaruhi oleh : Sejumlah
Lebih terperinciWARNA PERSIAPAN GRAFIKA GRAPHIC DESIGN
WARNA PERSIAPAN GRAFIKA GRAPHIC DESIGN SMK Negeri 4 Malang Jl. Tanimbar 22 Malang 65117Telp. ( 0341) 353798,Fax (0341) 353798 E-mail : surat@smkn4-mlg.info Definisi Warna Warna adalah salah satu elemen
Lebih terperinciAspek Interaksi Manusia dan Komputer
HUMAN Manusia merasakan dunia nyata dengan menggunakan piranti yang lazim dikenal dengan panca indera -mata, telinga, hidung, lidah dan kulit- sehingga lewat komponen inilah kita dapat membuat model manusia
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi tersebut pada setiap titik (x,y) merupakan
Lebih terperinciII. TINJAUAN PUSTAKA Smart Traktor
II. TINJAUAN PUSTAKA 2.1. Smart Traktor Ide mengenai robotic agriculture (suatu mesin cerdas yang dapat melakukan kegiatan pertanian) bukanlah hal yang baru lagi. Banyak insinyur yang telah mengembangkan
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciIntensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata.
Pembentukan Citra oleh Sensor Mata Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep sistem optik dimana
Lebih terperinciSTMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA. Akuisisi dan Model ABDUL AZIS, M.KOM
PENGOLAHAN CITRA Akuisisi dan Model Dasar Image 1 2 Apakah itu image / citra? Gambar atau foto atau data visual lainnya, umumnya dalam bentuk 2D atau 3D. Apakah itu digital image? Sebuah image yang berbentuk
Lebih terperinciBAB II LANDASAN TEORI. untuk melakukan pekerjaan antara lain, yaitu: terutama gambar logo dua dimensi.
BAB II LANDASAN TEORI 2.1 Pengertian Corel draw Corel draw adalah editor grafik vector yang dibuat oleh corel, Corel sendiri adalah sebuah perusahaan perangkat lunak yang bermarkas di Ottawa, Kanada. Versi
Lebih terperinciGrafika Komputer Pertemuan Ke-14. Pada materi ini akan dibahas tentang pencahayaan By: I Gusti Ngurah Suryantara, S.Kom., M.Kom
Pada materi ini akan dibahas tentang pencahayaan By: I Gusti Ngurah Suryantara, S.Kom., M.Kom BAB-13 PENCAHAYAAN 13.1. WARNA Warna sebenearnya merupakan persepsi kita terhadap pantulan cahaya dari benda-benda
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. TEMPAT DAN WAKTU Kegiatan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,
Lebih terperinciBAB II DASAR TEORI. Pengolahan Citra
BAB II DASAR TEORI II.1 Pengolahan Citra II.1.1 Citra Sebuah citra yang didefinisikan di dunia nyata dipetakan sebagai sebuah fungsi terhadap intensitas cahaya terhadap bidang dwimatra. Sebagai contoh
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 14 Pemrosesan Warna. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 14 Pemrosesan Warna Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 2014
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatu system perekaman data dapat bersifat optik berupa foto,
Lebih terperinciPengolahan Citra Berwarna
MK3383 Teknik Pengolahan Citra Pengolahan Citra Berwarna M. Zidny Naf an, M.Kom. Semester Genap 2015/2016 http://www.colormatters.com/color-and-vision/how-the-eye-sees-color Bagaimana Manusia Melihat Warna?
Lebih terperinciBAB II LANDASAN TEORI. Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam
BAB II LANDASAN TEORI 2.1 Teori Dasar Pengolahan Citra Citra merupakan suatu fungsi kontinyu dari intensitas cahaya dalam bidang dua dimensi, dengan (x,y) menyatakan koodinat citra dan nilai f pada koodinat
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciOne picture is worth more than ten thousand words
Budi Setiyono One picture is worth more than ten thousand words Citra Pengolahan Citra Pengenalan Pola Grafika Komputer Deskripsi/ Informasi Kecerdasan Buatan 14/03/2013 PERTEMUAN KE-1 3 Image Processing
Lebih terperinciStudi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik. Ibnu Alam
Studi dan Eksperimen terhadap Kombinasi Warna untuk Kriptografi Visual Warna Kromatik Abstrak Ibnu Alam 13506024 Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl.
Lebih terperinciACARA I SIMULASI PENGENALAN BEBERAPA UNSUR INTERPRETASI
ACARA I SIMULASI PENGENALAN BEBERAPA UNSUR INTERPRETASI Oleh: Nama Mahasiswa : Titin Lichwatin NIM : 140722601700 Mata Kuliah : Praktikum Penginderaan Jauh Dosen Pengampu : Alfi Nur Rusydi, S.Si., M.Sc
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciStudi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness
Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id
Lebih terperinciStandar Kompetensi : 1. Menggunakan peerangkat lunak pembuat grafik. Kompetensi Dasar
1 Standar Kompetensi : 1. Menggunakan peerangkat lunak pembuat grafik. Kompetensi Dasar : 1.1. Menggunakan menu ikon yang terdapat dalam perangkat lunak pembuat grafis Adobe Photoshop Indikator Pencapaian:
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciModel Citra (bag. I)
Model Citra (bag. I) Ade Sarah H., M. Kom Defenisi Citra Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek. Jenis dari citra ada 2, yaitu: 1. Citra analog (kontinu) : Dihasilkan
Lebih terperinciCitra Digital. Petrus Paryono Erick Kurniawan Esther Wibowo
Citra Digital Petrus Paryono Erick Kurniawan erick.kurniawan@gmail.com Esther Wibowo esther.visual@gmail.com Studi Tentang Pencitraan Raster dan Pixel Citra Digital tersusun dalam bentuk raster (grid atau
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciSelama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belum melakukan pemilahan mutu yang baik sehingga harga jual sangat
SEMINAR TUGAS AKHIR Dosen Pembimbing: Dr. Ir. Djoko Purwanto M.Eng Dr. Tri Arief Sardjono ST.MT Oleh: OKTAVIANO YUDHA N 2203.109.007 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciPengolahan Citra : Konsep Dasar
Pengolahan Citra Konsep Dasar Universitas Gunadarma 2006 Pengolahan Citra Konsep Dasar 1/14 Definisi dan Tujuan Pengolahan Citra Pengolahan Citra / Image Processing Proses memperbaiki kualitas citra agar
Lebih terperinciAplikasi Pengolahan Citra DETEKSI WARNA. Achmad Basuki PENS-ITS, 26 Des 2006
Aplikasi Pengolahan Citra DETEKSI WARNA PENS-ITS, 26 Des 2006 Materi Format Warna RGB r-gcolor Normalized RGB HSV YCrCb TSL Deteksi Warna Static Threshold Distance Threshold Dynamic Threshold Format Warna
Lebih terperinciDan kepintaran sang arsitek dalam mengkombinasikan antara satu warna dengan yang lain.
Pengertian warna Warna Adalah Sebuah sensasi yang dihasilkan ketika suatu energi cahaya mengenai suatu benda, dimana cahaya tersebut akan di refleksikan atau di transmisikan secara langsung oleh benda
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciSistem Visual Manusia
Sistem Visual Manusia Pembentukan Citra oleh Sensor Mata Intensitas cahaya ditangkap oleh diagram iris dan diteruskan ke bagian retina mata. Bayangan obyek pada retina mata dibentuk dengan mengikuti konsep
Lebih terperinciGEOGRAFI. Sesi PENGINDERAAN JAUH : 3 A. CITRA NONFOTO. a. Berdasarkan Spektrum Elektromagnetik
GEOGRAFI KELAS XII IPS - KURIKULUM GABUNGAN 10 Sesi NGAN PENGINDERAAN JAUH : 3 A. CITRA NONFOTO Citra nonfoto adalah gambaran yang dihasilkan oleh sensor nonfotografik atau sensor elektronik. Sensornya
Lebih terperinciRifqi Baihaqi. Abstrak. Pendahuluan. proses oleh otak. warna juga. yang. copyright
Mengenal Istilah Warna Rifqi Baihaqi rifqi..baihaqi@raharja.info Abstrak Dalam kehidupan sehari-hari kita dapat menemukan berbagai warna yang sangat beraneka ragam. Tetapi, tahukah anda bahwa warna itu
Lebih terperinciBAB 2 LANDASAN TEORI. Digital image processing adalah istilah untuk memproses gambar (picture) dua
BAB 2 LANDASAN TEORI 2. Definisi Pengolahan Citra Digital image processing adalah istilah untuk memproses gambar (picture) dua dimensi oleh komputer digital (Jain, 989, p). Segala proses yang digunakan
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada koordinat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Tutupan Lahan di Lapangan Berdasarkan hasil observasi lapangan yang telah dilakukan di Kabupaten Humbang Hasundutan, Kabupaten Tapanuli Utara, dan Kabupaten
Lebih terperinciBAB 2 FAKTOR MANUSIA - PENGELIHATAN - PENDENGARAN - SENTUHAN. Interaksi Manusia dan Komputer Faktor Manusia 8
BAB 2 FAKTOR MANUSIA - PENGELIHATAN - PENDENGARAN - SENTUHAN Interaksi Manusia dan Komputer Faktor Manusia 8 BAB 2 FAKTOR MANUSIA PENDAHULUAN Sistem komputer terdiri atas 3 aspek, yaitu perangkat keras
Lebih terperinciBAB V KESIMPULAN DAN SARAN
81 BAB V KESIMPULAN DAN SARAN A. Kesimpulan Manusia selalu berjuang untuk memeuhi kebutuhan hidupnya dengan terus menggali potensi sumber daya alam yang ada. Dengan memanfaatkan sumber daya alam serta
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciAPLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT
MAKALAH SEMINAR TUGAS AKHIR APLIKASI PENGHITUNG JUMLAH WAJAH DALAM SEBUAH CITRA DIGITAL BERDASARKAN SEGMENTASI WARNA KULIT Rizki Salma*, Achmad Hidayatno**, R. Rizal Isnanto** 1 Sistem deteksi wajah, termasuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Steganografi Kata steganografi berasal dari bahasa yunani yang terdiri dari steganos (tersembunyi) graphen (menulis), sehingga bisa diartikan sebagai tulisan yang tersembunyi.
Lebih terperinciBekerja dengan Warna
BAB 3 Bekerja dengan Warna Mode Warna (Color mode) adalah cara representatif warna pada Adobe Photoshop dan aplikasi grafis lainnya yang berdasarkan pada model warna. Sedangkan model warna yang ada saat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciGambar 11. Citra ALOS AVNIR-2 dengan Citra Komposit RGB 321
V. HASIL DAN PEMBAHASAN 5.1. Analisis Spektral Citra yang digunakan pada penelitian ini adalah Citra ALOS AVNIR-2 yang diakuisisi pada tanggal 30 Juni 2009 seperti yang tampak pada Gambar 11. Untuk dapat
Lebih terperinciMAKALAH Spektrofotometer
MAKALAH Spektrofotometer Nama Kelompok : Adhitiya Oprasena 201430100 Zulfikar Adli Manzila 201430100 Henky Gustian 201430100 Riyan Andre.P 201430100 Muhammad Khairul Huda 20143010029 Kelas : A Jurusan
Lebih terperinciImage Formation & Display
Image Formation & Display Disarikan oleh: Dinisfu Sya ban (0403100596) SEKOLAH TINGGI SANDI NEGARA BOGOR 2007 1 Pendahuluan Image adalah suatu uraian bagaimana suatu parameter yang bervariasi dari suatu
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperincipanjang atau bujur sangkar yang secara beraturan membentuk baris-baris dan
BAB II LANDASAN TEORI 2.1 Strimin Strimin adalah salah satu nama jenis kain yang digunakan sebagai media menggambar menggunakan benang sulam berwarna. Tekniknya adalah dengan memindahkan atau menggambar
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Digital Scoring System adalah sebuah Software scanner periksa nilai ujian dari lembar jawaban komputer (LJK) dengan teknologi computer graphic dan image recognition yang memberikan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA II.1. Steganografi Steganografi adalah mekanisme penanaman atau penyisipan pesan (m) kedalam sebuah cover objek (c) menggunakan kunci (k) untuk berbagi rahasia kepada orang lain,
Lebih terperinci