5.1 Uji coba penghapusan bayangan pada citr a.
Pada uji coba penghapusan bayangan pada citra dilakukan dengan mengambil file citra RGB berwarna berekstensi jpg, yang mana pada file citra tersebut memuat gambar berbayang. Penguji cobaan tersebut dilakukan berdasarkan inputan banyaknya penglusteran pada pixel citra. Dengan dilakukannya uji coba tersebut, diharapkan dapat memperoleh hasil atau kesimpulan yang dapat digunakan sebagai bahan pertimbangan atau dapat digunakan sebagai acuan dalam penyusunan skripsi ini, terutama untuk mengetahui kelebihan dan kekurangan dari aplikasi ini.
5.2 Uji coba pedetek sian bayangan
Pada pendeteksian bayangan dilakukan dengan mengambil hasil data yang telah diproses dari citra FCM yang kemudian merubahnya ke dalam bentuk citra threshold atau biner, yang mana dari citra biner tersebut terdapat hanya dua warna yaitu hitam dengan pixel bernilai 0 dan putih bernilai 1. Dengan dirubahnya citra ke dalam bentuk biner maka akan memudahkan pengidentifikasian area bayangan dan memisahkan area bayangan dengan latar belakang citra dalam hal ini warna yang bukan termasuk area bayangan. Namun dalam pendeteksian bayangan secara untuh akan dipengaruhi oleh adanya noise yang terdapat dalam area bayangan oleh
karena itu perlu dilakukan penghapusan area terkecil dalam hal ini noise di daerah bayangan dengan cara memberi inputan nilai secara manual yang dilakukan oleh user untuk menghapus area- area terkecil dalam pixel, dalam hal ini di berikan standart nilai 1 pixel untuk penghapusan.
5.3 Uji coba pengcluster an pixel pada citr a dengan fuzzy c-means.
Teknik pengclusteran atau clustering digunakan untuk membangun suatu cluster yang di inginkan. Pada pengujian citra dengan menggunakan teknik fuzzy c-means, yang mana proses clustering di tentukan secara manual oleh user . Adapun penginputan secara manual yang dilakukan oleh user meliputi penentuan banyaknya jumlah cluster yang akan digunakan untuk pengclusteran pixel pada citra, selanjutnya memberikan batasan minimum yang bertujuan untuk membatasi interasi sampai objek fungsi kurang dari nilai minimum. Dan yang terakhir adalah nilai eksponen atau bobot, dimana ketetapan nilai eksponen untuk citra adalah sama dengan 2.
5.3.1 Tabel uji coba pengluster an citr a dengan mengunaka n fuzzy c-means Berikut ini adalah tabel uji coba penglusteran citra dengan fuzzy c-means, yang dilakukan berdasarkan inputan secara manual oleh user.
Tabel 5.1 Pengclusteran file citra Uji
coba
Citr a inputan Cluster Min Ekspo nent Cah aya Gamba r Asli Gambar FCM Gambar HASIL 1 Nama: Coba foto .jpg
Size : 640 x 425 pixel
2 0.01 2 1
2 Nama: Coba foto .jpg Size : 640 x 425 pixel
5 2 2 1
3 Nama: Coba foto .jpg Size : 640 x 425 pixel 3 1 2 2 4 Nama: lukisan .jpg Size : 140 x 160 pixel 10 0.1 2 1 5 Nama: lukisan .jpg Size : 140 x 160 pixel 6 1 2 1 6 Nama: Mobil.jpg Size : 138 x 88 pixel 2 1 2 1
7 Nama: Mobil.jpg Size : 138 x 88 pixel 8 1 2 1 8 Nama: sunset .jpg Size : 138 x 88 pixel 2 1 2 1 9 Nama: sunset .jpg Size : 138 x 88 pixel 13 0.1 2 1 10 Nama: sunset .jpg Size : 138 x 88 pixel 5 1 2 1.5 11 Nama: Mobil.jpg Size : 138 x 88 pixel 10 0.1 2 1.4 12 Nama: Mobil.jpg Size : 138 x 88 pixel 10 5 2 1.4
13 Nama: Coba foto .jpg Size : 640 x 425 pixel
20 0.1 2 1.2
14 Nama: Coba foto .jpg Size : 640 x 425 pixel 20 5 2 2 15 Nama: sunset .jpg Size : 138 x 88 pixel 15 1 2 2 16 Nama: sunset .jpg Size : 138 x 88 pixel 27 0.01 2 1.5
17 Nama: Coba foto .jpg Size : 640 x 425 pixe 30 1 2 2 18 Nama: lukisan .jpg Size : 140 x 160 pixel 17 5 2 1 19 Nama: lukisan .jpg Size : 140 x 160 pixel 19 0.1 2 2
20 Nama: lukisan .jpg Size : 140 x 160 pixel
11 0.001 2 2
Pada hasil uji coba tabel penglusteran citra diatas, terlihat bahwa inputan jumlah nilai cluster berpengaruh kepada proses kecepatan hasil penglusteran, semakin besar nilai cluster yang di inputkan semakin lama pula waktu yang dibutuhkan untuk melakukan proses cluster data pada citra. Selain nilai inputan cluster faktor selanjutnya juga terdapat pada ukuran citra semakin besar ukuran citra yang akan di lakukan proses cluster pixel semakin lama pula hasil cluster yang didapat. Berikut ini adalah hasil gambar dari proses penglusteran terhadap citra berdasarkan tabel penglusteran file citra diatas . 5.4 Evaluasi
Hasil evaluasi dari uji coba penglusteran citra dengan menggunakan fuzzy c-means yang telah dilakukan membuktikan bahwa aplikasi yang telah dibuat dapat berjalan dengan baik sesuai dengan fungsinya, hal ini ditunjukan Dengan hasil yang didapat pada citra yang telah dilakukan proses
penclusteran berdasarkan nilai inputan cluster, nilai minimum dan nilai eksponet. Terlihat dari hasil citra yang berubah menjadi warna hitam dan putih yang mana hasil dari warna tersebut membentuk sebuah segmentasi untuk mengidentifikasi sebuah objek yang terdapat pada citra. Untuk mengindentifikasi area bayangan dan membedakan antara objek bayangan dengan objek non bayangan dalam hal ini objek lain maka dilakukan proses
pengujian beberapa kali dengan mengubah nilai cluster inputan, sehingga akan didapat sebuah segmentasi tepat pada area bayangan.
Karena segmentasi tersebut didapat berdasarkan hasil pengclusteran, untuk deteksi bayangan dilakukan penggubahan citra dari hasil penclusteran ke bentuk citra biner yang akan memudahkan dalam pembedaan antra objek dengan latar belakang. Untuk memberi kesan warna yang sama pada area bayangan dan objek sekaligus meningkatkan kualitas warna dari citra maka dilakukan penambahan cahaya dengan menginputkan secara manual nilai dari cahaya tersebut, dimana dalam memberi nilai cahaya dilakukan dengan interval nilai satu sampai dua. Jika nilai lebih dari dua maka citra akan semakin terang begitupun sebaliknya jika kurang dari dari dua maka hasil citra akan Nampak agak gelap.
BAB VI PENUTUP
6.1 Kesimpulan
Dari hasil uji coba yang telah dilakukan terhadap aplikasi penghapusan bayangan pada citra dengan menggunakan metode fuzzy c-means(FCM), maka dapat diambil kesimpulan berdasarkan dari hasil rumusan masalah yang telah disebutkan sebelumnya adalah sebagai berikut:
1. Besarnya ukuran image dan banyak jumlah nilai cluster yang diberikan akan mempengaruhi cepat atau lambatnya proses cluster yang dilakukan.
2. Pada algoritma FCM mempunyai keterbatasan tidak otomatis (ditetapkan secara manual oleh user), yaitu nilai minimum, dan banyaknya cluster. Sehingga proses segmentasi yang dihasilkan berbeda.
3. Dalam mendeteksi bayangan, warna bayangan harus berwarna hitam karena jika tidak berwarna hitam maka area bayangan tidak terhapus dengan baik..
4. Memberikan nilai cahaya dimana semakin besar nilai cahaya yang diberikan maka hasil citra akan semakin terang.
6.2 Sar an
Adapun saran-saran yang dapat digunakan untuk mengembangkan aplikasi yang telah dibuat pada tugas akhir ini adalah sebagai berikut:
1. pengembangan yang dapat dilakukan pada aplikasi ini adalah jika citra yang akan diproses mempunyai ukuran besar maka pada saat proses mendeteksi bayangan dibutuhkan metode segmentasi yang lebih presisi dan otomatis, sehingga pada proses penghilangan bayangan dapat terlihat jelas bahwa bayangan benar-benar hilang dengan sempurna.
2. Dibutuhkan suatu pencahayaan yang sesuai ketika melaksanakan proses penghapusan bayangan sehinga pada area bayangan yang terhapus warna latar belakang tidak ikut mengalami penggikisan warna.
3. Pada proses pemberian cahaya hendaknya dilakukan secara otomatis tanpa harus memberi inputan nilai secara manual oleh user.