• Tidak ada hasil yang ditemukan

SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU.

N/A
N/A
Protected

Academic year: 2017

Membagikan "SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU."

Copied!
87
0
0

Teks penuh

(1)

TUGAS AKHIR

Disusun oleh :

WAHYU SUBANDRIO

NPM. 0934010195

J URUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”

J AWA TIMUR

(2)

SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU

Disusun Oleh :

WAHYU SUBANDRIO

NPM. 0934010195

Telah disetujui mengikuti Ujian Negara Lisan

Gelombang IVTahun Akademik 2012/2013

Menyetujui,

Pembimbing Utama Pembimbing Pendamping

Fetty Tri Anggraeny S.kom ,M.Kom Faisal Muttaqin S.Kom

NPT. 382020602081 NPT. 389071303461

Mengetahui,

Ketua Program Studi Teknik Infor matika

Fakultas Teknologi Industri

(3)

SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU

Disusun Oleh :

WAHYU SUBANDRIO

NPM. 0934010195

Telah dipertahankan dihadapkan dan diterima oleh Tim Penguji Skr ipsi Pr ogram Studi Teknik Infor matika Fakultas Teknologi Industri

Univer sitas Pembangunan Nasional “Veteran” J awa Timur Pada Tanggal 20 Desember 2013

Mengetahui,

Dekan Fakultas Teknologi Industri

Univer sitas Pembangunan Nasional ”Veteran” J awa Timur

Ir. Sutiyono, MT

NIP. 19600713 198703 1 001 Pembimbing :

1.

Fetty Tri Anggraeny S.kom ,M.Kom

(4)

Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189 Fax. (031) 8706372 Website. www.upnjatim.ac.id

KETERANGAN REVISI

Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :

Nama : Wahyu Subandrio

NPM : 0934010195

Program Studi : Teknik Informatika

Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2012/2013 dengan judul :

“ SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU “

Surabaya, 20 Desember 2013

Dosen penguji yang memeriksa revisi

1. Rizky Par lika, S.Kom, M.Kom

NPT. 384050702191 { }

2. Ir. Kartini, S.Kom, MT

NIP.196111101991032001 { }

3. Faisal Muttaqin, S.Kom

NPT.389071303461 { }

Mengetahui,

Pembimbing Utama Pembimbing Pendamping

Fetty Tri Anggraeny S.kom ,M.Kom Faisal Muttaqin, S.Kom

(5)

KATA PENGANTAR

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 “Segmentasi Citr a Untuk Menghitung

Luas pulau” 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, November 2013

(6)

Halaman

2.5. Pengolahan Citra Digital ... 15

2.5.1 Grayscale ... 17

2.5.2 Morfologi ... 18

(7)

2.5.6 Rekonstruksi ... 22

2.5.7 Invers ... 22

2.5.8 Segmentasi Citra ... 23

2.5.9 Deteksi Tepi ... 24

2.5.10Metode Canny. ... 27

2.6.Perhitungan Luas Dengan Sistem Grid ... 28

2.7.Matlab... 28

2.7.1 Kelengkapan pada Sistem MATLAB Sebagai sebuah system, MATLAB tersusun dari 5 bagian utama: ... 30

2.7.2. Gui / Guide Matlab ... 31

2.7.2.1 Membuat GUI dengan MATLAB. ... 32

BAB III METODOLOGI PENELITIAN ... 34

3.1. Data Set ... 34

3.2. Analisa Sistem ... 36

3.3. Gambaran Aplikasi secara Umum ... 37

3.3.1 Perancangan Proses. ... 39

3.4 Perancangan Tampilan Antarmuka. ... 48

BAB IV HASIL DAN PEMBAHASAN... 50

(8)

4.4. Implementasi Proses ... 52

4.4.1 Proses Pilih Input. ... 52

4.4.2 Segmentasi Dan Perhitungan Luas Pulau. ... 55

4.4.3 Pencarian Area Yang Hilang Saat Proses Segmentasi. ... 56

4.5 Uji Program ... 57

4.5.1 Skenario Uji Program. ... 58

4.5.2 Pelaksanaan Uji Coba. ... 58

4.6 Analisa Aplikasi. ... 68

4.6.1 Analisis Proses Berdasarkan Gambar ... 61

4.6.2 Analisa Proses Berdasarkan Perhitungan Jumlah Piksel Putih ... 63

BAB V KESIMPULAN DAN SARAN ... 66

5.1 Kesimpulan ... 66

5.2 Saran ... 66

(9)

Pembimbing I : Fetty Tri Angraeny, S.Kom, M.Kom

Pembimbing II : Faisal Muttaqin, S.Kom

ABSTRAK

Sistem computer vision yang handal diperlukan untuk melakukan sistem pemetaan yang konsisten terhadap beberapa kemungkinan gangguan, terutama untuk pemetaan objek yang memiliki karakteristik khusus untuk di hitung luasnya, seperti peta pulau. Salah satu metode yang diterapkan adalah dengan menggunakan segmentasi citra.

Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation) mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel dengan tingkat keabuan piksel – piksel tetangganya, kemudian hasil dari proses segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses identifikasi objek.

Dari hasil uji coba keseluruhan citra yang terdiri dari 30 citra, tingkat akurasi error 5 - 24%. Dengan menggunakan metode Segmentasi didapatkan selisih luas segmentasi dan luas sebenarnya antara 151,85 sampai 82529 km2 ,dengan prosentase 2,7 - 25 %.

(10)

PENDAHULUAN

1.1 Latar Belakang

Pulau adalah sebidang tanah yang lebih kecil dari benua dan lebih besar

dari karang, yang dikelilingi air. Kumpulan beberapa pulau dinamakan

pulau-pulau atau kepulau-pulauan (bahasa Inggris: archipelago).

Pulau memiliki sebutan bermacam-macam di Indonesia. Bentuk tidak

bakunya adalah pulo. Kata pinjaman dari bahasa Sanskerta juga kerap

digunakan, nusa. Di lepas pantai timur Jawa orang menyebut pulau kecil

sebagai gili.

Di Indonesia banyak sekali pulau – pulau yang terbentang sehingga di

sebut juga Negara kepulauan. Indonesia terdiri dari 5 buah pulau utama yaitu :

pulau Sumatra ,pulau Kalimantan ,pulau Jawa, pulau Sulawesi dan pulau Irian.

Banyak informasi tentang Indonesia bisa di dapat salah satu pada Atlas ,

Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga

dapat berupa gambar, audio (bunyi, suara, musik), dan video. Keempat macam

data atau informasi ini sering disebut multimedia. Citra (image), istilah lain

untuk gambar, sebagai salah satu komponen multimedia yang berperan

sangat penting sebagai bentuk informasi visual. Citra menurut kamus

Webster adalah suatu representasi, kemiripan, atau imitasi dari suatu obyek atau

benda.

(11)

multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra

mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan

informasi. Ada sebuah peribahasa yang berbunyi “sebuah gambar lebih bemakna

dari seribu kata" (a picture is more than a thousand words). Maksudnya tentu sebuah

gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut

disajikan dalam bentuk kata-kata (tekstual). Secara harfiah, citra (image) adalah

gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang

matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada

bidang dwimatra.(Agung Priyo, 2005)

Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses

segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada

sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation)

mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen

berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel

dengan tingkat keabuan piksel – piksel tetangganya, kemudian hasil dari proses

segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat

dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses

identifikasi objek. Adapun dalam proses segmentasi citra itu sendiri terdapat

beberapa algoritma, diantaranya : algoritma Deteksi Titik, Deteksi Garis, dan

Deteksi Sisi ( berdasarkan Operator Robert dan Operator Sobel ).

Gonzalez dan Wintz (1987) menyatakan bahwa segmentasi adalah proses

pembagian sebuah citra kedalam sejumlah bagian atau obyek. Segmentasi

merupakan suatu bagian yang sangat penting dalam analisis citra secara otomatis,

(12)

selanjutnya, misalnya: pada pengenalan pola. Algoritma segmentasi didasarkan

pada 2 buah karakteristik nilai derajad kecerahan citra, yaitu: discontinuity dan

similarity. Pada item pertama, citra dipisahkan/dibagi atas dasar perubahan yang

mencolok dari derajad kecerahannya. Aplikasi yang umum adalah untuk deteksi

titik, garis, area, dan sisi citra. Pada kategori kedua, didasarkan atas thresholding,

region growing, dan region spiltting and merging. Prinsip segmentasi citra bisa

diterapkan untuk citra yang statis maupun dinamis.

Tugas akhir ini dibuat bertujuan untuk membantu menghitung luas pulau

dengan memanfaatkan informasi yang ada pada Altas berupa skala peta pulau

kemudian di proses menggunakan metode segmentasi citra.

1.2 Perumusan Masalah

Berdasarkan latar belakang telah diuaraikan sebelumnya maka dapat

dirumuskan masalah, yaitu :

a. Bagaimana mengukur luas pulau dengan menggunakan segmentasi.

b. Bagaimana membedakan objek pulau menggunakan segmentasi.

1.3Batasan Masalah

Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas

akhir ini dapat berjalan degan baik adalah sebagai berikut :

a. Program bantu yang digunakan dalam membuat tugas akhir ini adalah

matlab 7.0.

b. Inputan image berupa pulau ,

c. Sumber dataset dan cara perolehan dataset di peroleh dari peta yang di

(13)

d. Image yang diproses adalah image yang telah di edit, informasi yang ada pada

peta di hilangkan dan pulau-pulau kecil juga di hilangkan.

e. Pada image pulau terdapat dua komponen warna yaitu warna pulau dan warna

laut .

f. Luas yang di ukur memiliki satuan kilometer persegi atau km2 .

g. Dalam pengolahan citra ukuran yang digunakan adalah picture element

(piksel) maka dalam tugas akhir ini 1 cm2 = 1440 piksel. ( Sri Huning Anwariningsih ,2009 ).

1.4Tujuan

Tujuan dalam Tugas Akhir ini adalah untuk dikembangkannya alat bantu

terkomputerisasi untuk analisis luasan suatu daerah tertentu pada citra digital,

mengetahui cara mengukur luas pulau dengan segmentasi.

1.5Manfaat

Manfaat dari dibuatnya Tugas Akhir ini adalah:

a. Dapat mengetahui berapa luas pulau dari skala pada peta.

b. Menghasilkan sistem yang mampu mengukur luas pulau.

c. Program ini dapat dipahami dengan mudah dan dapat digunakan siapa saja.

1.6 Metodelogi Penelitian

Beberapa metode dan teknik yang dipergunakan dalam pengumpulan dan

pengolahan data skripsi ini antara lain :

1. Library Research

Pada tahap ini, penulis mempelajari dan membaca buku diktat, referensi,

buletin perpustakaan sebagai acuan yang berkaitan dengan permasalahan yang

(14)

2. Observation

Penulis akan melakukan pengamatan secara langsung di lapangan untuk

memperoleh data.

3. Documentation

Penulis melakukan pencatatan terhadap aktifitas yang berhubungan dangan

pengamatannya, apabila diperlukan pencatatan.

4. Perancangan dan Pembuatan Sistem

Melakukan analisa awal tentang sistem yang akan dibuat untuk menentukan

langkah selanjutnya. Setelah sistem dirancang maka tahap berikutnya adalah

pembuatan sistem yang benar, agar sesuai dengan rancangan. Pada tahap ini juga

dilakukan perancangan struktur data, algoritma dan diagram alur yang akan

digunakan untuk implementasi dalam perangkat lunak yang akan dibuat.

Kemudian dilakukan pengimplementasian struktur data dan algoritma yang telah

dirancang ke dalam bahasa pemrograman.

5. Pengujian dan Evaluasi Perangkat Lunak

Tahap ini dulakukan pengujian pada perangkat lunak yang telah dibuat,

pengevaluasian hasil yang diperoleh serta perbaikan program (revisi), jika hasil

belum sesuai dengan tujuan yang diharapkan.

6. Pembuatan Naskah Skripsi

Pada tahap ini dilakukan pendokumentasian dari semua tahap agar dcatat

dipelajari untuk pengembangan lebih lanjut. Memaparkan dasar-dasar teori dan

metode yang terlibat di dalamnya, diantaranya desain perangkat lunak dan

(15)

1.7 Sistematika Penulisan

Dalam penyusunan tugas akhir, sistematika pembahasan diatur dan

disusun dalam enam bab, dan tiap-tiap bab terdiri dari sub-sub bab. Untuk

memberikan gambaran yang lebih jelas, maka diuraikan secara singkat mengenai

materi dari bab-bab dalam penulisan tugas akhir ini sebagai berikut:

BAB I PENDAHULUAN

Bab ini berisi latar belakang, perumusan masalah, batasan masalah,

tujuan penelitian, manfaat penelitian, dan sistematika penulisan

pembuatan tugas akhir ini.

BAB II TINJ AUAN PUSTAKA

Bab ini menjelaskan mengenai landasan teori-teori pendukung

pembuatan tugas akhir ini.

BAB III METODOLOGI PENELITIAN

Bab ini berisi tentang analisa dan perancangan sistem dalam pembuatan

Tugas Akhir yang digunakan untuk mengolah sumber data yang

dibutuhkan sistem anatara lain: Flowchart

BAB IV HASIL DAN PEMBAHASAN

Pada bab ini akan membahas tentang kerja dari sistem secara

keseluruhan. Pada bab ini menjelaskan tentang pelaksanaan uji coba dan

evaluasi dari pelaksanaan uji coba dari program yang dibuat. Uji coba

dapat dilakukan pada akhir dari tahap-tahap analisa sistem, desain sistem

dan tahap penerapan sistem atau implementasi. Sasaran dari ujicoba

program adalah untuk menemukan kesalahn-kesalahan dari program

(16)

BAB V KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan dan saran dari penulis untuk pengembangan

sistem.

DAFTAR PUSTAKA

Pada bagian ini akan dipaparkan tentang sumber-sumber literatur yang

(17)

TINJ AUAN PUSTAKA

2.1. Penelitian Terdahulu

Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan

beberapa hasil penelitian terdahulu oleh beberapa peneliti yang pernah penulis

baca diantaranya :

Penelitian yang dilakukan oleh Landung Pambudi tahun 2011 dengan judul

“Identifikasi Luas Bencana Tsunami Dengan Menggunakan Segmentasi Citra”.

Sistem pengolahan citra secara digital yang diaplikasikan dalam penginderaan

jauh (satelit) sangat diperlukan untuk analisis pemetaan wilayah, geologi, geodesi,

dan sebagainya. Dalam hal ini pengolahan citra digital hasil citra satelit untuk

menganalisis dan mengidentifikasi luas kerusakan wilayah di daerah Aceh akibat

bencana Tsunami. 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. Penelitian telah

menghasilkan sebuah program untuk menghitung suatu luas wilayah pada citra

digital dengan metode segmentasi wilayah dengan intensitas warna yang sama.

Proses perhitungan dilakukan melalui perbandingan luas citra yang diolah dengan

luas citra daerah sesungguhnya sehingga diketahui luas satu piksel mewakili

(18)

2.2

Artificial Intelligence

Artificial Intelligence atau Kecerdasan Buatan (disingkat AI) adalah

kemampuan suatu alat untuk melakukan fungsi yang biasanya dihubungkan

dengan kecerdasan 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 heuristik. Bidang aktivitas AI meliputi sistem pakar,

pengenalan bahasa alami, pengenalan suara, penglihatan komputer (Computer

Vision) dan robotika.

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. Di mana 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 :

2.3.1

Analog Image

Menurut Shapiro dan Stockman (2001), analog image adalah image

2D F(x,y) yang memiliki ketelitian tidak terbatas dalam parameter spasial x

(19)

2.3.2

Digital Image

Digital image adalah image 2D yang direpresentasikan oleh array diskrit

2D dari intensitas sampel, dimana masing-masing titik direpresentasikan

dengan ketelitian terbatas.

Digital image juga didefinisikan sebagai representasi dari gambar dua

dimensi sebagai himpunan terbatas dari nilai digital yang disebut picture

elements atau pixel. Umumnya pixel disimpan dalam komputer sebagai

gambar raster, yaitu array dua dimensi dari integer. Nilai ini kadang disimpan

dalam bentuk terkompresi. Digital image dapat diperoleh dari berbagai macam

alat dan teknik pengambil gambar, seperti kamera digital, scanner, radar, dan

sebagainya. Dapat pula disintesis dari data seperti fungsi matematika dan lain

lain.

Menurut Jain, Kasturi dan Schunck (1995), pixel adalah sampel dari

intensitas image yang terkuantisasi ke dalam nilai integer. Sementara Image

merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan

menjadi input awal dalam Computer Vision.

Beberapa bentuk digital image yang sering digunakan dalam Computer

Vision:

a. Binary image, yaitu digital image dengan nilai pixel 1 atau 0.

b. Gray scale image, yaitu digital image monokrom dengan satu nilai intensitas

tiap pixel.

c. Multispectral image, adalah image 2D yang memiliki vektor nilai pada tiap

(20)

d. Labeled image, adalah digital image dimana nilai pixel-nya adalah simbol

dari alfabet terbatas.

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

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 objek nyata, sangat penting untuk

membangun deskripsi atau model objek tersebut dari gambar. Karena itu dapat

dikatakan bahwa tujuan dari Computer Vision adalah untuk membangun deskripsi

keadaan dari image.

Artificial Intelligence digunakan untuk menganalisis keadaan dengan

memproses representasi simbolik dari isi lingkungan setelah image telah diproses

untuk diambil fiturnya. Banyak teknik dari Artificial Intelligence berperan

penting didalam seluruh aspek Computer Vision. Pada dasarnya Computer

Vision merupakan cabang dari Artificial Intelligence. Secara garis besar tahapan

(21)

2.4.1

Image Acquisition

Tahapan awal dalam Computer Vision adalah Image Acquisition

(pengambilan digital image). Image Acquisition berhubungan dengan sensor

yang mengambil image. Sensor yang digunakan bisa kamera atau scanner.

Sifat dari sensor dan image yang dihasilkan ditentukan dari aplikasinya.

2.4.2

Image Enhancement

Setelah digital image diperoleh, tahapan selanjutnya adalah image

enhancement yang termasuk dalam tahap prepocessing, image enhancement

menyangkut langkah-langkah untuk meningkatkan kualitas image untuk

mendukung tahapan selanjutnya. Tujuan dari image enhancement ini secara

teknis untuk menghilangkan noise, memperhalus gambar, mempertajam gambar

(menghilangkan blur), serta mengatur pencahayaan (brightness, contrast).

Berdasarkan domainnya teknik peningkatan image dapat dibedakan menjadi 2

metode:

a. Domain spasial

Metode ini didasarkan pada manipulasi langsung dari nilai gray (keabuan)

dari pixel-pixel suatu image.

b. Domain frekuensi

Metode ini didasarkan pada modifikasi Fourier transform dari suatu

image. Fourier transform ini sendiri adalah suatu cara memetakan sinyal pada

frekuensi-frekuensi komponennya.

Sementara beberapa teknik image enhancement yang digunakan antara lain:

(22)

Merupakan teknik pemetaan intensitas dimana tiap pixel diberikan nilai

keabuan yang baru untuk meningkatkan ketajaman gambar. Operasi ini tidak

merubah bentuk dan geometri image, yang berubah cuma level intensitasnya.

Teknik ini dilakukan dengan cara memproses histogram tingkat keabuan (gray

level histogram) dari image.

Untuk mengubah image berwarna yang mempunyai nilai matrik

masing-masing r, g dan b menjadi image gray scale dengan nilai s, maka konversi dapat

dilakukan dengan mengambil rata-rata dari nilai r, g dan b sehingga dituliskan :

= + +

3

Histogram dalam computer vision adalah representasi dari image yang

diperoleh dengan cara menghitung nilai tiap pixel. Singkatnya histogram

merupakan grafik yang menggambarkan distribusi intensitas pixel dari suatu

image atau bagian tertentu di dalam citra. Histogram menunjukkan frekuensi

kemunculan intensitas pada image.( Gambar 2.1 )

Sementara gray level histogram adalah histogram yang menampilkan

dalam tiap tingkat jumlah pixel dalam gambar yang memiliki tingkat keabuan

(gray-level) tertentu. Histogram ini dimanipulasi dengan cara di stretch, shrink,

atau slide. ( Gambar 2.2 )

b. Filtering (convolution)

Menurut nixon dan aquado, filtering yang merupakan suatu group

operation pada pixel, menghitung nilai pixel baru dengan menggunakan pixel-

pixel tetangganya. Filtering dijelaskan dengan istilah template convolution

dimana template-nya adalah suatu matriks koefisien bobot (yang umumnya ganjil

(23)

dengan menempatkan template pada suatu titik, kemudian nilai-nilai pixel

dikalikan dengan bobot dan ditambahkan sebagai nilai keseluruhan, jumlah

tersebut menjadi nilai baru bagi pixel ditengah template, inilah yang menjadi pixel

bagi image baru. Proses ini diulang pada semua pixel dalam gambar. Operator

yang sering digunakan adalah averaging, gaussian, dan median filtering.

Gambar 2.1. Image sebelum dilakukan manipulasi (Kulkarni, 2001)

Gambar 2.2. Image setelah dilakukan manipulasi (dari kiri ke kanan): stretch,

(24)

2.5. Pengolahan Citr a Digital

Secara harafiah, citra (image) adalah gambar pada bidang

dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra

merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang

dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali

sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh

oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai

(scanner), dan sebagainya, sehingga bayangan objek yang disebut citra

tersebut terekam.

Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu

bahwa citra kaya dengan informasi. Citra juga dapat dikelompokkan menjadi dua

yaitu citra tampak (foto, gambar, lukisan, apa yang nampak di layar

monitor/televisi, hologram, dan lain-lain) dan citra tidak tampak (data

foto/gambar dalam bentuk file, citra yang direpresentasikan dalam fungsi

matematis). 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. Citra digital adalah citra yang disimpan dalam format

digital (dalam bentuk file). Hanya citra digital yang dapat diolah menggunakan

komputer. Jenis citra lain jika akan diolah dengan komputer harus diubah

dulu menjadi citra digital. Citra digital tersusun atas sejumlah berhingga

elemen, masing-masing memiliki lokasi dan nilai/intensitas tertentu.

Elemen-elemen ini disebut elemen gambar, elemen citra, pels, dan juga piksel.

Pencitraan (imaging) adalah kegiatan mengubah informasi dari citra

(25)

digunakan untuk pencitraan adalah scanner, kamera digital, kamera

sinar-x/sinar infra merah, dan lain-lain. Jadi, pengolahan citra digital adalah

proses yang bertujuan untuk memanipulasi dan menganalisis citra digital

dengan bantuan komputer. Masukannya adalah citra dan keluarannya juga citra

tapi dengan kualitas lebih baik daripada citra masukan.

Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah

diinterpretasikan oleh manusia atau mesin. Teknik-teknik pengolahan citra

mentransformasikan citra menjadi citra lain. Inputan pada proses ini adalah citra

dan keluarannya juga berupa citra dengan kualitas lebih baik daripada citra

inputan sebelumnya. ( Gambar 2.3 )

Gambar 2.3. Pengolahan citra (Agung Priyo,2005)

Pengenalan Pola, mengelompokkan data numeric dan simbolik (termasuk citra)

secara otomatis, oleh mesin (dalam hal ini komputer). Tujuan pengelompokan

adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek

yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek-objek di alam

sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan

sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima

masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan

memberikan keluaran berupa deskripsi objek didalam citra. Dapat dilihat pada

(26)

Selain dalam dunia fotografi pengolahan citra digunakan juga dalam

dunia kedokteran terutama untuk memperjelas citra hasil sinar-x organ tubuh

manusia, pengolahan citra juga digunakan dalam bidang lain seperti penyiaran,

telekomunikasi digital, Sistem multimedia, bilogi, sistem penginderaan jauh, seni

grafis, percetakan, militer, bidang pertanian dan masih banyak bidang lainnya.

Gambar 2.4 Pengenalan Pola (Agung Priyo,2005)

2.5.1 Grayscale

Mencari tingkat keabuan adalah proses pengubahan warna citra

menjadi format warna yang hanya berdasarkan tingkat keabuan. Proses ini

menghilangkan informasi hue dan saturation dari piksel dan hanya

meninggalkan nilai brightness. Setiap piksel dari tingkat keabuan citra

memiliki nilai brightness antara 0 (hitam) sampai 255 (putih). Foto hitam putih

merupakan contoh umum dari model warna tingkat keabuan. Walaupun

disebut hitam putih, sesungguhnya foto tersebut terbentuk dari banyak warna

abu-abu yang berbeda. Tujuan perhitungan tingkat keabuan adalah

memudahkan proses selanjutnya yaitu proses thresholding. Dengan algoritma

perhitungan tingkat keabuan, piksel dari suatu citra yang mengandung

warna-warna RGB (merah, hijau dan biru) diubah menjadi warna-warna dalam berbagai

tingkat keabuan dengan menjumlahkan nilai warna merah, hijau dan biru

(27)

2.5.2 Morfologi

Morfologi merupakan suatu cabang dari pengolahan citra yang sangat

bermanfaat dalam analisis bentuk dalam citra. Operasi morfologi adalah teknik

pengolahan citra berdasarkan bentuk segmen atau region dalam citra. Karena

difokuskan pada bentuk obyek, maka operasi ini biasanya diterapkan pada citra

biner (terdiri dari 1 dan 0). pemrosesan citra secara morfologi dilakukan denga

cara mem-passing sebuah sturktur elemen terhadap sebuah citra dengan cara yang

hampir sama dengan konvolusi. Struktur elemen dapat diibaratkan dengan mask

pada pemrosesan citra biasa (bukan secara morfologi).

2.5.3 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 .

Dengan memisalkan A sebagai objek pada citra masukan, B sebagai elemen

terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka proses erosi

dapat dinotasikan dengan:

=

Erosi dilakukan dengan bantuan elemen terstruktur. Elemen terstruktur

membantu menentukan pixel tetangga yang akan ditelusuri dengan proses erosi.

Elemen terstruktur yang sering digunakan adalah 4-konektivitas dan

8-konektivitas. ( Gambar 2.5 )

(28)

Gambar 2.5. Elemen terstruktur 4- dan 8- konektivitas(Agung Priyo,2005)

Erosi memiliki karakteristik :

a. 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.

b. 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:

1. Posisikan elemen terstruktur dibagian atas (menutupi) tiap-tiap piksel dari

citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan

posisi piksel masukan.

2. 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 2.6 )

Dengan begitu, piksel latar belakang pada citra masukan akan menjadi latar

belakang pada citra keluaran dan juga piksel latar depan pada citra masukan akan

(29)

Gambar 2.6. Erosi menggunakan elemen terstruktur 8-konektivitas (Agung

Priyo,2005)

2.5.4 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. 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 :

a. Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan

dan area yang rusak, dan menghubungkan area yang dipisahkan oleh jarak

yang lebih kecil dari ukuran elemen terstruktur.

(30)

b. Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak

yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap

objek citra.

Algoritma yang dilakukan pada dilasi adalah sebagai berikut :

a. Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari

citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan

posisi piksel masukan.

b. Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel

latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran

pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel

latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar

depan.

Piksel latar depan pada citra masukan akan menjadi latar depan pada citra

keluaran dan juga pada piksel latar belakang pada citra masukan akan menjadi

latar depan pada citra keluaran . (Gambar 2.7)

Gambar 2.7. dilasi menggunakan elemen terstruktur 8-konektivitas (Agung

Priyo,2005)

2.5.5 Opening and Closing

Dari operator dasar morfologis dapat dibuat operator dasar morfologis dapat

(31)

operator opening, yaitu operator yang terdiri dari rangkaian operasi operator

erosion diikuti oleh dilation, yang diformulasikan sebagai :

Dan kedua operator closing, yaitu operator yang terdiri dari rangkaian

operasi operator dilation diikuti oleh erosion, yang diformulasikan sebagai:

Operator opening akan menghilangkan pulau-pulau kecil, puncak yang

tajam dan garis yang tipis. Sedangkan operator closing akan menyatukan (fuse)

patahan-patahan yang sempit, menutup lubang-lubang kecil dan menghaluskan

kontur. Jika kita menggunakan operator ini dengan tepat, yaitu diawali dengan

operator opening dan selanjutnya diikuti dengan operator closing, maka akan

diperoleh sebuah operator baru yang akan menghilangkan derau, yang dikenal

sebagai salt and papper noise removal.

2.5.6 Rekontruksi

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.

2.5.7 Inver s

Menurut Asmitot (2010), Jika invers f adalah fungsi dari himpunan A ke

himpunan B, maka invers fungsi f adalah fungsi dari himpunan B ke himpunan A.

( Gambar 2.8)

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 ………..(4)

(32)

himpunan Y. Kemudian, jika ada kebalikan dari fungsi f adalah dengan

domain Y dan kodomain X, dengan aturan. Jika , 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:

Gambar 2.8. Sebuah fungsi f dan inversnya (Asmitot 2010)

Jika setiap anggota himpunan B mempunyai tepat satu kawan di A maka f

disebut fungsi bijektif atau korespodensi 1-1. Mudah dipahami bahwa

korespondensi 1-1 adalah fungsi surjektif sekaligus injektif. Sehingga sering

dinyatakan sebagai “sebuah fungsi bijective jika dan hanya jika memiliki fungsi

invers.

2.5.8 Segmentasi Citra

Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses

segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada

sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation)

mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen

berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel

(33)

segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat

dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses

identifikasi objek. Adapun dalam proses segmentasi citra itu sendiri terdapat

beberapa algoritma, diantaranya : algoritma Deteksi Titik, Deteksi Garis, dan

Deteksi Sisi ( berdasarkan Operator Robert dan Operator Sobel ).

Gonzalez dan Wintz (1987) menyatakan bahwa segmentasi adalah proses

pembagian sebuah citra kedalam sejumlah bagian atau obyek. Segmentasi

merupakan suatu bagian yang sangat penting dalam analisis citra secara otomatis,

sebab pada prosedur ini obyek yang diinginkan akan disadap untuk proses

selanjutnya, misalnya: pada pengenalan pola. Algoritma segmentasi didasarkan

pada 2 buah karakteristik nilai derajad kecerahan citra, yaitu: discontinuity dan

similarity. Pada item pertama, citra dipisahkan/dibagi atas dasar perubahan yang

mencolok dari derajad kecerahannya. Aplikasi yang umum adalah untuk deteksi

titik, garis, area, dan sisi citra. Pada kategori kedua, didasarkan atas thresholding,

region growing, dan region spiltting and merging. Prinsip segmentasi citra bisa

diterapkan untuk citra yang statis maupun dinamis. Segmentasi citra adalah

membagi suatu citra menjadi wilayah-wilayah yang homogen.

2.5.9 Deteksi Tepi

Deteksi tepi merupakan sebuah proses di mana proses tersebut berfungsi

untuk mendeteksi garis tepi yang membatasi dua wilayah citra. Saat ini telah

banyak operator – operator yang dapat digunakan dalam pembuatan deteksi tepi,

contohnya adalah operator Robert , prewitt, sobel, serta operator turunan seperti

laplace. Deteksi tepi itu sendiri bertujuan untuk menandai bagian yang menjadi

(34)

Pendeteksian tepi merupakan langkah pertama untuk melingkupi

informasi di dalam citra. Tepi mencirikan batas-batas objek dan karena itu

tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra.

Tujuan operasi pendeteksian tepi adalah untuk meningkatkan penampakan

garis batas suatu daerah atau objek di dalam citra. Karena tepi termasuk

ke dalam komponen berfrekuensi tinggi, maka pendeteksian tepi dapat

dilakukan dengan penapis lolos-tinggi.(Rinaldi Munir,2010 )

Manfaat yang bisa diperoleh dari deteksi tepi dalam berbagai

bidang, misalnya yang paling banyak digunakan dalam bidang kedokteran

adalah untuk menentukan stadium kanker, mendeteksi tepi citra USG janin,

mendeteksi karies pada gigi, sehingga bentuk citra yang dihasilkan dapat

terlihat lebih jelas. Di bidang lainnya, deteksi tepi digunakan untuk aplikasi

pengenalan plat kendaraan, aplikasi pengenalan sidik jari, dan untuk

membedakan uang asli dengan uang palsu.

Terdapat beberapa teknik yang digunakan untuk mendeteksi tepi, antara lain:

a. Operator gradien pertama (differential gradient)

Mendeteksi tepi di dalam citra, yaitu operator gradien selisih-terpusat,

operator Sobel, operator Prewitt, operator Roberts, operator Canny.

b. Operator turunan kedua (Laplacian)

Operator Laplace mendeteksi lokasi tepi khususnya pada citra tepi yang

curam. Pada tepi yang curam, turunan keduanya mempunyai persilangan nol,

yaitu titik di mana terdapat pergantian tanda nilai turunan kedua, sedangkan

pada tepi yang landai tidak terdapat persilangan nol. Contohnya adalah

(35)

c. Operator kompas (compass operator)

Digunakan untuk mendeteksi semua tepi dari berbagai arah di dalam citra.

Operator kompas yang dipakai untuk deteksi tepi menampilkan tepi dari 8 macam

arah mata angin yaitu Utara, Timur Laut, Timur, Tenggara, Selatan, Barat, Barat

Daya, dan Barat Laut.

Contoh beberapa gradien pertama yang dapat digunakan untuk turunan

pertama menghasilkan tepi yang lebih tebal, sedangkan turunan kedua

menghasilkan tepi yang lebih tipis. Ada tiga macam tepi yang terdapat di dalam

citra digital (Gambar 2.9.). Ketiganya adalah:

Gambar 2.9. Jenis – jenis tepi (Rinaldi Munir, 2010)

1. Tepi curam

Tepi dengan perubahan intensitas yang tajam. Arah tepi berkisar 90°.

2. Tepi landai

Disebut juga tepi lebar, yaitu tepi dengan sudut arah yang kecil. Tepi landau

(36)

3. Tepi yang mengandung derau (noise)

Umumnya tepi yang terdapat pada aplikasi computer vision mengandung

derau. Operasi peningkatan kualitas citra (image enhancement) dapat dilakukan

terlebih dahulu sebelum pendeteksian tepi , dapat dilihat pada gambar 2.9 (Rinaldi

Munir,2010)

2.5.10 Metode Canny

Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan

menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr dan

Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria

pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny:

a. Mendeteksi dengan baik (kriteria deteksi)

Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai

dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga

memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi

ketebalan tepi sesuai yang diinginkan.

b. Melokalisasi dengan baik (kriteria lokalisasi)

Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi

yang dideteksi dengan tepi yang asli.

c. Respon yang jelas (kriteria respon)

Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak

menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter

deteksi tepi Canny sangat mempengaruhi hasil dari tepian yang dihasilkan.

Beberapa parameter tersebut antara lain :

(37)

2. Nilai Ambang

2.6 Perhitungan Luas Dengan System Grid

Sebuah peta memiliki informasi jarak yang dapat kita baca pada skala.

Gambar pada suatu peta terbentuk atas unsur titik (dot), garis (line), dan area

(poligon). Poligon merupakan garis tertutup yang kedua ujungnya saling bertemu

dan membentuk area. Area yang terbentuk ini akan membentuk luasan yang dapat

diukur/hitung berapa besarnya. Menghitung luas suatu wilayah pada peta dapat

dilakukan secara manual dengan menggunakan Sistem Grid. Menghitung dengan

menggunakan sistem grid adalah dengan membuat petak-petak pada gambar peta

dalam bentuk bujur sangkar yang berukuran sama. Penentuan panjang sisi bujur

sangkar secara umum dibuat 1 cm. Rumus perhitungan system grid yang akan

dipakai untuk menghitung luas pulau pada tugas akhir ini :

2.6.1.1 Perhitungan Mencari Selisih (Nilai Er ror)

Untuk mengetahui seberapa akurat metode segmentasi untuk menghitung luas

pulau. Untuk mengetahui seberapa akurat atau mengetahui hasil prosentase error

dari perhitungan luas pulau ,dapat dicari dengan rumus:

Rumus di atas adalah rumus mencari prosentase error secara perhitungan

piksel ,sedangkan untuk mencari prosentase error untuk perhitungan luas

menggunakan rumus :

………...………...(5)

(38)

2.7 Matlab

Matlab adalah sebuah bahasa dengan (high-performance) kinerja tinggi

untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi,

dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana

masalah-masalah dan penyelesaiannya diekspresikan dalam notasi matematika

yang familiar. Penggunaan Matlab meliputi bidang–bidang:

a. Matematika dan Komputasi

b. Pembentukan Algorithm

c. Akusisi Data

d. Pemodelan, simulasi, dan pembuatan prototipe

e. Analisa data, explorasi, dan visualisasi

f. 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

(39)

kesatuan dari sebuah seni tersendiri dalam perangkat lunak untuk komputasi

matrix.

Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat

standar untuk memperkenalkan dan mengembangkan penyajian materi

matematika, rekayasa dan kelimuan. Di industri, Matlab merupakan perangkat

pilihan untuk penelitian dengan produktifitas yang tingi, pengembangan dan

analisanya. Fitur-fitur Matlab sudah banyak dikembangkan, dan lebih kita kenal

dengan nama toolbox. Sangat penting bagi seorang pengguna Matlab, toolbox

mana yang mandukung untuk learn dan apply technologi yang sedang

dipelajarinya. Toolbox toolbox ini merupakan kumpulan dari fungsi-fungsi

Matlab (Mfiles) yang telah dikembangkan ke suatu lingkungan kerja Matlab untuk

memecahkan masalah dalam kelas particular. Area-area yang sudah bisa

dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, system kontrol,

neural networks, fuzzy logic, wavelets, dan lain-lain.

2.7.1 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

(40)

arithmetic, sampai dengan fungsi-fungsi yang lebih kompek seperti matrix

inverse, matrix eigenvalues, Bessel functions, dan fast Fourier transforms.

c. Matlab Language merupakan suatu high-level matrix/array language dengan

control flow statements, functions, data structures, input/output, dan fitur-fitur

object-oriented programming. Ini memungkinkan bagi kita untuk melakukan

kedua hal baik "pemrograman dalam lingkup sederhana " untuk mendapatkan

hasil yang cepat, dan "pemrograman dalam lingkup yang lebih besar" untuk

memperoleh hasil-hasil dan aplikasi yang komplek.

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

(41)

2.7.2 GUI / GUIDE MATLAB

Dibangun dengan obyek grafik seperti tombol (button), kotak teks, slider,

menu dan lain-lain. Aplikasi yang menggunakan GUI umumnya lebih mudah

dipelajari dan digunakan karena orang yang menjalankannya tidak perlu

mengetahui perintah yang ada dan bagaimana kerjanya. Sampai saat ini, jika kita

membicarakan pemrograman berorientasi visual, yang ada di benak kita adalah

sederetan bahasa pemrograman, seperti visual basic, Delphi, visual C++, visual

Fox Pro, dan lainnya yang memang didesai secara khusus untuk itu. Matlab

merintis ke arah pemrograman yang menggunakan GUI dimulai dari versi 5, yang

terus disempurnkan sampai sekarang. GUIDE Matlab mempunyai kelebihan

tersendiri dibandingkan dengan bahasa pemrogram lainnya, diantaranya:

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.

2.7.2.1Membuat GUI dengan MATLAB

Matlab mengimplementasikan GUI sebagai sebuah figure yang berisi

barbagai style obyek UIControl. Selanjutnya kita harus memprogram

masing-masing obyek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Langkah

(42)

a. Mengatur layout komponen GUI

Setelah kita membuka GUIDE Matlab dan telah menentukan template GUI,

langkah selanjutnya adalah adalah mendesai figure dengan menggunakan

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

M-file yang telah dibuat pada langkah sebelumnya, akan otomatis terbuka dan

kita harus menulis programnya agar komponen kontrol dapat bekerja secara

simultan. Untuk membuat program dalam m-file kita cukup memperhatikan

fungsi-fungsi matlab bertanda callback dimana perintah disispkan. Dari

langah-langkah dasar diatas, secara sederhana sebenarnya GUI Matlab dibentuk oleh dua

buah file, yaitu fig-file dan m-file. Matlab User’s Guide, The Math Works inc,

(43)

Pada bab ini akan dijelaskan mengenai proses pembuatan penelitian

perhitungan luas pulau dengan menerapkan segmentasi citra. Proses perancangan

aplikasi dalam sub-bab ini akan dibagi menjadi beberapa tahap antara lain :

analisis, gambaran aplikasi secara umum, perancangan proses.

3.1 Data Set

Dataset diperoleh dari 3 buku Atlas. Data Pulau Jawa ,Pulau Sumatra ,Pulau

Kalimantan ,Pulau Sulawesi ,Pulau Irianjaya ,Pulau Bali ,Pulau Bangka,Pulau

Sumbawa , Pulau Selatan Selantan Selandia Baru ,Pulau Luzon Filipina ,Pulau

Mindanao Filipina , Pulau Halmahera ,dan Pulau Honsyu Jepang didapat dari

buku Atlas penerbit Sinar Kurnia. Data Pulau Jawa 2 ,Pulau Sumatra 2,Pulau

Sulawesi 2 ,Pulau Irianjaya 2 , Pulau Lombok 2 ,Pulau Sumbawa 2 ,Pulau

Halmahera 2 ,Pulau Bangka 2 , Pulau Selatan Selantan Selandia Baru 2,dan Pulau

Mindanao Filipina 2 didapat dari buku Atlas penerbit CV. Buana Raya . Data

Pulau Jawa 3 ,Pulau Sumatra 3, Pulau Kalimantan 3, Pulau Sulawesi 3 , Pulau

Irianjaya 3 , Pulau Sumbawa 3 dan Pulau Bali 3 didapat dari buku Atlas penerbit

Media Utama Raya .Citra Pulau yang digunakan telah di hilangkan informasi

yang ada di citra pulau seperti tulisan-tulisan dan pulau-pulau kecil di sekitar

pulau utama yang akan di jadikan dataset. Dataset yang digunakan diresize sesuai

dengan ukuran peta yang dipakai . Pada tabel 3.1 menjelaskan informasi tentang

(44)

Tabel 3.1 Data set citra

nama Gambar Ukuran(dimensi) Skala

Pulau Jawa 945x333 1:4300000

Pulau

Sumatra 945x738

1: 7000000

Pulau Kalimantan

738x945 1:6080000

Pulau

Sulawesi 738x945 1:4850000

Pulau

Irianjaya 945x738 1:7280000

Pulau Jawa 2 718x510 1:5600000

Pulau

(45)

nama Gambar Ukuran(dimensi) Skala

Pulau

Sulawesi 2 491x718 1:5850000

Pulau

Irianjaya 2 718x518 1:11500000

Pulau Jawa 3 707x234 1:5800000

Pulau

Sumatra 3 726x510 1:10000000

Pulau

Kalimantan 3 499x718 1:8900000

Pulau

Sulawesi 3 503x718 1:6850000

Pulau

(46)

nama Gambar Ukuran(dimensi) Skala

Pulau Bali 945x737 610000

Pulau Bangka 926x718 1650000

Pulau

Sumbawa 926x718 1572000

Pulau Selatan Selandia

Baru

317x737 8300000

Pulau Luzon

Filipina 737x926 5700000

Pulau Mindanao

Filipina

737x926 6200000

Pulau Honsyu

jepang

(47)

nama Gambar Ukuran(dimensi) Skala

Pulau

Lombok 2 699x503 2120000

Pulau

Sumbawa 2 699x503 2150000

Pulau

Halmehera 2 506x699 4100000

Pulau Bangka

2 699x510 2200000

Pulau selatan Selandia baru

2

246x484 11600000

Pulau Mindanao

Filipina 2

664x834 6800000

Pulau

(48)

nama Gambar Ukuran(dimensi) Skala

Pulau Bali 2 711x491 790000

Pulau

Halmahera 718x926 3000000

3.2 Analisis Sistem

Penelitian perhitungan luas pulau dengan menerapkan segmentasi citra

menggunakan bahasa pemrograman Matlab. Citra diambil dengan men-scan peta

pulau kemudian di proses menghilangkan semua informasi dalam peta kecuali

objek pulau dan laut, kemudian proses selanjutnya adalah grayscale, deteksi tepi,

dilasi, closing, invers, erosi, rekontruksi. Proses awal yang digunakan dalam

image processing adalah mengubah citra berwarna ke grayscale. Grayscale

merupakan proses pengolahan citra dengan cara mengubah nilai-nilai piksel awal

citra menjadi sebuah citra keabuan. Hasil dari proses grayscale yang telah kita

lakukan, selanjutnya akan dijadikan deteksi tepi 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

(49)

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 luas pulau km2. Dari penelitian tersebut akan dilakukan perbandingan.

3.3.Gambaran Aplikasi secara Umum

Secara garis besar untuk melakukan pendeteksian tepi pada tambak melalui

bebarapa proses yaitu meliputi : ( Gambar 3.1)

1. Citra masukan berupa citra berwarna

2. Baca inputancitra yang akan diproses menjadi :

a. Grayscale

Setelah proses grayscale, deteksi tepi canny, dilasi, closing, invers, erosi,

rekontruksi. Citra keluaran akan berupa jumlah piksel warna putih dan luas pulau

(50)

Gambar 3.1 Flowchart Alur Program

3.3.1 Perancangan Pr oses

Untuk mengetahui proses-proses yang dilakukan maka akan dijelaskan

sebagai berikut :

3.3.1.1Grayscale

Grayscale merupakan proses pengolahan citra dengan cara mengubah

(51)

Gambar 3.2 Flowchart Grayscale

Langkah awal pada flowchart grayscale adalah citra masukan berwarna yang

kemudian akan diproses menjadi citra grayscale. Citra keabuan adalah citra yang

setiap pikselnya mengandung satu layer dimana nilai intensitasnya berada pada

interval 0-255, sehingga nilai-nilai piksel pada citra keabuan tersebut dapat

direpresentasikan dalam sebuah matriks yang dapat memudahkan proses

perhitungan pada operasi berikutnya. Di dalam MATLAB untuk menggubah

piksel RGB ( Red Green Blue) menjadi skala keabu – abuan dengan menggunakan

fungsi rgb2gray.

Gray=r gb2gray(I)

Variabel gray berfungsi untuk menampung hasil konversi citra RGB kecitra abu-

(52)

3.3.1.2Metode Canny

Salah satu cara untuk mendeteksi batas tepi adalah dengan menggunakan

algoritma canny. Algoritma ini dikenal sebagai algoritma yang baik untuk

mendeteksi batas. Deteksi tepi ini pertama-tama menghaluskan gambar dengan

menyingkirkan noise. Kemudian ditemukannya gradient gambarnya untuk

menyoroti daerah yang mempunyai ruang kepalsuan yang tinggi. Algoritma ini

lalu mengambil jalur sepanjang ruang tersebut dan menekan pixel yang tidak

maximum (penekanan non-maximum). Dengan menggunakan metode Canny

tepian yang dihasilkan lebih jelas, perbedaan tepian dengan background citra

terlihat nyata. Tapi di dalam Canny sendiri, noise dibagian tertentu tidak bisa

hilang begitu saja. Pengujian lain terhadap deteksi tepi adalah dengan

menggunakan Ketahanannya terhadap gangguan (noise). Gangguan pada citra

masukan (input) dapat dijadikan sebagai salah satu parameter yang menentukan

tingkat tampilan dari beberapa metode untuk melacak tepian suatu objek. Nilai

gray level pada suatu tepian objek akan berubah sehingga akan semakin sulit bagi

operator deteksi untuk menentukan batas tepian suatu objek. Berikut adalah

potongan baris program deteksi tepi canny.

BW=edge(gr ay,' canny' );

Variabel BW berfungsi untuk menampung hasil deteksi tepi. Citra yang

dideteksi tepi adalah citra abu-abu yang ditampung dalam variable gray. Deteksi

tepi yang di pakai adalah Canny.

Pertama yang harus dilakukan adalah menyaring dan membuang noise pada

gambar asli sebelum mencoba untuk menetapkan dan mendeteksi tepian. Untuk

(53)

gambar dan menyingkirkan noise. Operator sobel menggunakan sepasang matrik

3×3 konvolusi, satu matrik untuk mengkalkulasi gradient di x (kolom) dan yang

satu untuk mengkalkulasi gradient di y (baris).

(54)

3.3.1.3Dilasi

Pada proses ini akan dilasi. Dilasi merupakan suatu proses menambahkan

piksel pada batasan dari objek dalam suatu image sehingga nantinya apabila

dilakukan operasi ini maka image hasilnya lebih besar ukurannya dibandingkan

dengan image aslinya.. Pengertian penebalan ini dikontrol oleh bentuk strel.

Flowchart pada gambar 3.4 adalah proses dari dilasi. Setelah memproses metode

deteksi tepi canny kemudian akan diproses dilasi. Proses ini menyambung garis

pada objek. Berikut adalah potongan baris program dilasi.

b= imdilate(BW,se);

Variabel bberfungsi untuk menampung hasil dilasi. Citra yang didilasi adalah

citra dari deteksi tepi yang ditampung dalam variable BW. Variabel se adalah

radius dari proses dilasi berlangsung.

(55)

3.3.1.4 Closing

Pada proses ini akan diclosing (Gambar 3.5). Closing merupakan kombinasi

dimana suatu citra dikenai operasi dilasi dilanjutkan dengan erosi. Operasi closing

juga cenderung akan memperhalus objek pada citra, namun dengan cara

menyambung pecahan-pecahan (fuses narrow breaks and thin gulf) dan

menghilangkan lubang-lubang kecil pada objek.. Alur proses Closing dapat di

lihat pada gambar 3.5 .Berikut adalah potongan baris program closing.

d= imclose(b,se);

Variabel d berfungsi untuk menampung hasil closing. Citra yang diclosing

adalah citra dari dilasi yang ditampung dalam variable b. Variabel se adalah radius

dari proses closing berlangsung. Proses yang dilakukan untuk mendapatkan

Closing adalah dengan cara melakukan operasi dilasi, lalu hasil dilasi tersebut

dilakukan proses erosi lagi.

Gambar 3.5 Flowchart Closing

3.3.1.5Invers

Pada proses ini akan diinvers (Gambar 3.6). Invers adalah merubah sebuah

(56)

mendapatkan nilai pixel putih dalam objek tersebut. Alur proses Invers dapat di

lihat pada gambar 3.7

Setelah dilakukan tahap closing kemudian dilakukan tahap invers. Berikut

adalah potongan baris program invers.

x=imcomplement (d);

Variabel x berfungsi untuk menampung hasil invers. Citra yang di-invers

adalah citra dari closing yang ditampung dalam variabled.

Gambar 3.6 Flowchart Invers

3.3.1.6Erosi

Pada proses ini akan dierosi (Gambar 3.7). Erosi adalah mengecilkan atau

menipiskan obyek citra biner, berbeda dengan dilasi yang melakukan

(57)

filtering dimana detail citra yang lebih kecil dari strel akan difilter (dihilangkan)

dari citra. Berbeda dengan dilasi, apabila erosi dilakukan maka yang dikerjakan

adalah memindahkan piksel pada batasan-batasan objek yang akan di erosi.

Jumlah dari pikselyang ditambah atau dihilangkan bergantung pada ukuran dan

bentuk dari structuring element yang digunakan untuk memproses image tersebut.

Alur proses Erosidapat di lihat pada gambar 3.7 .

Setelah dilakukan tahap invers kemudian dilakukan tahap erosi. Berikut

adalah potongan baris program erosi.

e= imerode (x,se);

Variabel eberfungsi untuk menampung hasil erosi. Citra yang di-erosi adalah

citra dari invers yang ditampung dalam variable x. Variabel se adalah radius dari

proses erosi berlangsung.

(58)

3.3.1.7Rekonstruksi

Pada proses ini akan direkontruksi. Rekontruksi adalah mengembalikan

bentuk obyek yang tersisa setelah erosi. Alur proses Rekonstruksi dapat di lihat

pada gambar 3.8 .

Gambar 3.8 Flowchart Rekontruksi

Setelah dilakukan tahap erosi kemudian dilakukan tahap rekontruksi. Berikut

adalah potongan baris program rekontruksi.

r =imr econstruct (e,x);

Variabel r berfungsi untuk menampung hasil rekonstruksi. Citra yang

direkonstruksi adalah citra dari erosi yang ditampung dalam variable e. Variabel

se adalah radius dari proses dilasi berlangsung.

Rekonstruksi memproses image dari proses erosi , rekonstruksi

(59)

pengembalian piksel yang hilang oleh rekonstruksi mengacu pada image invers .

Rekonstruksi akan mengembalikan objek berpiksel putih .

3.3.1.8 J umlah Pixel

Pada proses ini akan mengetahui jumlah piksel putih. Alur proses jumlah

pixel dapat di lihat pada gambar 3.10.

Setelah dilakukan tahap rekontruksi kemudian dilakukan tahap mengetahui

jumlah piksel. Berikut adalah potongan baris program piksel.

luas=sum (sum(r ));

Variabel luas berfungsi untuk menampung hasil jumlah pixel. Citra yang di

cari jumlah pixel-nya adalah citra dari rekonstruksi yang ditampung dalam

variable r.

(60)

3.3.1.9Luas Pulau

Pada proses ini akan mengetahui Luas Pulau. Alur proses Luas Pulaudapat di

lihat pada gambar 3.10. Setelah dilakukan tahap mengetahui jumlah piksel

kemudian dilakukan tahap menghitung luas pulau .

Pada tahap ini yang digunakan adalah perhitungan luas pulau dengan metode

system grid di mana rumusnya “ L = Jumlah Kotak x Penyebut Skala² ”, untuk

menemukan jumlah kotak caranya membagi luas piksel dengan luas 1 cm2, Tetapi karena pada pengolahan citra ukuran yang digunakan adalah picture element

(piksel) maka dalam penelitian tugas akhir ini 1 cm2 = 1440 piksel. Setelah didapatkan jumlak kotak maka akan di kalikan dengan penyebut skala2 dan setelah hasil di dapatkan tinggal di konversi ke kilometer persegi atau km2 (1 km2 = 109 cm2 ) .

Start

Mendapatkan objek yang utuh

End Image rekonstruksi

Hitung pixel putih

Hitung Luas pulau km2

Gambar

Gambar 2.1. Image sebelum dilakukan manipulasi (Kulkarni, 2001)
Gambar 2.6. Erosi menggunakan elemen terstruktur 8-konektivitas (Agung
Gambar 2.7. dilasi menggunakan elemen terstruktur 8-konektivitas (Agung
Gambar 2.8. Sebuah fungsi f dan inversnya � (Asmitot 2010)
+7

Referensi

Dokumen terkait

Dengan adanya aplikasi e-learning pada SMP-Islam AL-Muhajirin ini bisa membantu siswa dalam proses belajar, serta membantu seorang guru dalam penyampaian

Hasil akhir dari penelitian ini adalah terdapat pengaruh positif yang signifikan antara motivasi kerja terhadap produktivitas pekerja proyek konstruksi, terdapat

Tujuan dari penelitian ini yaitu: (1) Mendeskripsikan karakteristik konsumen yang membeli beras premium dan beras medium di pasar modern Kota Palembang, (2)

CARTA ORGANISASI RANCANGAN ORGANISASI PENGURUS BESAR AMAT ROSLAN PENGURUS PEMASARAN NAZA IDRIS PENGURUS KEWANGAN JAAFAR SAARI PENGURUS PENTADBIRAN SAMSURI BUANG PENGURUS

biasanya memiliki kelainan struktur jantung yang lebih kompleks dan hanya dapat ditangani dengan tindakan bedah.Sementara penyakit jantung bawaan asianotik umumnya memiliki

Berdasarkan pengamatan diperoleh data mengenai keaktifan interaksi siswa dalam diskusi kelompok sebanyak 25 atau sebesar 69,44% dinyatakan aktif mengikuti diskusi

Bersama ini dengan hormat kami sampaikan laporan kegiatan pengendalian kebakaran hutan lahan tanggal 29 Oktober 2016.. Laporan Pengendalian Kebakaran Hutan dan Lahan Tanggal

21 Tahun 2011 Tentang Otoritas Jasa Keuangan terdapat 4 (empat) pasal yang mengatur tentang perlindungan konsumen. Ketentuan itu juga terkait dalam UU No.. dan