PENENTUAN LUAS WILAYAH PADA CITRA SATELIT BERBASIS PENGOLAHAN CITRA DIGITAL

(1)

SKRIPSI

PENENTUAN LUAS WILAYAH PADA CITRA SATELIT

BERBASIS PENGOLAHAN CITRA DIGITAL

Disusun sebagai salah satu syarat memperoleh gelar Sarjana Teknik program S-1

pada Jurusan Teknik Elektro, Fakultas Teknik,

Universitas Muhammadiyah Yogyakarta

Disusun Oleh :

Ridwan Farid

20090120031

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK

(2)

i SKRIPSI

PENENTUAN LUAS WILAYAH PADA CITRA SATELIT

BERBASIS PENGOLAHAN CITRA DIGITAL

Disusun oleh

:

Ridwan Farid

NIM : 20090120031

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK

(3)

(4)

v

H A LA M A N PERSEM BA H A N

Karya ini kupersem bahkan kepada :

 A LLA H SW T. yang t elah melimpahkan begitu banyak nikmat dan

karunianya untukku, sehingga hamba- M u ini dapat menyelesaikan Tugas A khir besert a Laporannya dengan baik.

 Kedua orang t uaku yang selama ini sudah m erawat ku sam pai sekarang,

t erima kasih at as segala perhat ian dan kasih sayang sert a dukungannya selam a ini Dan t elah membiayaiku sampai selesai kuliah.

 A dik- adikku, saudari dan saudaraku, t erim a kasih buat doa dan

dukungannya, Sem oga sukses di masa depan.

 Teman- t em an seperjuangan angkat an 20 0 9, Terim a kasih at as segala

sem angat yang diberikan.

 M as Rama sebagai t eman sharing yang t elah m em berikan banyak

bant uan dan solusi pada pembuat an laporan ini, t erima kasih banyak.

 Bapak Dr. Ramadoni Syahput ra.S.T.,M .T. dan Bapak Rahmat A dipraset ya

A . H., S.T., M .Eng selaku dosen pembimbing Terima kasih A tas Segala Ilmu yang sangat bermanfaat , t erima kasih unt uk bimbingan dan kesabarannya.

 Dosen- dosen Teknik Elekt ro UM Y t erima kasih at as dukungannya.

(5)

vi

MOTTO

(6)

vii

KATA PENGANTAR

Assalamu’alaikum W r. W b.

Alhamdulillah, puji syukur penulis panjatkan kehadirat Allah SWT, yang telah

memberikan kenikmatan, kebahagian, kecerdasan, dan segala macam keajaiban

dalam kehidupan ini, sehingga atas kehendak-Nya pula penulis dapat

menyelesaikan Skripsi dengan judul “

PENENTUAN LUAS WILAYAH

PADA CITRA SATELIT BERBASIS PENGOLAHAN CITRA

DIGITAL

”. Semoga karya ini dapat bermanfaat dan menjadi kontribusi bagi khasanah ilmu pengetahuan, khususnya bagi rekan-rekan mahasiswa.

Penulis menyadari terselesaikannya laporan ini tidak terlepas dari

dukungan, bantuan, dan bimbingan, serta saran-saran yang berharga dari semua

pihak, oleh karena itu dengan tulus hati penulis ingin mengucapkan terimakasih

kepada :

1. Kedua Orang Tua ku dan adik-adik ku yang selalu memberikan motivasi,

dukungan dan semangat kepada penulis.

2. Bapak Ramadoni Syahputra, S.T., M.T. dan Bapak Rahmat Adprasetya

(7)

viii

membimbing dan mengarahkan penulis selama melaksanakan penelitian

tugas akhir hingga dapat menyelesaikan penulisan laporan ini.

3. Bapak Rama Okta Wiyagi, S. T., M.Eng. sebagai Dosen Penguji

4. Bapak Ir. Agus Jamal, M.Eng Selaku Ketua Jurusan Teknik Elektro

Universitas Muhammadyah Yogyakarta

5. Segenap Dosen pengajar di Jurusan Teknik Elektro Universitas

Muhammadiyah Yogyakarta

6. Segenap pimpinan, dosen dan karyawan Fakultas Teknik, Universitas

Muhammadiyah Yogyakarta, khususnya kepada Bapak-Bapak Dosen yang

telah menularkan ilmunya kepada penulis selama masa kuliah.

7. Staf Laboratorium Teknik Elektro yang telah memberikan kemudahan

peminjaman instrumen pengukuran selama penelitian tugas akhir ini.

8. Staf Tata Usaha Jurusan Teknik Elektro Universitas Muhammadiyah

Yogyakarta

9. Keluarga Besarku, Nenek ,Om dan Tante yang telah memberikan

semangat, saran dan dukungan baik moril dan materil kepada penulis.

10.Mas Rama Okta Wiyagi S.T., M.Eng. yang telah memberikan banyak

bantuan kepada penulis.

11.Teman-teman seperjuangan TE 09’UMY, Ipul, Septian Aa, Bayu,

Suhendi, Purwadi, Jeje, Fajar, Sena, Rum, Budi, Yuman, Ayu, Adiardi,

Rico...Keep Spirit!!!

(8)

ix

13.Semua pihak yang telah membantu penulis yang tidak bisa disebutkan satu

persatu, Terima Kasih.

Penulis menyadari bahwa dalam penulisan skripsi ini masih jauh dari

sempurna, hal ini mengingat kemampuan dan pengalaman dalam penelitian

penyusunan skripsi ini yang sangat terbatas. Untuk itu penulis sangat

mengharapkan kritik dan saran yang sifatnya membangun untuk perbaikan dan

pengembangan penelitian selanjutnya. Tidak ada yang dapat penulis berikan

selain ucapan terimakasih atas seluruh bantuan yang telah diberikan.

Akhir kata semoga skripsi ini dapat bermanfaat dan memberi tambahan

ilmu bagi para pembaca. Semoga Allah SWT meridhoi kita semua, amin.

W assalammu’alaikum W r.W b.

Yogyakarta, 2 September 2016

Penulis

(9)

x DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN PENGESAHAN I ... ii

HALAMAN PENGESAHAN II ... iii

HALAMAN PERNYATAAN ... iv

HALAMAN PERSEMBAHAN ... v

HALAMAN MOTTO ... vii

KATA PENGANTAR ... vii

DAFTAR ISI ... xi

DAFTAR TABEL ... xv

DAFTAR GAMBAR ... xvi

BAB I PENDAHULUAN 1.1Latar Belakang ... 1

1.2Rumusan Masalah ... 1

1.3Batasan Masalah ... 1

1.4Luaran Penelitian ... 2

1.5Tujuan... 2

(10)

xi

1.7Pelaksanaan Pekerjaan ... 3

1.8Sistematika Penulisan Laporan ... 3

BAB II TINJAUAN PUSTAKA 2.1Karya Berkaitan ... 5

2.2Dasar-Dasar Teoritis ... 5

2.2.1 Aral Sea (Laut Aral) ... 5

2.2.2 Citra Digital ... 6

2.2.2.1 Colorspace (Ruang warna) ... 7

a) RGB ... 8

b) HSV ... 8

c) CIELAB ... 10

2.2.3 Pengolahan citra digital ... 11

1. Perbaikan kualitas citra ... 11

2. Pemugaran citra ... 12

3. Pemampatan citra ... 12

4. Segmentasi citra ... 12

5. Pengorakan citra ... 12

2.2.4 Threshold ... 13

2.2.5 Gambar JPEG ... 14

2.2.6 Pixel (Picture Element) ... 14

2.2.7 MATLAB ... 15

(11)

xii BAB III METODE PENELITIAN

3.1Diagram Alir Penelitian ... 21

3.1.1 Penjelasan blok diagram ... 22

3.2Rancangan ... 24

3.2.1 Struktur Program ... 25

A. Menu ... 26

B. Kalibrasi ... 29

3.2.2 Algoritma image processing ... 31

BAB IV HASIL PENELITIAN DAN ANALISIS 4.1Spesifikasi Hasil Penelitian ... 39

4.2Analisis ... 42

 Blok Menu ... 42

 Blok Fungsi Kalibrasi ... 44

 Blok fungsi Tampilsemua() ... 46

1. Analisa Citra 1 ... 46

(12)

xiii

10.Analisa Citra 10 ... 54

11.Analisa Citra 11 ... 54

4.3Pelajaran yang diperoleh ... 59

BAB V KESIMPULAN DAN SARAN 5.1Kesimpulan ... 61

5.2Saran ... 61

DAFTAR PUSTAKA ... 62

LAMPIRAN DAFTAR TABEL Tabel 4.1 Hasil Pengukuran Menggunakan Image Processing ... 56

DAFTAR GRAFIK Grafik 4.1 Grafik perubahan luas luas Laut Aral 2000-2010 ... 59

DAFTAR GAMBAR Gambar 2.1 Citra digital ... 6

Gambar 2.2 Model ruangwarna RGB ... 8

Gambar 2.3 Model Ruangwarna HSV ... 9

(13)

xiv

Gambar 2.4 Antarmuka MATLAB ... 17

Gambar 2.5 Image Thresholder App ... 19

Gambar 3.1 Flowchart Penelitian ... 21

Gambar 3.2 Blok diagram perancangan program penentuan wilayah ... 24

Gambar 3.3 Flowchart menu ... 27

Gambar 3.4 Flowchart kalibrasi spasial citra ... 29

Gambar 3.5 Flowchart image thresholder app ... 32

Gambar 3.6 Flowchart Image Processing RGB2CIELAB ... 33

Gambar 3.7 Flowchart Image Processing RGB2HSV ... 34

Gambar 3.8 Channel L*a*b Citra Laut Aral ... 36

Gambar 3.9 Histogram channel L ... 36

Gambar 3.10 Histogram channel a ... 36

Gambar 3.11 Histogram channel b ... 37

Gambar 3.12 Channel L*a*b Citra Laut Aral ... 37

Gambar 3.13 Histogram channel H (Hue) ... 37

Gambar 3.14 Histogram channel S (Saturation) ... 38

Gambar 3.15 Histogram channel V (Value) ... 38

Gambar 4.1 Hasil Akhir Program (Kalibrasi) ... 39

Gambar 4.2 Tampilan Hasil Kalibrasi ... 40

Gambar 4.3 Menampilkan semua Citra ... 40

Gambar 4.4 Menampilkan hasil Threshold Citra ... 41

(14)

xv

Gambar 4.6 Menampilkan salah satu Citra, hasil threshold dan hasil pengukuran

dalam satu Figure ... 36

(15)

(16)

(17)

ABSTRAK

Laut aral bert em pat di perbat asan Kazakhst an dan Uzbekist an m erupakan laut endot erm ik yang m emiliki luas t erbesar kedua di dunia. Nam un sejak t ahun beberapa t ahun belakangan laut aral m engalami penyusut an yang signifikan, t erut am a dari t ahun 2000-2010. Skripsi kami m elakukan pengukuran luas perm ukaan laut aral pada t ahun-t ahun t ersebut m enggunakan cit ra yang didapat dari pengindraan jauh M ODIS (

Moderate Resolution

Imaging Spectroradiometer

)

yang disediakan secara grat is kem udian m em bandingkannya. Analisis kam i m elakukan pendekat an dengan m engekst rak region of int erest pada cit ra laut aral diikut i dengan pengukuran spasial. Proses perhit ungan seluruhnya dilakukan m enggunakan M ATLAB.

(18)

1 BAB I

PENDAHULUAN

1.1. Latar Belakang

Pemetaan wilayah merupakan sumber data yang mempunyai nilai strategis

karena hasilnya dapat dijadikan salah satu dasar perumusan perencanaan dan

evaluasi berbagai bidang, misalnya pada pelestarian lingkungan dan pembangunan.

Pemetaan wilayah dapat dilakukan dengan dua cara, yaitu secara langsung ataupun

tidak langsung. Pengukuran secara langsung dapat dilakukan dengan pengukuran

langsung dilapangan menggunakan meteran ataupun peralatan fisik lainnya.

Sedangkan pengukuran secara tidak langsung dengan cara membuat foto secara

digital dari udara/satelit kemudian hasil citra foto diukur menggunakan perangkat

lunak dengan perbandingan jarak yang telah ditetapkan sebelumnya. Salah satu cara

pengukuran secara tidak langsung adalah dengan menggunakan pemrograman

Matlab. Matlab merupakan perangkat lunak komputasi analitis yang sangat ampuh

dalam melakukan perhitungan rumit dalam pengukuran pemetaan wilayah.

1.2. Perumusan Masalah

Rumusan masalah pada tugas akhir ini adalah: Bagaimana cara mengukur

luas wilayah laut Aral dari citra satelit menggunakan pengolahan citra digital.

1.3. Batasan Masalah

Dari perumusan masalah di atas terdapat beberapa batasan masalah, antara

(19)

2 1. Program bantu yang digunakan dalam membuat tugas akhir ini

adalah MATLAB R2014b

2. Tidak membandingkan antara satu metode dengan metode lainnya

3. Menggunakan foto Citra satelit

4. Hanya menghitung luas wilayah, dalam hal ini Laut Aral, dalam

satuan kilometer persegi

5. Menggunakan skala yang sudah tertera pada gambar Citra

1.4. Luaran Penelitian

Luaran penelitian tugas akhir ini berupa program yang dibuat menggunakan

perangkat lunak MATLAB yang melakukan perhitungan jarak dan luas pada

beberapa citra satelit yang diukur dalam bentuk piksel dan satuan kilometer. Data

penelitian kemudian dibandingkan dan dibuat dalam bentuk grafik untuk digunakan

untuk penelitian selanjutnya.

1.5. Tujuan Penelitian

Tujuan dari penelitian tugas akhir ini adalah:

1. Membuat program untuk membandingkan citra satelit dari tempat

tertentu dalam jangka waktu tertentu

2. Mengaplikasikan algoritma seleksi warna untuk membuat program

(20)

3 1.6. Manfaat penelitian

Hasil dari penelitian ini bermanfaat bagi instansi pemerintah dan

masyarakat untuk menghitung berbagai macam hal, seperti pertumbuhan industri,

perusakan hutan, dan penyusutan badan sungai.

1.7. Pelaksanaan kegiatan

 Perancangan konsep penelitian

 Pengumpulan informasi melalui konsultasi dengan dosen

pembimbing, dan buku – buku terkait serta informasi dari internet

 Analisa informasi terkait dengan kebutuhan rencana penelitan

 Pengumpulan informasi pemetaan citra yang diperlukan untuk

penelitian

 Pengolahan citra pada Matlab

 Laporan

1.8. Sistematika Penulisan

Penulisan laporan tugas akhir ini dibagi menjadi lima bab, secara garis besar

(21)

4 a. BAB I PENDAHULUAN

Memuat penjelasan mengenai latar belakang, perumusan

masalah, batasan masalah, hasil akhir, manfaat yang diperoleh,

metodologi dan sistematika laporan tugas akhir.

b. BAB II DASAR TEORI

Berisi dasar-dasar teoritis, dan spesifikasi garis besar dari

komponen-komponen alat yang hendak direncanakan dan dibuat

pada tugas akhir.

c. BAB III PERANCANGAN DAN PEMBUATAN

Berisi penjelasan mengenai pelaksanaan perancangan dan

pembuatan alat, baik perangkat keras maupun perangkat lunak

secara mendetail.

d. BAB IV PENGUJIAN DAN ANALISA

Membahas pengujian awal perangkat keras dan perangkat

lunak yang telah dibuat dan analisa data-data yang diperoleh pada

saat pengujian.

e. BAB V PENUTUP

Berisi kesimpulan dari hasil analisa dan saran-saran penulis

(22)

5 BAB II

TINJAUAN PUSTAKA

2.1. Penelitian yang berkaitan

Penentuan luas wilayah berbasis citra digital telah beberapa kali diteliti oleh

beberapa orang pada tahun-tahun yang lalu. Contohnya adalah Mengukur luas

tambak dari citra google satelit menggunakan deteksi tepi yang dibuat oleh Rizky

Sulistiawan (2013).

2.2. Dasar-Dasar Teoritis

2.2.1 Aral Sea ( Laut Aral)

Laut Aral adalah laut danau endotermik yang berada di antara Kazakhstan

(wilayah Aktobe dan Kyzylorda) di utara dan Uzbekistan (Wilayah atonomi

Karakalpakstan) di selatan. Laut aral diterjemahkan secara bebas berarti lautan

pulau, berdasarkan lebih dari 1100 kepulauan yang pernah muncul di perairan

tersebut. Dalam bahasa Turki aral berarti kepulauan. Daerah yang dialiri oleh

sungai yang berasal dari Laut Aral meliputi sebagian dari Tajikistan, Turkmenistan,

Kyrgyzstan, Kazakhstan, dan Afganistan.

Laut Aral pernah menjadi salah satu danau terbesar di dunia dengan luas

(23)

6 setelah sungai-sungai yang mengalir ke Laut Aral dialihkan oleh proyek irigasi

Soviet.

2.2.2 Citra Digital

Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana

x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas citra pada

koordinat tersebut, hal tersebut diilustrasikan pada Gambar 2.1.

Citra merupakan gambaran yang terekam oleh kamera atau oleh sensor.

Simonett and Joseph, 1983 mengutarakan pengertian tentang citra yaitu:

a. Gambaran obyek yang dibuahkan oleh pantulan atau pembiasan

sinar yang difokuskan oleh sebuah Iensa atau sebuah cermin.

b. Gambaran rekaman suatu obyek (biasanya berupa gambaran pada

foto) yang dibuat dengan cara optik, elektro-optik, optik mekanik Gambar 2.1 Citra Digital

(24)

7 atau elektronik. Pada umumnya garnbar digunakan bila radiasi

elektromagnetik yang dipancarkan atau dipantulkan dan suatu obyek

tidak langsung direkam pada film.

Sedangkan penginderaan jauh ialah ilmu dan seni untuk memperoleh

informasi tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang

diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah,

atau gejala yang dikaji (Lillesand and Kiefer, 2004).

Sistem satelit dalam penginderaan jauh tersusun atas pemindai (scanner)

dengan dilengkapi sensor pada wahana (platform) satelit, dan sensor tersebut

dilengkapi oleh detektor. Untuk lebih jelasnya dapat diuraikan sebagai berikut :

a) Penyiam merupakan sistem, perolehan data secara keseluruhan termasuk

sensor dan detektor.

b) Sensor merupakan alat untuk menangkap energi dan mengubahnya ke

dalam bentuk sinyal dan menyajikannya ke dalam bentuk yang sesuai

dengan informasi yang ingin disadap.

c) Detektor merupakan alat pada sistem sensor yang merekam radiasi

elektromagnetik.

2.2.2.1Colorspace (Ruang warna)

Komposisi warna yang digunakan dan menampilkan warna pada

(25)

8 a) RGB (Red Green Blue)

Sebagian besar spektrum yang terlihat oleh mata manusia, dapat

direpresentasikan dengan menggabungkan warna cahaya merah, hijau, dan

biru (RGB) dalam intensitas dan perbandingan yang beragam. Namun, tidak

semua warna yang terlihat manusia dapat direpresentasikan dengan

kombinasi ketiga nilai warna ini (Loy, 2002, pp1 - 28).

Perpotongan ketiga warna tersebut menghasilkan warna cyan,

magenta, kuning, dan putih. Karena warna RGB dapat dikombinasikan

untuk menghasìlkan warna putih, maka warna ini disebut juga additive

colors.

b) Ruang warna HSV (Hue, Saturation, Value)

HSV mendefinisikan warna dalam terminologi Hue, Saturation, dan

Value. Keuntungan HSV adalah terdapat warna-warna yang sama dengan

Gam bar 2.2_{M odel Ruang w arna RGB}

(26)

9 yang ditangkap oleh indra manusia. Sedangkan warna yang dibentuk model

lain seperti RGB merupakan hasil campuran dari warna-warna primer.

Gambar 2.3 Model Ruangwarna HSV

(Sumber: http://www.mathworks.com/help/images/convert-from-hsv-to-rgb-color-space.html)

Model HSV, pertama kali diperkenalkan oleh A.R Smith pada tahun

1978, yang ditunjukkan pada gambar diatas. Melalui model diatas, kita tahu

bahwa HSV memiliki tiga pokok, yaitu Hue, Saturation, dan Value.

 Hue, menyatakan warna sebenarnya, seperti merah, violet, dan

kuning dan digunakan menentukan kemerahan (Redness), kehijauan

(greenness), dan sebagainya.

 Saturation, kadang disebut chroma, adalah kemurnian atau kekuatan

warna.

 Value, kecerahan dari warna. Nilainya berkisar antara 0-100%.

(27)

10 besar nilai maka akan semakin cerah dan muncul variasi-variasi

baru.

c) Ruang warna CIELAB (CIE 1976 color space).

Ruang warna LAB adalah ruang warna lawan (color-opponent

space) dengan dimesi L untuk kecerahan dan a dan b untuk dimensi warna

lawan, berdasarkan nonlinearly compressed coordinates (contohnya ruang

warna CIE XYZ). Istilah awalnya berasal dari tiga dimensi hunter 1948 color

space, yaitu L,a, dan b. Tetapi, Lab sekarang lebih sering digunakan sebagai

singkatan untuk L-a-b perwakilan dari CIE 1976 color space (atau

CIELAB).

Perbedaan antara hunter original dan CIE color coordinates adalah

CIE color coordinates berdasarkan akar kuadrat dari transformasi data

warna, sedangkat hunter coordinates berdasarkan akar kuadrat dari

transformasi.Komposisi warna pada CIELAB dapat dilihat pada gambar

berikut:

Gam bar 2.4_{M odel Ruang w arna CIELab}

(28)

11 Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori

komputer atau media lain. Proses mengubah citra ke bentuk digital bisa dilakukan

dengan beberapa perangkat,misalnya scanner, kamera digital dan handycam.

Ketika sebuah citra sudah diubah ke dalam bentuk digital (selanjutnya disebut citra

digital), bermacam-macam proses pengolahan citra dapat diperlakukan terhadap

citra tersebut.

2.2.3 Pengolahan Citra Digital

Operasi-operasi yang dilakukan di dalam pengolahan citra banyak

ragamnya. Namun, secara umum, operasi pengolahan citra dapat diklasifikasikan

dalam beberapa jenis sebagai berikut:

1. Perbaikan kualitas citra (image enhancement).

Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan

cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri

khusus yang terdapat di dalam citra lebih ditonjolkan.Contoh-contoh

operasi perbaikan citra:

a. perbaikan kontras gelap/terang

b. perbaikan tepian objek(edge enhancement)

c. penajaman (sharpening)

d. pembrian warna semu(pseudocoloring)

(29)

12 2. Pemugaran citra (image restoration)

Operasi ini bertujuan menghilangkan/meminimumkan cacat pada

citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra.

Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.

Contoh-contoh operasi pemugaran citra:

a. penghilangan kesamaran(deblurring).

b. penghilangan derau(noise)

3. Pemampatan citra (image compression)

Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam

bentuk yang lebih kompak sehingga memerlukan memori yang lebih

sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah

citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang

bagus. Contoh metode pemampatan citra adalah metode JPEG.

4. Segmentasi citra (image segmentation).

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam

beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan

erat dengan pengenalan pola.

(30)

13 Jenis operasi ini bertujuan menghitung besaran kuantitatif dari citra

untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi

ciri- ciri tertentu yang membantu dalam identifikasi objek. Proses

segmentasi kadangkala diperlukan untuk melokalisasi objek yang

diinginkan dari sekelilingnya. Contoh-contoh operasi pengorakan citra:

a. Pendeteksian tepi objek (edge detection)

b. Ekstraksibatas (boundary)

c. Representasi daerah (region)

6. Rekonstruksi citra (image reconstruction)

Jenis operasi ini bertujuan untuk membentuk ulang objek dari

beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan

dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X

digunakan untuk membentuk ulang gambar organ tubuh.

2.2.4 Threshold

Thresholding merupakan salah satu teknik segmentasi yang baik digunakan

untuk citra dengan perbedaan nilai intensitas yang signifikan antara latar belakang

dan objek utama (Katz, 2000). Dalam pelaksanaannya Thresholding membutuhkan

suatu nilai yang digunakan sebagai nilai pembatas antara objek utama dengan latar

belakang, dan nilai tersebut dinamakan dengan threshold.

Thresholding digunakan untuk mempartisi citra dengan mengatur nilai

(31)

14 dan yang lebih kecil dari nilai threshold T sebagai latar belakang. Biasanya

pengaturan nilai threshold dilakukan berdasarkan histogram grayscale (Gonzales

dan Woods, 2002; Fisher, dkk, 2003; Xiaoyi dan Mojon, 2003).

2.2.5 Gambar JPEG

JPEG (Joint Photographic Expert Group) biasanya menggunakan metode

loosy compression untuk gambar digital, terutama untuk fotografi digital. Tingkat

kompresi dapat diatur, memberikan pilihan antara ukuran dan kualitas gambar.

JPEG memiliki keunggulan kompresi 10:1 dengan pengurangan kualitas yang kecil.

Istilah “JPEG” adalah akronim untuk Joint Photographic Expert Group,

yang menciptakan standar tersebut. Berkas JPEG biasanya memiliki ekstensi .jpg

atau .jpeg. JPEG mendukung ukuran gambar maksimum 65535x65535 piksel, yang

berarti sampai 4 gigapixel (untuk aspek rasio 1:1).

2.2.6 Piksel (Picture Element)

Piksel adalah unsur gambar atau representasi sebuah titik terkecil dalam

sebuah gambar grafis yang dihitung per inchi. Piksel sendiri berasal dari akronim

bahasa Inggris Picture Element yang disingkat menjadi pixel(piksel).

Pada ujung tertinggi skala resolusi, mesin cetak gambar berwarna dapat

menghasilkan hasil cetak yang memiliki lebih dari 2500 titik per inchi dengan

(32)

15 seluas satu inchi persegi yang bisa ditampilkan pada tingkat resolusi tersebut

sepadan dengan 150 juta bit informasi.

2.2.7 MATLAB

Matlab adalah bahasa berkemampuan tinggi untuk perhitungan teknis.

MATLAB mengintegrasikan komputasi, visualisasi dan pemrograman dalam

lingkungan yang mudah digunakan dimana masalah dan solusi diekspresikan dalam

notasi matematika yang familiar. Penggunaan yang biasa dilakukan menggunakan

matlab adalah sebagai berikut:

a) perhitungan matematis dan komputasi

b) pengembangan algoritma

c) akuisisi data

d) pemodelan, simulasi, dan pembuatan prototip

e) analisis data, eksplorasi, dan visualisasi

f) grafik teknik dan sains

g) pengembangan aplikasi, termasuk pembuatan antarmuka

MATLAB adalah sistem interaktif dimana elemen basis data adalah sebuah

array yang tidak memerlukan dimensi. Ini mengijinkan formulasi solusi ke banyak

masalah komputasi teknis, khususnya yang menyangkut representasi matriks, lebih

(33)

16 Matlab adalah singkatan dari matrix laboratory. awalnya matlab ditulis

untuk menyediakan akses mudah ke perangkat lunak maktriks yang di kembangkan

oleh proyek LINPACK(Linear System Package) dan EISPACK(Eigen System

Package), Hari ini, mesin matlab menyatukan library LAPACK(Linear Algebra

Package) dan BLAS (Basic Linear Algebra Subprograms), membentuk perangkat

lunak teknologi terbaru untuk komputasi matriks.

Dalam lingkungan universitas, matlab adalah alat komputasi standar dalam

kuliah pengenalan dan kuliah lanjut di matematika, teknik dan sains. Dalam

industri, matlab adalah pilihan alat komputasi untuk penelitian, pengembangan, dan

analisis. MATLAB dilengkapi berbagai macam aplikasi solutif yang bersifat

spesifik, yang disebut toolbox. Image Processing Toolbox adalah koleksi dari

fungsi-fungsi matlab (disebut M-function atau M-files) yang memperluas

kemampuan lingkungan matlab sebagai solusi dari masalah-masalah pemrosesan

(34)

17 melengkapi Image Processing Toolbox (IPT) adalah signal processing, Neural

network, fuzzi logic, dan wavelet toolbox.

Penjelasan:

1. Command Window

Command window adalah tempat dimana pengguna bisa

memasukan ekspresi matematika dan menampilkan hasilnya.

2. Workspace Browser

Workspace Browser berisikan variabel-variabel yang telah kita

gunakan. Kita dapat melihat isi variabel dengan melihat isi pada

kolom value atau dengan mengklik dua kali pada variabel yang

diinginkan.

1 4

3

2

5

(35)

18 3. Folder Browser

Folder Browser berisikan alamat folder tempat kita mengakses

M-file dan berkas-berkas yang berkaitan dengan apa yang sedang kita

kerjakan pada MATLAB

4. Editor M-File

Editor file berfungsi sebagai tempat membuat dan mengubah

M-file yang digunakan pada pemrograman di MATLAB.

5. Figure Screen

Figure Screen adalah layar yang digunakan untuk menampilkan

gambar dan grafik yang kita inginkan untuk ditampilkan pada

MATLAB.

2.2.8 Color Thresholder App MATLAB

Color thresholder app adalah aplikasi terintegrasi pada MATLAB yang

berfungsi untuk melakukan melakukan manipulasi komponen-komponen warna

pada berkas image, berdasarkan ruang warna yang tersedia. Threshold pada berkas

(36)

19 Gambar 2.5 Image Thresholder App

Komponen dari color thresholder app adalah sebagai berikut:

A. Menu Bar

 Load Image, memilih dan memasukan berkas image pada aplikasi

 New Colorspace, untuk memilih beberapa colorspace(ruang warna)

yang disediakan pada aplikasi

 Select Color, untuk menyeleksi warna pada berkas image. Hasil

warna yang diseleksi akan di-threshold.

 Find Threshold, untuk mencari threshold pada berkas image

berdasarkan warna-warna yang telah diseleksi menggunakan Select

Color.

A

B

(37)

20

 Invert Mask, berfungsi untuk membalik warna yang diseleksi

menjadi tidak diseleksi, begitu sebaliknya.

 Show Binary, berfungsi untuk mengubah image menjadi binary

image, membuat warna yang diseleksi menjadi putih dan warna yang

tidak diseleksi menjadi hitam.

 Export Image, berfungsi untuk mengeksport hasil manipulasi berkas

image yang telah dibuat menjadi binary atau mengeksport fungsi

yang digunakan untuk memanipulasi berkas image.

B. Tampilan berkas image yang sedang dimanipulasi.

(38)

21 BAB III

Metode Penelitian

3.1 Diagram Alir Penelitian

Diagram blok penelitian yang akan dilakukan dapat digambarkan sebagai

berikut:

M ulai

Perancangan

Pengumpulan Informasi

Analisis Informasi

Pembuat an Blok Program

Pengujian Program

Perbaikan

Pengujian Final Apakah sudah benar?

Kesimpulan

Selesai

Tidak

Ya

(39)

22 3.1.1 Penjelasan Blok Diagram

a) Perancangan

Tahap perancangan yaitu merancang model program sesuai

dengan permasalahan yang dihadapi. Dalam hal ini yaitu bagaimana

cara mengukur luas citra foto satelit dari danau Aral menggunakan

pengukuran tidak langsung (perangkat lunak)

b) Pengumpulan Informasi

Tahap pengumpulan informasi yaitu mengumpulkan segala

macam informasi mengenai permasalahan yang dihadapi. Informasi

yang dicari mulai dari ketersediaan foto/citra, cara penggunaan

matlab, cara melakukan pemrograman, sampai informasi mengenai

pengukuran. Informasi-informasi tersebut diperoleh melalui

buku-buku, ebook dan artikel dari internet.

c) Analisis Informasi

Tahap analisis informasi yaitu menganalisis semua informasi

yang sudah didapat. Tujuan dari tahap ini adalah memisahkan

informasi-informasi yang diperlukan dalam penelitian dari semua

informasi yang sudah didapat.

d) Pembuatan blok program

Tahap pembuatan blok program yaitu membuat dan

(40)

23 membuat program secara modular maka proses pengujian dapat

dilakukan dengan mudah tanpa harus merubah struktur program

secara keseluruhan. Pembuatan blok-blok program juga dapat

membuat lebih mudah dalam mengidentifikasi error yang mungkin

terjadi.

e) Pengujian program

Tahap pengujian program yaitu menguji blok-blok program

yang telah dibuat pada tahap sebelumnya. Blok program diuji satu

per satu untuk kemudian digambungkan menjadi satu program utuh.

f) Perbaikan

Tahap perbaikan yaitu memperbaiki blok-blok program yang

telah diuji pada tahap sebelumnya. Blok program diperbaiki dengan

mengabungkan berbagai macam informasi yang telah didapat

berdasarkan kebutuhan.

g) Pengujian Final

Tahap pengujian final yaitu pengujian akhir dari blok-blok

program yang telah diperbaiki. Pengujian kedua ini sekaligus

menggabungkan blok program ke dalam suatu program yang utuh.

Pada pengujian, jika tidak ditemukan error pada program maka

program akan diujikan pada berkas gambar/citra yang diinginkan

(41)

24 h) Kesimpulan

Tahap kesimpulan yaitu membuat laporan mengenai

program yang telah diuji pada tahap sebelumnya. Pada tahap ini

akan dikemukakan kelebihan dan kekurangan dari program yang

telah dibuat serta apa yang bisa dilakukan untuk membuat program

menjadi lebih baik.

3.2 Rancangan

Program pemetaan wilayah ini secara umum dapat dijabarkan dalam

diagram berikut yaitu:

Gambar 3.2 Blok Diagram Perancangan Program Penentuan Luas Wilayah

Program memerlukan dua hal penting yaitu Image Processing Tool dan

Image Thresholder app. Image Processing Tool merupakan komponen penting

pada MATLAB untuk melakukan manipulasi pada foto/citra. Image Thresholder

App berfungsi untuk mencari threshold dari foto/citra yang akan diproses dan

(42)

25 Berkas masukan yang digunakan pada penelitian ini adalah sebelas gambar

MODIS (Moderate Tesolution Imaging Spectroradiometer) Laut Aral yang diambil

dari satelit NASA. Berkas citra diambil pada bulan Agustus dari tahun 2000 sampai

tahun 2010. Citra juga menampilkan garis yang merepresentasikan garis pantai dari

laut Aral. Sedangkan output dari Penelitian ini adalah gambar binary dan hasil

perhitungan luas laut Aral.

Secara garis besar program pemetaan memiliki cara kerja sebagai berikut,

yaitu pertama program akan meminta user untuk memasukkan berkas gambar

(harus lebih dari satu), kemudian program akan meminta kalibrasi jarak spasial

pada citra dengan jarak yang sebenarnya untuk keperluan penghitungan luas citra.

Program akan memproses citra dari ruang warna RGB ke HSV kemudian ke binary

(BW Image) menggunakan seleksi warna tertentu, yang telah dicari menggunakan

image thresholder app, sehingga dapat dihitung jumlah piksel. Program akan

menampikan hasil threshold citra pada tampilan selanjutnya. Kemudian program

menghitung jumlah piksel pada bagian putih menggunakan algoritma NNZ

(Number of Non Zero Matrix Element) dan melakukan perhitungan luas, setelah itu

menampilkannya pada MATLAB.

3.2.1 Struktur Program

Program secara umum mengandung tiga function, yaitu:

a. Menu

b. Kalibrasi

(43)

26 d. Menampilkan satu citra

Ketiga function tersebut dijelaskan sebagai berikut:

A. Menu

Menu mengandung semua pilihan dari function secara umum yang

dimiliki oleh program. Menu menggunakan fungsi While dan Case,

dengan 4 pilihan yaitu kalibrasi ulang, tampilkan semua, tampilkan

satu hasil, dan keluar. Flowchart blok menu adalah seperti dibawah

(44)

(45)

28 Blok Menu berfungsi untuk memberikan pilihan pada pengguna untuk

menentukan jalannya program. Program berisi empat subfungsi yang dapat dipilih

dari blok menu, yaitu kalibrasi(), tampilsemua(), tampilsatu(), dan keluar.

Pseudocode blok menu adalah sebagai berikut:

While i<4

If i>1

Menu(judul, pilihan1, pilihan2, pilihan 3, pilihan4)

End

Switch menu

Case 1

Argumen1

Case 2

Argumen2

Case_n

Argumen_n

(46)

29 B. Kalibrasi

Kalibrasi dilakukan dengan mengukur jumlah piksel pada suatu garis lurus

yang ditentukan, kemudian menghitung dengan rumus:

Jarak dalam piksel = ( − ) + ( − ) M ulai

Baca file Cit ra Sat elit

Buat garis lurus pada skala file Cit ra

Apakah sudah buat

garis?

Hit ung panjang garis dalam pixel

Hit ung panjang garis dalam kilomet er

Tampilkan panjang garis (pixel dan kilomet er) pada mat lab

Selesai

Tidak

Ya

(47)

30 Dimana x adalah koordinat X dan y adalah koordinat Y pada citra. Setelah

jarak diketahui maka dihitung jarak per piksel dan jumlah piksel per jarak, dengan

perhitungan sebagai berikut:

Jarak per Piksel = ,

Pada pemrograman MATLAB, setiap variabel bersifat lokal, yaitu hanya

dapat digunakan di dalam satu fungsi. Jika kita ingin menggunakan variabel dari

suatu fungsi tertentu maka variabel harus dideklarasikan sebagai variabel global

yaitu:

Global variable_n

Setelah dideklarasikan maka variable dapat digunakan disetiap fungsi yang

memerlukan variable tersebut.

Blok rumus perhitungan jarak garis adalah:

distanceInPixels = sqrt( (xi(2)-xi(1)).^2 + (yi(2)-yi(1)).^2);

dimana x dan y merupakan posisi X,Y diagram kartesian citra pada figure. Hasil

dari perhitungan tersebut adalah dalam unit piksel. Blok konversi dari piksel ke unit

yang telah kita pilih adalah:

(48)

31 3.2.2 Algoritma Image Processing

Image processing yang digunakan pada penelitian ini ada dua, yaitu

konversi RGB ke L*a*b dan konversi RGB ke HSV. Penelitian ini

menggunakan dua macam ruang warna tersebut karena HSV dan L*a*b

yang paling cocok dengan citra yang digunakan pada penelitian.

Pada color thresholder app, gambar akan dimuat pada aplikasi,

kemudian pengguna memilih ruang warna yang diinginkan. Setelah ruang

warna ditentukan pengguna akan menyeleksi warna menggunakan slider

pada channel-channel di thresholder app atau menggunakan lasso tool.

Setelah diseleksi maka image akan dirubah menjadi binary image.

Pengguna dapat memilih ruang warna yang lain jika binary image

tidak seperti yang diinginkan. Flowchart cara kerja color thresholder app

(49)

32 M ulai

Buka M at lab image t hresholder

M uat file image

Ekspor fungsi dan t ransfer ke program

Apakah banyak derau?

Seleksi w arna menggunakan color picker

Threshold image

Apakah banyak area yang belum

t erseleksi?

Selesai Tidak

Gam bar 3.5_{Flow char t}_{M at lab}_{Color Thresholder App}

Pilih colorspace yang diinginkan

Tidak

Ya

(50)

33 Konversi ruang warna RGB ke L*a*b dapat dilihat pada flowchart berikut:

M ulai

Baca File Cit ra Sat elit

Tampilkan cit ra pada mat lab

Rubah colorspace RGB ke L* a* b Apakah

Colorspace sudah L* a* b?

Cari Nilai nilai t hreshold dari hist ogram menggunakan image

t hreshold app

Cari t hreshold dengan membuat nilai yang t elah dit emukan pada image t hresolder sebagai 1,

dan nilai yang lain sebagai 0

Tampilkan hasil Threshold pada mat lab

Selesai Ya

Tidak

(51)

34 Sedangkan konversi RGB ke HSV dapat dilihat pada flowchart berikut:

M ulai

Baca File Cit ra Sat elit

Tampilkan cit ra pada mat lab

Rubah colorspace RGB ke HSV Apakah

Colorspace sudah HSV?

Cari Nilai nilai t hreshold dari hist ogram menggunakan image t hreshold app

Cari t hreshold dengan membuat nilai yang t elah dit emukan pada image t hresolder

sebagai 1, dan nilai yang lain sebagai 0

Tampilkan hasil Threshold pada mat lab

Selesai Ya

Tidak

(52)

35 Pada ruang warna L*a*b, channel 1 merupakan channel L, channel

2 merupakan channel a, dan channel 3 merupakan channel b. Sedangkan

pada ruang warna HSV, channel 1 merupakan komponen H, channel 2

merupakan komponen S, dan channel 3 merupakan komponen V. setiap

channel pada blok program mewakili satu komponen dari citra. Nilai dari

channel diketahui berdasarkan histogram per channel. Setelah diketahui

nilai masing-masing, maka dihitung untuk dicari threshold dari Citra

dengan cara mencari nilai diantara channel min dan channel max. Hasil dari

threshold adalah warna yang diseleksi akan bernilai “1” dan warna yang

tidak diseleksi akan bernilai “0”.

Setelah threshold citra diketahui, maka langkah selanjutnya adalah

menghitung jumlah piksel yang ada pada bagian yang terseleksi (bernilai 1).

Kita menggunakan sintaks nnz untuk menghitung jumlah piksel pada bagian

image yang diseleksi, yaitu:

ARAL1= nnz(ARAL);

yaitu fungsi “Number of nonzero matrix elements” untuk

menghitung jumlah piksel yang terdapat pada bagian warna yang diseleksi.

Setiap elemen pada citra yang telah di-threshold mewakili satu piksel. Luas

pada bagian yang diseleksi dihitung dengan rumus:

(53)

36 Jarak per piksel didapat dari pengukuran kalibrasi spasial dan jumlah

piksel didapat dari menghitung jumlah komponen matriks citra yang

bernilai 1.

Gambar 3.8 Channel L*a*b Citra Laut Aral

Gambar 3.9 Histogram channel L

Gambar 3.10 Histogram channel a

(54)

37 Gambar 3.11 Histogram channel b

Gambar 3.12 Channel L*a*b Citra Laut Aral

Gambar 3.13 Histogram channel H (Hue)

(55)

38 Gambar 3.14 Histogram channel S (Saturation)

(56)

39 BAB IV

Hasil Penelitian dan Analisis

4.1 Spesifikasi dari Hasil Penelitian

1. Program mampu membaca dan menampilkan berkas Citra yang telah

dimasukkan

2. Program mampu mengubah dari ruang warna RGB ke Binary

3. Program dapat menghitung jarak sebenarnya pada Citra

4. Program dapat menampilkan hasil perhitungan jarak yang telah dimasukkan

(57)

40 Gambar 4.2 Tampilan Hasil Kalibrasi

(58)

41 Gambar 4.4 Hasil Threshold Citra

(59)

42 Gambar 4.6 Menampilkan salah satu Citra, hasil threshold dan hasil pengukuran

dalam satu Figure

4.2 Analisis

Analisis merupakan salah satu langkah penting yang harus dilakukan untuk

mengetahui apakah sistem yang dibuat telah sesuai dengan yang direncanakan, hal

itu dapat dilihat dari hasil-hasil yang dicapai selama pengujian sistem. Selain untuk

mengetahui apakah sistem sudah bekerja dengan baik sesuai dengan yang

diharapkan, pengujian juga bertujuan untuk mengetahui kelebihan dan kekurangan

dari sistem yang dibuat. Hasil-hasil pengujian tersebut nantinya akan dianalisa agar

dapat diketahui mengapa terjadi kekurangan.

Struktur program pada MATLAB ada empat bagian utama, yaitu:

(60)

43 Menu diuji dengan mengecek semua link yang dibuat agar pada saat

program telah selesai tidak terjadi error.

Sintaks blok menu: 2000','numbertitle','off')

(61)

44 Hasil dan analisa:

Blok menu dapat menampilkan deretan menu sesuai dengan apa yang ditulis pada

program dan menjalankan fungsi sesuai yang telah diprogram.

Gambar 4.7 Tampilan Pilihan Menu

 Blok fungsi Kalibrasi

Kalibrasi berfungsi untuk menemukan jarak sebenarnya pada berkas image

menggunakan perhitungan skala.

Blok fungsi kalibrasi()

function success = Calibrate()

global lastDrawnHandle;

instructions = sprintf('klik kiri untuk menentukan titik awal\nKlik kanan atau dobel klik untuk menentukan titik

kedua\n\nSetelah itu anda akan ditanya ukuran sebenarnya');

title(instructions); msgboxw(instructions);

[cx, cy, rgbValues, xi,yi] = improfile(1000);

% rgbValues is 1000x1x3. Call Squeeze to get rid of the singleton dimension and make it 1000x3.

rgbValues = squeeze(rgbValues);

distanceInPixels = sqrt( (xi(2)-xi(1)).^2 + (yi(2)-yi(1)).^2); if length(xi) < 2

(62)

45

userPrompt = {'Masukkan Unit (contohnya: meter):','Masukkan

jarak dalam unit:'};

dialogTitle = 'Spesifikasi Unit dan Jarak'; numberOfLines = 1;

def = {'kilometer', '50'};

answer = inputdlg(userPrompt, dialogTitle, numberOfLines, def);

if isempty(answer) return;

end

calibration.units = answer{1};

calibration.distanceInPixels = distanceInPixels; calibration.distanceInUnits = str2double(answer{2});

calibration.distancePerPixel = calibration.distanceInUnits / distanceInPixels;

success = true;

jarak=calibration.distancePerPixel; unit=calibration.units;

message = sprintf('Jarak yang anda gambar adalah %.2f pixels = %f %s.\nJumlah dari %s per pixel adalah %f.\nJumlah dari

pixels per %s adalah %f',...

distanceInPixels, calibration.distanceInUnits, calibration.units, ...

calibration.units, calibration.distancePerPixel, ...

calibration.units, 1/calibration.distancePerPixel); uiwait(msgbox(message));

catch ME

errorMessage = sprintf('Error in function DrawLine().\nDid you

first left click and then right click?\n\nError Message:\n%s',

ME.message);

fprintf(1, '%s\n', errorMessage); WarnUser(errorMessage);

end

return; % from Calibrate()

end

Saat dijalankan fungsi kalibrasi dapat menghitung panjang dari sebuah skala pada

citra. Selama ada skala yang ditampilkan maka program dapat menghitung panjang

(63)

46

 Blok fungsi Tampilsemua()

Fungsi tampilsemua() merupakan fungsi utama dari program. Pada fungsi

ini program akan menampilkan image asli secara berurutan, kemudian mengolah

menjadi binary image dan menampilkannya. Terakhir fungsi akan menghitung

jumlah piksel pada bagian binary image yang diseleksi kemudian menghitung luas

bagian tersebut. Blok fungsi tampilsemua() memiliki bagian program yang berbeda

untuk setiap citra karena setiap citra memiliki beberapa perbedaan seleksi warna.

1) Analisa citra 1:

Blok program pencari threshold:

channel1Min = 0.200;

ARAL=(I(:,:,1)>=channel1Min)&(I(:,:,1)<=channel1Max) & ...

(I(:,:,2) >=channel2Min)&(I(:,:,2)<=channel2Max)& ...

(I(:,:,3) >= channel3Min )&(I(:,:,3)<= channel3Max);

Blok perhitungan luas:

ARAL1*jarak^2, ARAL1 adalah jumlah piksel bagian putih dan jarak

adalah jarak piksel/kilometer.

Jumlah piksel: 60191 piksel.

(64)

47 = (0,625)2_{* 60191}

= 0,390625 * 60191

= 23512,11 kilometer persegi.

2) Analisa citra 2:

Jumlah piksel: 58463,00 piksel.

Luas = (jarak/piksel)2 * jumlah piksel

= (0,625)2_{* 58463}

= 0,390625 * 58463

(65)

48 3) Analisa citra 3:

Luas = (jarak/piksel)2_{* jumlah piksel}

= (0,625)2_{* 53632}

= 0,390625 * 53632

= 20950 kilometer persegi.

4) Analisa citra 4:

(66)

49

= (0,625)2_{* 56357}

= 0,390625 * 56357

5) Analisa citra 5:

(67)

50 rgbImage = imread(FileName{5});

I = rgb2hsv(rgbImage);

= (0,625)2 * 47619

= 0,390625 * 47619

6) Analisa citra 6:

(68)

51 Blok perhitungan luas:

= (0,625)2 * 56327

= 0,390625 * 56327

7) Analisa citra 7:

channel1Min = 0.215; channel1Max = 0.543;

rgbImage = imread(FileName{7}); I = rgb2hsv(rgbImage);

(69)

52 Jumlah piksel: 39579 piksel.

= (0,625)2_{* 39579}

= 0,390625 * 39579

8) Analisa citra 8:

Jumlah piksel: 33334 piksel

(70)

53 = 0,390625 * 33334

9) Analisa citra 9:

= (0,625)2 * 30456

= 0,390625 * 30456

(71)

54 10) Analisa citra 10:

= (0,625)2 * 17999

= 0,390625 * 17999

11) Analisa citra 11:

(72)

55 channel1Max = 0.508;

= (0,625)2_{* 28035}

= 0,390625 * 28035

(73)

56 Hasil pengukuran dan threshold citra dapat dilihat pada table 4.1:

Tabel 4.1 Hasil pengukuran menggunakan Image Processing (1 km=1,6 piksel)

Tahun Gambar Threshold Luas (Km2)

2000 23512,11

2001 22837,11

2002 20950

(74)

57

2004 18601,17

2005 22002,73

2006 15450,55

2007 13021,09

(75)

58

2009 7030,86

2010 10951,17

Grafik pengukuran citra laut Aral dari tahun 2000-2010 dapat dilihat pada gambar

dibawah ini:

Grafik 4.1 Grafik perubahan luas Laut Aral 2000-2010

0 5000 10000 15000 20000 25000

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

(76)

59 Kondisi danau terbesar kedua di dunia ini, yaitu laut aral semakin tahun

semakin memprihatinkan. Berdasarkan grafik pada Gambar 4.1 dapat dilihat luas

permukaan danau dari tahun 2000 sampai dengan tahun 2010 semakin mengecil,

artinya luas permukaan danau semakin menyusut.

Berdasarkan Gambar 4.1 terlihat bahwa pada tahun 2000 laut aral memiliki

luas 23512,11 km2 sedangkan pada tahun selanjutnya secara bertahap menurun

menjadi 22837,11 km2, dan terus mengecil pada tahun 2002, sedang tahun 2003

permukaan laut tersebut sedikit meluas menjadi 22014,45 km2 dan kemudian

menurun lagi pada tahun 2004. Pada grafik, tahun 2005 luas laut aral kembali

meningkat menjadi 22002,73 km2_{. Lalu pada tahun 2006 laut aral kembali}

menyusut secara signifikan menjadi 15450,55 km2_{dan terus turun sampai tahun}

2009 menjadi 7030,86 km2_{. Pada tahun 2010 danau Aral kembali meningkat}

menjadi 10951,17 km2_.

Hasil analisis di atas dapat kita simpulkan danau laut aral sangat

memprihatinkan, dimana selama sepuluh tahun terjadi pengeringan danau yang

sangat luas. Hal ini terjadi karena musim kering yang panjang dan dialihkannya

sungai pensuplai air ke danau ke lahan-lahan pertanian penduduk.

4.3 Pelajaran yang Diperoleh

Penelitian yang dilakukan ini memberikan pengetahuan tambahan serta

pelajaran bagi penulis. Dalam proses penelitian menuntut perencanaan yang matang

(77)

60 dengan lancar. Sabar dan tidak mudah menyerah adalah hal penting dalam proses

penelitian.

Permasalahan – permasalahan yang ditemui penulis saat membuat

penelitian ini diantaranya adalah proses mencari seleksi warna yang pas saat

melakukan threshold citra sehingga saat program dibuat pengaturan seleksi warna

harus dirubah-rubah untuk mendapatkan hasil yang optimal.

Ilmu yang penulis dapatkan dari penelitian yang telah dibuat antara lain

menambah wawasan penulis dalam hal pemrograman matlab, terutama pemrosesan

gambar. Penulis menjadi lebih paham dalam mengolah berkas citra satelit di Matlab

(78)

61 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Hasil pengolahan citra dengan teknik thresholding menggunakan seleksi

warna diperoleh hasil sebagai berikut:

A. Tahun 2000 luas danau Aral yang diukur adalah 23512,11 km2_.

Sedangkan pada tahun 2010 diperoleh luas danau Aral sebesar 10951,17

km2. Dengan demikian luas danau Aral semakin menyusut dalam waktu

sepuluh tahun, dari tahun 2000 sampai 2010.

B. Program pada matlab dapat melakukan threshold dan pengukuran luas

danau pada berkas Citra Danau Aral.

C. Pendeteksi tepi pada program menggunakan algoritma seleksi warna

yang dibuat pada image thresholder app.

D. Perhitungan jumlah piksel pada warna yang diseleksi menggunakan

algoritma NNZ (Number of Non Zero Matrix Element) pada matlab.

E. Pengukuran luas dengan menghitung piksel berdasarkan resolusi spasial

yang terdapat pada Citra.

5.2 Saran

Untuk penelitian lebih lanjut dapat dibuat dengan data yang lebih banyak

sehingga dapat menambah variasi data yang diolah dan menyempurnakan

(79)

62 Daftar Pustaka

Demirkaya, O., Asyali, M. and Sahoo, P. (2009). Image processing with MATLAB.

Boca Raton: CRC Press.

Matlab, programming fundamental. Mathworks,inc

Pengolahan citra, algoritma transformasi ruang warna

Gonzalez, R. and Woods, R. (2002). Digital image processing. Upper Saddle River,

N.J.: Prentice Hall.

White, K. (2013). A geographical perspective on the Aral Sea crisis: three

interpretations of an image. Bulletin of Geography. Socio-economic Series, 21(21).

Evaluation of Spatial Image Processing Approaches for Calculating Water Surface

Area: Case of the Dead Sea, Life Science Journal 2014;11(4)

Wikipedia. (2016). Aral Sea. [online] Tersedia di: https://

(80)

63 Earthobservatory.nasa.gov. (2016). World of Change: Shrinking Aral Sea :

Feature Articles. [ online ] tersedia di: http://

earthobservatory.nasa.gov/Features/WorldOfChange/aral_sea.php [Diakses

tanggal 2 April 2016].

Measuring Distance and Area in Satellite Images. (2016). Teaching Notes. [online]

Tersedia di: http://serc.carleton.edu/eet/measure_sat2/teaching_notes.html

(81)

64 LAMPIRAN

Kode program penentuan luas wilayah laut Aral pada MATLAB

function pemetaan()

clc; % Clear command window. clear; % Delete all variables.

close all; % Close all figure windows except those created by imtool.

imtool close all; % Close all figure windows created by imtool. workspace; % Make sure the workspace panel is showing.

global FileName;

%mengubah folder tempat file m ini disimpan if(~isdeployed)

cd(fileparts(which(mfilename)));

end

ver % Display user's toolboxes in their command window.

%membuat pilihan

message = sprintf('Program ini akan menampilkan citra satelit kemudian\nakan menghitung luas dan ukurannya\ndi dalam piksel dan

kilometer.\nApakah ingin lanjut?');

reply = questdlg(message, 'Jalankan program?', 'OK','Cancel',

'OK');

if strcmpi(reply, 'Cancel') % User canceled so exit. return;

end

fontSize = 16;

[FileName,PathName]=uigetfile('*.jpg*','Citra Satelit','MultiSelect','on'); %membuka file gambar

subplot(1,1, 1); imshow(FileName{1}); axis on;

title('Citra Satelit Danau Aral tahun 2000', 'FontSize', fontSize);

% Enlarge figure to full screen.

set(gcf, 'units','normalized','outerposition',[0 0 1 1]); % Give a name to the title bar.

set(gcf,'name','Citra Danau ARAL Tahun 2000','numbertitle','off')

message = sprintf('Pertama kamu akan melakukan kalibrasi spasial');

reply = questdlg(message, 'Kalibrasi spasial', 'OK', 'Cancel',

'OK');

if strcmpi(reply, 'Cancel')

% User said Cancel, so exit. return;

(82)

65 2000','numbertitle','off')

success = Calibrate();

function success = Calibrate()

(83)

66 instructions = sprintf('klik kiri untuk menentukan titik awal\nKlik kanan atau dobel klik untuk menentukan titik

kedua\n\nSetelah itu anda akan ditanya ukuran sebenarnya');

title(instructions); msgboxw(instructions);

[cx, cy, rgbValues, xi,yi] = improfile(1000);

% rgbValues is 1000x1x3. Call Squeeze to get rid of the singleton dimension and make it 1000x3.

rgbValues = squeeze(rgbValues);

distanceInPiksels = sqrt( (xi(2)-xi(1)).^2 + (yi(2)-yi(1)).^2);

userPrompt = {'Masukkan Unit (contohnya: meter):','Masukkan

jarak dalam unit:'};

dialogTitle = 'Spesifikasi Unit dan Jarak'; numberOfLines = 1;

def = {'microns', '500'};

answer = inputdlg(userPrompt, dialogTitle, numberOfLines, def);

if isempty(answer) return;

end

calibration.units = answer{1};

calibration.distanceInPiksels = distanceInPiksels; calibration.distanceInUnits = str2double(answer{2});

calibration.distancePerPiksel = calibration.distanceInUnits / distanceInPiksels;

success = true;

jarak=calibration.distancePerPiksel; unit=calibration.units;

message = sprintf('Jarak yang anda gambar adalah %.2f piksels = %f %s.\nJumlah dari %s per piksel adalah %f.\nJumlah dari

piksels per %s adalah %f',...

distanceInPiksels, calibration.distanceInUnits, calibration.units, ...

calibration.units, calibration.distancePerPiksel, ...

calibration.units, 1/calibration.distancePerPiksel); uiwait(msgbox(message));

catch ME

errorMessage = sprintf('Error in function DrawLine().\nDid you

first left click and then right click?\n\nError Message:\n%s',

ME.message);

fprintf(1, '%s\n', errorMessage); WarnUser(errorMessage);

(84)

67

figure('Name','File Citra Satelit','numbertitle','off'); set(gcf, 'units','normalized','outerposition',[0 0 1 1]); %maximize tampilan figure

fontSize = 16;

numfiles=size(FileName,2); %menghitung jumlah elemen dalam array FileName

for i=1:numfiles subplot(3,5,i)

imshow(FileName{i}); tahun=1999+i;

t=text(xPos,yPos,sprintf('%s\n',judul),'Parent',h2); set(t,'HorizontalAlignment','center');

set(h2,'Visible','off'); set(t,'fontSize',18);

message = sprintf('Gambar akan di ubah menjadi binary'); reply = questdlg(message, 'Jalankan program?', 'OK','Cancel',

'OK');

if strcmpi(reply, 'Cancel') % User canceled so exit. return;

end

(85)

68

%TRESHOLDING FILE ARAL 1 channel1Min = 0.200;

ARAL =(I(:,:,1) >= channel1Min ) & (I(:,:,1) <= channel1Max) & ...

(I(:,:,2) >= channel2Min ) & (I(:,:,2) <= channel2Max) & ...

%TRESHOLDING FILE ARAL KE 3 channel1Min = 0.246; channel1Max = 0.549;

(86)

69

%TRESHOLDING FILE ARAL 4

(87)

70 I = rgb2hsv(rgbImage);

(88)

71 I = rgb2hsv(rgbImage);