BAB IV PEMBAHASAN, ANALISIS, DAN HASIL
3.4 Kerangka Penelitiaan
Gambar 3.1. Alur Kerangka Penelitian
39
Bab ini akan membahas secara detail dan terperinci mengenai proses dan hasil dari penelitian dengan menerapkan metode penelitian yang telah diuraikan pada bab sebelumnya.
Pada bab sebelumnya telah dibahas bahwa tahapan-tahapan yang digunakan dalam penelitian ini adalah tahapan yang dilakukan pada pengolahan citra meliputi akuisisi citra, pre-processing, segmentasi, representasi dan deskripsi, pengenalan dan interpretasi. Selanjutnya identifikasi hasil output untuk menunjukkan hasil analisis.
4.1. Proses Pengolahan Citra 4.1.1. Akuisisi Citra
Tahap pertama yaitu akuisisi citra, dimana dilakukan proses pengumpulan data citra yang akan dijadikan sampel penelitian. Pengumpulan data citra dengan prosedur sebagai berikut :
1. Mempersiapkan material yang digunakan berupa rokok jenis filter.
2. Mempersiapkan tempat pengambilan gambar berupa kardus dengan ukuran 45x30cm.
3. Mempersiapkan kamera handphone untuk mengambil gambar.
4. Meletakkan rokok yang sudah di bakar ujungnya sebagai sumber asap di tempat yang sudah disediakan.
5. Mengambil gambar dengan teknik fast shoot selama 10detik untuk menghasilkan 30 gambar. Bersamaan dengan itu rokok akan ditambahkan satu persatu untuk setiap pengambilan 30 gambar sampai pengambilan gambar untuk 10 batang rokok. Sehingga jumlah data yang didapat sebanyak 300 buah. Berikut adalah tabel spesifikasi citra sampel :
Tabel 4.1. Citra Sampel
Nama Citra Ukuran Format
Citra 1 puntung
rokok 800x600 JPEG
Citra 2 puntung
rokok 800x600 JPEG
Citra 3 puntung
rokok 800x600 JPEG
Citra 4 puntung
rokok 800x600 JPEG
Citra 5 puntung
rokok 800x600 JPEG
Citra 6 puntung
rokok 800x600 JPEG
Citra 7 puntung
rokok 800x600 JPEG
Citra 8 puntung
rokok 800x600 JPEG
Citra 9 puntung
rokok 800x600 JPEG
Citra 10 puntung
rokok 800x600 JPEG
4.1.2. Pre-Processing
Pada tahap ini dilakukan proses pre-processing pada citra yaitu memperkecil ukuran citra. Citra hasil digitalisasi yang diambil mempunyai
ukuran resolusi yang besar. Untuk mempercepat proses pengolahan citra maka citra tersebut diubah ukurannya menjadi 240x320 pixel.
Kamera yang digunakan pada proses pengambilan gambar memiliki resolusi sebesar 2MP. Hasil dari pengambilan citra asap rokok mencapai 800x600 piksel sehingga menampilkan matriks yang terlalu besar. Hal ini akan memberatkan pemrosesan dan memakan waktu yang lebih lama, untuk itu citra harus diperkecil dan diubah pikselnya. Kemudian gambar diubah ukurannya atau di-resize menjadi 240x320.
Pada proses digitalisasi, citra berwarna akan menghasilkan matriks tiga dimensi. Matriks ini merupakan representasi dari citra untuk menunjukkan tingkat kecerahan atau derajat keabuan citra dalam kisaran nilai 0-255. Proses digitalisasi citra berwarna menghasilkan tiga matriks yang masing-masing merupakan representasi numerik dari RGB. Martiks R menyatakan matriks citra yang hanya berisi piksel warna merah, matriks G menyatakan matriks citra yang hanya berisi piksel warna hijau dan matriks B menyatakan matriks citra yang hanya berisi piksel warna biru. Sebelum mencari selisih dari setiap komponen warna R,G, dan B terlebih dulu dilakukan pemanggilan komponen warna tersebut, dengan listing program matlab:
R = rgbimage(:, :, 1);
G = rgbimage(:, :, 2);
B = rgbimage(:, :, 3);
Sehingga menghasilkan citra greyscale sebagai berikut :
Gambar 4.1. Pengambilan komponen warna citra asap rokok R,G,dan B
4.1.3. Segmentasi Citra
Selanjutnya untuk mendeteksi fitur tertentu dari asap segmentasi dilakukan dengan menambahkan fungsi active contour. Fungsi ini digunakan untuk mengambil dan membatasi objek foreground (asap). Pada tahap ini percobaan dilakukan dengan memperkirakan initial mask yang akan digunakan.
Bentuknya adalah citra biner dengan nilai piksel 0 untuk background dan 1 diberikan pada piksel yang akan menjadi foreground. Berikut perintah penyiapan mask menggunakan MATLAB.
mask = zeros(size(gambarGray));
mask(border:end-border, border:end-border) = 1;
kemudian Segmentasi dilakukan dengan iterasi 25 contour = ambilContour(image, 300, 25);
Berikut perbedaan hasil yang didapat :
Tabel 4.2. Perbedaan hasil proses segmentasi dengan active contour
Tabel 4.2 menunjukkan hasil dari salah satu sampel citra asap rokok yang telah dipisahkan antara objek yang dikehendaki (foreground) dengan objek lain yang tidak dikehendaki (background).
Tanpa Active Contour Dengan Active Contour
4.1.4. Representasi dan Deskripsi
Bagian terpenting dari tahap ini ialah mengatur nilai threshold.
Selanjutnya citra dianalisis nilai threshold-nya dengan memperhatikan ciri khas dari asap itu sendiri. Pada penelitian sebelumnya untuk mendeteksi asap diketahui dimana threshold terbaik dengan range antara 15-25. Sehingga hasil pengolahan citra pada penelitian ini akan dianalisis nilai threshold (ambang batas)-nya dengan cara eksperimental untuk merumuskan ciri dari asap rokok.
Dengan list program MATLAB sebagai berikut : BW = im2bw(hasil, 10);
figure, imshow (BW) BW = im2bw(hasil, 15);
figure, imshow (BW) BW = im2bw(hasil, 20);
figure, imshow (BW)
Citra yang dihasilkan adalah sebagai berikut:
Gambar 4.3. Citra hasil uji Th=10, Th=15, Th=20
Pada Gambar 4.2 terlihat bahwa citra hasil thresholding merupakan citra biner yang bertipe logical bernilai 0 dan 1. Hasil citra menunjukkan pixel yang diduga sebagai asap bernilai 1 berwarna putih sementara yang bukan asap bernilai 0 berwarna hitam. Pada pixel berwarna putih terlihat bahwa asap rokok cenderung membuat garis lurus keatas dan menyebar. Pada percobaan threshold diatas 15 maka terlihat jelas ada sebagian daerah yang bukan asap terdeteksi sebagai asap. Sementara pada percobaan dengan nilai threshold 5 dan 10 terlihat bahwa garis putih yang terdeteksi sebagai asap berkurang.
4.1.5. Pengenalan dan Interpretasi
Dalam tahap ini, citra sampel hasil segmentasi akan dilakukan ekstraksi Citra Asli Th=10
Th=15 Th=20
ciri warna untuk membedakan warna objek dengan yang lainnya. Asap pada umumnya mempunyai kriteria berwarna putih keabu-abuan. Untuk memunculkan warna abu-abu nilai R (red), G (green), dan B (blue) tidak berbeda jauh setiap pikselnya. Maka warna piksel asap dapat diformulasikan sebagai berikut ini (Celik dkk, 2007):
|R(x,y)-G(x,y)|≤ Th
|G(x,y)-B(x,y)|≤ Th
|R(x,y)-B(x,y)|≤ Th (4.1)
dimana Th merupakan global threshold dengan range antara 10-20
Sehingga pada proses selanjutnya dilakukan pencarian selisih antara piksel merah dengan hijau, piksel merah dengan biru dan piksel hijau dengan biru. Dengan listing program MATLAB sebagai berikut :
RminG = R - G;
GminB = G - B;
RminB = R - B;
Fungsi tersebut menghasilkan matriks komponen R,G, dan B yang sudah diselisihkan nilainya. Gambar 4.2 merupakan citra yang dihasilkannya:
Gambar 4.4. Citra hasil R-G, G-B dan R-B
Penelitian tentang karakteristik dan akibat dari pembakaran tembakau pada rokok menunjukan hasil bahwa pembakaran rokok dapat mencapai temperatur hingga 780o C pada inti pembakaran dan 442o C pada permukaan rokok yang dibakar. Distribusi panas inti rokok 780o C di ujung rokok menunjukkan panas 300o C pada jarak 2 mm dari ujung rokok. Demikian dengan distribusi panas gas menunjukan 100o C pada jarak 2mm dari ujung rokok(Krasny, 1987).
Sedangkan berdasarkan beberapa percobaan deteksi asap yang telah dilakukan dengan pengolahan citra digital didapatkan hasil untuk mengenali
kriteria dari asap. Berikut kriteria asap kebakaran hutan (Celik dkk, 2007) : 1. Area asap cenderung luas dan berkembang.
2. Pada suhu yang rendah asap akan menunjukan range warna putih hingga kebiruan. Jika suhu dari asap meningkat dan terjadi kebakaran range warna dari asap menjadi keabu-abuan sampai hitam.
3. Asap yang bertemperatur redah bersifat transparan sehingga warna dari asap terpengaruh dengan background.
Sebagaimana ciri yang telah diketahui, bahwa proses pembakaran pada puntung rokok berada pada temperatur 400-7000C sedangkan untuk mencapai sebuah kebakaran hutan temperature yang dihasilkan mencapai 30000C. Asap bersifat transparan sehingga warna dari asap mempengaruhi background dan pada suhu rendah asap akan menjuk range warna putih hingga kebiruan.
Sehingga pada kasus dimana asap dengan temperatur yang rendah dengan range warna dari putih kebiruan hingga putih maka saturasi dari warna juga rendah. Maka di dapat aturan sebagai berikut (Celik dkk, 2007) :
S(x,y)≤0.1
Saturasi menyatakan seberapa banyak warna putih yang tercampur pada warna lain. Semakin banyak warna putih yang ada semakin rendah saturasinya. Untuk mencari komponen saturasi pada sebuah citra RGB maka citra tersebut harus dikonversi ke HSV. Program Matlab menyediakan fungsi
untuk mengkonversi nilai RGB ke nilai HSV, yaitu fungsi rgb2hsv.m. Untuk mengambil komponen saturasi pada citra maka list programnya sebagai berikut:
hsvImage = rgb2hsv(rgbimage);
saturasi = hsvImage(:, :, 2);
4.1.6. Diagram Alur Kerja
Gambar 4.1. Diagram Alur Color Models
Berikut adalah alur kerja pendeteksian asap dengan color models : 1. Menyiapkan software yang akan digunakan. Pada penelitian ini
software yang akan digunakan adalah software MATLAB Ra2013.
2. Melakukan proses pre-processing pada citra yaitu memperkecil ukuran citra. Citra hasil digitalisasi yang diambil mempunyai ukuran resolusi yang besar. Untuk mempercepat proses pengolahan citra maka citra tersebut diubah ukurannya menjadi 240 x 320 pixel.
3. Lebih lanjut lagi citra asap rokok tersebut kemudian dicari dan diatur nilai thresholdnya. Bagian ini merupakan tahapan terpenting, karena threshold yang tinggi dapat menyebabkan area luasan asap yang terlihat secara visul tidak terdeteksi. Threshold yang terlalu rendah juga dapat menyebabkan kesalahan pada pendeteksian.
4. Mengambil objek foreground citra digital asap rokok menggunakan proses segmentasi dengan active contour
5. Mengubah warna citra kedalam grayscale (keabuan). Mencari perbedaan komponen warna dan saturasi pada tiap citra dengan mencari komponen matriks citra R, G dan B untuk kemudian diproses dengan rule yang sudah ditentukan. Untuk memunculkan warna abu-abu nilai warna merah, hijau dan biru tidak berbeda jauh setiap pikselnya. Sehingga pada proses ini percobaan dilakukan dengan menghitung selisih antara piksel merah dengan hijau, piksel merah dengan biru dan piksel hijau dengan biru kurang dari sama dengan
nilai threshold. Setelah itu didapat citra hasil pendeteksian. Utuk lebih jelasnya alur pendeteksian asap dengan color model image processing dapat dilihat pada Gambar 4.1.
6. Menghitung pixel hasil pendeteksian. Untuk menghitung pixel dari citra asap yang telah diolah, digunakan juga software matlab. Pada penelitian ini citra berwarna akan menghasilkan matriks tiga dimensi.
Matriks ini merupakan representasi dari citra untuk menunjukkan tingkat kecerahan atau derajat keabuan citra dalam kisaran nilai 0-255. Nilai tersebut dapat memudahkan dalam penghitungan luas area pixel citra asap. Penghitungan dilakukan dengan mencari pixel 255 yang secara visual terlihat dengan warna putih sedangkan nilai 0 berwarna hitam. Warna putih merupakan area yang diketahui sebagai asap. Kemudian dicari nilai persentase luas area tersebut pada tiap citra.
4.1.7. Analisis Hasil
Dari percobaan yang dilakukan melalui tahapan-tahapan pengolahan citra diatas, selanjutnya akan dianalisis untuk mendapatkan jawaban atau kesimpulan dari rumusan masalah yang dibuat. Setelah dilakukan percobaan, didapatkan hasil sebagai berikut :