SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA.
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI
KEMIR IPAN PADA TEKSTUR WARNA KULIT MANUSIA
MENGGUNAKAN HISTOGRAM WARNA
SKRIPSI
Oleh :
FERY ANDRIYANTO
0734010123
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2012
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI
KEMIR IPAN PADA TEKSTUR WARNA KULIT MANUSIA
MENGGUNAKAN HISTOGRAM WARNA
SKRIPSI
Diajukan Untuk Memenuhi Sebagian Persyar atan
Dalam Memperoleh Gelar Sar jana Komputer
J urusan Teknik Infor matika
Oleh :
FERY ANDRIYANTO
0734010123
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2012
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ABSTRAK
Saat ini perkembangan teknologi informasi citra digital semakin pesat.
Persepsi manusia terhadap suatu citra cenderung didominasi pada faktor
komposisi warna. Untuk mengatasi masalah dalam pengamatan pada citra, maka
perlu dirancang suatu sistem analisa image processing untuk mencari kemiripan
warna. Sistem analisa tersebut memiliki kemampuan dengan tingkatan mendeteksi
kemiripan pada tekstur warna kulit manusia.
Sistem analisa untuk mencari kemiripan warna ini berdasarkan tingkat
piksel gambar yang dimiliki. Sehingga jarak histogram pada intensitas warna asli
yang direpresentasikan sesuai dengan jumlah piksel yang akan dibandingkan
menggunakan histogram warna (Color Histogram). Dengan histogram warna
dapat diketahui tingkat warna dari piksel-piksel dalam citra.
Pada pendeteksian piksel-piksel dalam citra dilakukan pendekatan dengan
perhitungan bit per pixel pada kedalaman warna (Color Depth). Hasil yang
didapat setelah simulasi, berupa citra gambar acuan 8 bit dan 24 bit dengan
ukuran 350x350 yang akan dibandingkan dengan citra asli. Akurasi dalam sistem
analisa untuk mencari kemiripan tekstur warna manusia mendekati tingkat
kemiripan 88 %. Sistem analisa ini dirancang hanya untuk mencari kemiripan
warna dengan batasan tidak mengenali obyek benda atau pola (segmentation).
Kata kunci: Color Histogram, Citra Digital, LockBits Method, Image
Processing
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Segala puji bagi Allah SWT, atas rahmat dan hidayahnya telah
memberikan ridho bagi hambanya.
Syukur Alhamdulillah, sampai saat ini penulis masih diberi kemampuan
dan dapat menyelesaikan tugas akhir ini dengan judul ”SISTEM ANALISA
IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR
WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA” yang
merupakan persyaratan dalam memperoleh gelar Sarjana Komputer di Universitas
Pembangunan Nasional ”Veteran” Jatim.
Penulis mengucapkan terima kasih yang sebesar-besarnya kepada pihak
yang telah membantu baik materiil maupun dorongan spirituil untuk
menyelesaikan penulisan tugas akhir ini, terutama kepada:
1. Orang Tua atas motivasi dan doanya sehingga semua yang dikerjakan
dapat berjalan dengan lancar.
2. Bapak Prof. Dr. Ir Teguh Soedarto, MP selaku Rektor UPN ”Veteran”
Jatim.
3. Bapak Ir. Sutiyono, MT selaku DEKAN FTI UPN ”Veteran” Jatim.
4. Ibu Dr. Ir. Ni Ketut Sari, MT selaku Kepala Jurusan Teknik Informatika,
FTI UPN ”Veteran” Jatim.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5. Bapak Nur Cahyo Wibowo, S.Kom, M.Kom dan Bapak Agus Hermanto,
S.Kom selaku Dosen Pembimbing yang telah meluangkan waktu untuk
memberikan bimbingan selama proses pelaksanaan Tugas Akhir Penulis.
6. Bapak Chyrtia Aji P, S.Kom dan Bapak Firza Aditiawan, S.Kom selaku
PIA TA yang telah mendukung proses pelaksanaan Tugas Akhir Penulis.
7. Dosen-dosen Teknik Informatika dan Sitem Informasi, staff dan segenap
civitas akademika UPN ”Veteran” Jatim.
8. Bayu Haniarta yang telah banyak membantu demi kelancaran Tugas Akhir
Penulis dan Ajeng Retnaning W yang telah memberikan doa, motivasi.
9. My best Friends: KRIPOSOFT dan seluruh teman-teman yang sudah
mendukung dan memberikan semangat dalam mengerjakan tugas akhir ini.
Penulis menyadari sepenuhnya masih banyak terdapatkekurangan dalam
penulisan Tugas Akhir ini. Oleh karena itu, kritik serta saran yang membangun
dari pembaca sanagt membantu guna perbaikan dan pengembangan di masa yang
akan datang.
Akhirnya dengan rahmat dan ridho Allah SWT penulis berharap semoga
Tugas Akhir ini dapat memberikan manfaat bagi pembaca sekalian terutama
mahasisiwa dibidang komputer
Surabaya, 03 Februari 2012
Penulis
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAF TAR ISI
ABSTRAK......................................................................................................... i
KATA PENGANTAR ..................................................................................
ii
DAFTAR ISI ..............................................................................................
iii
DAFTAR GAMBAR........................................................................................
vi
DAFTAR TABEL..............................................................................................
ix
BAB I PENDAHULUAN
1.1
Latar Belakang ...........................................................................
1
1.2
Rumusan Masalah....................................................................... 3
1.3
Batasan Masalah ........................................................................
3
1.4
Tujuan ........................................................................................
4
1.5
Manfaat ......................................................................................
4
1.6
Metodologi Pembuatan Skripsi ...................................................
5
1.7
Sistematika Penulisan .................................................................
6
BAB II TINJAUAN PUSTAKA
2.1
Definisi Citra ..............................................................................
9
2.2
Permodelan Warna (Color Model) ..............................................
15
2.3
Operasi Pengolahan Citra ...........................................................
20
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
iii
2.4
Histogram Warna (Color Histogram)..........................................
22
2.5
Kuantisasi Warna (Color Quantization) ......................................
25
2.6
Format File JPEG (Joint Photographic Expert Group)................
26
2.7
Pengenalan MATLAB 7 .............................................................
28
2.7.1 Operasi Dasar di MATLAB .................................................
30
2.7.2 Variabel Terdefinisi di MATLAB .......................................
33
BAB III ANALISA DAN PERANCANGAN APLIKASI
3.1
Analisa Permasalahan ..................................................................
37
3.2
Pengolahan Citra Digital..............................................................
39
3.3
Perancangan Sistem .....................................................................
40
3.4
Algoritma dan Blok Diagram Sistem ...........................................
41
3.4.1
Sistem Analisa Tekstur Warna Kulit Manusia
Menggunakan Histogram Warna........................................
44
3.4.2
Preprocessing Pembacaan Citra………………..... ………...
45
3.4.3
Proses Keabuan Rata-rata…………………………………...
46
3.5
Proses Deteksi Kemiripan Warna………………….......………...
47
3.5
Rancangan Antarmuka…………………………….......………...
48
BAB IV IMPLEMENTASI SISTEM
4.1
Kompresi Data ............................................................................
52
4.1.1 Pembacaan Citra Awal .........................................................
52
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
iv
4.1.2 Sampling .............................................................................
53
4.1.3 Quantization ........................................................................
55
4.2 Color Depth ................................................................................
55
4.3 Data Sampel ...............................................................................
57
BAB V UJI COBA DAN EVALUASI
5.1
Peralatan Uji Coba.......................................................................
62
5.2
Uji Coba Sistem ..........................................................................
62
5.3
Langkah Pengoperasian Sistem....................................................
64
5.4
Evaluasi Sistem ...........................................................................
74
BAB VI PENUTUP
6.1
Kesimpulan…….. ........................................................................
6.2
Saran…….……. .......................................................................... . 77
DAFTAR PUSTAKA
LAMPIRAN
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
v
76
D A F T AR G A M B A R
Gambar 2.1
Piksel Matrik .........................................................................
10
Gambar 2.2
Matriks Citra Digital NxM .....................................................
11
Gambar 2.3
Ilustrasi Sistem Koordinat Piksel ...........................................
12
Gambar 2.4
Ilustrasi Citra Biner Monokrom .............................................
13
Gambar 2.5
Ilustrasi Citra Grey Scale .......................................................
14
Gambar 2.6
Ilustrasi Citra True Color .......................................................
15
Gambar 2.7
Tiga Warna Dasar RGB yang ditembakkan Pada Ruang Hampa
Menghasilkan Warna Putih ....................................................
16
Gambar 2.8
Warna yang Dimodelkan sebagai Kubus dengan Indeks RGB
17
Gambar 2.9
Tiga Warna Dasar CMY Ditembakkan Pada
Background yang Berwarna Putih, Biasanya akan
Menghasilkan Warna Abu-abu Gelap Kecoklatan...................
17
Gambar 2.10 Warna-warna Pada Permodelan Warna HSL ..........................
19
Gambar 2.11 Warna-warna Pada Permodelan Warna HSV..........................
20
Gambar 2.12 Piksel Matriks 8x8 .................................................................
23
Gambar 2.13 Matriks Standar Kuantisasi ....................................................
25
Gambar 2.14 Hasil Kuantisasi Warna Median Cut Algoritma 16
bit
Warna/Pixel,
8
bit
Warna/Pixel,
4
bit
Warna/Pixel dan 2 bit Warna/Pixel .........................................
26
Gambar 2.15 Grafik 3-Dimensi Diciptakan dengan Command
“Surf” di MATLAB ...............................................................
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
vi
29
Gambar 2.16 Jendela Utama MATLAB ......................................................
Gambar 3.1
30
Blok Diagram Sistem Analisa Deteksi Kemiripan
Warna ....................................................................................
43
Gambar 3.2
Langkah Awal Untuk Membuat GUI .....................................
49
Gambar 3.3
Langkah Untuk Membuat GUI Quick Start ............................
49
Gambar 3.4
Create GUI, Reload M-File (.m) dan Figure (.fig)...................
50
Gambar 3.5
Rancangan Antarmuka Sistem Analisa Deteksi
Kemiripan Warna ...................................................................
51
Gambar 4.1
Pembacaan Citra ....................................................................
53
Gambar 4.2
Ilustrasi Citra Monokromatik Ukuran [8x8] dengan
Keabuan [0,255].....................................................................
53
Gambar 4.3
Proses Sampling ....................................................................
54
Gambar 4.4
Sampel Gambar Acuan (a) .....................................................
58
Gambar 4.5
Sampel Gambar Acuan (b) .....................................................
59
Gambar 4.6
Sampel Gambar Asli (c) .........................................................
60
Gambar 4.7
Sampel Gambar Asli (d) ........................................................
61
Gambar 5.1
Tampilan
Awal
Sistem
Deteksi
Kemiripan
Dijalankan ..............................................................................
Gambar 5.2
Run Program Untuk Melakukan Load Gambar
Acuan.....................................................................................
Gambar 5.3
65
Load Gambar Perbandingan Pada Tab Window
Directory Folder .....................................................................
Gambar 5.4
64
65
Tampilan Hasil Akhir Mendeteksi Kemiripan
Tekstur Warna Kulit ...............................................................
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
vii
66
Gambar 5.5
Messagebox Hasil Pendeteksian Kemiripan Pada
Seluruh Sampel ......................................................................
67
Gambar 5.6
Menampilkan Histogram Citra Gambar Acuan.......................
68
Gambar 5.7
Menampilkan Hasil Histogram Gambar Paling
Mirip .....................................................................................
69
Gambar 5.8
Run Program Untuk Load Gambar .........................................
70
Gambar 5.9
Proses Load Gambar Yang dibandingkan Pada
Windows Directory Folder.....................................................
70
Gambar 5.10 Hasil Akhir Mendeteksi Kemiripan Tekstur Warna
Kulit ......................................................................................
71
Gambar 5.11 Messagebox Hasil Pendeteksian Kemiripan Gambar
Dalam 1 (satu) Folder ............................................................
71
Gambar 5.12 Menampilkan Histogram Citra Gambar Acuan.......................
72
Gambar 5.13 Histogram Warna Dari Gambar Yang Paling Mirip ..................
73
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
viii
DAF TAR T ABE L
Tabel 2.1 Penghitungan Algoritma Histogram Citra 8x8 .............................
23
Tabel 2.2 Hubungan Antara Bit Per Piksel dengan Jumlah Warna
Maksimum..................................................................................
28
Tabel 2.3 Operator Aritmatika Dasar Pada MATLAB .................................
31
Tabel 2.4 Variabel Yang Terdefinisi di MATLAB ......................................
33
Tabel 2.5 Fungsi Matematika yang Terdefinisi di MATLAB .......................
34
Tabel 5.1 Spesifikasi Perangkat Uji Coba....................................................
62
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ix
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Semakin berkembangnya teknologi informasi dan pemanfaatan teknologi
komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
data yang meliputi data teks, suara, citra dan video semakin meningkat. Salah
satu aspek dalam hal pengelolaan data adalah penemuan kembali informasi yang
diinginkan pengguna atau yang disebut dengan istilah temu-balik citra atau Image
Retrieval (IR). Telah banyak penelitian yang dilakukan dalam mencapai sebuah
data yang relevan dengan didasari sebuah informasi data yaitu citra (image).
Dalam penelitian ini pembahasan retrieval difokuskan pada salah satu jenis
dokumen yaitu dokumen berbentuk citra (image).
Persepsi manusia terhadap suatu citra cenderung didominasi pada faktor
komposisi warna, dimana sebuah kompisisi tersebut pencampuran warna dasar
citra RGB (Red, Green, Blue). Dalam warna yang ada pada gambar memiliki
informasi yang dinamakan picture element atau pixel yang merupakan satuan
titik kecil yang menyusun sebuah gambar yang ada pada dimensi warna dasar
RGB.
Untuk mencari komposisi dan faktor citra warna digunakan sebuah
metode penghitungan yang disebut histrogram warna (Color Histrogram).
Histogram warna dari piksel-piksel dalam citra dapat digunakan sebagai
representasi komposisi warna yang dimiliki citra. Penentuan fitur dari suatu citra
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1
2
diperlukan untuk efisiensi proses pencarian kemiripan citra, karena dokumen
citra terdiri piksel-piksel yang berjumlah ratusan, ribuan bahkan jutaan.
Dalam pelacakan pengenalan citra warna kulit manusia yang di terapkan
dibidang kesehatan pengenalan pola kulit manusia di representasikan dalam
kategori sebagai warna kulit yang sama jenis dalam pola citra warna maupun
kondisi dalam citra warna kulit yang buruk seperti terjadinya kelainan penyakit
kulit.
Tujuan dalam penganalisaan citra warna kulit manusia ini dibuat suatu
histrogram warna untuk mencapai kemiripan warna dalam mendektesi kemiripan
warna kulit manusia dengan ketepatan kepastian 88% dengan dukungan
pencarian citra tekstual dan dikembangkan ciri citra dengan menggunakan tekstur
kedalam citra (Color Depth) untuk mencari titik-titik atau tingkatan bit per piksel
yang ada pada gambar.
Banyaknya piksel yang menyusun suatu gambar tergantung pada resolusi
gambar. Sedangkan banyaknya variasi warna yang dapat direpresentasikan oleh
sebuah piksel tergantung pada color depth (kedalaman warna) yang digunakan,
dalam penganalisaan kemiripan warna di gunakan histogram warna (Color
Histrogram) dimana merepresentasikan disribusi jumlah piksel untuk tiap
intensitas warna dalam citra yang telah di tentukan pada dimensi pada
perbandingan bit.
Penelitian ini bertujuan untuk membuat sistem analisis untuk mengukur
tingkat kemiripan tekstur warna kulit manusia berdasarkan kemiripan histogram
warnanya.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
1.2.
Rumusan Masalah
Dengan memperhatikan latar belakang yang dipaparkan diatas, dapat
diketahui rumusan masalah yang ada untuk pengembangan pengenalan pola
tekstur warna kulit pada manusia. Masalah – masalah tersebut ialah :
a. Bagaimana mendeskripsikan suatu tekstur atau jenis warna kulit
manusia menggunakan histogram warna (Color Histogram).
b. Bagaimana mendeskripsikan fitur yang ada pada kedua gambar
dengan menggunakan metode BPP (bit per pixel) dalam mencari
kedalaman warna (Color Depth).
c. Bagaimana merancang sistem untuk mencari pembedaan dalam suatu
tekstur warna kulit manusia dengan beberapa tekstur warna kulit
lainnya.
d. Bagaimana mencari prosentase kemiripan suatu tekstur warna kulit
manusia pada dua obyek gambar (image) yang berbeda dengan
melihat perbedaan citra warna.
1.3.
Batasan Masalah
Dalam pembuatan skripsi ini, ruang lingkup permasalahan yang akan
dibatasi sebagai berikut :
a. Pengenalan citra gambar ini dibuat sistem analisa untuk mencari
kemiripan citra warna gambar pada tekstur warna kulit manusia.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
b. Sistem histogram warna yang dianalisa berdasarkan batas warna piksel
gambar sehingga perbandingan obyek bentuk gambar tidak dapat dibaca
atau disimpulkan dengan pengertian pengenalan obyek (Segmentasi).
c. Batas analisa gambar yang disimpulkan dengan prosentase kemiripan
citra warna histogram pada form gambar yang dibuat dengan dua
perbandingan untuk mencari tingkat kemiripan citra warna.
d. Citra input yang digunakan dalam uji coba berekstensi jpg.
e. Metode
pencitraan
dalam
mencari
kemiripan
warna
ini
di
implementasikan dalam perangkat lunak Matlab.
1.4.
Tujuan
Tujuan skripsi ini adalah untuk mencari tingkat kemiripan warna yang
lebih tinggi dari hasil perbandingan sampel warna gambar yang berbeda dan
histogram warna pada sampel gambar.
.
1.5.
Manfaat
Adapun manfaat yang diperoleh dari skripsi ini antara lain sebagai
berikut:
a. Membantu untuk mencari tingkat kemiripan warna yang lebih akurat dan
mendekati kemiripan warna dari sampel gambar asli.
b. Memudahkan
dalam
mencari
tingkat
kemiripan
warna
perbandingan histogram warna pada gambar.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dengan
5
1.6.
Metodologi Pembuatan Skr ipsi
Pembuatan skripsi terbagi menjadi beberapa tahapan sebagai berikut:
a. Studi Literatur
Pada tahap ini dilakukan pencarian, pengumpulan dan pemahaman
tentang
informasi-informasi
yang diperlukan
dan
literatur
yang
berhubungan dengan permasalahan metode histogram warna. Literatur
yang digunakan meliputi buku skripsi mahasiswa jurusan teknik
informatika, buku panduan pengolahan citra dan dokumen internet
tentang histogram warna.
b. Perumusan masalah dan penyelesainnya
Pada tahap ini meliputi perumusan masalah, batasan-batasan masalah dan
penyelesainnya serta penentuan parameter yang digunakan untuk
mengukur kemiripan.
c. Perancangan Perangkat Lunak
Pada tahap ini dilakukan perancangan perangkat lunak untuk menerapkan
permasalahan dan penyelesaiannya pada tahap sebelumnya.
d. Pembuatan Perangkat Lunak
Pada tahap ini dilakukan pembuatan perangkat lunak sesuai dengan
perancangan perangkat lunak yang telah dilakukan. Dalam tahap ini
dilakukan konversi algoritma menjadi kode program yang siap dieksekusi.
e. Uji Coba dan Evaluasi Hasil
Pada tahap ini dilakukan uji coba dan analisa serta dilakukan evaluasi
kelebihan dan kekurangan terhadap perangkat lunak yang telah dibuat.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6
f. Dokumentasi
Pada tahap ini disusun buku sebagai dokumentasi dari pelaksanaan skripsi
yang berisi konsep penunjang, perancangan perangkat lunak, pembuatan
perangkat lunak, dokumentasi dari uji coba dan pada bagian akhir berisi
tentang kesimpulan dan saran.
1.7.
Sistematika Penulisan
Adapun sistematika penulisan laporan skripsi ini adalah:
BAB I
: PENDAHULUAN
Bab ini berisi penjelasan tentang latar belakang permasalahan,
rumusan masalah, batasan masalah, tujuan, manfaat, metodologi
pembuatan skripsi dan sistematika penulisan laporan skripsi ini.
BAB II
: TINJ AUAN PUSTAKA
Pada bab dua dijelaskan tentang landasan teori-teori yang
dibutuhkan terkait skripsi ini. Yaitu mengenai definisi citra
digital, color model, image processing, metode histogram
warnan (color histogram) serta penjelasan mengenai software
yang digunakan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
7
BAB III
: ANALISA DAN PERANCANGAN APLIKASI
Bab tiga ini berisi tentang tahapan-tahapan
yang digunakan
dalam perancangan untuk membuat sistem image processing
pada kemiripan citra warna kulit manusia. Yang terdiri dari atas
penjelasan dari analisa permasalahan, perancangan sistem,
prosedur metode yang digunakan, contoh permasalahan serta
rancangan antarmuka sistem yang akan dibuat.
BAB IV
: IMPLEMENTASI SISTEM
Bab
empat
berisi
penjelasan
hasil
implementasi
dari
perancangan sistem analisa image processing untuk mencari
kemiripan citra warna kulit warna beserta sampel yang
digunakan dan dibandingkan. Yang meliputi kebutuhan sistem
dan implementasi tampilan-tampilan antarmuka aplikasi.
BAB V
: UJ I COBA DAN EVALUASI
Bab lima ini menjelaskan lingkup uji coba aplikasi yang telah di
buat sebelumnya. Pelaksanaan uji coba dan evaluasi dari hasil
uji coba yang telah dilakukan untuk kelayakan pemakaian
aplikasi.
BAB VI
: PENUTUP
Bab ini berisi kesimpulan dan saran untuk pengembangan
aplikasi lebih lanjut dalam upaya memperbaiki kelemahan pada
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
aplikasi guna untuk mendapatkan hasil kinerja aplikasi yang
lebih baik.
DAFTAR PUSTAKA
LAMPIRAN
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1.
Definisi Citra
Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua
dimensi), representasi, kemiripan atau imitasi dari suatu obyek. 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 media penyimpanan.
Dalam tinjauan matematis, citra merupakan fungsi kontinu dari intensitas
cahaya pada bidang dua dimensi. Ada dua jenis citra yaitu citra diam dan citra
bergerak. Citra diam adalah citra tunggal yang tidak bergerak, sedangkan citra
bergerak adalah rangkaian citra diam yang ditampilkan secara sekuensial.
Sedangkan citra digital merupakan citra yang tersusun dalam bentuk raster (grid
atau kisi). Setiap kotak (tile) yang terbentuk disebut pixel (picture element) dan
memiliki koordinat (x, y). sumbu x (horizontal) atau kolom (column), sample
sedangkan sumbu y (vertikal) atau baris (row, line). Setiap piksel memiliki nilai
(value atau number) yang menunjukkan intensitas keabuan pada piksel tersebut.
Derajat keabuan dimana merepresentasikan grey level atau kode warna. Kisaran
nilai ditentukan oleh bit yang dipakai dan akan menunjukkan resolusi aras abuabu (grey level resolution). (Pramitarini, 2011)
1 bit – 2 warna [0, 1]
4 bit – 16 warna [0, 15]
8 bit – 256 warna [0, 255]
9
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
24 bit – 16.777.216 warna (true color)
Kanal merah – Red (R) [0, 255]
Kanal hijau – Green (G) [0, 255]
Kanal blue – Blue (B) [0, 255]
Gambar 2.1. Piksel Matrik
Nilai digital dan banyak bit :
M = banyak piksel per baris (panjang)
N = banyak piksel per kolom (lebar)
b = banyak atau besar bit pada suatu citra
Ada beberapa sifat citra menurut perekam beserta media penyimpanannya yaitu :
A.
Citr a Analog
Citra Analog tidak direpresentasikan dalam komputer dan bersifat kontinu,
semua merupakan fakta, contoh : gambar pada monitor televisi, foto sinar X,
hasil CT scan dan lain-lainnya. Citra analog tersimpan dalam pita kaset.
B.
Citr a Digital
Digital image processing merupakan proses pengambilan atribut-atribut
pada gambar dengan input dan output yang berupa gambar. (Gonzalez dan
Woods, 2008 dalam bukunya Pramitarini, 2011)
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
Citra digital adalah citra yang dapat diolah oleh komputer. Yang disimpan
dalam memori komputer hanyalah angka-angka yang menunjukkan besar
intensitas pada masing-masing piksel. Karena berbentuk data numeris, maka citra
digital dapat diolah dengan komputer.
Di dalam komputer, citra digital disimpan sebagai suatu file dengan format
tertentu. Format citra tersebut menunjukan cara sebuah citra digital disimpan,
misalnya apakah dengan suatu kompresi atau tidak. Contoh format citra digital
adalah .bmp, .jpg, .png, .tif dan sebagainya. Ukuran citra digital dinyatakan dalam
piksel (picture element). Umumnya, nilai setiap piksel merupakan kuantisasi
harga intensitas cahaya. Dengan demikian, suatu citra digital dapat dipandang
sebagai sebuah matriks yang elemen-elemennya menunjukkan intensitas cahaya
terkuantisasi.
Citra digital dinyatakan matriks berukuran N x M (baris / tinggi = N, kolom
/ lebar = M). setiap titik memiliki koordinat dan biasanya dinyatakan dalam
bilangan bulat positif, yaitu 0 atau 1 tergantung pada sistem yang digunakan.
Format nilai piksel sama dengan format citra kseluruhan. Pada kebanyakan
sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif juga. Ilustrasi
sistem koordinat piksel dilihat pada gambar 2.2 dan contoh ilustrasi koordinat
piksel dengan layer piksel ƒ (2,2) = 1 .
Gambar 2.2. Matriks Citra Digital N x M
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Gambar 2.3. Ilustrasi Sistem Koordinat Piksel
Beberapa penjelasan format piksel adalah sebagai berikut :
a. Format piksel 1 Bit (Citra Biner Monocrom)
Citra biner diperoleh melalui proses pemisahan piksel-piksel bedasarkan
derajat keabuan yang dimilikinya. Pada citra biner, setiap titik bernilai 0 dan
1, masing-masing merepresentasikan warna tertentu. Nilai 0 diberikan untuk
piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang
ditentukan. Sementara piksel yang memiliki derajat keabuan yang lebih besar
dari batas akan diubah menjadi nilai 1.
Pada standar citra untuk ditampilkan dilayer komputer, nilai biner ini
berhubungan dengan ada tidaknya cahaya yang ditembakkan oleh electron
gun yang terdapat didalam monitor komputer. Angka 0 menyatakan tidak ada
cahaya, dengan demikian warna yang direpresentasikan adalah hitam. Untuk
angka 1, terdapat cahaya, sehingga warna yang direpresentasikan adalah
putih. Standar tersebut sebagai standar citra cahaya, sedangkan standar citra
tinta atau cat adalah berkebalikan, karena biner tersebut menyatakan ada
tidaknya tinta. Setiap titik pada citra hanya membutuhkan 1 bit, sehingga
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
setiap byte dapat menampung informasi 8 bit. Ilustrasi dari citra biner bisa
dilihat pada gambar 2.4.
Gambar 2.4. Ilustrasi Citra Biner Monokrom
b. Format piksel 8 Bit (Citra Gray Scale)
Citra skala keabuan memberi kemungkinan warna yang lebih banyak
daripada citra biner, karena ada nilai-nilai diantara nilai minimum (biasanya =
0) dan nilai maksimum. Banyaknya kemungkinan nilai minimum dan nilai
maksimumnya bergantung pada jumlah bit yang digunakan. Mata manusia
pada umumnya hanya mempunyai kemampuan untuk membedakan maksimal
40 tingkat skala keabuan. Untuk citra tampak (visible image) dipilih skala
keabuan lebih dari 40.
Pada umumnya, citra skala keabuan menggunakan jumlah bit 8, sesuai
dengan satuan memori computer. Contohnya untuk skala keabuan 4 bit, maka
jumlah kemungkinan nilainya adalah 16 dan nilai maksimumnya adalah 24 –
1 = 15. Sedangkan untuk skala keabuan 8 bit, maka jumlah kemungkinan
nilainya adalah 256 dan nilai maksimumnya 256 – 1 = 255.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
Format citra ini disebut skala keabuan, karena pada umumnya warna yang
dipakai adalah antara warna hitam sebagai warna minimal dan warna putih
sebagai warna maksimalnya, sehingga warna diantara hitam dan putih adalah
abu-abu. Namun pada prakteknya, warna yang dipakai tidak terbatas pada
warna abu-abu. Sebagai contoh, dipilih warna minimalnya adalah putih dan
warna maksimalnya adalah merah, maka semakin besar nilainya semakin
besar pula intensitas warna merahnya. Format citra ini kadang disebut sebagai
citra intensitas. Ilustrasi dari citra Gray Scale dapat dilihat pada gambar 2.5.
Gambar 2.5. Ilustrasi Citra Grey Scale
c. Format piksel 24 Bit (Citra Warna atau True Color)
Pada citra warna, setiap titik mempunyai warna yang paling spesifik yang
merupakan kombinasi dari 3 warna dasar, yaitu merah (Red), hijua (Green)
dan biru (Blue). Ada perbedaan warna dasar untuk dasar cahaya. (misalnya
display di monitor komputer) dan untuk cat (misalnya cetakan diatas kertas).
Untuk cahaya, warna dasarnya adalah red, green dan blue (RGB), sedangkan
untuk cat warna dasarnya adalah sian, magenta, kuning (cyan-magentayellow, CMY).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
15
Keduanya saling berkomponen. Format citra ini sering disebut sebagai
citra RGB (Red-Green-Blue). Setiap warna dasar mempunyai intensitas
sendiri dengan nilai maksimum 255 (8 bit). Misalnya warna kuning
merupakan kombinasi warna merah ungu muda, nilai RGB nya adalah 255
255 0. Sedangkan warna ungu muda, nilai RGB nya adalah 150 0 150,
dengan demikian setiap titik pada citra warna membutuhkan data 3 byte.
Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224 atau
lebih dari 16 juta warna. Dengan demikian, bisa dianggap mencakup semua
warna yang ada, inilah sebabnya format ini dinamakan true color. Ilustrasi
dari citra ini adalah sebagai berikut :
Gambar 2.6. Ilustrasi Citra True Color
2.2. Per modelan War na (Color Model)
Warna merupakan ciri yang paling ekspresif dibandingkan dengan ciri
visual yang lain. Warna juga merupakan salah satu ciri yang paling banyak
digunakan dalam pengenalan citra. Warna adalah spektrum tertentu yang
terdapat di dalam suatu cahaya sempurna (berwarna putih). Nilai warna
ditentukan oleh tingkat
kecerahan maupun kesuraman warna. Nilai ini
dipengaruhi oleh penambahan putih ataupun hitam.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
Penelitian memperlihatkan bahwa kombinasi warna yang memberikan
rentang paling lebar adalah red (R), green (G) dan blue (B). Ketiga warna
tersebut merupakan warna pokok yang biasa disebut RGB. Warna lain
dapat diperoleh dengan mencampurkan ketiga warna pokok tersebut dengan
perbandingan tertentu. Setiap warna pokok mempunyai intensitas sendiri
dengan nilai maksimum 255 (8-bit). Misal warna kuning merupakan
kombinasi warna merah dan hijau sehingga nilai RGB: 255 255 0.
RGB disebut juga ruang warna yang dapat divisualisasikan sebagai sebuah
kubus seperti gambar 2.8, dengan tiga sumbunya yang mewakili komponen
warna merah (red) R, hijau (green) G, biru (blue) B.
Ada beberapa pemodelan warna yang digunakan untuk melakukan
digitalisasi citra, yaitu :
A. RGB
Suatu warna tertentu akan didefinisikan sebagai penggabungan 3 warna
dasar dengan intensitas tertentu pada setiap warna dasarnya. Warna dasar dari
color model RGB adalah merah (red), hijau (green) dan biru (blue). Pemodelan
warna RGB merupakan pemodelan terbaik dalam grafika komputer karena
mirip dengan visualisasi yang dilakukan mata.
Gambar 2.7. Tiga Warna Dasar RGB yang Ditembakkan pada Ruang Hampa
Menghasilkan Wana Putih.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
Gambar 2.8. Warna yang Dimodelkan sebagai Kubus dengan Indeks RGB.
Kelebihan dari pemodelan warna ini adalah citra tampak nyata seperti aslinya.
B. CMYK
Pemodelan warna yang mengacu 4 warna pada tinta percetakan yang
biasanya digunakan. Yaitu warna cyan, magenta, yellow (kuning) dan key
(hitam). Warna hitam disini berfungsi untuk mengatur kontras atau kecerahan
suatu warna.
Warna CMY merupakan warna-warna secondary dari warna-warna primary
RGB. Cyan merupakan secondary dari warna hijau dan biru. Magenta
merupakan secondary dari warna merah dan biru. Sedangkan kuning adalah
secondary dari warna merah dan hijau.
Gambar 2.9. Tiga Warna Dasar CMY Ditembakan pada background yang
Berwarna Putih, Biasanya akan Menghasilkan Warna Abu-abu Gelap
Kecoklatan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
Kelebihan pemodelan warna ini adalah kemiripannya dengan tinta
yang tersedia untuk mencetak citra, yaitu cyan, magenta, yellow (kuning) dan
key (hitam).
C. YIQ
Pemodelan warna pada sistem televisi berwarna. Y menunjukan
komponen luma, sedangkan I dan Q menunjukan komponen chroma.
Kelebihan pemodelan warna ini adalah mirip dengan warna yang dihasilkan
oleh gelompang. Sehingga sangat cocok untuk sistem televisi.
D. YCbCr
Pemodelan warna yang digunakan oleh sistem fotografi digital.
Pemodelan warna YCbCr bukan pemodelan warna utama, namun merupakan
cara pengkodean informasi RGB. Y menunjukan komponen luma, Cb
menunjukan perbedaan biru dan Cr menunjukan perbedaan merah pada
chroma.
E. xvYCC
Pemodelan warna yang digunakan oleh video elektronik. Mekanisme
yang digunakan sama dengan pada YcbCr yaitu sebagai sistem fotografi
digital yang merupakan cara pengkodean informasi RGB.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
F. HSL atau HSV
Keduanya adalah pemodelan paling umum dari pemodelan warna RGB.
Biasanya digunakan oleh aplikasi visual pada komputer. Pemodelan warna ini
mempunyai beberapa komponen, yaitu :
a. Hue : pemodelan pencampuran warna dari merah, kuning, hijau biru.
b. Intensity, radiance : intensitas cahaya yang dierima suatu wilayah.
c. Luminance (Y) : Pencahayaan relatif atau tergantung dari arah pandang
atau arah datangnya cahaya.
d. Brightness : kecerahan.
e. Lightness : kecerahan relative
f. Colorfullness : sensasi visual karena komponen warna yang terbatas.
Kelebihan pemodelan warna ini adalah sangat mirip dengan RGB
sehingga mirip dengan aslinya. Namun, punya komponen yang lebih
kompleks dari RGB. Sehingga semakin menyerupai aslinya.
Gambar 2.10. Warna-warna pada Pemodelan Warna HSL
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
Gambar 2.11. Warna-warna pada Pemodelan Warna HSV
2.3. Oper asi Pengolahan Citra
Operasi-operasi yang dilakukan dalam pengolahan citra banyak ragamnya,
namun secara umum operasi pengolahan citra dapat diklarifikasikan dalam
beberapa jenis sebagai berikut:
1. Per baikkan Kualitas Citra (Image Enchancement)
Jenis operasi ini bertujuan untuk memperbaiki citra dengan cara
manipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri
khusus yang terdapat didalam citra lebih ditonjolkan.
Contoh-contoh operasi perbaikkan citra:
a. Perbaikkan kontras gelap atau terang
b. Perbaikkan tepian obyek (edge enchancement)
c. Penajaman (sharpening)
d. Pemberian warna semu (pseudocoloring)
e. Penapisan derau (noise filtering)
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
2. Per baikan Citr a (Image Restoration)
Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan
pemugaran citra hampir sama dengan operasi perbaikkan citra.
Perbedaanya, pada pemugaran citra penyebab degradasi gambar
diketahui.
Contoh-contoh operasi pemugaran citra :
a. Penghilangan kesamaran (deblurring)
b. Penghilangan derau (noise)
3. Pemampatan Citra (Image Compression)
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam
bentuk yang lebih kompak sehingga memerlukan memori yang lebih
sedikit. Hal penting yang harus diperhatikan dalam pemampatan citra
adalah citra yang telah dimampatkan harus tetap mempunyai kualitas
gambar yang bagus.
4. Segmentasi Citra (Image Segmentation)
Jenis operasi ini bertujuan untuk memecah suatu citra kedalam
beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini
berkaitan erat dengan pengenalan pola.
5. Pengur aian Citr a (Image Analysis)
Jenis operasi ini bertujuan menghitung besaran kuantitif dua citra untuk
menghasilkan diskripsinya. Teknik pengolahan citra mengekstrasi ciriciri tertentu yang membantu dalam identifikasi obyek. Proses
segmentasi kadang kala diperlukan untuk melokalisasi obyek yang
diinginkan dari sekelilingnya.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
Contoh-contoh operasi pengorakan citra:
a. Pendeteksian tepian obyek (edge detection)
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekontr uksi Citra (Image Recontruction)
Jenis operasi ini bertujuan untuk membentuk ulang obyek dari beberapa
citra hasil proyeksi. Operasi rekontruksi citra banyak digunakan dalam
bidang medis.
2.4. Histogram War na (Color Histogram)
Merupakan fitur warna yang paling banyak digunakan. Histogram warna
sangat efektif mengkarakterisasikan distribusi global dari warna dalam sebuah
image. Warna yang sering digunakan adalah RGB (Red, Green, Blue). Jika
masing-masing warna didiskritkan menjadi h interval maka total jumlah
diskritnya adalah hi. Sebuah histogram warna H(hi) adalah sebuah vector (n1, n2,
…, n) dimana ni menunjukkan jumlah piksel dalam citra h i pada bin i. Fitur
vector yang disimpan sebagai index dari citra.
Dimana : L = derajat keabuan
ni = jumlah pixel yang memilki derajat keabuan i
n = jumlah seluruh pixel didalm citra
Komposisi warna merupakan salah satu fitur yang dapat digunakan dalam
sistem temu-balik citra. Komposisi warna dapat direpresentasikan dalam bentuk
histogram. Histogram warna merepresentasikan distribusi jumlah piksel untuk
tiap intensitas warna dalam citra. Untuk mendefinisikan histogram, warna di
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
kuantisasi menjadi beberapa level diskrit, kemudian untuk tiap level tersebut
dihitung jumlah piksel yang nilainya sesuai. Contoh, citra 8x8 dengan skala
keabuan 0 – 15, gambar tabel piksel adalah sebagai berikut :
Gambar 2.12. Piksel Matriks 8x8
Informasi suatu citra seringkali dapat diwakili oleh histogram warna.
Komputasi histogram sangat sederhana dan cepat, serta dapat dilakukan pada saat
me-load citra.
Tabel 2.1. Penghitungan Algoritma Histogram Citra 8x8.
Manfaat dalam penggunaan histogram citra yaitu dapat menentukan apakah
suatu citra sudah berada dalam jangkauan yang tepat dalam suatu skala keabuan
atau warna. Jika jangkauan skala belum tepat pada parameter yang diinginkan
maka parameter digitasinya perlu diatur lagi lebih dilebarkan atau lebih
disempitkan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
Histogram warna terdiri dari dua tipe, Global Color Histograms (GCHs) dan
Local Color Histograms (LCHs). Pada penggunaan GCH, distribusi warna global
suatu citra diambil dan digunakan sebagai metada. Jika pengguna mencari citra
dengan yang dalam sistem databasenya hanya memperhatikan distribusi warna global
suatu citra, maka GCH adalah pilihan terbaik. Walaupun demikian, karena GCH
hanya mengambil distribusi warna global suatu citra sebagai pertimbangan untuk
membandingkan citra, ini bisa mengembalikan hasil yang tidak sesuai dengan
persepsi visual.
Pada penggunaan LCH, menghasilkan citra hasil pencarian yang jumlahnya
banyak secara kuantitas, dan hasil pencariannya terpegaruh oleh citra geometri
misalnya citra yang dirotasi. Sehingga tidak efektif secara kualitas. karena ada citra
yang penyebaran warnanya jauh namun tetap ditampilkan sebagai hasil pencarian.
Pada pengukuran tingkat kemiripan menggunakan histogram warna,
persepesi manusia cenderung didominasi oleh faktor komposisi warna yang
dimiliki oleh citra. Histogram warna dari piksel-piksel dalam citra dapat
digunakan sebagai representasi komposisi warna yang dimiliki citra. Dengan
demikian, dapat dicari citra yang memiliki tingkat kemiripan warna dengan
komposisi warna yang serupa dan jarak warna yang lebih mendekati pada citra
yang dibandingkan.
Sistem yang dibuat juga akan menampilkan keterangan kemiripan tekstur
warna kulit manusia berdasarkan sampel yang dibandingkan dengan sampel data
yang berbeda berdasarkan prosentase tingkat kemiripan komposisi warnanya
yaitu kemiripan sama (80 % - 99 %), kemiripan sedang (70 % - 89 %) dan kurang
mirip (
KEMIR IPAN PADA TEKSTUR WARNA KULIT MANUSIA
MENGGUNAKAN HISTOGRAM WARNA
SKRIPSI
Oleh :
FERY ANDRIYANTO
0734010123
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2012
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI
KEMIR IPAN PADA TEKSTUR WARNA KULIT MANUSIA
MENGGUNAKAN HISTOGRAM WARNA
SKRIPSI
Diajukan Untuk Memenuhi Sebagian Persyar atan
Dalam Memperoleh Gelar Sar jana Komputer
J urusan Teknik Infor matika
Oleh :
FERY ANDRIYANTO
0734010123
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2012
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ABSTRAK
Saat ini perkembangan teknologi informasi citra digital semakin pesat.
Persepsi manusia terhadap suatu citra cenderung didominasi pada faktor
komposisi warna. Untuk mengatasi masalah dalam pengamatan pada citra, maka
perlu dirancang suatu sistem analisa image processing untuk mencari kemiripan
warna. Sistem analisa tersebut memiliki kemampuan dengan tingkatan mendeteksi
kemiripan pada tekstur warna kulit manusia.
Sistem analisa untuk mencari kemiripan warna ini berdasarkan tingkat
piksel gambar yang dimiliki. Sehingga jarak histogram pada intensitas warna asli
yang direpresentasikan sesuai dengan jumlah piksel yang akan dibandingkan
menggunakan histogram warna (Color Histogram). Dengan histogram warna
dapat diketahui tingkat warna dari piksel-piksel dalam citra.
Pada pendeteksian piksel-piksel dalam citra dilakukan pendekatan dengan
perhitungan bit per pixel pada kedalaman warna (Color Depth). Hasil yang
didapat setelah simulasi, berupa citra gambar acuan 8 bit dan 24 bit dengan
ukuran 350x350 yang akan dibandingkan dengan citra asli. Akurasi dalam sistem
analisa untuk mencari kemiripan tekstur warna manusia mendekati tingkat
kemiripan 88 %. Sistem analisa ini dirancang hanya untuk mencari kemiripan
warna dengan batasan tidak mengenali obyek benda atau pola (segmentation).
Kata kunci: Color Histogram, Citra Digital, LockBits Method, Image
Processing
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Segala puji bagi Allah SWT, atas rahmat dan hidayahnya telah
memberikan ridho bagi hambanya.
Syukur Alhamdulillah, sampai saat ini penulis masih diberi kemampuan
dan dapat menyelesaikan tugas akhir ini dengan judul ”SISTEM ANALISA
IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR
WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA” yang
merupakan persyaratan dalam memperoleh gelar Sarjana Komputer di Universitas
Pembangunan Nasional ”Veteran” Jatim.
Penulis mengucapkan terima kasih yang sebesar-besarnya kepada pihak
yang telah membantu baik materiil maupun dorongan spirituil untuk
menyelesaikan penulisan tugas akhir ini, terutama kepada:
1. Orang Tua atas motivasi dan doanya sehingga semua yang dikerjakan
dapat berjalan dengan lancar.
2. Bapak Prof. Dr. Ir Teguh Soedarto, MP selaku Rektor UPN ”Veteran”
Jatim.
3. Bapak Ir. Sutiyono, MT selaku DEKAN FTI UPN ”Veteran” Jatim.
4. Ibu Dr. Ir. Ni Ketut Sari, MT selaku Kepala Jurusan Teknik Informatika,
FTI UPN ”Veteran” Jatim.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
5. Bapak Nur Cahyo Wibowo, S.Kom, M.Kom dan Bapak Agus Hermanto,
S.Kom selaku Dosen Pembimbing yang telah meluangkan waktu untuk
memberikan bimbingan selama proses pelaksanaan Tugas Akhir Penulis.
6. Bapak Chyrtia Aji P, S.Kom dan Bapak Firza Aditiawan, S.Kom selaku
PIA TA yang telah mendukung proses pelaksanaan Tugas Akhir Penulis.
7. Dosen-dosen Teknik Informatika dan Sitem Informasi, staff dan segenap
civitas akademika UPN ”Veteran” Jatim.
8. Bayu Haniarta yang telah banyak membantu demi kelancaran Tugas Akhir
Penulis dan Ajeng Retnaning W yang telah memberikan doa, motivasi.
9. My best Friends: KRIPOSOFT dan seluruh teman-teman yang sudah
mendukung dan memberikan semangat dalam mengerjakan tugas akhir ini.
Penulis menyadari sepenuhnya masih banyak terdapatkekurangan dalam
penulisan Tugas Akhir ini. Oleh karena itu, kritik serta saran yang membangun
dari pembaca sanagt membantu guna perbaikan dan pengembangan di masa yang
akan datang.
Akhirnya dengan rahmat dan ridho Allah SWT penulis berharap semoga
Tugas Akhir ini dapat memberikan manfaat bagi pembaca sekalian terutama
mahasisiwa dibidang komputer
Surabaya, 03 Februari 2012
Penulis
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAF TAR ISI
ABSTRAK......................................................................................................... i
KATA PENGANTAR ..................................................................................
ii
DAFTAR ISI ..............................................................................................
iii
DAFTAR GAMBAR........................................................................................
vi
DAFTAR TABEL..............................................................................................
ix
BAB I PENDAHULUAN
1.1
Latar Belakang ...........................................................................
1
1.2
Rumusan Masalah....................................................................... 3
1.3
Batasan Masalah ........................................................................
3
1.4
Tujuan ........................................................................................
4
1.5
Manfaat ......................................................................................
4
1.6
Metodologi Pembuatan Skripsi ...................................................
5
1.7
Sistematika Penulisan .................................................................
6
BAB II TINJAUAN PUSTAKA
2.1
Definisi Citra ..............................................................................
9
2.2
Permodelan Warna (Color Model) ..............................................
15
2.3
Operasi Pengolahan Citra ...........................................................
20
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
iii
2.4
Histogram Warna (Color Histogram)..........................................
22
2.5
Kuantisasi Warna (Color Quantization) ......................................
25
2.6
Format File JPEG (Joint Photographic Expert Group)................
26
2.7
Pengenalan MATLAB 7 .............................................................
28
2.7.1 Operasi Dasar di MATLAB .................................................
30
2.7.2 Variabel Terdefinisi di MATLAB .......................................
33
BAB III ANALISA DAN PERANCANGAN APLIKASI
3.1
Analisa Permasalahan ..................................................................
37
3.2
Pengolahan Citra Digital..............................................................
39
3.3
Perancangan Sistem .....................................................................
40
3.4
Algoritma dan Blok Diagram Sistem ...........................................
41
3.4.1
Sistem Analisa Tekstur Warna Kulit Manusia
Menggunakan Histogram Warna........................................
44
3.4.2
Preprocessing Pembacaan Citra………………..... ………...
45
3.4.3
Proses Keabuan Rata-rata…………………………………...
46
3.5
Proses Deteksi Kemiripan Warna………………….......………...
47
3.5
Rancangan Antarmuka…………………………….......………...
48
BAB IV IMPLEMENTASI SISTEM
4.1
Kompresi Data ............................................................................
52
4.1.1 Pembacaan Citra Awal .........................................................
52
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
iv
4.1.2 Sampling .............................................................................
53
4.1.3 Quantization ........................................................................
55
4.2 Color Depth ................................................................................
55
4.3 Data Sampel ...............................................................................
57
BAB V UJI COBA DAN EVALUASI
5.1
Peralatan Uji Coba.......................................................................
62
5.2
Uji Coba Sistem ..........................................................................
62
5.3
Langkah Pengoperasian Sistem....................................................
64
5.4
Evaluasi Sistem ...........................................................................
74
BAB VI PENUTUP
6.1
Kesimpulan…….. ........................................................................
6.2
Saran…….……. .......................................................................... . 77
DAFTAR PUSTAKA
LAMPIRAN
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
v
76
D A F T AR G A M B A R
Gambar 2.1
Piksel Matrik .........................................................................
10
Gambar 2.2
Matriks Citra Digital NxM .....................................................
11
Gambar 2.3
Ilustrasi Sistem Koordinat Piksel ...........................................
12
Gambar 2.4
Ilustrasi Citra Biner Monokrom .............................................
13
Gambar 2.5
Ilustrasi Citra Grey Scale .......................................................
14
Gambar 2.6
Ilustrasi Citra True Color .......................................................
15
Gambar 2.7
Tiga Warna Dasar RGB yang ditembakkan Pada Ruang Hampa
Menghasilkan Warna Putih ....................................................
16
Gambar 2.8
Warna yang Dimodelkan sebagai Kubus dengan Indeks RGB
17
Gambar 2.9
Tiga Warna Dasar CMY Ditembakkan Pada
Background yang Berwarna Putih, Biasanya akan
Menghasilkan Warna Abu-abu Gelap Kecoklatan...................
17
Gambar 2.10 Warna-warna Pada Permodelan Warna HSL ..........................
19
Gambar 2.11 Warna-warna Pada Permodelan Warna HSV..........................
20
Gambar 2.12 Piksel Matriks 8x8 .................................................................
23
Gambar 2.13 Matriks Standar Kuantisasi ....................................................
25
Gambar 2.14 Hasil Kuantisasi Warna Median Cut Algoritma 16
bit
Warna/Pixel,
8
bit
Warna/Pixel,
4
bit
Warna/Pixel dan 2 bit Warna/Pixel .........................................
26
Gambar 2.15 Grafik 3-Dimensi Diciptakan dengan Command
“Surf” di MATLAB ...............................................................
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
vi
29
Gambar 2.16 Jendela Utama MATLAB ......................................................
Gambar 3.1
30
Blok Diagram Sistem Analisa Deteksi Kemiripan
Warna ....................................................................................
43
Gambar 3.2
Langkah Awal Untuk Membuat GUI .....................................
49
Gambar 3.3
Langkah Untuk Membuat GUI Quick Start ............................
49
Gambar 3.4
Create GUI, Reload M-File (.m) dan Figure (.fig)...................
50
Gambar 3.5
Rancangan Antarmuka Sistem Analisa Deteksi
Kemiripan Warna ...................................................................
51
Gambar 4.1
Pembacaan Citra ....................................................................
53
Gambar 4.2
Ilustrasi Citra Monokromatik Ukuran [8x8] dengan
Keabuan [0,255].....................................................................
53
Gambar 4.3
Proses Sampling ....................................................................
54
Gambar 4.4
Sampel Gambar Acuan (a) .....................................................
58
Gambar 4.5
Sampel Gambar Acuan (b) .....................................................
59
Gambar 4.6
Sampel Gambar Asli (c) .........................................................
60
Gambar 4.7
Sampel Gambar Asli (d) ........................................................
61
Gambar 5.1
Tampilan
Awal
Sistem
Deteksi
Kemiripan
Dijalankan ..............................................................................
Gambar 5.2
Run Program Untuk Melakukan Load Gambar
Acuan.....................................................................................
Gambar 5.3
65
Load Gambar Perbandingan Pada Tab Window
Directory Folder .....................................................................
Gambar 5.4
64
65
Tampilan Hasil Akhir Mendeteksi Kemiripan
Tekstur Warna Kulit ...............................................................
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
vii
66
Gambar 5.5
Messagebox Hasil Pendeteksian Kemiripan Pada
Seluruh Sampel ......................................................................
67
Gambar 5.6
Menampilkan Histogram Citra Gambar Acuan.......................
68
Gambar 5.7
Menampilkan Hasil Histogram Gambar Paling
Mirip .....................................................................................
69
Gambar 5.8
Run Program Untuk Load Gambar .........................................
70
Gambar 5.9
Proses Load Gambar Yang dibandingkan Pada
Windows Directory Folder.....................................................
70
Gambar 5.10 Hasil Akhir Mendeteksi Kemiripan Tekstur Warna
Kulit ......................................................................................
71
Gambar 5.11 Messagebox Hasil Pendeteksian Kemiripan Gambar
Dalam 1 (satu) Folder ............................................................
71
Gambar 5.12 Menampilkan Histogram Citra Gambar Acuan.......................
72
Gambar 5.13 Histogram Warna Dari Gambar Yang Paling Mirip ..................
73
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
viii
DAF TAR T ABE L
Tabel 2.1 Penghitungan Algoritma Histogram Citra 8x8 .............................
23
Tabel 2.2 Hubungan Antara Bit Per Piksel dengan Jumlah Warna
Maksimum..................................................................................
28
Tabel 2.3 Operator Aritmatika Dasar Pada MATLAB .................................
31
Tabel 2.4 Variabel Yang Terdefinisi di MATLAB ......................................
33
Tabel 2.5 Fungsi Matematika yang Terdefinisi di MATLAB .......................
34
Tabel 5.1 Spesifikasi Perangkat Uji Coba....................................................
62
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ix
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Semakin berkembangnya teknologi informasi dan pemanfaatan teknologi
komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
data yang meliputi data teks, suara, citra dan video semakin meningkat. Salah
satu aspek dalam hal pengelolaan data adalah penemuan kembali informasi yang
diinginkan pengguna atau yang disebut dengan istilah temu-balik citra atau Image
Retrieval (IR). Telah banyak penelitian yang dilakukan dalam mencapai sebuah
data yang relevan dengan didasari sebuah informasi data yaitu citra (image).
Dalam penelitian ini pembahasan retrieval difokuskan pada salah satu jenis
dokumen yaitu dokumen berbentuk citra (image).
Persepsi manusia terhadap suatu citra cenderung didominasi pada faktor
komposisi warna, dimana sebuah kompisisi tersebut pencampuran warna dasar
citra RGB (Red, Green, Blue). Dalam warna yang ada pada gambar memiliki
informasi yang dinamakan picture element atau pixel yang merupakan satuan
titik kecil yang menyusun sebuah gambar yang ada pada dimensi warna dasar
RGB.
Untuk mencari komposisi dan faktor citra warna digunakan sebuah
metode penghitungan yang disebut histrogram warna (Color Histrogram).
Histogram warna dari piksel-piksel dalam citra dapat digunakan sebagai
representasi komposisi warna yang dimiliki citra. Penentuan fitur dari suatu citra
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1
2
diperlukan untuk efisiensi proses pencarian kemiripan citra, karena dokumen
citra terdiri piksel-piksel yang berjumlah ratusan, ribuan bahkan jutaan.
Dalam pelacakan pengenalan citra warna kulit manusia yang di terapkan
dibidang kesehatan pengenalan pola kulit manusia di representasikan dalam
kategori sebagai warna kulit yang sama jenis dalam pola citra warna maupun
kondisi dalam citra warna kulit yang buruk seperti terjadinya kelainan penyakit
kulit.
Tujuan dalam penganalisaan citra warna kulit manusia ini dibuat suatu
histrogram warna untuk mencapai kemiripan warna dalam mendektesi kemiripan
warna kulit manusia dengan ketepatan kepastian 88% dengan dukungan
pencarian citra tekstual dan dikembangkan ciri citra dengan menggunakan tekstur
kedalam citra (Color Depth) untuk mencari titik-titik atau tingkatan bit per piksel
yang ada pada gambar.
Banyaknya piksel yang menyusun suatu gambar tergantung pada resolusi
gambar. Sedangkan banyaknya variasi warna yang dapat direpresentasikan oleh
sebuah piksel tergantung pada color depth (kedalaman warna) yang digunakan,
dalam penganalisaan kemiripan warna di gunakan histogram warna (Color
Histrogram) dimana merepresentasikan disribusi jumlah piksel untuk tiap
intensitas warna dalam citra yang telah di tentukan pada dimensi pada
perbandingan bit.
Penelitian ini bertujuan untuk membuat sistem analisis untuk mengukur
tingkat kemiripan tekstur warna kulit manusia berdasarkan kemiripan histogram
warnanya.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3
1.2.
Rumusan Masalah
Dengan memperhatikan latar belakang yang dipaparkan diatas, dapat
diketahui rumusan masalah yang ada untuk pengembangan pengenalan pola
tekstur warna kulit pada manusia. Masalah – masalah tersebut ialah :
a. Bagaimana mendeskripsikan suatu tekstur atau jenis warna kulit
manusia menggunakan histogram warna (Color Histogram).
b. Bagaimana mendeskripsikan fitur yang ada pada kedua gambar
dengan menggunakan metode BPP (bit per pixel) dalam mencari
kedalaman warna (Color Depth).
c. Bagaimana merancang sistem untuk mencari pembedaan dalam suatu
tekstur warna kulit manusia dengan beberapa tekstur warna kulit
lainnya.
d. Bagaimana mencari prosentase kemiripan suatu tekstur warna kulit
manusia pada dua obyek gambar (image) yang berbeda dengan
melihat perbedaan citra warna.
1.3.
Batasan Masalah
Dalam pembuatan skripsi ini, ruang lingkup permasalahan yang akan
dibatasi sebagai berikut :
a. Pengenalan citra gambar ini dibuat sistem analisa untuk mencari
kemiripan citra warna gambar pada tekstur warna kulit manusia.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4
b. Sistem histogram warna yang dianalisa berdasarkan batas warna piksel
gambar sehingga perbandingan obyek bentuk gambar tidak dapat dibaca
atau disimpulkan dengan pengertian pengenalan obyek (Segmentasi).
c. Batas analisa gambar yang disimpulkan dengan prosentase kemiripan
citra warna histogram pada form gambar yang dibuat dengan dua
perbandingan untuk mencari tingkat kemiripan citra warna.
d. Citra input yang digunakan dalam uji coba berekstensi jpg.
e. Metode
pencitraan
dalam
mencari
kemiripan
warna
ini
di
implementasikan dalam perangkat lunak Matlab.
1.4.
Tujuan
Tujuan skripsi ini adalah untuk mencari tingkat kemiripan warna yang
lebih tinggi dari hasil perbandingan sampel warna gambar yang berbeda dan
histogram warna pada sampel gambar.
.
1.5.
Manfaat
Adapun manfaat yang diperoleh dari skripsi ini antara lain sebagai
berikut:
a. Membantu untuk mencari tingkat kemiripan warna yang lebih akurat dan
mendekati kemiripan warna dari sampel gambar asli.
b. Memudahkan
dalam
mencari
tingkat
kemiripan
warna
perbandingan histogram warna pada gambar.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dengan
5
1.6.
Metodologi Pembuatan Skr ipsi
Pembuatan skripsi terbagi menjadi beberapa tahapan sebagai berikut:
a. Studi Literatur
Pada tahap ini dilakukan pencarian, pengumpulan dan pemahaman
tentang
informasi-informasi
yang diperlukan
dan
literatur
yang
berhubungan dengan permasalahan metode histogram warna. Literatur
yang digunakan meliputi buku skripsi mahasiswa jurusan teknik
informatika, buku panduan pengolahan citra dan dokumen internet
tentang histogram warna.
b. Perumusan masalah dan penyelesainnya
Pada tahap ini meliputi perumusan masalah, batasan-batasan masalah dan
penyelesainnya serta penentuan parameter yang digunakan untuk
mengukur kemiripan.
c. Perancangan Perangkat Lunak
Pada tahap ini dilakukan perancangan perangkat lunak untuk menerapkan
permasalahan dan penyelesaiannya pada tahap sebelumnya.
d. Pembuatan Perangkat Lunak
Pada tahap ini dilakukan pembuatan perangkat lunak sesuai dengan
perancangan perangkat lunak yang telah dilakukan. Dalam tahap ini
dilakukan konversi algoritma menjadi kode program yang siap dieksekusi.
e. Uji Coba dan Evaluasi Hasil
Pada tahap ini dilakukan uji coba dan analisa serta dilakukan evaluasi
kelebihan dan kekurangan terhadap perangkat lunak yang telah dibuat.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
6
f. Dokumentasi
Pada tahap ini disusun buku sebagai dokumentasi dari pelaksanaan skripsi
yang berisi konsep penunjang, perancangan perangkat lunak, pembuatan
perangkat lunak, dokumentasi dari uji coba dan pada bagian akhir berisi
tentang kesimpulan dan saran.
1.7.
Sistematika Penulisan
Adapun sistematika penulisan laporan skripsi ini adalah:
BAB I
: PENDAHULUAN
Bab ini berisi penjelasan tentang latar belakang permasalahan,
rumusan masalah, batasan masalah, tujuan, manfaat, metodologi
pembuatan skripsi dan sistematika penulisan laporan skripsi ini.
BAB II
: TINJ AUAN PUSTAKA
Pada bab dua dijelaskan tentang landasan teori-teori yang
dibutuhkan terkait skripsi ini. Yaitu mengenai definisi citra
digital, color model, image processing, metode histogram
warnan (color histogram) serta penjelasan mengenai software
yang digunakan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
7
BAB III
: ANALISA DAN PERANCANGAN APLIKASI
Bab tiga ini berisi tentang tahapan-tahapan
yang digunakan
dalam perancangan untuk membuat sistem image processing
pada kemiripan citra warna kulit manusia. Yang terdiri dari atas
penjelasan dari analisa permasalahan, perancangan sistem,
prosedur metode yang digunakan, contoh permasalahan serta
rancangan antarmuka sistem yang akan dibuat.
BAB IV
: IMPLEMENTASI SISTEM
Bab
empat
berisi
penjelasan
hasil
implementasi
dari
perancangan sistem analisa image processing untuk mencari
kemiripan citra warna kulit warna beserta sampel yang
digunakan dan dibandingkan. Yang meliputi kebutuhan sistem
dan implementasi tampilan-tampilan antarmuka aplikasi.
BAB V
: UJ I COBA DAN EVALUASI
Bab lima ini menjelaskan lingkup uji coba aplikasi yang telah di
buat sebelumnya. Pelaksanaan uji coba dan evaluasi dari hasil
uji coba yang telah dilakukan untuk kelayakan pemakaian
aplikasi.
BAB VI
: PENUTUP
Bab ini berisi kesimpulan dan saran untuk pengembangan
aplikasi lebih lanjut dalam upaya memperbaiki kelemahan pada
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
8
aplikasi guna untuk mendapatkan hasil kinerja aplikasi yang
lebih baik.
DAFTAR PUSTAKA
LAMPIRAN
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1.
Definisi Citra
Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua
dimensi), representasi, kemiripan atau imitasi dari suatu obyek. 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 media penyimpanan.
Dalam tinjauan matematis, citra merupakan fungsi kontinu dari intensitas
cahaya pada bidang dua dimensi. Ada dua jenis citra yaitu citra diam dan citra
bergerak. Citra diam adalah citra tunggal yang tidak bergerak, sedangkan citra
bergerak adalah rangkaian citra diam yang ditampilkan secara sekuensial.
Sedangkan citra digital merupakan citra yang tersusun dalam bentuk raster (grid
atau kisi). Setiap kotak (tile) yang terbentuk disebut pixel (picture element) dan
memiliki koordinat (x, y). sumbu x (horizontal) atau kolom (column), sample
sedangkan sumbu y (vertikal) atau baris (row, line). Setiap piksel memiliki nilai
(value atau number) yang menunjukkan intensitas keabuan pada piksel tersebut.
Derajat keabuan dimana merepresentasikan grey level atau kode warna. Kisaran
nilai ditentukan oleh bit yang dipakai dan akan menunjukkan resolusi aras abuabu (grey level resolution). (Pramitarini, 2011)
1 bit – 2 warna [0, 1]
4 bit – 16 warna [0, 15]
8 bit – 256 warna [0, 255]
9
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
10
24 bit – 16.777.216 warna (true color)
Kanal merah – Red (R) [0, 255]
Kanal hijau – Green (G) [0, 255]
Kanal blue – Blue (B) [0, 255]
Gambar 2.1. Piksel Matrik
Nilai digital dan banyak bit :
M = banyak piksel per baris (panjang)
N = banyak piksel per kolom (lebar)
b = banyak atau besar bit pada suatu citra
Ada beberapa sifat citra menurut perekam beserta media penyimpanannya yaitu :
A.
Citr a Analog
Citra Analog tidak direpresentasikan dalam komputer dan bersifat kontinu,
semua merupakan fakta, contoh : gambar pada monitor televisi, foto sinar X,
hasil CT scan dan lain-lainnya. Citra analog tersimpan dalam pita kaset.
B.
Citr a Digital
Digital image processing merupakan proses pengambilan atribut-atribut
pada gambar dengan input dan output yang berupa gambar. (Gonzalez dan
Woods, 2008 dalam bukunya Pramitarini, 2011)
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
11
Citra digital adalah citra yang dapat diolah oleh komputer. Yang disimpan
dalam memori komputer hanyalah angka-angka yang menunjukkan besar
intensitas pada masing-masing piksel. Karena berbentuk data numeris, maka citra
digital dapat diolah dengan komputer.
Di dalam komputer, citra digital disimpan sebagai suatu file dengan format
tertentu. Format citra tersebut menunjukan cara sebuah citra digital disimpan,
misalnya apakah dengan suatu kompresi atau tidak. Contoh format citra digital
adalah .bmp, .jpg, .png, .tif dan sebagainya. Ukuran citra digital dinyatakan dalam
piksel (picture element). Umumnya, nilai setiap piksel merupakan kuantisasi
harga intensitas cahaya. Dengan demikian, suatu citra digital dapat dipandang
sebagai sebuah matriks yang elemen-elemennya menunjukkan intensitas cahaya
terkuantisasi.
Citra digital dinyatakan matriks berukuran N x M (baris / tinggi = N, kolom
/ lebar = M). setiap titik memiliki koordinat dan biasanya dinyatakan dalam
bilangan bulat positif, yaitu 0 atau 1 tergantung pada sistem yang digunakan.
Format nilai piksel sama dengan format citra kseluruhan. Pada kebanyakan
sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif juga. Ilustrasi
sistem koordinat piksel dilihat pada gambar 2.2 dan contoh ilustrasi koordinat
piksel dengan layer piksel ƒ (2,2) = 1 .
Gambar 2.2. Matriks Citra Digital N x M
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
12
Gambar 2.3. Ilustrasi Sistem Koordinat Piksel
Beberapa penjelasan format piksel adalah sebagai berikut :
a. Format piksel 1 Bit (Citra Biner Monocrom)
Citra biner diperoleh melalui proses pemisahan piksel-piksel bedasarkan
derajat keabuan yang dimilikinya. Pada citra biner, setiap titik bernilai 0 dan
1, masing-masing merepresentasikan warna tertentu. Nilai 0 diberikan untuk
piksel yang memiliki derajat keabuan lebih kecil dari nilai batas yang
ditentukan. Sementara piksel yang memiliki derajat keabuan yang lebih besar
dari batas akan diubah menjadi nilai 1.
Pada standar citra untuk ditampilkan dilayer komputer, nilai biner ini
berhubungan dengan ada tidaknya cahaya yang ditembakkan oleh electron
gun yang terdapat didalam monitor komputer. Angka 0 menyatakan tidak ada
cahaya, dengan demikian warna yang direpresentasikan adalah hitam. Untuk
angka 1, terdapat cahaya, sehingga warna yang direpresentasikan adalah
putih. Standar tersebut sebagai standar citra cahaya, sedangkan standar citra
tinta atau cat adalah berkebalikan, karena biner tersebut menyatakan ada
tidaknya tinta. Setiap titik pada citra hanya membutuhkan 1 bit, sehingga
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
13
setiap byte dapat menampung informasi 8 bit. Ilustrasi dari citra biner bisa
dilihat pada gambar 2.4.
Gambar 2.4. Ilustrasi Citra Biner Monokrom
b. Format piksel 8 Bit (Citra Gray Scale)
Citra skala keabuan memberi kemungkinan warna yang lebih banyak
daripada citra biner, karena ada nilai-nilai diantara nilai minimum (biasanya =
0) dan nilai maksimum. Banyaknya kemungkinan nilai minimum dan nilai
maksimumnya bergantung pada jumlah bit yang digunakan. Mata manusia
pada umumnya hanya mempunyai kemampuan untuk membedakan maksimal
40 tingkat skala keabuan. Untuk citra tampak (visible image) dipilih skala
keabuan lebih dari 40.
Pada umumnya, citra skala keabuan menggunakan jumlah bit 8, sesuai
dengan satuan memori computer. Contohnya untuk skala keabuan 4 bit, maka
jumlah kemungkinan nilainya adalah 16 dan nilai maksimumnya adalah 24 –
1 = 15. Sedangkan untuk skala keabuan 8 bit, maka jumlah kemungkinan
nilainya adalah 256 dan nilai maksimumnya 256 – 1 = 255.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
14
Format citra ini disebut skala keabuan, karena pada umumnya warna yang
dipakai adalah antara warna hitam sebagai warna minimal dan warna putih
sebagai warna maksimalnya, sehingga warna diantara hitam dan putih adalah
abu-abu. Namun pada prakteknya, warna yang dipakai tidak terbatas pada
warna abu-abu. Sebagai contoh, dipilih warna minimalnya adalah putih dan
warna maksimalnya adalah merah, maka semakin besar nilainya semakin
besar pula intensitas warna merahnya. Format citra ini kadang disebut sebagai
citra intensitas. Ilustrasi dari citra Gray Scale dapat dilihat pada gambar 2.5.
Gambar 2.5. Ilustrasi Citra Grey Scale
c. Format piksel 24 Bit (Citra Warna atau True Color)
Pada citra warna, setiap titik mempunyai warna yang paling spesifik yang
merupakan kombinasi dari 3 warna dasar, yaitu merah (Red), hijua (Green)
dan biru (Blue). Ada perbedaan warna dasar untuk dasar cahaya. (misalnya
display di monitor komputer) dan untuk cat (misalnya cetakan diatas kertas).
Untuk cahaya, warna dasarnya adalah red, green dan blue (RGB), sedangkan
untuk cat warna dasarnya adalah sian, magenta, kuning (cyan-magentayellow, CMY).
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
15
Keduanya saling berkomponen. Format citra ini sering disebut sebagai
citra RGB (Red-Green-Blue). Setiap warna dasar mempunyai intensitas
sendiri dengan nilai maksimum 255 (8 bit). Misalnya warna kuning
merupakan kombinasi warna merah ungu muda, nilai RGB nya adalah 255
255 0. Sedangkan warna ungu muda, nilai RGB nya adalah 150 0 150,
dengan demikian setiap titik pada citra warna membutuhkan data 3 byte.
Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224 atau
lebih dari 16 juta warna. Dengan demikian, bisa dianggap mencakup semua
warna yang ada, inilah sebabnya format ini dinamakan true color. Ilustrasi
dari citra ini adalah sebagai berikut :
Gambar 2.6. Ilustrasi Citra True Color
2.2. Per modelan War na (Color Model)
Warna merupakan ciri yang paling ekspresif dibandingkan dengan ciri
visual yang lain. Warna juga merupakan salah satu ciri yang paling banyak
digunakan dalam pengenalan citra. Warna adalah spektrum tertentu yang
terdapat di dalam suatu cahaya sempurna (berwarna putih). Nilai warna
ditentukan oleh tingkat
kecerahan maupun kesuraman warna. Nilai ini
dipengaruhi oleh penambahan putih ataupun hitam.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
16
Penelitian memperlihatkan bahwa kombinasi warna yang memberikan
rentang paling lebar adalah red (R), green (G) dan blue (B). Ketiga warna
tersebut merupakan warna pokok yang biasa disebut RGB. Warna lain
dapat diperoleh dengan mencampurkan ketiga warna pokok tersebut dengan
perbandingan tertentu. Setiap warna pokok mempunyai intensitas sendiri
dengan nilai maksimum 255 (8-bit). Misal warna kuning merupakan
kombinasi warna merah dan hijau sehingga nilai RGB: 255 255 0.
RGB disebut juga ruang warna yang dapat divisualisasikan sebagai sebuah
kubus seperti gambar 2.8, dengan tiga sumbunya yang mewakili komponen
warna merah (red) R, hijau (green) G, biru (blue) B.
Ada beberapa pemodelan warna yang digunakan untuk melakukan
digitalisasi citra, yaitu :
A. RGB
Suatu warna tertentu akan didefinisikan sebagai penggabungan 3 warna
dasar dengan intensitas tertentu pada setiap warna dasarnya. Warna dasar dari
color model RGB adalah merah (red), hijau (green) dan biru (blue). Pemodelan
warna RGB merupakan pemodelan terbaik dalam grafika komputer karena
mirip dengan visualisasi yang dilakukan mata.
Gambar 2.7. Tiga Warna Dasar RGB yang Ditembakkan pada Ruang Hampa
Menghasilkan Wana Putih.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
17
Gambar 2.8. Warna yang Dimodelkan sebagai Kubus dengan Indeks RGB.
Kelebihan dari pemodelan warna ini adalah citra tampak nyata seperti aslinya.
B. CMYK
Pemodelan warna yang mengacu 4 warna pada tinta percetakan yang
biasanya digunakan. Yaitu warna cyan, magenta, yellow (kuning) dan key
(hitam). Warna hitam disini berfungsi untuk mengatur kontras atau kecerahan
suatu warna.
Warna CMY merupakan warna-warna secondary dari warna-warna primary
RGB. Cyan merupakan secondary dari warna hijau dan biru. Magenta
merupakan secondary dari warna merah dan biru. Sedangkan kuning adalah
secondary dari warna merah dan hijau.
Gambar 2.9. Tiga Warna Dasar CMY Ditembakan pada background yang
Berwarna Putih, Biasanya akan Menghasilkan Warna Abu-abu Gelap
Kecoklatan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
18
Kelebihan pemodelan warna ini adalah kemiripannya dengan tinta
yang tersedia untuk mencetak citra, yaitu cyan, magenta, yellow (kuning) dan
key (hitam).
C. YIQ
Pemodelan warna pada sistem televisi berwarna. Y menunjukan
komponen luma, sedangkan I dan Q menunjukan komponen chroma.
Kelebihan pemodelan warna ini adalah mirip dengan warna yang dihasilkan
oleh gelompang. Sehingga sangat cocok untuk sistem televisi.
D. YCbCr
Pemodelan warna yang digunakan oleh sistem fotografi digital.
Pemodelan warna YCbCr bukan pemodelan warna utama, namun merupakan
cara pengkodean informasi RGB. Y menunjukan komponen luma, Cb
menunjukan perbedaan biru dan Cr menunjukan perbedaan merah pada
chroma.
E. xvYCC
Pemodelan warna yang digunakan oleh video elektronik. Mekanisme
yang digunakan sama dengan pada YcbCr yaitu sebagai sistem fotografi
digital yang merupakan cara pengkodean informasi RGB.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
19
F. HSL atau HSV
Keduanya adalah pemodelan paling umum dari pemodelan warna RGB.
Biasanya digunakan oleh aplikasi visual pada komputer. Pemodelan warna ini
mempunyai beberapa komponen, yaitu :
a. Hue : pemodelan pencampuran warna dari merah, kuning, hijau biru.
b. Intensity, radiance : intensitas cahaya yang dierima suatu wilayah.
c. Luminance (Y) : Pencahayaan relatif atau tergantung dari arah pandang
atau arah datangnya cahaya.
d. Brightness : kecerahan.
e. Lightness : kecerahan relative
f. Colorfullness : sensasi visual karena komponen warna yang terbatas.
Kelebihan pemodelan warna ini adalah sangat mirip dengan RGB
sehingga mirip dengan aslinya. Namun, punya komponen yang lebih
kompleks dari RGB. Sehingga semakin menyerupai aslinya.
Gambar 2.10. Warna-warna pada Pemodelan Warna HSL
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
20
Gambar 2.11. Warna-warna pada Pemodelan Warna HSV
2.3. Oper asi Pengolahan Citra
Operasi-operasi yang dilakukan dalam pengolahan citra banyak ragamnya,
namun secara umum operasi pengolahan citra dapat diklarifikasikan dalam
beberapa jenis sebagai berikut:
1. Per baikkan Kualitas Citra (Image Enchancement)
Jenis operasi ini bertujuan untuk memperbaiki citra dengan cara
manipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri
khusus yang terdapat didalam citra lebih ditonjolkan.
Contoh-contoh operasi perbaikkan citra:
a. Perbaikkan kontras gelap atau terang
b. Perbaikkan tepian obyek (edge enchancement)
c. Penajaman (sharpening)
d. Pemberian warna semu (pseudocoloring)
e. Penapisan derau (noise filtering)
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
21
2. Per baikan Citr a (Image Restoration)
Operasi ini bertujuan menghilangkan cacat pada citra. Tujuan
pemugaran citra hampir sama dengan operasi perbaikkan citra.
Perbedaanya, pada pemugaran citra penyebab degradasi gambar
diketahui.
Contoh-contoh operasi pemugaran citra :
a. Penghilangan kesamaran (deblurring)
b. Penghilangan derau (noise)
3. Pemampatan Citra (Image Compression)
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam
bentuk yang lebih kompak sehingga memerlukan memori yang lebih
sedikit. Hal penting yang harus diperhatikan dalam pemampatan citra
adalah citra yang telah dimampatkan harus tetap mempunyai kualitas
gambar yang bagus.
4. Segmentasi Citra (Image Segmentation)
Jenis operasi ini bertujuan untuk memecah suatu citra kedalam
beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini
berkaitan erat dengan pengenalan pola.
5. Pengur aian Citr a (Image Analysis)
Jenis operasi ini bertujuan menghitung besaran kuantitif dua citra untuk
menghasilkan diskripsinya. Teknik pengolahan citra mengekstrasi ciriciri tertentu yang membantu dalam identifikasi obyek. Proses
segmentasi kadang kala diperlukan untuk melokalisasi obyek yang
diinginkan dari sekelilingnya.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
22
Contoh-contoh operasi pengorakan citra:
a. Pendeteksian tepian obyek (edge detection)
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekontr uksi Citra (Image Recontruction)
Jenis operasi ini bertujuan untuk membentuk ulang obyek dari beberapa
citra hasil proyeksi. Operasi rekontruksi citra banyak digunakan dalam
bidang medis.
2.4. Histogram War na (Color Histogram)
Merupakan fitur warna yang paling banyak digunakan. Histogram warna
sangat efektif mengkarakterisasikan distribusi global dari warna dalam sebuah
image. Warna yang sering digunakan adalah RGB (Red, Green, Blue). Jika
masing-masing warna didiskritkan menjadi h interval maka total jumlah
diskritnya adalah hi. Sebuah histogram warna H(hi) adalah sebuah vector (n1, n2,
…, n) dimana ni menunjukkan jumlah piksel dalam citra h i pada bin i. Fitur
vector yang disimpan sebagai index dari citra.
Dimana : L = derajat keabuan
ni = jumlah pixel yang memilki derajat keabuan i
n = jumlah seluruh pixel didalm citra
Komposisi warna merupakan salah satu fitur yang dapat digunakan dalam
sistem temu-balik citra. Komposisi warna dapat direpresentasikan dalam bentuk
histogram. Histogram warna merepresentasikan distribusi jumlah piksel untuk
tiap intensitas warna dalam citra. Untuk mendefinisikan histogram, warna di
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
23
kuantisasi menjadi beberapa level diskrit, kemudian untuk tiap level tersebut
dihitung jumlah piksel yang nilainya sesuai. Contoh, citra 8x8 dengan skala
keabuan 0 – 15, gambar tabel piksel adalah sebagai berikut :
Gambar 2.12. Piksel Matriks 8x8
Informasi suatu citra seringkali dapat diwakili oleh histogram warna.
Komputasi histogram sangat sederhana dan cepat, serta dapat dilakukan pada saat
me-load citra.
Tabel 2.1. Penghitungan Algoritma Histogram Citra 8x8.
Manfaat dalam penggunaan histogram citra yaitu dapat menentukan apakah
suatu citra sudah berada dalam jangkauan yang tepat dalam suatu skala keabuan
atau warna. Jika jangkauan skala belum tepat pada parameter yang diinginkan
maka parameter digitasinya perlu diatur lagi lebih dilebarkan atau lebih
disempitkan.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
24
Histogram warna terdiri dari dua tipe, Global Color Histograms (GCHs) dan
Local Color Histograms (LCHs). Pada penggunaan GCH, distribusi warna global
suatu citra diambil dan digunakan sebagai metada. Jika pengguna mencari citra
dengan yang dalam sistem databasenya hanya memperhatikan distribusi warna global
suatu citra, maka GCH adalah pilihan terbaik. Walaupun demikian, karena GCH
hanya mengambil distribusi warna global suatu citra sebagai pertimbangan untuk
membandingkan citra, ini bisa mengembalikan hasil yang tidak sesuai dengan
persepsi visual.
Pada penggunaan LCH, menghasilkan citra hasil pencarian yang jumlahnya
banyak secara kuantitas, dan hasil pencariannya terpegaruh oleh citra geometri
misalnya citra yang dirotasi. Sehingga tidak efektif secara kualitas. karena ada citra
yang penyebaran warnanya jauh namun tetap ditampilkan sebagai hasil pencarian.
Pada pengukuran tingkat kemiripan menggunakan histogram warna,
persepesi manusia cenderung didominasi oleh faktor komposisi warna yang
dimiliki oleh citra. Histogram warna dari piksel-piksel dalam citra dapat
digunakan sebagai representasi komposisi warna yang dimiliki citra. Dengan
demikian, dapat dicari citra yang memiliki tingkat kemiripan warna dengan
komposisi warna yang serupa dan jarak warna yang lebih mendekati pada citra
yang dibandingkan.
Sistem yang dibuat juga akan menampilkan keterangan kemiripan tekstur
warna kulit manusia berdasarkan sampel yang dibandingkan dengan sampel data
yang berbeda berdasarkan prosentase tingkat kemiripan komposisi warnanya
yaitu kemiripan sama (80 % - 99 %), kemiripan sedang (70 % - 89 %) dan kurang
mirip (