MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
SKRIPSI
Oleh :
LUTFI RYANTOKO
0934010196
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh :
LUTFI RYANTOKO
0934010196
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
LEMBAR PENGESAHAN
Telah disetujui mengikuti Ujian Negara Lisan Gelombang IV Tahun Akademik 2012 / 2013
Pembimbing I
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
SKRIPSI
Telah dipertahankan dan diterima oleh Tim Penguji Skripsi Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 20 Desember 2013
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut : Nama : LUTFI RYANTOKO .
NPM : 0934010196
Jurusan : Teknik Informatika
Telah mengerjakan revisi / tidak ada revisi*) pra rencana (design) / skripsi ujian lisan gelombang IV , TA 2012/2013 dengan judul:
“MENGETAHUI KINERJ A PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING”
Surabaya, Desember 2013 Dosen Penguji yang memeriksa revisi
1) Rizky Parlika, S.Kom, M.Kom
NPT. 3 8405 070 219 1
{ }
YAYASAN KESEJ AHTERAAN PEDIDIKAN DAN PERUMAHAN UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189 Fax. (031) 8706372 Website. www.upnjatim.ac.id
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut : Nama : Lutfi Ryantoko
NPM : 0934010196
Program Studi : Teknik Informatika
Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2013/2014 dengan judul :
“ MENGETAHUI KINERJ A PENDETEKSIAN TITIK API DENGAN MENGGUNAKAN PENDEKATAN THRESHOLDING “
Surabaya, 20 Desember 2013 Dosen penguji yang memeriksa revisi
1. Rizky Par lika, S.Kom, M.Kom
i
KATA PENGANTAR
Segala puji bagi Allah SWT Tuhan semesta alam atas segala berkat, rahmat,
taufik, serta hidayah-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul
”Mengetahui Kinerja Pendeteksian Titik Api Dengan Menggunakan Pendekatan
Thresholding”.
Skripsi dengan beban 4 SKS ini disusun guna di ajukan sebagai salah satu syarat
untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika,
Fakultas Teknologi Industri, UPN “Veteran “ Jawa Timur.
Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan. Oleh
karena itu, penulis mengharapkan kritik dan saran yang membangun agar proposal ini
dapat lebih baik lagi. Akhir kata penulis berharap kerangka acuan skripsi ini dapat
memberikan wawasan dan pengetahuan kepada para pembaca pada umumnya dan
pada penulis pada khususnya.
Surabaya, Januari 2014
UCAPAN TERIMA K ASIH
Ucapan terima kasih ini kami persembahkan sebagai perwujudan rasa syukur
atas selesinya praktek kerja lapangan ini. Ucapan terima kasih saya tunjukan kepada :
1. Allah S.W.T karena berkat rahmat dan hidayah Nya kami dapat menyusun
dan menyelesaikan laporan SKRIPSI ini hingga selesai.
2. Ibu Ir. Ni Ketut Sari, M.T selaku Ketua Jurusan Teknik Informatika UPN
”Veteran” Jawa Timur yang selalu memberikan kemudahan dan kesempatan
bagi kami untuk berkreasi.
3. Bapak Budi Nugroho, S.Kom, M.Kom selaku dosen pembimbing I kami
yang telah meluangkan waktu dan pikiran serta sabar membimbing kami dari
awal hingga akhir laporan SKRIPSI ini dapat selesai.
4. Bapak Wahyu S. J. Saputra, S.Kom, M.Kom selaku dosen pembimbing II
kami yang telah meluangkan waktu dan pikiran serta sabar membimbing kami
dari awal hingga akhir laporan SKRIPSI ini dapat selesai.
5. Keluarga tercinta terutama Bapak dan Ibu tersayang , terima kasih atas semua
doa, dukungan serta harapan – harapannya pada saat kami menyelesaikan
SKRIPSI ini, yang hanya kami perlukan yaitu minta doa restu semoga laporan
ini bermanfaat bagi semua orang, dan tidak lupa untuk kekasih tercinta eka
fersiani yang selalu mendukung dalam SKRIPSI ini
6. Sahabat sahabat dan kawan- kawan dari “Informatic Dhe” , terutama Bang
rully dan wahyu serta rahman nur, hirson , yanuar (gabow), radit, febi
(nyaak), syafiul umam (piul “juragan sego njamoer”) yang selalu menemani ,
menghibur, menyupport dan memberikan motivasi dalam menyelesaikan
SKRIPSI ini dan masih banyak yang lainnya tidak dapat disebutkan satu
iii
2.2 Artifical Intelligence ... 6
2.3 Image…………. ... 6
2.4 Analog Image ... 7
2.5 Digital Image ... 7
2.7 Pengolahan Citra Digital ... 9
2.8 Citra Grayscale ... 9
2.9 Morfologi.. ... 10
2.9.1 Structuring Element.……….. ... 11
2.9.2 Erosi .……….. ... 11
2.9.3 Dilasi .……….. ... 13
2.9.4 Opening .……….. ... 15
2.9.5 Closing .……….. ... 15
2.10 Pendeteksian Tepi (Edge Detection) Canny.. ... 16
2.11 Thresholding... 19
2.12 Matlab….. ... 20
2.12.1 Kelengkapan Pada Sistem Matlab Sebagai Sebuah Sistem.. ... 22
2.13 Gui / Guide Matlab .. ... 23
2.14 Membuat Gui Dengan Matlab.. ... 24
BAB III METODE KERJA PRAKTEK ... 26
3.1 Data Set ……… ... 26
3.2 Analisa sistem ………… ... 29
3.3 Gambaran Aplikasi Secara Umum ………… ... 30
v
3.3.11 Perancangan Tampilan Antarmuka ……… ... 40
BAB IV HASIL DAN PEMBAHASAN ... 43
4.1 Kebutuhan Hardware dan Software ... 43
4.2 Implementasi Data ………… ... 44
4.3 Implementasi Antar Muka ... 44
4.4 Implementasi Proses………. ... 45
4.4.1 Mengambil Gambar ... 45
4.4.2 Proses ………... 46
4.5 Uji Coba Program ………. ... 49
4.5.1 Skenario Uji Coba ……….. ... 49
4.5.3 Proses Grayscale ……….. ... 52
4.5.4 Proses Thresholding .……….. ... 53
4.5.5 Proses Deteksi Tepi (Canny) ……….. ... 53
4.5.6 Proses Opening ……….. ... 54
4.5.7 Proses Erosi ……….. ... 54
4.5.8 Proses Dilasi ……….. ... 55
4.5.9 Proses Closing ………... 55
4.5.10 Proses Invers ……….. ... 56
4.6 Pengujian Validasi Aplikasi ………. ... 60
BAB V KESIMPULAN DAN SARAN ... 65
5.1 Kesimpulan ... 65
5.2 Saran... 66
DAFTAR PUSTAKA ... ... 67
vii
DAFTAR GAMBAR
No. Halaman
Ga mbar 2.1 Proses pengolahan citra digital ... 10
Ga mbar 2.2 Elemen terstruktur 4- dan 8- konektivitas ... 12
Ga mbar 2.3 Erosi menggunakan elemen terstruktur 8- konektivitas ... 13
Ga mbar 2.4 Dilasi menggunakan elemen terstruktur 8- konektivitas ... 15
Ga mbar 2.5 Fungsi Gaussian dan turunanya ... 18
Ga mbar 2.6 Hasil konvolusi citradengan fungsi Gaussian ... 18
Ga mbar 3.1 Flowchart Alur Program ... 31
Ga mbar 3.2 Flowchart Grayscale ... 32
Ga mbar 3.3 Flowchart Thresholding ... 33
Ga mbar 4.3 Tampilan awal aplikasi ... 50
Ga mbar 4.4 Tampilan mengambil gambar ... 51
Ga mbar 4.5 Tampilan proses ... 51
Ga mbar 4.6 Tampilan hitung ... 52
Ga mbar 4.7 Proses Grayscale ... 52
Ga mbar 4.8 Proses Thresholding ... 53
Ga mbar 4.9 Proses Deteksi Tepi (canny)… ... 53
Ga mbar 4.10 Proses Opening ... 54
Ga mbar 4.11 Proses Erosi ... 52
Ga mbar 4.12 Proses Dilasi ... 55
Ga mbar 4.13 Proses Closing ... 55
Ga mbar 4.14 Proses Invers ... 56
ix
DAFTAR TABEL
No. Halaman
Tabel 3.1 Tabel data set ……….. ... 26
Tabel 3.2 Perancangan Program Kinerja Pendeteksian Titik Api ... 41
Tabel 4.5.1 Tabel Evaluasi Citra Sempurna ... 56
Tabel 4.5.2 Tabel Evaluasi Citra Kurang sempurna ... 59
Tabel 4.5.3 Tabel Data Observasi Responden ... 61
Judul : MENGETAHUI KINERJA PENDETEKSIAN TITIK API DENGAN MENGGUNAKAN PENDEKATAN THRESHOLDING
Pembimbing I : Budi Nugroho, S.Kom, M.Kom. Pembimbing II : Wahyu S. J. Saputra, S.Kom, M.Kom. Penyusun : Lutfi Ryantoko
ABSTRAK
Kebakaran hutan telah terjadi karena efek dari petir, manusia dan lain sebagainya. kebakaran hutan menyebabkan berkurangnya spesies hewan dan tumbuhan, kesehatan menurun. upaya yang dapat dilakukan yaitu dengan penyuluhan, dan menjaga kelestarian hutan.
Thresholding adalah suatu metode yang digunakan untuk memisahkan antara obyek dan backgroundnya. Thresholding adalah teknik yang sederhana tapi efektif untuk segmentasi citra. Dalam proses thresholding terhadap sebuah citra, hasil yang diperoleh tidak selalu memuaskan dan sesuai dengan keinginan. Hal ini dikarenakan faktor penghambat seperti pencahayaan yang tidak merata atau citra yang kabur. Terdapat beberapa macam teknik pengolahan citra digital, salah satunya adalah bagaimana melakukan proses titik api dengan pendekatan thresholding dan dikembangkan melalui pre processing image dengan menggunakan bahasa pemrograman matlab.
Dari hasil pengujian dapat ditunjukkan bahwa titik api dapat terdeteksi dengan sangat sempurna difokuskan pada pengolahan bentuk objek.
BAB I PENDAHULUAN
1.1. Latar Belakang
Hutan merupakan sumber daya alam yang menyimpan berbagai potensi yang kini gangguannya semakin meluas, kebakaran hutan merupakan salah satu bentuk gangguannya. dampak negatif yang ditimbulkan oleh kebakaran hutan cukup besar mencakup kerusakan ekologis, menurunnya keanekaragaman hayati, merosotnya nilai ekonomi hutan dan produktivitas tanah, perubahan iklim mikro maupun global, dan asapnya mengganggu kesehatan masyarakat Indonesia bahkan negara lain karena asapnya melintasi batas negara. Kebakaran hutan juga mengganggu transportasi baik darat, sungai, danau, laut dan udara. Hal ini disampaikan oleh Direktotar Jenderal Perlindungan Hutan dan Konservasi Alam pada tahun 2003.
bahwa penyebab utama kebakaran hutan adalah faktor manusia yang berawal dari kegiatan atau permasalahan-permasalahan seperti sistem perladangan tradisional dari penduduk setempat yang berpindah-pindah, pembukaan hutan oleh para pemegang Hak Pengusahaan Hutan (HPH) untuk industri kayu maupun perkebunan kelapa sawit dan permasalahan yang terakhir adalah penyebab struktural yaitu kombinasi antara kemiskinan, kebijakan pembangunan dan tata pemerintahan, sehingga menimbulkan konflik antar hukum adat dan hukum positif negara.
Pada mulanya kerusakan lingkungan hanya terbatas pada tingkat domestik. Namun dalam waktu yang tidak lama kerusakan lingkungan mulai merambah kawasan wilayah dan juga mempengaruhi hubungan internasional di ASEAN. Saat ini seluruh masyarakat tidak lagi meragukan bahwa lingkungan merupakan suatu problem utama yang menjadikannya sebagai isu internasional. Dengan timbulnya permasalahan ini, menyebabkan konflik antar wilayah ASEAN. Walaupun tidak mudah untuk mengatasi gangguan ini, ASEAN terus menyelenggarakan pertemuan untuk membahasnya. Tahun 2002 ASEAN akhirnya mengesahkan sebuah perjanjian yang mengatur pengelolahan asap tersebut. The ASEAN Agreement on Transboundary Haze Poluttion mengawasi dan mencegah polusi asap melalui berbagai bentuk kerjasama yang telah disepakati
inputan sebelumnya.
Image processing terdiri dari beberapa tahap: akusisi, prepocessing, segmentasi, dan analisa. Tujuan utama dari image processing di instrumentasi biomedis adalah untuk mengumpulkan informasi, screening atau invertigasi, mendiagnosis, terapi dan kontrol, serta monitoring dan evaluasi. Segmentasi memegang peranan yang sangat penting dengan memfasilitasi penggambaran daerah yang penting dalam suatu citra atau disebut sebagai region of interest
Dalam hal ini bagi aparat pemerintah, perusahaan kehutanan serta masyarakat sekitar hutan, pengadaan kampanye dan penyuluhan melalui berbagai Apel Siaga pengendalian kebakaran hutan, sangat terbantu dengan adanya aplikasi mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan thresholding. (Soemarsono, 1997) Namun, dari semua upaya pencegahan itu
belum dapat dilaksanakan secara maksimal karena adanya keterbatasan di setiap upayanya mulai dari SDM dan SDA. Pelacakan dan pemetaan titik api akan lebih baik jika ditunjang dengan program yang baik pula. Pelacakan titik api dilakukan oleh satelit NOAA-18.
1.2. Rumusan Masalah
rumusan masalah yang dibuat pada Tugas Akhir ini adalah:
a. Bagaimana melakukan proses titik api dengan pendekatan thresholding dengan dikembangkan melalui pre processing image.
b. Bagaimana cara menghitung titik api yang terdeteksi.
1.3. Tujuan
Tujuan dari tugas akhir ini adalah mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan thresholding
1.4. Manfaat
a. Membantu pencegahan dan penanganan terhadap api jika terjadi kebakaran. b. Dapat memberikan informasi mengenai persebaran titik api jika terjadi
kebakaran agar masyarakat dapat berperan aktif memadamkan api.
1.5. Batasan Masalah
a. Ukuran gambar maksimal 1 MG
b. Gambar yang diteliti objek hanya berupa lilin dengan dikondisikan gelap dan banyaknya cahaya tidak dapat terdeteksi dengan sempurna.
BAB II
TINJ AUAN PUSTAKA
2.1Penelitian Terdahulu
Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan beberapa hasil penelitian terdahulu oleh beberapa peneliti yang pernah penulis baca diantaranya :
Penelitian yang dilakukan oleh Setyawan Widyarto tahun 2012 dengan judul “Deteksi Lokasi Titik Api Pada Kebakar an Hutan”. Sistem pengolahan citra secara digital yang diaplikasikan dalam hotspot dan penginderaan jauh (satelit) sangat diperlukan untuk analisis pemetaan wilayah, geologi, geodesi, dan sebagainya. Dalam hal ini pengolahan citra digital hasil citra satelit dan hotspot untuk menganalisis dan mengidentifikasi titik api kebakaran hutan. Proses pengolahan citra dimulai dari akuisisi data citra, segmentasi citra, preprocessing, deteksi tepi, sampai citra siap dianalisis. Analisis citra dilakukan dengan proses segmentasi difokuskan berdasarkan objek titik api pada kebakaran hutan. Penelitian telah menghasilkan sebuah program untuk deteksi lokasi titik api pada kebakaran hutan. Dengan deteksi awal dari pengolahan citra satelit tentang titik api kebakaran hutan diteruskan pada segmentasi citra kemudian terjadi over segmentation karena itu perlu ditambahkan atau dikembangkan dengan menambahkan pre processing antara lain opening, erosi, sobel, dilation, dan closing sehingga menghasilkan segmentasi yang lebih baik, untuk menentukan
2.2Artifical Intelligence
(Luger,1993) Artifical Intelligence atau Kecerdasan buatan (AI) dapat didefinisikan sebagai cabang dari ilmu komputer yang memusatkan perhatian pada otomatisasi dari karakteristik inteligensia. (Kusumadewi, 2003) Kecerdasan buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Manusia pandai dalam menyelesaikan segala permasalahan karena manusia mempunyai pengetahuan dan pengalaman. Agar komputer dapat bertindak seperti dan sebaik manusia, maka komputer juga harus dibekali bekal pengetahuan dan mempunyai kemampuan untuk menalar. Dua bagian utama pada konsep kecerdasan buatan, yaitu:
• Basis Pengetahuan
Berisi fakta, teori, pemikiran, dan hubungan suatu hal dengan hal lainnya. • Mesin Inferensi
Kemampuan menarik kesimpulan berdasarkan pengalaman.
2.3Image
dua macam, yaitu citra analog dan citra digital. Citra analog dihasilkan dari sistem optik yang menerima sinyal analog. Contoh: mata manusia, kamera analog. Sedangkan citra digital dihasilkan melalui proses digitalisasi terhadap citra kontinu. Contoh: kamera digital, scanner.
2.4Analog Image
(sutoyo, 2009:10) Analog Image adalah image yang bersifat kontinu, seperti gambar pada monitor televisi, foto sinar X, foto yang tercetak di kertas foto, lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada pita kaset dan lain sebagainya.Citra analog tidak dapat direpresentasikan dalam komputer sehingga tidak bisa diproses dikomputer secara langsung. Oleh sebab itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital harus dilakukan terlebih dulu.
2.5Digital Image
Shapiro dan Stockman (2001, p29), digital image adalah image 2D I[r,c] yang direpresentasikan oleh array diskrit 2D dari intensitas sampel, dimana masing masing titik direpresentasikan dengan ketelitian terbatas. Digital image juga didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan terbatas dari nilai digital yang disebut picture elements atau pixel. Umumnya pixel disimpan dalam komputer sebagai gambar raster, yaitu array dua dimensi dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital image dapat diperoleh dari berbagai macam alat dan teknik pengambil gambar, seperti kamera digital, scanner, radar, dan sebagainya. Dapat pula disintesis dari data seperti fungsi matematika dan lain lain. (Anonim, 2005a)
Menurut Jain, Kasturi dan Schunck (1995, p12), pixel adalah sampel dari intensitas image yang terkuantisasi ke dalam nilai integer. Sementara Image merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan menjadi input awal dalam Computer Vision.
Beberapa bentuk digital image yang sering digunakan dalam Computer Vision (Shapiro dan Stockman, 2001, p30):
• Binary image, yaitu digital image dengan nilai pixel 1 atau 0.
• Gray scale image, yaitu digital image monokrom dengan satu nilai intensitas tiap pixel.
2.6Computer Vision
Computer vision (Referensi : Kulkarni, Arun D., 2001, Computer Vision and Fuzzy-Neural Systems, Prentice-Hall, Inc., New Jersey, hal. 1) didefinisikan sebagai sebuah proses mengenal objek- objek penting dari sebuah citra dan dapat digambarkan sebagai properti deduksi logik yang otomatis objek 3 dimensi dari single image atau multiple image. Computer vision dapat didefinisikan juga sebagai ilmu dan teknologi mesin dimana mesin dapat mengektrasi informasi dari citra yang diperlukan untuk menyelesaikan suatu tugas tertentu.
Computer vision sulit untuk diwujudkan karena format citra pada dasarnya adalah many to one mapping. Tugas- tugas seperti mengidentifikasi tanda tangan, mengidentifikasi tumor di dalam citra resonansi magnetik, mengenal objek yang diterima dari citra yang dihasilkan oleh satelit, mengidentifikasi wajah, menentukan lokasi sumber mineral dari sebuah citra, dan membangun citra tiga dimensi dari potongan citra dua dimensi dipertimbangkan sebagai lapangan subjek di Computer Vision. Tipe sistem Computer Vision terdiri dari tingkatan seperti akuisisi citra (image acquisition), preprocessing, ekstrasi fitur (feature extraction), menyimpan objek dengan asosiasi, mengakses basis pengetahuan dan pengenalan. computer vision lebih daripada pengenalan, computer vision melakukan operasi “low level processing” sebagai algoritma image processing yang murni. Mereka juga yang menggolongkan image processing ke dalam computer vision.
2.7Pengolahan Citr a Digital
baik.Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila.
1. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung dalam citra.
2. Elemen di dalam citra perlu dikelompokkan, dicocok atau diukur. 3. Sebagian citra perlu digabung dengan citra lain Pengolahan citra
bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer. Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain.
Citra citra
Gambar 2.1 Proses pengolahan citr a digital
2.8Citr a Grayscale
(Agus : 2010) Dalam komputasi, suatu citra digital grayscale atau greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample tunggal.
Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”,
yaitu ”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada spektrum elektromagnetik single band . Citra grayscale disimpan dalam format 8 bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manupulasi bit yang tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan remote sensing biasa juga digunakan format 10,12 maupun 16 biT.
2.9 Morfologi
Menurut Krishna (2012), Morfologi merupakan suatu cabang dari pengolahan citra yang sangat bermanfaat dalam analisis bentuk dalam citra. Operasi morfologi adalah teknik pengolahan citra berdasarkan bentuk segmen atau region dalam citra. Karena difokuskan pada bentuk obyek, maka operasi ini biasanya diterapkan pada citra biner (terdiri dari 1 dan 0). pemrosesan citra secara morfologi dilakukan denga cara mem-passing sebuah sturktur elemen terhadap sebuah citra dengan cara yang hampir sama dengan konvolusi. Struktur elemen dapat diibaratkan dengan mask pada pemrosesan citra biasa (bukan secara morfologi).
2.9.1 Structuring Element :
2.9.2 Erosi
(Dougherty, 2009) Erosi adalah salah satu operasi dasar dalam pemrosesan citra secara morfologi. Erosi adalah sebuah operasi yang meningkatkan ukuran dari latar belakang (dan mengikis objek latar depan) pada citra biner
Dengan memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka proses erosi dapat dinotasikan dengan:
Erosi dilakukan dengan bantuan elemen terstruktur. Elemen terstruktur membantu menentukan pixel tetangga yang akan ditelusuri dengan proses erosi. Elemen terstruktur yang sering digunakan adalah 4-konektivitas dan 8-konektivitas.
4-connectivity 8-connectivity
Gambar 2.2 Elemen terstruktur 4- dan 8- konektivitas
Erosi memiliki karakteristik :
1 1 1
1 1 1
1 1 1
0 1 0
1 1 1
Erosi pada umunya memperkecil ukuran dari objek dan menghilangkan elemen atau anomali kecil dengan mengurangi objek dengan radius yang lebih kecil dari ukuran elemen terstruktur.
Dengan citra binner erosi menghilangkan objek yang lebih kecil dari elemen terstruktur dan mengiliminasi pixel parameter dari objek citra yang lebih besar.
Algoritma yang dilakukan pada erosi adalah sebagai berikut:
Posisikan elemen terstruktur dibagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel latar belakang di bawahnya (yang ditutupinya), maka tetapkan piksel keluaran pada citra baru ke nilai latar belakang, maka tetapkan piksel.
Gambar 2.3 Erosi menggunakan elemen ter struktur 8-konektivitas
2.9.3 Dilasi
(Daugherty, 2009) Dilasi adalah salah satu operasi dasar dalam morfologi matematika. Pada citra biner, dilasi adalah sebuah operasi yang mengekspansi atau memperbesar ukuran dari objek latar depan. Biasanya objek pada citra dilambangkan dengan piksel putih, walaupun untuk beberapa implementasi objek pada citra dilambangkan dengan piksel hitam. Konektivitas antar piksel pusat dengan tetangganya dibuat berdasarkan elemen terstruktur yang terdefini. Memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur, dan C sebagai objek citra keluaran hasil dilasi, maka proses dilasi dapat dinotasikan sebagai :
Dilasi memiliki karakteristik :
Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan area yang rusak, dan menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari ukuran elemen terstruktur.
Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap objek citra.
Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar depan.
Piksel latar depan pada citra masukan akan menjadi latar depan pada citra keluaran dan juga pada piksel latar belakang pada citra masukan akan menjadi latar depan pada citra keluaran.
Gambar 2.4 dilasi menggunakan elemen ter str uktur 8-konektivitas
2.9.4 Opening :
Operator opening menghaluskan garis – garis bentuk objek, menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan – penonjolan yang tipis.
2.9.5 Closing :
Menurut Dougherty (2009), Operator closing yaitu operator yang terdiri dari rangkaian operasi operator dilation diikuti oleh erosion, yang diformulasikan sebagai:
Operator closing akan menyatukan (fuse) patahan-patahan yang sempit, menutup lubang-lubang kecil dan menghaluskan kontur.
2.10 Pendeteksian Tepi (Edge Detection) Canny
Menurut Yeni Herdiyeni, (2004) Pengambilan garis tepi dilakukan untuk memudahkan perhitungan parameter-parameter lingkaran iris nantinya. Tepian citra dapat didefinisikan sebagai piksel yang mengalami perubahan tajam pada skala keabuannya. Tepian akan terlihat sebagai frekuensi tinggi pada spektrum citra, sehingga dapat diekstrak dengan menggunakan filter tertentu dengan meredam bagian frekuensi rendah. Ada beberapa metode deteksi tepi yang dapat digunakan, antara lain :
Dalam laporan ini digunakan metoda Canny, karena memiliki beberapa kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang digunakan. Canny edge detector ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Dalam memodelkan pendeteksi tepi, dia menggunakan ideal step edge, yang direpresentasikan dengan fungsi Sign satu dimensi. Pendekatan algoritma Canny dilakukan dengan konvolusi fungsi image dengan operator gaussian dan turunan-turunannya.
Fungsi Gaussian dalam satu dimensi dapat direpresentasikan sebagai berikut :
Turunan pertamanya :
dan Turunan keduanya adalah :
Gambar 2.5 fungsi Gaussian dan tur unanya
Ketika citra dikonvolusikan dengan fungsi Gaussian, hasilnya dapat dilihat ada gambar paling kiri dari gambar di bawah ini. Gambar selanjutnya menunjukkan hasil konvolusi citra dengan turunan pertama dan kedua dari fungsi Gaussian. Keberadaan dan lokasi tepi ditandai dengan puncak dan zero-crossing.
Gambar 2.6 Hasil Konvolusi Citra dengan Fungsi Gaussian
Turunan pertama dari fungsi citra yang dikonvolusikan dengan fungsi Gaussian,
g(x, y) = D[Gauss(x, y) ∗ f(x, y)]
Oleh karena itu, memungkinkan untuk mengkombinasikan tingkat kehalusan dan pendeteksian tepian ke dalam suatu konvolusi dalam satu dimensi dengan dua arah yang berbeda (vertikal dan horizontal). Hal ini berlaku dalam mengkonvolusikan turunan pertama Gaussian untuk pencarian puncak, atau dengan turunan kedua Gaussian untuk mencari zero-crossing-nya. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny :
1. Mendeteksi dengan baik (kriteria deteksi) Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.
2. Melokalisasi dengan baik (kriteria lokalisasi) Dengan Canny dimungkinkan dihasilkannya jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.
3. Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya.
2.11 Thr esholding
ditandai sebagai piksel milik objek jika nilainya lebih dari nilai threshold. Dengan asumsi objek tersebut lebih terang dari latar belakangnya, hal ini disebut threshold above. Sedangkan kebalikannya disebut threshold below. Jika piksel-piksel suatu objek berada diantara dua threshold disebut threshold inside dan kebalikannya disebut threshold outside. Biasanya piksel suatu objek dilabeli dengan nilai “1”sementara piksel-piksel latar belakangnya dilabeli dengan nilai “0”. Thresholding dapat dibentuk dalam persamaan sebagai berikut
Jika nilai T konstan, pendekatan ini disebut global thresholding.
2.12 Matlab
Menurut Teuinsuksa (2009), MATLAB adalah sebuah bahasa dengan (high-performance) kinerja tinggi untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana masalah-masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar. Penggunaan Matlab meliputi bidang–bidang:
• Matematika dan Komputasi • Pembentukan Algorithm • Akusisi Data
• Pemodelan, simulasi, dan pembuatan prototipe • Analisa data, explorasi, dan visualisasi
MATLAB merupakan suatu sistem interaktif yang memiliki elemen data dalam suatu array sehingga tidak lagi kita dipusingkan dengan masalah dimensi. Hal ini memungkinkan kita untuk memecahkan banyak masalah teknis yang terkait dengan komputasi, kususnya yang berhubungan dengan matrix dan formulasi vektor, yang mana masalah tersebut merupakan momok apabila kita harus menyelesaikannya dengan menggunakan bahasa level rendah seperti Pascall, C dan Basic. Nama MATLAB merupakan singkatan dari matrix laboratory. MATLAB pada awalnya ditulis untuk memudahkan akses perangkat lunak matrik yang telah dibentuk oleh LINPACK dan EISPACK. Saat ini perangkat MATLAB telah menggabung dengan LAPACK dan BLAS library, yang merupakan satu kesatuan dari sebuah seni tersendiri dalam perangkat lunak untuk komputasi matrix.
2.12.1Kelengkapan pada Sistem MATLAB Sebagai sebuah system, MATLAB tersusun dar i 5 bagian utama:
a. Development Environment merupakan sekumpulan perangkat dan fasilitas yang membantu anda untuk menggunakan fungsi-fungsi dan file-file MATLAB. Beberapa perangkat ini merupakan sebuah graphical user interfaces (GUI). Termasuk didalamnya adalah MATLAB desktop dan CommandWindow, command history, sebuah editor dan debugger, dan browsers untuk melihat help, workspace, files, dan search path.
b. MATLAB Mathematical Function Library merupakan sekumpulan algoritma komputasi mulai dari fungsi-fungsi dasar sepertri: sum, sin, cos, dan complex arithmetic, sampai dengan fungsi-fungsi yang lebih kompek seperti matrix inverse, matrix eigenvalues, Bessel functions, dan fast Fourier transforms.
c. MATLAB Language merupakan suatu high-level matrix/array language dengan control flow statements, functions, data structures, input/output, dan fitur-fitur object-oriented programming. Ini memungkinkan bagi kita untuk melakukan kedua hal baik "pemrograman dalam lingkup sederhana " untuk mendapatkan hasil yang cepat, dan "pemrograman dalam lingkup yang lebih besar" untuk memperoleh hasil-hasil dan aplikasi yang komplek.
dan data tiga dimensi, image processing, animation, dan presentation graphics. Ini juga melibatkan fungsi level rendah yang memungkinkan bagi anda untuk membiasakan diri untuk memunculkan grafik mulai dari benutk yang sederhana sampai dengan tingkatan graphical user interfaces pada aplikasi MATLAB anda.
e. MATLAB Application Pr ogram Inter face (API) merupakan suatu library yang memungkinkan program yang telah anda tulis dalam bahasa C dan Fortran mampu berinterakasi dengan MATLAB. Ini melibatkan fasilitas untuk pemanggilan routines dari MATLAB (dynamic linking), pemanggilan MATLAB sebagai sebuah computational engine, dan untuk membaca dan menuliskan MAT-files. Memulai Matlab Perhatikan Dekstop pada layar monitor PC, anda mulai MATLAB dengan melakukan double-clicking pada shortcut icon MATLAB.
2.13 GUI / GUIDE MATLAB
menggunakan GUI dimulai dari versi 5, yang terus disempurnkan sampai sekarang. GUIDE Matlab mempunyai kelebihan tersendiri dibandingkan dengan bahasa pemrogram lainnya, diantaranya:
a. GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi berorientasi sains, sehingga banyak peneliti dan mahasiswa menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas akhirnya.
b. GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri.
c. Ukuran file, baik FIG-file maupun M-file, yang dihasilkan relatif kecil.
d. Kemampuan grafisnya cukup andal dan tidak kalah dibandingkan dengan bahasa pemrograman lainnya.
2.14 Membuat GUI dengan MATLAB
Menurut Teuinsuksa (2009), MATLAB mengimplementasikan GUI sebagai sebuah figure yang berisi barbagai style obyek UIControl. Selanjutnya kita harus memprogram masing-masing obyek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Langkah dasar yang harus dikerjakan dalam membuat GUI adalah :
a. Mengatur layout komponen GUI
komponen, baik string(caption), font, color, size, dan sebagainya menggunakan property inspector. Jika kita telah selesai mendesain, jangan lupa untuk menyimpan file figure yang secara default akan memiliki ekstensi *.fig. Dari sini, matlab secara otomatis akan membuatkan sebuah m-file dengan nama yang sama, yaitu file berekstensi *.m.
b. Memprogram Komponen GUI
BAB III
METODOLOGI PENELITIAN
Bab ini akan menjelaskan mengenai proses pembuatan aplikasi mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan thresholding. Proses perancangan aplikasi dalam sub-bab ini akan dibagi menjadi beberapa tahap antara lain : analisis, gambaran aplikasi secara umum, perancangan proses.
3.1. Data Set
Tabel 3.1 Tabel Data Set
Gambar J arak
Pengambilan
Keterangan
40 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
40 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Cahaya Normal
30 cm Setengah Gelap
30 cm Setengah Gelap
30 cm Setengah Gelap
3.2. Analisa Sistem
terhadap citra yang terdeteksi, selanjutnya adalah proses opening secara umum menghaluskan garis – garis bentuk obyek, menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan – penonjolan yang tipis. Tahap berikutnya yang dilakukan adalah erosi, Erosi adalah mengecilkan atau menipiskan obyek citra biner. Hasil dari proses erosi yang telah kita lakukan, Setelah itu dilakukan proses dilasi yang melakukan penumbuhan / penebalan pada obyek citra biner selanjutnya yang terakhir dalam pembuatan aplikasi adalah proses closing. Closing adalah mengisi lubang kecil pada objek, menggabungkan objek - objek
yang berdekatan, dan secara umum men-smooth-kan batas dari objek besar tanpa mengubah area objek secara signifikan.
3.3. Gambaran Aplikasi secara Umum
Secara garis besar untuk melakukan pendeteksian tepi pada tambak melalui bebarapa proses yaitu meliputi :
1) Citra masukan berupa citra berwarna
Gambar 3.1 Flowchart Alur Pr ogram. 3) Output
Melakukan pendeteksian tepi setelah proses opening, erosi, canny, dilasi, closing, thresholding Citra keluaran akan berupa berapa piksel warna putih. Pada
implementasinya aplikasi ini melakukan pengambilan gambar sample memakai kamera digital dan kamera handphone.
3.3.1. Perancangan Pr oses
3.3.2. Grayscale
Grayscale merupakan proses pengolahan citra dengan cara mengubah
nilai-nilai piksel awal citra menjadi sebuah citra keabuan.
Gambar 3.2 Flowchart Grayscale
Langkah awal pada flowchart grayscale adalah citra masukan berwarna yang kemudian akan diproses menjadi citra grayscale. Citra keabuan adalah citra yang setiap pikselnya mengandung satu layer dimana nilai intensitasnya berada pada interval 0-255, sehingga nilai-nilai piksel pada citra keabuan tersebut dapat direpresentasikan dalam sebuah matriks yang dapat memudahkan proses perhitungan pada operasi berikutnya. Di dalam MATLAB untuk menggubah piksel RGB ( Red Green Blue) menjadi skala keabu – abuan dengan menggunakan fungsi rgb2gray.
Variabel gray berfungsi untuk menampung hasil konversi citra RGB kecitra abu – abu. Citra yang dikonversi adalah citra titik api yang ditampung dalam variabel I.
3.3.3. Threshoding
Pada proses ini akan mengetahui citra keluaran akan berupa berapa piksel warna putih.
Gambar 3.3 Flowcahrt Thresholding
Setelah dilakukan tahap grayscale kemudian dilakukan tahap thresholding. Pada tahap ini yang digunakan adalah thresholding. Berikut adalah potongan baris program piksel.
3.3.4. Deteksi Tepi (Canny)
Pada proses ini akan dideteksi tepi. Deteksi tepi yang digunakan adalah canny. Kelebihan dari metode canny ini adalah kemampuan untuk mengurangi
noise sebelum melakukan perhitungan deteksi tepi sehingga tepi – tepi yang dihasilkan lebih banyak.
Gambar 3.4 Flowchart Deteksi Tepi (Canny)
Setelah proses erosi langkah selanjutnya adalah deteksi tepi. Metode yang digunakan adalah metode canny. Operator canny adalah salah satu deteksi tepi yang paling modern dan keampuhannya. Berikut adalah potongan baris program canny.
3.3.5. Opening
Pada proses ini akan dideteksi tepi. Opening adalah menghaluskan garis – garis bentuk obyek, menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan – penonjolan yang tipis.
Gambar 3.5 Flowchart Opening
Setelah didapatkan citra objek yang tersambung kemudian dilakukan tahap opening. Pada tahap ini yang digunakan adalah opening, berikut adalah potongan
baris program opening.
se= strel ('disk',8); o= imopen (gray,se);
3.3.6. Erosi
penebalan. Erosi dapat dianggap sebagai operasi morphological filtering dimana detail citra yang lebih kecil dari strel akan difilter (dihilangkan) dari citra.
Gambar 3.6 Flowcahrt Erosi
Setelah dilakukan tahap opening kemudian dilakukan tahap erosi. Pada tahap ini yang digunakan adalah erosi. Berikut adalah potongan baris program erosi.
se= strel ('disk',8); e= imerode (o,se);
3.3.7. Dilasi
Gambar 3.7 Flowchart Dilasi
Pada flowchart 3.7 adalah proses dari dilasi. Setelah memproses metode deteksi tepi canny kemudian akan diproses dilasi. Proses ini menyambung garis
pada objek.
se= strel ('disk',1); d= imdilate(cn,se);
3.3.8. Closing
Gambar 3.8 Flowchart Closing
Setelah didapatkan citra objek yang tersambung kemudian dilakukan tahap closing. Pada tahap ini yang digunakan adalah closing. Berikut adalah potongan
baris program closing.
se= strel ('disk',25); c= imclose(d,se); 3.3.9. Invers
Gambar 3.9 Flowcahrt Inver s
Setelah dilakukan tahap closing kemudian dilakukan tahap invers. Pada tahap ini yang digunakan adalah invers. Berikut adalah potongan baris program invers.
x=imcomplement(c); 3.3.10. Hitung
Gambar 3.10 Flowcahrt Hitung
Setelah dilakukan tahap invers kemudian dilakukan tahap hitung. Berikut adalah potongan baris program Hitung.
L=bwlabel(x);
3.3.11. Perancangan Tampilan Antar muka
Dalam membuat program deteksi tepi akan dirancang tampilan GUI maka akan menghasilkan 2 file yaitu namafile.fig dimana GUI disimpan dan namafile.m dimana eksekusi program terkumpul. Masing - masing fig-file ini menghasilkan m-file dengan nama yang sama. Berikut adalah tabel yang berisi perancangan dalam pembuatan program deteksi tepi.
Tabel 3.2 Perancangan Progr am Kinerja Pendeteksian Titik Api
Fig-file Komponen Nama Fungsi
TA Static text
Push button Hitung Menghitung titik api yang terdeteksi Push button Exit Keluar dari aplikasi
Axes (2) - Menampilkan Citra
Axes (3) - Menampilkan Citra
Axes (5) - Menampilkan Citra
Axes (6) - Menampilkan Citra
Axes (7) - Menampilkan Citra
Axes (8) - Menampilkan Citra
BAB IV
HASIL DAN PEMBAHASAN
Pada bab IV ini akan dijelaskan mengenai implementasi, hasil uji coba dan evaluasi dari rancangan program yang telah dibuat pada bab III. Bagian implementasi aplikasi kali ini meliputi : lingkungan implementasi, implementasi data, implementasi antarmuka dan implementasi proses.
4.1. Kebutuhan Hardwar e dan Software
Pada bagian ini akan dijelaskan mengenai perangkat keras dan perangkat lunak yang digunakan pada implementasi aplikasi ini.
Kebutuhan Hardwar e :
a. Komputer dengan processor Intel(R) Core(TM)2Duo CPU T6400 2,00GHz b. RAM (2048MB)
c. VGA Card share memory up to 1274 MegaByte d. Monitor 14”
e. Hard Disk 320 GigaByte Kebutuhan Software : a. Sistem OperasiWindows 7. b. Matlab 7.0
4.2. Implementasi Data
Seperti yang telah dijelaskan secara konseptual pada Bab 3, maka data yang akan diimplementasikan pada aplikasi ini berupa gambar - gambar api yang telah diambil melalui camera digital yang nantinya akan diproses melalui beberapa tahapan. Dimana output berupa tampilan piksel.
4.3. Implementasi Antar muka
Pada implementasi antarmuka ini merupakan interaksi antara pemakai (user) dengan sistem. Halaman form utama ini merupakan tampilan awal saat program dijalankan. Pada form utama ini terdapat program secara keseluruhan beserta dengan prosedur - prosedur programnya. Pada masing – masing menu memiliki fungsi yang berbeda – beda pada aplikasi ini. Berikut penjelasan dari setiap form pada menu utama ini :
a. Mengambil Gambar : untuk membuka file yang akan diproses. b. Proses : untuk melakukan proses deteksi tepi.
menghaluskan garis – garis bentuk objek, menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan – penonjolan yang tipis Kolom keenam adalah erosi sebuah kolom yang menampilkan hasil dari proses menebalkan pixel hitam yang ada pada image Kolom ketujuh adalah dilasi sebuah kolom yang menampilkan hasil proses dilasi menebalkan pixel putih sehingga akan terlihat titik api pada pixel hitam Kolom kedelapan closing sebuah kolom yang menampilkan hasil proses closing yaitu akan menyatukan (fuse) patahan-patahan yang sempit, menutup lubang-lubang kecil dan menghaluskan kontur.
4.4. Implementasi Pr oses
Bagian implementasi proses ini menjelaskan mengenai implementasi proses - proses sesuai dengan konsep yang telah dibuat pada bab 3. Seperti yang telah digambarkan dalam flowchart.
4.4.1. Mengambil Gambar
Pada proses mengambil gambar ini, yaitu merupakan sebuah proses yang bertujuan untuk menampilkan inputan berupa gambar. Gambar yang dapat dibuka hanya gambar yang berformat jpg, bmp, png, tif.
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
proyek=guidata(gcbo);
set(proyek.figure1,'CurrentAxes',proyek.axes1);
set(imshow(I));
set(proyek.figure1,'userdata',I);
Gambar 4.1 Source Code mengambil gambar
4.4.2. Proses
% --- Executes on button press in Proses.
function Proses_Callback(hObject, eventdata, handles)
% hObject handle to Proses (see GCBO)
%eventdata reserved - to be defined in a future version ofMATLAB
% handles structure with handles and user data (see GUIDATA)
%dteksi tepi axes3
proyek=guidata(gcbo);
I=get(proyek.axes1,'userdata');
gray=rgb2gray(I);
set(proyek.figure1,'CurrentAxes',proyek.axes2);
set(imshow(gray));
set(proyek.axes2,'userdata',I);
%Thresholding
I = graythresh (gray);
BW = im2bw (gray,0.9);
set(proyek.figure1,'CurrentAxes',proyek.axes3);
set(imshow(BW));
set(proyek.axes3,'Userdata',I);
%canny
cn = edge(gray,'canny');
set(proyek.figure1,'CurrentAxes',proyek.axes4);
set(imshow(cn));
%opening
se= strel ('disk',8);
o= imopen (gray,se);
set(proyek.figure1,'CurrentAxes',proyek.axes5);
set(imshow(o));
set(proyek.figure1,'CurrentAxes',proyek.axes6);
set(imshow(e));
set(proyek.figure1,'CurrentAxes',proyek.axes7);
set(imshow(d));
set(proyek.figure1,'CurrentAxes',proyek.axes8);
set(imshow(c));
%invers
x=imcomplement(c);
set(proyek.figure1,'CurrentAxes',proyek.axes34);
set(imshow(x));
set(proyek.axes34,'Userdata',I);
Gambar 4.2 Source code Proses
4.5. Uji Coba Program
Pada sub bab ini akan dibahas mengenai uji coba terhadap aplikasi yang telah dibuat dan selanjutnya akan dievaluasi dari hasil uji coba tersebut. Uji coba dilaksanakan untuk mengetahui kemampuan aplikasi dapat berjalan dengan baik sesuai dengan rancangan. Evaluasi dilakukan untuk menentukan tingkat keberhasilan dari aplikasi yang dibuat.
4.5.1. Skenario Uji Coba
Untuk memastikan bahwa aplikasi ini berjalan dengan baik, diperlukan adanya skenario yang akan dicoba, antara lain :
a. Memasukkan beberapa Gambar untuk melihat perbedaan keberhasilan, karena tiap - tiap gambar hasil Perolehan gambar dari camera digital selalu berbeda, hal itu dipengaruhi oleh pencahayaan, serta kondisi objek gambar yang akan diambil, saat pemrosesan berlangsung.
c. Melakukan proses grayscale, opening, erosi, canny, dilasi, closing, thresholding, oleh karena itu perlu diuji tingkat keberhasilan pada obyek
gambar api dengan real.
4.5.2. Pelaksanaan UjiCoba
Langkah pertama dalam membuat program deteksi tepi adalah dengan merancang tampilan program dengan menggunakan GUI pada Matlab. Setelah perancangan program deteksi tepi dan prosesnya dibuat dimasukkan source code kedalam program, maka langkah terakhir adalah dengan mencoba program tersebut. Dengan menekan tombol Run, akan diperoleh hasil dari program titik api. Gambar-gambar dibawah ini merupakan tampilan program mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan thresholding.
Gambar 4.3 Tampilan awal aplikasi
komputer, dan kemudian cari letak image tersebut kemudian klik dua kali pada image.Image yang diambil pada mengambil gambar adalah file image yang
berformat JPEG atau BMP. Menu tombol aplikasi lainnya tidak bisa dijalankan sebelum proses direktori mengambil gambar selesai dijalankan.
Gambar 4.4 Tampilan mengambil gambar
Tombol proses akan menampilkan seluruh proses pengolahan citra digital yaitu grayscale, thresholding, canny, opening, erosi, dilasi, dan closing.
Tombol hitung berfungsi untuk menjalankan proses hasil titik api dari program yang telah di proses.
Gambar 4.6 Tampilan Hitung
4.5.3 Pr oses Grayscale
Gambar 4.7 Proses Grayscale
variasi intensitas putih dan hitam. Sebuah image yang dijadikan Grayscale akan terkesan berbeda bila dibandingkan dengan image berwarna.
4.5.4 Pr oses Thresholding
Gambar 4.8 Proses Thresholding
Pada proses iniadalah suatu metode yang digunakan untuk memisahkan antara obyek dan backgroundnya. Thresholding adalah teknik yang sederhana tapi efektif untuk segmentasi citra..
4.5.5 Pr oses Deteksi Tepi (Canny)
Pada proses ini pengambilan garis tepi dilakukan untuk memudahkan perhitungan parameter - parameter lingkaran iris nantinya. Tepian citra dapat didefinisikan sebagai piksel yang mengalami perubahan tajam pada skala keabuannya.
4.5.6 Pr oses Opening
Gambar 4.10 Proses Opening
Pada tahap ini operator opening menghaluskan garis – garis bentuk objek, menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan – penonjolan yang tipis. dan secara umum men—smooth-kan batas dari objek besar tanpa mengubah area objek secara signifikan.
4.5.7 Pr oses Erosi
Pada tahap ini Erosi adalah sebuah operasi yang meningkatkan ukuran dari latar belakang (dan mengikis objek latar depan) pada citra biner.
4.5.8 Pr oses Dilasi
Gambar 4.12 Proses Dilasi
Pada proses ini objek pada citra dilambangkan dengan piksel putih, walaupun untuk beberapa implementasi objek pada citra dilambangkan dengan piksel hitam.
4.5.9 Pr oses Closing
Gambar 4.13 Proses Closing
4.5.10 Pr oses Invers
Gambar 4.14 Proses Invers
Pada proses ini operator invers merubah sebuah objek dari hitam ke putih dirubah menjadi putih ke hitam sehingga akan mendapatkan nilai pixel putih dalam objek tersebut.
4 .5 .1 .Ta b el Eva lu a si Cit r a Se m p ur n a
No. Citra Asli Citra Hasil Program Evaluasi
Hasil Program Titik Api
2 5
3 3
4 3
5 3
6 4
8 3
9 4
10 2
11 3
12 4
14 3
15 3
16 4
Pada tabel diatas menjelaskan bagaimana kinerja pendeteksian titik api dapat di ketahui dengan sempurna dari 18 citra tanpa adanya pembiasan cahaya atau over segmentation.
4 .5 .2 .Ta b el Eva lu a si Cit r a Ku r a n g Se m p ur n a
No Citra Asli Citra Hasil Program Evaluasi
1 11
2 4
Pada tabel diatas menjelaskan bagaimana dari 18 citra titik api terdapat dua tidak dapat terdeteksi dengan sempurna karena pembiasan cahaya dan over segmentation.
4 .6 . Pen gu jia n Va lid it a s Ap lik a si
Pengujian Validitas Aplikasi dilakukan untuk mencari seberapa jauh kesamaan atau kesepakatan responden dalam menilai aplikasi mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan thresholding.
jawaban kedua dalam SPSS. Berikut adalah tabel yang merupakan hasil jawaban responden:
Tabel 4.5.3 Tabel Data Observasi Responden
1 2
Setelah hasil jawaban koresponden telah terkumpul, langkah berikutnya adalah mengelompokkannya berdasarkan hasil kesepakatan. Berikut adalah tabel pengelompokannya:
Tabel 4.5.4 Tabel kesepakatan r esponden
Symmetric Measures
Value
Asymp. Std.
Errora Approx. Tb Approx. Sig.
Measure of Agreement Kappa .069 .051 1.035 .301
N of Valid Cases 30
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
Gambar 4.15 Hasil Penghitungan Kappa Cohen
Hasil olah data kuesioner menggunakan Kappa Kohen menghasilkan bahwa dari 30 pertanyaan menunujukkan nilai K=0.069. Berdasarkan table kesepakatan Fleiss (1981) diperoleh kesimpulan bahwa nilai K=0.069 masuk dalam kategori memuaskan. Kategori tersebut dapat diartikan bahwa belum ditemukan kesepakatan antara koresponden pertama dan kedua bahwa aplikasi ini
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah dilakukan pembahasan teori, perancangan aplikasi, dan pengujian terhadap aplikasi pada bab - bab sebelumnya, maka pada bab penutup ini akan diambil kesimpulan serta saran pengembangan dari tugas akhir “Mengetahui Kinerja Pendeteksian Titik Api Dengan Menggunakan Pendekatan Thresholding” ini.
1) Mengetahui kinerja pendeteksian titik api dengan pendekatan thresholding dilakukan dengan proses mencari image titik api pengambilan image pada camera digital dapat dipengaruhi dari pencahayaan dari titik api, karena hal itu sangat berpengaruh terhadap keberhasilan pada proses deteksi tepi titik api. Pada proses untuk mengetahui obyek yang tersisah dengan utuh, image harus diproses melalui operasi citra digital antara lain grayscale, thresholding, canny, opening, erosi, dilasi dan closing, agar terlihat titik api sebenarnya.
2) Dari beberapa hasil uji program titik api hanya terdapat lima yang kurang maksimal dan kurang jelas titik api dari 16 gambar yang telah di proses pada aplikasi tersebut.
3) Tidak jelasnya titik api pada citra dikarenakan pembiasaan cahaya yang berlebihan.
5.2 Sar an
Dalam penulisan skripsi ini, masih banyak terdapat kekurangan disetiap segi materinya. Oleh karena itu, diharapkan saran dan kritik dari para pembaca yang bersifat membangun untuk kedepannya sehingga penulisan tentang tugas akhir ini menjadi lebih baik lagi. Diharapkan bagi para pembaca untuk melengkapi dan mengkaji lebih jauh lagi tentang deteksi tepi dalam melakukan penelitian selanjutnya, Selain itu program yang dibuat diharapkan bisa lebih baik lagi.
a) Penelitian dapat dilakukan pada objek yang berbeda, misalkan pendeteksi kebakaran rumah dan sebagainya.
DAFTAR PUSTAKA
Ardiantoro, (2010), Pengolahan Citr a, diakses pada tanggal 15 November 2013. darihttp://jaming89.wordpress.com/2010/09/28/pengolahan-citra-digital Agung Priyo, (2005), Pengolahan Citr a, diakses tanggal 1 November 2013.
darihttp://elib.unikom.ac.id/download.php?id=4659
Anonim, (1996), ArtificialIntelligence, diakses pada tanggal 1 November 2013. darihttp://www.its.bldrdoc.gov/fs-1037/dir-003/_0371.html
Dougherty, (2009), Structuring Element,Er osi,Dilasi,Closing, Rekontruksi, Thr esholding diakses pada tanggal 20 November 2013.
darihttp://en.wikipedia.org/wiki/Invers
Prasetyo Eko, (2011), Pengolahan Citr a Digital Dan Aplikasinya Menggunakan Matlab
Munir, R. 2004. Pengolahan Citra Digital. Informatika. Bandung.
Shapiro, L.G. and Stockman, G.C., (2001), Analog Image dan Digital Image, diakses pada tanggal 23 November 2013.
darihttp://digilib.ittelkom.ac.id/index.php
Susanto Agus, (2010), Citr a RGB dan Grayscale. diakses pada tanggal 26 November 2013. darihttp://citra-rgb-dan-grayscale.html
Saraswati, W.S. 2010. Transformasi Wavelet Dan Thresholding Pada Citra Menggunakan Matlab. Jurnal TSI, Vol.1, No.2, 128.
Teuinsuksa, (2009), Guide Matlab, diakses pada tanggal 26 November 2013. darihttp://modul-guideuploader-by-Teuinsuksa2009-wordpress-com.pdf Usman Ahmad, (2005), Pengolah Citr a Digital & Teknik Pemogr amannya.
Graha Ilmu, yogyakarta.
Yeni Herdiyeni, (2004) Departemen Ilmu Komputer IPB, Bogor
Widhiarso, Wahyu.”SPSS Untuk Psokologi”. Fakultas Psikologi UGM. Yogyakarta.
