Budiman 0700711481 Muhammad Arya Chandra Birawa

UNIVERSITAS BINA NUSANTARA

  Jurusan Teknik Informatika Skripsi Sarjana Komputer

  Semester Genap tahun 2006/2007

PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA

  Arief Budiman 0700711481

Muhammad Arya Chandra Birawa 0700687993

Abstrak

  Tujuan penelitian ini adalah untuk melakukan studi mengenai penerapan logika samar dalam pemrosesan citra. Alasan dari penelitian ini adalah logika samar merupakan alat yang handal dalam mengatasi berbagai macam masalah yang sifatnya samar atau uncertain. Sedangkan tiap-tiap langkah dalam pemrosesan citra selalu terdapat uncertainty maka penelitian ini ingin menerapkan logika samar kedalam pemrosesan citra. Sedangkan metode penelitian yang digunakan adalah dengan menggunakan metode studi pustaka dan literatur, analisa terhadap pendekatan yang sudah ada dan menganalisa hasil yang didapat menggunakan logika samar dengan teknik konvensional. Algoritma logika samar yang digunakan adalah

  possibility distribution, intensification operator, histogram hyperbolization, rule based, locally adaptive, fast fuzzy edge detection, rule based edge detection . Hasil

  yang dicapai adalah pengetahuan mengenai keunggulan atau kekurangan pemrosesan citra menggunakan logika samar terhadap teknik-teknik konvensional. Simpulan dari penelitian ini adalah untuk image enhancement logika samar memiliki keunggulan dibanding teknik konvensional. Pada edge detection teknik dengan logika samar mampu menampilkan edge sebuah gambar lebih detil daripada teknik konvensional.

  Kata Kunci Logika Samar (Fuzzy Logic), Image Enhancement, Edge Detection, Image Quality.

  Pertama-tama, tim ingin menyampaikankan rasa syukur yang mendalam ke hadirat Tuhan Yang Maha Esa, karena berkat dan karunia-Nya tim dapat menyelesaikan tugas akhir ini dengan judul “PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA”.

  PRAKATA

  Tim menyadari bahwa untuk menyelesaikan tugas akhir ini ada banyak kendala- kendala yang menghalang dan tak jarang membuat ti menjadi pesimis. Namun dibalik kendala-kendala tersebut terdapat orang-orang yang selalu mendukung dalam hal ilmu maupun motivasi tim untuk menyelesaikan tugas akhir ini.

  Pihak-pihak terkait yang senantiasa membantu tim dalam menyelesaikan tugas akhir ini yang tim ingin menyampaikan ucapan terima kasih yang sebesar-besarnya adalah:

• Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-Nya.
• Orang tua tiap-tiap penulis atas dukungan tanpa henti dari berbagai aspek.
• Bapak Ir. Diaz D. Santika M.Sc atas bimbingan penuh kesabaran yang senantiasa menjadi motivasi tim.
• Bpk Prof. Dr. Gerardus Polla, M.App.Sc., selaku Rektor Universitas Bina Nusantara.
• Bpk Ir. Sablin Yusuf, M.Sc, M.ComSc., selaku Dekan Fakultas Ilmu Komputer.
• Bpk H. Mohammad Subekti, M.Sc., selaku Ketua Jurusan Teknik Informatika.
• Universitas Bina Nusantara yang telah membangun jati diri tim untuk

• Semua rekan-rekan tim yang secara langsung maupun tidak langsung membantu tim dalam merealisasikan tugas akhir ini.

  Akhir kata tim menghaturkan permohonan maaf bagi segala pihak yang seyogyanya menemukan kelemahan dan atau kekurangan dalam tugas akhir ini.

  Semoga tugas akhir yang tim susun dapat menjadi bahan kajian untuk mengembangkan penelitian terkait lebih dalam. Terima kasih.

  Jakarta, 20 Juni 2007

  Penulis

DAFTAR ISI

  4

  10

  8 2.1.3. Klasifikasi Ilmu Artificial Intelligence

  7 2.1.2. Perbedaan Kecerdasan Buatan Dan Kecerdasan Alami

  Kecerdasan Buatan

  7 2.1.1. Sejarah

  2.1. Kecerdaasan Buatan (Artificial Intelligence)

  5 BAB II LANDASAN TEORI

  1.5 Sistematika Penulisan

  4

  1.4 Metodologi

  Halaman Judul Luar i

  Halaman Judul Dalam ii

  1.2 Ruang Lingkup 3

  1

  1.1 Latar Belakang

  BAB I PENDAHULUAN

  Daftar Lampiran xiv

  Daftar Gambar xii

  Daftar Tabel xi

  Daftar Isi vii

  Prakata v

  Abstrak iv

  Halaman Persetujuan Softcover iii

  1.3 Tujuan dan Manfaat

2.2. Fuzzy Logic

  13 Sejarah Fuzzy Logic 2.2.2.

  15 Teori Set Fuzzy (Fuzzy Set Theory)

  2.2.3. Keanggotaan

  16 Fungsi

  2.2.4. Fuzzy (Variabel Linguistik)

  21 Variabel 2.2.5.

  23 Diagram Alir Fuzzy Set

  2.3. Pemrosesan Citra (Image Processing)

  27 2.3.1.

  28 Definisi Citra 2.3.1.1.

  29 Citra Analog

  2.3.1.2. Digital

  29 Citra 2.3.1.3.

  30 Citra Biner 2.3.2.

  30 Piksel 2.3.3.

  32 Image Noise 2.3.4.

  33 Pendeteksi Tepi (Edge Detection) 2.3.5.

  34 Image Quality 2.3.5.1.

  34 Fast Fourier Transform (FFT)

  2.3.5.2. Of Fuzziness

  42 Index

2.3.5.3. Squared Error

  43 Mean 2.3.5.4.

  44 Peak Signal-to-Noise Ratio 2.3.6.

  44 Image Enhancement

  2.4. Fuzzy Image Processing

  45 BAB III PENDEKATAN LOGIKA SAMAR DALAM PEMROSESAN CITRA

3.1.1. Pendeteksi Tepi (Edge Detection)

  Layar

  78

  Image Enhancement

  Pengukuran kualitas gambar 77 4.1.2.

  Pengujian 76 4.1.1.

  73 BAB IV PENGUJIAN DAN EVALUASI 4.1.

  71 3.3.4. Rancangan Layar Menu Image Comparison

  70 3.3.3. Rancangan Layar Menu Image Enhancement

  69 3.3.2. Rancangan Layar Menu Edge Detection

  Layar Menu Utama

  69 3.3.1. Rancangan

  47 Image Enhancement 3.2.

  Metode Fuzzy

  66 3.2.3.2. Rule Based Edge Detection

  66 3.2.3.1. Fast Fuzzy Edge Detection

  62 3.2.2.5. Locally Adaptive Contrast Improvement 65 3.2.3. Fuzzy Edge Detection

  59 3.2.2.3. Contrast Improvement with Fuzzy Histogram Hyperbolization60 3.2.2.4. Contrast Improvement Based on Fuzzy If-Then Rules

  57 3.2.2.2. Contrast Improvement with Intensification Operator

  Distibution

  55 3.2.2.1. Algoritma Possibilty

  Image Enhancement

  54 3.2.2. Fuzzy

  Fuzzy

  52 3.2.1. Kenapa

  67 3.3. Rancangan

4.1.4. Mixed Process

  87 Evaluasi 4.2.1.

  Image Enhancement 92 4.2.2.

  Edge Detection 95 4.2.3.

  Mixed Process

  96 BAB V KESIMPULAN DAN SARAN 5.1.

  Kesimpulan 99 5.2.

  Saran 100

  DAFTAR PUSTAKA 101 RIWAYAT HIDUP 103

  DAFTAR TABEL Tabel 4.1 Pengujian image enhancement menggunakan gambar sederhana.

  79 Tabel 4.2 Pengujian image enhancement menggunakan gambar kompleks.

  82 Tabel 4.3 Pengujian edge detection.

  85 Tabel 4.4 Pengujian edge detection dengan teknik konvensional setelah

  87 dilakukan image enhancement menggunakan teknik konvensional.

Tabel 4.5 Pengujian edge detection dengan logika samar setelah dilakukan

  90 image enhancement menggunakan logika samar.

Tabel 4.6 Hasil pengukuran dari gambar-gambar pada table 4.1.

  92 Tabel 4.7 Hasil pengukuran gambar-gambar pada table 4.2.

  93 Tabel

  4.8 Hasil pengukuran tabel

  4.3

  95 Tabel 4.9 Hasil pengukuran tabel 4.4 setelah dilakukan histogram equalization

  96 Tabel 4.10 Hasil pengukuran tabel 4.4 setelah dilakukan adaptive histogram 96 equalization .

  Tabel

  4.11 Hasil pengukuran tabel 4.5.

  97

  DAFTAR GAMBAR

Gambar 2.1. Representation of "dark gray-levels" with a crisp and a fuzzy set

  16 Gambar 2.2. Grafik Fungsi keanggotaan Linear

  17 Gambar 2.3 Grafik fungsi keanggotaan S

  18 Gambar 2.4 Grafik fungsi keanggotaan PI

  19 Gambar 2.5 Grafik fungsi keanggotaan segitiga

  20 Gambar 2.6 Grafik fungsi keanggotaan trapesium

  21 Gambar 2.7 Grafik fungsi keanggotaan kecepatan

  23 Gambar 2.8 Diagram alir proses pengaturan himpunan fuzzy

  27 Gambar 2.9 Perbedaan letak titik origin pada kordinat grafik dan pada citra

  28 (a) koordinat pada grafik matematika (b) koordinat pada citra Gambar

  2.10 Standard deviasi 32 Gambar

  2.11 Bentuk Gelombang Sinusoidal 35 Gambar

  2.12 Pulsa dalam domain frekuensi 35

Gambar 2.13 Kondisi sinyal untuk waktu T tertentu

  36 Gambar

  2.14 Fungsi sinyal x(t)w(t)

  37 Gambar 2.15 Frekuensi fungsi window

  37 Gambar 2.16 Frekuensi dari gelombang sinyal yang terbatas

  38 Gambar

  2.17 Fungsi Pulsa c(t)

  38 Gambar 2.18 Respon sinyal pulsa dalam domain frekuensi

  39 Gambar

  2.19 Sinyal tersampling x(t)w(t)c(t) 39 Gambar

  2.20 Rangkaian sinyal DFT 40

Gambar 2.22 Linear and quadratic index of fuzziness

  43 Gambar

  3.1 Citra asli

  47 Gambar 3.2 Edge detection menggunakan metode Sobel

  48 Gambar 3.3 Edge detection menggunakan metode Prewitt

  48 Gambar 3.4 Edge detection menggunakan metode Zero Crossing

  49 Gambar 3.5 Edge detection menggunakan metode Canny

  49 Gambar 3.6 Steps of fuzzy image processing

  52 Gambar 3.7 U n c e r t a i n t y / I m p e r f e c t k n o w l e d g e i n i m a g e p r o c e s s i n 55

Gambar 3.8 Fungsi Possibilty distribution untuk menghitung nilai keanggotaan

  57 Gambar

  3.9 Fungsi keanggotaan

  62 Gambar 3.10 Fungsi keanggotaan dari set fuzzy pada input(a) dan output(b)

  68 Gambar 3.11 Rancangan layar menu utama

  70 Gambar 3.12 Rancangan layar menu edge detection

  71 Gambar 3.13 Rancangan layar menu image enhancement

  72 Gambar 3.14 Rancangan layar menu image comparison

  75 Gambar 4.1 kiri FFT citra tanpa noise, kanan FFT citra dengan noise 78