DETEKSI ASAP ROKOK MENGGUNAKAN SEGMENTASI COLOR IMAGE PROCESSING. Skripsi. Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar

(1)

Skripsi

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer (S.Kom)

Oleh : Fitri Sani Najiha NIM: 109091000038

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2016

(2)

ii

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer (S.Kom)

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh:

Fitri Sani Najiha 109091000038

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2016

(3)

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Pembimbing I,

'V'

N urliayati, Ph.D

Oleh:

Fitri Sani Najiha 109091000038

Menyetujui,

Pembimbing II,

NIP. 19690316 199903 2 002

Feri Fahrianto, M.Sc NIP. 19800829 2011011 002

Mengetahui,

Ketua Program studi Teknik Informatika,

..-6

/ "

^"

Arini, MT

NIP.19760131 200901 2 001

111

~----~ " . .J

(4)

(5)

v

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN

Jakarta, 29 Agustus 2016

Fitri Sani Najiha

NIM. 109091000038

(6)

vi

Asap rokok merupakan salah satu masalah yang dihadapi oleh masyarakat indonesia khususnya terkait dengan isu lingkungan sehat. Asap rokok dapat merusak kesehatan lingkungan dan manusia di sekitarnya. Hal ini diakibatkan karena zat kimia yang terkandung didalamnya yang teremisi dalam bentuk asap sehingga mencemari udara sekitarnya. Setidaknya terdapat tiga senyawa yang terkandung dalam rokok merupakan polutan berbahaya. Tetapi banyak juga orang yang menganggap bahwa hal tersebut adalah sesuatu yang biasa. Padahal hal tersebut bisa sangat berbahaya bagi manusia jika terlalu banyak terkontaminasi asap rokok. Asap rokok bisa menjadi sangat berbahaya jika terjadi di ruangan yang tertutup. Untuk menciptakan sistem sikulasi udara di ruangan tertutup biasanya dipasang alat semacam Air Conditioner (AC) atau exhaust untuk mensirkulasi udara di dalam ruangan. Tetapi alat tersebut tidak selamanya bisa diandalkan karena bisa saja sewaktu-waktu rusak atau tidak sebanding dengan jumlah asap yang ada. Sehingga pencemeran udara di dalam ruangan bisa terjadi dan dapat berakibat buruk bagi kesehatan manusia. Untuk mengatasi hal tersebut penulis merasa perlu mencari solusi dengan cara melakukan eksperimen deteksi asap rokok menggunakan image processing. Percobaan ini dilakukan oleh penulis melalui tahapan yang meliputi, resize, segmentasi foreground dengan active contour dan penerapan segmentasi color models. Penulis menggunakan 10 kelompok citra asap rokok sebagai sampel dengan 30 citra pada setiap kelompoknya. Dari hasil penelitian ini pada nilai th=15 tingkat didapat hasil rata-rata pengenalan objek 65,67% sedangkan yang tidak terdeteksi 34,33% dari 300 sampel pengujian.

Kata Kunci : Asap Rokok, Image Processing, Segmentasi, Colour Model.

Daftar Pustaka : 17 (Tahun 2004 s.d. Tahun 2014)

Jumlah Halaman : V Bab + xvi Halaman + 72 Halaman + 12 Tabel + 14

Gambar + 16 Lampiran

(7)

vii

memberikan rahmat dan hidayat, sehingga pada akhirnya penulis dapat menyelesaikan skripsi ini dengan baik. Shalawat dan salam tak lupa penulis haturkan kepada junjungan Nabi Muhammad SAW, para sahabat, keluarga serta muslimin dan muslimat, semoga kita mendapatkan syafaat-Nya di akhirat kelak.

Aamiin

Skripsi ini penulis sajikan dalam bentuk yang sederhana berjudul “Deteksi Asap Rokok Menggunakan Segmentasi Color Image Processing” Penyusunan skripsi ini bertujuan untuk memenuhi salah satu syarat dalam menyelesaikan pendidikan S1 Program Studi Teknik Informatika di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Pada kesempatan ini penulis ingin menyampaikan ucapan terima kasih yang sebesar-besarnya kepada pihak-pihak yang telah turut membantu dalam penyusunan skripsi ini, yaitu :

1. Bapak Dr. Agus Salim, M.Si, selaku Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta

2. Ibu Arini MT, selaku Ketua Program Studi Teknik Informatika dan Bapak Feri Fahrianto, M.Sc selaku Sekretaris Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

3. Ibu Nurhayati Ph.D, selaku dosen pembimbing I dan Bapak Feri Fahrianto, M.Sc, selaku dosen pembimbing II yang senantiasa sabar selama ini, dan selalu memberikan semangat, arahan dan bimbingan yang bermanfaat dalam proses penyusunan skripsi ini.

4. Para dosen Prodi Teknik Informatika Fakultas Sains dan Teknologi yang

telah memberikan berbagai pengarahan, pengalaman, serta bimbingannya

kepada penulis selama masa perkuliahan.

(8)

viii

6. Sahabat-sahabatku tercinta, Nurul, Ana, Nur, Niza, Mba Uwi, Teh Uyuy, Mario, Alfi, Kak Edo serta tema-teman yang lain yang tidak bisa penulis sebutkan satu per satu. Terimakasih atas bantuan, dukungan, semangat dan nasihat yang kalian berikan.

7. Teman-teman Teknik Informatika 2009 khususnya TI-A dan Multimedia angkatan 2009. Terima kasih untuk kebersamaan dan kerjasama yang terjalin selama menimba ilmu di Universitas Islam Negeri Syarif Hidayatullah Jakarta dan seluruh pihak yang telah membantu yang tidak dapat disebutkan satu persatu. Terima kasih atas dukungan dan motivasinya yang diberikan kepada penulis.

Penulis menyadari akan kekurangan dan kesalahan pada penulisan skripsi ini, untuk itu penulis mohon maaf yang sebesar-besarnya. Masukan berupa saran dan kritik yang membangun sangat penulis harapkan demi peningkatan manfaat dari laporan ini. Penulis berharap semoga laporan ini dapat bermanfaat dalam pengembangan ilmu pengetahuan khususnya dalam bidang Sains dan Teknologi.

Akhir kata, dengan segala kerendahan hati penulis mengucapkan terima kasih yang tak terhingga kepada semua pihak yang telah membantu dalam penyelesaian skripsi ini.

Wassalamu’alaikum Wr. Wb.

Jakarta, 12 Agustus 2016

Fitri Sani Najiha

109091000038

(9)

ix

Lembar Sampul ... i

Lembar Judul ... ii

Lembar Persetujuan Pembimbing ... iii

Lembar Pengesahan ... iv

Lembar Pernyataan... v

Abstrak ... vi

Kata Pengantar ... vii

Daftar Isi... ix

Daftar Tabel ... xii

Daftar Gambar ... xiii

Daftar Lampiran ... xiv

BAB I. PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 5

1.3. Batasan Masalah... 5

1.4. Tujuan Penelitiaan ... 5

1.5. Manfaat Penelitian ... 6

1.6. Metode Penelitian... 7

1.6.1. Metode Pengumpulan Data ... 7

1.6.2. Metode Pengolahan Citra ... 7

1.7. Sistematika Penulisan ... 7

BAB II. LANDASAN TEORI ... 9

2.1. Citra ... 9

2.2. Citra Digital ... 9

(10)

x

2.2.2.3. Binary Image ... 13

2.2.2.4. Format File Citra ... 14

2.3. Warna ... 16

2.3.1. Dasar Warna ... 16

2.3.2. Atribut Warna ... 17

2.3.3. Ruang Warna ... 18

2.3.3.1. Ruang Warna RGB ... 19

2.4. Pengolahan Citra ... 19

2.4.1. Definisi Pengolahan Citra ... 19

2.4.2. Langkah-langkah Pengolahan Citra... 22

2.4.3. Operasi Pengolahan Citra ... 24

2.5. Segmentasi Citra ... 25

2.5.1. Thresholding ... 25

2.6. Active Contour ... 26

2.7. Deteksi Asap dengan Color Models ... 27

2.8. Rokok ... 28

2.9. Asap ... 29

2.10. Metode Penelitian... 30

2.11. Studi Literatur Sejenis ... 30

BAB III. METODOLOGI PENELITIAN ... 33

3.1. Metode Pengumpulan Data ... 33

3.1.1. Studi Pustaka ... 33

3.2. Metode Pengolahan Citra ... 34

3.2.1. Akuisisi Citra ... 34

(11)

xi

3.2.6. Basis Pengetahuan ... 37

3.3. Alat dan Bahan ... 37

3.4. Kerangka Penelitian... 32

BAB IV.PEMBAHASAN DAN HASIL ... 33

4.1. Proses Pengolahan Citra ... 39

4.1.1. Akuisisi Citra ... 39

4.1.2. Pre-Processing ... 42

4.1.3. Segmentasi Citra ... 44

4.1.4. Representasi dan Deskripsi ... 46

4.3.1. Pengenalan dan Interpretasi ... 47

4.3.2. Diagram Alur Kerja ... 51

4.3.3. Analisis Hasil ... 53

BAB V. KESIMPULAN DAN SARAN ... 62

5.1. Kesimpulan ... 69

5.2. Saran ... 69

DAFTAR PUSTAKA ... 71

LAMPIRAN-LAMPIRAN

(12)

xii

Tabel 2.1. Referensi Literatur Sejenis ... 31

Tabel 4.1.

Citra Sampel

... 40

Tabel 4.2. Hasil pengujian Citra 1 Puntung ... 54

(13)

xiii

Gambar 2.1 Citra Digital Dalam Sumbu Koordinat... 10

Gambar 2.2. Susunan Angka Pada Citra... 10

Gambar 2.3. Citra Forest True Color... 12

Gambar 2.4. Citra Lena Black and White... 13

Gambar 2.5. Citra Biner………... 14

Gambar 2.6. Spektrum Cahaya... 17

Gambar 2.7. Ruang Warna RGB…... 19

Gambar 2.8. Proses Pengolahan Citra…... 21

Gambar 2.9. Langkah-langkah Pengolahan Citra………... 22

Gambar 2.10. Active Contour………... 27

Gambar 2.11. Asap Hasil Pembakaran…... 30

Gambar 3.1. Alur Kerangka Penelitian... 38

Gambar 4.1. Pengambilan Komponen Warna Citra Asap Rokok R,G,B.. 44

Gambar 4.2. Perbedaan hasil proses segmentasi dengan active contour... 45

Gambar 4.3. Citra hasil uji Th=10, Th=15, Th=20………... 47

Gambar 4.4. Citra hasil R-G, G-B dan R-B………... 49

Gambar 4.5. Diagram Alur Color Model... 51

Gambar 4.6. Diagram Hasil...………... 66

Gambar 4.6. Diagram Hasil Percobaan th=15...………... 67

(14)

xiv

Lampiran 1. Source Code... A-1 Lampiran 2. Citra Hasil Segmentasi... B-2 Lampiran 3. Hasil Perhitungan White Pixel... C-3 Lampiran 4. Diagram Hasil... D-4

(15)

1

Keberadaan rokok di era yang marak dengan isu lingkungan sehat menjadi salah satu permasalahan saat ini. Dilihat dari segi kesehatan dan lingkungan, rokok jelas merupakan suatu pengaruh yang amat bahaya. Asap yang dihasilkan dari rokok merupakan salah satu polutan udara yang sangat bahaya, baik bagi perokok aktif maupun perokok pasif (Bazemore, 2006). Asap rokok yang dihirup secara langsung berpotensi menyebabkan penyakit seperti asma, bronkitis, gangguan janin pada ibu hamil, kanker paru-paru, mulut, faring, penyempitan pembuluh darah dan lain-lain. Selain itu, rokok juga dapat mengganggu lingkungan karena menimbulkan bau yang tidak sedap, baik bagi udara di sekitarnya maupun nafas si perokok itu sendiri (Bazemore, 2006).

Berdasarkan data yang dirilis WHO pada tahun 2008 , konsumsi rokok di

Indonesia mencapai 255 milyar batang per tahun atau sebanding dengan 65 juta

perokok (28%) per penduduk. Jumlah ini menunjukan bahwa Indonesia

menempati posisi ketiga dari 10 negara pengkonsumsi rokok terbesar di dunia

setelah Cina dan India (WHO, 2008). Sementara itu, menurut Global Adult

Tobacco Survey (GATS) Indonesia pada tahun 2011, bila dibandingkan dengan

negara-negara lain yang melaksanakan GATS, Indonesia menduduki posisi

pertama dengan prevalensi perokok aktif tertinggi, yaitu 67,0% pada laki-laki dan

2,7% pada wanita. (bandingkan dengan India, 2009): laki-laki 47.9% dan wanita

20.3 %; Philippines (2009): laki-laki 47,7 % dan wanita 9,0%; Thailand (2009):

(16)

UIN Syarif hidayatullah Jakarta

wanita; Polandia (2009): 33,5% laki-laki dan 21.0% wanita (DEPKES, 2012).

Berdasarkan kedua data tersebut, terlihat bahwa tingkat konsumsi rokok di Indonesia amatlah besar. Dengan potensi bahaya yang dapat ditimbulkannya, banyaknya jumlah rokok ini dapat merusak kesehatan lingkungan dan manusia di sekitarnya. Jika ditinjau lebih mendalam, permasalahan umum yang ditimbulkan oleh rokok sebenarnya berasal dari zat kimia yang terkandung didalamnya yang kemudian teremisi dalam bentuk asap dan mencemari udara sekitarnya.

Setidaknya terdapat tiga senyawa yang terkandung dalam rokok yang merupakan polutan berbahaya. Ketiga polutan tersebut adalah monoksida (senyawa dengan kadar toksisitas yang tinggi), pridin (penyebab bau tak sedap pada rokok) dan nikotin (senyawa dengan penyebab efek adiktif).

Polutan dari asap rokok ini tidak jarang dijumpai di kawasan publik yang seharusnya bebas asap rokok seperti di kantor, pusat perbelanjaan, sekolah, restaurant dan area publik lainnya. Hal ini menunjukkan perlunya perlindungan pada para perokok pasif yang membahayakan kesehatannya. Perokok pasif memiliki potensi bahaya terbesar bila dibandingkan dengan perokok aktif.

Menghirup asap rokok secara pasif jauh lebih berbahaya karena perokok pasif menghirup asap rokok secara langsung tanpa adanya filter atau penyaring asap rokok.

Saat ini pemerintah khusunya pemerintah DKI Jakarta telah mengeluarkan

larangan merokok di area publik dikarenakan bahaya yang terkandung dalam asap

rokok. Berdasarkan Perda DKI No. 75 Tahun 2005, pemberlakuan larangan ini

(17)

proses belajar mengajar, pelayanan kesehatan, arena kegiatan anak-anak, tempat ibadah dan angkutan umum (Pemprov DKI, 2015).

Namun, larangan ini tidak dapat mengikat masyarakat khususnya DKI Jakarta untuk tidak merokok di area publik. Hal ini terbukti dengan hasil survey GATS Indonesia pada tahun 2011 yang menyatakan, terhadap bahaya asap rokok sekunder, ditemukan keterpaparan terhadap asap rokok pada 51,3% atau 14,6 juta orang dewasa di tempat kerjanya; dan pada 78,4% atau 133,3 juta orang dewasa di rumahnya. Paparan asap rokok juga dialami 85,4% atau 44,0 juta orang dewasa yang berkunjung ke restaurant (GATS, 2011). Sehingga Air Conditioner (AC) atau exhaust dipasangkan untuk sirkulasi udara khususnya di dalam ruangan.

Namun, alat tersebut tidak dapat selamanya digunakan karena sewaktu-waktu bisa saja alat tersebut rusak atau terlalu pekatnya asap untuk disirkulasikan.

Seiring dengan pesatnya penggunaan kamera pengawas atau Closed Circuit

Television (CCTV) di dalam maupun diluar gedung, maka dalam beberapa tahun

terakhir berkembang teknik pendektesian asap memanfaatkan kamera berbasis

computer vision. Metode yang digunakan ialah pengolahan citra digital yang

diperoleh dari video CCTV untuk menentukan apakah terdapat asap atau tidak

didalam gambar tersebut. Pengolahan citra digital memungkinkan teknologi

komputer untuk menganalisis data digital dari suatu citra. Terdapat beberapa

macam teknik pengolahan citra digital, salah satunya adalah segmentasi citra yang

merupakan teknik pengolahan citra digital yang membagi citra ke dalam sejumlah

region atau obyek (Prasetyo, 2011).

(18)

salah satunya penelitian yang pernah dilakukan oleh Celik.,dkk (2007) yang menerapkan teknologi pengolahan citra digital tanpa mnggunakan sensor untuk mendeteksi titik api dan asap pada kebakaran hutan menggunakan citra dari satelit. Penelitian tersebut menggunakan metode colour models dalam melakukan pendeteksian pada objek dari latar belakangnya. Sistem tersebut telah dikembangkan oleh Celik., dkk untuk melakukan pendeteksian asap dengan dasar pencitraan gambar. Penelitian tersebut mampu menghasilkan 99.0% ketepatan dalam pendeteksian dengan tingkat kesalahan 4.50% (Celik.dkk., 2007).

Berdasarakan latar belakang tersebut, penulis mencoba menerapkan sistem deteksi asap berbasis pengolahan citra yang sudah dilakukan sebelumnya untuk mencari karakter khusus dari asap rokok. Untuk itu penulis melakukan penelitian eksperimental dengan judul “Deteksi Asap Rokok Menggunakan Color Image

Processing”. Penelitian ini diharapkan dapat menghasilkan karater khusus dari

asap rokok itu sendiri. Pendekatan karakteristik melalui citra dilakukan dengan

mencari nilai dari luas asap. Kemudian akan dicari korelasi antara karakteristik

asap rokok secara fisik terhadap karakteristik asap rokok hasil keluaran

pengolahan citra. Untuk itu dengan adanya penelitian ini diharapkan

menghasilkan data-data yang dapat mendefinisikan citra asap rokok sehingga

meningkatkan akurasi sistem deteksi asap secara khusus menggunakan

pengolahan citra.

(19)

Berdasarkan peninjauan pada latar belakang diatas, maka penulis merumuskan permasalahan: Bagaimana percobaan metode segmentasi color image processing dalam mendeteksi asap rokok di dalam ruangan?

1.3. Batasan Masalah

Untuk mendapatkan hasil yang spesifik dan terarah maka ditentukan beberapa batasan masalah sebagai berikut :

1. Pendeteksian asap rokok menggunakan colour image processing.

2. Area eksperimen berupa area indoor, serta objek yang diambil hanya asap rokok.

3. Sumber asap yang digunakan berupa hasil pembakaran rokok jenis filter.

4. Sampel yang digunakan berupa gambar yang telah di tentukan ukurannya menjadi 240 x 320 piksel.

5. Sampel diambil didalam ruangan pada siang hari secara offline menggunakan kamera handphone dengan resolusi kamera 2MP.

6. Gambar diambil dengan mode fast shoot yang tersedia pada handphone.

7. Citra berekstensi .jpg.

8. Pengolahan citra menggunakan aplikasi MATLAB R2013a.

1.4. Tujuan Penelitian

Tujuan yang ingin dicapai dari penelitian ini adalah melakukan eksperimen

atau percobaan untuk mencari karakteristik dari asap rokok menggunakan

segmentasi color image processing pada citra.

(20)

Manfaat yang didapat penulis dalam penulisan skripsi ini adalah : 1. Bagi Penulis

Mengembangkan pemikiran dan pengetahuan penulis pada bidang teknologi informasi khususnya teknologi pengolahan citra digital, menerapkan apa yang sudah dipelajari selama kuliah, serta menambah wawasan mengenai bagaimana pengaplikasian pengolahan citra menggunakan metode color image processing digunakan untuk mendeteksi adanya asap.

2. Bagi Universitas

Memberikan kontribusi penelitian baru sebagai refrensi dan pengembangan dalam pengolahan citra menggunakan metode color image processing yang digunakan untuk menganalisis citra untuk mendeteksi asap rokok.

3. Bagi Masyarakat Secara Umum

Membuat semua pihak agar lebih peduli terhadap pencemaran udara

didalam ruangan dan juga untuk penelitian deteksi asap rokok dengan

color image processing diharapkan menjadi salah satu alternative atau

solusi dalam upaya membuat suatu sistem deteksi asap rokok sehingga

nantinya sistem ini dapat menjadi salah satu unsur pendukung untuk

mengefektifkan lagi larangan merokok dikawasan publik.

(21)

1.6.1 Metode Pengumpulan Data

Penulis menggunakan metode studi pustaka dalam melakukan analisis data dan penulisan skripsi ini. Studi pustaka yang dilakukan penulis meliputi membaca dan mempelajari buku-buku, e-book, jurnal-jurnal ilmiah, dan artikel-artikel online yang berhubungan dengan penelitian.

1.6.2 Metode Pengolahan Citra

Pada penelitian ini penulis menggunakan metode pengolahan citra.

Dalam pengolahan citra, terdapat langfkah-langkah penting yang dilakukan.

Tahapan ini meliputi: akuisisi citra, pre-processing, segmentasi, representasi dan deskripsi, pengenalan dan interpretasi. Semua tahapan tersebut berjalan berdasarkan basis pengetahuan. Oleh karena itu, peneliti harus melakukan pengumpalan data yang akan diteliti sebelum melakukan proses penelitian pengolahan citra.

1.7. Sistematika Penulisan

Dalam penyusunan skripsi ini, proses penulisan hasil penelitian penulis membaginya dalam lima bab yang pada masing-masing bab tersebut terdapat beberapa sub bab. Penyajian skripsi ini secara singkat akan diuraikan sebagai berikut:

BAB I PENDAHULUAN

Bab ini berisi latar belakang masalah, rumusan masalah, batasan

masalah, tujuan dan manfaat penelitian, metode penelitian, dan

sistematika penulisan.

(22)

Bab ini berisi teori-teori mengenai pendeteksi asap dan pengolahan citra sebagai landasan dan pendukung dalam melakukan kegiatan penelitian.

BAB III METODOLOGI PENELITIAN

Bab ini menjelaskan tentang keseluruhan tahapan percobaan, termasuk didalamnya metode-metode apa saja yang digunakan dalam penelitian.

BAB IV PEMBAHASAN, ANALISIS, DAN HASIL

Bab ini berisi data-data dari hasil penelitian, perhitungan data tersebut, grafik serta analisis mengenai hasil yang diperoleh.

Bagian ini akan menjelaskan tahapan pada penelitian, desain percobaan, dan data-data yang didapat dari percobaan yang kemudian dianalisa hasil korelasinya satu sama lain untuk mendapatkan kesimpulan sesuai tujuan yang telah dicantumkan.

BAB V PENUTUP

Bab ini merupakan bab terakhir yang terdiri dari kesimpulan dari

hasil penelitian serta saran untuk kemajuan penelitian selanjutnya.

(23)

9

Pada bab ini penulis akan menjelaskan mengenai landasan teori apa saja yang menjadi dasar dan pendukung untuk menyusun kerangka pemikiran atau konsep yang berkaitan dan digunakan dalam penelitian.

2.1 Citra

Citra merupakan suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek (Sutoyo, dkk., 2009). Menurut arti secara harfiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis citra yang terlihat merupakan cahaya yang direfleksikan dari sebuah objek. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut dan pantulan cahaya ditangkap oleh alat-alat optik, seperti mata manusia, kamera, scanner, sensor satelit, dan lain-lain, sehingga bayangan objek dalam bentuk citra dapat direkam.

Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat optik berupa foto, analog berupa sinyal video seperti gambar pada monitor televisi, dan digital yang dapat langsung disimpan pada media penyimpan magnetik.

2.2 Citra Digital

Citra digital adalah citra yang dapat diolah oleh komputer (Sutoyo, dkk.,

2009). Secara umum citra digital menunjuk pada gambar dua dimensi yang dapat

ditampilkan pada layar komputer sebagai himpunan berhingga (diskrit).

(24)

Gambar 2.1. Citra Digital Dalam Sumbu Koordinat

Gambar 2.2. Susunan Angka Pada Citra

Pada gambar 2.1 terlihat sebuah citra digital dengan koordinat (x,y). Citra

digital memiliki angka-angka Dengan demikian, citra digital dapat digambarkan

sebagai suatu matriks, dimana indeks baris dan indeks kolom dari matriks

menyatakan posisi suatu titik di dalam citra dan harga dari elemen matriks

menyatakan warna citra pada titik tersebut. Elemen–elemen matriks tersebut

disebut juga dengan istilah pixel yang berasal dari kata picture element.

(25)

Berikut ini adalah pemodelan citra digital dalam bentuk matriks berukuran N x M.

(2.1) 2.2.1 Citra Sebagai Matrix

Matriks merupakan kumpulan angka yang disusun ke dalam baris dan kolom. Elemen matriks adalah angka-angka yang menyusun matriks.

Berikut ini adalah contoh sebuah matriks :

(2.2)

dimana merupakan elemen matriks A dengan merupakan elemen matriks A di baris pertama kolom pertama, merupakan elemen matriks A di baris pertama kolom kedua dan seterusnya.

Di dalam pengolahan citra digital, citra ditampilkan sebagai matriks yang setiap elemen matriksnya mewakili sebuah piksel. Ordo matriks merupakan banyaknya baris dan kolom dalam matriks. Matriks ordo m x n mempunyai m baris dan n kolom. Ordo matriks juga menyatakan dimensi atau ukuran citra.

2.2.2 Jenis Citra Digital

Ada 3 jenis citra yang umum digunakan pada pengaplikasian

pengolahan citra yaitu, color image atau true color, black and white image,

dan binary image. Berikut ini penjelasan lebih lengkap mengenai jenis-jenis

(26)

citra yang digunakan pada pengaplikasian pengolahan citra : 2.2.2.1 Color Image atau Citra RGB (True Color)

Pada color image tiap pixel memiliki warna tertentu, warna tersebut adalah merah (Red), Hijau (Green), dan Biru (Blue). Pada umumnya komputer menampilkan 8, 16, 24 bit untuk setiap piksel.

Banyaknya bit setiap piksel menentukan banyak warna berbeda yang dapat ditampilkan. Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte , yang berarti setiap warna mempunyai range 0-255 dan setiap piksel mempunyai kombinasi warna sebanyak 2

⁸

.2

⁸

.2

⁸

= 2

²⁴

= 16.777.216 warna. Itulah sebabnya format ini dinamakan true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam. (Sutoyo, dkk., 2009).

Gambar 2.3. Citra Forest True Color

(27)

2.2.2.2 Black and White Image

Citra black and white merupakan jenis citra yang memiliki gradasi warna hitam dan putih, yang menghasilkan efek abu-abu sehingga citra jenis ini sering disebut citra grayscale. Warna pada citra ini dinyatakan dengan intensitas 0-255, nilai 0 menyatakan hitam dan 255 menyatakan putih sehingga warna yang dimiliki adalah warna dari hitam, keabuan dan putih.

Gambar 2.4. Citra Lena Black and White

2.2.2.3 Binary Image

Citra jenis ini hanya mempunya 2 jenis warna yaitu hitam

dan putih. Piksel-piksel objek bernilai 0 dan piksel-piksel latar

belakang bernilai 1. Pada waktu menampilkan gambar, 0 adalah

putih dan 1 adalah hitam. Gambar 2.5 merupakan representasi citra

biner.

(28)

Gambar 2.5. Citra Biner (Sumber: Gonzales, dkk., 2004)

2.2.3 Format File Citra

Format file citra standar yang digunakan saat ini terdiri dari beberapa jenis. Format-format ini digunakan untuk menyimpan citra dalam sebuah file. Setiap format memiliki karakteristik masing-masing. Berikut adalah beberapa format umum digunakan saat ini.

1. Bitmap (.bmp)

Format .bmp adalah format penyimpanan standar tanpa kompresi yang umum dapat digunakan untuk menyimpan citra biner hingga citra warna. Format ini terdiri dari beberapa jenis yang setiap jenisnya ditentukan dengan jumlah bit yang digunakan untuk menyimpan sebuah nilai pixel.

2. Tagged Image Format (.tif, .tiff)

Format .tif merupakan formt penyimpanan citra yang dapat digunakan untuk menyimpan citra bitmap hingga citra dengan warna palet terkompresi. Format ini dapat digunakan untuk menyimpan citra yang tidak terkompresi dan juga citra terkompresi.

3. Portable Network Graphics (.png)

Format .png adalah format penyimpanan citra terkompresi.

(29)

Format ini dapat digunakan pada citra grayscle, citra dengan palet warna, dan juga citra fullcolor. Format .png juga mampu menyimpan informasi hingga kanal alpha dengan penyimpanan sebesar 1 hingga 16 bit per kanal.

4. JPEG (.jpg)

.jpg adalah format yang sangat umum digunakan saat ini khususnya untuk transmisi citra. Format ini digunakan untuk menyimpan citra hasil kompresi dengan metode JPEG.

5. MPEG (.mpg)

Format ini digukan di dunia internet dan diperntukkan sebagi format penyimpanan citra bergerak (video). Format ini mendukung video dengan kompresi ber-rugi.

6. Graphics Interchange Format (.gif)

Format ini dapat digunakan pada citra warna dengan palet 8 bit. Penggunaan umumnya pada aplikasi web. Kualitas yang redah menyebabkan format ini tidak terlalu populer di kalangan peneliti pengolahan citra digital.

7. RGB (.rgb)

Fomat ini merupakan format penyimpanan yang dibuat oleh slicon graphics untuk menyimpan itra berwarna.

8. RAS (.ras)

Format .ras digunakan untuk menyimpan citra dnegan format

RGB tanpa kompresi.

(30)

9. Postscript (.ps, .eps, .epfs)

Format ini diperkenalkan sebagai fomat untuk menyimpan citra buku elektronik. Format citra ini, dipresentasikan ke dalam deret nilai desimal atau hexadesimal yang dikodekan ke dalam ASCII.

10. Portable Image File Format

Format ini memiliki beberapa bagian di anataranya adalah portable bitmap, portable graymap, portable pixmap, dan portable network map dengan format berturut-turut adalah .pbm, .pgm, .ppm dan .pnm. Format ini baik digunakan untuk menyimpan dan membaca kembali data citra.

2.3 Warna

2.3.1 Dasar Warna

Manusia dapat melihat warna dikarenakan cahaya yang dipantulkan

oleh sebuah objek. Warna sinar yang direspon oleh mata manusia adalah

sinar tampak (visible spectrum) dengan panjang gelombang berkisar dari

400 (blue) sampai 700nm (merah). Dalam hal ini, spektrum cahaya

kromatis berkisar 400-700 nm (Zhou,dkk., 2010). Kromatis berarti kualitas

warna cahaya yang ditentukan oleh panjang gelombang. Gambar 2.6

memperlihatkan panjang gelombang spektrum warna

(31)

Gambar 2.6. Spektrum Cahaya (Sumber: Gonzales, dkk., 2004)

Penelitian memperlihatkan bahwa kombinasi warna yang memberikan rentang warna paling lebar adalah red(R), green(G), dan blue (B). Ketiga warna tersebut dinamakan warna pokok (primaries), dan sering disingkat warna dasar RGB.

Warna-warna lain dapat diperoleh dengan mengkombinasikan ketiga warna pokok tersebut dengan perbandingan tertentu, sesuai dengan teori Young (1802) yang menyatakan bahwa sembarang warna dapat dihasilkan dari percampuran warna-warna pokok C

1,

C

2,

dan C

3

dengan presentase tertentu (Gonzales,dkk., 2009) :

C = aC

1

+

b

C

2

+ cC

3

(2.3)

2.3.2 Atribut Warna

Karakteristik presepsi mata manusia yang membedakan antara satu warna dengan warna lain adalah hue, saturation, dan brightness.

1. Hue

Hue menyatakan warna sebenarnya, seperti merah dan hijau.

Hue digunakan untuk membedakan warna-warna dan menentukan

(32)

kemerahan, kehijauan, dsb, dari cahaya. Hue menanggapi berbagai nilai panjang gelombang cahaya. Sebagai contoh, bila mata menangkap panjang gelombang antara 430 dan 480 nm, sensasi yang diterima adalah warna biru, sedangkan jika panjang gelombang berkisar antara 570 sampai dengan 600 nm, warna yang terlihat adalah kuning (Crane, 1997).

2. Saturation

Menyatakan tingkat kemurnian warna atau seberapa banyak cahaya putih yang tercampur dengan hue. Setiap warna murni bersaturasi 100% dan tidak mengandung cahaya putih sama sekali.

Dengan perkataan lain, suatu warna murni yang bercampur dengan cahaya putih memiliki saturasi antara 0 dan 100%.

3. Brightness/Lightness

Menyatakan intensitas pantulan objek yang diterima mata.

Intensitas dapat dinyatakan sebagai perubahan warna putih menuju abu-abu. Kisaran nilainya adalah antara gelap (hitam) dan terang (putih).

2.3.3 Ruang Warna

Gonzales & Woods (2004) mendefinisikan ruang warna sebagai

suatu spesifikasi sistem koordinat dan suatu subruangdalam sistem tersebut

dengan setiap warna dinyatakan dengan suatu titik di dalamnya. Tujuan

dibentuknya ruang warna adalan untuk memfasilitasi spesifikasi warna

dalam bentuk standar. Ruang warna paling dikenal pada perangkat

(33)

komputer adalah RGB, yang sesuai dengan watak manusia dalam menangkap warna, kemudian dibuat banyak ruang warna antara lain HSI, CMY, LUV, dan YIQ.

2.3.3.1 Ruang Warna RGB

Ruang warna RGB biasa diterapkan pada monitor CRT dan kebanyakan sistem grafika komputer. Ruang warna ini mempunya tiga komponen dasar yaitu red (R), green (G), dan blue (B). Setiap piksel dibentuk oleh ketiga komponen tersebut. Model RGB biasa disajikan dalam bentuk kubus tiga dimensi, dengan warna merah, hijau dan biru berada pada pojok sumbu seperti yang terlihat pada gambar 2.7

Gambar 2.7. Ruang Warna RGB (Sumber: www.google.com)

2.4 Pengolahan Citra

2.4.1 Definisi Pengolahan Citra

Pengolahan citra merupakan suatu proses perbaikan citra untuk

(34)

meningkatkan kualitas citra menjadi lebih baik, agar citra yang mengalami gangguan mudah diinterpretasi oleh manusia maupun mesin/komputer.

Teknik-teknik pengolahan citra mentransformasikan citra menjadi sebuah masukan dan keluarannya juga berupa citra, namun dengan kualitas yang lebih baik daripada citra masukan.

Meskipun sebuah citra kaya akan informasi, namun seringkali mengalami penurunan mutu (degradasi), misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan sebagainya. Citra semacam ini tentu sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Maka, proses pengolahan citra sangat diperlukan dalam kehidupan sehari-hari. Tujuan dari pengolahan citra digital adalah sebagai berikut :

1. Memperbaiki kualitas gambar dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik).

2. Melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra.

3. Melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data.

Proses pengolahan citra, khususnya dengan menggunakan komputer

akan menghasilkan hasil yang lebih baik dari sebelumnya. Berikut adalah

alur dari pengolahan citra.

(35)

Gambar 2.8. Proses Pengolahan Citra

Pada umumnya, operasi-operasi pengolahan citra diterapkan pada citra apabila:

1. Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra.

2. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur.

3. Sebagian citra perlu di gabung dengan bagian citra yang lain.

Pengolahan citra juga mempunyai manfaat-manfaat pada bidang tertentu, antara lain:

1. Bidang perdagangan a. Pembacaan barcode

b. Pengenalan huruf atau angka pada suatu formulir secara otomatis

2. Bidang militer

a. Mengenali sasaran peluru kendali melalui sensor visual.

b. Mengidentifikasi jenis pesawat musuh

3. Bidang kedokteran

(36)

a. Mammografi

b. Rekontruksi foto janin hasil USG 4. Bidang biologi

a. Pengenalan jenis kromosom melalui citra mikroskopik 5. Komunikasi data

a. Kompresi citra yang akan ditansmisikan 6. Hiburan

a. Game

b. Kompresi video 7. Hukum

a. Pengenalan sidik jari b. Pengenalan foto narapidana 2.4.2 Langkah-Langkah Pengolahan Citra

Dalam pengolahan citra terdapat langkah-langkah penting. Menurut Sutoyo, dkk,.(2009:6), langkah-langkah yang dilakukan dalam pengolahan citra dapat dilakukan seperti yang digambarkan pada Gambar 2.9.

Gambar 2.9. Langkah-langkah Pengolahan Citra

(37)

1. Akuisisi Citra

Akuisisi citra adalah tahap awal untuk mendapatkan citra digital. Tujuan dari proses ini adalah untuk menentukan data yang diperlukan dan memilih metode perekam digital. Tahap ini dimulai dari objek yang akan diambil gambarnya, persiapan alat-alat, sampai pada pencitraan. Dimana pencitraan adalah kegiatan transformasi dari citra tampak (foto, gambar, lukisan, dll) menjadi citra digital.

2. Preprocessing

Preprocessing memerlukan tahapan untuk menjamin kelancaran pada proses berikutnya, antara lain:

a. Peningkatan kualitas citra (kontras, kecerahan, dll) b. Menghilangkan noise

c. Perbaikan citra (image restoration) d. Transformasi (image transformation)

e. Menentukan bagian citra yang akan diobservasi 3. Segmentasi

Segmentasi bertujuan untuk mempartisi citra menjadi bagian- bagian pokok yang mengandung informasi penting, misalnya pada pemisahan objek dan latar belakang.

4. Representasi dan deskripsi

Representasi adalah suatu proses untuk merepresentasikan suatu

wilayah sebagai suatu daftar titik-titik koordinat dalam kurva yang

tertutup, dengan deskripsi luasan dan perimeternya. Proses

(38)

selanjutnya dilakukan deskripsi citra dengan cara seleksi ciri dan ekstrasi ciri (Feature Extraction and Selection). Dimana seleksi ciri bertujuan untuk memilih informasi kuantitatif dari ciri yang ada, dan dapat membedakan kelas-kelas objek dengan baik, sedangkan ektrasi ciri mempunyai tujuan untuk mengukur besaran kuantitatif ciri setiap piksel, misalnya rata-rata, standar deviasi, dan lain-lain.

5. Pengenalan dan interpretasi

Tahap pengenalan bertujuan untuk memberi label pada sebuah objek yang informasinya disediakan oleh descriptor, berbeda dengan tahap interpretasi yang bertujuan untuk memberi arti atan makna kepada kelompok objek-objek yang dikenali.

6. Basis pengetahuan

Basis pengetahuan bertujuan untuk memandu operasi dari masing-masing modul proses dan mengkontrol interaksi antara modul-modul tersebut, dan dapat sebagai referensi pada proses pengenalan pola (template matching).

2.4.3 Operasi Pengolahan Citra

Operasi-operasi yang dilakukan di dalam pengolahan citra banyak ragamnya. Namun secara umum, operasi pengolahan citra dapat diklasifikasikan sebagai berikut :

1. Perbaikan Kualitas Citra (Image Enhancement).

2. Pemugaran Citra (Image Restoration).

3. Pemampatan Citra (Image Compression).

(39)

4. Segmentasi Citra (Image Segmentation).

5. Pengerokan Citra (Image Analysis).

6. Rekonstruksi Citra (Image Reconstruction).

2.5 Segmentasi Citra

Segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap objek atau daerah memiliki kemiripan atribut.

Segmentasi biasa dilakukan sebagai langkah awal untuk mengklasifikasi objek.

Pada citra yang mengandung hanya satu objek, objek dibedakan dari latar belakangnya. Berdasarkan teknik yang digunakan, segmentasi dapat dibagi menjadi empat kategori berikut (Gonzales, dkk,. 2004):

1. Teknik Pengambangan 2. Metode berbasis batas 3. Metode Berbasis Area

4. Metode hibrid yang mengombinasikan kriteria batas dan area.

2.5.1 Thresholding

Segmentasi yang paling sederhana dilaksanakan dengan menggunakan ambang intensitas. Nilai yang lebih kecil daripada nilai ambang diperlakukan sebagai area pertama dan yang lebih besar daripada atau sama dengan nilai ambang dikelompokkan sebagai area kedua. Dalam hal ini salah satu area tersebut berkedudukan sebagai latar belakang. Secara matematis, hal itu dinyatakan dengan

. (2.3)

(40)

Dengan g(x,y) adalah citra biner dari citra grayscale f(x,y), dan T menyatakn nilai ambang. Nilai T memegang peranan yang sangat penting dalam proses pengambangan. Kualitas hasil citra biner sangat tergantung pada nilai T yang digunakan.

Terdapat dua jenis pengambangan, yaitu pengambangan global (global thresholding) dan pengambangan secara lokal adaptif (local adaptive thresholding). Pada pengambangan global, seluruh piksel pada citra dikonversikan menjadi hitam atau putih dengan satu nilai ambang T.

Kemungkinan besar pada pengambangan global akan banyak informasi hilang karena hanya menggunakan satu nilai T untuk keseluruhan piksel.

Untuk mengatasi masalah ini dapat digunakan pengambangan secara lokal adaptif. Pada pengambangan lokal, suatu citra dibagi menjadi blok-blok kecil dan kemudian dilakukan pengambangan lokal pada setiap blok dengan nilai T yang berbeda.

2.5.2 Active Contour

Active contour merupakan fungsi untuk melakukan segmentasi.

Segmentasi berbasis active contour ini dikembangkan oleh Shawn Lankton

yang dirilis pertama kali pada tanggal 12 April 2008 dan diperbaharui

kembali pada 15 April 2008. Metode ini mampu melakukan segmentasi

dengan baik pada obyek dalam citra RGB.

(41)

Gambar 2.10. Active Contour (Sumber: www.google.com)

Active contour menggunakan prinsip energi minimizing yang mendeteksi fitur tertentu yang ada di dalam suatu citra. Metode ini digambarkan sebagai sejumlah titik terkendali yang berurutan satu sama lain. Penentuan obyek dalam gambar melalui active contour merupakan proses interaktif. Pengguna harus memperkirakan initial mask, seperti tampak pada gambar 2.9, contour yang ditentukan hampir mendekati bentuk fitur obyek. Selanjutnya, contour akan tertarik kearah fitur didalam gambar karena pengaruh energi internal yang menghasilkan gambar.

2.6 Deteksi Asap dengan Color Models

Dalam ilmu proses pencitraan gambar (image processing), terdapat banyak cara untuk melakukan pendeteksian objek. Salah satu bagian paling penting dari sistem pendeteksian adalah proses segmentasi pada objek dari latar belakangnya.

Color models adalah salah satu metode dalam melakukan pendeteksian pada

objek. Pada penelitian tentang pendeteksian asap dengan dasar pencitraan gambar,

sistem yang digunakan adalah sistem yang telah dikembangkan oleh Celik, dkk.

(42)

Asap pada umumnya mempunyai kriteria berwarna putih keabu-abuan.

Untuk memunculkan warna abu-abu nilai R (red), G (green), dan B (blue) tidak berbeda jauh setiap pikselnya. Maka warna piksel asap dapat diformulasikan sebagai berikut ini (Celik dkk, 2007):

|R(x,y)-G(x,y)|≤ Th

|G(x,y)-B(x,y)|≤ Th

|R(x,y)-B(x,y)|≤ Th (2.4)

Pada kasus dimana asap dengan temperatur yang rendah dengan range warna dari putih kebiruan hingga putih maka saturasi dari warna juga rendah.

Maka di dapat aturan sebagai berikut (Celik dkk, 2007) :

S(x,y)≤ 0.1 (2.5)

2.7 Rokok

Rokok merupakan suatu produk yang dijual pasaran yang dikonsumsi dengan cara dibakar pada ujung satu kemudian dihisap melalui rongga mulut pada ujung lain. Berdasarkan PP No. 19 tahun 2003, diketahui bahwa rokok adalah hasil olahan tembakau dibungkus termasuk cerutu ataupun bentuk lainnya yang dihasilkan dari tanaman Nicotiana tabacum, Nicotiana rustica dan spesies lainnya atau sintesisnya yang mengandung nikotin dan tar dengan atau tanpa bahan tambahan.

Rokok mengandung kurang lebih 4.000 jenis bahan kimia, dengan 40 jenis

di antaranya bersifat karsinogenik (dapat menyebabkan kanker), dan setidaknya

200 diantaranya berbahaya bagi kesehatan. Racun utama pada rokok adalah tar,

(43)

nikotin, dan karbon monoksida (CO). Selain itu, dalam sebatang rokok juga mengandung bahan-bahan kimia lain yang tak kalah beracunnya (David E, 2003).

Penelitian tentang karakteristik dan akibat dari pembakaran tembakau pada rokok menunjukan hasil bahwa pembakaran rokok dapat mencapai temperatur hingga 780o C pada inti pembakaran dan 442oC pada permukaan rokok yang dibakar. Distribusi panas inti rokok 780o C di ujung rokok menunjukkan panas 300oC pada jarak 2 mm dari ujung rokok. Demikian dengan distribusi panas gas menunjukan 100oC pada jarak 2mm dari ujung rokok (Krasny, 1987).

Karakteristik tersebut selanjutnya akan digunakan untuk mengidentifikasi asap rokok pada citra yang akan diteliti.

2.8 Asap

Asap adalah partikel kecil di udara yang berasal dari pembakaran tak

sempurna oleh suatu bahan bakar. Sebelum terjadinya peristiwa munculnya api,

terjadi sebuah peristiwa yang dinamakan pirolisis. Pirolisis adalah peristiwa

terjadinya dekomposisi bahan kimia akibat adanya pemanasan lokal yang terjadi

secara spontan pada suhu tinggi. Pirolisis biasanya muncul pertama kali pada

peristiwa pembakaran bahan bakar padat seperti kayu, kertas, kain dan juga

beberapa jenis plastik.

(44)

Gambar 2.11. Asap Hasil Pembakaran

2.9 Metode Penelitian

Metode penelitian dalam hal ini bertujuan untuk mengetahui sistematika proses yang berjalan pada pembuatan penulisan. Pada tahap ini banyak teknik yang dilakukan seperti observasi atau studi lapangan, wawancara, dan studi literatur. Pada penelitian ini perlu diperhatikan pemahaman tentang cara berpikir dan cara melaksanakan hasil berpikir menurut langkah-langkah ilmiah.

2.10 Studi Literatur Sejenis

Studi Literatur sejenis merupakan kegiatan menelusuri literatur yang ada dan memiliki kemiripan dengan penelitian yang penulis lakukan serta menelaahnya secara tekun dan detail untuk mengembangkan jenis penelitian.

Berikut adalah hasil tinjauan pustaka terhadap beberapa literatur sejenis :

(45)

Tabel 2.1. Referensi Literatur Sejenis

Nama Judul Penelitian Kesimpulan Perbedaan Turgay Çelik,

Hüseyin Özkaramanli, dan Hasan Demirel.

(Eastern Mediterranean University Gazimagusa , 2007)

Fire and Smoke Detection Without Sensors: Image Processingbased Approach

Terdapat dua model yang digunakan dalam jurnal ini. Yang pertama untuk mendeteksi api dan yang kedua untuk mendeteksi asap.

Dalam deteksi titik api menggunakan fuzzy logic , lalu ditemukan hasil tingkat kebeneran untuk mendeteksi api sebesar 99.00%.

Sedangkan dalam deteksi asap, dapat disimpulkan dengan menggunakan analisis statistik bahwa asap menunjukkan warna keabu-abuan.

Selain mendeteksi asap, penelitian tersebut juga mendeteksi titik api dan menggunakan metode fuzzy logic.

Kentaro Iwamoto, Hirnori Inoue, Toru Matsubara, dan Toshihisa Tanaka.

(Departement of Electrical and Electronic Engineering, Tokyo University of Algriculture and Technology, 2010)

Cigarette Smoke Detection from Captured Image Sequences

Dalam mengenal pola asap, didapatkan enam buah feature values yang tingkat akurasinya tinggi.

Penelitian tersebut

menggunakan metode

statistical and spatio-

temporal features.

(46)

Chen Junzhou, You Yong, Peng Qiang.

(School of Information Science and Technology, Southwest Jiaotong University, Chengdu, Sichuan, China, 2013)

Dynamic Analysis for Video Based Smoke Detection

Dengan menggunakan metode spatial-

temporal feature yang berdasarkan Block based Inter-Frame Difference (BIFD) dan Local Binary Pattern from Three Orthogonal Planes (LBP-TOP), menunjukkan bahwa deteksi asap pada video sangat akurat.

Metode yang

digunakan oleh

penelitian tersebut

adalah spatial-

temporal feature.

(47)

33

Dalam melakukan penelitian, penulis menggunakan dua metode penelitian yaitu, metode pengumpulan data dan metodologi pengolahan citra, kedua metode tersebut penulis rincikan sebagai berikut :

3.1 Metode Pengumpulan Data

Penulis menggunakan metode pengumpulan data sebagai landasan dan pendukung penelitian akan teori-teori dari berbagai bidang keilmuan terkait pengolahan citra digital, dalam metode pengumpulan data penulis menggunakan metode studi pustaka. Metode tersebut penulis rincikan sebagai berikut :

3.1.1 Studi Pustaka

Studi pustaka yang penulis lakukan yaitu membaca dan mempelajari buku-buku, e-book, jurnal-jurnal ilmiah, dan artikel-artikel online yang berhubungan dengan penelitian ini, serta hal-hal yang berisikan teori-teori dan praktik tentang deteksi asap dengan pengolahan citra digital. Sumber buku yang digunakan penulis dalam penelitian ini adalah berbagai buku tentang pengolahan citra digital dan aplikasinya menggunakan MATLAB, metode penelitian, penulisan skripsi, dan artikel-artikel online yang berkaitan dengan rokok dan asapnya.

Penulis juga mempelajari beberapa penelitian sebelumnya yang

berhubungan dengan penelitian ini berupa jurnal ilmiah mengenai deteksi

asap yang penulis jadikan sebagai refrensi dalam melakukan penelitian.

(48)

Adapun refrensi jurnal-jurnal tersebut penulis rangkum dalam Bab II, subbab 2.10.

3.2 Metodologi Pengolahan Citra

Dalam melakukan pengolahan citra, terdapat beberapa langkah-langkah penting yang dapat dijabarkan sebagai berikut:

Gambar 3.1. Tahap-tahap pengolahan citra digital

3.2.1 Akuisisi Citra

Pada tahapan ini, penulis melakukan proses pengambilan data yang diperlukan berupa citra digital untuk digunakan sebagai sampel. Alat perekam gambar yang digunakan pada tahapan ini berupa kamera handphone dengan 2MP.

Dari hasil pengumpulan data pada tahap ini didapatkan 10 kelompok

citra yang akan dijadikan sampel, yaitu citra asap rokok 1 puntung, citra

asap rokok 2 puntung, citra asap rokok 3 puntung, citra asap rokok 4

puntung, citra asap rokok 5 puntung, citra asap rokok 6 puntung, citra asap

rokok 7 puntung, citra asap rokok 8 puntung, citra asap rokok 9 puntung,

(49)

dan citra asap rokok 10 puntung. Kesepuluh kelompok citra tersebut masing-masing diambil 30 kali pengambilan gambar untuk mendapatkan 30 data pada setiap jenis citra.

3.2.2 Pre-Processing

Tahap pre-processing meliputi tahap eksekusi sampel yang didapatkan dari akuisisi citra. Pada tahap ini citra akan diperbaiki kualitasnya, agar dapat meningkatkan kemungkinan dalam keberhasilan pada proses selanjutnya. Citra yang menjadi sampel akan melalui dua proses yaitu:

1. Pengubahan ukuran Citra (Resize)

Pada langkah ini ukuran sampel citra asap rokok dirubah menjadi citra berukuran 240x320 pixel. Pengubahan ukuran citra ini dimaksudkan untuk untuk mengurangi beban kerja komputer sehingga waktu komputasinya lebih cepat.

2. Ekstrasi warna RGB

Ekstraksi warna Pada langkah citra asap rokok yang telah diresize, warna penyusun RGB-nya dipecah menjadi tiga buah citra monochrome Red (merah), Green (hijau) dan Blue (biru). Dalam hal ini komponen warna pada citra akan dicari nilai selisihnya untuk mendapatkan warna abu-abu dikarenakan asap memiliki kriteria berwarna putih keabu-abuan.

3.2.3 Segmentasi Citra

Tahap selanjutnya memisahkan antara objek yang dikehendaki

(50)

(foreground) dengan obyek lain yang tidak dikehendaki (background) dengan teknik active contour. Hasil keluaran proses segmentasi tersebut adalah berupa citra biner di mana foreground berlogika 1 sedangkan background berlogika 0.

3.2.4 Representasi dan Deskripsi

Pada umumnya citra tersusun dari beribu-ribu sampai berjuta-juta piksel. Seperti yang sudah disebutkan sebelumnya, pada penelitian ini, peneliti menggunakan kamera handphone yang menghasilkan jumlah piksel yang banyak pada setiap gambarnya. Oleh karena itu pada proses penelitian, dalam hal merepresentasikan suatu objek yang dikenali dengan dilihat dari white pixel yang dianggap komputer sebagai asap. Pada langkah ini citra asap rokok dirubah kedalam bentuk biner dengan pengaturan trheshold yang sesuai sehingga diperoleh ciri citra yang diinginkan. Penulis juga menggunakan ekstraksi ciri warna untuk membedakan objek dengan warna tertentu.

3.2.5 Pengenalan dan Interpretasi

Pada tahapan ini sampel citra yang telah di proses sebelumnya akan

melalui tahap pengenalan objek terhadap compute (computer vision). Dalam

tahapan ini, nilai parameter-parameter yang merepresentasikan ciri objek

pada masing-masing kelas dijadikan sebagai data masukan. Data tersebut

kemudian diolah sehingga diperoleh suatu rumusan untuk dapat mengenali

objek. Akhir dari proses ini adalah suatu rumusan terbaik yang ditunjukkan

dengan tingkat akurasi dari pengenalan objek.

(51)

3.2.6 Basis Pengetahuan

Basis pengetahuan adalah Pengetahuan peneliti untuk memandu dan mengontrol hasil dari proses penelitian. Untuk mendukung hal tersebut, peneliti melakukan kajian studi pustakan dalam tahap pengumpulan data.

3.3 Alat dan Bahan

Untuk mendukung penelitian ini digunakan perangkat keras (hardware) dan perangkat lunak (software) sebagai berikut:

1. Laptop Processor Intel Core 2 Duo (1.80GHz), RAM 2GB.

2. Kamera Mobile Phone Polytron PL – 8Q5 2MP.

3. Matlab R2013a.

4. Tripod.

5. Kotak kardus berukuran 45 x 30 cm.

6. Rokok jenis filter.

(52)

3.4 Kerangka Penelitiaan

Gambar 3.1. Alur Kerangka Penelitian

(53)

39

Bab ini akan membahas secara detail dan terperinci mengenai proses dan hasil dari penelitian dengan menerapkan metode penelitian yang telah diuraikan pada bab sebelumnya.

Pada bab sebelumnya telah dibahas bahwa tahapan-tahapan yang digunakan dalam penelitian ini adalah tahapan yang dilakukan pada pengolahan citra meliputi akuisisi citra, pre-processing, segmentasi, representasi dan deskripsi, pengenalan dan interpretasi. Selanjutnya identifikasi hasil output untuk menunjukkan hasil analisis.

4.1. Proses Pengolahan Citra 4.1.1. Akuisisi Citra

Tahap pertama yaitu akuisisi citra, dimana dilakukan proses pengumpulan data citra yang akan dijadikan sampel

penelitian.

Pengumpulan data citra dengan prosedur sebagai berikut :

1. Mempersiapkan material yang digunakan berupa rokok jenis filter.

2. Mempersiapkan tempat pengambilan gambar berupa kardus dengan ukuran 45x30cm.

3. Mempersiapkan kamera handphone untuk mengambil gambar.

4. Meletakkan rokok yang sudah di bakar ujungnya sebagai sumber

asap di tempat yang sudah disediakan.

(54)

5. Mengambil gambar dengan teknik fast shoot selama 10detik untuk menghasilkan 30 gambar. Bersamaan dengan itu rokok akan ditambahkan satu persatu untuk setiap pengambilan 30 gambar sampai pengambilan gambar untuk 10 batang rokok. Sehingga jumlah data yang didapat sebanyak 300 buah. Berikut adalah tabel spesifikasi citra sampel :

Tabel 4.1. Citra Sampel

Nama Citra Ukuran Format

Citra 1 puntung

rokok 800x600 JPEG

Citra 2 puntung

rokok 800x600 JPEG

(55)

Citra 3 puntung

rokok 800x600 JPEG

Citra 4 puntung

rokok 800x600 JPEG

Citra 5 puntung

rokok 800x600 JPEG

Citra 6 puntung

rokok 800x600 JPEG

(56)

Citra 7 puntung

rokok 800x600 JPEG

Citra 8 puntung

rokok 800x600 JPEG

Citra 9 puntung

rokok 800x600 JPEG

Citra 10 puntung

rokok 800x600 JPEG

4.1.2. Pre-Processing

Pada tahap ini dilakukan proses pre-processing pada citra yaitu

memperkecil ukuran citra. Citra hasil digitalisasi yang diambil mempunyai

(57)

ukuran resolusi yang besar. Untuk mempercepat proses pengolahan citra maka citra tersebut diubah ukurannya menjadi 240x320 pixel.

Kamera yang digunakan pada proses pengambilan gambar memiliki resolusi sebesar 2MP. Hasil dari pengambilan citra asap rokok mencapai 800x600 piksel sehingga menampilkan matriks yang terlalu besar. Hal ini akan memberatkan pemrosesan dan memakan waktu yang lebih lama, untuk itu citra harus diperkecil dan diubah pikselnya. Kemudian gambar diubah ukurannya atau di-resize menjadi 240x320.

Pada proses digitalisasi, citra berwarna akan menghasilkan matriks tiga dimensi. Matriks ini merupakan representasi dari citra untuk menunjukkan tingkat kecerahan atau derajat keabuan citra dalam kisaran nilai 0-255. Proses digitalisasi citra berwarna menghasilkan tiga matriks yang masing-masing merupakan representasi numerik dari RGB. Martiks R menyatakan matriks citra yang hanya berisi piksel warna merah, matriks G menyatakan matriks citra yang hanya berisi piksel warna hijau dan matriks B menyatakan matriks citra yang hanya berisi piksel warna biru. Sebelum mencari selisih dari setiap komponen warna R,G, dan B terlebih dulu dilakukan pemanggilan komponen warna tersebut, dengan listing program matlab:

R = rgbimage(:, :, 1);

G = rgbimage(:, :, 2);

B = rgbimage(:, :, 3);

Sehingga menghasilkan citra greyscale sebagai berikut :

(58)

Gambar 4.1. Pengambilan komponen warna citra asap rokok R,G,dan B

4.1.3. Segmentasi Citra

Selanjutnya untuk mendeteksi fitur tertentu dari asap segmentasi dilakukan dengan menambahkan fungsi active contour. Fungsi ini digunakan untuk mengambil dan membatasi objek foreground (asap). Pada tahap ini percobaan dilakukan dengan memperkirakan initial mask yang akan digunakan.

Bentuknya adalah citra biner dengan nilai piksel 0 untuk background dan 1 diberikan pada piksel yang akan menjadi foreground. Berikut perintah penyiapan mask menggunakan MATLAB.

mask = zeros(size(gambarGray));

(59)

mask(border:end-border, border:end-border) = 1;

kemudian Segmentasi dilakukan dengan iterasi 25

contour = ambilContour(image, 300, 25);

Berikut perbedaan hasil yang didapat :

Tabel 4.2. Perbedaan hasil proses segmentasi dengan active contour

Tabel 4.2 menunjukkan hasil dari salah satu sampel citra asap rokok yang telah dipisahkan antara objek yang dikehendaki (foreground) dengan objek lain yang tidak dikehendaki (background).

Tanpa Active Contour Dengan Active Contour

(60)

4.1.4. Representasi dan Deskripsi

Bagian terpenting dari tahap ini ialah mengatur nilai threshold.

Selanjutnya citra dianalisis nilai threshold-nya dengan memperhatikan ciri khas dari asap itu sendiri. Pada penelitian sebelumnya untuk mendeteksi asap diketahui dimana threshold terbaik dengan range antara 15-25. Sehingga hasil pengolahan citra pada penelitian ini akan dianalisis nilai threshold (ambang batas)-nya dengan cara eksperimental untuk merumuskan ciri dari asap rokok.

Dengan list program MATLAB sebagai berikut :

BW = im2bw(hasil, 10);

figure, imshow (BW) BW = im2bw(hasil, 15);

figure, imshow (BW) BW = im2bw(hasil, 20);

figure, imshow (BW)

Citra yang dihasilkan adalah sebagai berikut:

(61)

Gambar 4.3. Citra hasil uji Th=10, Th=15, Th=20

Pada Gambar 4.2 terlihat bahwa citra hasil thresholding merupakan citra biner yang bertipe logical bernilai 0 dan 1. Hasil citra menunjukkan pixel yang diduga sebagai asap bernilai 1 berwarna putih sementara yang bukan asap bernilai 0 berwarna hitam. Pada pixel berwarna putih terlihat bahwa asap rokok cenderung membuat garis lurus keatas dan menyebar. Pada percobaan threshold diatas 15 maka terlihat jelas ada sebagian daerah yang bukan asap terdeteksi sebagai asap. Sementara pada percobaan dengan nilai threshold 5 dan 10 terlihat bahwa garis putih yang terdeteksi sebagai asap berkurang.

4.1.5. Pengenalan dan Interpretasi

Dalam tahap ini, citra sampel hasil segmentasi akan dilakukan ekstraksi

Citra Asli Th=10

Th=15 Th=20