PERBANDINGAN METODE DETEKSI TEPI CANNY, ROBERT DAN
LAPLACIAN OF GAUSSIAN PADA HASIL CITRA CAMERA 360
SKRIPSI
TIFANY BR SEMBIRING
111401027
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERBANDINGAN METODE DETEKSI TEPI CANNY, ROBERT DAN
LAPLACIAN OF GAUSSIAN PADA HASIL CITRA CAMERA 360
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
TIFANY BR SEMBIRING
111401027
PROGRAM STUDI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERBANDINGAN METODE DETEKSI TEPI CANNY, ROBERT DAN LAPLACIAN OF GAUSSIAN PADA HASIL CITRA CAMERA 360
Kategori : SKRIPSI
Nama : TIFANY BR SEMBIRING Nomor Induk Mahasiswa : 111401027
Program Studi : SARJANA (S1) ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif, S.Si, M.Kom Dian Rachmawati, S.Si, M.Kom
NIP. - NIP. 198307232009122004
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
PERBANDINGAN METODE CANNY, ROBERT DAN LAPLACIAN OF GAUSSIAN PADA HASIL CITRA CAMERA 360
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil kerya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2015
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas segala berkat-Nya sehingga penulis dapat menyelesaikan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.
Pada pengerjaan skripsi dengan judul Perbandingan Metode Deteksi Tepi Canny, Robert dan Laplacian of Gaussian Pada Hasil Citra Camera 360, penulis menyadari bahwa banyakpihak yang turut membantu, baik dari pihak keluarga, sahabat dan orang-orang terkasih yang memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terima kasih kepada:
1. Bapak Prof. Drs. Subhilhar, M.A., Ph.D.selaku Pj. Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc. selaku Sekretaris Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.
5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing I yang telah memberikan bimbingan, saran, nasehat dan masukan kepada saya dalam pengerjaan skripsi ini.
6. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, nasehat dan masukan kepada saya dalam pengerjaan skripsi ini.
7. Bapak M. Andri Budiman selaku Dosen Penguji I yang memberikan kritik, daran dan dukungan kepada penulis dalam menyelesaikan skripsi ini.
10. Bapak saya Pengalamen Sembiring, Ibu saya Iriani br Damanik, Abang saya Feriandy Sembiring, Kakak saya Novita br Sembiring, S.Pd dan Adik sayaRosalina br Sembiring yang selalu memberikan dukungan dan bantuan kepada penulis dalam menyelesaikan skripsi ini.
11. Teman-teman kuliah sayaKOM C angkatan 2011 khususnya Fikri, Ismail, M. Isnaini Zuhri Ilyas, Farid Akbar, Fildzha Hanifati, Nurhayati Lubis, Rafika Asnur, Syafura Tri Utari dan Abang Azhar Fadillah, S.Kom yang memberi inspirasi dan semangat kepada penulis.
12. Dan buat Anju Syahlan Nauli Silitonga dan Aprilla Malriati Ginting, yang selalu memberi semangat dan motivasi kepada penulis dalam menyelesaikan skripsi ini.
Semoga Tuhan Yang Maha Esa melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan.Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, Agustus 2015
ABSTRAK
Deteksi tepi merupakan bagian dari pengolahan citra. Deteksi tepi adalah proses untuk menghasilkan garis batas dari suatu objek yang terdapat pada citra. Deteksi tepi memiliki beberapa operator seperti operator Canny, Robert dan Laplacian of Gaussian.Pendeteksi tepian dengan menggunakan citra berwarna sudah biasa, namun disini dilakukan deteksi tepi menggunakan citra hasil dari Camera 360 yang mana citra sudah diberikan efek dengan format bitmap (*.bmp). Citra yang telah diberi efek
Light Colorakan di deteksi tepi dan akan membandingkan dengan ketiga operator tersebut. Parameter yang digunakan untuk mengukur nilai perbandingan antara ketiga operator deteksi tepi yaitu MSE, PSNR dan Running Time.Berdasarkan hasil pengujian diperoleh bahwa nilai rata-rata MSE dan PSNR operator Robert 15744,4 dan 0.628deciBell dengan nilai rata-rata Running Time 0.2862 detik, nilai rata rata MSE dan PSNR operator Canny 18139,5 dan 0.560deciBell dengan nilai rata-rata
Running Time 2.086 detik, nilai rata-rata MSE dan PSNR operator Laplacian of Gaussian 16147,1 dan 0.616deciBell nilai rata-rata Running Time 3.2726 detik. Dan operator Robert merupakan operator yang terbaik untuk pendeteksian tepi pada citra yang diberi efek dari Camera 360
COMPARISON OF CANNY, ROBERT AND LAPLACIAN OF GAUSSIAN METHOD ON IMAGE RESULT OF THE CAMERA 360
ABSTRACT
Edge detection which is a part of image processing is a process to produce a boundary of an object in the image. Edge detection has several operators, including Canny, Robert and Laplacian of Gaussian. Edge detection in ordinary image color is a common thing, but in here using image of the Camera 360 for edge detection that has been given effect and in this system object used is a bitmap image (*.bmp). Image has been given effect Light Color will be on edge detection and will compare with the three edge detection operator. Parameters used is MSE, PSNR and real running time. Based on some test result obtained, the MSE and PSNR of Robert operators are 15744,4 and 0.628 deciBell with average value of running time 0.2862 second, the MSE and PSNR of Canny operators are 18139,5 and 0.560 deciBell with average value of running time 2.086 second, the MSE and PSNR of Laplacian of Gaussian operators are 16147.1 and 0.616 deciBell with average value of running time 3.2726 second. In conclusion Robert operator is the best edge detection for image result from the Camera 360.
DAFTAR ISI
Daftar Lampiran xii
Bab I Pendahuluan
1.6Metodologi Penelitian 3
1.7Sistematika penulisan 4
Bab II Landasan Teori
2.1Citra 5
2.3Pengolahan Citra 8
2.4 Segmentasi 9
2.4.1 Deteksi Titik 10
2.4.2 Deteksi Garis 10
2.4.3 Deteksi Tepi 11
2.4.4 Deteksi Tepi Berdasarkan Turunan Pertama 11 2.4.5 Deteksi Tepi Berdasarkan Turunan Kedua 12
2.4.6 Operator Canny 12
2.4.7 Operator Robert 13
2.4.8 Operator Laplacian of Gaussian 14
2.5 Camera 360 15
2.6 Format File Citra Bitmap 16
2.7 Peak Signal to Noise Ratio (PSNR) 16
Bab III Analisis dan Perancangan Sistem
3.1Analisis Sistem 18
3.1.1 Analisis Masalah 18
3.1.2 Analisis Persyaratan 19 3.1.2.1PersyaratanFungsional 19 3.1.2.2PersyaratanNonfungsional 20
3.1.3 Analisis Proses 20
3.1.3.1Use Case Diagram 21
3.1.3.2Activity Diagram 24
3.1.3.3Sequence Diagram 25
3.1.3.4Flowchart Sistem 26
3.2Pseudocode Program 28
3.2.1 Pseudocode Deteksi Tepi Robert 28 3.2.2 Pseudocode Deteksi Tepi Canny 28 3.2.3 Pseudocode Deteksi Tepi Laplacian of Gaussian 29 3.2.4 Pseudocode Nilai MSE 30 3.2.5 Pseudocode Nilai PSNR 30
3.3 Perancangan Sistem 30
3.3.1 Form Home 31
3.3.2 Form Analysis 32
3.3.3 Form Implementation 33
3.3.4 Form Help 35
3.3.5 Form About 36
Bab IV Implementasi dan Pengujian
4.1Implementasi 37
4.1.1 Form Home 37
4.1.2 Form Implementation 38
4.1.3 Form Analysis 38
4.1.4 Form Help 39
4.1.5 Form About 39
4.2Pengujian 40
4.2.1 Pengujian Form Analysis 40 4.2.1.1 Proses Deteksi Tepi Pada Form Analysis 41 4.2.1.2Proses Deteksi Tepi Pada Form Implementation 42
4.3 Hasil Pengujian 44
Bab V Kesimpulan dan Saran
5.1Kesimpulan 50
5.2Saran 51
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Citra Biner 6
Gambar 2.2 Contoh Citra Grayscale 7 Gambar 2.3 Contoh Citra Warna 7 Gambar 2.4 (a) Citra burung nuri yang agak gelap (b) citra burung yang
telah ditingkatkan kontrasnya sehingga terlihat jelas dan tajam 8 Gambar 2.5 Deteksi Tepi dengan Operator Canny 13 Gambar 2.6 Deteksi Tepi dengan Operator Robert 13 Gambar 2.7 Deteksi Tepi dengan operator Laplacian of Gaussian 14 Gambar 2.8 Contoh Penggunaan Efek Camera 360 15 Gambar 3.1 Diagram Ishikawa Analisis Masalah 18 Gambar 3.2 Use Case Diagram Pada Sistem 20 Gambar 3.3 Activity Diagram Pada Sistem 24 Gambar 3.4 Sequance Diagram Pada Sistem 25
Gambar 3.5 Flowchart Sistem 26
Gambar 3.6 Perancangan Interface Form Home 30 Gambar 3.7 Perancangan Interface Form Analysis 31 Gambar 3.8 Perancangan Interface Form Implementation 32 Gambar 3.9 Perancangan Interface Form Help 34 Gambar 3.10 Perancangan Interface Form About 35
Gambar 4.1 Form Home 37
Gambar 4.2 Form Implementation 38
Gambar 4.3 Form Analysis 39
Gambar 4.4 Form Help 39
Gambar 4.5 Form About 40
Gambar 4.6 Citra yang akan diuji (a) Efek Sweet, (b) Efek Cool, (c) Efek Fresh, (d) Efek Grace dan (e) Efek Sunny 41 Gambar 4.7 Input Citra dengan Efek Sweet 41 Gambar 4.8 Proses Deteksi Tepi Citra Efek Sweet dengan Metode Canny,
Robert dan LoG Pada Form Analysis 42 Gambar 4.9 Proses Deteksi Tepi Citra Efek Sweet dengan Metode Canny,
DAFTAR TABEL
Halaman Tabel 3.1 Naratif Use Case Input Citra 20 Tabel 3.2 Naratif Use Case Deteksi Canny 21 Tabel 3.3 Naratif Use Case Deteksi Robert 22 Tabel 3.4 Naratif Use Case Deteksi LoG 22 Tabel 3.5 Keterangan Rancangan Interface Form Home 30 Tabel 3.6 Keterangan Rancangan Form Analysis 31 Tabel 3.7 Keterangan Rancangan Form Implementation 33 Tabel 3.8 Keterangan Rancangan Form Help 34 Tabel 3.9 Keterangan Rancangan Form About 35 Tabel 4.1 Perbandingan Hasil Deteksi Tepi Canny Pada Citra yang Diberi Efek 44 Tabel 4.2 Perbandingan Hasil Deteksi Tepi Robert Pada Citra yang Diberi Efek 45 Tabel 4.3 Perbandingan Hasil Deteksi Tepi LoG Pada Citra yang Diberi Efek 46 Tabel 4.4 Perbandingan Rata-rata Nilai MSE Pada Citra yang Diberi Efek 47 Tabel 4.5 Perbandingan Rata-rata Nilai PSNR Pada Citra yang Diberi Efek 47 Tabel 4.6 Perbandingan Rata-rata Nilai Running Time Pada Citra yang Diberi
DAFTAR LAMPIRAN
Halaman
Listing Program 54
