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
AbstrakTujuan 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 dilakukan90 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 set16 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 tertentu36 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 fuzziness43 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 keanggotaan57 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