BAB 1 PENDAHULUAN
1.1.
Latar Belakang Masalah Perkembangan teknologi komunikasi dan kebutuhan sistem modern yang
pesat di Indonesia menjadikan kebutuhan mengikat yang sangat diperlukan bagi manusia di abad 21 ini, perkembangan teknologi ini diikuti oleh pembangunan sistem serta instalasi komunikasi yang sangat luas di Indonesia terutama di daerah Sumatera Utara. Dapat dilihat dari tingginya permintaan pasar akan peralatan radio komunikasi, serta sistem peralatan modern. Sistem komunikasi peralatan modern yang dibangun sangat sedikit dengan dibarengi proteksi terhadap bencana alam (petir), hal ini sering diabaikan atau ditiadakan contohnya pada saat penentuan lokasi pembagunan tiang-tiang tower BTS (Base Transceiver Station) dan pembangunan tiang sutet (saluran udara tegangan ekstra tinggi). Untuk itu perlu data yang pasti guna penentuan lokasi ini, data yang dimaksud adalah data petir dan data awan yang mengandung petir. Dalam hal penentuan data tersebut dibutuhkan alat yaitu Radar (Radio Detecting And Ranging) serta lighting protector recorder. Dari hasil data image yang diperoleh dari peralatan radar tersebut dapat dilakukan uji lokasi pertumbuhan awan yang mengandung petir serta dibandingan dengan hasil data yang diperoleh dari lighting protector recorder hal ini dapat dilakukan dengan analisa–analisa seperti pendekatan analisa interpolasi bilinier atau
14 Universitas Sumatera Utara
cubic B-spline memiliki kemampuan dapat menghilangkan kabur pada tepi secara terperinci. Peningkatan pada frekuensi tinggi kurang sempurna untuk manusia sebagai operator dalam memutuskan tingkat perbaikan namun beberapa pendekatan statistik memberikan hasil yang baik. Robust dan fast algorithm dapat dijadikan sebagai ketajaman citra meskipun banyak yang mencoba untuk membuat dan meneliti seperti yang dilakukan oleh Kersten dan Later, sementara Hulbert dan Paggio menggunakan pendekatan linier tetapi masih terdapat kekurangan pada beberapa kasus selanjutnya Freesmann menggunakan Bayesian Propagation Algorithm dengan hasil yang lebih efisien, algoritma ini menggunakan data training dalam menentukan parameter propagasi. Pada pengujiannya menggunakan One Pass Algorithm tanpa menggunakan model Markov Network yang sebelumnya digunakan. Training set yang dibangun dari model Markov Network masih lambat dan kurang efisien sehingga masih memerlukan penelitian lanjut untuk menyempurnakan proses perbaikan kualitas citra berbasis training ini. Salah satu metode yang akan diterapkan untuk peningkatan kualitas citra dan mendapatkan waktu proses yang lebih cepat adalah metode PCA (Principle Component Analysis). Pada Tabel.1.1 terdapat nama–nama peneliti yang pernah mempergunakan metode PCA yaitu:
15 Universitas Sumatera Utara
Tabel 1.1 Daftar nama peneliti menggunakan metode PCA (Principle Component Analysis)
Peneliti
Tahun
Objek Yang diteliti
Data yang digunakan
Resmana Lim, Raymond & Kartika Gunadi [1]
2002
Face Recognition menggunakan metoda Linear Discriminant Analysis (LDA)
Image Wajah
Agus Zainal Arifin dan Nova Hadi Lestriandoko [2] Fitri Damayanti, Agus Zainal [3]
2003
Kompresi Citra Multispektral Berbasis dan Reduksi Spektral
Inderaja Clustering
Image Citra
2010
Pengenalan Wajah Berbasis TwoDimensional Lenear Dicriminant Analysis
Image Citra
1.2.
Perumusan Masalah Perbesaran citra radar super resolution yang direkonstruksi dari sejumlah
patch dari training set citra membutuhkan proses yang cukup rumit dan lama serta menganalisa awan berpotensi petir yang sangat rumit. Penerapan metode PCA pada training set dapat mengurangi dimensi citra sehingga diharapkan proses rekonstruksi citra perbesaran lebih cepat dengan kualitas yang lebih baik serta dapat menganalisa dampak petir.
16 Universitas Sumatera Utara
1.3.
Batasan Masalah
Dalam pembahasan tesis ini permasalahan dibatasi pada: 1.
Daerah yang dipergunakan sebagai daerah sempel ialah daerah TUNTUNGAN sekitarnya.
2.
Menerapkan algoritma PCA untuk proses training set.
3.
Rekonstruksi citra menggunakan model Markov Network untuk memperoleh citra super resolution dengan interpolasi antara patch resolusi tinggi dan patch resolusi rendah.
4.
Analisa dan Perhitungan MSE (Means Square Error) dan PSNR (Peak Signal to Noise Ratio) untuk mengetahui kualitas dan kecepatan citra super resolution yang dihasilkan.
5.
Tipe citra memiliki format BMP dengan variasi citra sampel sebanyak data awan yang memiliki potensi petir serta ukuran ketebalan awan yang berbeda sebagai data training.
1.4.
Tujuan Penelitian Tujuan Penelitian tesis ini adalah melakukan analisa mengenai potensi petir
dengan rekonstruksi citra super resolution model Markov Network dengan training set menggunakan PCA untuk memperbaiki kualitas citra dan mengetahui daerah dan jenis awan yang dapat berpotensi petir kuat.
17 Universitas Sumatera Utara
1.5.
Manfaat Penelitian Manfaat dari penelitian ini adalah: 1.
Memberikan manfaat bagi provider telekomunikasi penentuan daerah pemasangan tower dan besaran potensi kualitas signal.
2.
Penentuan ketebalan awan untuk dapat memprediksi jangka waktu lamanya hujan.
3.
Memberikan konstribusi pada peningkatan kualitas citra radar yang merupakan parameter penting dalam signal processing untuk memperoleh citra radar yang secara rinci seperti citra aslinya pada saat diperbesar .
4.
Mengurangi biaya yang mahal dalam proses pencetakan citra yang menggunakan kamera LR CCD dalam perbesaran dan kualitas citra.
5.
Memberikan pemahaman atau pengetahuan mengenai pemrosesan citra khusunya berhubungan dengan perbaikan dan perbesaran citra (image enhancement and enlargement).
6.
Dalam pengolahan potensi petir dengan rekonstruksi citra radar super resolution model Markov Network dengan training set PCA yang dilakukan penelitiannya pada daerah Tuntungan dapat juga diperluas pada daerah Medan sekitarnya.
1.6.
Sistematika Penulisan Sistematika penulisan dibagi dalam 5 (lima) bab antara lain:
18 Universitas Sumatera Utara
BAB 1. PENDAHULUAN
Bab 1 : Akan membahas mengenai latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat, serta sistematika penulisan. BAB 2. TINJAUAN PUSTAKA Bab
ini berisikan mengenai kajian pustaka yang dipakai pada tesis ini
meliputi: Penelitian super resolution dengan sub bab antara lain; Rekonstruksi super resolution berbasis interpolasi dan rekonstruksi super resolution berbasis training. BAB 3. METODELOGI PENELITIAN Bab ini merupakan rangkaian yang lebih rinci menjelaskan teori-teori serta langkah-langkah penelitian yang dilakukan secara sistematis. BAB 4. ANALISA DAN PEMBAHASAN Pada bab ini menjelaskan desain program atau perancangan perangkat lunak sistem, serta melakukan implementasi dan analisa dari hasil ujicoba program ini dibagi atas: 1.
Proses membangun citra dengan sub bab yaitu ; Proses pembacaan piksel citra asli, pembentukan patch, proses rekonstruksi citra (scene image).
2.
Proses rekonstruksi citra pada training set yang meliputi rekonstruksi pemilihan the best matching patches dari training set model Markov
19 Universitas Sumatera Utara
Network, rekonstruksi pemilihan the best matching patches dari training set PCA. 3.
Analisa hasil pengukuran MSE dan PSNR citra Sub bab ini membahas hasil pengukuran MSE dan PSNR citra perbesaran,
analisa hasil perbesaran citra, hasil pengukuan citra super resolution model Markov Network, PCA dan interpolasi New Edge Directed (NEDI).
BAB 5. KESIMPULAN DAN SARAN Pada bab penutup ini berisikan kesimpulan dari hasil pengujian dan analisa pembahasan ditambah dengan saran-saran yang bersifat perbaikan dari hasil penelitian tesis ini.
20 Universitas Sumatera Utara
