BAB 1 PENDAHULUAN. seperti suhu udara, keindahan, kecantikan adalah hal-hal yang samar, yang

dokumen-dokumen yang mirip
BAB 4 PENGUJIAN DAN EVALUASI. teknik pemrosesan citra dengan menggunakan logika samar dan dengan teknikteknik

BAB 3 PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA. Dalam dunia pemetaan untuk skala yang besar, teknik penginderaan jarak jauh

PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENINGKATAN KUALITAS CITRA DENGAN METODE FUZZY POSSIBILITY DISTRIBUTION

Gambar 1.1 Tahapan Penelitian

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital

BAB I PERSYARATAN PRODUK

BAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a

BAB I PENDAHULUAN Latar Belakang

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2007/2008

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

GLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness

BAB 3 IMPLEMENTASI SISTEM

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Operasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan

PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner

Implementasi Edge Detection Pada Citra Grayscale dengan Metode Operator Prewitt dan Operator Sobel

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB II LANDASAN TEORI

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MATHunesa (Volume 3: No 2) 2014

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 3 ANALISA DAN PERANCANGAN

1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan

BAB II TEORI PENUNJANG

(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :

1. BAB I PENDAHULUAN Latar Belakang

Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer

BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

BAB III ANALISIS DAN PERANCANGAN

BAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

BAB III METODE PENELITIAN

BAB I PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan Penelitian

BAB II LANDASAN TEORI

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.

Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial

BAB I PENDAHULUAN. menganalisis citra menggunakan bantuan komputer yang bertujuan untuk

BAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi

BAB II LANDASAN TEORI

Implementasi VB 6.0 pada Face Detection Berbasis Image Processing untuk Sistem Identifikasi

Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt

BAB I PENDAHULUAN. Citra digital adalah gambaran dari suatu objek yang bersifat analog berupa

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II: TINJAUAN PUSTAKA

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. semakin berkembang. Semakin banyak penemuan-penemuan baru dan juga

PERTEMUAN - 5 PENGOLAHAN CITRA

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

PENDETEKSIAN TEPI CITRA DIGITAL DENGAN LOGIKA FUZZY

BAB 2 LANDASAN TEORI

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

SATUAN ACARA PERKULIAHAN ( SAP )

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection

BAB I PENDAHULUAN 1. Latar Belakang

DETEKSI TEPI MENGGUNAKAN OPERATOR ISOTROPIK DENGAN PENGOLAHAN AWAL MENGGUNAKAN PENGATURAN INTENSITAS

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Segmentasi ABDUL AZIS, M.KOM

Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)

Pendekatan Statistik Pada Domain Spasial dan Frekuensi untuk Mengetahui Tampilan Citra Yustina Retno Wahyu Utami 1)

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA ABDUL AZIS, M.KOM

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI...

BAB 4 IMPLEMENTASI DAN PENGUJIAN. perangkat lunak yang sama untuk semua pengujian. analisa citra bioinformatika ini dalah sebagai berikut:

BAB III ANALISIS DAN PERANCANGAN

BAB III METODE PENELITIAN

BAB I PENDAHULUAN 1.1 Latar Belakang .

Penentuan Stadium Kanker Payudara dengan Metode Canny dan Global Feature Diameter

MENGANALISA PERBANDINGAN DETEKSI TEPI ANTARA METODE SOBEL DAN METODE ROBET

Penerapan Logika Fuzzy pada Sistem Deteksi Tepi Aplikasi Computer Assistant Diagnosis Kanker Payudara

BAB 3 ANALISIS DAN PERANCANGAN

BAB 2 LANDASAN TEORI. citra, piksel, convolution, dan Software Development Life Cycle.

BAB 3 PERANCANGAN SISTEM. mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan oleh

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

Batra Yudha Pratama

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

TEKNIK PENGOLAHAN CITRA. Kuliah 4 Neighborhood Processing. Indah Susilawati, S.T., M.Eng.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

Pengaturan Air Cooler untuk Ruangan menggunakan Logika Fuzzy

BAB 2 LANDASAN TEORI

PENGOLAHAN CITRA DIGITAL

APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT

MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA

APLIKASI TRANSFORMASI WATERSHED UNTUK SEGMENTASI CITRA DENGAN SPATIAL FILTER SEBAGAI PEMROSES AWAL

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )

BAB I PENDAHULUAN I.1

Review Paper. Image segmentation by histogram thresholding using hierarchical cluster analysis

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK

Transkripsi:

BAB 1 PENDAHULUAN 1.1 Latar Belakang Kehidupan manusia dipengaruhi oleh hal-hal yang samar atau tidak pasti. Faktorfaktor seperti suhu udara, keindahan, kecantikan adalah hal-hal yang samar, yang tidak ada nilai pastinya. Kita tidak dapat menentukan bahwa suatu obyek panas atau dingin, cantik atau tidak cantik karena pernyataan-pernyataan tersebut sangat bersifat relatif. Demikian juga untuk mengatakan warna abu-abu yang merupakan campuran antara hitam dengan putih. Kemajuan teknologi telah memperkenalkan kepada kita mengenai logika samar atau logika fuzzy. Logika ini memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1. Penelitian ini merupakan penelitian secara comparative mengenai penerapan logika samar dalam pemrosesan citra. Pemrosesan citra dengan logika samar atau fuzzy image processing (FIP) bukanlah suatu teori yang unik. FIP adalah kumpulan dari pendekatan-pendekatan logika samar yang berbeda-beda untuk memproses citra. Menurut Tizhoosh FIP adalah kumpulan dari semua pendekatan yang memahami, merepresentasikan dan memproses citra, bagian-bagian dan fitur-fiturnya sebagai fuzzy set. Representasi dan proses bergantung pada teknik logika samar yang dipilih dan masalah yang harus diselesaikan. FIP memiliki tiga langkah utama: fuzzifikasi citra, modifikasi nilai keanggotaan, dan jika diperlukan defuzzifikasi citra. Langkah fuzzifikasi dan defuzzifikasi dilakukan karena kita tidak memiliki hardware yang bersifat samar. Maka proses coding (fuzzifikasi) dan decoding (defuzzifikasi) 1

2 tersebut diperlukan supaya dimungkinkan untuk memproses citra dengan logika samar. Sedangkan kekuatan utama dari FIP adalah langkah tengahnya atau modifikasi nilai keanggotaan. Jadi prosesnya adalah setelah dilakukan fuzzifikasi terhadap citra teknik fuzzy yang sesuai akan memodifikasi nilai keanggotaan. Teknik yang digunakan dalam memodifikasi nilai keanggotaan tersebut dapat berupa possibility distribution, intensification operator, histogram hyperbolization, rule based approach, locally adaptive. Alasan mengapa logika samar digunakan dalam pemrosesan citra adalah : 1. Logika samar adalah alat yang kuat untuk merepresentasi dan memproses pengetahuan. 2. Logika samar dapat menangani situasi yang ambigu dan tidak jelas secara efisien. Masalah-masalah dalam pemrosesan citra sering muncul karena ketidakpastian data, tugas atau hasil. Ketidakpastian tersebut adalah grayness ambiguity, geometrical fuzziness, yang pada dasarnya masalah-masalah yang bersifat samar. Apakah pixel harus lebih gelap atau lebih terang dari seharusnya, dimanakah batasan antara dua bagian citra, pertanyaan-pertanyaan seperti ini adalah contoh situasi dimana pendekatan dengan menggunakan logika samar lebih cocok digunakan untuk mengatasinya. Pemrosesan citra yang akan kami bahas dalam penelitian ini adalah image enhancement dan edge detection. Image enhancement adalah peningkatan kualitas citra dengan meningkatkan contrast atau perbedaan antara pixel gelap dengan terang.

3 Edge detection merupakan proses mendeteksi keberadaan tepi dan membuatnya tampak lebih jelas dalam gambar. 1.2 Ruang Lingkup Batasan-batasan pada penelitian kami adalah sebagai berikut: - Menggunakan algoritma possibility distribution, intensification operator, histogram hyperbolization, rule based dan locally adaptive 4x4, 8x8, 16x16 untuk image enhancement menggunakan logika samar. - Untuk pengujian menggunakan intensification operator, histogram hyperbolization nilai Fe pada intensification operator dan modifier Beta pada histogram hyperbolization diset default yang bernilai 2. - Menggunakan histogram equalization dan adaptive histogram equalization sebagai pembanding dari teknik konvensional. - Untuk edge detection digunakan fast fuzzy edge detection dan rule based edge detection. - Sedangkan teknik konvensional menggunakan edge detection sobel, prewitt, canny dan zero crossing. - Citra yang akan diuji berukuran 256x256 warna graylevel 256 dan formatnya dalam bentuk.bmp. - Pengukuran kualitas citra menggunakan MSE(Mean Squared Error), PSNR(Peak Signal to Noise Ratio), lama waktu pemrosesan, dan FFT(Fast Fourier Transform) dan Index of Fuzziness.

4 - Tahapan-tahapan pemrosesan citra yang diuji adalah image enhancement dan edge detection kemudian gabungan dari image enhancement dengan edge detection. 1.3 Tujuan dan Manfaat Tujuan yang dicapai dalam membuat perangkat lunak ini adalah sebagai berikut: - Melakukan studi mengenai penerapkan logika samar dalam pemrosesan citra. - Mengukur kualitas gambar hasil pemrosesan yang menggunakan logika samar dibandingkan dengan cara konvensional. Sedangkan manfaat-manfaat yang dapat diperoleh adalah sebagai berikut: - Mengetahui keuntungan dan kerugian menggunakan logika samar daripada caracara konvensional. - Dapat digunakan sebagai dasar penelitian lebih lanjut mengenai penerapan logika samar khususnya dalam pemrosesan citra. 1.4 Metodologi Metodologi yang kami gunakan dalam penelitian ini adalah: - Studi literatur dan studi kepustakaan. - Menganalisa pendekata-pendekatan yang sudah ada (konvensional), - Menganalisa citra yang dihasilkan dengan menggunakan logika samar dan cara konvensional.

5 1.5 Sistimatika Penulisan Sistimatika penulisan sebagai berikut: - BAB I Pendahuluan BAB Pendahuluan merupakan bagian yang berisi tentang Latar Belakang Permasalahan, Ruang Lingkup Permasalahan, Tujuan dan Manfaat Perangkat Lunak, Metodologi yang digunakan, dan Sistimatika Penulisan. - BAB II Landasan Teori BAB Landasan Teori merupakan bagian yang menjelaskan tentang teori-teori dasar yang akan dipakai untuk menerapkan logika samar dalam pemrosesan citra. - BAB III Penerapan Logika Samar Dalam Pemrosesan Citra BAB Implementasi Algoritma Sistem dan Simulasi menjelaskan atas penerapan algoritma-algoritma logika samar yang digunakan dalam menciptakan prototype software dan melakukan simulasi atas perangkat lunak tersebut. - BAB IV Pengujian Dan Evaluasi BAB Pengujian dan Evaluasi merupakan BAB yang melakukan pengujian terhadap citra dan membandingkan hasil antara teknik yang menggunakan logika samar dengan teknik konvensional.

6 - BAB V Kesimpulan dan Saran BAB Kesimpulan dan Saran merupakan bagian yang meliputi Kesimpulan dari penelitian ini dan Saran yang kami sampaikan untuk penelitian lebih lanjut mengenai penerapan logika samar dalam pemrosesan citra.