DETEKSI TEPI SOBEL
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika
Disusun oleh :
NUR FIBRIA NPM. 0934010255
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR
SURABAYA
MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE DETEKSI TEPI
SOBEL
Disusun Oleh :
NUR FIBRIA NPM. 0934010255
Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang III Tahun Akademik 2012/2013
Pembimbing Utama Pembimbing Pendamping
Eko Prasetyo, S.Kom M.Kom Ir. Purnomo Edi Sasongko, MP
NPT.379071002911 NIP. 196407141988031001
Mengetahui,
Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri UPN ”Veteran” Jawa Timur
MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE DETEKSI TEPI
SOBEL
Disusun Oleh :
NUR FIBRIA NPM. 0934010255
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Pada Tanggal 14 Juni 2013
Pembimbing : Tim Penguji :
1. 1.
Eko Prasetyo, S.Kom M.Kom Budi Nugroho ,S.Kom,M.Kom
NPT.379071002911 NPT.380060502051
2. 2.
Ir. Purnomo Edi Sasongko, MP Ir. Purnomo Edi Sasongko, MP
NIP. 196407141988031001 NIP. 196407141988031001
3.
I.Made Suartana,S.Kom,M.Kom NPT.
Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
PANITIA UJIAN SKRIPSI / KOMPREHENSIF
KETERANGAN REVISI
Mahasiswa di bawah ini : Nama : Nur Fibria NPM : 0934010255 Jurusan : Teknik Informatika
Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang III, TA 2012/2013 dengan judul:
“MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE
DETEKSI TEPI SOBEL”
Surabaya, 14 Juni 2013 Dosen Penguji yang memerintahkan revisi:
1) Budi Nugroho ,S.Kom,M.Kom NPT.380060502051
2) Ir. Purnomo Edi Sasongko, MP NIP. 196407141988031001
3) I.Made Suartana,S.Kom,M.Kom NPT
Mengetahui,
Pembimbing Utama Pembimbing Pendamping
Eko Prasetyo, S.Kom M.Kom Ir. Purnomo Edi Sasongko, MP NPT.379071002911 NIP. 196407141988031001
{
}
{
}
iii
Dengan mengucapkan Puji Syukur kehadirat Allah SWT yang telah melimpahkan Rahmat serta Hidayah-Nya, sehingga tersusunlah Tugas Akhir ini
dengan judul “Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi
Tepi Sobel”. Penyusunan Tugas Akhir ini merupakan salah satu syarat dalam
rangka menyelesaikan Program Strata Satu (S1) pada jurusan Teknik Informatika
Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.
Dalam menyelesaikan Tugas Akhir ini penulis menyadari telah banyak mendapatkan bantuan dari berbagai pihak, bagi segi moril maupun materil. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih yang saya tunjukan kepada:
1. Allah SWT., karena berkat Rahmat dan berkahNya kami dapat menyusun dan menyelesaikan Laporan Skripsi ini hingga selesai.
2. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor UPN
5. Bapak Frinda , S.Kom., Selaku PIA Tugas Akhir Teknik Informatika UPN
“Veteran” Jawa Timur.
iv
yang membangun dalam menyusun skripsi ini hingga selesai.
8. Kedua orang tua tercinta yang selalu senantiasa memberikan kasih sayang, dukungan dan selalu mendoakanku selama ini .
9. Adek ku tersayang Nopian Arengga dan seluruh keluarga besar terima kasih atas doa dan dukunganya sehingga Tugas Akhir ini selesai.
10.My Bunny yang selalu mendukung dan menyemangati saya dalam mengerjakan Tugas Akhir ini.
11.Saya ucapakan terimah kasih kepada sahabat-sahabatku tersayang Ganggang Irianto , Rizky Sulistiawan , Novia Violeta dan Naufal Syarif yang sudah memberi semangat dan dukunganya sehingga Tugas Akhir ini selesai.
12.Saya ucapkan terima kasih kepada Rully Gita Hartantyo dan Asep Kurniavi Wardhana yang telah membantu dalam penyelesaian Tugas Akhir Ini.
13.Tidak lupa saya ucapkan banyak terima kasih kepada teman-teman yang tidak bisa kami sebutkan satu-persatu.
ii
Syukur Alhamdulillaahi rabbil ‘alamin terucap ke hadirat Allah SWT atas segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan keberuntungan yang dimiliki peneliti, akhirnya peneliti dapat menyelesaikan Skripsi yang berjudul “Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi Tepi Sobel” tepat waktu.
Skripsi dengan beban 4 SKS ini disusun guna diajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika, Fakultas Teknologi Industri, UPN ”VETERAN” Jawa Timur.
Melalui Skripsi ini peneliti merasa mendapatkan kesempatan emas untuk memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkuliahan, terutama berkenaan tentang pengolahan citra digital. Namun, penyusun menyadari bahwa Skripsi ini masih jauh dari sempurna. Oleh karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca untuk pengembangan aplikasi lebih lanjut.
Surabaya, 17 Juni 2013
v
Halaman
ABSTRAK ... i
KATA PENGANTAR ... ii
UCAPAN TERIMAH KASIH ... iii
DAFTAR ISI... v
BAB II TINJAUAN PUSTAKA ... 5
2.1.Penelitian Terdahulu ... 5
2.2.Artifical Intelligence ... 5
2.3. Image... 6
2.3.1.Analog Image ... 6
2.3.2.Digital Image ... 6
2.4.Computer Vision ... 7
2.5.Operasi Image Processing ... 8
2.6.Elemen Citra ... 11
2.7.Pengolahan Citra Digital ... 13
2.8.RGB (Red, Green, Blue) ... 14
2.9.Citra Grayscale... 15
2.10.Morfologi ... 15
vi
2.10.4.Filling Holes... 18
2.10.5 Smoothing ... 18
2.11.Preccion dan Recall... 19
2.12.Metode Sobel ... 20
2.13.Flowchart ... 24
2.14.Simbol-simbol flowchart ... 24
2.15 Matlab ... 29
2.16.Kelengkapan pada Sistem MATLAB tersusun dari 5 bagian utama: ... 31
2.17.GUI / GUIDE MATLAB ... 32
2.18.Membuat GUI dengan MATLAB ... 33
BAB III METODEOLOGI PENELITIAN ... 47
3.1Data Set ... 35
3.2 Analisa Sistem ... 36
3.3 Gambaran Aplikasi secara Umum ... 37
3.4. Perancangan proses ... 39
3.4.1.Grayscale... 39
BAB IV HASIL DAN PEMBAHASAN ... 48
4.1.Kebutuhan Hardware dan Software ... 48
4.2Implementasi Data ... 49
4.3.Implementasi Antarmuka ... 49
4.4.Implementasi Proses ... 51
4.4.1.Proses Load ... 51
4.4.2Proses ... 51
vii
4.4.6Proses Open ... 54
4.5.Uji Coba Program ... 55
4.5.1Skenario Uji Coba ... 55
4.5.2Proses Uji Coba... 55
4.6.Evaluasi ... 61
4.7.Tabel Evaluasi ... 66
BAB V KESIMPULAN DAN SARAN ... 69
5.1.Kesimpulan ... 69
5.2. Saran ... 69
Penyusun : Nur Fibria
Pembimbing I : Eko Prasetyo S,Kom M,Kom
Pembimbing II : Ir. R. Purnomo Edi Sasongko, MP
i
ABSTRAK
Salah satu tahapan utama dalam pengolahan citra digital adalah proses pendeteksian tepi, dengan adanya proses ini batas antara objek dengan latar belakang dapat ditentukan dengan baik. Deteksi tepi bertujuan untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra dan memperbaiki serta mengubah citra. Ada banyak metode pendeteksi tepi yang saat ini dikenal, dalam penelitian ini metode pendeteksian tepi yang digunakan adalah Metode Sobel.
Analisis citra merupakan salah satu metode dalam pengolahan citra digital. Proses yang dilakukan dalammendeteksitepidimulai dari masukan gambar asli kemudian akan dirubah menjadi citra grayscale, deteksi tepi Sobel, Dilasi, Closing, Filling Holes dan Smoothing. Perangkat yang digunakan dalam skripsi ini adalah Matlab 7.0.
Penulisan ini membahas tentang Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi Tepi Sobel. Berdasarkan hasil akhir yang didapatkan dapat mengetahui luas lubang aspal dan diameter lubang aspal.
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Analisis pada citra berguna dalam berbagai dunia ilmu pengetahuan. Penelitian mengenai bentuk dan tingkah laku dari suatu objek adalah penting untuk mendapatkan suatu hasil yang baik. Pembacaan citra secara konvensional dapat dilakukan, tetapi hal ini menyebabkan pengukuran secara konvensional tidak efisien. Selain itu pembacaan citra secara konvensional terkadang kurang akurat ketika dilakukan dengan pengamatan langsung tanpa pengambilan citra digital.
kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.
Informasi mengenai luas retak permukaan jalan merupakan salah satu sistem manajemen pemeliharaan jalan. Besaran luas retak permukaan ini merupakan salah satu faktor yang menentukan dalam menghitung kebutuhan perbaikan dan juga digunakan untuk penentuan tingkatan kondisi jalan. Metoda konvensional untuk survei kerusakan ini biasanya dilakukan dengan berjalan kaki dimana surveyor mencatat luas retak yang ditemui pada lokasi tertentu. Saat ini dengan berkembangnya pengetahuan mengenai teknologi kamera digital dan kemajuan ilmu komputer, tipe survei bergeser dari manual menjadi digunakan adalah tipe kamera digital dengan resolusi sedang sampai tinggi. Pemrosesan citra digital digunakan sebagai dasar dalam menganalisis citra foto yang dikumpulkan.
Dalam tugas akhir ini penulis mengambil judul Mengukur Luas Lubang Aspal Menggunakan Metode Deteksi Sobel.
1.2. Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya, terdapat beberapa permasalahan yang akan diangkat dalam Tugas Akhir ini, meliputi :
a. Bagaimana menerapkan tahapan proses untuk membuat aplikasi yang dapat mengukur luas lubang aspal dengan operasi citra digital.
1.3. Batasan Masalah
Dari perumusan masalah di atas terdapat beberapa batasan masalah, antara lain:
a. Diasumsikan gambar luas lubang aspal, dengan mengambil foto langsung atau surve dijalan raya yang mengalami kerusakan dan berlubang.
b. Implementasi sistem Tugas Akhir ini dikembangkan menggunakan pemrograman Matlab.
c. Dengan menentukan skala dari kamera digital yang digunakan dalam proses pengambilan citra dengan jarak ketinggian 1meter, panjang 135cm dan panjang pixel 640pixel. caranya sebagai berikut : 135 ÷ 640 = 0.2109 . Jadi ketetapan skalanya adalah 0.2109.
1.4. Tujuan
Tugas akhir ini dilaksanakan dengan tujuan :
a. Mengukur luas lubang aspal dengan menggunakan metode deteksi tepi sobel. b. Dapat mengatahui tingkat kerusakan lubang pada aspal.
1.5. Manfaat
Manfaat dari penulisan tugas akhir ini adalah : a. Mengetahui hasil luas lubang aspal.
b. Menghasilkan sistem yang mampu mengukur luas lubang aspal.
5
TINJAUAN PUSTAKA
2.1.Penelitian 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 Landung Pambudi tahun 2011 dengan judul “Aplikasi Deteksi Tepi Lesi Kanker Serviks Menggunakan Metode Sobel”. Penulisan ini bertujuan membuat aplikasi yang dapat mendiagnosa kanker serviks melalui deteksi tepi lesi dengan metode Sobel, sehingga di harapkan dapat membantu bidang kedokteran dalam
mendeteksi dini kanker serviks.
2.2.Artifical Intelligence
Artifical Intelligence atau Kecerdasaan Buatan (disingkat AI) adalah kemampuan suatu alat untuk melakukan fungsi yang biasanya dihubungkan dengan kecerdasaan manusia, seperti penalaran dan pembelajaran melalui pengalaman, AI adalah cabang dari computer science yang berupaya meniru kemampuan penalaran manusia dengan
Bidang aktivitas AI meliputi sistem sisitem pakar, pengenalan bahasa alami, pengenalan suara, pengelihatan komputer (Computer Vision) dan robotika (Anonim : 1996).
2.3.Image
Data masukan yang diproses adalah suatu image.Image merupakan sebuah representasi khusus dari suatu obyek, baik obyek dua dimensi maupun tiga dimensi, dimana representasi tersebut dinyatakan dalam bentuk dua dimensi. Image dapat berbentuk nyata, maya, ataupun dalam bentuk optik. Selain itu, image juga dapat berupa rekaman, seperti video image, digital image, atau sebuah gambar (Haralick dan Shapiro,
1992, pl). Image dapat dikategorikan sebagai:
2.3.1. Analog Image
Menurut Shapiro dan Stockman (2001, p29), analog image adalah image 2D F(x,y) yang memiliki ketelitian tidak terbatas dalam parameter spasial x dan y dan ketelitian tak terbatas pada intesitas tiap titik spasial (x,y).
2.3.2. Digital Image
dimensi dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital image dapatdiperoleh dari berbagai macam alat adan teknik pengambil gambar, seperti kamera digital, scanner, radar, dan sebagainya. Dapat pula disentesis dari data seperti fungsi matematika dan lain-lain. (Anonim, 2005a). Menurut Jian, Kasutri dan Schunck (1995, p12), pixel adalah sampel dari intesitas image yang terkuantitas ke dalam nilai integer. Sementara image merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan menjadi input awal dan Computer Vision. Beberapa bentuk digital image yang sering digunakan dalam Computer Vision (Shapiro dan Stockman, 2001, p30):
a. Binary image, yaitu digital image dengan nilai pixel 1 atau 0. b. Gray scale image, yaitu digital image monochrom dengan satu
nilai intensitas tiap pixel.
c. Multispectral image, adalah image 2D yang memiliki vector nialai pada tiap pixel, jika image berwarna maka vectornya memiliki 3 elemen.
d. Labeled image, adalah image dimana nilai pixel adalah simbol dari alfabet terbatas.
2.4.Computer Vision
Menurut Shapiro dan Stockman (2001, p1), tujuan dari Computer Vision adalah untuk membuat keputusan yang berguna tentang objek dunia
deskripsi atau model objek tersebut dari gambar. Karena itu dapat dikatakan bahawa tujuan dari Computer Vision adalah untuk membangun deskripsi keadaan dari image.
Artifical Intelligence digunakan untuk menganilisi keadaan dengan
memproses representasi simbolik dari isi lingkungan setelah image telah diproses untuk diambil fiturnya. Banyak teknik dari Artifical Intelligence berperan penting didalam seleuruh aspek Computer Vision. Pada dasarnya Computer Vision merupakan cabang dari Artifical Intelligence. (Jain, Kutisari dan Schunck, 1995,p5).
2.5.Operasi Image Processing
Ada beberapa operasi yang dapat dilakukan oleh image processing antara lain:
a. Image Enhancement (peningkatan kualitas gambar)
kabur dan mengkoreksi distorsi yang disebabkan alat optis atau tampilan. Untuk melakukan proses image enhancement, ada beberapa teknik yang dapat dicoba berdasarkan cakupan pada operasinya, diantaranya:
Operasi titik.
Dalam image enhancement dilakukan dengan memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang diharapkan. Teknik yang dilakukan di bagi menjadi tiga bagian yaitu: Intensity Adjustment, Histogram Equalization, Thresholding.
Operasi spasial.
Dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel konvolusi 2-dimensi.
Operasi transformasi.
Teknik ini dilakukan dengan cara mentransformasi citra asal ke dalam domain yang sesuai bagi proses enhancement, melakukan proses enhancement pada domain tersebut, mengembalikan citra ke dalam domain spasial untuk ditampilkan/diproses lebih lanjut.
b. Image Restoration (pemulihan gambar)
c. Image Compression (kompresi gambar)
Kompresi gambar bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Hal ini sangat berguna apabila ingin mengirimkan gambar berukuran besar. Gambar yang berukuran besar akan berpengaruh pada lamanya waktu pengiriman. Maka dari itu kompresi gambar akan memadatkan ukuran gambar menjadi lebih kecil dari ukuran asli sehingga waktu yang diperlukan untuk transfer data juga akan lebih cepat. Ada dua tipe utama kompresi data, yaitu kompresi tipe lossless dan kompresi tipe lossy. Kompresi tipe lossy adalah kompresi dimana terdapat data yang hilang selama proses kompresi. Akibatnya kualitas data yang dihasilkan jauh lebih rendah daripada kualitas data asli. Sementara itu, kompresi tipe lossless tidak menghilangkan informasi setelah proses kompresi terjadi, akibatnya kualitas citra hasil kompresi juga tidak berkurang.
Ada beberapa hal yang mesti di perhatikan saat melakukan kompresi gambar, yaitu:
Resolusi. Resolusi merupakan ukuran panjang kali lebar dalam suatu gambar yang digambarkan dalam satuan pixel.
Redundansi. Redundansi adalah keadaan di mana representasi suatu elemen data tidak bernilai signifikan dalam menggambarkan keseluruhan data.
d. Image Refresention & Modelling (representasi dan permodelan gambar)
Pada operasi ini melakukan representasi yang mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.
2.6.Elemen Citra
Citra mengandung sejumlah elemen dasar yang dapat di manipulasi dalam pengolahan citra. Menurut Suwono (2010), Elemen dasar yang tergabung dalam citra antara lain :
1. Warna
gelombang berbeda. Kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), blue (B).
2. Kecerahan (brightness)
Kecerahan disebut juga intensitas cahaya. Kecerahan pada sebuah piksel (titik) di dalam citra bukanlah intensitas yang rill, tetapi sebenarnya adalah intensitas rerata dari suatu area yang melingkupinya.
3. Kontras
Kontras menyatakan sebaran terang dan gelap di dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi citranya adalah terang atau sebagian besar gelap. Pada citra dengan kontras yang baik, komposisi gelap dan terang tersebar secara merata.
4. Kontur
Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada piksel yang bertetangga. Karena adanya perubahan intensitas, mata manusia dapat mendeteksi tepi objek di dalam citra.
5. Bentuk (shape)
objek dapat diekstraksi dari citra pada permulaan prapengolahan dan segmentasi citra.
6. Tekstur
Tekstur diartikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel yang bertetangga. Jadi tekstur tidak dapat didefinisikan untuk sebuah piksel. Sistem visual manusia menerima informasi citra sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala pada mana tekstur tersebut dipersepsi.
2.7. Pengolahan Citra Digital
Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan :
1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.
2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.
pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali (Ardiantoro : 2010).
2.8. RGB (Red, Green, Blue)
Gambar 2.1 Red, Green, Blue (Agus, 2010)
2.9.Citra Grayscale
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”, dimana pada konteks komputer, citra hitam putih hanya
terdiri atas 2 warna saja 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 (Agus : 2010).
2.10. Morfologi
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)
2.10.1.Structuring Element :
Structuring element dapat berukuran sembarang. Structuring element juga memiliki titik poros (disebut juga titik origin/ titik asal/titik acuan). Operasi morfologi yang dapat dilakukan diantaranya:
Dilasi, Closing, Filling Holes, Smoothing.
2.10.2.Dilasi
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.
Algoritma yang dilakukan pada dilasi adalah sebagai berikut :
a. Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.
b. 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 2.2 Dilasi
2.10.3.Closing :
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.
2.10.4 Filling Holes
Pada proses ini akan filling holes. Filling Holes merupakan proses untuk pengisian lubang , pengisian lubang adalah fungsi imfill dengan optional argument “holes” yang digunakan.
j=imfill(i,'holes');
2.10.5 Smoothing
Pada proses ini akan dismothing. Smoothing merupakan proses untuk menghilangkan efek pada citra digital.
Setelah didapatkan citra objek yang terfiltering kemudian dilakukan tahap smothing. Pada tahap ini yang digunakan adalah smothiing. Berikut adalah potongan baris program smoothing.
l=imclose(imopen(j,k),k);
2.11. Preccion dan Recall
Menurut Abidin (2009), preccion adalah jumlah sampel berkategori positif diklasifikasi benar dibagi dengan total sampel yang diklasifikasi sebagai sample positif. Sedangkan recall merupakan jumlah sampel diklasifikasi positif dibagi total sampel dalam testing set berkategori positif. Dari uji program dilakukan proses perhitungan preccion dan recall untuk mengetahui berapa hasil akurat dari aplikasi yang telah dibuat. Maka dari itu digunakan rumus sebagai berikut:
TP = A & B FP = B & A1 FN = B1& A TN = A1& B1
Keterangan:
TP(True Positive)= Asli aspal terdeteksi aspal.
FN(False Negative)= Asli aspal terdeteksi bukan aspal.
TN(True Positive)= Bukan aspal terdeteksi bukan aspal
2.12. Metode Sobel
Proses yang digunakan oleh operator sobel merupakan proses dari sebuah konvolusiyang telah di tetapkan terhadap citra yang terdeteksi. Dalam operator sobel digunakanmatrik konvolusi 3 X 3 dan susunan piksel-pikselnya di sekitar pixel (x, y). Operator sobel merupakan pengembangan Operator robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Operator ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari Operator sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.
a
0a
1a
2a
3a
ija
4a
5a
6a
7Gambar 2.3 Matrik 3x3 pada area image.
Didefenisikan Gy sebagai arah penelusuran secara vertical
dan Gx sebagai penulusuran arah secara horizontal :
definisi menggunakan nilai mutlak diberikan :
| | | |
Membandingkan area diatas dari persamaan kita lihat bahwa Gyadalah berbeda antara baris pertama dan ketiga, dimana elemen terdekat aij yakni lebih besar dua kali dibanding nilai yang disekelilignya (hal ini berdasarkanintusi wilayah/area0 juga pada persamaan, Gx adalah berbeda antara kolom a3dan a7. Gx adalah arah dari x dan Gy adalah merupakan arah dari y. persamaan dari dan dapat diimplementasikan dari operasi sobel didapat nilai hasil daripersamaan. Teknik spatial filtering menggunakan lagi sebuah matrik yang dinamakan mask. Ukuran matrik mask sama besar dengan matrik piksel yaitu N x N. Didalam mask iniintinya disimpan jenis operasi yang akan dilakukan terhadap matrik piksel, akan tetapitidak semua filterspatial filtering menggunakan mask untuk menyimpan operasinya.Sobel operator diterapkan dalam dua buah mask, untuk itu perlu diperhatikan terlebih dahulu.
-1 0 1
-2 0 2
-1 0 1
-1 -2 -1
0 0 0
1 2 1
Gambar 2.4b mask horizontal
Mask pertama yaitu mask (a) digunakan untuk mengitung selisih titik pada sisivertical sehingga dihasilkan titik penelusuran arah vertical. Mask kedua yaitu mask (b)digunakan untuk menghitung selisih titik pada sisi horizontal sehingga dihasilkan titikhasil penelusuran arah horizontal. Hasil akhir filter operator sobel adalah ditemukannya beberapa piksel denganintensitas yang lebih besar atau tajam. Dan juga ukuran tepi objek yang jauh lebihbesar dari ukuran sebelumnya. Keadaan ini dikarenakan titik-titik yang lebih dekatdengan titik tengah (terperiksa) diberi harga yang lebih dominan dalam perhitungan.Perhatikan gambar 2.4, terbukti pada awalnya intensitas piksel image mempunyairangeintensitas (nomor warna) antara 0 sampai 4, setelah dilakukan proses filteringmaka terjadi pergeseran intensitas antar 2 samapi 20. Bila piksel-piksel ini terseleksidengan menggunakan ketentuan seperti operasi thresholding, maka setiap piksel kemugkinan hanya mempunyai dua warna dominan yaitu warna hitam dan putih.Warna hitam diibaratkan sebagai background permukaan image, dan warna putihmemunculkan piksel-piksel signifikan tersebut.
Edge atau garis di tepi objek terlihat lebih terang dari sebelumnya.
yang dimaksud disebutsebagai warna medium atau setengah terang atau warna menegah. Bila imagemenggunakan perpaduan antara warna hitam dan putih, maka warna yang demikiandikenal dengan sebutan warna mediumgray atau grayscale. Dengan demikian setiappiksel yang
dihasilkan akan disesuaikan dengan set warna medium ini. Set warna inidimulai dari warna hitam sebagai warna minimum dan naik secara perlahan-lahanmenjadi lebih terang dari sebelumnya sampai pada warna maksimal yaitu berwarna.Bila edge yang ditemukan merupakan sekumpulan piksel signifikan yang membentuk objek image, maka warna piksel tersebut akan dipertegas kembali, artinya piksel ini akan diperbesar intensitasnya sehingga warna edge ini akan tampak jelas. Biasanya operator sobel menempatkan penekanan atau pembobotan pada piksel-piksel yang lebih dekat dengan titik pusat jendela, sehingga pengaruh piksel-piksel tetangga akan berbeda sesuai dengan letaknya terhadap titik di mana gradien dihitung. Dari susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan terhadap gradien juga merupakan gabungan dari posisi mendatar dan posisi vertikal.
2.13. Flowchart
Input Output
Gambar 2.5 Siklus I-P-O
Penerimaan input, pemrosesan input, dan penampilan output merupakan kegiatan utama yang membentuk siklus dari semua kegiatan yang dilakukan oleh komputer. Siklus ini disebut dengan siklus I-P-O (Input-Proses-Output).
2.14. Simbol-simbol flowchart
Flowchart terdiri atas sekumpulan simbol dan masing-masing simbol merepresentasikan suatu kegiatan tertentu. Berikut ini akan dibahas tentang simbol-simbol yang digunakan dalam menyusun flowchart, kegiatan yang diwakili serta aturan main yang diterapkan dalam penggunaan simbol tersebut.
1) Simbol input
Simbol input digambarkan dengan bangun jajar genjang. Simbol ini digunakan untuk melambangkan kegiatan penerimaan input. Dalam simbol ini, kita dapat menuliskan input yang diperlukan pada suatu waktu secara satu per satu maupun secara keseluruhan, tetapi biasanya input yang dimasukkan pada suatu waktu, dituliskan bersamaan secara
Gambar 2.6 Simbol Input. 2) Simbol proses
Simbol proses digambarkan dengan bangun persegi panjang. Simbol ini digunakan untuk melambangkan kegiatan pemrosesan input. Dalam simbol ini, kita dapat menuliskan operasi-operasi yang dikenakan pada input, maupun operasi lainnya. Sama seperti aturan pada simbol input,
penulisan dapat dilakukan secara satu per satu maupun secara keseluruhan.
Gambar 2.7 simbol proses
3) Simbol output
Simbol output digambarkan dengan bangun seperti Gambar 2.9 Simbol ini digunakan untuk melambangkan kegiatan penampilan output. Dalam simbol ini, kita dapat menuliskan semua output yang harus ditampilkan oleh program. Sama seperti aturan pada dua simbol sebelumnya, penulisan dapat dilakukan secara satu per satu maupun secara keseluruhan.
4) Simbol percabangan
Simbol percabangan digambarkan dengan bangun belah ketupat.Simbol ini digunakan untuk melambangkan percabangan, yaitu pemeriksaan terhadap suatu kondisi.Dalam simbol ini, kita menuliskan keadaan yang harus dipenuhi.Hasil dari pemeriksaan dalam simbol ini adalah YES atau NO.Jika pemeriksaan menghasilkan keadaan benar, maka jalur yang harus dipilih adalah jalur yang berlabel Yes, sedangkan jika pemeriksaan menghasilkan keadaan salah, maka jalur yang harus dipilih adalah jalur yang berlabel No.Berbeda dengan aturan pada tiga simbol sebelumnya, penulisan keadaan dilakukan secara satu per satu.
Gambar 2.9 simbol percabangan.
5) Simbol prosedur
Simbol prosedur digambarkan dengan bangun seperti Gambar 2.10. Simbol ini berperan sebagai blok pembangun dari suatu program. Prosedur memiliki suatu flowchart yang berdiri sendiri diluar flowchart utama. Jadi dalam simbol ini, kita cukup menuliskan nama prosedurnya saja, jadi sama seperti jika kita melakukan pemanggilan suatu prosedur pada program utama (main program). Penulisan nama prosedur dilakukan secara satu per satu
Gambar 2.10 simbol prosedur. 6) Simbol garis alir
Simbol garis alir atau flow lines digambarkan dengan anak panah. simbol ini digunakan untuk menghubungkan setiap langkah dalam flowchart dan menunjukkan kemana arah aliran diagram. Anak panah ini harus mempunyai arah dari kiri ke kanan atau dari atas ke bawah.Anak panah ini juga dapat diberi label, khususnya jika keluar dari simbol percabangan.
Gambar 2.11 simbol garis alir.
7) Simbol terminator
Simbol terminator digambarkan dengan bangun seperti Gambar 2.12 terminator berfungsi untuk menandai awal dan akhir dari suatu flowchart. Simbol ini biasanya diberi label START untuk menandai awal dari flowchart, dan labelSTOP untuk menandai akhir dari flowchart. Jadi dalam sebuah flowchart pasti terdapat sepasang terminator yaitu terminator start dan stop.
8) Simbol konektor
Simbol konektor digunakan untuk menghubungkan suatu langkah dengan langkah lain dalam sebuah flowchart dengan keadaan on page atau off page. On page connector digunakan untuk menghubungkan suatu langkah dengan langkah lain dari flowchart dalam satu halaman, sedangkan off page connector digunakan untuk menghubungkan suatu langkah dengan langkah lain dari flowchart dalam halaman yang berbeda. Connector ini biasanya dipakai saat media yang kita gunakan untuk menggambar flowchart tidak cukup luas untuk memuat gambar secara utuh, jadi perlu dipisahpisahkan. Dalam sepasang connector biasanya diberi label tertentu yang sama agar lebih mudah diketahui pasangannya.
Gambar 2.13 simbol On-Page Connector.
Gambar 2.14 simbol Off-Page Connector 9. Simbol komentar
Gambar 2.15 Simbol Komentar.
2.15 Matlab
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
Grafik Keilmuan dan bidang Rekayasa
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.
Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat standar untuk memperkenalkan dan mengembangkan penyajian materi matematika, rekayasa dan kelimuan. Di industri, MATLAB merupakan perangkat pilihan untuk penelitian dengan produktifitas yang tingi, pengembangan dan analisanya. Fitur-fitur MATLAB sudah banyak dikembangkan, dan lebih kita kenal dengan nama toolbox. Sangat penting bagi seorang pengguna Matlab, toolbox mana yang mandukung untuk learn dan apply technologi yang sedang dipelajarinya. Toolbox toolbox ini merupakan kumpulan dari fungsi-fungsi MATLAB (Mfiles) yang telah dikembangkan ke suatu lingkungan kerja MATLAB untuk memecahkan masalah dalam kelas particular. Area-area yang sudah bisa dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, system kontrol, neural networks, fuzzy logic, wavelets, dan lain-lain.
2.16. Kelengkapan pada Sistem MATLAB tersusun dari 5 bagian utama:
1. Development Environment. Merupakan sekumpulan perangkat dan
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.
2. 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.
3. 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.
4. Graphics. MATLAB memiliki fasilitas untuk menampilkan vector dan
5. MATLAB Application Program Interface (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.
2.17. GUI / GUIDE MATLAB
Dibangun dengan obyek grafik seperti tombol (button), kotak teks, slider, menu dan lain-lain. Aplikasi yang menggunakan GUI umumnya lebih mudah dipelajari dan digunakan karena orang yang menjalankannya tidak perlu mengetahui perintah yang ada dan bagaimana kerjanya. Sampai saat ini, jika kita membicarakan pemrograman berorientasi visual, yang ada di benak kita adalah sederetan bahasa pemrograman, seperti visual basic, Delphi, visual C++, visual Fox Pro, dan lainnya yang memang didesai secara khusus untuk itu. Matlab merintis ke arah pemrograman yang menggunakan GUI dimulai dari versi 5, yang terus disempurnkan sampai sekarang. GUIDE Matlab mempunyai kelebihan tersendiri dibandingkan dengan bahasa pemrogram lainnya, diantaranya:
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
denganbahasa pemrograman lainnya.
2.18. Membuat GUI dengan MATLAB
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
membuatkan sebuah m-file dengan nama yang sama, yaitu file berekstensi *.m.
b) Memprogram Komponen GUI
35
METODOLOGI PENELITIAN
Pada bab ini akan dijelaskan mengenai proses pembuatan aplikasi deteksi tepi citra untuk Mengetahui luas lubang aspal dengan menggunakan metode yaitu : Metode Sobel. 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
Gambar Jarak Pengambilan Keterangan
1 Meter
Gambar 3.1 Tabel Data Set.
3.2 Analisa Sistem
Aplikasi untuk deteksi tepi citra untuk menentukan kualitas image pada luas lubang aspal dengan metode yaitu metode deteksi tepi Sobel menggunakan bahasa pemrograman Matlab. Citra diambil dengan menggunakan kamera digital , kemudian proses selanjutnya adalah grayscale dan setelah itu sobel. Proses awal yang digunakan dalam image
processing adalah mengubah citra berwarna ke grayscale. Grayscale
holes. Filling Holes mempunyai efek pengisian lubang adalah fungsi imfill dengan optinal argument ”holes” selanjutnya akan dijadikan ke smoothing.
Smoothing merupakan proses untuk menghilangkan efek pada citra digital. Proses terakhir dalam pembuatan aplikasi ini adalah menampilkan hasil pixel , centimeter dan inchi.
Berdasarkan tingkat kerusakannya, lubang dapat di bagi menjadi kerusakan rendah (low), sedang (medium), dan buruk (high). Ketentuannya dapat di jelaskan pada tabel dibawah ini.
Tabel 3.1 Tabel Tingkat Kerusakan Lubang (Potholes)
Kedalaman (Inchi)
Diameter (Inchi)
4-8 > 8 – 18 > 18 – 30
0,5 - 1 L L M
> 1 - 2 L M H
> 2
M M H
Sumber : Departement Of Defense, (2004), Pavement Maintenance Management, UFC 3-270-08, Unified Facilities Criteria (UFC), USA
3.3 Gambaran Aplikasi secara Umum
Secara garis besaruntuk melakukan pendeteksian tepi pada keretakan aspalmelaluibebarapa proses yaitu meliputi :
2) Baca inputan citra yang akan diproses menjadi :
Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :
Mulai
berupa berapa piksel warna putih. Pada implementasinya aplikasi ini melakukan pengambilan gambar sample memakai kamera digital dan surve secara langsung dijalan yang mengalami kerusakan Gambar sample yang diperoleh ini akan ditransfer ke komputer dengan format file JPEG.
3.4. Perancangan proses
Untuk mengetahui proses-proses yang dilakukan maka akan dijelaskan sebagai berikut :
3.4.1. Grayscale
Grayscale merupakan proses pengolahan citra dengan cara mengubah
nilai-nilai piksel awal citra menjadi sebuah citra keabuan.
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.
Gray=rgb2gray(I)
Gambar 3.3 Flowchart Grayscale
3.4.2. Metode Sobel
Pada proses ini akan dideteksi tepi. Deteksi tepi yang digunakan adalah sobel. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.
Setelah proses grayscale langkah selanjutnya dalah deteksi tepi. Metode yang digunakan adalah metode sobel. Operator sobel adalah operator yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya. Matriks yang digunakan adalah 3x3. Proses sobel ini, dilakukan dua penghitungan yaitu vertical dan horizontal. Berikut ini adalah potongan baris program untuk deteksi tepi Sobel.
BW=edge(gray,’sobel’);
Variabel BW berfungsi untuk menampung hasil konversi citra abu – abu menjadi citra hitam putih. Citra yang dikonversi ialah citra abu – abu yang ditampung dalam variabel gray kemudian akan dilakukan deteksi tepi sobel.
Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :
Start
Gambar 3.4 Flowchart Sobel
3.4.3. Dilasi
Pada proses ini akan di dilasi. Dilasi merupakan “penumbuhan” atau
diterapkan dalam obyek-obyek yang terputus dikarenakan hasil pengambilan citra yang terganggu oleh noise, kerusakan obyek fisik yang dijadikan citra digital, atau disebabkan resolusi yang jelek, misalnya teks pada kertas yang sudah agak rusak sehingga bentuk hurufnya terputus, dan sebagainya. Dengan melakukan dilasi maka obyek atau tepi citra dapat tersambung kembali.
Pada flowchart 3.4 adalah proses dari dilasi. Setelah memproses metode deteksi tepi sobel kemudian akan diproses dilasi. Proses ini menyambung garis pada objek.
se= strel ('disk',1);
b= imdilate(BW,se);
Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :
Gambar 3.5 Flowchart Dilasi
3.4.4 Closing
Pada proses ini akan diclosing. Closing adalah menolak pecahan-pecahan sempit dan teluk yang panjang dan tipis, menghilangkan lubang kecil dan mengisi gap pada garis-garis bentuk.
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',6);
d= imclose(b,se);
Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :
Mulai
Dilasi
Erosi
Akhir
3.4.5. Filling Holes
Pada proses ini akan filling holes. Filling Holes merupakan proses untuk pengisian lubang , pengisian lubang adalah fungsi imfill dengan optional argument “holes” yang digunakan.
j=imfill(i,'holes');
Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :
3.4.6. Smoothing
Pada proses ini akan dismothing. Smoothing merupakan proses untuk menghilangkan efek pada citra digital.
Setelah didapatkan citra objek yang terfiltering kemudian dilakukan tahap smothing. Pada tahap ini yang digunakan adalah smothiing. Berikut adalah potongan baris program smoothing.
k=strel('disk',10);
l=imclose(imopen(j,k),k);
Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :
Mulai
Gambar 3.8 Flowchart Smoothing
3.5 PerancanganTampilan Antar muka
Pada perancangan antar muka yang akan dibuat sedemikian rupa yang nantinya merupakan suatu halaman untuk berinteraksi bagi pemakai/ pengguna program dan diharapkan dapat memahami jalan kerja program dengan mudah. 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 table yang berisi perancangan dalam pembuatan program deteksi tepi.
Fig-file Komponen Nama Fungsi
NurFibria Static text DeteksiTepi
Citra… Judul
Axes (1) - Menampilkan Citra Text Pixel MenampilkanTulisan Text Centimeter MenampilkanTulisan Text Inchi MenampilkanTulisan Push
Pixel Menjalankan Jumlah Pixel Push
Inchi Menjalankan Jumlah Inchi Push
button
Open Membuka File Image yang Telah diedit diphotoshop untuk
perbandingan Axes (2) - Menampilkan Citra Axes (3) - Menampilkan Citra Axes (4) - Menampilkan Citra Axes (5) - Menampilkan Citra Axes (6) - Menampilkan Citra Axes (7) - Menampilkan Citra Axes (8) - Menampilkan Citra
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 Hardware dan Software
Pada bagian ini akan dijelaskan mengenai perangkat keras dan perangkat lunak yang digunakan pada implementasi aplikasi ini.
a. Kebutuhan Hardware :
Komputer dengan processor Intel(R) Core(TM)i3-370M RAM (2GB DDR3)
Monitor 14.0 HD LED LCD Hard Disk 320 GigaByte
b. Kebutuhan Software :
Sistem OperasiWindows 7. 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 aspal yang berlubang yang telah diambil melalui kamera digital yang nantinya akan diproses melalui beberapa tahapan. Dimana output berupa tampilan piksel warna putih dan histogram dari ketujuh proses.
4.3. Implementasi Antarmuka
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. Load : untuk membuka file yang akan diproses. b. Proses : untuk melakukan proses deteksi tepi. c. Pixel : untuk menampilkan jumlah pixel d. Centimeter : untuk menampilkan jumlah centimeter. e. Diameter : untuk menampilkan hasil jari-jari citra.
f. Open : untuk menampilkan citra asli yang sudah di edit melalui photoshop
Adapun tampilan dari form utama ini dapat dilihat pada gambar 4.1 dibawah ini:
Gambar 4.1 Tampilan Form
pixel, jumlah centimeter dan jumlah inchi, yang ditampilkan sesuai dengan image
yang telah dimasukkan. Information image itu berupa pixel , centimeter dan inchi.
4.4. Implementasi Proses
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. Proses Load
Pada proses load ini, yaitu merupakan sebuah proses yang bertujuan untuk menampilkan inputan berupa gambar. Gambar yang dapat dibuka hanya gambar yang berformat jpg, bmp, jpg, tif.
Gambar 4.2 Source code proses load image
4.4.2 Proses
closing, filing holes dan smoothing. Hal demikian dilakukan untuk mempermudah
proses pendeteksian tepi, sebagaimana disajikan dalam tabel 4.3.
Gambar 4.3 Source code proses
4.4.3 Proses Luas Per Pixel
Pada gambar 4.4 proses yang dilakukan merubah citra menjadi grayscale, kemudian membuat image hitam putih dan metode deteksi tepi Sobel, Dilasi, Closing, filing holes dan smoothing lalu dilakukan proses hitung jumlah pixel.
Gambar 4.4 Source Code Pixel
4.4.4 Proses Luas Per Centimeter
Pada proses ini luas centimeter di hitung dengan skala yang telah terhitung. Jadi pixel*skala sama dengan hasil centimeter. Berikut adalah hasil dari proses perhitungan :
4.4.5 Proses Luas Per Inchi
Pada proses ini menghitung inchi dengan menggunakan rumus. Berikut adalah hasil dari proses perhitungan :
Gambar 4.6 Source Code Inchi
4.4.6 Proses Open
Pada proses open iniuntuk menampilkan image yang telah diedit diphotoshop untuk dilakukan proses perbandingan antara gambar dari uji program dengan hasil gambar yang telah diedit diphotoshop tersebut.
Adapun gambar source code yang digunakan dalam proses Open :
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 image untuk melihat perbedaan keberhasilan, karena tiap-tiap image hasil dari surve di lapangan yang image diambil dengan menggunakan kamera digitalselalu berbeda, hal itu dipengaruhi oleh kondisi objek gambar yang akan diambil.
b. Melakukan proses, menguji tingkat keberhasilan melalui proses yang sudah direncanakan. Karena tidak semua image memiliki kemiripan. c. Melakukan proses hitung luas per pixel, per centimeter dan per inchi hasil
dari proses berupa tampilan jumlah piksel, jumlah centimeter dan inchi, oleh karena itu perlu diuji tingkat keberhasilan pada obyek lubang aspal dengan real.
4.5.2 Proses Uji Coba
Dengan menekan tombol Run, akan diperoleh hasil dari deteksi tepi. Gambar-gambar dibawah ini merupakan tampilan program deteksi tepi.
Gambar 4.8 Tampilan Awal Aplikasi
Tombol Load pada tampilan form utama berfungsi untuk mengambil image yang sudah tersimpan dikomputer. Image sebelumnya sudah diambil
Gambar 4.9 Tampilan proses Load Image
Tombol proses berfungsi untuk menjalankan proses pendeteksian tepi. Image yang akan diproses terlebih dahulu tampil pada kolom Image yang berupa citra berwarna RGB. Setelah tombol proses akan diproses maka muncul output dari kesembilan metode deteksi tepi pada kolom prosesnya itu citra keabuan, peningkatan mutu citra, sobel, dilasi, closing, filing holes dan smoothing.
Gambar 4.10 Tampilan semua Proses
Gambar 4.11 Tampilan Luas per pixel , per centimeter dan per Inchi
Adapun hasil gambar proses Diameter per pixel , centimeter dan inchi sebagai berikut :
Gambar 4. 12 Tampilan Diameter per pixel , per centimeter dan per Inchi.
Adapun hasil gambar proses nilai tp, fp, fn dan tn sebagai berikut :
Gambar 4.13 Tampilan Open dan Hitung
4.6 Evaluasi
Berdasarkan gambar diatas akan dibandingkan dengan penggunaan hasil dari uji program dan dilakukan proses photoshop agar dapat mengetahui gambar asli keretakan aspal dan bukan keretakan aspal Maka dari itu digunakan rumus sebagai berikut:
Keterangan:
TP (True Positive) = Asli aspal terdeteksi aspal. FP (False Positive) = Bukan aspal terdeteksi aspal. FN (False Negative) = Asli aspal terdeteksi bukan aspal. TN (True Negative) = Bukan aspal terdeteksi bukan aspal.
Dari aplikasi tersebut akan dilakukan perbandingan. Berdasarkan penjabaran diatas akan dibandingkan dengan penggunaan hasil dari uji program dan dilakukan proses photoshop agar dapat mengetahui gambar asli keretakan aspal dan bukan keretakan aspal. Maka dari itu digunakan rumus sebagai berikut:
Data Lubang Aspal 1
Hasil
Aspal berlobang Bukan aspal berlobang
Aspal berlobang TP=73369 FN=0
Bukan Aspal berlobang
Preccion =73369/73369+3500
=197354/76869*100%
=95%
Recall =73369/73369+0
=73369/73369*100%
=100%
Data Lubang Aspal 2
Hasil
Aspal berlobang Bukan aspal berlobang
Aspal berlobang TP=133300 FN=18
Bukan Aspal berlobang
FP=4445 TN=169437
Preccion =133300/133300+4445
=133300/137745*100%
=96%
Recall =133300/133300+18
=133300/133318*100%
Data Lubang Aspal 3
Hasil
Aspal berlobang Bukan aspal berlobang
Aspal berlobang TP=81154 FN=1
Bukan Aspal berlobang
FP=3513 TN=222532
Preccion =81154/81154+3513
=81154/84267*100%
=96%
Recall =81154/81154+1
=81154/81155*100%
=99%
Data Lubang Aspal 4
Hasil
Aspal berlobang Bukan aspal berlobang
Aspal berlobang TP=93336 FN=6
Bukan Aspal berlobang
Preccion =93336/93336+4600
=93336/97936*100%
=95%
Recall =93336/93336+6
=93336/93342*100%
=99%
Data Lubang Aspal 5
Hasil
Aspal berlobang Bukan aspal berlobang
Aspal berlobang TP=37462 FN=0
Bukan Aspal berlobang
FP=2803 TN=266935
Preccion =37462/37462+2803
=37462/40265*100%
=93%
Recall =37462/37462+0
=37462/37462*100%
4.7 Tabel Evaluasi
4.7.1 Tabel Preccion dan Recall
No Citra Hasil Program
Citra Hasil Ideal Luas Evalu asi Hasil
Program
Precc ion
Recall
1. 43517.2 97% 98%
2. 36683.2 98% 99%
3. 39139.9 99% 97%
5 4565.05 93% 100%
Rata-Rata :
98% 99%
Tabel 4.1 Tabel Preccion dan Recall
4.7.2 Tabel Diametre dan Kategori
No Citra Hasil Program Hasil Diameter Kategor i
1. 33.655 High
2. 35.0909 High
4. 28.5586 High
5. 2.2406 Low
Tabel 4.2 Tabel Diametre dan Kategori
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 “Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi Tepi Sobel” ini.
a. Memberikan informasi secara tidak langsung tentang tingkat kerusakan aspal, yang dibagi menjadi kerusakan rendah (low), sedang (medium), tinggi (high).
b. Dengan menentukan skala dari kamera digital yang digunakan dalam proses pengambilan citra dengan jarak ketinggian 1meter, panjang 135cm dan panjang pixel 640pixel. caranya sebagai berikut : 135 ÷ 640 = 0.2109 . Jadi ketetapan skala yang diguanakan dalam aplikasi ini adalah 0.2109.
5.2 Saran
Sebagai saran pengembangan selanjutnya dari tugas akhir ini, antara lain :
a. Penelitian dapat dilakukan pada objek yang berbeda, misalkan menghitung luas keramik, menghitung luas pulau, menghitung luas rumah dan sebagainya.
2013.http://elib.unikom.ac.id/download.php?id=4659
Anonim, (1996), ArtificialIntelligence, diakses pada tanggal 10 september 2012. darihttp://www.its.bldrdoc.gov/fs-1037/dir-003/_0371.html
Ardiantoro, (2010).Pengolahan Citra, diakses pada tanggal 25 Maret 2013. darihttp://jaming89.wordpress.com/2010/09/28/pengolahan-citra-digital
Asmitot, (2010), diakses 14 April 2013. dari http://id.shvoong.com/law-and-politics/law/2146643-invers- kadastral/#ixzz2L9Ks2eqC
Dougherty.(2009),Structuring Element, Erosi, Dilasi, Closing, Rekontruksi, diakses pada tanggal 26 Maret 2013. dari http://webdocs.cs.ualberta.ca/~eisner/meaures.html
Gunaidi Abdia. 2006, Flowchart.Bandung : Informatika
Harlick dan Shapiro, (1992), Image. diakses pada tanggal 10 september 2012. dari http://www.wgplc.com/international/security/numberplate.html.
Krishna, (2012),Morfologi. diaksespada tanggal 11 Maret 2013.
darihttp://webdocs.cs.ualberta.ca/~eisner/measures.html
Kulkarni, (2001), Computer vision.diakses pada tanggal 10 september 2012. dari http://www.wgplc.com/international/security/numberplate.html
Landung Pambudi., (2008),Indetifikasi Tsunami Dengan Menggunakan Segmentasi.http://eprints.undip.ac.id/25961/1/ML2F301454.pdf(diakses 5 Februari 2013)
Lia Amelia, Sobel Dalam Mendeteksi Tepi Suatu Citra Digital, Universitas Pendidikan Indonesia, 2012 repository.upi.edu
Prasetyo, Eko (2011),Pengolahan Citra Digital Dan AplikasinyaMenggunakan Matlab
Suwono, Eko. (2010). http://ekosuwono.wordpress.com/2010/01/13/elemen-elemen-citra- digital/(diakses 25 Maret 2013)
71
Teuinsuksa, (2009), Guide Matlab, diaksespadatanggal 5 Februari 2013. http://modul-guideuploader-by- Teuinsuksa2009-wordpress-com.pdf