DETEKSI TEPI SOBEL
TUGAS AKHIR
Disusun oleh :
RIZKY SULISTIAWAN
NPM. 0934010281
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
SURABAYA
MENGUKUR LUAS TAMBAK DARI CITRA GOOGLE SATELIT DENGAN
MENGGUNAKAN METODE DETEKSI TEPI SOBEL
Disusun Oleh :
Rizky Sulistiawan
NPM. 0934010281
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
MENGUKUR LUAS TAMBAK DARI CITRA GOOGLE SATELIT DENGAN
MENGGUNAKAN METODE DETEKSI TEPI SOBEL
Disusun Oleh : Rizky Sulistiawan NPM. 0934010281
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 Ir.Mu’tasim Billah.MS
NPT.379071002911 NPT.196005041987031001
2. 2.
Ir. Purnomo Edi Sasongko, MP Yisti Vita Via, S.St, M.Kom
NIP. 196407141988031001 NPTY. 3 8604 130 347 1
3.
Henni Endah W, ST, M.Kom NPTY.3 7609 130 348 1 Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
PANITIA UJIAN SKRIPSI / KOMPREHENSIF
KETERANGAN REVISI Mahasiswa di bawah ini :
Nama : Rizky Sulistiawan NPM : 0934010281 Jurusan : Teknik Informatika
Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang III, TA 2012/2013 dengan judul:
“MENGUKUR LUAS TAMBAK DARI CITRA GOOGLE SATELIT
DENGAN MENGGUNAKAN METODE DETEKSI TEPI SOBEL”
Surabaya, 14 Juni 2013 Dosen Penguji yang memerintahkan revisi:
1) Ir. Mu’tasim Billah, MS
Pembimbing Utama Pembimbing Pendamping
Eko Prasetyo, S.Kom M.Kom Ir. Purnomo Edi Sasongko, MP NPT.379071002911 NIP. 196407141988031001
{
}
{
}
Ucapan terima kasih ini kami persembahkan sebagai perwujudan rasa syukur atas terselesaikannya Skripsi. Ucapan terima kasih ini kami tujukan kepada :
1. Allah SWT, karena berkat Rahmat dan berkahNya kami dapat menyusun dan menyelesaikan Laporan Tugas Akhir ini hingga selesai.
2. Bapak Ir. Sutiyono, MS selaku Dekan Fakultas Teknologi Industri
3. Ibu Dr. Ir. Ni Ketut Sari, MT selaku ketua jurusan Teknik Informatika, UPN “Veteran” Jawa Timur
4. Eko Prasetyo S.kom M.kom selaku Dosen Pembimbing utama yang telah meluangkan begitu banyak waktu, tenaga dan pikiran serta dengan sabar membimbing penulis dari awal hingga Laporan Tugas Akhir ini dapat terselesaikan.
5. Ir. R. Purnomo Edi Sasongko, MP selaku Dosen Pembimbing pendamping (Pembimbing II) yang telah dengan sabar membimbing dengan segala kerendahan hati dan banyak ide, petunjuk, masukan, bimbingan, dorongan serta bantuan yang sangat berarti dan bermanfaat bagi tugas akhir ini. Serta bersedia meluangkan waktu untuk membimbing dan membantu. 6. Keluarga tercinta, terutama orang tua kami tersayang, terima kasih atas
indahnya.
Syukur Alhamdulillahi Rabbil ‘Alamin terucap ke hadirat Allah SWT atas
segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan keburutungan yang dimiliki peneliti, akhirnya peneliti dapat menyelesaikan Skripsi Yang berjudul “Mengukur Luas Tambak Dari Citra Satelit Dengan Menggunakan Metode Deteksi Tepi Sobel” tepat waktu.
Skripsi dengan beban 4 SKS ini disusun guna di ajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik
Informatika, Fakultas Teknologi Industri, UPN “Veteran “ Jawa Timur.
Melalui Skripsi ini peneliti merasa mendapatkan kesempatan emas untuk memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkulihan, terutama berkenaan tentang penerapan teknologi perangkat bergerak, 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, Mei 2013
Halaman
ABSTRAK ... i
KATA PENGANTAR ... ii
UCAPAN TERIMA KASIH ... iii
DAFTAR ISI ... v
BAB IITINJAUAN PUSTAKA ... 5
2.1. Penelitian Terdahulu ... 5
2.2. Artifical Intelligence ... 6
2.3. Image ... 6
2.3.1. Analog Image ... 6
2.3.2. Digital Image ... 7
2.4. Computer Vision ... 8
2.5. Elemen Citra ... 8
2.6. Pengolahan Citra Digital ... 10
2.12. Preccion dan Recall ... 19
2.13. Metode Sobel ... 20
2.14. Flowchart ... 23
2.14.1. Simbol-simbol flowchart ... 23
2.15. Matlab ... 28
2.15.1 Kelengkapan pada sistem MATLAB sebagai sebuah system,MATLAB tersusun dari 5 bagian utama: ... 30
2.16. GUI / GUIDE MATLAB... 31
2.17. Membuat GUI dengan MATLAB ... 32
BAB III METODOLOGI PENELITIAN ... 34
3.1. Data Set ... 34
3.2. Analisa Sistem ... 35
3.3. Gambaran Aplikasi secara Umum ... 36
3.3.1. Perancangan Proses ... 38
3.4.1 Perancangan Tampilan Antarmuka ... 52
BAB IVHASIL DAN PEMBAHASAN ... 54
4.1. Kebutuhan Hardware dan Software ... 54
4.2. Implementasi Data ... 55
4.3. Implementasi Antarmuka ... 55
4.4.3. Proses Pixel ... 58
4.4.4. Proses Meter ² ... 59
4.4.5. Proses Open ... 60
4.4.6. Hitung ... 60
4.5. Uji Program ... 62
4.5.1. Skenario Uji Program ... 63
4.5.2. Pelaksanaan UjiCoba... 63
4.5.3. Tabel Evaluasi (Preccion dan Recall) ... 71
BAB V KESIMPULAN DAN SARAN ... 73
5.1 Kesimpulan ... 73
5.2 Saran ... 74
Penyusun : Rizky Sulistiawan
Pembimbing I : Eko Prasetyo S.Kom M.Kom Pembimbing II : Ir. R. Purnomo Edi Sasongko, MP
ABSTRAK
Mengukur luas tambak dalam sebuah citra gambar yang memiliki ketajaman atau yang berkaitan dengan proses transfer data sangat dibutuhkan untuk mendapatkan hasil citra gambar yang sesuai dengan yang dibutuhkan pada aplikasi ini, permasalahan diselesaikan dengan metode Sobel dengan dukungan pemilihan ukuran mask secara manual dari yang telah disediakan dalam aplikasi untuk mendapat hasil yang dibutuhkan. Tugas akhir ini bertujuan untuk “Mengukur Luas Tambak Dari Citra Google Satelit Dengan Menggunakan Metode Deteksi Tepi Sobel”. Sistem ini diimplementasikan menggunakan sobel untuk penghalusan data citra gambar, sehingga sistem harus dibangun sesuai dengan kebutuhan.
Operator sobel merupakan pengembangan Operator robert dengan menggunakan filter HPF(High Pass Filter) 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. Analisis citra merupakan salah satu metode dalam pengolahan citra digital. Proses yang dilakukan dalam mendeteksi tepi dimulai dari masukan gambar asli kemudian akan dirubah menjadi citra grayscale, sobel, dilasi, closing, invers, erosi, dan
rekontruksi.
Operasi citra digital dalam mengukur luas tambak dari citra google satelit dengan menggunakan metode deteksi tepi sobel ini mempunyai tingkat akurasi keberhasilan preccion 95% dan recall 95% dengan hasil yang sempurna ditemukannya obyek tambak dengan intensitas gambar yang utuh dan kondisi jarak yang sesuai.
1.1. Latar Belakang
Dengan perkembangan komputer dan alat pengambilan gambar secara digital yang semakin berkembang saat ini, sehingga menghasilkan banyak fasilitas untuk melakukan proses pengolahan gambar agar lebih sesuai dengan kebutuhan. Salah satunya adalah deteksi tepi pada gambar, karena dengan menggunakan proses deteksi tepi gambar maka proses pengolahan manipulasi pada gambar akan lebih mudah dilakukan. Deteksi tepi gambar merupakan sebuah proses dimana suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra yang bertujuan untuk menandai bagian yang menjadi detail citra serta memperbaiki detail citra yang kabur. 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. Citra / gambar
(image) merupakan hal yang vital dan menjadi bagian integral dari kehidupan
penglihatan manusia. Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang kehidupan antara lain di penginderaan jauh yang menggunakan teknologi citra satelit. Penginderaan jauh merupakan suatu sistem yang digunakan untuk merekam data mengenai permukaan bumi berdasarkan pengukuran yang dilakukan dari jarak jauh dengan menggunakan sistem satelit. Penginderaan jauh bertujuan agar dapat merekam data daerah bumi yang cukup luas dalam pemetaan, maupun pemantauan sumber daya alam. Proses pengolahan citra dimulai dari akuisisi data citra, pengambangan, deteksi tepi, segmentasi citra, sampai citra siap dianalisis. Analisis citra dilakukan dengan proses segmentasi berdasarkan persamaan intensitas warna yang sama pada daerah kerusakan. Analisis citra digunakan untuk menghitung jumlah piksel daerah kerusakan, kemudian dianalogikan sebagai suatu luasan kerusakan wilayah-wilayah akibat Tsunami yang menghasilkan sebuah program untuk menghitung suatu luas wilayah pada citra digital dengan metode segmentasi wilayah dengan intensitas warna yang sama. Dari penelitian yang telah dilakukan, bahwa citra satelit yang tersimpan dalam format JPEG mengalami pemampatan, sehingga ukuran berkas citra menjadi lebih kecil. Proses perhitungan dilakukan melalui perbandingan luas citra yang diolah dengan luas citra daerah sesungguhnya sehingga diketahui luas satu piksel mewakili berapa luasan pada daerah sesungguhnya (Pambudi, 2011).
mungkin terjadi adalah munculnya bias data yang sangat besar. Metode teresterial adalah pengukuran secara langsung dilapangan dengan cara mengambil data berupa ukuran sudut dan jarak dan memiliki kelebihan data yang dihasilkan memiliki tingkat ketelitian yang tinggi, sedangkan kelemahannya memerlukan waktu survey yang lama dengan kebutuhan dana yang sangat besar, metode ini hanya efektif pada daerah yang sempit. Tujuan pada penulisan tugas akhir ini adalah mengukur sebuah luas tambak dari citra google satelit menggunakan metode deteksi tepi sobel.
1.2. Perumusan Masalah
Rumusan masalah yang dibuat pada Tugas Akhir ini adalah: Bagaimana cara mengukur luas tambak dari citra google satelit dengan menggunakan metode deteksi tepi sobel ?
1.3. Batasan Masalah
Dari perumusan masalah di atas terdapat beberapa batasan masalah, antara lain:
1. Program bantu yang digunakan dalam membuat tugas akhir ini adalah matlab 7.0.
2. Tidak membandingkan antara satu metode dengan metode yang lainnya. 3. Mengambil dengan ketinggian 200 meter.
4. Hanya menghitung luas tambak dalam satuan meter2.
panjang tambak sebenarnya 155 meter dan panjang pixel 320 pixel. caranya sebagai berikut : 155 ÷ 320 = 0.4843. Jadi ketetapan skalanya adalah 0.4843.
1.4. Tujuan
Tujuan dari tugas akhir ini adalah membuat sebuah aplikasi yang dapat mengukur luas tambak dengan tingkat kesalahan seminimal mungkin. Dengan cara inputan gambar tambak yang diperoleh dari google satelit, yang kemudian diproses lebih lanjut menggunakan metode deteksi tepi sobel.
1.5. Manfaat
Manfaat dari penulisan tugas akhir ini adalah : 1. Mengetahui hasil luas tambak dari citra google satelit.
2.1. Penelitian Terdahulu
Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan beberapa hasil penelitian terdahulu oleh beberapa peneliti yang pernah penulis baca diantaranya :
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 mengorganisasi dan memanipulasi pengetahuan faktual dan heristik. 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). Image dapat dikategorikan sebagai berikut:
2.3.1. Analog Image
2.3.2. Digital Image
Menurut Shapiro dan Stokman (2001), digital image adalah image 2D I[r,c] yang direpresentasikan oeleh array diskrit 2D dari intesintas sample, dimana masing-masing titik direpresentasikan dengan ketelitian terbatas. Digital image juga didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan terbatas dari nilai digital yang disebut picture elements atau pixel. Umumnya pixel disimpan dalam komputer sebagai gambar raster, yaitu array dua dimensi dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital
image dapat diperoleh dari berbagai macam alat adan teknik pengambil gambar,
seperti kamera digital, scanner, radar, dan sebagainya. Dapat pula disentesis dari data seperti fungsi matematika dan lain-lain. 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:
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
2.4. Computer Vision
Computer Vision (sering disebut juga dengan Machine Vision) dapat
dideskripsikan sebagai ilmu yang mempelajari metode yang dapat digunakan untuk membuat komputer mengerti gambar atau data banyak dimensi umumnya, sementara definisi Computer Vision menurut Kulkarni (2001), adalah penyimpulan (dedukasi) otomatis akan struktur atau properti dari tiga dimensi dari satu atau lebih image dua dimensi dunia tersebut dan pengenalan objek-objek dengan bantuan properti-properti ini, atau secara singkatnya yaitu proses mengenali objek tertentu dari suatu image. Tujuan dari Computer Vision adalah untuk membuat keputusan yang berguna tentang objek dunia nyata dan keadaan (scene) berdasarkan image yang diambil. Untuk membuat keputusan akan objekk nyata, sangat penting untuk membangun 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.
2.5. Elemen Citra
a. Warna
Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang (_). Warna yang diterima oleh mata merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda. Kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), blue (B).
b. 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.
c. 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.
d. 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.
e. Bentuk (shape)
dimensi), sedangkan objek yang dilihat umumnya berbentuk trimatra (tiga dimensi). Informasi bentuk objek dapat diekstraksi dari citra pada permulaan prapengolahan dan segmentasi citra.
f. 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.
2.6. 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 :
a. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah diinterpretasi oleh mata manusia.
b. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.
citra dan pengenalan 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).
2.7. RGB (Red, Green, Blue)
B G R
Gambar 2.1 Red, Green, Blue (Agus, 2010)
2.8. 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).
2.9. Morfologi
atau region dalam citra. Karena difokuskan pada bentuk obyek, maka operasi ini biasanya diterapkan pada citra biner (terdiri dari 1 dan 0). pemrosesan citra secara morfologi dilakukan denga cara mem-passing sebuah sturktur elemen terhadap sebuah citra dengan cara yang hampir sama dengan konvolusi. Struktur elemen dapat diibaratkan dengan mask pada pemrosesan citra biasa (bukan secara morfologi).
2.9.1. Structuring Element :
Menurut Dougherty (2009), 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, Erosi, Closing
2.9.2. Erosi
Erosi adalah salah satu operasi dasar dalam pemrosesan citra secara morfologi. Erosi adalah sebuah operasi yang meningkatkan ukuran dari latar belakang (dan mengikis objek latar depan) pada citra biner (Dougherty, 2009).
Dengan memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka proses erosi dapat dinotasikan dengan:
=
Elemen terstruktur yang sering digunakan adalah 4-konektivitas dan 8-konektivitas.
4-connectivity 8-connectivity Gambar 2.2 Elemen terstruktur 4- dan 8- konektivitas Erosi memiliki karakteristik :
Erosi pada umunya memperkecil ukuran dari objek dan menghilangkan elemen atau anomali kecil dengan mengurangi objek dengan radius yang lebih kecil dari ukuran elemen terstruktur.
Dengan citra binner erosi menghilangkan objek yang lebih kecil dari elemen terstruktur dan mengiliminasi pixel parameter dari objek citra yang lebih besar.
Algoritma yang dilakukan pada erosi adalah sebagai berikut:
Posisikan elemen terstruktur dibagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel latar belakang di bawahnya (yang ditutupinya), maka tetapkan piksel keluaran pada citra baru ke nilai latar belakang, maka tetapkan piksel.
Gambar 2.3 Erosi menggunakan elemen terstruktur 8-konektivitas Dengan begitu, piksel latar belakang pada citra masukan akan menjadi latar belakang pada citra keluaran dan juga piksel latar depan pada citra masukan akan menjadi latar belakang pada citra keluaran.
2.9.3. Dilasi
Dilasi adalah salah satu operasi dasar dalam morfologi matematika. Pada citra biner, dilasi adalah sebuah operasi yang mengekspansi atau memperbesar ukuran dari objek latar depan (Daugherty, 2009). Biasanya objek pada citra dilambangkan dengan piksel putih, walaupun untuk beberapa implementasi objek pada citra dilambangkan dengan piksel hitam. Konektivitas antar piksel pusat dengan tetangganya dibuat berdasarkan elemen terstruktur yang terdefini. Memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur, dan C sebagai objek citra keluaran hasil dilasi, maka proses dilasi dapat dinotasikan sebagai :
Dilasi memiliki karakteristik :
Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan area yang rusak, dan menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari ukuran elemen terstruktur.
Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap objek citra.
Algoritma yang dilakukan pada dilasi adalah sebagai berikut :
Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar depan.
Gambar 2.4 dilasi menggunakan elemen terstruktur 8-konektivitas
2.9.4. Closing :
Menurut Dougherty (2009), Operator closing yaitu operator yang terdiri dari rangkaian operasi operator dilation diikuti oleh erosion, yang diformulasikan sebagai:
⦁ = ( ⊕ ) ⊖
Operator closing akan menyatukan (fuse) patahan-patahan yang sempit, menutup lubang-lubang kecil dan menghaluskan kontur.
2.10. Rekontruksi
Menurut Dougherty (2009), Rekonstruksi citra (image reconstruction) bertujuan membentuk ulang objek dari beberapa citra hasil proyeksi. Misalnya beberapa fotorontgen dengan sinarX. Digunakan untuk membentuk ulang gambar organ tubuh.
2.11. Invers
A B B A
f f - 1
Gambar 2.5 Sebuah fungsi f dan inversnya
Jika sebuah input x dimasukkan ke dalam fungsi f menghasilkan sebuah output y, y kemudian dimasukkan ke dalam fungsi invers menghasilkan output x. f adalah fungsi yang domainnya adalah himpunan X, dan kodomainnya adalah himpunan Y. Kemudian, jika ada kebalikan dari fungsi f adalah dengan domain Y dan kodomain X, dengan aturan. Jika ( ) = y , maka ( ) = , Tidak semua fungsi mempunyai invers. Tetapi, fungsi yang tidak mempunyai invers itu akan mempunyai invers jika kita membatasi himpunan nilai-nilai X-nya. Fungsi yang mempunyai invers adalah fungsi bijektif, yaitu:
2.12. 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
Pr eccion =
+ 100%
Recall =
+ 100%
Keterangan:
2.13. Metode Sobel
Menurut Amelia Lia (2012), Proses yang digunakan oleh operator sobel merupakan proses dari sebuah konvolusi yang telah di tetapkan terhadap citra yang terdeteksi. Dalam operator sobel digunakan matrik 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.
A1 A2 A3
A4 Aij A5
A6 A7 A8
Gambar 2.6 Matrik 3x3 pada area image
Didefenisikan Gy sebagai arah penelusuran secara vertical
= ( −1) + ( 0) + ( 1) + ( −2) + ( 0) + ( 2)
+ ( −1) + ( 0) + ( 1)
dan Gx sebagai penulusuran arah secara horizontal
= ( −1) + ( −2) + ( −1) + ( 0) + ( 0
+ ( 0) + ( 1) + ( 2) + ( 1)
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 berdasarkan intusi wilayah/area0 juga pada persamaan, Gx adalah berbeda antara kolom a4dan a5. Gx adalah arah dari x dan Gy adalah merupakan arah dari y. persamaan daridan 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.
Gambar 2.7 mask vertical Gambar 2.8 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 dengan intensitas yang lebih besar atau tajam. Dan juga ukuran tepi objek yang jauh lebih besar dari ukuran sebelumnya. Keadaan ini dikarenakan titik-titik yang lebih dekatdengan titik tengah (terperiksa) diberi harga yang lebih dominan dalam perhitungan, terbukti pada
awalnya intensitas piksel image mempunyai rangeintensitas (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 putih memunculkan piksel-piksel
signifikan tersebut.
Edge atau garis di tepi objek terlihat lebih terang dari sebelumnya. Warna
grayscale merupakan perpaduan warna dari dua warna dominan, yaitu perpaduan
antara warna minimum dan maksimum. Perpaduan warna yang dimaksud disebutsebagai warna medium atau setengah terang atau warna menegah. Bila
image menggunakan perpaduan antara warna hitam dan putih, maka warna yang
demikian dikenal dengan sebutan warna mediumgray atau grayscale. Dengan demikian setiap piksel yang dihasilkan akan disesuaikan dengan set warna
medium ini. Set warna inidimulai dari warna hitam sebagai warna minimum dan
nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan terhadap gradien juga merupakan gabungan dari posisi mendatar dan posisi vertikal.
2.14. Flowchart
Menurut Abdia Gunaidi (2006), Flowchart adalah representasi grafik dari langkah-langkah yang harus diikuti dalam menyelesaikan suatu permasalahan yang terdiri atas sekumpulan simbol, dimana masing-masing simbol merepresentasikan suatu kegiatan tertentu. Flowchart diawali dengan penerimaan
input, pemrosesan input, dan diakhiri dengan penampilan output.
Gambar 2.9 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).
2.14.1. Simbol-simbol flowchart
Menurut Abdia Gunaidi (2006), 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.
a. 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 keseluruhan dengan tujuan efisiensi ruang gambar.
Gambar 2.10 simbol input
b. 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.
c. 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.
Gambar 2.12 simbol output / display d. 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.
e. Simbol prosedur
Simbol prosedur digambarkan dengan bangun seperti Gambar 2.11. 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 2.14 simbol prosedur f. 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 2.15 simbol garis alir
g. Simbol terminator
ini biasanya diberi label START untuk menandai awal dari flowchart, dan label
STOP untuk menandai akhir dari flowchart. Jadi dalam sebuah flowchart pasti
terdapat sepasang terminator yaitu terminator start dan stop.
Gambar 2.16 simbol terminator
h. 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 2.18 simbol Off-Page Connector
i. Simbol komentar
Simbol komentar atau annotation digunakan untuk menuliskan komentar atau keterangan yang dirasa penting. Dalam simbol ini, kita dapat menuliskan komentar apapun dan sebanyak apapun,
Gambar 2.19 simbol komentar
2.15. Matlab
Menurut Teuinsuksa (2009), MATLAB adalah sebuah bahasa dengan (high-performance) kinerja tinggi untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana masalah-masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar. Penggunaan Matlab meliputi bidang–bidang:
Matematika dan Komputasi Pembentukan Algorithm Akusisi Data
Analisa data, explorasi, dan visualisasi Grafik Keilmuan dan bidang Rekayasa
MATLAB merupakan suatu sistem interaktif yang memiliki elemen data dalam suatu array sehingga tidak lagi kita dipusingkan dengan masalah dimensi. Hal ini memungkinkan kita untuk memecahkan banyak masalah teknis yang terkait dengan komputasi, kususnya yang berhubungan dengan matrix dan formulasi vektor, yang mana masalah tersebut merupakan momok apabila kita harus menyelesaikannya dengan menggunakan bahasa level rendah seperti Pascall, C dan Basic. Nama MATLAB merupakan singkatan dari matrix laboratory. MATLAB pada awalnya ditulis untuk memudahkan akses perangkat lunak matrik yang telah dibentuk oleh LINPACK dan EISPACK. Saat ini perangkat MATLAB telah menggabung dengan LAPACK dan BLAS library, yang merupakan satu kesatuan dari sebuah seni tersendiri dalam perangkat lunak untuk komputasi matrix.
sudah bisa dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, system kontrol, neural networks, fuzzy logic, wavelets, dan lain-lain.
2.15.1.Kelengkapan pada Sistem MATLAB Sebagai sebuah system, MATLAB tersusun dari 5 bagian utama:
a. Development Environment merupakan sekumpulan perangkat dan fasilitas yang membantu anda untuk menggunakan fungsi-fungsi dan file-file MATLAB. Beberapa perangkat ini merupakan sebuah graphical user interfaces (GUI). Termasuk didalamnya adalah MATLAB desktop dan CommandWindow, command history, sebuah editor dan debugger, dan browsers untuk melihat help, workspace, files, dan search path.
b. MATLAB Mathematical Function Library merupakan sekumpulan algoritma komputasi mulai dari fungsi-fungsi dasar sepertri: sum, sin, cos, dan complex arithmetic, sampai dengan fungsi-fungsi yang lebih kompek seperti matrix inverse, matrix eigenvalues, Bessel functions, dan fast Fourier transforms.
d. Graphics MATLAB memiliki fasilitas untuk menampilkan vector dan
matrices sebagai suatu grafik. Didalamnya melibatkan high-level functions (fungsi-fungsi level tinggi) untuk visualisasi data dua dikensi dan data tiga dimensi, image processing, animation, dan presentation graphics. Ini juga melibatkan fungsi level rendah yang memungkinkan bagi anda untuk membiasakan diri untuk memunculkan grafik mulai dari benutk yang sederhana sampai dengan tingkatan graphical user interfaces pada aplikasi MATLAB anda.
e. MATLAB Application 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.
2.16. GUI / GUIDE MATLAB
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:
a. GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi berorientasi sains, sehingga banyak peneliti dan mahasiswa menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas akhirnya.
b. GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri.
c. Ukuran file, baik FIG-file maupun M-file, yang dihasilkan relatif kecil.
d. Kemampuan grafisnya cukup andal dan tidak kalah dibandingkan dengan bahasa pemrograman lainnya.
2.17. Membuat GUI dengan MATLAB
Menurut Teuinsuksa (2009), MATLAB mengimplementasikan GUI sebagai sebuah figure yang berisi barbagai style obyek UIControl. Selanjutnya kita harus memprogram masing-masing obyek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Langkah dasar yang harus dikerjakan dalam membuat GUI adalah :
a. Mengatur layout komponen GUI
komponen palet sesuai dengan kebutuhan, seperti p ushbutton, radiobutton, chexkboxes, edit text, static text, slider, frames, popup menu, axes, dan sebagainya. Selanjutnya kita dapat mengatur layout masing-masing komponen, baik string(caption), font, color, size, dan sebagainya menggunakan property inspector. Jika kita telah selesai mendesain, jangan lupa untuk menyimpan file figure yang secara default akan memiliki ekstensi *.fig. Dari sini, matlab secara otomatis akan membuatkan sebuah m-file dengan nama yang sama, yaitu file berekstensi *.m.
b. Memprogram Komponen GUI
Pada bab ini akan dijelaskan mengenai proses pembuatan aplikasi deteksi tepi citra untuk mengukur luas tambak dari citra google satelit dengan menggunakan metode deteksi tepi sobel. Proses perancangan aplikasi dalam sub-bab ini akan dibagi menjadi beberapa tahap antara lain : analisis, gambaran aplikasi secara umum, perancangan proses.
200 Meter
Tabel 3.1 Tabel Data Set
3.2. Analisa Sistem
Aplikasi untuk deteksi tepi citra untuk mengukur luas tambak dari citra google satelit dengan menggunakan metode deteksi tepi sobel bahasa pemrograman Matlab. Citra diambil dengan menggunakan google satelit dengan ketinggian 200 meter, kemudian proses selanjutnya adalah grayscale, sobel,
dilasi, closing, invers, erosi, rekontruksi. Proses awal yang digunakan dalam
citra menjadi sebuah citra keabuan. Hasil dari proses grayscale yang telah kita lakukan, selanjutnya akan dijadikan deteksi tepi sobel merupakan proses dari sebuah konvolusi yang telah di tetapkan terhadap citra yang terdeteksi. Setelah itu dilakukan proses dilasi supaya garis yang terputus pada objek akan tersambung setelah garis-garis objek yang tersambung dilakukan proses closing. Closing adalah mengisi lubang kecil pada objek, menggabungkan objek-objek yang berdekatan, dan secara umum men-smooth-kan batas dari objek besar tanpa mengubah area objek secara signifikan. Pada tahap selanjutnya dilakukan tahap
invers supaya dapat menghitung pixel putih pada area objek untuk mendapatkan
hasil yang akan diketahui, untuk tahap selanjutnya dilakukan proses erosi dan
rekontruksi. Erosi adalah suatu proses yang menghilangkan objek-objek yang
tidak dipakai setelah objek-objek terhilangkan dilakukan proses rekontruksi supaya objek yang terhilangkan dari proses erosi dapat dikembalikan dengan objek yang utuh dengan proses rekontruksi, yang terakhir dalam pembuatan aplikasi adalah menampilkan jumlah piksel dan jumlah meter ². Dari aplikasi tersebut akan dilakukan perbandingan.
3.3. Gambaran Aplikasi secara Umum
Secara garis besar untuk melakukan pendeteksian tepi pada tambak melalui bebarapa proses yaitu meliputi :
1) Citra masukan berupa citra berwarna
2) Baca inputancitra yang akan diproses menjadi : a) Grayscale
c) Dilasi
d) Closing
e) Invers
f) Erosi
g) Rekontruksi
3) Output
Melakukan pendeteksian tepi setelah proses grayscale, deteksi tepi sobel,
dilasi, closing, invers, erosi, rekontruksi. Citra keluaran akan berupa berapa piksel
warna putih dan jumlah meter2. Pada implementasinya aplikasi ini melakukan pengambilan gambar sample memakai google satelit secara manual.
3.3.1. Perancangan Proses
Untuk mengetahui proses-proses yang dilakukan maka akan dijelaskan sebagai berikut :
3.3.2. 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)
Variabel gray berfungsi untuk menampung hasil konversi citra RGB kecitra abu – abu. Citra yang dikonversi adalah citra tambak yang ditampung dalam variabel I.
3.3.3. 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. . Berikut adalah potongan baris program sobel.
Setelah proses grayscale langkah selanjutnya adalah deteksi tepi. Metode yang digunakan adalah metode sobel. Operator sobel adalah operator yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya. Proses sobel ini, dilakukan dua penghitungan yaitu vertical dan horizontal. Berikut ini adalah potongan baris program untuk deteksi tepi Sobel.
3.3.4. Dilasi
Pada proses ini akan dilasi. Dilasi merupakan proses penumbuhan atau penebalan dalam citra biner. Pengertian penebalan ini dikontrol oeleh bentuk strel.
Pada flowchart 3.5 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);
3.3.5. 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);
3.3.6. Invers
Pada proses ini akan diinvers. Invers adalah merubah sebuah objek dari hitam ke putih dirubah menjadi putih ke hitam sehingga akan mendapatkan nilai pixel putih dalam objek tersebut, Berikut adalah proses invers.
Setelah dilakukan tahap closing kemudian dilakukan tahap invers. Pada tahap ini yang digunakan adalah invers. Berikut adalah potongan baris program
invers.
x=imcomplement (d);
3.3.7. Erosi
Pada proses ini akan dierosi. Erosi adalah mengecilkan atau menipiskan obyek citra biner, berbeda dengan dilasi yang melakukan penumbuhan atau penebalan. Erosi dapat dianggap sebagai operasi morphological filtering dimana detail citra yang lebih kecil dari strel akan difilter (dihilangkan) dari citra.
Setelah dilakukan tahap invers kemudian dilakukan tahap erosi. Pada tahap ini yang digunakan adalah erosi. Berikut adalah potongan baris program
erosi.
se= strel ('disk',37); e= imerode (x,se);
3.3.8. Rekontruksi
Pada proses ini akan direkontruksi. Rekontruksi adalah mengembalikan bentuk obyek yang tersisa setelah erosi.
Setelah dilakukan tahap erosi kemudian dilakukan tahap rekontruksi. Pada tahap ini yang digunakan adalah rekontruksi. Berikut adalah potongan baris program rekontruksi.
r=imreconstruct (e,x);
3.3.9. Piksel
Pada proses ini akan mengetahui jumlah piksel.
Setelah dilakukan tahap rekontruksi kemudian dilakukan tahap mengetahui jumlah piksel. Pada tahap ini yang digunakan adalah piksel. Berikut adalah potongan baris program piksel.
luas=sum (sum(r));
3.3.10.Meter2
Pada proses ini akan mengetahui jumlah piksel.
Gambar 3.10 Flowcahrt Meter2
dan 0,4843 adalah skala yang dipakai dalam mengetahui jumlah meter2. Berikut
adalah potongan baris program meter2.
y=0.4843;
3.4. Evaluasi
Evaluasi pada penelitian ini adalah evaluasi yang dapat membandingkan hasil uji program dengan hasil image yang telah di photoshop untuk mengetahui berapa persenkah kemiripan uji program dengan image sebenarnya.
Data Tambak 1
Hasil
Tambak Bukan Tambak
Tambak TP=68298 FN=875
Bukan Tambak FP=1465 TN=31762
Preccion =68298/68298+1465
=68298/69763
=0,97x100% =97%
=0,98x100%
Tambak TP=63938 FN=442
Bukan Tambak FP=7468 TN=30552
Preccion =63938/63938+7468 =63938/71406 =0,89x100% =89%
=0,96x100%
Preccion =62178/62178+0 =62178/62178
Tambak TP=43624 FN=1668
Bukan Tambak FP=5434 TN=51674
Preccion =43624/43624+5434 =43624/49058 =0,88x100% =88%
3.4.1. Perancangan Tampilan Antarmuka
Pada perancangan antarmuka 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 tabel yang berisi perancangan dalam
pembuatan program deteksi tepi.
Fig-file Komponen Nama Fungsi
Tambakkkk Static text DeteksiTepi
Citra… Judul
Axes (1) - Menampilkan Citra
Text Pixel MenampilkanTulisan
Text Meter² MenampilkanTulisan
Text Hektar MenampilkanTulisan
Push
button Load Membuka File
Push
button Hitung
Mengetahui Nilai FP, TP, FN, TN, untuk menghitung preccion dan recall
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
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.
Kebutuhan Hardware :
a. Komputer dengan processor Intel(R) Core(TM)2Duo CPU T6400 2,00GHz b. RAM (2048MB)
c. VGA Card share memory up to 1274 MegaByte d. Monitor 14”
e. Hard Disk 320 GigaByte Kebutuhan Software :
a. Sistem OperasiWindows 7. b. Matlab 7.0
4.2. Implementasi Data
Seperti yang telah dijelaskan secara konseptual pada Bab 3, maka data yang akan diimplementasikan pada aplikasi ini berupa gambar-gambar tambak yang telah diambil melalui google satelit yang nantinya akan diproses melalui beberapa tahapan. Dimana output berupa tampilan piksel, meter ².
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 melakukan proses jumlah pixel. d. Meter ² : untuk melakukan proses jumlah meter ².
e. Open : untuk melakukan proses membuka file yang telah diedit diphotoshop untuk dilakukan proses perbandingan. f. Hitung : untuk mengetahui nilai preccion dan recall berapa persen
keakuratan dari uji program dengan image sebenarnya.
merubah citra yang berwarna menjadi keabu-abuan. Kolom ketiga diberi nama sobel yaitu sebuah kolom yang menampilkan hasil deteksi tepi dari metode sobel. Kolom keempat adalah dilasi sebuah kolom yang menampilkan hasil dari metode deteksi sobel lalu di proses ke dilasi untuk penumbuhan atau penebalan dalam citra biner. Kolom kelima adalah closing sebuah kolom yang menampilkan hasil proses closing. Kolom keenam adalah invers sebuah kolom yang menampilkan hasil proses invers. Kolom ketujuh erosi adalah sebuah kolom yang menampilkan hasil dari proses erosi menghilangkan obyek-obyek kecil pada citra. Kolom kedelapan rekontruksi adalah sebuah kolom yang menampilkan hasil dari rekontruksi.. Terdapat pula jumlah pixel, jumlah meter², yang ditampilkan sesuai dengan image yang telah dimasukkan. Information image itu berupa pixel dan
meter².
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. 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, png, tif.
% --- Executes on button press in load.
function load_Callback(hObject, eventdata, handles)
% hObject handle to load (see GCBO)
% handles structure with handles and user data (see GUIDATA)
proyek=guidata(gcbo);
[namafile,direktori]=uigetfile({'*.jpg';'*.bmp';'*.png';'*.t
if'},'Open Image');
set(proyek.figure1,'CurrentAxes',proyek.axes1);
set(imshow(I));
set(proyek.figure1,'userdata',I);
set(proyek.axes1,'userdata',I);
Gambar 4.1 Source code load image
4.4.2. Proses
Pada tahap selanjutnya dilakukan proses, image yang berwarna citra RGB akan dirubah menjadi grayscale terlebih dahulu baru setelah itu dilakukan proses deteksi tepi sobel untuk mengubah citra menjadi hitam putih, lalu dilakukan proses dilasi untuk menyambungkan garis yang terputus, lalu dilakukan proses closing, invers, erosi, rekontruksi. Hal demikian dilakukan untuk mempermudah proses pendeteksian tepi.
% --- Executes on button press in proses.
function proses_Callback(hObject, eventdata, handles)
% hObject handle to proses (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
end;
Gambar 4.2 Source Code Proses
4.4.3. Proses Pixel
Berikut adalah source code dari proses pixel :
% --- Executes on button press in pixel.
function pixel_Callback(hObject, eventdata, handles)
% hObject handle to pixel (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
proyek=guidata(gcbo);
BW=edge(gray,'sobel');
Gambar 4.3 Source Code Pixel
Pada gambar 4.3 proses yang dilakukan merubah citra menjadi grayscale, kemudian membuat image hitam putih dan metode deteksi tepi Sobel, Dilasi, Closing, Invers, Erosi, dan Rekontruksi lalu dilakukan proses hitung jumlah pixel.
4.4.4. Proses Meter ²
Pada proses ini luas meter2 di hitung dengan skala yang telah terhitung. Jadi pixel*skala sama dengan hasil meter2. Hasil ini akan diproses ke tahap berikutnya.
% --- Executes on button press in pushbutton6.
function pushbutton6_Callback(hObject, eventdata,
handles)
% hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB
set(proyek.edit3,'String',luas*y);
Gambar 4.4 Source Code Meter² 4.4.5. Proses Open
Pada proses open ini untuk menampilkan image yang telah diproses dari open dari gambar image photoshop, setelah itu dilakukan proses citra biner untuk mendapatkan citra binernya, setelah mendaptkan image citra binernya dilakukan sebuah perhitungan preccion dan recall.
% --- Executes on button press in pushbutton8.
function pushbutton8_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton8 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
set(proyek.figure1,'CurrentAxes',proyek.axes13);
set(imshow(s1));
set(proyek.figure1,'userdata',z);
set(proyek.axes13,'userdata',z);
Gambar 4.5 Source Code Open 4.4.6. Hitung
Pada hitung ini untuk menampilkan nilai tp, fp, fn, tn yang telah diproses dari open dari gambar image photoshop, setelah itu dilakukan proses hitung untuk mendapatkan nilai tp, fp, fn, tn, setelah mendapatkan nilai tersebut dilakukan sebuah perhitungan preccion dan recall.
% hObject handle to pushbutton10 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
se= strel ('disk',15);
Gambar 4.6 Source Code Hitung
4.5. Uji Coba Program
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 Perolehan image dari satelite digital selalu berbeda, hal itu dipengaruhi oleh jarak ambil, serta kondisi objek gambar yang akan diambil, saat pemrosesan berlangsung dan adapun kemiripan obyek yang dinyatakan dalam satau bangunan.
b. Melakukan proses, menguji tingkat keberhasilan melalui proses yang sudah direncanakan. Karena tidak semua image memiliki kemiripan.
c. Melakukan proses grayscale, sobel, dilasi, closing, invers, erosi, rekontruksi,
pixel, meter2, hasil dari proses berupa tampilan jumlah piksel, jumlah meter2, oleh karena itu perlu diuji tingkat keberhasilan pada obyek tambak dengan real.
d. Melakukan proses hitung untuk mengetahui nilai preccion dan recall.
4.5.2. Pelaksanaan UjiCoba
Gambar 4.7 Tampilan Awal Aplikasi
Tombol Load pada tampilan form utama berfungsi untuk mengambil
image yang sudah tersimpan dikomputer. Image sebelumnya sudah diambil
program hanya bisa menjalankan perintah open atau cancel pada menu direktori komputer. Menu tombol aplikasi lainnya tidak bisa dijalankan sebelum proses direktori load selesai dijalankan.
Gambar 4.8 Tampilan Proses Load Image
Tombol proses berfungsi untuk menjalankan proses pendeteksian tepi.
Image yang akan diproses terlebih dahulu tampil pada kolom Image yang berupa
dari kesembilan metode deteksi tepi pada kolom prosesnya itu citra keabuan, peningkatan mutu citra, sobel, dilasi, closing, invers, erosi, rekontruksi.
Gambar 4.9 Tampilan Proses
pada kolom Pixel yang berupa jumlah pixel. Setelah tombol pixel akan diproses maka muncul output hasil dari jumlah pixel tersebut.
Gambar 4.10 Tampilan Pixel
Tombol meter2 berfungsi untuk menjalankan proses hasil dari jumlah pixel lalu di hitung kedalam satuan meter2 yang telah terhitung dari hasil jumlah pixel.
jumlah meter2. Setelah tombol meter2 akan diproses maka muncul output
meter2.
Gambar 4.11 Tampilan Meter2
Gambar 4.12 Tampilan Open
Gambar 4.13 Tampilan Hitung
4.5.3. Tabel Evaluasi (Preccion dan Recall)
No. Citra Hasil Program
Citra Hasil Ideal
Luas Evaluasi Hasil
Program Preccion Recall
1. 33786.2 97% 98%
2. 28522.4 98% 98%
3. 34581.9 89% 99%
4. 29845 99% 96%
5. 31112.4 99% 97%
7. 30112.8 100% 83%
8. 23758.8 88% 95%
Rata-Rata : 95% 95%
73
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 “Mengukur Luas Tambak
Pada Citra Google Satelit Dengan Menggunakan Metode Deteksi Tepi Sobel” ini.
a) Mengukur luas tambak dari citra google satelit dengan menggunakan metode
deteksi tepi sobel dilakukan dengan proses mencari image tambak harus
memperhatikan jarak pengambilan image pada google satelit, karena hal itu
sangat berpengaruh terhadap keberhasilan pada proses deteksi tepi tambaknya.
Pada proses untuk mengetahui obyek yang tersisah dengan utuh, image harus
diproses melalui operasi citra digital antara lain grayscale, sobel, dilasi, closing,
invers, erosi, rekontruksi, terlebih dahulu agar gambar mudah diproses, kemudian
gambar akan dihitung dalam piksel dan meter2 untuk mengetahui luas tambak
tersebut.
b) Pada tugas akhir ini bertujuan memberikan kemudahan kepada masyarakat untuk
dapat mengetahui hasil meter2 tanpa harus mengukur tambak pada tambak
sebenarnya, aplikasi ini sangat efesien bagi masyarakat untuk mengetahui luas
tambak tersebut dan aplikasi ini sangat membantu masyarakat untuk mengukur
c) Dari beberapa hasil uji program dapat menemukan hasil rata-rata preccion 95%
dan recall 95% untuk mengetahui hasil keakuratan dari hasil uji program tersebut.
5.2 Saran
Dalam penulisan skripsi ini, masih banyak terdapat kekurangan disetiap segi
materinya. Oleh karena itu, diharapkan saran dan kritik dari para pembaca yang
bersifat membangun untuk kedepannya sehingga penulisan tentang tugas akhir ini
menjadi lebih baik lagi. Diharapkan bagi para pembaca untuk melengkapi dan
mengkaji lebih jauh lagi tentang deteksi tepi dalam melakukan penelitian selanjutnya,
Selain itu program yang dibuat diharapkan bisa lebih baik lagi.
a) Penelitian dapat dilakukan pada objek yang berbeda, misalkan menghitung luas
sawah, menghitung luas pulau, menghitung luas rumah dan sebagainya.
b) Dapat dikembangkan ke dalam satuan hektarnya untuk mengetahui hasil
