Analisa perbandingan metode histogram equalization dan adaptive histogram equalization untuk peningkatan kualitas citra digital - USD Repository

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

ANALISA PERBANDINGAN METODE HISTOGRAM EQUALIZATION

DAN ADAPTIVE HISTOGRAM EQUALIZATION UNTUK

PENINGKATAN KUALITAS CITRA DIGITAL

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

  

Program Studi Teknik Informatika

Oleh:

Don Bosco Surya Atmaja

  

085314033

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

  

2013

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

COMPARISON ANALYSIS BETWEEN HISTOGRAM EQUALIZATION

AND ADAPTIVE HISTOGRAM EQUALIZATION METHODS FOR

  

IMAGE QUALITY IMPROVEMENT

A THESIS

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Komputer Degree

  

In Departement of Informatics Engineering

By :

Don Bosco Surya Atmaja

  

085314033

INFORMATICS ENGINEERING STUDY PROGRAM

  

INFORMATICS ENGINEERING DEPARTMENT

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2013

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

PERNYATAAN KEASLIAN KARY A

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini

tidak memuat karya/bagian orang lain, kecuali yang telah disebutkan dalam

kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

  Yogyakarta, 23 September 2013 Penulis Don Bosco Surya Atmaja

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Don Bosco Surya Atmaja

  NIM : 085314033

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul :

  

ANALISA PERBANDINGAN METODE HISTOGRAM EQUALIZATION

DAN ADAPTIVE HISTOGRAM EQUALIZATION UNTUK

PENINGKATAN KUALITAS CITRA DIGITAL

Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada Perpustakaan Universitas Sanata Dharma untuk hak menyimpan,

mengalihkan dalam bentuk media lain, mengolahnya dalam bentuk pangkalan

data, mendistribusikannya secara terbatas, dan mempublikasikannya di internet

dan media lain untuk kepentingan akademis tanpa perlu meminta izin dari saya

maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya

sebagai penulis. Demikian pernyataan saya ini saya buat dengan sebenarnya.

  Yogyakarta, 23 September 2013 Penulis Don Bosco Surya Atmaja

  

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  HALAMAN PERSEMBAHAN untuk orangtua tercinta... untuk adik terkasih... untuk sahabat terbaik... untuk kalian yang membaca dan melihat ini...

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

ABSTRAK

Peningkatan kualitas citra digital dilakukan agar suatu citra dapat dikenali

lebih baik maupun dapat dinikmati lebih baik juga. Salah satu cara meningkatkan

kualitas citra adalah dengan meningkatkan kontras dari citra tersebut. Metode

histogram equalization dan adaptive histogram equalization merupakan salah satu

dari beberapa metode yang digunakan untuk meningkatkan kontras citra. Pada

tugas akhir ini bertujuan untuk membandingkan kedua metode peningkatan

kontras tersebut.

  Citra digital yang digunakan sebagai data dalam membandingkan kedua

metode ini adalah citra warna dan skala keabu-abuan sebanyak 10 gambar. 10

gambar yang digunakan memiliki kondisi kontras baik, kontras kurang baik,

cahaya gelap, cahaya normal, cahaya terang. Setelah citra diproses dengan kedua

metode tersebut, kemudian dinilai oleh responden dengan kuesioner.

  Hasil pengujian kedua metode tersebut adalah, metode histogram

equalization akan lebih baik ketika citra masukan memiliki kondisi cahaya terang,

sedangkan metode adaptive histogram equalization akan lebih baik ketika citra

masukan memiliki kondisi cahaya gelap maupun normal, kontras rendah maupun

yang sudah baik.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

ABSTRACT

Improving the quality of digital images was needed, so that an image cold

be recognized and enjoyed better too. One way to improve the quality of the

image by enchanced the contrast of the image. Method of hitogram equalization

and adaptive histogram equalization was one of several methods used to enchace

the image cotrast. Aim from this thesis was to compare the two methods of

contrast enchacement.

  Digital image was used as data in comparing between the two methods, the

data were 10 images of colored and grayscale. 10 images that were used, they had

different contrast condition, as like as good contrast condition, worse contrast

condition, dark light, normal light, and bright light. After the image processed by

both methods, then assessed by the respondents with questionnaire.

  The test results from both methods were, histogram equalization method

would be better when the input image had a bright light conditions, whereas the

adaptive histogram equalization method would be better when the input image

had a dark and normal light conditions, worse contrast and good contrast

condition.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  Puji dan syukur kepada Tuhan Yesus Kristus yang telah senantiasa

memberikan berkat dan rahmat yang tak berkesudahan serta kesempatan yang

sangat berharga sehingga penulis dapat menyelesaikan skripsi dengan judul

“Analisa Perbandingan Metode Histogram Equalization dan Adaptive

Histogram Equalization untuk Peningkatan Kualitas Citra Digital “.

  Dalam kesempatan ini, penulis juga ingin mengucapkan terima kasih

sebesar-besarnya terhadap semua pihak yang telah memberi dukungan dan

semangat sehingga skripsi ini dapat selesai : 1.

  Romo Dr. C. Kuntoro Adi, S.J., M.A., M.Sc. selaku dosen pembimbing dan dosen pembimbing akademik Teknik Informatika kelas A angkatan 2008. Terima kasih atas semua bantuan , bimbingan, pengorbanan waktu, kesabaran, ilmu serta semangat yang telah diberikan.

  2. Ibu Paulina Heruningsih Prima Rosa, S.si., M.Sc. selaku Dekan Fakultas Sains dan Teknologi.

  3. Ibu Ridowati Gunawan, S.Kom., M.T., selaku ketua jurusan Teknik Informatika Universitas Sanata Dharma.

  4. Bapak Eko Hari Parmadi , S.si., M.Kom. dan ibu Sri Hartati W., S.Si., M.Kom. selaku dosen penguji. Terima kasih atas saran dan kritik yang telah diberikan.

  5. Kedua orang tua serta adikku tercinta, Terima kasih untuk semua kasih sayang dan perhatian yang tak terhingga.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  6. Untuk Roy, Linardi, Angga, Endra, Petra, Devi, Ocha, Siska, Bebeth, Esy, Agnes, Putri, Itha dan seluruh teman-teman Teknik Informatika angkatan 2008. Terima kasih atas dukungannya.

  7. Tere, Yola, Cici, Adit, dan Maman, yang selalu setia mengingatkan serta berbagi cerita bersama. Terima kasih atas dukungannya.

  8. Semua responden yang telah berkenan mengisi kuesioner penelitian ini.

  9. Semua pihak yang telah membantu penulis dalam menyelesaikan skripsi. Penulis menyadari masih banyak kekurangan yang terdapat dalam laporan

tugas akhir ini. Saran dan kritik sangat diharapkan untuk hasil yang lebih baik di

masa depan.

  Yogyakarta, 23 September 2013 Penulis

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

DAFTAR ISI

HALAMAN JUDUL BAHASA INDONESIA ...................................................... i

HALAMAN JUDUL BAHASA INGGRIS ............................................................ ii

HALAMAN PERSETUJUAN PEMBIMBING ................................................... iii

HALAMAN PENGESAHAN ............................................................................... iv

PERNYATAAN KEASLIAN ................................................................................ v

PERNYATAAN PUBLIKASI .............................................................................. vi

HALAMAN PERSEMBAHAN .......................................................................... vii

ABSTRAK .......................................................................................................... viii

ABSRACT ............................................................................................................ ix

KATA PENGANTAR ........................................................................................... x

DAFTAR ISI ........................................................................................................ xii

DAFTAR GAMBAR ........................................................................................... xv

DAFTAR TABEL ............................................................................................... xvi

  BAB I. PENDAHULUAN

  

1.1. Latar Belakang Masalah ................................................................................... 1

  

1.2. Rumusan Masalah ............................................................................................ 2

  

1.3. Tujuan Penelitian ............................................................................................. 3

  

1.4. Batasan Masalah............................................................................................... 3

  

1.5. Luaran Penelitian ............................................................................................. 3

  

1.6. Manfaat Kegunaan .......................................................................................... 3

  

1.7. Sistematika Penulisan ...................................................................................... 3

  BAB II. LANDASAN TEORI

  

2.1. Citra Digital ...................................................................................................... 5

  2.1.1. Citra Biner atau Monokrom ................................................................... 5

  2.1.2. Citra Skala Keabuan atau Grayscale....................................................... 6

  2.3.3. Citra Warna atau True Color .................................................................. 6

  PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  2.2.1. Histogram ................................................................................................ 7

  2.2.2. Peningkatan Kontras (Contrast Enhancement) ....................................... 8

  2.2.3. Histogram Equalization .......................................................................... 9

  2.2.4. Adaptive Histogram Equalization ......................................................... 11

  

2.3. Peak Signal-to-Noise Ratio (PSNR) .............................................................. 12

  

2.4. Format Citra .BMP ......................................................................................... 13

  

2.5. Format File .JPG ............................................................................................ 14

  

2.6. Kompleksitas Waktu ...................................................................................... 14

  

2.7. Skala Likert ................................................................................................... 15

  BAB III. ANALISA PERANCANGAN SISTEM

  

3.1. Rancangan Umum .......................................................................................... 17

  

3.2. Rancangan Sistem .......................................................................................... 18

  3.2.1. Histogram Equalization ........................................................................ 19

  3.2.2. Adaptive Histogram Equalization ........................................................ 22

  3.2.3. Pengujian Hasil ................................................................................... 34

  3.3 Rancangan Tampilan ........................................................................................ 34

  3.3.1. Halaman Utama ...................................................................................... 34

  3.3.2. Halaman Input ........................................................................................ 36

  3.3.3. Halaman Awal ........................................................................................ 36

  3.3.4. Halaman Help......................................................................................... 37

  3.3.5. Form Pesan ............................................................................................. 37

  3.4 Analisa Kebutuhan Sistem ............................................................................... 38

  3.4.1. Data ...... ................................................................................................. 38

  3.4.2. Perengkat Lunak..................................................................................... 38

  3.4.3. Perangkat Keras ..................................................................................... 38

  BAB IV. IMPLEMENTASI SISTEM DAN ANALISA HASIL

  

4.1. Implementasi Proses ....................................................................................... 39

  4.1.1. Implementasi Algoritma Histogram Equalization ........................... 39

  

4.2. Implementasi Tampilan Antarmuka ............................................................... 41

  

4.3. Analisa Hasil Pengujian ................................................................................. 43

  4.3.1. Perhitungan Kompleksitas Waktu Asimptotik ................................. 43

  4.3.2. Analisa Gambar Luaran Berdasarkan Penilaian Responden ............ 45

  4.3.3. Analisa Histogram Luaran ............................................................... 60

  4.3.4. Analisa Time-running ...................................................................... 64

  4.3.5. Analisa Nilai PSNR ......................................................................... 65

  4.3.6. Analisa Gambar Citra Masukan ....................................................... 66

  BAB V. KESIMPULAN DAN SARAN

  

5.1. Kesimpulan .................................................................................................... 76

  

5.2. Saran .............................................................................................................. 77

DAFTAR PUSTAKA ..........................................................................................78

LAMPIRAN.........................................................................................................80

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

DAFTAR GAMBAR

Gambar Keterangan Halaman

  41

  3.7 Halaman awal

  36

  3.8 Halaman help

  37

  3.9 Form pesan

  37

  4.1 Tampilan Halaman Utama

  4.2 Tampilan Pilih File Citra

  3.6 Halaman input citra awal

  42

  4.3 Tampilan Peringatan Reset

  42

  4.4 Tampilan Peringatan Reset Telah Berhasil

  42

  4.5 Tampilan Peringatan Proses

  43

  4.6 Tampilan Halaman Utama dengan Masukan dan Hasil

  36

  35

  2.1 Contoh citra digital biner dan histogramnya

  2.5 Contoh pembagian matrik citra pada adaptive histogram equalization

  6

  2.2 Contoh citra digital dan histogramnya

  8

  2.3 Citra digital awal dan citra hasil histogram equalization

  10

  2.4 Citra digital awal dan citra hasil adaptive histogram equalization

  12

  12

  3.5 Halaman Utama sistem

  3.1 Diagram konteks sistem

  17

  3.2 Flowchart proses sistem secara keseluruhan

  18

  3.3 Flowchart proses histogram equalization

  19

  3.4 Flowchart proses adaptive histogram equalization

  23

  43 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

DAFTAR TABEL

Tabel Keterangan Halaman

  4.13 Tabel perhitungan total nilai responden untuk citra dengan kontras baik

  54

  4.8 Hasil kuisoner metode adaptive histogram equalization pada citra kontras kurang baik

  55

  4.9 Tabel perhitungan total nilai responden untuk citra dengan kontras baik

  56

  4.10 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik

  57

  4.11 Tabel perhitungan total nilai responden untuk citra dengan kontras baik

  57

  4.12 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik

  58

  58

  53

  4.14 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik

  59

  4.15 Tabel keseluruhan nilai total skala Likert untuk setiap metode pada citra dengan kontras baik

  59

  4.16 Tabel keseluruhan nilai total skala Likert untuk setiap metode pada citra dengan kontras kurang baik

  59

  4.17 Tabel histogram untuk setiap metode

  60

  4.18 Tabel Rata-rata Time-running

  64

  4.19 Tabel Nilai PSNR

  4.7 Hasil kuisoner metode adaptive histogram equalization pada citra kontras baik

  4.6 Tabel perhitungan total nilai responden untuk citra dengan kontras kurang baik

  2.1 Tabel skala Likert

  31

  16

  3.1 Tabel perhitungan histogram equalization

  22

  3.2 Tabel perhitungan adaptive histogram equalization citra A

  1

  26

  3.3 Tabel perhitungan adaptive histogram equalization citra A

  2

  28

  3.4 Tabel perhitungan adaptive histogram equalization citra A

  3

  3.5 Tabel perhitungan adaptive histogram equalization citra A

  53

  4

  33

  4.1 Gambar luaran setiap metode

  46

  4.2 Interval untuk skala Likert

  51

  4.3 Hasil kuesioner metode histogram equalization pada citra yang memiliki kontras baik yang dirubah dalam bentuk bobot nilai

  51

  4.4 Hasil kuisoner metode histogram equalization yang dirubah dalam bentuk bobot nilai

  52

  4.5 Tabel perhitungan total nilai responden untuk citra dengan kontras baik

  65 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  4.21

  67 Tabel Jawaban Responden pada 5 Citra dengan Kontras Baik

  4.22 Tabel Jawaban Responden pada 5 Citra dengan Kontras Baik

  67

  4.23 Tabel Jawaban Responden pada 5 Citra dengan Kontras kurang

  68 Baik

  4.24 Tabel Jawaban Responden pada 5 Citra dengan Kontras kurang

  68 Baik

  4.25 Tabel Jawaban Responden pada 5 Citra dengan Kontras kurang

  69 Baik

  4.26 Tabel Jawaban Responden pada 6 Citra dengan Kondisi Cahaya

  70 Gelap

  4.27

  71 Tabel Jawaban Responden pada 6 Citra dengan Kondisi Cahaya Gelap

  4.28 Tabel Jawaban Responden pada 6 Citra dengan Kondisi Cahaya

  72 Gelap

  4.29 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya

  73 Normal

  4.30 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya

  73 Normal

  4.31 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya

  73 Normal

  4.32 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya

  74 Terang

  4.33 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya

  74 Terang

  4.34 Tabel Jawaban Responden pada 2 Citra dengan Kondisi Cahaya

  75 Terang

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB I PENDAHULUAN

1.1 Latar belakang

  Setiap orang di era digital sekarang ini, sudah mengenal yang namanya

foto atau citra digital. Citra digital adalah hasil proses penangkapan cahaya yang

direkam oleh sensor digital dalam bentuk data biner yang kemudian diubah

menjadi data citra digital. Hampir setiap orang memiliki citra digital. Hal tersebut

terjadi karena dalam menciptakan citra digital bukanlah hal yang sulit lagi. Tetapi

tidak semua perangkat keras akan menghasilkan kualitas citra yang sama baiknya.

Agar menghasilkan citra digital yang serupa terkadang diperlukan proses

pengolahan citra terlebih dahulu.

  Pengolahan citra dilakukan selain untuk menambah nilai seni tetapi lebih

untuk memperbaiki citra yang ada. Kerap kali dalam merekam data citra dari

perangkat keras terjadi gangguan berupa derau (noise), atau terlalu terang dan

gelap, ataupun kurang tajam. Pada penggunaan citra digital untuk penelitian

kerap kali harus melakukan pengolahan awal (preprocessing). Pemrosesan awal

adalah operasi pengolahan citra untuk menigkatkan kualitas citra (image

enchancement ). Pengolahan awal dilakukan agar proses analisa citra berjalan baik.

  

Peningkatan kualitas citra adalah salah satu bagian yang sangat penting dalam

pengolahan citra. Tujuannya untuk meningkatkan kualitas gambar yang memiliki

nilai kontras rendah, untuk memperbesar perbedaan intensitas antara objek dengan

latar belakang gambar, dan meningkatkan persepsi informasi yang terdapat pada

gambar.

  Ada banyak metode dalam meningkatkan mutu citra. Beberapa metode

yang dapat digunakan yaitu histogram equalization (HE), adaptive histogram

equalization (AHE), serta logarithmic image processing (LIP). Penelitian dengan

judul "Fish Bone Impaction Using Adaptive Histogram Equalization (AHE)" yang

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  menggambarkan pentingannya peningkatan mutu citra pada suatu citra digital x-

ray yang akan menentukan diagnosa dokter terhadap pasien yang megalami

gangguan pada tenggorokan akibat tulang ikan saat makan. Metode adapative histogram equalization (AHE) digunakan untuk meningkatkan mutu citra x-ray terutama pada peningkatan kontras citra tersebut, sehingga dapat meningkatkan detail pembacaan citra x-ray yang dilakukan dokter dapat meningkatkan kebenarannya. Penelitian yang dilakukan oleh Murinto, Willy Permana P. dan Sri Handayaningsih pada tahun 2008 dengan judul "Analisa perbadingan Histogram

Equalization (HE) dan model Logarithmic Image Processing (LIP) untuk Image

", juga menggambarkan pentingnya peningkatan mutu citra. Enchanment Penelitian tersebut menjelaskan bahwa kedua metode tersebut memiliki nilai lebih

dan kurang yaitu, metode LIP akan menghasilkan hasil yang bagus walaupun

waktu prosesnya lebih lama, sedangkan HE akan menghasilkan nilai intensitas

piksel yang merata walaupun hasil citranya kurang maksimal . Kedua penelitian

tersebut menggambarkan betapa penting metode peningkatan kontras citra untuk

meningkatkan kualitas citra. Karena metode-metode tersebut mampu

meningkatkan kualitas citra dan merupakan metode yang penting, maka

membandingkan dua diantara ketiga metode yang telah dipaparkan di atas untuk

mengetahui metode mana yang lebih baik dalam meningkatkan kualitas citra

merupakan tujuan penelitian ini. Jadi penelitian ini akan mengukur kinerja dari

metode histogram equalization dan adaptive histogram equalization dalam meningkatkan kualitas citra digital.

1.2 Rumusan Masalah

1. Bagaimana cara meningkatkan kualitas citra digital melalui metode

  histogram equalization dan adaptive histogram equalization ?

  2. Sejauh mana metode histogram equalization dan adaptive histogram mampu meningkatkan kualitas citra digital ? equalization

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  1.3 Tujuan Penelitian Tujuan dari penelitian ini untuk mengukur kinerja dari metode histogram

equalization dan adaptive histogram equalization dalam meningkatkan kualitas

citra digital.

  1.4 Batasan Masalah Dalam penelitian ini terdapat beberapa batasan masalah yaitu : 1. Data citra masukan memiliki format penyimpanan .bmp atau .jpeg.

  

2. Citra yang diproses berupa citra warna dan skala abu-abu.

  3. Citra masukan berkategori panorama atau benda mati dan model manusia dengan tingkat kontras baik, kontras kurang baik, terlalu terang, ataupun terlalu gelap, maupun normal.

  4. Perangkat lunak dibangun dengan menggunakan Matlab R2010a.

  1.5 Luaran Penelitian Luaran yang diharapkan adalah perangkat lunak yang dapat meningkatkan

kualitas citra digital dengan metode histogram equalization dan adaptive

histogram equalization .

  1.6 Manfaat Kegunaan Manfaat luaran yaitu membantu penelitian yang memerlukan preprocessing

citra yaitu peningkatan kontras citra seperti penelitian analisa citra, pengenalan

pola citra dan sebagainya.

  1.7 Sistematika Penulisan Untuk memudahkan dalam penyusunan dan pemahaman isi dari skripsi ini, maka digunakan sistematika penulisan sebagai berikut:

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  BAB I PENDAHULUAN Bab ini berisi tentang pendahuluan yang terdiri dari latar belakang,

perumusan masalah, batasan masalah, tujuan penulisan, luaran penelitian, manfaat

kegunaan dan sistematika penulisan dalam penelitian ini.

  BAB II LANDASAN TEORI Bab ini berisi tentang teori-teori yang digunakan dalam selama penulisan penelitian ini. BAB III ANALISA DAN PERANCANGAN Bab ini membahas mengenai analisa kebutuhan dan perancangan pembangunan sistem. BAB IV IMPLEMENTASI DAN ANALISA HASIL Bab ini berisi tentang implementasi hasil dari analisa dan perancangan

sistem dalam bentuk program (proses, antar muka dan cara kerja program), serta

menyajikan hasil penelitian berupa hasil percobaan dan kuisioner, dan analisa

terhadap hasil penelitian tersebut yang ditinjau dari landasan teori.

  BAB V KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan yang dapat diambil untuk menjawab

rumusan masalah yang dikemukan dalam BAB I, serta saran yang dapat diberikan

untuk melakukan penelitian lebih lanjut di masa yang akan datang.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

BAB II LANDASAN TEORI Bagian ini akan mengambarkan teori-teori yang terkait dengan metode

  

histogram equalization dan adaptive histogram equalization. Mulai dari apa itu

citra digital, macam-macamnya dan juga pemahaman tentang metode histogram

equalization serta adaptive histogram equalization.

2.1 Citra Digital

  Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan

N kolom, dengan x dan y adalah koordinat spasial, dan amplitudo f di titik

koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra titik tersebut.

Citra merupakan suatu representasi atau gambaran, kemiripan, atau imitasi dari

suatu obyek (Sutoyo dkk, 2009). Citra digital sendiri merupakan hasil dari proses

digitalisasi, yaitu representasi citra dari fungsi malar (kontinu) menjadi nilai-nilai

diskrit (Maharani, 2007). Citra digital dapat dikelompokan berdasar pada nilai

pikselnya, yaitu citra biner, citra skala keabuan, dan citra warna. Berikut akan

dijelaskan

2.1.1 Citra Biner atau Monokrom

  Jenis citra digital yang pertama adalah citra biner. Citra biner adalah citra

yang hanya memiliki dua jenis warna yaitu, hitam dan putih. Kedua warna

tersebut direpresentasikan dalam 1 bit yaitu 0 untuk warna hitam dan 1 untuk

warna putih. Sehingga dalam tiap piksel citra biner hanya bernilai 1 bit. Contoh

citra biner dapat dilihat pada gambar 2.1.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  1 1 1 1 1 1 1 1 ⎡ ⎤ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 0 0 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥ 1 1 0 1 1 0 1 1 ⎢ ⎥

  ⎣ 1 1 1 1 1 1 1 1⎦

Gambar 2.1. Contoh citra digital biner dan histogramnya

  2.1.2 Citra Skala Keabuan atau Grayscale Jenis citra digital yang kedua adalah citra skala keabuan atau grayscale.

  

Citra skala keabuan memiliki lebih banyak kemungkinan warna daripada citra

biner. Citra skala keabuan adalah citra yang menggunakan fungsi intensitas untuk

menentukan banyak atau kedalaman warnanya. Fungsi intensitas warna keabuan

pada citra skala keabuan ini memiliki kedalaman yang berbeda-beda. Namun

sebagian besar aplikasi yang menggunakan citra skala keabuan, menggunakan

range 256, yaitu dari 0 hingga 255. Sehingga setipa piksel dalam citra skala

keabuan ini bernilai 1 byte atau 8 bit.

  2.1.3 Citra warna atau True Color Jenis citra digital yang ketiga yaitu citra warna. Salah satu jenis dari citra

warna yaitu citra RGB. Citra RGB merupakan citra yang memiliki komponen

sebanyak tiga bagian yaitu warna red (r), green (g), blue (b). Setiap bagian warna

memiliki nilai paling kecil yaitu 0 dan nilai terbesar yaitu 255. Sehingga akan

didapat macam-macam warna sebanyak 256 (r) x 256 (g) x 256 (b) = 16777216

jenis warna. Jadi suatu jenis warna dapat ditulis dalam bentuk : warna = H(r,g,b) (2.1)

  Contoh biru = (0,0,255), putih = (255,255,255), dan hitam = (0,0,0).

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

2.2 Pengolahan Citra

  Setelah pemahaman tentang citra digital pada sub bab sebelumnya, ada pun

pembahasan selanjutnya mengenai pengolahan citra untuk citra digital.

Pengolahan citra adalah pemrosesan citra menjadi citra yang lain dengan mutu

citra yang lebih baik, yaitu pemrosesan yang berupa pemanipulasian citra dengan

algoritma atau teknik tertentu. Yang dimasksud dengan perbaikan mutu atau

kualitas citra adalah proses mendapatkan citra yang lebih mudah ditangkap oleh

mata manusia. Bisa juga dikatakan sebagai suatu proses untuk memperoleh citra

yang lebih sesuai untuk aplikasi tertentu dibandingkan dengan citra aslinya.

Pengolahan citra dibagi menjadi tiga kategori, yaitu rendah, menengah, dan

tinggi.(Putra, 2010).

  Kategori pertama adalah kategori rendah, melibatkan operasi-operasi

sederhana seperti prapengolahan citra untuk mengurangi derau, pengaturan

kontras, dan pengaturan ketajaman citra. Kategori pengolahan ini memiliki

masukan dan luaran berupa citra juga.

  Ketegori kedua adalah kategori menengah, melibatkan operasi-operasi

seperti segmentasi dan klasifikasi citra. Pada proses pengolahan citra menengah

ini melibatkan masukan berupa citra dan luaran berupa atribut atau fitur dari citra

masukan.

  Kategori ketiga adalah kategori tinggi, melibatkan proses pengenalan dan

deskripsi citra. Pengolahan citra digital sendiri memiliki spektrum aplikasi yang

sangat luas dalam penggunaannya. Berikut akan dijabarkan tentang beberapa

metode yang terdapat pada pengolahan citra yang terkait dengan penelitian ini.

2.2.1 Histogram

  Hitogram menyediakan informasi yang berkaitan dengan kontras dan

distribusi intensitas keseluruhan citra serta tingkat kecerahan citra. Histogram

menampilkan banyaknya piksel dalam suatu citra yang dikelompokkan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

berdasarkan level nilai intensitas piksel yang berbeda. Histogram citra

ditampilkan dalam grafik dua dimensi, dengan sumbu x menunjukkan nilai

intensitas piksel dan sumbu y menunjukkan banyaknya kemunculan suatu nilai

intensitas piksel. Karena itu histogram adalah alat bantu yang berharga dalam

pekerjaan pengolahan citra baik secara kualitatif maupun kuantitaif, seperti untuk

menentukan parameter digitalisasi dan pemilihan ambang batas.

(Putra,2010,Murinto dkk, 2008).

Gambar 2.2. Contoh citra digital dan histogramnya

2.2.2 Peningkatan Kontras (Contrast Enhancement)

  Kontras pada suatu citra adalah distribusi piksel terang dan gelap. Semua

piksel akan terkelompok secara rapat pada suatu sisi tertentu dan menggunakan

sebagian kecil dari semua kemungkinan nilai piksel. Citra dengan kontras tinggi

memiliki daerah gelap dan terang yang luas. Histogram pada citra dengan kontras

tinggi memiliki dua puncak besar, yaitu pada sisi kiri dan sisi kanan histogram.

Citra dengan kontras yang baik akan menampilkan rentang nilai piksel yang lebar.

Histogram pada citra ini menampilkan persebaran nilai piksel yang seragam,

sehingga tidak memiliki puncak utama, atau tidak memiliki lembah.(Putra, 2010).

  Pada peningkatan kontras, setiap piksel pada citra U ditransformasi dengan

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  ( , )− (2.2) (

  ( , ) = − 1) −

  Dengan o(i,j) merupakan piksel sesudah dan u(i,j) merupakan piksel sebelum pada koordinat (i,j), kemudian c menyatakan nilai maksimum sedangkan d menyatakan nilai minimum dari citra masukan, dan L menyatakan nilai skala keabuan yang maksimum. Bila nilai piksel lebih kecil dari 0 maka akan dijadikan 0 dan bila lebih besar dari (L-1) maka akan dijadikan (L-1).

  Permasalahan muncul dengan menggunakan formula tersebut adalah bila

nilai maksimal (d) piksel terlalu tinggi dan nilai minimum (c) piksel terlalu

rendah, akan tetapi nilai maksimum atau minimum sangat sedikit maka proses penskalaan yaitu pembagi (d-c) pada formula di atas menjadi kurang representatif. Maka perlu dilakukan perubahan pada formula menjadi berikut.

  ( , ) ≤ ( , )−

  ( ( , ) = � − 1) ≤ ( , ) ≤ ℎ ℎ (2.3) −

  255 ( , ) ≤ ℎ ℎ Pemilihan nilai c dan d berdasarkan persentase tertentu, misalkan c diberi nilai dengan nilai piksel dimana terdapat sekitar p% piksel lebih kecil dari c, demikian juga untuk nilai d dengan nilai piksel q% piksel lebih besar dari d. Dimana plow adalah nilai p% dan phigh adalah nilai q%.

2.2.3 Histogram Equalization

  Histogram equalization merupakan salah satu bagian penting dari beberapa

aplikasi pengolahan citra. Tujuan metode ini adalah untuk menghasilkan

histogram citra yang seragam. Histogram citra yang seragam adalah seluruh

daerah derajat keabuan terisi secara penuh dengan distribusi yang merata pada setiap nilai intensitas piksel. Metode ini dapat dilakukan pada keseluruhan citra atau pada beberapa bagian citra saja.

  Histogram hasil proses ekualisasi tidak akan seragam atau sama untuk

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  

intensitas dari histogram awal. Jika histogram awal memiliki beberapa puncak dan

lembah maka histogram hasil ekualisasi akan tetap memiliki puncak dan lembah.

Akan tetapi puncak dan lembah tersebut akan digeser. Histogram hasil ekualisasi

akan lebih disebarkan (spreading) (Putra,2010). Hasil penelitian sebelum ini oleh

Murinto pada tahun 2008, dijelaskan bahwa metode histogram equalization

memiliki lama proses atau timming-run yang singkat yaitu 0.308 detik serta

memiliki persebaran nilai intensitas piksel yang merata pada histogram citra yang

diujikan. Sedang pada penelitian yang dilakukan oleh Danny Ibrahim dkk pada

tahun 2011, dijelaskan bahwa metode histogram equalization dapat memproses

dengan baik untuk citra yang terlalu gelap maupun normal, citra dengan kontras

rendah maupun tinggi, akan tetapi akan menghasilkan luaran yang buruk ketika

citra yang digunakan terlalu terang.

Gambar 2.3. Citra digital awal dan citra hasil histogram equalization

  Berikut ini akan dijelaskan secara matematis dari distribusi ulang terhadap

histogram awal dilakukan dengan memetakan setiap nilai piksel pada histogram

awal menjadi nilai piksel baru dengan cara : (2.4)

  ( ) = , = 0,1,2, … , − 1

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  P r (r k ) merupakan probabilitas dari masing-masing intensitas nilai keabuan dari seluruh piksel yang ada di dalam citra. r k adalah nilai intensitas keabuan, n k adalah banyaknya nilai k dalam citra, sedangkan MN adalah ukuran citra masukan.

  

(

−1) = ) = ( = , ∑

  ( − 1) ∑ � � = 0,1,2, … , − 1 (2.5) =0 =0

  Dengan s k adalah nilai piksel baru, n j menyatakan banyaknya piksel pada citra, k menyatakan nilai keabuan awal yang nilainya dari 1…L-1, L menyatakan nilai keabuan maksimum. Sedangkan r j menyatakan banyaknya piksel yang memiliki nilai sama dengan k atau kurang.

2.2.4 Adaptive Histogram Equalization