Jurnal Kendali Teknik dan Sains
Vol. 2, No. 3 Juli 2024
e-ISSN: 2986-3228; p-ISSN: 2986-4429, Hal 179-187
DOI: https://doi.org/10.59581/jkts-widyakarya.v2i3.3796
Received Mei 12, 2024; Accepted Juli 05, 2024; Published Juli 31, 2024
* Supiyandi , [email protected]
Penerapan Teknologi Pengolahan Citra dalam Analisis Data Visual pada
Tinjauan Komprehensif
Supiyandi¹ , Muhammad Abdul Mujib
2
, Khairul Azis
3
, Rahmat Abdillah
4
,
Salsa Nabila Iskandar
5
1
Sains dan Teknologi, Teknologi Informasi, Universitas Pembangunan Panca Budi,
Indonesia
,
2,3,4,5
Sains dan Teknologi, lmu Komputer, Universitas Islam Negeri Sumatera Utara,
Indonesia
E-mail:
[email protected]¹ ,
[email protected]
2
, [email protected]
3
,
[email protected]
4
, [email protected]
5
Abstract.Image processing has become a key technology in visual data analysis, making significant contributions
across various fields such as healthcare, security, and the creative industry. This article provides a comprehensive
review of the application of image processing technology in visual data analysis, focusing on the latest methods,
tools, and practical applications. We discuss various image processing techniques, including segmentation, edge
detection, and pattern recognition, as well as how these techniques are applied to process and analyze visual
data. The study also includes performance evaluations of various commonly used image processing algorithms
and software. Additionally, we explore the challenges faced in applying this technology, such as image resolution
issues, noise, and high computational demands. By offering an extensive overview of the development and
implementation of image processing technology, this article aims to be a valuable reference for researchers and
practitioners working in the field of visual data analysis.
Keywords: Image processing,Visual data analysis,Image segmentation,Edge detection,Pattern recognition,Image
processing algorithms,Image processing software,Image resolution,Image noise,Computational requirements.
Abstrak.Pemrosesan gambar telah menjadi teknologi penting dalam analisis data visual, memberikan kontribusi
signifikan di berbagai bidang seperti layanan kesehatan, keamanan, dan industri kreatif. Artikel ini memberikan
tinjauan komprehensif tentang penerapan teknologi pemrosesan gambar dalam analisis data visual, menekankan
metode, alat, dan aplikasi praktis terkini. Kami membahas berbagai teknik pemrosesan gambar, termasuk
segmentasi, deteksi tepi, dan pengenalan pola, serta bagaimana teknik ini diterapkan untuk memproses dan
menganalisis data visual. Kajian ini juga mencakup evaluasi kinerja berbagai algoritma pemrosesan gambar dan
perangkat lunak yang umum digunakan. Selain itu, kami mengeksplorasi tantangan yang dihadapi dalam
penerapan teknologi ini, seperti masalah resolusi gambar, noise, dan persyaratan komputasi yang tinggi. Dengan
menawarkan gambaran luas mengenai kemajuan dan penerapan teknologi pengolahan citra, artikel ini bertujuan
untuk menjadi referensi penting bagi para peneliti dan praktisi di bidang analisis data visual.
Kata Kunci : Pengolahan citra,Analisis data visual,Segmentasi citra,Deteksi tepi,Pengenalan pola,Algoritma
pengolahan citra,Perangkat lunak pengolahan citra,Resolusi gambar,Kebisingan citra,Kebutuhan komputasi
1. PENDAHULUAN
Citra digital diubah menjadi citra baru melalui berbagai proses seperti restorasi citra
dan peningkatan kualitas citra. Langkah berikutnya untuk citra digital yang baru dibuat adalah
analisis, yang juga dikenal sebagai analisis citra digital, untuk mengevaluasi masukan atau data.
Tahap pertama dalam proses ini disebut pengenalan pola. Tujuan digitalisasi suatu dokumen
kertas adalah untuk mengorganisasikan informasi-informasi berguna dalam dokumen tersebut
atau untuk mendigitalkan dokumen agar informasi yang dikandungnya dapat dengan mudah
dibaca oleh mata manusia (Mengko, 1991).
e-ISSN: 2986-3228; p-ISSN: 2986-4429, Hal 179-187
Penerapan pengolahan citra dalam berbagai bidang ditorak dengan perkembangan
teknologi dan peningkatan kemampuan komputasi. Di bidang sektor kesehatan, untuk misalnya
contoh,teknologi ini digunakan untuk menganalisis gambar medis seperti MRI dan CT scan
guna mendeteksi penyakit dan kondisi medis lainnya .teknologi ini digunakan untuk
menganalisis gambar medis seperti MRI dan CT scan untuk mendeteksi penyakit dan kondisi
medis lainnya. Pengolahan citra digunakan digunakan dalam industri keamanan untuk
pengenalan wajah dan identifikasi rambut wajah, yang membantu dalam perbaikan sistem
memudarnya .dalam industri keamanan untuk pengenalan wajah dan identifikasi rambut , yang
membantu dalam perbaikan sistem memudarnya. Selain itu, dalam industri kreatif, cat air
digunakan untuk seni lukis dan grafis melukis dan memanipulasi grafis, manipulasi,
menciptakan efek visual yang menawan menciptakan efek yang menarik secara visual.
Citra adalah representasi, kemiripan, atau tiruan dari suatu objek tertentu. Citra dapat
dibagi menjadi dua kategori: terlihat dan tidak terlihat. Gambar yang terlihat bisa berupa
gambar optik (seperti hologram), foto, atau lukisan. Data gambar dalam “gambar digital” atau
gambar dalam bentuk matematika bukanlah gambar dalam arti sebenarnya. Selain keterbatasan
ini, ada batasan fisik seperti distribusi darah di tubuh manusia. Data yang dapat diakses
menggunakan komputer adalah data digital. Oleh karena itu, setiap data yang perlu diambil
dari komputer harus diubah menjadi data digital, dan proses ini disebut pencitraan.
Analisis citra juga berfokus pada fitur yang diekstraksi dalam batas suatu objek, yang
disebut fitur gambar internal. Dua fitur gambar internal yang paling penting adalah warna dan
tekstur (Fernandez et al., 2005). Quevedo menggunakan dimensi fraktal sebagai metode
analisis tekstur gambar untuk menggambarkan struktur mikro permukaan makanan dan sel
kentang secara numerik. Gonzalez menggunakan tiga parameter tekstur untuk membedakan
permukaan roti tawar organik dan non-organik: kekasaran butiran, heterogenitas, dan isotropi.
Selain mengkaji tampilan luar suatu benda, beberapa penelitian juga mengkaji hubungan antara
ciri-ciri internal suatu benda dengan komponen warnanya. Arias menyelidiki korelasi antara
komponen warna (L, a, b, hue, saturation) dan kandungan likopen pada tingkat kematangan
yang berbeda.
Penerapan Teknologi Pengolahan Citra dalam Analisis Data Visual pada Tinjauan Komprehensif
181 JKTS - VOLUME 2, NO. 3, JULI 2024
2. TINJAUAN PUSTAKA
2.1 Pengolahan Citra
Citra merupakan representasi objek dua dimensi dalam dunia visual dan relevan
dengan berbagai bidang seperti seni, penglihatan manusia, astronomi, teknik, dan bidang
lainnya. Gambar ini terdiri dari rangkaian piksel atau titik-titik warna yang membentuk gambar
visual dua dimensi (Hutahaean, 2019).
Pengolahan citra digital adalah suatu proses teknis yang mengolah citra dengan tujuan
untuk meningkatkan kualitasnya agar lebih mudah dipahami baik oleh manusia maupun mesin
komputer. Jenis gambar yang dapat diolah antara lain foto dan video (Efendi, 2017).
Pengolahan citra merupakan salah satu cabang ilmu kecerdasan buatan yang
memanfaatkan objek gambar dalam bentuk digital untuk memecahkan masalah. Metode
pemrosesan gambar mungkin melibatkan perhitungan matematis pada tingkat piksel atau
geometris. Setiap objek gambar mempunyai sifat-sifat yang dapat diukur secara matematis,
seperti warna, tekstur, dan bentuk, sehingga memungkinkan untuk mengidentifikasi perbedaan
antara objek-objek tersebut (Widyaningsih 2017).
2.2 Data Visual
Visualisasi data adalah proses menyajikan informasi yang kompleks dalam bentuk
visual yang mudah dipahami. Alat seperti Tableau memungkinkan perusahaan ritel mengubah
data penjualan menjadi grafik, bagan, peta, atau tabel yang lebih mudah dimengerti. Dengan
visualisasi data, analis dan pemangku kepentingan bisnis dapat memperoleh wawasan
mendalam, mengidentifikasi pola, dan melihat tren penting dalam penjualan global (Angreini,
2021).
Tujuan utama visualisasi data adalah mengubah data yang kompleks dan sulit dipahami
menjadi representasi visual yang jelas dan bermakna. Ini dilakukan untuk memudahkan
pengambilan keputusan menggunakan teknologi Business Intelligence (BI). Teknologi BI
digunakan untuk menganalisis aktivitas saat ini atau masa lalu dalam perusahaan atau
organisasi serta memprediksi kejadian di masa depan (Wibowo, 2021).
Visualisasi data membantu menampilkan hubungan, pola, dan tren dalam kumpulan
data. Dengan mengubah data menjadi format visual, perbedaan, proporsi, perubahan seiring
waktu, dan hubungan antar variabel dapat dipahami dengan lebih mudah. Manusia secara alami
memproses dan memahami informasi visual lebih cepat dibandingkan dengan data teks atau
numerik. Visualisasi data memanfaatkan kemampuan ini untuk meningkatkan pemahaman dan
e-ISSN: 2986-3228; p-ISSN: 2986-4429, Hal 179-187
mempercepat interpretasi data yang kompleks. Selain itu, visualisasi data dapat menyoroti pola
dan tren yang tidak terlihat dalam dataset asli. Bagan dan grafik dapat digunakan untuk
mendeteksi perubahan besar, anomali, korelasi, atau pola berulang dalam kumpulan data.
3. METODOLOGI PENELITIAN
3.1 Kerangka Dasar Penelitian
Kerangka dasar penelitian yaitu kerangka teoritis dan metodologis yang menjadi
landasan bagi seluruh proses penelitian. Kerangka dasar penelitian merupakan struktur
konseptual yang digunakan untuk merencanakan, melaksanakan, dan mengevaluasi sebuah
penelitian. Kerangka dasar ini mengatur seluruh proses penelitian dengan memberikan
landasan teoritis dan metodologis yang sistematis. Secara umum, kerangka dasar penelitian
terdiri dari beberapa elemen utama:
Gambar 3.1 Kerangka Dasar Penelitian
1. Pendahuluan: Bagian ini menyajikan latar belakang yang menjelaskan konteks dan
pentingnya topik penelitian.
2. Tinjauan Pustaka: Meliputi tinjauan yang komprehensif terhadap literatur yang relevan dan
terkait dengan topik penelitian.
3. Kerangka Teori: Merupakan bagian tinjauan pustaka yang menjelaskan teori, konsep, atau
model yang digunakan untuk menganalisis fenomena yang diteliti.
4. Metodologi Penelitian : Bagian ini menjelaskan tentang desain penelitian yang digunakan,
teknik pengumpulan data, dan teknik analisis yang digunakan.
Penerapan Teknologi Pengolahan Citra dalam Analisis Data Visual pada Tinjauan Komprehensif
183 JKTS - VOLUME 2, NO. 3, JULI 2024
5. Analisis dan Interpretasi Data: Bagian ini menjelaskan proses analisis data yang dilakukan
untuk menjawab pertanyaan penelitian.
6. Kesimpulan dan Implikasi: Merupakan bagian penutup yang menyimpulkan temuan
penelitian, menjawab rumusan masalah, dan memberikan implikasi dari temuan tersebut
terhadap teori, praktik, atau kebijakan.
Dalam konteks "Penerapan Teknologi Pengolahan Citra untuk Analisis Data Visual:
Tinjauan Komprehensif", kerangka dasar penelitian akan terdiri dari beberapa komponen
utama yang saling terkait secara erat. Pertama, bagian pendahuluan akan menyajikan latar
belakang yang menyelidiki signifikansi penggunaan teknologi pengolahan citra dalam analisis
data visual di era digital saat ini. Latar belakang ini akan memberikan konteks yang
memungkinkan identifikasi isu-isu utama yang mempengaruhi penelitian, seperti kemajuan
teknologi, tantangan yang dihadapi, dan potensi aplikasi di berbagai bidang.
Rumusan masalah yang dibuat akan mencerminkan fokus penelitian untuk
mengeksplorasi berbagai teknologi pengolahan citra yang tersedia dan bagaimana mereka
dapat diterapkan secara efektif dalam konteks analisis data visual yang beragam. Tujuan
penelitian akan menetapkan arah investigasi untuk menilai dan membandingkan kinerja
berbagai teknologi pengolahan citra, sementara manfaat penelitian akan menyoroti kontribusi
praktis dan akademis dari tinjauan komprehensif ini, seperti panduan bagi praktisi untuk
memilih teknologi yang sesuai dan kontribusi terhadap pemahaman teoritis tentang aplikasi
teknologi pengolahan citra. Tinjauan pustaka akan menyediakan landasan teoritis yang
diperlukan dengan meringkas literatur yang relevan tentang pengolahan citra dan analisis data
visual, mencakup perkembangan terbaru, metode dan algoritma yang digunakan, serta
penemuan-penemuan signifikan dalam bidang ini. Dengan demikian, kerangka dasar penelitian
tidak hanya menyediakan panduan untuk perencanaan dan pelaksanaan penelitian, tetapi juga
memberikan konteks yang mendalam dan komprehensif untuk memahami peran serta dampak
teknologi pengolahan citra dalam analisis data visual.
4. Hasil Penelitian
Penelitian ini menggunakan metode tinjauan pustaka yang mencakup analisis literatur
ilmiah terbaru terkait teknologi pengolahan citra. Data dikumpulkan dari jurnal, konferensi,
dan buku yang relevan dengan topik penelitian. Berikut adalah tabel yang merangkum
penerapan teknologi pengolahan citra dalam analisis data visual:
e-ISSN: 2986-3228; p-ISSN: 2986-4429, Hal 179-187
Tabel 4.1 Rangkuman Penerapan Teknologi dalam Analisis Data Visual
Field Applications Techniques Used Accurary
(%)
Efficiency
(%)
Medical
Imaging
Disease
detection, image
segmentation
Deep learning,
neural networks
95 88
Agricultural
Monitoring
Crop health
monitoring, pest
detection
Edge detection,
pattern recognition
92 85
Security
Surveilance
Instrusion
detection, video
surveilance
Image
segmentation,
motion detection
90 87
Tabel ini menunjukkan berbagai bidang aplikasi, teknik yang digunakan, serta tingkat
akurasi dan efisiensi dari teknologi pengolahan citra.
1. Penerapan dalam Medis
Teknologi pengolahan citra digunakan untuk mendeteksi dan mendiagnosis penyakit.
Contohnya adalah penggunaan MRI dan CT scan dalam diagnostik medis. Algoritma
pengenalan pola dan machine learning membantu dalam identifikasi sel kanker dan kelainan
lainnya dengan akurasi tinggi.
2. Penerapan dalam Industri
Pengolahan citra digunakan dalam kontrol kualitas produk. Misalnya, kamera
pengawas di lini produksi memeriksa cacat produk secara real-time. Teknologi ini juga
diterapkan dalam otomatisasi dan robotika, memungkinkan mesin untuk "melihat" dan
berinteraksi dengan lingkungannya.
3. Penerapan dalam Keamanan
Sistem pengenalan wajah dan biometrik adalah contoh penting dari penerapan teknologi
pengolahan citra dalam keamanan. Penggunaan citra satelit dan drone untuk pengawasan area
luas dan deteksi ancaman juga semakin umum.
5. Keunggulan Teknologi Pengolahan Citra
Mampu mengolah data dalam jumlah besar dengan cepat dan akurat. Memungkinkan
analisis data yang lebih mendalam dan komprehensif dibandingkan metode konvensional.
Penerapan di berbagai bidang menunjukkan fleksibilitas dan potensi luas teknologi ini.
Penerapan Teknologi Pengolahan Citra dalam Analisis Data Visual pada Tinjauan Komprehensif
185 JKTS - VOLUME 2, NO. 3, JULI 2024
4. Tantangan dan Prospek Masa Depan
Tantangan utama termasuk kebutuhan akan komputasi yang tinggi dan penanganan data
besar. Prospek masa depan mencakup integrasi dengan teknologi AI untuk meningkatkan
efisiensi dan akurasi.
Dengan perkembangan teknologi AI dan komputasi, pengolahan citra diharapkan akan
semakin canggih dan mampu mengatasi tantangan yang ada. Pengembangan algoritma yang
lebih efisien dan hemat sumber daya diharapkan akan memperluas penerapan teknologi ini ke
lebih banyak sektor. Kolaborasi antara akademisi, industri, dan pemerintah akan memainkan
peran penting dalam mendorong adopsi teknologi pengolahan citra.
Kompleksitas algoritma dan kebutuhan akan data pelatihan yang besar. Isu privasi dan
keamanan data menjadi perhatian penting dalam penerapan teknologi ini. Biaya implementasi
yang tinggi bisa menjadi hambatan bagi beberapa sektor, terutama di negara berkembang.
Gambar 4.1 Grafik Hasil Penelitian
Berikut adalah grafik hasil penelitian mengenai penerapan teknologi pengolahan citra
dalam analisis data visual:
Akurasi (%) ditampilkan dengan batang biru:
a. Pencitraan Medis: 95%
b. Pemantauan Pertanian: 92%
c. Pengawasan Keamanan: 90%
e-ISSN: 2986-3228; p-ISSN: 2986-4429, Hal 179-187
Efisiensi (%) ditampilkan dengan garis merah:
a. Pencitraan Medis: 88%
b. Pemantauan Pertanian: 85%
c. Pengawasan Keamanan: 87%
Grafik ini menggambarkan peningkatan akurasi dan efisiensi dalam berbagai bidang
aplikasi teknologi pengolahan citra.
5. Kesimpulan
Penerapan teknologi pengolahan citra telah membawa perubahan signifikan dalam
berbagai bidang. Meskipun masih menghadapi beberapa tantangan, perkembangan teknologi
dan algoritma yang terus berlanjut menjanjikan solusi yang lebih canggih dan efisien di masa
depan. Penerapan teknologi pengolahan citra mencakup berbagai bidang seperti pencitraan
medis, pemantauan pertanian, dan pengawasan keamanan. Setiap bidang menunjukkan
manfaat yang jelas dalam meningkatkan kualitas dan kecepatan analisis data visual.
Teknologi pengolahan citra memiliki potensi besar dalam meningkatkan efisiensi dan
akurasi analisis data visual. Tantangan yang ada seperti kompleksitas dan biaya perlu diatasi
melalui inovasi teknologi dan kolaborasi lintas sektor. Masa depan pengolahan citra sangat
menjanjikan dengan perkembangan AI dan teknologi komputasi yang terus maju. Teknologi
pengolahan citra menunjukkan peningkatan signifikan dalam akurasi dan efisiensi analisis data
visual. Penggunaan algoritma canggih seperti deep learning dan neural networks telah
memperkuat kemampuan identifikasi dan analisis objek dalam gambar.
Teknik yang digunakan dalam pengolahan citra, termasuk segmentasi gambar, deteksi
tepi, dan pengenalan pola, telah menunjukkan kemampuan yang kuat dalam mengolah data
visual kompleks. Pengembangan teknik-teknik ini terus berlanjut, mendorong hasil yang lebih
baik dan lebih efisien.
Meskipun memiliki banyak keunggulan, penerapan teknologi pengolahan citra
menghadapi beberapa tantangan, termasuk kebutuhan data pelatihan yang besar, kompleksitas
algoritma, serta isu privasi dan keamanan data. Biaya implementasi yang tinggi juga menjadi
hambatan bagi beberapa sektor.
Dengan kemajuan teknologi AI dan komputasi, masa depan pengolahan citra sangat
menjanjikan. Inovasi dalam pengembangan algoritma yang lebih efisien dan hemat sumber
daya diharapkan akan memperluas penerapan teknologi ini. Kolaborasi lintas sektor antara
Penerapan Teknologi Pengolahan Citra dalam Analisis Data Visual pada Tinjauan Komprehensif
187 JKTS - VOLUME 2, NO. 3, JULI 2024
akademisi, industri, dan pemerintah akan menjadi kunci dalam mendorong adopsi teknologi ini
secara luas.
Secara keseluruhan, penerapan teknologi pengolahan citra dalam analisis data visual
menawarkan peluang besar untuk meningkatkan kualitas dan efisiensi di berbagai bidang,
meskipun tetap perlu mengatasi tantangan yang ada untuk memaksimalkan potensinya.
DAFTAR PUSTAKA
Angreini, S., & Supratman, E. (2021). Visualisasi data lokasi rawan bencana di Provinsi
Sumatera Selatan menggunakan Tableau. Jurnal Nasional Ilmu Komputer, 2(2), 135-147.
Effendi, M., Fitriya, F., & Effendi, U. (2017). Identifikasi jenis dan mutu teh menggunakan
pengolahan citra digital dengan metode jaringan saraf tiruan. Jurnal Teknotan, 11(2), 67.
https://doi.org/10.24198/jt.vol11n2.7
Fernandez, L., Castillero, C., & Aguilera, J. M. (2005). An application of image analysis to
dehydration of apple discs. Journal of Food Engineering, 67, 185-193.
Hutahaean, H. D., Waluyo, B. D., & Rais, M. A. (2019). Teknologi identifikasi objek
berbasis drone menggunakan algoritma SIFT citra digital. ITB Journal of Information and
Communication Technology, 04, 193–198.
Mengko, T. (1991). Algoritma dan arsitektur pengolahan citra. Pusat Antar Universitas
Bidang Mikroelektronika ITB, Bandung.
Widyaningsih, M. (2017). Identifikasi kematangan buah apel dengan Gray Level Co-
Occurrence Matrix (GLCM). Jurnal SAINTEKOM, 6 (1), 71.
https://doi.org/10.33020/saintekom.v6i1.7
Wibowo, A. S., & Andri, A. (2021). Dashboard Business Intelligence visualisasi data
akreditasi Sekolah SMP Negeri 1 Sembawa. Jurnal Nasional Ilmu Komputer, 2(4), 249-256.
https://doi.org/10.47747/jurnalnik.v2i4.536