Pengolahan Citra Digital - Image Averaging

 Soal 5 - Image Averaging

Pengertian Image Averaging

Adalah proses penggabungan dua citra atau lebih dengan cara menghitung rata-rata nilai piksel pada posisi yang sama dari setiap citra.

Contoh Soal

Diberikan dua buah citra pada gambar dibawah ini sebagai berikut, dengan ketentuan L=8. Ubahlah kedua citra tersebut menggunakan konsep image averaging.

 

Lalu, bagaimana cara mencari image averaging dari kedua citra tersebut ? Mari kita mulai membahas penyelesaiannya.

Rumus Image Averaging

Citra hasil (i, j) = (Citra A (i, j) + Citra B (i, j)) / 2

dimana secara lengkap adalah :

• Citra hasil (i, j) = Nilai piksel pada citra hasil pada baris ke-i dan kolom ke-j
• Citra A (i, j) = Nilai piksel pada citra A pada baris ke-i dan kolom ke-j
• Citra B (i, j) = Nilai piksel pada citra B pada baris ke-i dan kolom ke-j

Langkah-Langkah Penyelesaian

1. Pertama, lakukan perhitungan rata-rata pada masing-masing nilai kedua citra tersebut menggunakan formula microsoft excel.

2. Kedua, dari hasil perhitungan tersebut diperoleh hasil sebagai berikut.

Dari hasil tersebut, ada masalah yang muncul yaitu hasil rata-rata bisa menghasilkan nilai desimal, sementara skala yang digunakan hanya 0 hingga 7.

Lalu, bagaimana solusinya ?

Adalah dengan membulatkan hasil rata-rata nilai desimal tersebut ke bilangan bulat terdekat.

3. Ketiga, lalu bulatkan hasil rata-rata yang bernilai desimal tersebut menggunakan formula pada microsoft excel.

Sehingga didapatkan hasil sebagai berikut.

Hasil Akhir

Latihan

Apabila teman-teman sudah berhasil mencoba rumus image averaging pada kedua citra tersebut, maka bisa mencoba dengan nilai citra yang lain supaya lebih paham. Untuk cara menghitung hasil akhir nilai citra tersebut, bisa dihitung secara manual tanpa menggunakan bantuan formula Microsoft Excel.

Selamat mencoba :)

Pengolahan Citra Digital - Image Substraction

 Soal 4 - Image Substraction

Pengertian Image Substraction

Image Subtraction merupakan operasi perhitungan antara dua citra dengan ukuran yang sama. Setiap piksel pada citra adalah hasil pengurangan nilai piksel yang bersesuaian pada kedua citra input.

Contoh Soal

Diberikan dua buah citra pada gambar dibawah ini sebagai berikut, dengan ketentuan L=8. Ubahlah kedua citra tersebut menggunakan konsep image substraction.

 

Lalu, bagaimana cara mencari image substraction dari kedua citra tersebut ? Mari kita mulai membahas penyelesaiannya.

Rumus Image Substraction

Citra hasil (i, j) = Citra A(i, j) - Citra B(i, j)

dimana secara lengkap adalah :

• Citra hasil (i, j) = Nilai piksel pada citra hasil pada baris ke-i dan kolom ke-j
• Citra A (i, j) = Nilai piksel pada citra A pada baris ke-i dan kolom ke-j
• Citra B (i, j) = Nilai piksel pada citra B pada baris ke-i dan kolom ke-j

Langkah-Langkah Penyelesaian 

1. Pertama, lakukan operasi perhitungan sesuai rumus di atas menggunakan formula microsoft excel. Sampai didapatkan semua hasil dari masing-masing nilai kedua citra tersebut.

2. Kedua, didapatkan hasil citra sebagai berikut.

Dalam hasil image substraction yang diperoleh, terdapat masalah yang muncul yaitu hasil substraksi bisa menghasilkan nilai negatif, sedangkan skala yang digunakan hanya dari 0 hingga 7.

Sehingga, untuk memperbaiki masalah tersebut ada beberapa solusi yang dapat digunakan diantaranya sebagai berikut.

    1. Kliping, cara kerja metode ini adalah dengan mengubah nilai negatif menjadi 0. Ini akan membuat         area yang lebih gelap pada Citra A menjadi lebih hitam pada citra hasil.

    2. Penambahan konstanta, yaitu dengan menambahkan konstanta pada semua nilai hasil untuk                     menghindari nilai negatif. Namun, ini bisa mengubah distribusi intensitas keseluruhan.

    3. Nilai absolut, adapun cara ini dilakukan dengan mengambil nilai absolut dari hasil substraksi, ini             memberikan informasi tentang perbedaan kedua citra, tanpa mempertimbangkan arah                             perbedaannya.

3. Ketiga, metode kliping

    

    Sesuai dengan ketentuan metode tersebut, maka hasil citra yang bernilai negatif dirubah menjadi nilai 0, sedangkan sebaliknya maka nilai citra tersebut tidak berubah.

Hasil Akhir

Latihan

Jika teman-teman sudah berhasil mencoba rumus image substraction pada kedua citra tersebut, maka bisa mencoba dengan nilai citra yang lain supaya lebih paham. Untuk cara menghitung hasil akhir nilai citra tersebut, bisa dihitung secara manual tanpa menggunakan bantuan formula Microsoft Excel.

Selamat mencoba :)

Pengolahan Citra Digital - Image Biner dengan Tresholding

 Soal 2 - Image Biner dengan Tresholding

Pengertian Citra Biner

Citra yang hanya terdiri dari dua nilai, yaitu 0 (hitam) dan 1 (putih).

Pengertian Thresholding

Adalah sebuah nilai ambang batas, yaitu : 

• Jika nilai piksel sama atau lebih besar dari nilai ambang batas, maka piksel tersebut menjadi putih.
• Jika nilai piksel lebih kecil dari nilai ambang batas, maka piksel tersebut menjadi hitam.

Diberikan dua buah citra pada gambar di bawah sebagai berikut, dengan ketentuan L=8, dan T = 3. Ubahlah masing-masing kedua citra tersebut ke dalam image biner.

 

.Lalu, bagaimana cara mencari  image biner dengan T=3 dari Citra A atau Citra B ? Mari kita mulai penyelesaian dari Citra A terlebih dahulu

Rumus Image Biner dengan Tresholding

Untuk merubah citra tersebut, kita gunakan rumus :

Nilai piksel baru = 1 jika nilai piksel lama >= T

Nilai piksel baru = 0 jika nilai piksel lama < T

Dalam kasus ini, nilai T=3 sehingga rumusnya menjadi :

Nilai piksel baru = 1 jika nilai piksel lama >= 3

Nilai piksel baru = 0 jika nilai piksel lama < 3

Langkah-Langkah Penyelesaian 

Menggunakan formula pada Microsoft Excel : 

Hasil Akhir

Latihan

Jika teman-teman sudah berhasil mencoba rumus pada Citra A, maka bisa mencoba pada Citra B sebagai latihan supaya lebih paham. Untuk cara menghitung hasil akhir citra tersebut, bisa dihitung secara manual tanpa menggunakan bantuan formula Microsoft Excel.

Selamat mencoba :)

Pengolahan Citra Digital - Image Negative

Soal 1 - Image Negative

Pengertian Image Negative

Image negatif adalah hasil dari membalikkan nilai intensitas setiap piksel pada sebuah citra. Artinya, warna putih akan menjadi hitam, hitam menjadi putih, dan warna-warna lainnya juga akan dibalik. Efek ini sering digunakan dalam fotografi dan pengolahan citra digital.

Diberikan dua buah citra pada gambar di bawah sebagai berikut, dengan ketentuan L=8. Ubahlah masing-masing kedua citra tersebut ke dalam image negative.

 

Lalu, bagaimana cara mencari nilai negatif dari Citra A ?

Nilai L=8 menunjukkan bahwa citra ini menggunakan skala intensitas dari 0 hingga 7. Ini berarti nilai piksel maksimum adalah 7. Kita diminta untuk mengubah citra A menjadi citra negatif dengan skala intensitas 0-7.

Rumus Citra Negatif

Untuk mengubah citra menjadi negatif, kita gunakan rumus :

Nilai Piksel Baru = Nilai Maksimum Intensitas - Nilai Piksel Lama

Dalam kasus ini, nilai maksimum intensitas (L) adalah 7. Jadi rumusnya menjadi :

Nilai Piksel Baru = 7 - Nilai Piksel Lama

Langkah-Langkah Penyelesaian

1. Menggunakan rumus pada Microsoft Excel : buat tabel baru dengan ukuran yang sama dengan citra A untuk menampung nilai piksel baru.

2. Hitung nilai piksel baru setiap elemen : untuk setiap elemen pada citra A, kurangkan nilai pikselnya dari 7 dan tulis hasilnya pada posisi yang sesuai di tabel baru.

Hasil Akhir

Latihan

Jika teman-teman sudah berhasil mencoba rumus pada Citra A, maka bisa mencoba pada Citra B sebagai latihan supaya lebih paham. Untuk cara menghitung hasil akhir citra tersebut, bisa dihitung secara manual tanpa menggunakan bantuan formula Microsoft Excel.

Selamat mencoba :)

Sistem Pendukung Keputusan (SPK) - Tugas 2

Two-Tier Architecture dan Three-Tier Architecture

Sebelum membahas apa itu Two-Tier Architecture dan Three-Tier Architecture, mari kita sedikit membahas apa hubungan antara kedua hal tersebut dengan sistem pendukung keputusan (SPK).

Baik two-tier maupun three-tier architecture memiliki peran penting dalam pengembangan sistem pendukung keputusan (SPK). Keduanya menyediakan kerangka kerja untuk mengatur komponen-komponen dalam sistem, namun dengan tingkat kompleksitas dan fleksibilitas yang berbeda. 

Pada dasarnya, kedua hal ini sama-sama berfokus pada pengelolaan data dan penerapan logika bisnis untuk mendukung pengambilan keputusan, dengan kata lain fokus pada data dan logika bisnis. Tetapi ada hal-hal yang pastinya juga membedakan kedua hal tersebut, diantaranya pada tingkat abstraksi dan skalabilitas. 

Sehingga untuk lebih memahami bagaimana penerapan dari kedua hal tersebut, mari kita bahas lebih detail pembahasan dalam bentuk berikut.

Berdasarkan pembahasan dalam tabel tersebut, dijelaskan beberapa perbedaan dari kedua macam lapisan arsitektur tersebut, dan berikut adalah dalam bentuk visualisasinya.

Image source : https://media.geeksforgeeks.org/wp-content/uploads/20240907155154/2.png

https://media.geeksforgeeks.org/wp-content/uploads/20240907155153/3.png

Dari pembahasan tersebut, pasti timbul pertanyaan, "Kapan untuk menggunakan?".Tentunya sebagai berikut.

- Two-tier : Cocok untuk aplikasi kecil, sederhana, dan tidak terlalu banyak perubahan.

- Three-tier : Cocok untuk aplikasi besar, kompleks, yang membutuhkan skalabilitas, keamanan, dan fleksibilitas tinggi.

Sedangkan, bagaimana contoh penerapan dalam sistem pendukung keputusan (SPK)?

- Two-tier Architecture : SPK sederhana yang hanya melibatkan satu pengguna atau beberapa pengguna dalam satu lokasi, dengan data yang relatif kecil dan tidak sering berubah.

- Three-tier Architecture : SPK yang melibatkan banyak pengguna dari berbagai lokasi, dengan data yang besar dan kompleks, yang membutuhkan integrasi dengan sistem lain, dan yang sering mengalami perubahan.

Kesimpulan

Berdasarkan pembahasan yang telah dijabarkan sebelumnya, pilihan antara two-tier dan three-tier tergantung pada kebutuhan spesifik dari aplikasi yang akan dibangun. Three-tier umumnya dianggap lebih baik untuk aplikasi modern karena menawarkan fleksibilitas dan skalabilitas yang lebih baik. Namun, two-tier masih relevan untuk aplikasi yang lebih sederhana.

Sistem Pendukung Keputusan (SPK) - Tugas 1

Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) adalah sistem berbasis komputer yang membantu pengambil keputusan dalam menyelesaikan masalah. SPK dapat membantu dalam mengatasi masalah semi-terstruktur dan tidak terstruktur, memahami informasi yang rumit, mengevaluasi alternatif, membuat keputusan yang baik. SPK terdiri dari beberapa komponen utama, yaitu subsistem pengelolaan data (database), subsistem pengelolaan model (modelbase), subsistem pengelolaan dialog (userinterface).

Beberapa manfaat SPK diantaranya adalah menghemat waktu dalam memecahkan masalah, menghasilkan solusi yang lebih cepat dan dapat diandalkan, memperkuat keyakinan pengambil keputusan, memberikan keuntungan kompetitif bagi organisasi.

Tahapan penerapan SPK berdasarkan gambar tersebut adalah sebagai berikut :

1. Keputusan Semi-Terstruktur

Keputusan yang tidak sepenuhnya terstruktur atau tidak terstruktur sama sekali. Artinya, tidak ada prosedur pasti untuk menyelesaikan masalah ini. SPK membantu memberikan informasi dan alternatif solusi untuk masalah yang kompleks dan tidak memiliki solusi tunggal yang jelas.

2. Untuk Manajer di Berbagai Tingkatan

SPK dapat digunakan oleh manajer dari berbagai level dalam organisasi, mulai dari tingkat atas hingga tingkat bawah. Membantu manajer dalam mengambil keputusan strategis maupun operasional, sesuai dengan tanggung jawab masing-masing.

3. Untuk Kelompok dan Individu

SPK dapat digunakan baik oleh individu maupun kelompok dalam pengambilan keputusan. Memfasilitasi kolaborasi dan berbagi informasi dalam pengambilan keputusan kelompok, serta memberikan dukungan individu dalam menyelesaikan masalah.

4. Keputusan yang Saling Bergantung atau Berurutan

SPK dapat menangani situasi di mana keputusan satu bergantung pada keputusan lainnya. Membantu menganalisis dampak dari suatu keputusan terhadap keputusan lainnya, sehingga dapat diambil keputusan yang lebih komprehensif.

5. Mendukung Intelijen, Desain, dan Pilihan

SPK tidak hanya membantu dalam pengambilan keputusan, tetapi juga dalam proses berpikir kreatif, perancangan solusi, dan pemilihan alternatif. Meningkatkan kualitas keputusan dengan mempertimbangkan berbagai aspek, termasuk kreativitas dan inovasi.

6. Mendukung Berbagai Gaya dan Proses Pengambilan Keputusan

SPK dapat mengakomodasi berbagai gaya dan pendekatan dalam pengambilan keputusan. Memberikan fleksibilitas bagi pengguna dalam memilih metode yang paling sesuai dengan preferensi dan situasi mereka.

7. Dapat Disesuaikan dan Fleksibel

SPK dapat disesuaikan dengan kebutuhan dan preferensi pengguna yang berbeda-beda. Meningkatkan relevansi dan kegunaan SPK dalam berbagai konteks.

8. Kemudahan Penggunaan

SPK dirancang dengan antarmuka yang user-friendly sehingga mudah digunakan oleh pengguna yang tidak memiliki latar belakang teknis. Meminimalkan waktu dan upaya yang diperlukan untuk mengoperasikan SPK.

9. Efektivitas, Bukan Efisiensi

Fokus utama SPK adalah pada kualitas keputusan, bukan seberapa cepat keputusan diambil. Memastikan bahwa keputusan yang diambil adalah keputusan yang tepat, meskipun membutuhkan waktu yang lebih lama.

10. Manusia Mengontrol Mesin

SPK adalah alat bantu yang dioperasikan oleh manusia. Keputusan akhir tetap berada di tangan manusia. Memastikan bahwa manusia tetap berperan aktif dalam proses pengambilan keputusan.

11. Penggunaan yang Evolusioner

SPK dapat terus dikembangkan dan disesuaikan seiring berjalannya waktu. Memastikan SPK tetap relevan dan efektif dalam menghadapi perubahan lingkungan bisnis.

12. Kemudahan Pembuatan

SPK dapat dibangun dengan relatif mudah, baik dengan menggunakan perangkat lunak yang sudah ada maupun dengan mengembangkan sendiri. Memungkinkan organisasi untuk memiliki SPK yang sesuai dengan kebutuhan spesifik mereka.

13. Permodelan

SPK menggunakan berbagai model matematis dan statistik untuk menganalisis data dan menghasilkan informasi yang relevan. Membantu dalam mengidentifikasi pola, tren, dan hubungan antara berbagai variabel.

14. Pengetahuan

SPK menggabungkan data dengan pengetahuan ahli untuk menghasilkan rekomendasi yang lebih baik. Memanfaatkan keahlian manusia untuk meningkatkan kualitas keputusan. Secara keseluruhan, SPK adalah alat yang sangat berguna untuk mendukung pengambilan keputusan dalam berbagai situasi. Dengan berbagai karakteristik dan kemampuan yang dimilikinya, SPK dapat membantu organisasi dalam meningkatkan efisiensi, efektivitas, dan kualitas keputusan.