BAB 5 UJI COBA DAN PEMBAHASAN 51
5.2 Pengujian
Ada beberapa tahap uji coba yang pertama pengujian tahap preprocessing, yang kedua pengujian tahap segmentasi dan yang terakhir pengujian tahap deteksi atau pelabelan, setelah semua tahap pengujian selesai selanjutnya dilakukan perhitungan dimensi.
5.2.1 Pengujian Tahap Preprocessing
Pengujian ini dilakukan terhadap proses-proses pada tahap pengolahan citra. Pengujian bertujuan untuk mengetahui bahwa proses-proses pada tahap Pengolahan citra sudah benar, sehingga data yang disajikan dari tahap ini dipastikan dapat menjadi input pada tahap berikutnya. Pada tahap ini terdapat 3 proses yaitu grayscale, median filter.
1. Proses grayscalling, yaitu proses mengubah citra RGB (Red,Green, Blue) menjadi citra yang memiliki nilai keabuan. Proses ini membuat citra RGB yang memiliki tiga chanel warna yakni chanel warna merah, hijau dan biru menjadi citra grayscale.
2. Median filter dilakukan dengan tujuan untuk mengurangi noise yang ada. Dengan mengurangi jumlah noise akan menghasilkan citra dengan kualitas yang lebih baik untuk melakukan proses selanjutnya.
Gambar 5.3: Hasil Grayscale
Gambar 5.4: Hasil Median Filter 5.2.2 Pengujian Tahap Segmentasi
Proses segmentasi digunakan untuk membedakan antara foreground dengan backround. Dalam uji cobab tahap segmentasi ini yang digunakan adalah Otsu thresholding dan Deteksi tepi sobel. Pada masing-masing metode untuk proses perbaikan citra atau proses mendapatkan informasi citra yang dibutuhkan dengan menerapkan operasi morfologi memiliki langkah yang berbeda, karena pada setiap metode dilakukan proses sehingga mendapatkan hasil yang maksimal atau menghasilkan informasi lubang yang dibutuhkan. Selain menguji keberhasilan metode-metode segmentasi yang digunakan dilakukan juga perhitungan waktu proses komputasi, dan selanjutnya dilakukan perbandingan hasil dari kedua metode tersebut.Berikut merupakan tahapan-tahapan dari pengujian masing-masing metode.
1. Uji Coba Metode Otsu Thresholding
Pengujian dilakukan dengan memasukan citra lubang jalan aspal pada proses segmentasi menggunakan Otsu Thresholding. Gambar 5.5 berikut merupakan tahapan proses dengan menggunakan Otsu thresholding.
Gambar 5.5: Proses Metode Otsu Threshold
Berdasarkan Gambar 5.5 tersebut bahwa untuk citra (A) merupakan hasil dari segementasi otsu thresholding, citra (B) hasil operasi dilasi, citra (C) hasil operasi closing, citra (D) hasil operasi filling holes dan citra (E) hasil operasi erosi. Setelah proses segmentasi otsu thresholding, selanjutnya proses menghilangkan bagian dari citra yang tidak dibutuhkan dengan menerapkan beberapa operasi morfologi. Operasi dilasi diterapkan setelah proses segmantasi otsu karena untuk menebalkan bagian dari objek sehingga objek lebih jelas, setelah itu dilakukan operasi closing yaitu untuk memperjelas hasil dilasi, selanjutnya proses filling holes yaitu untuk menutup lubang-lubang kecil yang ada pada sekitaran objek dan proses yang terakhir yaitu erosi untuk mengikis tepi citra sehingga citra tampak bagus.
2. Uji Coba Metode Deteksi Tepi Sobel
Proses deteksi tepi yang digunakan pada deteksi lubang aspal ini yaitu metode deteksi tepi sobel. Digunakannya metode sobel karena metode ini dapat menghilangkan atau mengurangi noise. Pada pengujian metode sobel ini juga menggunakan data yang sama seperti pengujian otsu thresholding. Akan tetapi pada pengolahannya ada perbedaan, sehingga dapat dilihat pada Gambar 5.6 berikut merupakan tahapan pengolahan untuk metode deteksi tepi sobel:
Gambar 5.6: Proses Metode Deteksi Tepi Sobel
Pada Gambar 5.6 untuk citra (A) merupakan citra hasil deteksi tepi, citra (B) citra hasil operasi closing, citra (C) hasil operasi opening, citra (D) hasil operasi filling holes dan citra (E) merupakan hasil dari operasi erosi.Setelah proses deteksi tepi selanjutnya dilakukan proses perbaikan informasi citra dengan menggunakan operasi morfologi. citra hasil deteksi tepi perlu dilakukan perlebaran daerah yang berwarna putih sehingga diimplementasikan operasi morfologi closing, selanjutnya operasi opening dilakukan untuk menghilangkan objek-objek kecil, dan menutupi lubang-lubang kecil dengan operasi filling holes dan yang terakhir yaitu operasi erosi untuk pengikisan tepi objek sehingga objek jelas nampak seperti lubang citra asli sebelum pengolahan.
5.2.3 Pengujian Tahap Deteksi atau Pelabelan
Setelah proses segmentasi, selanjutnya yaitu proses pelabelan menggunakan metode Connected Component Labelling (CCL). Metode ini memberikan label pada setiap warna berwarna putih yang dianggap lubang. Pada proses CCL ini bertujuan untuk melabeli tiap region dengan label yang unik (nomor urut region). Sehingga dapat mengetahui jumlah region berarti didapatkan jumlah objek yang terdapat dalam suatu citra masukan. Setelah didapatkan hasil objek lubang yang terdeteksi selanjutnya dilakukan proses perhitungan dimensi seperti luas area tiap objek (jumlah piksel yang terkoneksi pada tiap label), lebar objek, dan tinggi objek.
Gambar 5.7: Hasil Connected Component Labelling 5.2.4 Uji Coba
Pada uji coba citra dengan kasus lain ini dilakukan pengujian terhadap 10 data citra lubang yang terdiri dari bebagai kondisi lubang seperti lubang yang tergenang air atau terdapat tumpukan batu krikil serta citra yang terdiri dari beberapa objek misalkan terdapat lebih dari satu objek lubang atau terdapat objek selain lubang yaitu objek retak. Dan juga dilakukan uji coba data yang dikondisikan dengan penambahan brighnes dan juga motion blur dengan berbagai macam penambahan intesitas.
1. Data dengan kondisis citra yang lebih dari satu objek.
Citra (a) merupakan citra asli dan citra (b) citra hasil proses. Data tersebut terdiri dari dua objek yakni lubang dan retak, terlihat bahwa yang terdeteksi hanya lubang, karena pada penelitian ini hanya difokuskan untuk kasus lubang, sehingga dikondisikan apabila area piksel yang bernilai 1 (piksel putih) kurang dari batas yang ditentukan maka objek tersebut diabaikan.
Citra (a) merupakan citra asli dan citra (b) citra hasil proses, merupakan pasangan input dan output data dengan kondisi objek lebih dari satu yang berhasil dikenali, dari hasil tersebut terlihat bahwa objek (lubang) berhasil dideteksi sehingga didapatkan hasil citra terdiri dari dua objek lubang dengan label yang berbeda.
2. Data dengan Gangguan
Pengujian yang ke dua ini data telebih dahulu diberikan gangguan untuk menguji sejauh mana model dapat mengenali objek walaupun dengan kondisi pengambilan citra yang kurang baik. Beberapa gangguan tersebut adalah motion blurring, penambahan intesitas warna citra dan pengurangan intensitas warna citra. Tujuan dari proses Blurring ini adalah untuk mengantisipasi data dengan pengambilan gambar yang tidak fokus, sedangkan untuk proses Brightness Adjustment adalah untuk mengantisipasi pengambilan gambar dengan keadaan cahaya saat terang dan gelap. Penambahan nilai intensitas warna citra sebesar n = 30, n = −30
Gambar 5.8: Data Dengan Gangguan
Dari hasil data yang dikondisikan dengan penambahan brightnes atau resolusi lebih digelapkan maupun dikonsisikan blur seperti pada Gambar 5.8 masing-masing memiliki pengaruh kepada hasil, untuk data kondisi blur masih bisa dikenali objek lubang tetapi untuk kondisi penambahan kecerahan atau lebih digelapkan kadang bisa dikenali terkadang tidak tergantung kualitas data awalnya. Hasil pengujian dapat dilihat pada Tabel 5.3.