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.