Mengenal Konsep Dasar Informatika

1.    Apa Itu Informatika ?

Secara umum informatika ilmu yang mempelajari tentang struktur, prilaku dan interaksi, dari alam nyata atau natural ke sistem rekayasa  komputasi. Informatika mempelajari bagaimana merepresentasikan, mengolah, dan mengkomunikasikan antara engineered system dan natural system, yang pada intinya tujuan dari informatika ini adalah bagaimana mengubah data menjadi suatu informasi yang dapat diterima secara logis (Bauer:2010).

2.    Kapan Informatika Mulai Dikenal Public ?

Kata Informatika telah dikenal sejak tahun 1960an, namun sejak itu penggunaaan nama informatika belum familiar dikalangan peneliti atau ilmuan, informatika itu mulai sering disebut yaitu sejak pertama kali diluncurkannya satelit buatan manusia di Amerika yang diberinama Sputnik pada tahun 1957 (Bauer:2010). Saat itu terjadi research besar - besaran di Amerika tentang keadaan di ruang angkasa. Kata Informatika mulai sering didengar setelah terjadi Revolusi Industri, dimana perkembangan mikroprocessor lebih diutamakan sebagai inter koneksi antar berbagai komputer di dalam network untuk keperluan bisnis, saat itu diadakan beberapa penelitian dibidang bisnis yang salah satunya tentang bagaimana menangkap informasi dari data bisnis dengan menggunakan bahasa pemrograman yang direpresentasikan sebagai abstrak model, dimana program yang dibuat tersebut diharapkan mampu mengekstrak informasi dari data – data bisnis secara otomatis dengan memanfaatkan instruksi dan fungsi – fungsi bisnis yang ada, sehingga mampu mengurangi campur tangan manusia dalam proses bisnis tersebut. Sistem extraksi informasi secara otomatis inilah yang disebut dengan informatics, yang artinya information in automatic system.
Seiring perkembangan waktu dan munculnya berbagai penelitian lain, kata informatika semakin dikenal, sehingga penggunaannya pun tidak hanya didalam bisnis saja, tetapi bisa diterapkan pada berbagai hal, seperti dalam bahasan pendidikan, pembangunan, hiburan, dll. Sehingga pada intinya arti dari kata informatika itupun bisa disimpulkan dengan segala bentuk ilmu yang bertujuan untuk mengolah dan  mengekstrak data – data yang ada, menjadi informasi yang dibutuhkan oleh masyarakat, atau user yang menggunakannya.
Pengolahan data menjadi Informasi ini dilakukan di berbagai tingkatan, mulai, dari molekul biologi,  perangkat elektronik hingga cara kerja sistem saraf manusia yang diterjemahkan kedalam bahasa komputer sehingga bisa diterima oleh masayarakat banyak. Masing-masing tingkatan adalah suatu objek studi dari beberapa disiplin ilmu. Informatika bertujuan untuk mengembangkan dan menerapkan suatu dasar teoritis dan matematika menjadi fitur yang umum untuk semua sistem komputasi.

3.    Ruang Lingkupnya Gimana ?

Ruang Lingkup bahasan informatika itu sangat luas, hampir disetiap aspek kehidupan dapat dimasuki oleh informatika. Dalam perkembangan teknologi sains saat ini , banyak peneliti berusaha untuk mendefinisikan, mengembangkan, mengkritik serta menyempurnakan konsep-konsep baru dan lama untuk mendapatkan hasil pengolahan data yang lebih baik sehingga informasi yang didapatpun lebih baik dan akurat. Pada umumnya Teknologi Informatika sedang dikembangkan pada struktur dasar komunikasi, representasi pengetahuan, pengolahan data,sistem  interaksi dan informasi, dan mengaitkannya dengan fenomena seperti perhitungan, berpikir, dan bahasa.
Pada intinya Informatika memiliki banyak aspek, yang mencakup berbagai disiplin ilmu yang ada - Artificial Intelligence, Ilmu Kognitif dan Ilmu Komputer. Masing-masing mengambil bagian dari Informatika sebagai domain alam: dalam pengertian luas, Ilmu Kognitif menyangkut studi tentang sistem alam, Ilmu Komputer menyangkut analisis perhitungan, dan desain sistem komputasi, Artificial Intelligence memainkan peran penghubung, merancang sistem yang mampu meniru cara berfikir alami manusia. Informatika juga menginformasikan dan diinformasikan oleh disiplin ilmu lain, seperti Matematika, Elektronika, Biologi, Linguistik dan Psikologi.
Dengan kata lain Informatika menyediakan kaitan antara disiplin ilmu dengan metodologi dan perspektif mereka sendiri, menyatukan paradigma ilmiah yang umum, metode rekayasa umum dan stimulus dari pengembangan teknologi dan aplikasi praktis saat ini. Terdapat Tiga pertanyaan mendasar Ilmu informatika yaitu : "What is matter?", "What is life?" dan "What is mind?". Ilmu fisika dan biologi menyangkut dua ilmu pertama yang sering dibahas dalam informatika. Selanjutnya

Mencuri Bandwidth di Jaringan Local Anda atau Hotspot

Anda pasti pernah merasa kesal, dongkol dan marah ketika anda sedang asik mendownload video di internet , anda sedang asik chatting atau anda sedang download foto-foto di facebook , eh tiba-tiba jaringan kabel atau wireless anda drop atau putus, so pasti anda merasa kesal donk ? sambil komat-kamit mulut anda "blablabla...." n berdoa semoga jaringan anda kembali baik seperti yang anda harapkan, seperti ketika sedang menikmati jaringan wireless di hotspot kampus tapi kecepatan transfer data sangat kecil karena pemakai di hotspot bukan satu saja, bandwith yang tersedia di hotspot dibagi dengan seluruh pemakai hotspot, jadi bandwidth yang tersisa sedikit.

Contoh, router wireless di hotspot umpamanya mengalokasi bandwidth sebesar 128kbps dan user di are hotspot tersebut terdapat 15 orang, jadi setiap orang mendapatkan jatah transfer data sebesar 4.26 kbps (128 : 30) itu juga belum tentu bisa saja turun dari angka tersebut, tergantung yang lain, seperti user lain mendownload dengan download manager, atau user lain sedang streaming video, bandwidth yang tersisa semakin kecil.

Tega gak tega sih, silahkan gunakan program NetCut. NetCut adalah software yang membantu admin memanage jaringan berdasar protokol ARP, membuat list IP-MAC, mematikan dan menghidupkan koneksi ke jaringan pada komputer yang terhubung dalam LAN juga dapat mematikan dan menghidupkan perangkat jaringan seperti router, switch. NetCut juga berfungsi untuk memproteksi user dari ARP Spoofing.

Penggunaan NetCut sangat mudah download, install, next terus, restart komputer, jalankan NetCut, tekan tombol Scan Net, lalu anda melihat daftar ip, nama komputer, dan MAC Address, juga daftar IP gateway. Jika anda menginginkan hanya anda saja yang bisa mengakses jaringan, tinggal pilih semua Nomor ip selain nomor ip anda sendiri dan tekan tombol Cut Off dan jangan Cut Off pada nomor IP Gateway, kalau IP Gateway anda Cut Off juga, bagaimana anda bisa mengakses jaringan atau Internet tanpa Gateway ? maka seluruh bandwidth akan menjadi milik anda.

Link Net Cut (Support 7)

Ni Tampilan NetCut nya :

Selamat Mencoba... (Gunakan Lah Dengan Bijak) Hmmm...!!!

Menangkap Nilai Red, Green, dan Blue (RGB) Pada Image Dengan C++ Builder

Untuk menangkap nilai RGB dari image diperlukan fungsi macro yang sudah di include dalam VCL builder. Fungsinya adalah :


int GetRValue(TColor Clr);
int GetGValue(TColor Clr);
int GetBValue(TColor Clr);


Contoh Penggunaannya Dalam Sintak Adalah :

Pada Header

Pada Body


void __fastcall TFormRGB::ImageRGBMouseMove(
TObject *Sender,TShiftState Shift, int X, int Y)
{
PanelColor->Color = ImageRGB->Picture->Bitmap->
Canvas->Pixels[X][Y];

LabelR->Caption = "R : " +
IntToStr(GetRValue(ImageRGB->Picture->Bitmap->
Canvas->Pixels[X][Y]));

LabelG->Caption = "G : " +
IntToStr(GetGValue(ImageRGB->Picture->Bitmap->
Canvas->Pixels[X][Y]));

LabelB->Caption = "B : " +
IntToStr(GetBValue(ImageRGB->Picture->Bitmap->
Canvas->Pixels[X][Y]));
}
//---------------------------------------------------------------------------


Dengan fungsi macro tersebut bisa didapat nilai RGB yang dibutuhkan...
Enjoy Your Job...

Sekilas Tentang Algoritma Semut ( AntNet Algorithm )

Algoritma Semut diadopsi dari perilaku koloni semut yang dikenal sebagai sistem semut (Dorigo, 1996). Secara alamiah koloni semut mampu menemukan rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan. Koloni semut dapat menemukan rute terpendek antara sarang dan sumber makanan berdasarkan jejak kaki pada lintasan yang telah dilalui. Semakin banyak semut yang melalui suatu lintasan, maka akan semakin jelas bekas jejak kakinya. Hal ini akan menyebabkan lintasan yang dilalui semut dalam jumlah sedikit, semakin lama akan semakin berkurang kepadatan semut yang melewatinya, atau bahkan akan tidak dilewati sama sekali. Sebaliknya lintasan yang dilalui semut dalam jumlah banyak, semakin lama akan semakin bertambah kepadatan semut yang melewatinya, atau bahkan semua semut akan melalui lintasan tersebut.

Gambar berikut menujukkan perjalanan semut dalam menemukan jalur terpendek dari sarang ke sumber makanan.

 

 Perjalanan semut menemukan sumber makanan.

Gambar a di atas menunjukkan ada dua kelompok semut yang akan melakukan perjalanan. Satu kelompok bernama L yaitu kepompok yang berangkat dari arah kiri yang merupakan sarang semut dan kelompok lain yang bernama kelompok R yang berangkat dari kanan yang merupakan sumber makanan. Kedua kelompok semut dari titik berangkat sedang dalam posisi pengambilan keputusan jalan sebelah mana yang akan diambil. Kelompok semut L membagi dua kelompok lagi. Sebagian melalui jalan atas dan sebagian melalui jalan bawah. Hal ini juga berlaku pada kelompok semut R. Gambar b dan gambar c menunjukkan bahwa kelompok semut berjalan pada kecepatan yang sama dengan meninggalkan  feromon atau jejak kaki di jalan yang telah dilalui. Feromon yang ditinggalkan oleh kumpulan semut yang melalui jalan atas telah mengalami banyak penguapan karena semut yang melalui jalan atas berjumlah lebih sedikit dari pada jalan yang di bawah. Hal ini dikarenakan jarak yang ditempuh lebih panjang daripada jalan bawah. Sedangkan  feromon yang berada di jalan bawah, penguapannya cenderung lebih lama.  Karena semut yang melalui jalan bawah lebih banyak daripada semut yang melalui jalan atas. Gambar d menunjukkan bahwa semut-semut yang lain pada akhirnya memutuskan untuk melewati jalan bawah karena feromon yang ditinggalkan masih banyak. Sedangkan feromon pada jalan atas sudah banyak menguap sehingga semut-semut tidak memilih jalan atas tersebut. Semakin banyak semut yang melalui jalan bawah maka semakin banyak semut yang mengikutinya.   

Demikian juga dengan jalan atas, semakin sedikit semut yang melalui jalan atas, maka  feromon yang ditinggalkan semakin berkurang bahkan hilang. Dari sinilah kemudian terpilihlah jalur terpendek antara  sarang dan sumber makanan. Dalam algoritma semut, diperlukan beberapa variabel dan langkah-langkah untuk menentukan jalur terpendek, yaitu: 

Langkah 1 :  
a. Inisialisasi harga parameter-parameter algoritma. Parameter-parameter yang di inisialisasikan adalah :  

Backpropagation (Neural Network)

Algoritma pelatihan Backpropagation Neural Network (BPNN) pertama kali dirumuskan oleh Werbos dan dipopulerkan oleh Rumelhart & Mc.Clelland.  Backpropagation neural network merupakan tipe jaringan saraf tiruan yang menggunakan metode pembelajaran terbimbing (supervised learning). Pada supervised learning terdapat pasangan data  input dan  output yang dipakai untuk melatih JST hingga diperoleh bobot penimbang (weight) yang diinginkan. Penimbang itu sendiri adalah sambungan antar lapis dalam JST. Algoritma ini memiliki proses pelatihan yang didasarkan pada interkoneksi yang sederhana, yaitu apabila keluaran memberikan hasil yang salah, maka penimbang dikoreksi agar galat dapat diperkecil dan tanggapan JST selanjutnya diharapkan dapat mendekati nilai yang benar. BPNN juga berkemampuan juga berkemampuan untuk memperbaiki penimbang pada lapis tersembunyi (hidden layer).

Algoritma pelatihan BPNN terdiri dari dua tahap, yaitu feed forward propagation dan feed backward propagation. Secara umum langkah dalam pelatihan JST menggunakan BPNN yang dilengkapi bias dan momentum adalah sebagai berikut :

Dasar Algoritma Huffman

Konsep dasar dari metode Huffman adalah dengan membangun sebuah skema atau tabel yang berisikan frekuensi kemunculan masing-masing simbol. Dari tabel tersebut kemudian dibangun suatu kode-kode unik untuk mengidentifikasikan masing-masing simbol. Proses kompresi dengan metode huffman adalah sebagai berikut:

o Menyusun tabel frekuensi kemunculan masing-masing karakter, dan melakukan source reduction. Contoh dari source reduction ini dapat dilihat pada gambar berikut :

o Langkah kedua dari algoritma ini adalah mengkodekan masing-masing source yang telah direduksi, dimulai dari reduksi terakhir kembali ke sumber awalnya. Contoh dari hasil langkah kedua ini adalah (dengan menggunakan hasil reduksi dari gambar sebelumnya) :

 

o Langkah berikutnya adalah mengkodekan data sumber berdasarkan table look-up yang terbentuk. Sebagai contoh menggunakan kode Huffman yang dihasilkan pada proses diatas, maka jika string sumber berupa a4a1a2a2a3 (5 bytes), dihasilkan data binary yaitu 0110101100 (10 bits / ±2 bytes). 

Link Download :
Variasi Algoritma Huffman 

Sumber : www.ittelkom.ac.id 

Perencanaan Proyek Sistem Informasi

Suatu sistem informasi dapat dikembangkan karena adanya kebijakan dan perencanaan telebih dahulu. Tanpa adanya perencanaan sistem yang baik, pengembangan sistem tidak akan dapat berjalan sesuai dengan yang diharapkan. Tanpa adanya kebijakan pengembangan sistem oleh manajemen
puncak, maka pengembangan sistem tidak akan mendapat dukungan dari manajemen puncak tersebut.

Kebijakan Sistem

Kebijakan untuk mengembangkan sistem informasi dilakukan oleh manajemen puncak karena manajemen menginginkan untuk meraih kesempatan-kesempatan yang ada yang tidak dapat diraih oleh sistem yang lama atau sistem lama mempunyai kelemahan (masalah)

Perencanaan Sistem

Perencanaan sistem menyangkut estimasi sumberdaya (kebutuhan-kebutuhan fisik dan tenaga kerja) dan biaya. Perencanaan sistem terdiri dari : perencanaan jangka pendek (periode 1–2 tahun) dan jangka panjang
(periode sampai 5 tahun). Perencanaan sistem biasanya ditangani oleh staf perencanaan sistem, departemen pengembangan sistem atau depertemen pengolahan data.

Proses Perencanaan Sistem

Proses perencanaan sistem dapat dikelompokkan dalam tiga proses
utama, yaitu :
1. Merencanakan proyek-proyek sistem
- Tahapan proses perencanaan sistem yaitu :
- Mengkaji tujuan, perencanaan strategi dan taktik perusahaan
- Mengidentifikasi proyek-proyek sistem
- Menetapkan sasaran proyek-proyek sistem
- Menetapkan kendala proyek-proyek sistem  (mis.  Batasan biaya, waktu, umur ekonomis)

- Menetukan prioritas proyek-proyek sistem
- Membuat laporan perencanaan sistem
- Meminta persetujuan manajemen

Nao,The first robot ever which can feel emotions

The first prototype of robots that are capable of developing emotions as they interact with humans have been finalized by British researchers.

The robots are capable of expressing anger, fear, sadness, happiness, excitement and pride and will demonstrate very visible distress if the caregiver fails to provide them comfort when confronted by a stressful situation that they cannot cope with or to interact with them when they need it, the researchers at the University of Hertforshire said. They worked with a number of other universities and robot companies across Europe.

"This behaviour is modelled on what a young child does," lead researcher Dr. Lola Canamero said in a release. “This is also very similar to the way chimpanzees and other non-human primates develop affective bonds with their caregivers.”Canamero said this is the first time that early attachment models of human and non-human primates have been used to program robots that develop emotions in interaction with humans.“We are working on non-verbal cues and the emotions are revealed through physical postures, gestures and movements of the body rather than facial or verbal expression,” Canamero said. 

Robot named Nao,has been designed who can feel the emotions and capable of forming bonds with humans,it has emotional skills like one year old child and uses same type of expressive behaviours that babies use to learn to interact socially and emotionally with others.

It can detect human emotions by reading body language and facial expressions and becomes better at reading someone's mind with passage of time just like grown ups.It can also memories faces of different people and remebers intractions with them.It is capable of expressing anger, fear, sadness, happiness, excitement and pride and will get upset if the human fails to comfort it or when confronted by a stressful situation that they cannot cope with.The scientists believe that robots like Nao could be used in the future to give care to the elderly.

Watch This...!!!

It is a part of a European project called Feelix Growing,and the project is a collaboration between eight universities and robotic companies across the EU.

Sources : http://www.allvoices.com/

Usulan Judul Skripsi / Tugas Akhir Teknik Informatika, Manajemen Informatika, Sistem Informasi, Ilmu Komputer, Sistem Komputer, & Teknik Electro

Bagi kawan-kawan sesama mahasiswa terutama jurusan Teknik Informatika, Manajemen Informatika, Sistem Informasi, Sistem Komputer, Teknik Elektro maupun jurusan-jurusan lain yang pendalaman minatnya mengarah ke dunia teknologi informasi / IT kadang untuk mendapatkan ide judul skripsi yang relevan dengan jurusan minatnya tersebut mungkin mengalami kesulitan. Apalagi bagi kawan-kawan mahasiswa yang masih blank belum kepikiran untuk mengambil skripsi  Bagi yang sering mondar-mandir ke perpustakaan kampus sih kadang agak terbuka wawasannya dengan melihat-lihat judul skripsi para kakak kelas. Paling tidak jika bagi mahasiswa yang belum waktunya untuk mengambil skripsi maka sebaiknya sudah punya ancang-ancang judul skripsi apakah yang akan digunakan nanti. Berikut ini ada beberapa judul-judul skripsi jurusan Teknik Informatika, Manajemen Informatika, Sistem Informasi dll yang bisa kawan-kawan jadikan sebagai acuan untuk menentukan judul skripsi/tugas akhir nanti. Siapa tau dari sekian banyak judul skripsi ini ada yang bisa dijadikan inspirasi untuk judul skripsi kalian.

1.    Aplikasi Pemesanan Rental Mobil Hafa Yogyakarta Dengan Layanan Web dan WAP
2.    Analisis dan Perancangan Sistem Informasi Pemasaran dan Persediaan Barang PT. Nycomed Amersham
3.    Perancangan Perangkat Lunak Tender untuk Jasa Konsultan
4.    SET Analisa dan Perancangan Sistem Informasi Sumber Daya Manusia (SDM) PT. LEN
5.    Deteksi Muka Depan Manusia dari Sebuah Citra Berwarna dengan Template Matching
6.    Perangkat Lunak Sistem Informasi Pegawai PT. Stannia Bineka Jasa
7.    Perangkat Lunak Pemenuhan Kebutuhan Gizi pada Orang Sakit
8.    Analisa & Perancangan Sistem Monitoring Inventaris Barang PT. LEN
9.    Implementasi SMS gateway dengan menggunakan bahasa alami dalam sistem informasi perdagangan (Studi Kasus Toko Amanna)
10.    Studi dan Implementasi Konsep Business to Costumer dengan Teknologi M-Commerce berbasis WAP

The Fabric Computer

Bayangkan suatu saat anda berjalan ke kampus menenteng sebuah notebook ekstra tipis berbalut kain. Anda berjalan dengan santai, dan mengayun-ayunkannya ke depan dan ke belakang. Tiba-tiba, notebook berbobot kurang dari setengah kilo tersebut jatuh di selasar kampus, dan terinjak! Tanpa rasa khawatir, Anda memungutnya, membersihkan casing notebook dengan menepuk-nepuknya, dan kembali berjalan menuju ruang kuliah seakan-akan tidak terjadi apa-apa dengan notebook anda.

Begitu tiba di ruang kuliah, anda membuka notebook tersebut, menyalakannya, dan membuka file-file perkuliahan hari itu. Cerita diatas bukanlah fiksi sains (sci-fi) karena Fujitsu Inc. sudah mempersiapkan prototipe notebook diatas dengan nama Facbic PC. Alih-alih dibalut casing berbahan logam, plastik atau fiber seperti sekarang, notebook besutan Fujitsu tersebut dibungkus casing berbahan kain yang kuat, namun lunak.

Demikian pula dengan dengan monitornya yang fleksibel, bisa dilengkungkan tanpa takut patah atau pecah laiknya kertas yang di-laminating. Sebenarnya, komponen pembentuk notebook kain ini sudah bisa kita temukan di pasar. Paling tidak ada 3 komponen utama dalam desain Fabric PC yang memungkinkannya berbeda dengan notebook tradisional. Pertama, monitor tidak lagi menggunakan LCD yang tebal dan kaku, melainkan e-paper yang tipis dan lentur. Kedua, penggunaan casing berbahan kain khusus yang kuat namun lunak, menggantikan casing berbahan metal, plastik, atau fiber yang kaku. yang terakhir, pemilihan komponen-komponen individual yang sekecil dan seringan mungkin. Selain itu, komponen-komponen yang tidak esensial akan ditinggalkan. Demikianlah sedikit ulasan mengenai Fabric Computer (notebook masa depan) yang dapat saya berikan.

 Notebooknya Berbentuk Tas Buku Biasa.

Sedikit Tentang Pengolahan Citra (Image Processing)

Citra (image) merupakan gabungan antara titik-titik yang membentuk sebuah gambar pada bidang dwimatra (dua dimensi). Dilihat dari sudut pandang matematis , citra merupakan fungsi yang berkelanjutan (continue) dari intesitas cahaya pada bidang dua dimensi. Proses perekaman sebuah citra bermula dari sumber cahaya menerangi objek, objek memantulkan kembali sebagian cahaya tersebut, pantulan ini ditangkap oleh alat-alat optik, misal pada mata manusia, kamera, scanner, dan masih banyak lagi yang dapat membuat bayangan objek terekam.

Citra sebagai keluaran dari suatu sistem perekaman data memiliki sifat - sifat  berikut (MUR 92) :

1. Optic berupa foto.
2. Analog berupa sinyal video seperti gambar pada monitor televisi.
3. Digital yang dapat langsung disimpan pada suatu pita magnetic.

Ada 2 jenis citra (MUN 2004) :

1. Citra diam (still image) merupakan citra tunggal yang tidak bergerak. Citra diam biasanya disebut dengan citra saja.
2. Citra begerak (moving image) merupakan rangakaian citra diam yang ditampilkan secara berurutan (sequential) sehingga memberi kesan pada mata kita sebagai gambar yang bergerak atau sering disebut dengan animasi.

Sering terdapat permasalahan pada citra yang menyebabkannya terjadi penurunan mutu (degradasi), seperti terdapat cacat atau derau (noise), warna yang terlalu kontras ,  kurang tajan,  kabur (blurring), dsb. Karena permasalahan tersebut menyebabkan penyampaian informasi terhadap citra tersebut juga menjadi kurang.  Oleh karena itulah pengolahan citra dibutuhkan  untuk memperbaiki citra yang mengalami gangguan mudah di interpretasi baik oleh manusia maupun mesin.
Pengolahan citra merupakan (MUN 2004) pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pada dasarnya pada bidang ilmu komputer, terdapat tiga bidang studi yang berkaitan dengan data citra dan memilki tujuan yang berbeda-beda, yaitu :

1. Grafika Komputer (computer graphics)
2. Pengolahan Citra (image processing)
3. Pengenalan Pola (pattern recognition/image interpretation)

Hubungan antara ketiga bidang studi tersebut yaitu pada gambar :

 Tiga bidang studi yang berhubungan dengan citra

Grafika Komputer bertujuan menghasilkan citra (lebih tepat disebut grafik atau picture ) dengan primitive-primitive geometris seperti garis, lingkaran dan sebagainya. merupakan proses untuk menciptakan suatu gambar berdasarkan deskripsi obyek maupun latar belakang yang terkandung pada gambar tersebut. merupakan teknik untuk membuat gambar obyek sesuai dengan obyek tersebut di alam nyata. Grafika komputer memainkan peranan penting dalam visualisasi dan virtual reality.

Implementasi grafika komputer ke pencitraan

Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Memperbaiki kwalitas gambar, dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik). Melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis. Melakukan proses penarikan informasi atau deskripsi obyek atau pengenalan obyek yang terkandung pada citra. Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data.

Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan. Pemampatan citra (image compression) juga termasuk kedalam bidang ini.

Skema Teknik Transformasi Citra

Contoh dibawah ini merupakan pengolahan operasi citra  lainya yaitu penghilangan derau (noise) pada citra kucing. citra kucing disebelah kiri mengandung derau berupah bintik-bintik (derau). Dengan operasi penapisan (filetering) derau pada citra ini sehingga dihasilkan gambar kualitas citra kucing yang lebih baik.

a. citra kucing yang memiliki noise, b. citra kucing yang telah diperbaiki atau dilakukan penapisan (filtering).

Pengenalan Pola Secara teori pattern recognition dapat kita katakan sebagai salah satu cabang dari ilmu komputasi yang dititik beratkan pada penemuan pola pada data yang menunjukkan satu informasi tertentu. Data yang digunakan untuk pengenalan pola ini dapat berupa citra, suara, text, maupun gambar bergerak (video). Dengan kata lain, kita berupaya agar data tadi mampu mengeluarkan informasi yang terkandung di dalamnya. Seberapa jauh kemampuan data itu dapat memberikan informasinya, tentunya tergantung dari kualitas dan kuantitas data itu sendirimengelompokkan data numerik dan simbolik (termasuk citra) secara otomatis oleh mesin (dalam hal ini komputer). Tujuan pengelompokkan ini ialah untuk mengenali suatu objek didalam citra.

Pengetahuan ini banyak dipengaruhi oleh kemampuan manusia itu sendiri dalam memproses informasi, mengenal wajah, tulisan, dsb. Namun belum ada satupun algoritma yang dapat menyamai kemampuan tersebut, karena otak manusia sendiri berisi kira-kira 20 miliar sel otak. walaupun saat ini hal tersebut sudah hampir mendekati. Selain itu otak manusia memiliki struktur yang lebih komplek. Sel-sel yang jumlahnya banyak tersebut saling berhubungan satu sama lain dimana masing-masing sel tersebut mewakili satu karakteristik tersendiri.

Kita dapat mengenali suatu objek yang kita lihat karena otak kita telah belajar mengklasifikasikan objek-objek tersebut sehingga secara alami kita bisa membedakan suatu objek dengan objek yang lainnya. Begitu juga halnya mesin yang mencoba mengikuti dasar dari kemampuan visual manusia. komputer menerima masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut, dan memberikan keluaran berupa deskripsi objek didalam citra.

Skema Pengenalan Pola

Untuk menghasilkan citra digital dan dapat diolah dengan komputer digital, suatu citra harus direpresentasikan secara numeric dengan nilai-nilai diskrit. Digitalisasi merupakan representasi citra dari fungsi malar (kontinu) menjadi niai-nilai diskrit. Citra yang dihasilkan inilah yang disebut citra digital (digital image).

Citra digital yang tingginya N, lebarnya M, dan memiliki L derajat keabuan dapat dianggap sebagai fungsi (DUL 97):

Citra digital yang berukuran N X M biasa dinyatakan dengan matriks yang berukuran N baris dan M kolom sebagai berikut :

Indeks baris (i) dan indeks kolom (j) menyatakan suatu koordinat titik pada citra, sedangkan f(I,j) merupakan intensitas (derajat keabuan) pada titik (I,j). Setiap elemen pada citra biasa disebut dengan image elemen, atau pixel, atau picture elemen atau pel .

Sebagai contoh, misalkan sebuah citra berukuran N X M mempunyai 256 X 256 pixel dan direpresentasikan secara numeric dengan matriks yang terdiri  dari 256 buah baris (di-indeks dari 0 sampai 255) dan 256 buah kolom (di-indeks dari 0 sampai 255) (MUN 2004) seperti contoh berikut :

Representasi Numerik

Pixel pertama pada koordinat  (0,0) mempunyai nilai intensitas 0 yang berarti warna pixel tersebut hitam, pixel kedua pada koordinat (0,1) mempunyai koordinat 134 yang berarti warnanya antara hitam dan putih, dst.

Proses digitalisasi citra ada dua macam :

1. Digitalisasi spasial (x,y) yang sering disebut sebagai sampling
2. Digitalisasi intensitas f(x,y), sering disebut sebagai kuantisasi. 

Sampling  merupakan Citra kontinu yang dapat dilihat pada grid-grid yang berbentuk bujursangkar (kisi-kisi dalam arah horizontal dan vertical) . seperti pada gambar  dibawah ini :

Sampling secara spasial

Terdapat perbedaan antara gambar yang disampling dengan koordinat matriks(hasil digitalisasi) titik asal (0,0) pada gambar dan elemen (0,0) pada matriks tidak sama. Koordinat x dan y pada gambar dimulai dari sudut kiri bawah, sedangkan penomoran pixel pada matriks dimulaidari sudut kiri atas.

Penomoran Pixel

Dalam hal ini,

i = x, 0 ≤ i ≤ N – 1            
j = (M-y), 0 ≤ i ≤ N – 1
x = DxIN increment
y = DyIM increment

keterangan :
N   = jumlah maksimum pixel dalam satu baris
M   = jumlah maksimum pixel dalam satu kolom
Dx = lebar gambar (dalam inchi)
Dy = tinggi gambar (dalam inchi)

Catataan : beberapa referensi menggunakan (1,1) –daripada (0,0) – sebagai koordinat elemen pertama pada matriks.

Elemen (I,j) di dalam matriks menyatakan rata-rata intensitas cahaya pada area citra yang direpresentasikan oleh pixel. Sebagai contoh, lihat citra biner yang hanya mempunyai 2 derajat keabuan, 0 mewakili hitam, dan 1 mewakili putih. Sebuah gambar yang berukuran 10 X 10 inchi dinyatakan dalam matriks yang berukuran 5 X 4, yaitu lima baris dan empat kolom. Tiap elemen gambar lebarnya 2.5 inchi dan tingginya 2 inchi akan diisi dengan sebuah nilai bergantung pada rata-rata intensitas cahaya pada area tersebut.

Area 2.5 X 2.0 inchi pada sudut kiri atas gambar dinyatakan dengan (0,0) pada matriks 5X4 yang menagndung nilai 0 yang berarti tidak memiliki intensitas cahaya. Area 2.5 X 2.0 inchi pada sudut kanan bawah gambar dinyatakan dengan lokasi (4,3) pada matriks 5X4 yang mengandung nilai 1 (yang berarti iluminasi maksimum).

a. yang disampling b. yang merepresentasikan gambar (GAL 90)

Untuk memudahkan implementasi, jumlah sampling biasanya diasumsikan perpangkatan dari dua,

N = 2 n

Dimana, 

N = jumlah sampling pada suatu baris / kolom

n  = bilangan bulat positif

Contoh ukuran sampling : 256 X 256 pixel, 128X256 pixel, langkah selanjutnya setelah proses sampling yaitu kuantisasi. Proses kuantisasi yaitu membagi skala keabuan (0,L) menjadi G buah level yang dinyatakan dengan suatu harga bilangan bulat (integer), biasanya G diambil perpangkatan dari 2,

G = 2m

Dimana, 

G = derajat keabuan

m = bilangan bulat positif

Nilai skala dan nilai keabuan serta pixel depth

             Hitam dinyatakan dengan derajat keabuan terendah yaitu 0, sedangkan putih dinyatakan dengan derajat keabuan tertinggi misalnya 15 untuk level 16. jumlah bit yang dibutuhkan untuk merepresentasikan nilai keabuan pixel disebut kedalaman pixel (pixel depth). Citra sering diasosiasikan dengan kedalaman pixelnya. Jadi, citra dengan kedalaman 8 bit disebut juga citra 8-bit (atau citra 256 warna). Pada kebanyakan aplikasi, citra hitam putih dikuantisasikan pada 256 level dan membutuhkan 1 byte (8 bit) untuk representasi setiap level pixel-nya (G=256=28) .Penyimpanan citra digital yang disampling menjadi N X M buah pixel dan dikuantisasikan menjadi G = 2m level derajat keabuan memerlukan memori sebanyak(bit)

b = N X M X m

Contohnya apabila kita menyimpan sebuah citra yang berukuran 512 X 512 pixel dengan 256 derajat keabuan membutuhkan memori sebesar 512 X 512 X 8 bit = 2048.000 bit. Jadi semakin tinggi nilai N ( atau M) dan m,  maka kualitas citra yang dihasilkan semakin bagus.