CBR PCD Miftahul Janna Tunnisa Lubis 4193550030 PSIK A 19

CRITICAL BOOK REVIEW PENGOLAHAN CITRA DIGITAL

DISUSUN OLEH :

Miftahul Janna Tunnisa Lubis 4193550030

Kelas :

Ilmu Komputer A 2019 DOSEN PENGAMPU Dr. Hermawan Syahputra, M. Si

FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI MEDAN

2022

KATA PENGANTAR

Puji dan Syukur Penulis panjatkan ke Hadirat Tuhan Yang Maha Kuasa, karena berkat rahmat dan karunia-Nya penulis dapat menyelesaikan laporan ini. Adapun judul laporan ini tentang “CRITICAL BOOK REPORT”,. penulis menyadari, bahwa laporan ini masih jauh dari kesempurnaan ,baik dari segi isi maupun penyusunannya. Oleh karena itu, kritik dan saran sangat diharapkan untuk penyempurnaan laporan ini ke jenjang yang lebih baik dan sempurna pada tugas tugas laporan berikutnya. Akhir kata, Saya mengucapkan terimakasih dan semoga bermanfaat.

Medan, 18 September 2022

Penulis

DAFTAR ISI

KATA PENGANTAR ...

DAFTAR ISI...

BAB I PENDAHULUAN...

A. Latar Belakang...

B. Rumusan Masalah...

C. Tujuan...

D. Identitas Buku Yang di Riview...

BAB II RINGKASAN ISI BUKU...

A. Ringkasan Buku Utama...

B. Ringkasan Buku Pembanding...

BAB III PEMBAHASAN...

A. Kelebihan Kedua Buku...

B. Kekurangan Kedua Buku...

BAB IV PENUTUP...

A. Kesimpulan ...

B. Saran...

DAFTAR PUSTAKA...

BAB I PENDAHULUAN A. Latar Belakang

Dalam Critical Book Review ini kami di tuntut untuk mengkritis sebuah buku, dan meringkas menjadi satu kesatuan yang utuh sehingga dapat di pahami oleh mahasiswa yang melakukan crtical book review ini, termasuk di dalamnya mengerti akan kelemahan dan keunggulan kedua buku yang di kritisi. Dalam hal ini kami mengkritik beberapa buku.

Adapun dalam penuntasan tugas Critical Book Review ini kami di tuntut dalam meringkas,menganalisa dan membandingkan serta memberikan kritik berupa kelebihan dan kelemahan pada suatu buku berdasarkan fakta yang ada dalam buku tersebut, sehingga dengan begitu membuat kami senantiasa berfikirlogis dan kritis serta tanggap terhadap halhal baru yang terdapat pada keduan buku tersebut. Penugasan critical book review ini juga merupakan pembiasaan agar kami terampil dalam menciptakan ide-ide kreatif dan berpikir secara analitis sehingga pada pembuatan tugas-tugas yang sama kami pun menjadi terbiasa serta semakin mahir dalam penyempurnaan tugas tersebut. Pembuatan tugas crital book review ini juga melatih, menambah, serta menguatkan betapa pentingnya mengkritikalisasi suatu buku berdasarkan data yang faktual sehingga dengan begitu terciptalah mahasiswa yang berkarakter logis serta analis sehingga dengan bertambahnya era yang semakin maju yang seperti kita tahu sekarang dizaman MEA(Masyarakat Ekonomi Asean) di tuntut menciptakan masyarakat yang berpikir maju yang diharapkan kepada generasi baru ini.

B. Rumusan Masalah

1. Menjelaskan ringkasan buku utama dan buku pembanding

2. Menjelaskan kelebihan dan kekuranga di kedua buku yang akan dikeritik C. Tujuan

Adapun tujuan penyusunan Critical Book Review Pengolahan Citra Digital adalah sebagai berikut:

1. Menambah wawasan serta ilmu pengetahuan

2. Meningkatkan kemampuan mahasiswa dalam meriview sebuah buku

3. Menguatkan daya pemahaman dan pemikiran mahasiswa untuk rajin membaca buku

D. Identitas Buku Yang di Riview Buku Utama

1. Judul : Pengantar Pengolahan Citra

2. Penulis : Aniali Murni Arymurthy Dan Suryana Setiawan 3. Penerbit : PT Elex Media Komputondo

4. Tahun Terbit I : 1992

5. ISBN : 979-537-090-1

6. Halaman : 171

Buku Pembanding

1. Judul : Buku Ajar Pengolahan Citra

2. Penulis : Nana Ramadijanti, S.Kom.,M.Kom., Drs. Achmad basuki, M.Kom.,Ph.D.,Fadilah Fahrul H., S.ST.

3. Penerbit : PENS

4. Tahun Terbit : 2014

5. ISBN : -

6. Halaman : 176

BAB II

RINGKASAN ISI BUKU A. Ringkasan Buku Utama

APLIKASI PENGOLAHAN CITRA a. Aplikasi Pengindraan Jauh

Penginderaan jauh merupakan suatu sistem yang digunakan untuk merekam data menganai permukaan bumi berdasarkan pengukuran yang dilakukan dari jarak jauh, dalam hal ini menggunakan pesawat terbang atau pun sistem satelit; dengan tujuan agar dapat merekam data daerah bumi yang cukup luas untuk kepentingan survai maaupun pemantun sumber daya alam.

Komponen-komponen sistem pengindraan jauh dapat digambarkan sebagai berikut :

1. Sumber radiaso; dalam hal ini adalah sinar matahari, karea menggunakan sinar matahari, maka perekaman data hanya dapat dilakukan pada pagi hari sampe sore hari.

2. Sensor dapat bersifat optic,analog,atau spektrak.

3. Jalur transmisi dalam sistem ini dilakukan melalui atmosfir 4. Sasaran dalam hal ini adalah suatu daerah pada permukaan bumi.

Hasil rekaman data permukaan bumi yang di perleh dari sistem satelit berupa empat buah foto daerah bumi untuk masing-masing kanal spectral yang digunakan untuk intrepretasi secara visual, selian itu juga data digital keempat citra tersebut dalam pita magnetic yang dapat diprosesdengan computer. Tahap proses pengolahan digital yang kemudian dilakukan secara garis besar adalah sebagai berikut :

1. Koreksi geometris. Akibat gerak sapuan penjajahan dari satelit, gerak putaran bumi, dan bentuk permukaan bumi yang bulat, maka data yang direkam mengalami distorsi geometris sehingga harus dikoreksi.

2. Peningkatan mutu citra, pada aplikasi penginderaan jauh peningkatan mutu citra sering dilakukan dengan cara filtering, baik menggunakan filter frekuensi rendah maupu filter frekuensi tinggi. Misalnya garis-garis batas antara daerah permukaan bumi yang bersifat air dengan daerah permukaan bumi yang bersifat daratan.

3. Reduksi data keempat buah citra hasil rekaman sistem penginderaan jauh dengan satelit mengandung informasi yang banyak keserupaannya antara satu dengan yang lainnya.

4. Klasifikasi dan segmentasi citra. Proses yang biasanya diperlukan untuk mendapatkan hasil akhir analisis citra satelit adalah pembuatan peta tematik. Dimana diperoleh peta suatu daerah bumi yang menunjukan klasifikasi atau kategori objek yang dikaitkan dengan lokasinya pada permukan bumi.

5. Kombinasi peta. Untuk kepentingan pembuatan rencana pengaturan dan pemantauan sumber-sumber daya alam biasanya diperlukan informasi gabungan beberapa peta tematik; misalnya pencarian suatu daerah transmigrasi.

b. Aplikasi Biomedis

Bidang kedokteran pertama kali berhasil membuat gambar bagian dari tubuh manusia dengan perekaman melalui sinar ultraviolet. Pengolahan citra biomedis secara digital mengalami titik awal berkembangnya setelah Land, Zworykin, dan Hatkr pada tahun 1940-1950 berhasil menggunakan electronic color translating microscope untuk memperagakan citra ultraviolet.

Letak perbedaan utama antara model sistem penginderaan jauh pada umumnya dengan model sistem peralatan biomedis adalah pada jenis sumber radiasinya,peralatan biomedis seperti mikroskop dengan computer atau pun peralatan lain yang menghasikan gambar sinar –X.

Pengolahan citra biomedis dapat digolongkan menjadi 3 macam proses, yaitu (i) proses analisis seperti pada penelitian sel-sel otot (ii) proses pengenalan seperti pada penelitian ekstraksi sel-sel darah (iii) sekedar bentuk peragaan pada monitor televise seperti pada proses klasifikasi kromosom.untuk tujuan tersebut di atas jenis pengolahan citra yang sering dibutuhkan pada aplikasi adalh;

1. Proses Pra Pengolahan sering disebut pula sebagai proses pengolahan tingkat rendah.

2. Klasifikasi dan segmentasi citra adalah analisa citra dalam bentuk deteksi atau identifikasi citra ke beberapa objek dan proses pembandingan antara ciri objek yang diamati dengan pengetahuan ciri objek yang sudah diketahui.

Berikut adalah contoh pengolahan citra yang dibutuhkan dalam proses penentuan jenis penyakitan paru berdasarkan citra sinar-X paru penderita. Tahapan proses yang dilakukan terhadap; (i)konversi foto sinae-X paru menjadi citra digital; (ii) proses pra pengolahan ; dan (iii) proses identifikasi penyakit.

c. Aplikasi Robotik Dan Industri

Pengolahan citra pada aplikasi di bidang robotic banyak menggunakan proses pengenalan objek. Sebagai contoh, misalnya dalam penyusunan program sebuah robot yang direncanakan untuk dapat berjalan melalui jalur tertentu dan dapat diakhiri objek-objek dengan bentuk tertentu.

Contoh aplikasi di bidang industry adalah proses pemeriksaan kualitas suatu produk industry. Misalnya pemeriksaan wiring yang putus pada rangkaian elektronik, atau penempatan dari suatu komponen elektronik yang tidak tepat.

d. Aplikasi Arsip Citra Dan Dokumen

Aplikasi ini dihadapkan pada masalah- masalah seperti penyuntingan dokumen, pengaturan tata letak dokumen yang tidak hanya terdiri dari teks tetapi juga gambar, serta pengiriman dan penyimpanan dokumen termasuk gambar-gambar yang digunakan.

Pada masalah penyuntingan dokumen bila harus dilakukan pengetikan kembali dokumen aslinya, maka proses tersebut akan memakan waktu yang cukup lama. Seharusnya proses tersebut dapat dilakukan dengan merekam dokumen aslinya menjadi citra digital, kemudian menerjemahkan setiap baris dokumen menjadi sederetan karakter yang membentuk kalimat.

Dari empat buah contoh aplikasi pengolahan citra digital di atas dapat dilihat hanya adanya keserupaan proses pengolahan citra yang dibutuhkan :

1. Peningkatan mutu citra

2. Deteksi sisi 3. Registrasi citra 4. Pemadatan data citra

5. Pengelompokan pola dan analisis data 6. Klasifikasi dan segmentasi citra

Proses setiap citra dapat dilakukan per kelompok piksel maupun per piksel. Dengan demikian, jenis operasi terhadap citra yang dilakukan enam kategori proses pengolahan citra tersebut di atas dapat di bedakan menjadi :

1. Proses per piksel untuk satu citra. Dalam hal ini, manipulasi data dilakukan terhadap setiap piksel dari satu citra, sebagai contoh : proses peningkatan kontras pada suatu citra.

2. Proses per piksel untuk dua citra. Pada kategori ini, manipulasi data dilaukan terhadap setiap pasangan atau kombinasi piksel dari dua citra.

3. Proses per kelompok piksel untuk satu citra.Di sini manipulasi data dilakukan dengan melakukan proses penggabungan setiap piksel dengan piksel-piksel tetangganya menurut perumusan tertentu.

4. Proses persatu citra. Orientasi manipulasi data di sini adalah perbingkai atau persatu citra, sebagai contoh misalnya proses rotasi pada koreksi geometris suatu citra.

B. Ringkasan Buku kedua

APLIKASI PENGOLAHAN CITRA a. Pengenalan Kematangan Buah Tomat

Sistem mengenali kematangan buah tomat ini menggunakan beberapa data referensi sesuai warnanya. Dari data referensi ini kemudian diambil fitur warnanya, untuk kemudian menjadi fitur referensi yang dimasukkan ke dalam database. Berikutnya ketika ada gambar buah tomat, diambil fiturnya lalu dibandingkan dengan fitur referensi untuk dicari kemiripannya. Berdasarkan kemiripan inilah, bisa ditentukan buah tomat tersebut matang, setengah matang atau mentah.

1. Data referensi

Data referensi yang digunakan adalah 8 gambar untuk masing-masing kematangan buah tomat; 8 gambar untuk buah tomat mentah (hijau), 8 gambar untuk buah tomat setengah matang/campur (jingga) dan 8 gambar untuk buah tomat matang (merah). Data referensi tersebut bisa diambil seperti gambar 9.1, 9.2 dan 9.3 berikut ini.

Gambar 9.1. Data gambar referensi untuk buah tomat mentah (hijau)

Gambar 9.2. Data gambar referensi untuk buah tomat setengah matang/campur (jingga)

Gambar 9.3. Data gambar referensi untuk buah tomat matang (merah) 2. Blok Diagram Sistem

Blok diagram sistem pengenalan kematangan buah tomat adalah seperti terlihat pada gambar 9.4 berikut.

Gambar 9.4. Blok diagram sistem pengenalan kematangan buah tomat

Data training adalah data referensi, yang terdiri dari 24 gambar dengan tiga kategori kematangan.

Data tes adalah data yag diambil dengan lingkungan yang sama, bukan dari 24 gambar yang menjadi data referensi. Untuk data test ini, disediakan 24 gambar seperti gambar 9.5 berikut ini.

Hasil pengenalan dari aplikasi pengenalan kematangan buah tomat adalah pemilihan kematangan buah tomat berdasarkan warna yaitu :

 Mentah (Hijau)

 Campur (Jingga)

 Matang (Merah) 3. Eksraksi Fitur

Di dalam blok diagram dituliskan bahwa fitur yang digunakan adalah Hue Index Histogram. Untuk mendapatkan Hue Index Histogram, maka langkah-langkah yang digunakan adalah seperti gambar 9.6 berikut.

Gambar 9.6. Proses mendapatkan histogram dari hue-index 9.1.4. Hasil Percobaan

Percobaan dilakukan dengan menguji semua data test, dan menampilkan hasilnya sesuai dengan gambarnya.

Dari hasil percobaan di atas, terlihat hasil pengenalannya sangat bagus. Aplikasi bisa mengenali kematangan semua buah yang masuk. Hasil ini bisa menjadi bagus, karena dalam aplikasi ini menggunakan fitur yang terpisah antara fitur umum dan fitur khusus. Pada beberapa hasil yang lain, bisa terjadi aplikasi ini mengalami kesalahan dalam mengenali kematangan buah seperti terlihat pada gambar 9.11 berikut. Kesalahan pengenalan sering terjadi pada warna campur. Kesalahan tersebut bisa disebabkan karena jumlah data yang digunakan sebagai data training tidak mencukupi atau jumlah data vektor yang kurang (dalam percobaan ini menggunakan jumlah data vektor 30 warna). Hasil ini bisa diperbaiki dengan menambah data training.

b. Pengenalan Bunga Indonesia

Pada aplikasi ini terdapat dua cara identifikasi objek bunga, yaitu dengan cara menginputkan teks (nama bunga) yang akan dicari dan hasilnya berupa tampilan gambar dari objek (bunga) beserta informasi pendukung, serta dengan cara menginputkan gambar objek baik melalui kamera maupun file gambar yang sudah ada dan hasilnya berupa nama bunga tersebut beserta informasi lain mengenai bunga tersebut. Informasi dari bunga meliputi nama latin, nama lokal, deskripsi, penyebaran dan ekologi bunga tersebut. Selain itu, aplikasi ini juga memberikan daftar data flora yang dapat dibaca oleh pengguna.

1. HSV (Hue Saturation, Value) Color Space

HSV merupakan model warna yang terdiri dari tiga komponen. Yang pertama adalah Hue, yang merepresentasikan warna sesungguhnya dari masing-masing piksel dan mempunyai nilai 0 sampai 2π. Komponen kedua adalah Saturation yang menyatakan tingkat kemurnian suatu warna, yaitu mengindikasikan seberapa banyak warna putih diberikan pada warna. Nilai Saturation berkisar antara 0 sampai 1. Kemudian komponen ketiga adalah Value atau juga disebut Intensity merupakan atribut yang menyatakan banyaknya cahaya. Dengan nilai Intensity yang rendah, meskipun dengan nilai Saturation yang tinggi, warna akan medekati nilai abu-abu.

Saturation memberikan nilai kemurnian warna tetapi mata manusia kurang sensitif dengan variasinya jika dibandingkan dengan variasi pada Hue dan Intensity. Untuk mendapatkan model warna HSV perlu dilakukan konversi dari model warna RGB karena gambar inputan dari layar perangkat keras atau kamera memiliki default model warna RGB. Gambar 9.18 adalah ilustrasi model warna HSV.

2. CCD (Centroid Contour Distance)

Centroid-Contour Distance (CCD) merupakan suatu metode yang digunakan untuk melakukan ekstraksi fitur bentuk dari suatu gambar. Metode ini dapat merepresentasikan ciri bentuk secara umum dari suatu gambar. Satu kelemahan dari metode ini adalah CCD tidak dapat mengatasi perubahan rotasi. Metode ini menghitung jarak R dari centroid suatu bentuk dengan batasan tepinya sesuai dengan kelipatan dari sudut α. Pada Gambar 9.19, jarak R adalah jarak antara titik C (centroid) dengan titik P (bagian tepi objek) dan sudut α adalah sudut yang dibentuk antara 2 garis R yang berdekatan dan memiliki kelipatan yang sama untuk setiap sudut yang dibentuk. Sebagai contoh bila nilai kelipatan α misalkan 10º, m

3. Sobel Edge Detection

Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek gambar. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangga. Tujuannya untuk menandai bagian yang menjadi detail citra, memperbaiki detail dari citra yang kabur yang terjadi karena error atau adanya efek dari proses akuisisi citra dan bagaimana mendapatkan garis-garis tepi suatu obyek gambar.

4. Pengumpulan Data

Aplikasi identifikasi bunga ini memerlukan data-data pendukung sebelum dilakukan perancangan sistem. Data-data tersebut mencakup gambar-gambar bunga Indonesia dan informasi yang meliputi nama lokal bunga, nama latin bunga, deskripsi umum bunga, persebaran bunga, dan ekologi bunga tersebut. Data gambar bunga didapat dari situs ensiklopedia Wikipedia, buku ensiklopedia flora khas Indonesia dan sumber-sumber lain dari internet. Bunga–bunga dapat dikategorikan berdasarkan tempat persebarannya atau tempat

dimana bunga tersebut banyak dijumpai di Indonesia. Contoh data gambar bunga terlihat pada tabel 9.1. Tabel 9.1 menunjukkan 10 contah gambar bunga, tetapi data sebenarnya adalah 43 jenis bunga yang bisa dimanfaatkan.

5. Blok Diagram

Diagram alir dari aplikasi identifikasi bunga adalah seperti terlihat pada gambar 9.20 berikut. Diagram alir di atas menjelaskan alur proses penggunaan aplikasi dari awal hingga akhir.

 User memasukkan gambar bunga yang akan dicari informasinya.

 User melakukan crop pada gambar bila diperlukan.

 Sistem aplikasi melakukan ekstraksi fitur-fitur gambar yang dimasukkan oleh user.

a. Sistem aplikasi menghitung jarak fitur gambar masukan dengan Euclidian Distance terhadap tiap fitur bentuk gambar yang ada dalam database.

b. Untuk gambar yang memiliki jarak terkecil di peringkat 1 sampai n akan dihitung jarak fitur warna terhadap gambar input dan dihitung .

c. Bunga yang memiliki nilai entropi terbesar dan kurang dari treshold yang ditentukan merupakan output hasil pencarian.

d. Jika bunga dengan entropi terbesar namun melebihi treshold yang ditentukan, maka pencarian dinyatakan tidak menemukan hasil atau bunga yang dicari tidak termasuk flora Indonesia.

6. Ekstraksi Fitur

Langkah pertama adalah deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek gambar. Suatu titik (x,y) dikatakan sebagai tepi dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangga. Pada aplikasi ini, proses deteksi tepi menggunakan metode Sobel. Gambar 9.23 merupakan hasil deteksi tepi metode Sobel yang dilakukan pada gambar bunga.

Setelah dilakukan deteksi tepi pada gambar, selanjutnya dilakukan perhitungan algoritma CCD. Gambar 9.24 merupakan ilustrasi penerapan rumus CCD pada gambar bunga yang sudah dideteksi tepi. Perhitungan algoritma CCD sebagai berikut:

1) Menentukan Koordinat polar untuk titik P dengan (r,θ ). Dimana r dimulai dari satu dan jaraknya terus bertambah sebesar 1 piksel, r= r + 1. Nilai awal θ diset sama dengan 0⁰. Kemudian digunakan kelipatan sudut θ sebesar 10⁰ hingga 360⁰.

2) Hitung posisi Koordinat titk P setiap kelipatan sudut θ. Sehingga disetiap jarak r terdapat 36 titik dari setiap sudut θ. Untuk menentukan posisi titik P dihitung dengan rumus:

X = Xo + r * Cosθ Y = Yo + r

*sinθ

Keterangan :

X= Posisi titik P pada sumbu X Y= Posisi titik P pada sumbu Y Xo= Posisi titik tengah pada sumbu X Yo= Posisi titik tengah pada sumbu Y r= Kelipatan jarak (r = 1,2,3,....,dst)

= Kelipatan sudut (θ= 10⁰,20⁰...360⁰)

7. Perhitungan Jarak Kemiripan Gambar

Proses ini menghitung jarak kemiripan gambar input dengan gambar-gambar yang pada pada database. Perhitungan jarak ini dilakukan antara vektor fitur dari gambar input dan vektor fitur dari gambar-gambar yang ada dalam database. Terdapat dua macam perhitungan jarak yaitu Euclidian dan Entropi.

(1) Jarak Euclidian

Perhitungan jarak pada aplikasi ini menggunakan metode Euclidian Distance.

Metode ini diimplementasikan dengan rumus sebagai berikut : d=

√ ^∑

i=1

(x_i−y_i)² (2) Entropi

Perhitungan entropi dilakukan dengan mengambil data peringkat 1 sampai peringkat tertentu dari data euclidian distance yang sudah diurutkan. Misalkan diambil gambar peringkat 1 sampai 6. Gambar 6.9 adalah contoh hasil pencarian gambar input bunga yang menampilkan gambar dengan nilai euclidean distance antara peringkat 1 sampai 6. Dari semua gambar yang dianggap memiliki potensi sebagai output ini, dihitung nilai entropinya dengan rumus berikut :

Entropy(S)= -p + log2 p + -p –p log2 p- 8. Pengujian Pengukuran Kemiripan Gambar

Pengujian ini dilakukan untuk menentukan cara pengukuruan kemiripan antara gambar input dan gambar output. Perhitungan kemiripan gambar dilakukan berdasarkan fitur yang dimiliki dari setiap gambar. Karena fitur warna dan fitur bentuk memiliki model nilai yang sama yaitu antara 0 hingga 1, hanya panjang datanya saja yang berbeda, maka pengujian ini dilakukan pada satu fitur saja. Fitur yang dipilih adalah fitur warna. Gambar 9.25 merupakan hasil pencarian 5 gambar dengan nilai euclidean distance terkecil berdasarkan gambar input.

Sedangkan Tabel 6.4 menunjukkan hasil pengujian pengukuran kemiripan gambar yang telah dilakukan.

Dari hasil semua pengujian terlihat bahwa data output yang benar adalah 43 dari 44 percobaan. Jika dibandingakan dengan pengujian berdasarkan fitur warna saja, pegujian dengan kombinasi fitur warna dan fitur bentuk menghasilkan tingkat kemiripan yang lebih tinggi. Pada bunga id 4,6, dan 35 sebelumnya menghasilkan output yang salah pada identifikasi berdasarkan fitur warna saja. Namun setelah dikombinasikan dengan fitur bentuk, bunga-bunga dengan id tersebut menghasilkan output yang sesuai. Namun, hal lain yang terjadi adalah bunga dengan id 21 yang tidak teridentifikasi, padahal pada identifikasi berdasarkan warna bunga id 21 menghasilkan output yang sesuai. Hal ini disebabkan karena bunga id 21 tidak masuk peringkat 1 sampai 9 pada proses identifikasi dengan fitur bentuk, sehingga bunga id 21 tidak masuk dalam proses identifikasi berdasarkan fitur warna. Meski demikian, identifikasi bunga dengan menggunakan fitur warna dan fitur bentuk telah meningkatkan nilai kemiripan dari 93.18%

menjadi 97.72%.

BAB III PEMBAHASAN A. Kelebihan dan Kekurangan Buku

1. Kelebihan Buku

Adapun yang menjadi kelebihan dari buku ini adalah sebagai berikut :

Buku utama yang berjudul “Pengantar Pengolahan Citra” yang membahas tentang semua yang berhubungan dengan pengolohan citra ada terdapat pada buku pembanding, baik dari segi kita mengetahui gambar yang akan kita buat menjadi citra yang bagus.

2. Kekurangan Buku

Adapun yang menjadi kekurangan dari buku ini adalah sebagai berikut:

Buku Kedua yang berjudul “Buku Ajar Pengolahan Citra” yang membahas tentang semua yang berhubungan dengan membuat suatu gambar dengan mengolahan citra dan mempunyai banyak teknik dalam mengolah citra, terdapat rumus-rumus dan angka-angka yang akan ditampilkan setelah mengolah cittra, banyak hal yang tidak kita ketahui dalam mengolah citra, dan pada buku utama tersebut kita dapat mengetahui tentang mengolah citra.