View
109
Download
10
Category
Preview:
DESCRIPTION
laporan praktikum fisika komputasi 2
Citation preview
DASAR-DASAR IMAGE PROCESSING BERBASIS MATLAB
22 Februari 2014
Oleh :
BERI BERNANDO
1127030014
JURUSAN FISIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SUNAN GUNUNG DJATI
BANDUNG
2014
ABSTRAK
Nama : Beri Bernando
Teman Sekelompok : Anis Nursanti L, Aisyah Nur Rohmah, Dudi Abdu R, Hesty Ayu A
Nama Asisten Dosen : Abdul Rohman Sayyid
Percobaan kali ini ialah mengenai dasar-dasar image processing berbasis MAT-
LAB. yang bertujuan untuk mengetahui cara untuk mengoperasikan dan mengedit
gambar pada aplikasi MATLAB. MATLAB tidak hanya mampu mengedit data gam-
bar yang ada, namun mampu melakukan analisis terhadap data gambar tersebut
Kata Kunci : MATLAB, Pixel, Image Processing, Citra
i
DAFTAR ISI
ABSTRAK i
DAFTAR ISI ii
DAFTAR GAMBAR iii
1 PENDAHULUAN 1
1.1 Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Rumusan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Batasan Masalah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.4 Tujuan Praktikum . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.5 Sistematika Penulisan . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 LANDASAN TEORI 3
3 METODE PERCOBAAN 4
3.1 Waktu dan Tempat . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 Alat dan Bahan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.3 Diagram Alir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.4 Prosedur Percobaan . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4 HASIL DAN PEMBAHASAN 5
4.0.1 Hasil Pengamatan . . . . . . . . . . . . . . . . . . . . . . . . 5
4.0.2 PEMBAHASAN . . . . . . . . . . . . . . . . . . . . . . . . . 39
5 PENUTUP 42
5.1 Kesimpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
DAFTAR PUSTAKA 42
ii
DAFTAR GAMBAR
4.1 Cara membaca dan menampilkan file citra . . . . . . . . . . . . . . . 5
4.2 Cara menampilkan nilai pixel pada akoordinat xy . . . . . . . . . . . 6
4.3 Program ekstraksi rgb . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.4 Output ekstraksi ke-1 . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.5 Output ekstraksi ke-2 . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.6 Output ekstraksi ke-3 . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.7 Output ekstraksi ke-4 . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.8 Konversi RGB ke grayscale metode 1 . . . . . . . . . . . . . . . . . . 9
4.9 Output konversi RGB ke grayscale metode 1 . . . . . . . . . . . . . 10
4.10 Konversi RGB ke grayscale metode 2 . . . . . . . . . . . . . . . . . . 10
4.11 Output konversi RGB ke grayscale metode 2 . . . . . . . . . . . . . 11
4.12 Konversi RGB ke biner . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.13 Output konversi RGB ke biner . . . . . . . . . . . . . . . . . . . . . 12
4.14 Konversi RGB ke negasi biner . . . . . . . . . . . . . . . . . . . . . . 12
4.15 Filterisasi biner imclose() . . . . . . . . . . . . . . . . . . . . . . . . 13
4.16 Output Filterisasi biner imclose() . . . . . . . . . . . . . . . . . . . . 13
4.17 Output Filterisasi biner imclose() . . . . . . . . . . . . . . . . . . . . 14
4.18 Sintak menampilkan histogram citra . . . . . . . . . . . . . . . . . . 14
4.19 Output histogram citra ke-1 . . . . . . . . . . . . . . . . . . . . . . . 15
4.20 Output histogram citra ke-2 . . . . . . . . . . . . . . . . . . . . . . . 15
4.21 Output histogram citra ke-3 . . . . . . . . . . . . . . . . . . . . . . . 16
4.22 Output histogram citra ke-4 . . . . . . . . . . . . . . . . . . . . . . . 16
4.23 Sintak membuat crop citra . . . . . . . . . . . . . . . . . . . . . . . 17
4.24 Output crop citra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.25 Sintak metode morfologi dilasi . . . . . . . . . . . . . . . . . . . . . 18
4.26 Output morfologi dilasi . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.27 Sintak metode morfologi erosi . . . . . . . . . . . . . . . . . . . . . . 19
4.28 Output morfologi erosi . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.29 Sintak metode objek counting . . . . . . . . . . . . . . . . . . . . . . 20
iii
DAFTAR GAMBAR iv
4.30 Output metode objek counting . . . . . . . . . . . . . . . . . . . . . 20
4.31 Sintak metode konvolusi . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.32 Output metode konvolusi . . . . . . . . . . . . . . . . . . . . . . . . 21
4.33 Sintak metode filter gaussian . . . . . . . . . . . . . . . . . . . . . . 22
4.34 Output metode gaussian . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.35 Sintak metode deteksi tepi . . . . . . . . . . . . . . . . . . . . . . . . 23
4.36 Output deteksi tepi metode prewitt . . . . . . . . . . . . . . . . . . . 23
4.37 Output deteksi tepi metode canny . . . . . . . . . . . . . . . . . . . 24
4.38 Output deteksi tepi metode sobel . . . . . . . . . . . . . . . . . . . . 24
4.39 Output deteksi tepi metode roberts . . . . . . . . . . . . . . . . . . . 25
4.40 Fungsi deteksi merah . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.41 Sintak pengujian deteksi merah . . . . . . . . . . . . . . . . . . . . . 26
4.42 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 26
4.43 Output deteksi warna merah . . . . . . . . . . . . . . . . . . . . . . 27
4.44 Fungsi deteksi hijau . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.45 Sintak pengujian deteksi hijau . . . . . . . . . . . . . . . . . . . . . . 28
4.46 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 28
4.47 Output deteksi warna hijau . . . . . . . . . . . . . . . . . . . . . . . 29
4.48 Fungsi deteksi biru . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.49 Sintak pengujian deteksi biru . . . . . . . . . . . . . . . . . . . . . . 30
4.50 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 30
4.51 Output deteksi warna biru . . . . . . . . . . . . . . . . . . . . . . . . 31
4.52 Fungsi deteksi kuning . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.53 Sintak pengujian deteksi kuning . . . . . . . . . . . . . . . . . . . . . 32
4.54 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 32
4.55 Output deteksi warna kuning . . . . . . . . . . . . . . . . . . . . . . 33
4.56 Fungsi deteksi magenta . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.57 Sintak pengujian deteksi magenta . . . . . . . . . . . . . . . . . . . . 34
4.58 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 34
4.59 Output deteksi warna magenta . . . . . . . . . . . . . . . . . . . . . 35
4.60 Fungsi deteksi putih . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.61 Sintak pengujian deteksi putih . . . . . . . . . . . . . . . . . . . . . 36
4.62 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 36
4.63 Output deteksi warna putih . . . . . . . . . . . . . . . . . . . . . . . 37
4.64 Fungsi deteksi hitam . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.65 Sintak pengujian deteksi magenta . . . . . . . . . . . . . . . . . . . . 38
4.66 Output gambar berwarna RGB . . . . . . . . . . . . . . . . . . . . . 38
4.67 Output deteksi warna magenta . . . . . . . . . . . . . . . . . . . . . 39
Beri Bernando
Bab 1
PENDAHULUAN
1.1 Latar Belakang
MATLAB merupakan salah satu jenis perangkat lunak yang memiliki banyak
sekali kegunaan dan kelebihan, salah satunya ialah MATLAB mampu mengolah data
gambar yang kita miliki sesuai kebutuhan, selain itu MATLAB mampu melakukan
analisis terhadap data gambar tersebut. Hal ini melatarbelakangi percobaan kali
ini, megenai dasar-dasar image processing berbasis MATLAB.
1.2 Rumusan Masalah
Adapun rumusan masalah yang akan dibahas dalam laporan ini adalah sebagai
berikut:
1. Bagaimana cara membaca dan menampilkan citra?
2. Bagaimana cara menampilkan nilai pixel citra?
3. Bagaimana cara mengekstrak nilai pixel RGB (Red, Green, Blue?
4. Bagaimana cara mengkonversi RGB ke grayscale?
5. Bagaimana cara mengkonversi RGB ke biner?
6. Bagaimana cara membuat histogram citra digital dan lain-lain?
1.3 Batasan Masalah
Batasan-batasan masalah pada praktikum kali ini ialah untuk mengetahui bagai-
mana cara mengoperasikan MATLAB. Mencakup bagaimana cara mengolah gambar
berbasis MATLAB dan hasil percobaan yang dilakukan.
1
1.4. Tujuan Praktikum 2
1.4 Tujuan Praktikum
Tujuan pada praktikum kali ini mengenai ”Dasar-dasar Image Processing Berbasis
MATLAB”, adalah:
1. Mampu membaca dan menampilkan citra
2. Mampu menampilkan nilai pixel citra
3. Mampu mengekstrak nilai pixel RGB (Red, Green, Blue
4. Mampu mengkonversi RGB ke grayscale
5. Mampu mnegkonversi RGB ke biner
6. Mampu membuat histogram citra digital
1.5 Sistematika Penulisan
Pada BAB pertama memuat pendahuluan yang membahas mengenai : Latar Be-
lakang, Rumusan Masalah, Batasan Masalah, Tujuan Praktikum dan Sistematika
Penulisan. Selanjutnya memuat landasan teori yang membahas pengertian MAT-
LAB atau Matrix Laboratory yang merupakan suatu aplikasi berbasis expert sys-
tem yang digunakan untuk keperluan komputasi sains, seperti halnya Maple dan
Mathema-tica. Aplikasi yang dibuat oleh MathWorks.inc ini sangat handal suntuk
komputasi yang terkait dengan array atau matriks.Selain digunakan untuk kompu-
tasi, MATLAB juga dapat dibuat untuk sarana simulasi.
Pada BAB III memuat metode percobaan yang membahas mengenai : Waktu dan
tempat, Alat dan bahan, Diagram Alir dan Prosedur Percobaan. Selanjutnya pada
BAB IV memuat Hasil dan Pembahasan yang membahas mengenai bagaimana cara
mengolah gambar berbasis MATLAB dan hasil percobaan yang dilakukan. Kemu-
dian pada BAB terakhir memuat penutup yang membahas mengenai : Kesimpulan
dan Saran.
Beri Bernando
Bab 2
LANDASAN TEORI
MATLAB adalah singkatan dari Matrix Laboratory, software yang dibuat dengan
menggunakan bahasa ini dibuat oleh Mathworks.inc dan telah memiliki berbagai
versi. Salah satu yang cukup menarik dari MATLAB ini adalah kemudahan dan ke-
jelasannya dalam memahami contoh dan demo serta help yang ada pada MATLAB.
MATLAB merupakan suatu sistem interaktif yang memiliki elemen data dalam
suatu array sehingga tidak lagi kita dipusingkan dengan masalah dimensi. Hal ini
memungkinkan kita untuk memecahkan banyak masalah teknis yang terkait dengan
komputasi, khususnya yang berhubungan dengan matriks dan formulasi vektor, yang
mana masalah tersebut merupakan momok apabila kita harus menyelesaikannya de-
ngan menggunakan bahasa level rendah seperti pascall, C dan basic. MATLAB pada
awalnya ditulis untuk memudahkan akses perangkat lunak matrisk yang telah diben-
tuk oleh LINPACK dan EISPACK. saat ini perangkat MATLAB telah bergabung
dengan LAPACK dan BLAS library, yang merupakan satu kesatuan dari sebuah
seni tersendiri dalam perangkat lunak untuk komputasi matriks. Dalam lingkungan
perguruan tinggi teknik, MATLAB merupakan perangkat standar untuk memperke-
nalkan dan mengembangkan penyajian materi matematika, rekayasa dan keilmuan.
Di industri, MATLAB merupakan perangkat pilihan untuk penelitian dengan pro-
duktivitas yang tinggi, pengembangan dan analisanya. Fitur-fitur MATLAB sudah
banyak dikembangkan, dan lebih kita kenal dengan nama toolbox. Toolbox ini me-
rupakan kumpulan dari fungsi-fungsi MATLAB yang telah dikembangkan ke suatu
lingkungan kerja MATLAB untuk memecahkan masalah dalam kelas particular.
3
Bab 3
METODE PERCOBAAN
3.1 Waktu dan Tempat
Praktikum ini berlangsung pada tanggal 19 Februari 2014 bertempat di Labora-
torium Fisika Jurusan Fisika Fakultas Sains dan Teknologi Universitas Islam Negeri
Sunan Gunung Djati Bandung.
3.2 Alat dan Bahan
1. Komputer
2. Software MATLAB
3.3 Diagram Alir
Buka aplikasi MATLAB
Buat sintak-sintak yang diperlukan
Lakukan pengujian dan analisis
3.4 Prosedur Percobaan
Pertama-tama dibuka software MATLAB, selanjutnya dilakukan percobaan dan
analisis dasar-dasar image processiing pada MATLAB.
4
Bab 4
HASIL DAN PEMBAHASAN
4.0.1 Hasil Pengamatan
Cara membaca dan menampilkan file citra
Gambar 4.1: Cara membaca dan menampilkan file citra
5
6
Cara menampilkan nilai pixel pada akoordinat xy
Gambar 4.2: Cara menampilkan nilai pixel pada akoordinat xy
Beri Bernando
7
Program ekstraksi rgb
Gambar 4.3: Program ekstraksi rgb
Output ekstraksi ke-1
Gambar 4.4: Output ekstraksi ke-1
Beri Bernando
8
Output ekstraksi ke-2
Gambar 4.5: Output ekstraksi ke-2
Output ekstraksi ke-3
Gambar 4.6: Output ekstraksi ke-3
Beri Bernando
9
Output ekstraksi ke-4
Gambar 4.7: Output ekstraksi ke-4
Konversi RGB ke grayscale metode 1
Gambar 4.8: Konversi RGB ke grayscale metode 1
Beri Bernando
10
Output konversi RGB ke grayscale metode 1
Gambar 4.9: Output konversi RGB ke grayscale metode 1
Konversi RGB ke grayscale metode 2
Gambar 4.10: Konversi RGB ke grayscale metode 2
Beri Bernando
11
Output konversi RGB ke grayscale metode 2
Gambar 4.11: Output konversi RGB ke grayscale metode 2
Konversi RGB ke biner
Gambar 4.12: Konversi RGB ke biner
Beri Bernando
12
Output konversi RGB ke biner
Gambar 4.13: Output konversi RGB ke biner
Konversi RGB ke negasi biner
Gambar 4.14: Konversi RGB ke negasi biner
Beri Bernando
13
Filterisasi biner imclose()
Gambar 4.15: Filterisasi biner imclose()
Output Filterisasi biner imclose()
Gambar 4.16: Output Filterisasi biner imclose()
Beri Bernando
14
Output Filterisasi biner imclose()
Gambar 4.17: Output Filterisasi biner imclose()
Sintak menampilkan histogram citra
Gambar 4.18: Sintak menampilkan histogram citra
Beri Bernando
15
Output histogram citra ke-1
Gambar 4.19: Output histogram citra ke-1
Output histogram citra ke-2
Gambar 4.20: Output histogram citra ke-2
Beri Bernando
16
Output histogram citra ke-3
Gambar 4.21: Output histogram citra ke-3
Output histogram citra ke-4
Gambar 4.22: Output histogram citra ke-4
Beri Bernando
17
Sintak membuat crop citra
Gambar 4.23: Sintak membuat crop citra
Output crop citra
Gambar 4.24: Output crop citra
Beri Bernando
18
Sintak metode morfologi dilasi
Gambar 4.25: Sintak metode morfologi dilasi
Output morfologi dilasi
Gambar 4.26: Output morfologi dilasi
Beri Bernando
19
Sintak metode morfologi erosi
Gambar 4.27: Sintak metode morfologi erosi
Output morfologi erosi
Gambar 4.28: Output morfologi erosi
Beri Bernando
20
Sintak metode objek counting
Gambar 4.29: Sintak metode objek counting
Output metode objek counting
Gambar 4.30: Output metode objek counting
Beri Bernando
21
Sintak metode konvolusi
Gambar 4.31: Sintak metode konvolusi
Output metode konvolusi
Gambar 4.32: Output metode konvolusi
Beri Bernando
22
Sintak metode filter gaussian
Gambar 4.33: Sintak metode filter gaussian
Output metode gaussian
Gambar 4.34: Output metode gaussian
Beri Bernando
23
Sintak metode deteksi tepi
Gambar 4.35: Sintak metode deteksi tepi
Output deteksi tepi metode prewitt
Gambar 4.36: Output deteksi tepi metode prewitt
Beri Bernando
24
Output deteksi tepi metode canny
Gambar 4.37: Output deteksi tepi metode canny
Output deteksi tepi metode sobel
Gambar 4.38: Output deteksi tepi metode sobel
Beri Bernando
25
Output deteksi tepi metode roberts
Gambar 4.39: Output deteksi tepi metode roberts
Fungsi deteksi merah
Gambar 4.40: Fungsi deteksi merah
Beri Bernando
26
Sintak pengujian deteksi merah
Gambar 4.41: Sintak pengujian deteksi merah
Output gambar berwarna RGB
Gambar 4.42: Output gambar berwarna RGB
Beri Bernando
27
Output deteksi warna merah
Gambar 4.43: Output deteksi warna merah
Fungsi deteksi hijau
Gambar 4.44: Fungsi deteksi hijau
Beri Bernando
28
Sintak pengujian deteksi hijau
Gambar 4.45: Sintak pengujian deteksi hijau
Output gambar berwarna RGB
Gambar 4.46: Output gambar berwarna RGB
Beri Bernando
29
Output deteksi warna hijau
Gambar 4.47: Output deteksi warna hijau
Fungsi deteksi biru
Gambar 4.48: Fungsi deteksi biru
Beri Bernando
30
Sintak pengujian deteksi biru
Gambar 4.49: Sintak pengujian deteksi biru
Output gambar berwarna RGB
Gambar 4.50: Output gambar berwarna RGB
Beri Bernando
31
Output deteksi warna biru
Gambar 4.51: Output deteksi warna biru
Fungsi deteksi kuning
Gambar 4.52: Fungsi deteksi kuning
Beri Bernando
32
Sintak pengujian deteksi kuning
Gambar 4.53: Sintak pengujian deteksi kuning
Output gambar berwarna RGB
Gambar 4.54: Output gambar berwarna RGB
Beri Bernando
33
Output deteksi warna kuning
Gambar 4.55: Output deteksi warna kuning
Fungsi deteksi magenta
Gambar 4.56: Fungsi deteksi magenta
Beri Bernando
34
Sintak pengujian deteksi magenta
Gambar 4.57: Sintak pengujian deteksi magenta
Output gambar berwarna RGB
Gambar 4.58: Output gambar berwarna RGB
Beri Bernando
35
Output deteksi warna magenta
Gambar 4.59: Output deteksi warna magenta
Fungsi deteksi putih
Gambar 4.60: Fungsi deteksi putih
Beri Bernando
36
Sintak pengujian deteksi putih
Gambar 4.61: Sintak pengujian deteksi putih
Output gambar berwarna RGB
Gambar 4.62: Output gambar berwarna RGB
Beri Bernando
37
Output deteksi warna putih
Gambar 4.63: Output deteksi warna putih
Fungsi deteksi hitam
Gambar 4.64: Fungsi deteksi hitam
Beri Bernando
38
Sintak pengujian deteksi magenta
Gambar 4.65: Sintak pengujian deteksi magenta
Output gambar berwarna RGB
Gambar 4.66: Output gambar berwarna RGB
Beri Bernando
39
Output deteksi warna magenta
Gambar 4.67: Output deteksi warna magenta
4.0.2 PEMBAHASAN
Pada percobaan ini yang bertujuan untuk mengelola gambar pada software mat-
lab, pada percobaan pertama, yaitu membaca dan menampilkan citra pada prco-
baan ini dengan mengetik kata im=imread yang berfungsi untuk membaca citra
gambar pada MATLAB, setelah itu menetikkan kata imtool yang berfungsi untuk
menampilkan nilai citra gambar,kemudian mengonveksikan gambar menjadi RGB
agar gambar lebih berwarna. Selanjutnya adalah filterisasi yang berfungsi untuk
menghilangkan noise pada gambar dengan menggunakan metode imclose() dan me-
tode imopen(). Kemudian, membuat histogram citram digital. Histogram adalah
grafik yang menunjukan distribusi intensitas pada sebuah citra digital. kemudian
morfologi pengolahan citra. Hal ini berhubungan dengan bentuk dan struktur dari
suatu objek. Selanjutnya ialah konvolusi pengoalahan citra. Konvolusi adalah salah
satu proses filtering citra yang sering dilakukan. Kemudian deteksi tepi citra digital
yang berfungsi untuk menyeleksi objek. pada pengonveksian pertama yaitu menge-
luarkan gambar yang berwarna merah dan setelah dideteksi warna merah menjadi
hitam saja hal ini dikarenakan tidak terdeteksinya warna merah pada gambar yang
ada. Output yang dihasilkan ada dua, yang pertama ialah gambar yang berwarna
RGB dan setelah dideteksi warna kuning menjadi hitam saja hal ini dikarenakan
tidak terdeteksinya warna kuning pada gambar yang ada. pada pengonveksian ke-
Beri Bernando
40
du, yaitu mengeluarkan gambar yang berwarna Biru dan setelah dideteksi warna
biru menjadi hitam saja hal ini dikarenakan tidak terdeteksinya warna biru pada
gambar yang ada. Output yang dihasilkan ada dua, yang pertama ialah gambar
yang berwarna RGB dan setelah dideteksi warna kuning menjadi hitam saja hal
ini dikarenakan tidak terdeteksinya warna kuning pada gambar yang ada. Warna
selanjutnya ialah warna magenta. Output yang dihasilkan ada dua, yang pertama
ialah gambar yang berwarna RGB dan setelah dideteksi warna magenta menjadi hi-
tam saja hal ini dikarenakan tidak terdeteksinya warna magenta pada gambar yang
ada.
Beri Bernando
Bab 5
PENUTUP
5.1 Kesimpulan
Pada percobaan ini dapat disimpulkan bahwa MATLAB adalah perangkat lunak
yang dapat digunakan untuk menganalisis dan visualisasi data. MATLAB mempu-
nyai banyak fungsi selain mampu melakukan perhitungan numerik sederhana dan
analisis sinyal digital, namun MATLAB juga mampu mengolah data gambar.
5.2 Saran
Pemanfaatan matlab tentunya lebih banyak membantu para penggunanya selain
mampu untuk melakukan pengoperasian matematika, tetapi MATLAB juga mampu
untuk mengelola gambar selain menggunakan software grafis lainnya.
41
DAFTAR PUSTAKA
[1] Haliday,R.,1960, Fisika Jilid I , Jakarta: Erlangga (Terjemahan).
[2] Tipler, P.,1998 , Fisika Untuk Sains dan Teknik Jilid I, Jakarta:Erlangga (Ter-
jemahan).
[3] Sanjaya,M., 2013, Komputasi Numerik Berbasis MATLAB untuk Sains dan
Teknik, Universitas Islam Negeri Sunan Gunung Djati, Bandung.
42
Recommended