PERANCANGAN APLIKASI PERBANDINGAN DETEKSI TEPI DALAM CITRA DIGITAL DENGAN METODE
EDGE DETECTION LINKING DAN SOBEL
Rahmad Eko Syahputra
Program Studi Teknik Informatika STMIK Budi Darma, Medan, Indonesia Jl. Sisingamangaraja No. 338 Simpang Limun, Medan
ABSTRAK
Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Saat ini pengolahan citra dikembangkan untuk mempermudah kehidupan manusia. Metode pendeteksian garis tepi merupakan bagian dari pengolahan citra yang dalam kehidupan sehari-hari digunakan dalam bidang kepolisian untuk mendeteksi sidik jari. Ada banyak metode pendeteksian garis tepi yang digunakan seperti, metode edge linking dan operator sobel. Namun, diantara kedua metode tersebut, terdapat metode yang lebih unggul, yaitu metode Edge Linking. Pada aplikasi ini akan dilakukan perbandingan antara metode edge linking dengan operator sobel. Adapun yang menjadi parameter untuk melihat keunggulan tiap metode, yaitu kualitas tepi yang dihasilkan dan kecepatan proses dalam mendeteksi garis tepi. Untuk mempermudah penelitian ini, aplikasi ini akan dibangun dengan menggunakan Microsoft Visual Basic 6.0.
Kata kunci : Pendeteksi Garis Tepi, Citra Digital, Metode Edge Linking, Operator Sobel
I. Pendahuluan
Edge menunjukkan batasan. Edge pada gambar adalah area pada tepi objek image dengan intensitas contrast yang kuat, sehingga lompatan intensitas dari satu pixel kepixel lainnya. Edge mendeteksi gambar dengan mengurangi secara signifikan jumlah data dan menyaring informasi yang tidak berguna (filtering), dan juga menjaga property penting yang diperlukan pada gambar dalam hal ini yang mendukung penampakan tepi-tepi gambar.
Edge detection adalah pendekatan yang paling umum digunakan untuk mendeteksi diskontinuitas gray level (tingkat kebauan). Hal ini disebabkan karena titik ataupun garis yang terisolasi tidak terlalu sering dijumpai dalam aplikasi praktis. Secara ideal, teknik yang digunakan untuk mendeteksi diskontinuitas seharusnya hanya menghasilkan pixel-pixel yang berada pada batas region. Namun dalam prakteknya hal ini jarang terjadi karena adanya noise, batas yang terpisah karena pencahayaan yang tidak merata, dan efek lain yang mengakibatkan variasi intensitas.
II. TEORITIS A. Citra
Citra merupakan istilah lain untuk gambar sebagai salah satu komponen 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 bermakna lebih dari seribu kata” (a picture is more than a thousand words).
Maksudnya tentu sebuah gambar dapat memberikan informasi yang lebih banyak dari pada informasi tersebut disajikan dalam bentuk kata-kata (tekstual). Secara umum, citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto,
bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan (Putra, Ardiansyah, 2007).
B. Deteksi Tepi
Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari objek-objek gambar. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangga.
Macam-macam metode untuk proses deteksi tepi ini, antara lain sebagai berikut (Achmad Basuki, 2005, h.149).
C. Metode Edge Linking
Salah satu teknik yang dapat digunakan untuk Edge Linking adalah local processing, yaitu dengan menganalisa karakteristik pixel-pixel di dalam suatu neighborhood (3 x 3 atau 5 x 5) pada semua titik (x,y) di dalam citra yang telah mengalami edge-detection.
D. Operator Sobel
Operator Sobel adalah satu cara untuk menghindari gradien yang dihitung pada titik interpolasi dari pixel-pixel yang terlibat dengan cara menghaluskan citra digital. Proses penghalusan yang digunakan merupakan proses konvolusi dari jendela yang ditetapkan terhadap citra yang dideteksi dengan menggunakan jendela 3x3 untuk perhitungan gradien, sehingga perkiraan gradien berada tepat di tengah jendela adalah sebagai berikut:
𝑆𝑥=[
−1 0 1
−2 0 2
−1 0 1 ]
𝑆𝑦=[
1 2 1
0 0 0
−1 −2 −1 ]
dan
III. ANALISA A. Analisis Masalah
Dalam masalah ini, telah disiapkan sebuah citra digital yang mempunyai citra digital yang mempunyai dimensi 640 x 480 dengan format JPG, dan citra digital dimensi 640 x 480 dengan format BMP.
Gambar 1. Citra Digital dengan Format BMP Proses dimulai dimulai dengan melakukan metode edge detection untuk mencari tepi. Hasil yang didapatkan dari proses edge detection akan di jumlahkan intensitas citra dari baris dan kolom, yang kemudian nilai penjumlahan akan digunakan untuk analisis pencarian yang tertinggi.
B. Penerapan Metode Edge Linking
Untuk dapat melakukan pendeteksian tepi (Edge Linking) terlebih dahulu perlu di lakukan langkah-langkah yang dapat mempermudah dilakukanya analisis tersebut. Langkah-langkah dalam tehap Edge Linking ini adalah sebagai berikut:
1. Mengubah citra RGB menjadi citra skala keabuan I = double (rgb2gray (handles.data1)) ; 2. Penghalusan Arah X filterx = d2dgauss (Nx1,
Sigmax1, Nx2 ,Sigmax2, Theta1) ; Ix = conv2 (I,filter, 'same') ; % Arah Y filtery = d2dgauss (Ny1, Sigmay1, Ny2, Sigmay2, Theta2) ; Iy = conv2 (I ,filtery, 'same') ;
3. Norm of the gradient NVI = sqrt (Ix.*Ix+Iy.*Iy) 4. Konvolusi dengan kernel laplacian 3x3 H = [0 1
0,1 -4 1,0 1 0] ; J = conv2 (NVI, H, 'same') ; 5. Find the zerocross with thresh value thresh =
alfa.*mean2(abs(J)); edgeimage = edge (J,'zerocross',thresh);
C. Penerapan Operator Sobel
Untuk menganalisis kinerja Sobel dalam mendeteksi tepi, digunakan empat jenis citra dengan tingkat kualitas yang berbeda (2 megapiksel, 4 megapiksel), dan terhadap satu buah parameter yang dianggap mampu mengukur kinerja metode ini, yaitu kualitas citra tepi yang dihasilkan, timing run, sensitivity rate. Berikut langkah-langkah dalam tahap operator sobel sebagai berikut:
1. Mengubah citra RGB menjadi citra skala keabuan
I = double (rgb2gray (handle.datal));
2. Konvolusi dengan kernel sobel 3x3 sobelhor = [-1 0 1;-2 0 2;-1 0 1];
sobelver = [-1 -2 -1;0 0 0;1 2 1];
Ix = conv2 (I,sobelhor,’same’);
Iy = conv2 (I,sobelver,’same’);
J = sqrt((Ix.^2)+(Iy.^2));
3. Pengambangan
thresh = alfa*mean2(abs(J));
If J > thresh edgeimage = 1;
else
edgeimage = 0;
end
4. Mengembalikan nilai matriks menjadi nilai intensitas citr
edgeimage = mat2gray(edgeimage);
Karena dalam penelitian ini digunakan citra masukan dengan beberapa tingkat kualitas resolusi citra, maka nilai alfa yang digunakan harus disesuaikan agar nilai tersebut dapat digunakan pada keempat jenis citra masukan, yaitu Citra_asli1,Citra_asli2. Pada citra masukan dengan tingkat resolusi yang tinggi, nilai pengambangan ini akan mempengaruhi tepi-tepi yang terbentuk, karena banyak piksel noise yang akan terdeteksi sebagai tepi. Artinya, citra masukan dengan tingkat resolusi yang tinggi (Citra_asli2) akan menghasilkan lebih banyak piksel tepi dibanding citra masukan dengan tingkat resolusi rendah (Citra_asli1). Namun, piksel yang didefenisikan sebagai tepi pada citra masukan dengan tingkat resolusi tinggi tersebut sebahagiannya adalah berupa noise.
Ditinjau dari segi waktu pemrosesan (timing run), dalam membandingkan kinerja metode pendeteksi tepi, metode pendeteksi tepi terbaik adalah yang memiliki waktu pemrosesan yang paling singkat diantara metode lainnya. Misalkan waktu yang diperlukan untuk memproses 1 (satu) nilai piksel dari sebuah citra adalah ‘t’, maka aproksimasi waktu untuk memproses citra pada metode Sobel adalah sebagai berikut:
Langkah 1 : Pada langkah ini setiap nilai piksel citra diproses dua kali (2t). Pertama, fungsi rgb2gray yang digunakan untuk mengubah nilai piksel citra masukan handles.data1 yang berbentuk citra RGB menjadi skala keabuan. Kedua, nilai piksel yang semula merupakan nilai piksel satu dimensi dikonversi menjadi bentuk dua dimensi dengan fungsi double. Dan terakhir, mendefenisikan nilai yang telah diperoleh tadi sebagai I, maka asumsi waktu untuk ketiga citra masukan pada langkah ini adalah:
1. Citra_asli1:
Waktu1 = 2x10^6(2t)
= 4x10^6t
2. Citra_asli2:
Waktu1 = 4x10^6(2t)
= 8x10^6t
3. Citra_asli3:
Waktu1 = 6x10^6(2t)
= 12x10^6t
Langkah 2 : Pada langkah ini, untuk setiap citra masukan terdapat tiga kali pemrosesan (3t). Pertama, nilai piksel citra I dikonvolusi dengan sobelhor dengan fungsi conv2 untuk mendapatkan nilai Ix.
Kedua, nilai piksel citra I dikonvolusi dengan sobelver dengan fungsi conv2 untuk mendapatkan nilai Iy. Dan terakhir, dari nilai Ix dan Iy yang telah diperoleh, dihitung gradien dari nilai-nilai tersebut dengan rumus sqrt((Ix.^2)+(Iy.^2), sehingga diperoleh nilai J. Dari proses-proses tersebut, maka asumsi waktu untuk tiap citra masukan pada tahap ini adalah:
1. Citra_asli1:
Waktu2 = 2x10^6(3t)
= 6x10^6t 2. Citra_asli2:
Waktu2 = 4x10^6(3t)
= 12x10^6t 3. Citra_asli3:
Waktu2 = 6x10^6(3t)
= 18x10^6t
Langkah 3: Pada tahap ini, bisa terjadi dua sampai empat kali pemrosesan (3t-4t). Hal ini terjadi karena adanya fungsi if else. Pemrosesan pertama, adalah mencari nilai pengambangan thresh yang sesuai untuk setiap citra masukan, dengan mengkalikan variabel alfa dengan fungsi mean2 yang merupakan fungsi untuk mencari nilai ratarata dari nilai mutlak J (abs(J)). Kemudian, setiap nilai piksel yang ada dibandingkan dengan nilai tersebut, jika lebih besar dari nilai thresh akan dianggap sebagai tepi dengan mengubah nilai pikselnya menjadi 1, dan jika tidak nilai piksel diubah menjadi 0. Untuk mengasumsikan waktu pada langkah ini, digunakan asumsi waktu terbesar (4t) untuk setiap citra masukan, sehingga menjadi:
1. Citra_asli1:
Waktu3 = 2x10^6(4t)
= 8x10^6t 2. Citra_asli2:
Waktu3 = 4x10^6(4t)
= 16x10^6t
3. Citra_asli3:
Waktu3 = 6x10^6(4t)
= 24x10^6t
Langkah 4: Pada langkah ini, nilai piksel 1 (satu) dan 0 (nol) dari pemrosesan langkah sebelumnya tadi dikembalikan menjadi suatu bentuk tampilan citra dengan mengubah nilai piksel 1 (satu) menjadi warna hitam, dan nilai 0 (nol) menjadi warna putih dengan fungsi mat2gray. Artinya, pada langkah ini hanya terjadi satu kali pemrosesan (t), sehingga asumsi waktu untuk tiap citra:
1. Citra_asli1:
Waktu4 = 2x10^6t 2. Citra_asli2:
Waktu4 = 4x10^6t 3. Citra_asli3:
Waktu4 = 6x10^6t
Dari keempat langkah pemrosesan dengan metode Sobel tersebut, maka keseluruhan waktu pemrosesan untuk keempat citra masukan tersebut dihitung dengan menjumlahkan keseluruhan waktu dari setiap tahap, menjadi:
1. Citra_asli1 = 4x10^6t + 6x10^6t + 8x10^6t + 2x10^6t = 20x10^6t
2. Citra_asli2 = 8x10^6t + 12x10^6t + 16x10^6t + 4x10^6t = 40x10^6t
3. Citra_asli3 = 12x10^6t + 18x10^6t + 24x10^6t + 6x10^6t = 60x10^6t
Berdasarkan penelitian Aron (2007) dan Afnisyah (2009) diperoleh perbandingan metode Edge Linking dan operator Sobel. Adapun hasil perbandingan yang diperoleh dari penelitian sebagaimana terlihat pada Tabel 1.
Tabel 1.
Perbandingan Metode Edge Linking dan Sobel Edge Linking Sobel
Tepi yang
dihasilkan berupa tepi tunggal.
Mampu
mendeteksi citra digital dengan tingkat noise yang tinggi.
Proses
pendeteksian garis tepi pada citra digital lebih cepat.
Tepi yang
dihasilkan berupa tepi tunggal dan tepi ganda.
Tidak mampu mengolah citra digital dengan tingkat noise yang tinggi.
Proses
pendeteksian garis tepi pada citra digital lebih lama.
Dari Tabel 1. terlihat bahwa metode Edge Linking memiliki keunggulan dari metode Sobel dalam hal deteksi garis tepi suatu citra digital. Tepi yang dihasilkan metode Edge Linking lebih akurat dibandingkan operator Sobel, karena metode Edge Linking menghasilkan tepi berupa tepi tunggal.
Berbeda dengan operator Sobel yang menghasilkan tepi yang berupa tepi ganda dan tepi tunggal. Metode Edge Linking juga mampu mengatasi tingkat noise yang tinggi pada citra, sehingga metode ini sangat cocok untuk melakukan pendeteksian terhadap citra digital dengan kualitas citra (resolusi) yang rendah.
Sedangkan operator Sobel yang tidak mampu mengolah citra digital dengan tingkat noise yang tinggi, bahkan noise pada citra digital didefinisikan sebagai tepi. Selain itu, metode Edge Linking memiliki kecepatan proses pendeteksian garis tepi
pada citra digital yang lebih cepat daripada operator Sobel. Sehingga, metode Edge Linking yang merupakan metode pendeteksian yang terbaik.
IV. IMPLEMENTAS A. Implementasi Sistem
Setelah melakukan implementasi terhadap rancangan yang diperoleh sebelumnya, diperoleh hasil berupa sebuah perangkat lunak yang dapat melakukan segmentasi terhadap citra digital dalam format BMP dan JPG dengan metode Edge Linking dan Sobel. Adapun hasil yang diperoleh tersebut berupa tampilan hasil dan hasil pengujian sistem.
Adapun hasil yang diperoleh dari implementasi perangkat lunak yang dirancang, yaitu berupa tampilan Form Utama, Menu File, Menu Mode dan Form About.
Tampilan Form Utama merupakan form yang ditampilkan pertama kali pada saat perangkat lunak dijalankan. Form Utama ini berisi tampilan menu dan pixture box yang akan menampilkan gambar awal yang dipilih pengguna. Adapun tampilan Form Utama seperti ditunjukkan pada Gambar 1.
Gambar 1. Tampilan Form Utama
Tampilan Menu File merupakan form yang ditampilkan jika user memilih menu File. Menu File ini berisi sub menu Load Gambar dan sub menu Keluar. Adapun tampilan Menu File seperti ditunjukkan pada Gambar 2.
Gambar 2. Tampilan Menu File
Tampilan Menu Mode merupakan form yang ditampilkan jika user memilih menu Mode. Menu Mode ini berisi sub menu Edge Linking , sub menu Sobel dan sub menu Keduanya . Adapun tampilan Menu Mode seperti ditunjukkan pada Gambar 3.
Gambar 3. Tampilan Menu Mode
Tampilan Form About merupakan tampilan yang muncul jika user memilih menu About pada Form Utama. Form About ini berfungsi untuk menampilkan sekilas informasi mengenai perancang perangkat lunak ini. Adapun tampilan Form About seperti ditunjukkan pada Gambar 4.
Gambar 4. Form About
Setelah mendapatkan hasil tampilan perangkat lunak, tahap selanjutnya dilakukan pengujian terhadap sistem tersebut. Adapun metode pengujian sistem yang dilakukan adalah metode statis (static technique) dimana pengujian dibagi dalam beberapa tahapan, sebagai berikut :
1. Menetapkan Parameter Pengujian
Adapun paramaeter pengujian yang digunakan dalam pengujian sistem ini adalah sebagai berikut : a. Kestabilan Sistem Parameter ini digunakan untuk menguji apakah sistem masih mengalami error pada saat dieksekusi atau pada saat melakukan proses pendeteksian garis tepi.
b. Ketepatan Hasil Parameter ini digunakan untuk menguji apakah sistem telah dapat bekerja seperti apa yang diharapkan dalam perancangan.
c.
2. Menyiapkan Perangkat Pengujian
Dalam tahap ini, telah disiapkan sebuah citra digital yang mempunyai dimensi 2048 x 1536 dengan format JPG, citra digital yang mempunyai dimensi 640 x 480 dengan format JPG, dan citra digital dimensi 640 x 480 dengan format BMP . Adapun tampilan dari salah satu citra digital yang dijadikan perangkat pengujian ini seperti terlihat pada Gambar 5.
Gambar 5.
Citra Digital Pengujian Dengan Format BMP 3. Melakukan Pengujian Load Citra Digital
Dalam tahap ini, dilakukan pengujian terhadap kemampuan sistem dalam me-Load citra digital yang telah disiapkan. Pengujian ini untuk melihat
kestabilan sistem dalam me-Load citra digital dimana akan dilihat pesan-pesan error yang muncul pada saat pengujian berlangsung. Adapun hasil pengujian kestabilan sistem seperti terlihat pada Gambar 6.
Gambar 4.6 Pengujian Load Citra Digital Dari pengujian yang dilakukan, sistem terlihat stabil pada saat melakukan Load terhadap citra digital yang disiapkan. Tidak ada pesan error yang muncul, sehingga dapat ditarik kesimpulan bahwa sistem telah stabil dalam melakukan proses Load terhadap sebuah citra digital.
4. Melakukan Pengujian Segmentasi Dengan Mode Edge Linking
Dalam tahap ini, dilakukan pengujian terhadap kemampuan sistem dalam melakukan segmentasi citra digital dalam mode Edge Linking terhadap citra digital yang disiapkan. Pada tahap ini, akan diuji parameter kestabilan sistem, serta ketepatan hasil yang diharapkan.
Dalam pengujian sistem ini, dipilih mode Mode Edge Linking dari sub menu Mode pada Form Utama setelah terlebih dahulu membuka file gambar yang akan disegmentasi. Adapun hasil pengujian yang diperoleh seperti terlihat pada Gambar 7.
Gambar 7.
Pengujian Segmentasi Dengan Mode Edge Linking
Pada pengujian ini, terlihat sistem telah dapat melakukan segmentasi terhadap citra digital dengan menggunakan metode Edge Linking. Berdasarkan hasil tampilan pada Gambar 7., garis tepi citra digital yang disegmentasi telah dapat dilakukan dengan sempurna, sehingga diambil kesimpulan bahwa perangkat lunak ini tidak memiliki masalah dalam melakukan segmentasi garis tepi citra digital dengan menggunakan metode Edge Linking.
5. Melakukan Pengujian Segmentasi Dengan Mode Sobel
Dalam tahap ini, dilakukan pengujian terhadap kemampuan sistem dalam melakukan segmentasi citra digital dalam mode Sobel terhadap citra digital yang disiapkan. Pada tahap ini, akan diuji parameter kestabilan sistem, serta ketepatan hasil yang diharapkan. Dalam pengujian sistem ini, dipilih mode Sobel dari sub menu Mode pada Form Utama setelah terlebih dahulu membuka file gambar yang akan disegmentasi. Adapun hasil pengujian yang diperoleh seperti terlihat pada Gambar 8. Pada pengujian ini, terlihat sistem telah dapat melakukan segmentasi terhadap citra digital dengan menggunakan metode Sobel. Berdasarkan hasil tampilan pada Gambar 6., garis tepi citra digital yang disegmentasi telah dapat dilakukan dengan sempurna, sehingga diambil kesimpulan bahwa perangkat lunak ini tidak memiliki masalah dalam melakukan segmentasi garis tepi citra digital dengan menggunakan metode Sobel.
Gambar 4.8
Pengujian Segmentasi Dengan Mode Sobel 6. Melakukan Pengujian Segmentasi Dengan Kedua Metode
Dalam tahap ini, dilakukan pengujian terhadap kemampuan sistem dalam melakukan segmentasi citra digital dalam mode Keduanya terhadap citra digital yang disiapkan. Pada tahap ini, akan diuji parameter kestabilan sistem, serta ketepatan hasil yang diharapkan. Dalam pengujian sistem ini, dipilih mode Keduanya dari sub menu Mode pada Form Utama setelah terlebih dahulu membuka file
gambar yang akan disegmentasi. Adapun hasil pengujian yang diperoleh seperti terlihat pada Gambar 9.
Gambar 9.
Pengujian Segmentasi Dengan Kedua Metode Pada pengujian ini, terlihat sistem telah dapat melakukan pendeteksian terhadap citra digital dengan menggunakan metode Edge Linking sekaligus metode Sobel. Berdasarkan hasil tampilan pada Gambar 4.9, garis tepi citra digital yang disegmentasi telah dapat dilakukan dengan sempurna, sehingga diambil kesimpulan bahwa perangkat lunak ini tidak memiliki masalah dalam melakukan segmentasi garis tepi citra digital dengan menggunakan metode Edge Linking dan metode Sobel.
Dari hasil pengujian yang dilakukan pada tiga jenis citra digital yang telah disiapkan untuk mendeteksi garis tepi masing-masing citra dengan menggunakan kedua metode diperoleh hasil perbandingannya, yaitu sebagai berikut :
1. Citra digital yang memiliki dimensi 2048 x 1536 dengan format JPG.
Gambar 10. Hasil Pengujian Citra Ruangan Dari Gambar 10. dapat kita lihat tepi yang dideteksi oleh metode Edge Linking lebih akurat
dibandingkan operator Sobel karena tepi yang dideteksi berupa tepi tunggal dan mampu mengatasi noise yang ada pada citra. Sedangkan pada hasil pendeteksian dengan operator Sobel, tepi yang dideteksi hampir seluruhnya berupa tepi ganda dan noise yang terdapat pada citra didefinisikan sebagai tepi. Selain itu, kecepatan proses pendeteksian dengan menggunakan metode Edge Linking lebih cepat dibandingkan operator Sobel, yaitu :
Kecepatan proses metode Edge Linking = 5781 milidetik
Kecepatan proses Operator Sobel = 9922 milidetik 2. Citra digital yang memiliki dimensi 640 x 480 dengan format JPG.
Gambar 11. Hasil Pengujian Citra Anak Kecil Dari Gambar 11. dapat kita lihat tepi yang dideteksi oleh metode Edge Linking lebih akurat dibandingkan operator Sobel karena tepi yang dideteksi berupa tepi tunggal dan mampu mengatasi noise yang ada pada citra. Sedangkan pada hasil pendeteksian dengan operator Sobel, tepi yang dideteksi hampir seluruhnya berupa tepi ganda dan tidak mampu mengatasi noise dan noise yang terdapat pada citra didefinisikan sebagai tepi.
Sehingga tepi yang dideteksi operator Sobel tidak jelas yang mana berupa tepi yang sebenarnya. Selain itu, kecepatan proses pendeteksian dengan menggunakan metode Edge Linking lebih cepat dibandingkan operator Sobel, yaitu :
Kecepatan proses metode Edge Linking = 8363 milidetik
Kecepatan proses Operator Sobel = 20592 milidetik
3. Citra digital yang memiliki dimensi 640 x 480 dengan format BMP.
Gambar 12. Hasil Pengujian Citra Kupu - Kupu Dari Gambar 12. dapat kita lihat tepi yang dideteksi oleh metode Edge Linking lebih akurat dibandingkan operator Sobel karena tepi yang dideteksi berupa tepi tunggal dan mampu mengatasi noise yang ada pada citra. Sedangkan pada hasil pendeteksian dengan operator Sobel, tepi yang dideteksi hampir seluruhnya berupa tepi ganda dan noise yang terdapat pada citra didefinisikan sebagai tepi. Sehingga tepi yang dideteksi operator Sobel tidak jelas yang mana berupa tepi yang sebenarnya.
Selain itu, kecepatan proses pendeteksian dengan menggunakan metode Edge Linking lebih cepat dibandingkan operator Sobel, yaitu :
Kecepatan proses metode Edge Linking = 7863 milidetik
Kecepatan proses Operator Sobel = 10538 milidetik
V. KESIMPULAN
Setelah melakukan pembahasan dari skripsi ini, maka dapat ditarik beberapa kesimpulan sebagai berikut :
1. Metode Edge Linking dapat mendeteksi suatu citra digital walaupun memiliki tingkat noise yang tinggi, sedangkan operator Sobel tidak mampu mengolah citra digital yang memiliki tingkat noise yang tinggi. Bahkan, noise yang ada pada citra didefinisikan sebagai tepi.
2. Tepi yang dihasilkan oleh metode Edge Linking berupa tepi tunggal, sehingga kualitas tepi yang dihasilkan lebih akurat dibandingkan kualitas tepi yang dihasilkan operator Sobel yang berupa tepi ganda dan tepi tunggal.
REFERENCES
[1] Al Bahra bin Ladjamudin, 2006, Rekayasa Perangkat Lunak, Penerbit Graha Ilmu, Yogyakarta.
[2] Arief, Ramadhan, 2007, Visual Basic 6.0, Penerbit PT. Elex Media Komputindo, Jakarta.
[3] Baxes, Gregory A, 1994, Proses Gambar Digital: Principles and Applications, John Wiley & Sons, New York.
[4].Gonzales, Rafael C., Richard E. Woods, 2003, Digital Image Processing, Addison-Wesley Publishing Company Inc., USA.
[5].Jogiyanto, HM., 2002, Pengantar Komputer,Penerbit Andi, Yogyakarta.
[6].Kendall, K.E, dan J.E. Kendall, 2003, Analisa dan Perancangan Sistem, Edisi-5, Jilid I dan Jilid II, Alih Bahasa Thamrin Abdul Hafedh, Penerbit P.T. Indeks, Jakarta.
[7].Marshall, David, 2004, Vision Systems, http://www.cs.cf.ac.uk/Dave/Vision_ lecture/node1.html [8] Putra, Ardiansyah, 2007, Pengolahan Citra, Penerbit Graha
Ilmu, Yogyakarta.
[9].Sunanto, Aron Wirahadi, 2007, Implementasi Metode Edge Linking Untuk Mempertajam Batas Citra Digital, Sinta, Yogyakarta.
