Tugas 1 Pengolahan Citra Digital

Tugas 1 Pengolahan Citra Digital

  April 14, 2021    A Rizky Mahendra

---

 Tugas - Pengolahan Citra Digital

1. Pengertian dan tujuan dari Pengolahan citra digital

a)      Pengertian Pengolahan citra digital

    Pengolahan Citra Digital (Digital Image Processing) merupakan bidang ilmu yang mempelajari tentang bagaimana suatu citra itu dibentuk, diolah, dan dianalisis sehingga menghasilkan informasi yang dapat dipahami oleh manusia.

Menurut Suhandy (2003)

    Pengolahan citra digital adalah sebuah teknologi visual yang dipakai untuk mengamati dan menganalisis sebuah objek tanpa berhubungan secara langsung dengan objek yang diamati itu. Teknologi ini bisa dipakai untuk mengevaluasi mutu suatu produk tanpa merusak produk itu sendiri.

b)      Tujuan Pengolahan citra digital

·         Memperbaiki kualitas  citra agar mudah diinterpretasi oleh manusia atau mesin. citra keluaran mempunyai kualitas lebih baik daripada citra masukan.

·    Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis

2.  Tahapan pengenalan pola:

a)      Akuisisi Data

Akuisisi citra digital merupakan proses menangkap (capture) atau memindai (scan) citra analog sehingga diperoleh citra digital.

b)      Enhancement

citra merupakan tahapan pre-processing dalam pengolahan citra yang bertujuan untuk meningkatkan kualitas suatu citra.

c)       Segmentasi

Segmentasi bertujuan untuk menentukan keberadaan target tertentu yang akan menjadi obyek dari pengenalan di dalam rekaman data. Hasil tangkapan kamera, sebagai contoh, dapat diolah pada tahap segmentasi untuk menemukan keberadaan dan lokasi wajah manusia.

3. Menjelaskan algoritma pengenalan pola di bawah ini
   

·         Proses akuisisi citra, citra analog di tangkap(capture) atau memindai (scan) sehingga memperoleh citra digital

·         Preprocessing, Tahap pemrosesan data (dalam hal ini citra digital) agar data bisa dan layak digunakan untuk tahap berikutnya.

·         proses enhancement, citra digital diolah agar kualitas citra meningkat. Proses ini opsional jika kuaitas citra sudah baik maka proses ini boleh tidak dilakukan

·         Proses segmentasi, Proses memisahkan antara obyek yang dikehendaki (foreground) dengan obyek lain yang tidak dikehendaki (background). segmentasi citra juga bersifat subjektif dan eksperimentatif karena tidak ada algoritma yang pasti untuk memisahkan antara foreground dengan background. Apabila seluruh obyek dalam citra adalah obyek yang dikehendaki, maka tidak perlu dilakukan proses segmentasi citra.

·         Proses Ekstraksi ciri, tahap pengambilan ciri objek yang bisa menjadi bahan pembeda dari objek-objek lainnya . Masing-masing obyek diekstrak cirinya berdasarkan parameter-parameter tertentu dan dikelompokkan pada kelas tertentu. Nilai dari parameter-parameter tersebut kemudian dijadikan sebagai data masukan dalam proses identifikasi/ klasifikasi.

·         Klasifikasi / clustering, Merupakan algoritma yang mampu mengeklasifikasikan objek berdasarkan pada karakteristik ciri-ciri yang diberikan. Output dari algoritma ini adalah objek yang akan dikelompokkan ke dalam jelas yang mempunyai kesamaan ciri, misalnya sebua objek masuk dalam kelas apel Amerika atau apel Malang. Dalam tahapan identifikasi, umumnya dilakukan dua proses utama yaitu proses pelatihan dan proses pengujian. Proses pelatihan dilakukan menggunakan sekumpulan data latih yang memuat parameter ciri/ feature yang digunakan untuk membedakan antara objek satu dengan objek lainnya.

4. Perbedaan teknik pembelajaran supervised dan unsupervised dalam pengenalan pola

a)      Pembelajaran supervised

                Jika label output data pembelajaran diketahui, maka disebut sebagai pembelajaran supervised dan pembelajaran seperti ini untuk keperluan klasifikasi. Pembelajaran  Supervised adalah sebuah pendekatan dimana sudah terdapat data yang dilatih, dan terdapat variable yang ditargetkan sehingga tujuan dari pendekatan ini adalah mengelompokan suatu data ke data yang sudah ada

b)      Pembelajaran unsupervised

                Jika label output data pembelajaran tidak diketahui, maka disebut sebagai pembelajaran unsupervised dan pembelajaran seperti ini digunakan untuk keperluan clustering . Pembelajaran Unsupervised tidak memiliki data latih, sehingga dari data yang ada, kita mengelompokan data tersebut menjadi 2 bagian atau 3 bagian dan seterusnya.

 

                jika anda memiliki data data sebelumnya dan memiliki variabel target yang akan diklasifikasikan, maka Anda dapat memakai metode supervised learning. Jika Anda ingin membagi data — data tersebut ke dalam beberapa kelompok maka Anda memakai metode unsupervised learning.

5. Alasan mengapa hingga saat ini pengenalan pola masih banyak dikembangkan di aspek kehidupan manusia.

                Karena sangat memberikan andil atau manfaat bagi kehidupan manusia. Manusia memiliki bentuk atau pola tersendiri yang menjadi ciri khasnya masing-masing. Di jaman yang semakin maju dan modern ini berdampak pada perkembangan teknologi yang semakin maju pula, sehingga banyak yang memanfaatkan pengenalan pola sebagai pendekatan biometrik untuk mengidentifikasi identitas individu (manusia), seperti sidik jari, iris mata, wajah, tanda tangan dan lain sebagainya.