iv
UNIVERSITAS BINA NUSANTARA
Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007
PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA
Arief Budiman 0700711481
Muhammad Arya Chandra Birawa 0700687993
Abstrak
Tujuan penelitian ini adalah untuk melakukan studi mengenai penerapan logika samar dalam pemrosesan citra. Alasan dari penelitian ini adalah logika samar merupakan alat yang handal dalam mengatasi berbagai macam masalah yang sifatnya samar atau uncertain. Sedangkan tiap-tiap langkah dalam pemrosesan citra selalu terdapat uncertainty maka penelitian ini ingin menerapkan logika samar kedalam pemrosesan citra. Sedangkan metode penelitian yang digunakan adalah dengan menggunakan metode studi pustaka dan literatur, analisa terhadap pendekatan yang sudah ada dan menganalisa hasil yang didapat menggunakan logika samar dengan teknik konvensional. Algoritma logika samar yang digunakan adalah possibility distribution, intensification operator, histogram hyperbolization, rule based, locally adaptive, fast fuzzy edge detection, rule based edge detection. Hasil yang dicapai adalah pengetahuan mengenai keunggulan atau kekurangan pemrosesan citra menggunakan logika samar terhadap teknik-teknik konvensional. Simpulan dari penelitian ini adalah untuk image enhancement logika samar memiliki keunggulan dibanding teknik konvensional. Pada edge detection teknik dengan logika samar mampu menampilkan edge sebuah gambar lebih detil daripada teknik konvensional.
Kata Kunci
v PRAKATA
Pertama-tama, tim ingin menyampaikankan rasa syukur yang mendalam ke hadirat Tuhan Yang Maha Esa, karena berkat dan karunia-Nya tim dapat menyelesaikan tugas akhir ini dengan judul “PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA”.
Tim menyadari bahwa untuk menyelesaikan tugas akhir ini ada banyak kendala-kendala yang menghalang dan tak jarang membuat ti menjadi pesimis. Namun dibalik kendala-kendala tersebut terdapat orang-orang yang selalu mendukung dalam hal ilmu maupun motivasi tim untuk menyelesaikan tugas akhir ini.
Pihak-pihak terkait yang senantiasa membantu tim dalam menyelesaikan tugas akhir ini yang tim ingin menyampaikan ucapan terima kasih yang sebesar-besarnya adalah:
- Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya.
- Orang tua tiap-tiap penulis atas dukungan tanpa henti dari berbagai aspek. - Bapak Ir. Diaz D. Santika M.Sc atas bimbingan penuh kesabaran yang
senantiasa menjadi motivasi tim.
- Bpk Prof. Dr. Gerardus Polla, M.App.Sc., selaku Rektor Universitas Bina Nusantara.
- Bpk Ir. Sablin Yusuf, M.Sc, M.ComSc., selaku Dekan Fakultas Ilmu Komputer.
vi
- Universitas Bina Nusantara yang telah membangun jati diri tim untuk menjadi yang terdepan dan terbaik.
- Semua rekan-rekan tim yang secara langsung maupun tidak langsung membantu tim dalam merealisasikan tugas akhir ini.
Akhir kata tim menghaturkan permohonan maaf bagi segala pihak yang seyogyanya menemukan kelemahan dan atau kekurangan dalam tugas akhir ini. Semoga tugas akhir yang tim susun dapat menjadi bahan kajian untuk mengembangkan penelitian terkait lebih dalam. Terima kasih.
Jakarta, 20 Juni 2007
vii DAFTAR ISI
Halaman Judul Luar i
Halaman Judul Dalam ii
Halaman Persetujuan Softcover iii
Abstrak iv
Prakata v
Daftar Isi vii
Daftar Tabel xi
Daftar Gambar xii
Daftar Lampiran xiv
BAB I PENDAHULUAN
viii
2.2.5. Diagram Alir Fuzzy Set 23
2.3. Pemrosesan Citra (Image Processing) 27
2.3.1. Definisi Citra 28
2.3.4. Pendeteksi Tepi (Edge Detection) 33
2.3.5. Image Quality 34
2.3.5.1. Fast Fourier Transform (FFT) 34 2.3.5.2. Index Of Fuzziness 42
2.3.5.3. Mean Squared Error 43
2.3.5.4. Peak Signal-to-Noise Ratio 44
2.3.6. Image Enhancement 44
2.4. Fuzzy Image Processing 45
ix
3.1.1. Pendeteksi Tepi (Edge Detection) 47
3.1.2. Image Enhancement 50
3.2. Metode Fuzzy 52
3.2.1. Kenapa Fuzzy 54
3.2.2. Fuzzy Image Enhancement 55 3.2.2.1. Algoritma Possibilty Distibution 57 3.2.2.2. Contrast Improvement with Intensification Operator 59 3.2.2.3. Contrast Improvement with Fuzzy Histogram Hyperbolization60 3.2.2.4. Contrast Improvement Based on Fuzzy If-Then Rules 62 3.2.2.5. Locally Adaptive Contrast Improvement 65
3.2.3. Fuzzy Edge Detection 66
3.2.3.1. Fast Fuzzy Edge Detection 66 3.2.3.2. Rule Based Edge Detection 67
3.3. Rancangan Layar 69
3.3.1. Rancangan Layar Menu Utama 69 3.3.2. Rancangan Layar Menu Edge Detection 70 3.3.3. Rancangan Layar Menu Image Enhancement 71 3.3.4. Rancangan Layar Menu Image Comparison 73
BAB IV PENGUJIAN DAN EVALUASI
4.1. Pengujian 76
4.1.1. Pengukuran kualitas gambar 77
4.1.2. Image Enhancement 78
x
4.1.4. Mixed Process 87
4.2. Evaluasi 92
4.2.1. Image Enhancement 92
4.2.2. Edge Detection 95
4.2.3. Mixed Process 96
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan 99
5.2. Saran 100
DAFTAR PUSTAKA 101
xi
DAFTAR TABEL
Tabel 4.1 Pengujian image enhancement menggunakan gambar sederhana. 79 Tabel 4.2 Pengujian image enhancement menggunakan gambar kompleks. 82 Tabel 4.3 Pengujian edge detection. 85 Tabel 4.4 Pengujian edge detection dengan teknik konvensional setelah 87 dilakukan image enhancement menggunakan teknik konvensional.
Tabel 4.5 Pengujian edge detection dengan logika samar setelah dilakukan 90 image enhancement menggunakan logika samar.
Tabel 4.6 Hasil pengukuran dari gambar-gambar pada table 4.1. 92 Tabel 4.7 Hasil pengukuran gambar-gambar pada table 4.2. 93 Tabel 4.8 Hasil pengukuran tabel 4.3 95 Tabel 4.9 Hasil pengukuran tabel 4.4 setelah dilakukan histogram equalization 96 Tabel 4.10 Hasil pengukuran tabel 4.4 setelah dilakukan adaptive histogram 96 equalization.
xii
DAFTAR GAMBAR
Gambar 2.1. Representation of "dark gray-levels" with a crisp and a fuzzy set 16 Gambar 2.2. Grafik Fungsi keanggotaan Linear 17 Gambar 2.3 Grafik fungsi keanggotaan S 18 Gambar 2.4 Grafik fungsi keanggotaan PI 19 Gambar 2.5 Grafik fungsi keanggotaan segitiga 20 Gambar 2.6 Grafik fungsi keanggotaan trapesium 21 Gambar 2.7 Grafik fungsi keanggotaan kecepatan 23 Gambar 2.8 Diagram alir proses pengaturan himpunan fuzzy 27 Gambar 2.9 Perbedaan letak titik origin pada kordinat grafik dan pada citra 28 (a) koordinat pada grafik matematika (b) koordinat pada citra
Gambar 2.10 Standard deviasi 32
Gambar 2.11 Bentuk Gelombang Sinusoidal 35 Gambar 2.12 Pulsa dalam domain frekuensi 35 Gambar 2.13 Kondisi sinyal untuk waktu T tertentu 36 Gambar 2.14 Fungsi sinyal x(t)w(t) 37 Gambar 2.15 Frekuensi fungsi window 37 Gambar 2.16 Frekuensi dari gelombang sinyal yang terbatas 38
Gambar 2.17 Fungsi Pulsa c(t) 38
xiii
Gambar 2.22 Linear and quadratic index of fuzziness 43 Gambar 2.23 The general structure of fuzzy image processing 45
Gambar 3.1 Citra asli 47
Gambar 3.2 Edge detection menggunakan metode Sobel 48 Gambar 3.3 Edge detection menggunakan metode Prewitt 48 Gambar 3.4 Edge detection menggunakan metode Zero Crossing 49 Gambar 3.5 Edge detection menggunakan metode Canny 49 Gambar 3.6 Steps of fuzzy image processing 52 Gambar 3.7 U n c e r t a i n t y / I m p e r f e c t k n o w l e d g e i n i m a g e p r o c e s s i n 55 Gambar 3.8 Fungsi Possibilty distribution untuk menghitung nilai keanggotaan 57
Gambar 3.9 Fungsi keanggotaan 62
Gambar 3.10 Fungsi keanggotaan dari set fuzzy pada input(a) dan output(b) 68 Gambar 3.11 Rancangan layar menu utama 70 Gambar 3.12 Rancangan layar menu edge detection 71 Gambar 3.13 Rancangan layar menu image enhancement 72 Gambar 3.14 Rancangan layar menu image comparison 75
xiv
DAFTAR LAMPIRAN
1. Listing Program L1
2. Gambar-gambar L39
a. Bab 2 L39
b. Bab 3 L48
c. Bab 4 L53
