Upload
others
View
11
Download
3
Embed Size (px)
Citation preview
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
160
IMPLEMENTASI METODE GRAM-SCHMIDT DAN METODE PRINCIPAL
COMPONENT DALAM PENAJAMAN CITRA MULTIRESOLUSI
Fentris Yarif Laoli 1
Prodi Teknik Informatika STMIK Budi Darma, Medan, Indonesia
Jl. Sisingamangaraja No. 338, Medan, Indonesia
Abstrak
Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan
komputer. Salah satu teknik pengolahan citra yang digunakan adalah Citra digital yang dapat didefinisikan sebagai fungsi
dua variabel f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) merupakan tingkat kecerahan (brightness) suatu
citra pada suatu titik . Citra digital dapat dibayangkan sebagai suatu matriks yang mana baris dan kolomnya menunjukkan
tingkat keabuan dititik tersebut. Elemen-elemen dari citra digital tersebut biasanya disebut dengan pixel, yang merupakan
singkatan dari picture elements. Proses Gram-Schmidt merupakan salah satu cara untuk mengkonversikan suatu basis
sebarang menjadi sebuah basis orthogonal dan juga ortonormal. Proses ini sangat penting dan seringkali digunakan dalam
aplikasi matematika, khususnya aljabar linear dan analisis numerik. Ilmu aljabar sampai saat ini telah berkembang
dengan pesat, salah satunya yakni mulai dikembangkanya suatu rumpun baru dalam ilmu aljabar, yaitu Aljabar
Linear Super (Super Linear Algebra) yang dapat melakukan pencerahan citra dengan menggunakan. Perangkat yang
digunakan dalam skripsi ini dengan mengunakan Matlab 2010. Hasil akhir dari analisis penajaman citra menggunakan
metode Gram-Schmidt dan Principal Component ini berupa hasil penilaian dalam bentuk keterangan citra asli, yang
mengalami perubahan nilai pixsel setiap citra yang diolah.
Kata Kunci : Pengolahan Citra Digital, Penajaman Citra, Metode Gram-Schmidt dan Principal Component
I. PENDAHULUAN
Pengolahan citra digital atau digital image
processing adalah setiap bentuk pengolahan sinyal yang
masukannya berupa gambar, seperti foto, sedangkan
keluaran dari pengolahan gambar dapat berupa gambar
atau sejumlah karakteristik yang berkaitan dengan
gambar. Secara umum, pengolahan citra merupakan
pemrosesan citra dua dimensi dengan tujuan untuk
melakukan transformasi suatu citra atau gambar menjadi
citra lain dengan menggunakan teknik tertentu dan
dilakukan oleh komputer, karena citra adalah gambar dua
dimensi yang dihasilkan dari gambar analog dua dimensi
yang kontinu melalu proses sampling. Sampling sendiri
merupakan proses untuk menentukan warna pada piksel
tertentu suatu citra dari sebuah gambar yang kontinu.
Pada proses sampling biasanya dicari warna rata-rata dari
gambar analog yang kemudian dibulatkan. Proses ini
juga sering disebut sebagai proses digitisasi.
Citra (image) sebagai salah satu komponen multimedia
memegang peranan sangat penting sebagai bentuk
informasi visual. Citra mempunyai karakteristik yang
tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi. Ada sebuah peribahasa yang berbunyi “sebuah
gambar bermakna lebih dari seribu kata” (a picture is
more than a thousand words).
Maksudnya tentu sebuah gambar dapat memberikan
informasi yang lebih banyak daripada informasi tersebut
disajikan dalam bentuk kata-kata (tekstual) Citra digital
dapat didefinisikan sebagai fungsi dua variabel f(x,y),
dimana x dan y adalah koordinat spasial dan nilai f(x,y)
merupakan tingkat kecerahan (brightness) suatu citra
pada suatu titik . Citra digital dapat dibayangkan sebagai
suatu matriks yang mana baris dan kolomnya
menunjukkan tingkat keabuan dititik tersebut. Proses
Gram-Schmidt merupakan salah satu cara untuk
mengkonversikan suatu basis sebarang menjadi sebuah
basis orthogonal dan juga ortonormal [1]. Proses ini
sangat penting dan seringkali digunakan dalam aplikasi
matematika, khususnya aljabar linear dan analisis
numerik.
Ilmu aljabar sampai saat ini telah berkembang
dengan pesat, salah satunya yakni mulai
dikembangkanya suatu rumpun baru dalam ilmu
aljabar, yaitu Aljabar Linear Super (Super Linear
Algebra). Aljabar Linear Super merupakan perluasan
dari aljabar linear, di mana pertama kali diperkenalkan
oleh Paul Hors (1963) yang mana membahas tentang
matriks super, vector super hingga basis super dan basis
super orthogonal [2].
II. TEORITIS
A. Citra Digital
Citra digital adalah citra yang dapat diolah oleh
komputer”. Citra dapat dinyatakan dalam titik-titik
koordinat pada kawasan ruang (spasial) atau bidang dan
untuk menentukan warna atau menyatakan nilai keabuan
suatu citra. Salah satu contoh bentuk citra digital adalah
citra monokrom atau citra hitam putih yang merupakan
citra satu kanal, dimana citra f (x,y) merupakan fungsi
tingkat keabuan dari hitam ke putih, x menyatakan
variabel baris dan y menyatakan variabel kolom. Indeks
baris dan kolom (x,y) dari sebuah piksel dinyatakan
dalam bilangan bulat (integer). Sebuah piksel
merupakan sampel dari pemandangan yang mengandung
intensitas citra yang dinyatakan dalam bilangan bulat.
Untuk menunjukkan lokasi suatu piksel, koordinat (0,0)
digunakan untuk posisi kiri atas dalam bidang citra, dan
koordinat (m-1,n-1) digunakan untuk posisi kanan
bawah dalam citra berukuran m x n piksel dimana m
adalah kolom dan n adalah baris. Untuk menunjukkan
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
161
tingkat pencahayaan suatu piksel, seringkali digunakan
bilangan bulat yang besarnya delapan bit dengan lebar
selang nilai 0-255 dimana 0 untuk warna hitam, 255
untuk warna putih,dan tingkat abu-abu berada di antara
nilai 0 dan 255. Gambar 2.1 menunjukkan contoh posisi
letak piksel dan bentuk matriks penyusunnya. [1]
B. Metode Gram-Schmidt
Metode Gram-Schmidt di gunakan oleh perangkat
lunak ENVI, tetapi juga di gunakan oleh perangkat lunak
IDRISI dengan nama lain yaitu Transformasi Regresi
Local (local regression transformation). Liu dan Mason
(2009) menamakannya modulasi intensitas berbasis filter
penghalusan (smoothing filter based intensity
modulation, SFIM), serta menjadi dasar bagi penjelasan
berikut ini. Dengan demikian, istilah Gram-Schmidt,
transformasi regresi local dan SFIM sebenarnya mengacu
ke metode yang sama, yang bertumpu pada hasil
penelitian Price.
Dalam model SFIM di perlukan simulasi citra
resolusi tinggi dengan nilai piksel BV(ƴ)rerata yang
menggunakan nilai rerata pada ke empat nilai piksel asli
BV(ƛ) tinggi. Satu nilai baru yang menggantikan ke
empat nilai piksel resolusi rendah ini perlu di definisikan
dengan menggunakan piksel rerata local yang
memperhatikan ke empat piksel resolusi tinggi yang
menyusun satu piksel resolusi rendah.
Nilai piksel pada citra SFIM di definisikan
sebagai:
BV(λ)SFIM =BV(λ)rendahx BV(γ)tinggi
BV(γ)rerataatau
BV(λ)SFIM =p(λ)rendah E(λ)rendahx p(γ)tinggi E(γ)tinggi
p(γ)rendah E(γ)rendah (2.1)
BV(λ)SFIM = p(λ)rendah E(λ)tinggi (2.2)
Dari perspektif model radiasi matahari,
irradiansi yang mengenai permukaan bumi di control
oleh topografi. Apabila dua macam citra di
kuantifikasikan ke julat nilai piksel yang sama maka bisa
di katakan bahwa pada satu resolusi spasial E(ƛ)=E(ƴ),
karena keduanya berfariasi sebagai efek dari control
topografi yang serupa. Selanjutnya ƥ (ƛ)rendah = ƥ(ƴ)
tinggi apabila tidak ada variasi spectral signifikan pada
piksel-piksel penyusun BV (ƴ) rerata. Dengan demikian
dalam persamaan
BV(λ)SFIM =p(λ)rendah E(λ)rendahx p(γ)tinggi E(γ)tinggi
p(γ)rendah E(γ)rendah (2.3)
E(ƛ) rendah dan E(ƴ) rendah akan saling
meniadakan, sementara ƥ(ƛ)rendah dan ƥ(ƴ) tinggi juga
saling meniadakan. E(ƴ) tinggi dapat di gantikan oleh
E(ƛ). Akhirnya, rumus di atas bisa di ganti oleh rumus
yang lebih sederhana sebagai berikut :
CitraSFIM =Citraresolusi_rendah𝑥 Citraresolusi_tinggi
Citrarerata_lokal(2.4)
Dimana citra resolusi rendah adalah saluran
tertentu beresolusi lebih rendah yang di registrasikan ke
saluran dengan resolusi spasial lebih tinggi (Citra
resolusi tinggi). Citra rerata local adalah salura baru yang
di peroleh dengan cara menerapkan pemfilteran rerata
(smoothing) dengan ukuran filter n x n(n=nilai rasio
antara resolusi tinggi terhadap resolusi rendah, misalnya
20 m terhadap 10 m memberikan rasio 2, dan ukuran
filter menjadi 2x2). Cara menerapkan pemfilteran bisa I.
Untuk tiga saluran beresolusi lebih rendah yang akan di
beri merah, hijau, dan biru melalui fusi dengan saluran
pankromatik, maka rumus di atas menjadi :
Sal_MerahSFIM
=Sal_Merahresolusi_rendah x Sal_PANresolusi_tinggi
Sal_PANrerata_lokal(2.5)
Sal_HijauSFIM
=Sal_Hijauresolusi_rendah x Sal_PANresolusi_tinggi
Sal_PANrerata_lokal (2.6)
Sal_BiruSFIM
=Sal_Biruresolusi_rendah x Sal_PANresolusi_tinggi
Sal_PANrerata_lokal (2.7)
C. Metode ‘Principal Component’
Metode penajaman spasial melalui fusi citra
multispectral dengan citra pankromatik juga dapat di
lakukan dengan metode Principal Compenent Analysis
(PCA). PCA merupakan suatu analisis data multispectral
dengan jumlah saluran relative banyak (dan satu sama
lain biasanya saling berkorelasi), untuk menghasilkan
citra baru dengan jumlah saluran yang lebih sedikit, yang
satu sama lain tidak saling berkorelasi. Meskipun jumlah
saluran baru ini (yang di sebut dengan PC1, PC2, PC3
dan seterusnya) lebih sedikit, kandungan informasi yang
di milikinya mewakili sebagian besar informasi dari citra
saluran-saluran asli. Saluran baru berupa citra PC1 hasil
transformasi PCA citra Landsat ETM+(enam saluran ),
misalnya bisa memuat hingga 83% dari total informasi
keenam saluran. PC2 bisa mencapai hingga 14%, dan
persentase ini akan semakin sedikit pada PC-PC
berikutnya.
Penggunaan tekhnik PCA untuk fusi dua macam
citra berbeda resolusi spasial dan spectral (misalnya citra
pankromatik resolusi 10 m dengan citra multispektral 30
m) mengikuti langkah-langkah berikut :
Pertama : Citra multispectral di transformasi dengan
PCA sehingga menghasilkan citra baru
dengan nama PC1, PC2, PC3 dan
seterusnya. Berangkat dari asumsi bahwa
citra PC1 mewakili sebagian dari besar
informasi pada saluran multispectral asli dan
bahwa PC1 tersebut hanya mengandung
iluminasi scene total, sementara variasi antar
saluran di kandung oleh PC-PC yang lain
(Welch dan Ehlers,1987; Bretschneider dan
Kao,200)
Kedua : Citra PC1 kemudian di ganti oleh citra
pankromatik resolusi tinggi melalui proses
re-mapping julat numeric citra pankromatik
agar sama dengan julat numeric PC1.
Ketiga, setelah himpunan data PC berganti
anggota, dimana PC1 di gantikan oleh citra
pankromatik resolusi tinggi maka seluruh
PC dalam satu himpunan data PCA itu di re-
sample ke resolusi tinggi, mengikuti citra
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
162
pankromatiknya. Keempat, seluruh data PC
dalam suatu himpunan di transformasikan
kembali (inversely transformed) untuk
menghasilkan kembali citra saluran-saluran
multispectral penyusunnya, namun masing-
masing saluran sudah memuat informasi
intensitas dan resolusi spasial citra
pankromatik [9]
III. ANALISA
A. Analisa Masalah
Proses penajaman citra berbeda tiap metode,
menghasilkan penajaman yang berbeda secara visual dan
berbeda secara kuantitatif. Hal ini dilakukan untuk
melihat pengaruh hasil penajaman terhadap nilai
intensitas yang digunakan dimana tiap metode
menggunakan 2 nilai intensitas yang berbeda, pertama
intensitas merupakan jumlah seluruh band
multispektralnya dan kedua intensitas merupakan jumlah
band yang lebar panjang gelombangnya sama dengan
pankromatiknya. Pada beberapa penelitian sebelumnya
proses penajaman dilakukan pada citra resolusi tinggi
yang cakupan band hanya pada band visible saja,
sehingga bila mengikuti definisi intensitas pada
umumnya dimana Intensitas merupakan jumlah seluruh
band multispektralnya. Sehingga pada penelitian ini
karena menggunakan data resolusi menengah, yang
cakupan spektral tidak hanya band visible, sehinggga
perlu dilihat hasil penajamannya dengan definisi
Intensitas yang berbeda.
Algorithma image fusion berbasis operasi
aritmatika/map algebra, namun menggunakan prinsip
fisis perjalanan gelombang elektromagnetik dalam
penginderaan jauh. Tidak seperti algoritma aritmatik lain
seperti brovey yang menginjeksikan detil pankromatik
melalui operasi multiplikasi yang pada akhirnya
mengacaukan komposisi spektral citra multispektral,
SFIM mengambil detil pankromatik tanpa menyentuh
atribut spektral dari citra multispektral. Sehingga, nilai
spektral dari citra multispektral tidak
terdistorsi/teralterasi.
Tidak juga seperti algoritma berbasis transformasi
seperti PCA sharpening atau IHS transform, SFIM tidak
mengambil informasi intensitas, sehingga dia tidak
tergantung pada julat spectral dari citra pankromatik,
sehingga dapat digunakan untuk memfusikan saluran
SWIR pada citra ASTER atau LANDSAT tanpa perlu
khawatir informasi spektral teralterasi/terdistorsi terlalu
jauh, walaupun tidak ada citra pankromatik yang direkam
sampai spektrum SWIR.
Kontras citra dapat dimanipulasi dengan
merentang nilai kecerahan pikselnya perentangan efektif
dapat dilakukan bentuk histigramnya. Citra asli, yang
biasanya mempunyai julat nilai lebih sempit dari 0-255,
perlu direntang sehingga kualitas citranya menjadi lebih
baik. Hasil perentangan ini adalah citra baru, yang bila
digambarkan histogramnya berupa kurva yang lebih
lebar. Terdapat beberapa cara untuk merentang kontras
citra. Pada pengaturan warna hitam putih, citra baru ini
akan tampak lebih kontras karena julatnya semakin lebar.
Transformasinya adalah sebagai berikut.
BVoutput = (BVinput – BVmin)/(BVmaks – BVmin)*255
Voutput adalah nilai kecerahan baru hasil
transformasi, BVinput adalah sembarang nilai kecerahan
piksel pada citra yang menjadi masukan, BVmin adalah
nilai kecerahan piksel minimum pada citra asli, dan BV
maks adalah nilai kecerahan maksimum piksel pada citra
asli. Nilai koefisien 255 di maksudkan untuk
memperoleh citra baru dengan julat 0-255 (kecerahan
maksimum). Apabila menghendaki nilai maksimum
piksel hasil transformasi sebesar 200 maka nilai 255
maka tersebut dapat diganti dengan 200. Pada persamaan
ini jika BVoutput ternyata negatif maka nilai baru akan
diatur menjadi sama dengan 0. Begitu pula apabila
BVoutput>255 maka nilai baru akan diatur menjadi 255.
Operasi perentangan kontras ini dapat dibalik sehingga
menghasilkan citra baru yang lebih sempit julatnya dan
disebut sebagai pemampatan kontras (contrast
compression). Baik perentangan maupun pemampatan
kontras mengubah nilai kecerahan piksel satu demi satu,
tanpa melibatkan nilai piksel yang berdekatan (piksel
tetangga). Oleh karena itu, operasi ini disebut sebagai
operasi global, yang secara konseptual berbeda dengan
operasi fokal (ketetanggaan) melalui teknik pemfilteran.
Pada kebanyakan perangkat lunak pengolah citra,
termasuk pengolah citra untuk keperluan publishing,
biasanya citra ditampilkan sudah dalam keadaan
terentang dalam menggunakan nilai default 1% atau 2%
Nilai default ini pun biasanya dapat diubah sesuai dengan
kebutuhan analis.
Gambar 1. Citra Asli (an Hasil Pixsel Citra R,G,B)
Tabel 1. Hasil Pixsel Citra Asli R,G,B
R:135
G:131
B:132
R:134
G:130
B:131
R:134
G:130
B:129
R:131
G:127
B:124
R:131
G:127
B:124
R:136
G:132
B:131
R:136
G:132
B:131
R:131
G:127
B:124
R:131
G:127
B:124
R:131
G:127
B:124
R:136
G:132
B:131
R:136
G:132
B:131
R:131
G:127
B:124
R:131
G:127
B:124
R:131
G:127
B:124
R:138
G:132
B:132
R:137
G:131
B:131
R:137
G:131
B:131
R:132
G:127
B:124
R:132
G:127
B:124
R:137
G:131
B:131
R:136
G:130
B:130
R:136
G:130
B:130
R:132
G:127
B:124
R:132
G:127
B:124
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
163
Pada Gambar 1. diatas diketahui nilai citra asliter
dapat tiga warna yang pertama red, green dan blue.
Setelah mengetahui nilai citra asli maka dalam proses
penajaman citra dengan metode Gram-Schmidt
dibutuhkan nilai grayscale, untuk mendapatkan nilai
grayscale terlebih dahulu nilai dikonvulasinya dengan
cara nilai pixsel citra asli dibagi 3 hingga terbentuk nilai
grayscale.
B. Proses Metode Gram-Schmidt
Pada citra warna bisa diubah menjadi citra
grayscale dengan cara menghitung rata-rata elemen
warna Red, Green, Blue. Secara matematis
perhitungannya adalah sebagai berikut.
𝑓𝑜(𝑋, 𝑌) =𝑓𝑖
𝑅(𝑋, 𝑌) + 𝑓𝑖𝐺(𝑋, 𝑌) + 𝑓𝑖
𝐵(𝑋, 𝑌)
3
Dari hasil piksel R,G,B akan diubah menjadi
pixsel grayscale Perhitungan fungsi negasi dilakukan
seperti berikut. Setiap titik yang terletak di posisi (X,Y),
nilai-nilai komponen Red, Green dan Blue ditambahkan,
kemudian hasilnya dibagi 3.
𝒇𝒐 =𝟏𝟑𝟓 + 𝟏𝟑𝟏 + 𝟏𝟑𝟐
𝟑= 𝟏𝟑𝟑
𝒇𝟏 =𝟏𝟑𝟔 + 𝟏𝟑𝟐 + 𝟏𝟑𝟏
𝟑= 𝟏𝟑𝟑
𝒇𝟐 =𝟏𝟑𝟔 + 𝟏𝟑𝟐 + 𝟏𝟑𝟏
𝟑= 𝟏𝟑𝟑
𝒇𝟑 =𝟏𝟑𝟖 + 𝟏𝟑𝟐 + 𝟏𝟑𝟐
𝟑= 𝟏𝟑𝟒
𝒇𝟒 =𝟏𝟑𝟕 + 𝟏𝟑𝟏 + 𝟏𝟑𝟏
𝟑= 𝟏𝟑𝟑
Maka hasil pixsel citra warna Red, Green dan
Blue diubah ke citra grayscale dapat dilihat pada tabel
dibawah ini.
Tabel 2. Hasil Konvulasi Citra Asli ke Citra Grayscale
133 132 131 127 127
133 133 133 127 127
133 133 133 127 127
134 133 133 128 128
133 132 132 128 128
Citra masukan berupa citra grayscale berukuran
matrix 5x5, untuk mempermudah dan menyederhanakan
penghitungan dengan Gram-Schmidt dilakukan
perkalian matrix dengan 2x2 dengan menggunakan
Gram-Schmidt.
Tabel 3. Hasil Konvulasi Citra Asli
133 132 131 127 127
133 133 133 127 127
133 133 133 127 127
134 133 133 128 128
133 132 132 128 128
Proses algoritma system untuk penajaman citra
dengan menggunakan metode Gram-Schmidt dan
Principal Component seperti berikut ini :
Filter ini paling sering dugunakan untuk memperhalus
kenampakan citra, biasanya berbentuk jendela matrik
3x3 ataupun 5x5 yang tiap selnya berisi nilai integer
dengan perbedaan nilai yang tidak terlalu besar, Moving
Average Filter atau Mean Filter menghasilkan
kenampakan halus, dimana nilai pixel yang merupakan
rerata dari hasil kali tiap elemen matriks dengan nilai
pixel yang dimaksud seperti berikut ini :
Tabel 4. Mean filter berukuran 3x3 (kiri) yang
diterapkan pada perpotongan citra asli (kanan)
1 1 1
133 132 131 127 127
1 1 1 133 133 133 127 127
1 1 1 133 133 133 127 127
134 133 133 128 128
133 132 132 128 128
Bila mean filter dioperasikan terhadap citra-citra
dengan menggunakan metode Gram-Schmidt dan
Principal Component maka hasil output dari penajaman
citra seperti berikut ini : 𝐵𝑉𝑟𝑒𝑟𝑎𝑡𝑎
=
(1𝑥133) + (1𝑥132) + (1𝑥131)𝑥(1𝑥133) + (1𝑥133) +(1𝑥133) + (1𝑥133) + (1𝑥133) + (1𝑥133)
9
𝐵𝑉𝑟𝑒𝑟𝑎𝑡𝑎 = 132,66 (karena nilai BV tiap pixsel
dibulatkan dalam julat 0-255) Maka nilai 132,66 adalah
nilai rerata dari nilai sembilan piksel yang bertetangga.
Setelah menyelesaikan jendela untuk
menghitung penajaman citra maka langkah selanjutnya
matriks bergeser ke jendela berikutnya seperti berikut ini
:
𝐵𝑉𝑟𝑒𝑟𝑎𝑡𝑎
=
(1𝑥133) + (1𝑥132) + (1𝑥131) + (1𝑥133)𝑥(1𝑥133) +(1𝑥127) + (1𝑥133) + (1𝑥133) + +(1𝑥127)
9
𝐵𝑉𝑟𝑒𝑟𝑎𝑡𝑎 = 130,66
𝐵𝑉𝑟𝑒𝑟𝑎𝑡𝑎
=
(1𝑥131) + (1𝑥127) + (1𝑥127) + (1𝑥133)𝑥(1𝑥127) +(1𝑥127) + (1𝑥133) + (1𝑥117) + +(1𝑥127)
9
𝐵𝑉𝑟𝑒𝑟𝑎𝑡𝑎 = 128,77
Dari perhitungan nilai pixel diatas maka
memberikan nilai baru yang menepati posisi setiap
pikselnya, sehingga dihasilkan citra baru dengan nilai
kecerahan seperti berikut ini :
Tabel 3.5 Perbandingan distribusi nilai pixsel
pada citra asli (kiri) dan citra yang telah mengalami
proses pemfilteran rerata.
133 132 131 127 127 132 130 128
133 133 133 127 127 133 131 129
133 133 133 127 127 132 131 129
134 133 133 128 128
133 132 132 128 128
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
164
IV. IMPLEMENTASI
Berdasarkan implementasi dari hasil analisis
dalam melakukan penajaman citra dengan metode Gram-
Schmidt dan Principlal component maka dapat diperoleh
tampilan hasil sebagai berikut :
GUIDE atau GUI builder merupakan
sebuah graphical user interface (GUI) yang dibangun
dengan obyek grafik seperti tombol (button), kotak teks,
slider, menu dan lain-lain. Untuk Memulai GUIDE
Matlab dapat dilakukan dengan dua cara, yaitu:
1. Melalui command matlab dengan mengetikkan: >>
guide
2. Klik tombol Start Matlab dan pilihlah MATLAB, lalu
pilih GUIDE (GUI Bulder). Lalu akan muncul
window seperti di bawah ini:
Gambar 2. Tampilan Guide
Langkah-langkah mengunakan windows Guide
pada Matlab sebagai berikut
1. Klik Black Gui (Default)
2. Lalu Klik OK
3. Setelah itu muncullah windows seperti gambar 3.
Gambar 3. Tampilan Windows guide
Tampilan form utama yang dihasilkan merupakan
tampilan yang menyerupai bentuk perancangan form
utama yang dirancang sebelumnya. Pada tampilan form
utama terdapat dua buah menu utama dan satu sub menu
dimana mennu utama yang berfungsi untuk menampilkan
tampilan utama sebelum mamasuki form penajaman
citra, sedangkan sub menu operator Gram-Schmidt yang
berfungsi menampilkan form Gram-Schmidt dan menu
keluar berfungsi untuk keluar dari perogram penajaman
citra dengan metode Gram-Schmidt, form utama dapat
dilihan pada gambar berikut ini :
Gambar 4.Tampilan Form Utama
Tampilan form Metode Gram-Schmidt dibawah
ini memiliki empat buah axes yang berfungsi untuk
menampilkan gambar yang diinginkan dalam proses
penajaman citra digital dengan cara merubah pixsel pada
sebuah objek. Dimana axes pertama menampilkan hasil
citra asli yang digunakan, dan axes yang kedua
menampilkan hasil grayscale dari citra asli sebelumnya
dan axes 3 menampilkan hasil penajaman citra dengan
Metode Gram-Schmidt dan axes ke 4 menampilkan hasil
dengan metode Principlal component.
Gambar 5. Tampilan Awal Penajaman Citra
Pada form metode Gram-Schmidt ini juga
memiliki 5 buah Push Button dimana setiap push button
memiliki fungsi masing-masing. Push button open image
berfungsi untuk memanggil gambar yang diiginkan oleh
pengguna untuk dilakukan penajaman citra dan akan
tampil pada axes pertama, push button grayscale
berfungsi untuk merubah citra asli R,G,B menjadi citra
keabuan atau citra grayscale dan akan tampil pada axes
dua,. Push button metode Gram-Schmidt berfungsi untuk
menghasilkan penjaman citra dan ditampilkan pada axes
ketiga, Push button metode Principlal component
berfungsi untuk menghasilkan perubahan gambar dalam
penajaman citra dan pada axes ke empat dan tombol exit
berfungsi untuk keluar dari form.
Tampilan form open image digunakan untuk
perintah untuk memilih image yang ingin digunakan
dalam pengolahan citra untuk penajaman citra maka akan
di proses dari citra asli menjadi citra grayscale.
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
165
Gambar 6. Tampilan Open Image
Pada form grayscale ini berfungsi untuk merubah
citra asli ke citra keabuan atau grayscale, gambar yang di
input pada axes pertama adalah citra asli dan pada saat
push button grayscale di klik akan menghasilkan data
keabun dan tampil pada axes ke dua seperti pada gambar
dibawah ini:
Gambar 7. Tampilan Graysacle
Pada form metode Gram-Schmidt dibawah ini
akan menghasilkan perubahan citra asli untuk dilakukan
penajama citra, sehingga hasil dari penajaman citra dapat
dilihat pada axes ketiga atau pada kota ketiga, terjadi
perubahan pencerahan dari gambar asli.
Gambar 8. Tampilan Metode Gram-Schmidt
Pada form metode Principlal component dibawah
ini akan menghasilkan perubahan pixsel dan perubahan
gambar tidak signifikan hanya terdapat perbedaan sedikit
antara pixsel citra asli dengan citra yang dilakukan
penajaman, sehingga tampilan penejaman citra seperti
pada axes keempat.
Gambar 9. Tampilan Metode Principlal Component
Dari gambar diatas dapat kita lihat perbedaan
hasil metode Gram-Schmidt dengan metode Principlal
component, dimana metode Gram-Schmidt bentuk
hasilnya penajaman citra tidak terlalu mencolok secara
kasat mata dikarenakan nilai pixsel yang berubah tidak
terlalu besar, sedangkan metode Principlal component
gambar asli hampir meyerupai baik dari bentuk citra
aslinya dalam arti perubahan penajaman citra hanya
terjadi pada bagian tertentu.
V. KESIMPULAN
Setelah melakukan analisa dan pembahasan pada
penajaman citra dengan menggunakan metode Gram-
Schmidt dan Principlal component maka dapat diambil
kesimpulan seperti dibahwa ini:
1. Citra digital adalah citra yang bersifat diskrit yang
dapat diolah oleh komputer, Pengolahan citra
merupakan proses untuk menghasilkan citra sesuai
dengan keinginan atau kualitas yang menjadi lebih
baik
2. Penajaman citra adalah suatu proses yang
menghasilkan nilai citra yang keabuan menjadi terang
dari obyek-obyek citra, tujuannya untuk menandai
bagian yang menjadi detail citra, untuk memperbaiki
detail dari citra yang kabur, yang terjadi karena eror
atau adanya efek dari proses akuisisi citra digital.
3. Program Matlab adalah program yang berbasis grafik
dalam mendeteksi suatu objek, program ini dapa
membaca bilangan biner untuk mengelolah objek
citra menjadi objek tepi dengan mengunakan metode
canny dan robert.lebih cerah untuk dilakukan
penajaman.
REFERENCES
[1] Smarandache Kandasamy, "Aljabar Linear Matriks
Super, Vector Super," Pembelajaran Matrix, p. 254,
Augustus 2008.
[2] Rores Anton, "Pengolahan Citra," Proses Gram-
Schmidt, p. 342, July 2004.
[3] Informatika. (2017, May) Teknik Informatika &
Sistem Informasi. [Online].
http//www.informatika.web.id/operasi-
cropping.html
[4] Darma Putra , Pengolahan Citra., 2009.
[5] Wikipedia. (2017, Apryl) Pengolahan Citra. [Online].
http// id.Wikipedia.org/wiki/citra
Jurnal Pelita Informatika, Volume 8, Nomor 2, Oktober 2019
ISSN 2301-9425 (Media Cetak)
Hal: 160-166
166
[6] Abdul Kadir , Pengolahan Citra., 2013, vol. 2.
[7] Abdul Kadir , Pengolahan Citra., 2013.
[8] Kartono , Aljabar Linier, Vektor dan Eksplorasi.,
2013.
[9] M.Sopiyudin Dahlan , Principal Component Analysis
(PCA), 1st ed., 2015, vol. 1.
[10] Rosa A.S , Pengolahan Citra., 2014, pp. 155-157.
[11] Budi S Michael AN, Algoritma & Teknik
Pemograman, 3rd ed. Yogyakarta: ANDI, 2004, vol.
3.
[12] Dr.Drs.Anak Agung Ngurah Gunawan, M.T ,
"Pengolahan Citra," in Mammografi Cara Pembuatan
Program. Denpasar, Bali: Teknosain, 2016, p. 1.