IMPLEMENTASI DAN PENGUJIAN
4 Mengklik tombol
“K Means
Clustering”
Sistem akan melakukan segmentasi pada citra
Berhasil
5 Mengklik tombol
“K Means
Clustering”
Sistem akan menampilkan citra hasil segmentasi pada kanvas citra.
6 Mengklik tombol
“Median
Filtering”
Sistem akan menampilkan dialog masukan jumlah klaster.
Berhasil
5 Mengklik tombol
“Median
Filtering”
Sistem akan melakukan perataan piksel pada citra
Berhasil
6 Mengklik tombol
“Median
Filtering”
Sistem akan menampilkan citra hasil
median filtering pada kanvas citra.
7 Mengklik tombol
“Gambar Ulang”
Sistem akan menampilkan dialog berisi masukan Minimal lebar dan minimal panjang toleransi bangunan.
Berhasil
8 Mengklik tombol
“Gambar Ulang”
Sistem akan melakukan penghapusan pada citra yang tidak memenuhi nilai toleransi minimal panjang dan lebar sesuai masukan.
Berhasil
9 Mengklik tombol
“Gambar Ulang”
Sistem menampilkan hasil penggambaran ulang pada kanvas citra.
Berhasil
10 Mengklik tombol
“Digitasi”
Sistem akan meminta masukan berupa koordinat latitude dan longitude dengan mengaktifkan event on click pada kanvas citra.
Tabel 4.2 Hasil Pengujian Komponen (lanjutan)
No. Skenario Uji Hasil yang Diharapkan Hasil Pengujian 11 Mengklik pada
kanvas citra
Sistem akan memunculkan dialog masukan berupa latitude dan longitude citra.
Berhasil
12 Mengklik tombol
“export”
Sistem akan menampilkan dialog berisi masukan nama database, nama username. Password, serta nama tabel.
Berhasil
13 Mengklik tombol
“export”
Sistem akan menyimpan data hasil deteksi bangunan ke dalam basisdata postgresql.
Berhasil
4.2.3 Pengujian kinerja sistem
Misalkan terdapat sebuah data citra berupa file jpg seperti pada gambar 4.2.
Gambar 4.2 Citra satelit
Langkah-langkah digitasi bangunan menggunakan k means clustering untuk data pada gambar 4.2 adalah sebagai berikut:
1. Lakukan segmentasi untuk membuang objek yang bukan merupakan objek bangunan memanfaatkan metode k means clustering dengan jumlah klaster dua. Hasil segmentasi seperti pada tabel 4.3, sementara hasil proses citra seperti pada gambar 4.3.
Tabel 4.3 Data hasil pengolahan k means clustering
Loops Mean Klaster 1 Mean Klaster 2 Changed Pixel
1 103 198 8054 2 106 205 3346 3 107 209 1653 4 108 211 890 5 108 212 281 6 109 212 286 7 109 212 0
2. Lakukan perataan piksel dengan menggunakan metode median filtering. Hasil perataan piksel dengan median filtering seperti pada tabel 4.4.
Tabel 4.4. Tabel hasil median filtering
Loops Matriks 4x4 Matriks 4x4 setelah
diurutkan Nilai Piksel Pengganti 1 -16777216,-16777216, -16777216,-16777216 -16777216,-16777216, -16777216,-16777216 -16777216 2 -16777216,-16777216, -16777216,-6250338, -16777216,-16777216, -16777216, -6250338 -16777216 3 -16777216,-6250338, -1,-1 -16777216,-6250338, -1,-1 -1 4 -6250338,-1, -1,-16777216 -16777216,-6250338, -1,-1 -1 5 -1,-1, -16777216,-16777216 -1,-1, -16777216,-16777216 -16777216 6 -1,-1,-1,-1, -1,-1,-1,-1, -1 … … … …
Gambar 4.4. Hasil median filtering
3. Lakukan gambar ulang dengan menghapus piksel terhubung yang tidak memenuhi toleransi minimal jumlah piksel terhubung secara horizontal (minimum lebar) dan minimal jumlah piksel terhubung secara vertical (minimum panjang). Hasil gambar ulang seperti pada gambar 4.5.
4. Lakukan pengenalan koordinat dengan melakukan translasi koordinat terhadap koordinat hasil inputan (latitude dan longitude) yang dimasukkan. Hasil pengenalan koordinat seperti pada tabel 4.5.
Tabel 4.5. Hasil Pengenalan Koordinat
Longitude Latitude Koordinat
X Kanvas Koordinat Y Kanvas Translasi X Translasi Y 98.0 88.0 4 2 94.0 86.0 150.0 88.0 206 4 -56.0 84.0 … … … …
Mean Translasi x = ∑ ………. (persamaan 4.1)
Mean Translasi x = Mean Translasi x = 19.0
Mean Translasi y = ∑ ………. (persamaan 4.2)
Mean Translasi y = Mean Translasi y = 85
Tabel 4.6. Hasil Translasi Koordinat Koordinat X Kanvas Koordinat Y Kanvas Translasi X Translasi Y Longitude Latitude 4 2 19.0 85.0 23.0 87.0 206 4 19.0 85.0 225.0 89.0 … … … …
Gambar 4.6 Objek Bangunan Yang Telah Dikenali Koordinatnya Dibuka Dengan Aplikasi Sistem Informasi Geografis.
4.2.4 Evaluasi Hasil
Evaluasi hasil dilakukan dengan membandingkan hasil digitasi dengan menggunakan system dan hasil digitasi secara manual seperti pada gambar 4.7. Evaluasi hasil dihitung berdasarkan tiga buah parameter yaitu akurasi, ketepatan, dan kualitas.
a. Kelengkapan dan ketepatan
Kelengkapan merupakan perbandingan jumlah piksel hasil digitasi oleh sistem yang sesuai dengan hasil digitasi manual terhadap total jumlah piksel hasil digitasi, seperti pada gambar 4.8. Kelengkapan merupakan perbandingan jumlah piksel yang di digitasi dengan tepat terhadap jumlah piksel yang tidak terdigitasi oleh sistem.
Gambar 4.7. Hasil digitasi secara manual
Gambar 4.8. Bentuk Pengujian Akurasi dan Ketepatan
Piksel false positive piksel hasil digitasi secara otomatis oleh sistem yang tidak tepat menurut hasil digitasi secara manual. Piksel true positive
adalah piksel hasil digitasi oleh sIstem yang tepat, sedangkan piksel false
False Positive
False Negative True Positive
Digitasi Sistem
Digitasi Manual
negative merupakan setiap piksel hasil digitasi manual yang tidak di deteksi oleh sistem. Kelengkapan = ………. (persamaan 4.3) Ketepatan = ………. (persamaan 4.4) TP = true positive FN = false negative FP = false positive b. Kualitas
Kualitas merupakan persentase kesesuaian dari hasil akhir digitasi, yaitu persentase jumlah piksel yang di digitasi secara tepat dan akurat.
Kualitas =
………. (persamaan 4.5)
Hasil dari pengukuran evaluasi hasil seperti pada tabel 4.7. Tabel 4.7. Hasil Evaluasi Hasil
Citra Kelengkapan Ketepatan Kualitas
1 0.99025 0.98518 0.97572 2 0.98823 0.89597 0.88651 3 0.94737 0.87378 0.83334 4 0.99681 0.99797 0.99480 5 0.95712 0.69415 0.67321 6 0.96511 0.87762 0.85064 7 0.86775 0.93957 0.82188
Gambar 4.10 menunjukkan hasil digitasi objek bangunan citra gambar 4.9 , setelah hasil digitasi otomatis dibandingkan dengan digitasi manual seperti pada gambar 4.11,
sebesar 0.88651. Gambar 4.13 menunjukkan hasil digitasi objek bangunan citra gambar 4.12 , setelah hasil digitasi otomatis dibandingkan dengan digitasi manual seperti pada gambar 4.14, didapat nilai kelengkapan sebesar 0.94737, ketepatan sebesar 0.87378 dan kualitas sebesar 0.83334.
Gambar 4.9. Citra 2
Gambar 4.10. Hasil Digitasi otomatis citra 2
Gambar 4.11. Hasil Digitasi manual citra 2
Gambar 4.12. Citra 3
Gambar 4.16 menunjukkan hasil digitasi objek bangunan citra gambar 4.15 , setelah hasil digitasi otomatis dibandingkan dengan digitasi manual seperti pada gambar 4.17, didapat nilai kelengkapan sebesar 0.99681, ketepatan sebesar 0.99797 dan kualitas sebesar 0.99480.
Gambar 4.13. Hasil digitasi otomatis Citra 3.
Gambar 4.14. Hasil digitasi manual Citra 3.
Gambar 4.19 menunjukkan hasil digitasi objek bangunan citra gambar 4.18, setelah hasil digitasi otomatis dibandingkan dengan digitasi manual seperti pada gambar 4.20, didapat nilai kelengkapan sebesar 0.95712, ketepatan sebesar 0.69415 dan kualitas sebesar 0.67321.
Gambar 4.15. Citra 4.
Gambar 4.17. Hasil digitasi manual citra 4.
Gambar 4.18. Citra 5.
Gambar 4.19. Hasil digitasi manual citra 5.
Gambar 4.20. Hasil digitasi otomatis citra 5
Gambar 4.22 menunjukkan hasil digitasi objek bangunan citra gambar 4.21, setelah hasil digitasi otomatis dibandingkan dengan digitasi manual seperti pada gambar 4.23, didapat nilai kelengkapan sebesar 0.96511, ketepatan sebesar 0.87762 dan kualitas sebesar 0.85064.
Gambar 4.21. Hasil digitasi otomatis citra 6
Gambar 4.22. Hasil digitasi otomatis citra 6
. Gambar 4.23. Hasil digitasi otomatis citra 6
Gambar 4.25 menunjukkan hasil digitasi objek bangunan citra gambar 4.24, setelah hasil digitasi otomatis dibandingkan dengan digitasi manual seperti pada gambar 4.26, didapat nilai kelengkapan sebesar 0.86775, ketepatan sebesar 0.93957 dan kualitas sebesar 0.82188.
Gambar 4.24. Citra 7
Gambar 4.26. Hasil digitasi manual gambar 7
BAB 5