Penerapan statistika dalam Ilmu Teknologi Informasi

Penerapan statistika dalam Ilmu Teknologi InformasiRony Teguh. Ph.DDefinisiStatistikaadalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikandata. Singkatnya, statistika adalah ilmu yang berkenaan dengan data.Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data.Konsep dasar statistika mengasumsikanteori probabilitas. Beberapa istilah statistika antara lain:populasi,sampel,unit sampel, danprobabilitas.Metode Statistik dan PenelitianDua jenis penelitian: eksperimen dan survaiPenelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik,ilmu pangan,agronomi,farmasi,pemasaran(marketing), dan psikologi eksperimen.Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau berkaitan dengan perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi, kedokteran masyarakat, dan industri.

Studi Statistik pada Penelitian Pengolahan CitraDATA GAMBAR

Red, Green, Blue - Data Citra adalahgambar dua dimensiyang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui prosessampling.Samplingadalah proses untuk menentukan warna pada piksel tertentu pada citra dari sebuah gambar yang kontinu. Pada prosessamplingbiasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan. Proses sampling sering juga disebut proses digitisasi. Sampling merupakan bagian dari metodologi statistika.Algoritma kategori ini dapat dihasilkan menggunakanhistogramdari citra awal untuk menghasilkan citra baru.Peregangan KontrasEkualisasi histogramFilter MinimumFilter MedianFilter MaksimumTahap Penelitian Mengunakan Metode StatistikDATA

1280 Pixel960 PixelRGBMax, Min, Mean, Std

Max=255Min=0Mean=115.94Standar Deviasi = 77.247Hitung Histrogram RGB

Binary Image

Menghitung tingkat cahaya % Rony Teguh% Count Pixel for Cover Measurementclc; % Clear command window.clear all; close all; imtool close all; workspace; % Make sure the workspace panel is showing.fontSize = 20; % Read in standard MATLAB gray scale demo image.RGB = imread('IMG_0116.jpg');[rows1 columns1 numberOfColorBands1] = size(RGB);subplot(2, 2, 1);h = fspecial('unsharp');I2 = imfilter(RGB,h);imshow(RGB, []); title('Original Image', 'FontSize', 20);set(gcf, 'Position', get(0,'Screensize')); % Maximize figure.Algorithm Binary Canopy% Check RGB to GraygrayImage = rgb2gray(RGB);[rows2 columns2 numberOfColorBands2] = size(grayImage);subplot(2, 2, 2);imshow(grayImage, []);title('Grayscale Image', 'FontSize', 20);set(gcf, 'Position', get(0,'Screensize')); % Maximize figure. binaryImage = grayImage > 150;subplot(2, 2, 3);imshow(binaryImage,[]);title('Binary Image', 'FontSize', fontSize); % Just for fun, let's get its histogram.[pixelCount grayLevels] = imhist(grayImage);subplot(2, 2, 4);bar(pixelCount);title('Histogram of original image', 'FontSize', fontSize);xlim([0 grayLevels(end)]); % Scale x axis manually.numberOfBlackPixels = sum(sum(binaryImage == 0)); numberOfWhitePixels = sum(sum(binaryImage)); totalNumberOfPixels = rows2 * columns2; percentBlackPixels = 100.0 * numberOfBlackPixels / totalNumberOfPixels; percentWhitePixels = 100.0 * numberOfWhitePixels / totalNumberOfPixels; % Show the Messagesmessage = sprintf('Done!\nTotal number of pixels = %d\nBlack pixels (Canopy)= %d = %.1f%%\nWhite pixels (Sky)= %d = %.1f%%', ... totalNumberOfPixels, numberOfBlackPixels, percentBlackPixels, ... numberOfWhitePixels, percentWhitePixels);msgbox(message);

Gambar AsliConstras=30Constras=100Constras=255 clc; % Clear command window.clear all; close all; % Read dataRGB = imread('IMG_0116.jpg');subplot(2, 2, 1);imshow(RGB, []); newRange = 30; %// choose the new maximum. (new minimum always at 0.0)imgMin = double(min(RGB(:)));imgMax = double(max(RGB(:)));RGB = (RGB - imgMin) / (imgMax - imgMin) * newRange;subplot(2, 2, 2);imshow(RGB, []); newRange = 100; %// choose the new maximum. (new minimum always at 0.0)imgMin = double(min(RGB(:)));imgMax = double(max(RGB(:)));RGB = (RGB - imgMin) / (imgMax - imgMin) * newRange;subplot(2, 2, 3);imshow(RGB, []); newRange = 255; %// choose the new maximum. (new minimum always at 0.0)imgMin = double(min(RGB(:)));imgMax = double(max(RGB(:)));RGB = (RGB - imgMin) / (imgMax - imgMin) * newRange;subplot(2, 2, 4);imshow(RGB, []);Tugas Kelompok 3-5 OrangSilahkan membuat algoritma untuk menambah Contrast and Brightness cahaya pada sebuah gambar dengan mengunakan bahasa pemrograman matlab/octave/scilabGunakan metode statistik Max, Min, Mean, Standar deviasiSample data bebas.Tampilkan dalam laporan 2 lembar kertas berupa:Histogram sampling RGB.Hasil dari masing masing gambar dalam Nilai Constrast =50, 150, 200Nilai Brightness =50, 150, 200