Penilaian Kualitas Citra Analisis

2.5 Algoritma Homogeneity

Algoritma Homogeneity adalah algoritma yang praktis dan cepat dalam mendeteksi tepi dimana dalam menentukan nilai maksimum dari pengurangan serangkaian piksel. Homogeneity menghitung perbedaan maksimum dari piksel dengan piksel tetangga yakni 8 arah, ditunjukkan pada gambar 2.14. Gambar 2.14. Operator homogeneity Untuk menghitung gradien, menggunakan: G = gx,y – a , gx,y – a 1 , gx,y – a 2 , gx,y – a 3 , gx,y – a 4 , gx,y – a 5 , gx,y – a 6 , gx,y – a 7 2.6

2.6 Penilaian Kualitas Citra

Penilaian kualitas citra dilakukan dengan cara penilaian secara objektif dengan menggunakan besaran MSE dan PSNR kedua besaran tersebut membandingkan piksel-piksel pada posisi yang sama dari dua citra yang berlainan.

2.6.1 Mean Square Error

Mean Square Error MSE merupakan tolak ukur analisis kuantitatif yang digunakan untuk menilai kualitas sebuah citra keluaran dan keunggulan sebuah metode yang digunakan. Semakin tinggi MSE maka kualitas hasil pengolahan semakin buruk [1]. Rata-rata kuadrat nilai kesalahan antara citra asli dengan citra hasil pengolahan yang secara matematis dapat dirumuskan dengan: a a 3 a 5 a 2 a 4 a 7 a 1 a 6 gx,y Universitas Sumatera Utara 2.12 Dimana: fx,y = citra asli gx,y = citra hasil pengolahan M = Tinggi citra N = Lebar citra

2.6.2 PSNR Peak Signal to Noise Ratio

Peak Signal to Noise Ratio PSNR merupakan nilai perbandingan antara harga maksimum warna pada citra hasil filtering dengan kuantitas gangguan noise, yang dinyatakan dalam satuan desibel dB, noise yang dimaksud adalah akar rata-rata kuadrat nilai kesalahan √ � . Semakin tinggi nilai PSNR maka kualitas hasil pengolahan semakin baik. Secara matematis, nilai PSNR dapat dirumuskan sebagai berikut [1]: 2.13 � = ∑ ∑ | , − , | − = − = � = �� 55 √ � Universitas Sumatera Utara BAB 3 ANALISIS DAN PERANCANGAN

3.1 Analisis

Dalam merancang sebuah sistem khususnya sistem yang berbasis aplikasi perlu dilakukan analisis. Analisis berguna untuk meminimalisir terjadinya kesalahan pada saat akan dirancangnya sebuah aplikasi. Analisis merupakan upaya untuk melakukan pemahaman tertentu terhadap sesuatu masalah yang dilakukan dalam pengkajian. Pemahaman tersebut bertujuan mengetahui kekurangan-kekurangan pada metode atau algoritma yang digunakan. Dalam proses pembuatan suatu aplikasi mutlak dilakukan penelitian dan penganalisaan tentang aplikasi yang akan dibangun, berikut adalah beberapa analisis yang dilakukan untuk mendeteksi tepi menggunakan algoritma Prewiit dan algoritma Homogeneity pada citra RGB.

3.1.1 Analisis Masalah

Deteksi tepi dapat dilakukan dengan banyak metode atau algoritma. Pada aplikasi yang dirancang, deteksi tepi menggunakan algoritma Prewiit dan algoritma Homogeneity. Adapun deteksi tepi dilakukan pada citra digital RGB bertipe file bmp. Masing-masing memiliki cara kerja yang berbeda sehingga menghasilkan deteksi tepi yang berbeda. Analisis masalah digambarkan dengan diagram Ishikawa Fishbone Diagram berikut ini. Bagian kepala atau segiempat yang berada disebelah kanan merupakan maasalah. Sementara di bagian tulang-tulangnya merupakan penyebab. Pemodelan diagram ishikawa dapat dilihat pada gambar 3.1. Universitas Sumatera Utara Gambar 3.1 Diagram Ishikawa

3.1.2 Analisis Kebutuhan Sistem

Dalam membangun sebuah sistem, tahap analisis kebutuhan sistem perlu dilakukan dengan tujuan untuk mempermudah analisis sistem dalam menentukan keseluruhan kebutuhan secara lengkap. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu: kebutuhan fungsional dan kebutuhan non-fungsional.

3.1.2.1 Analisis Fungsional Sistem

Analisis fungsional dibutuhkan untuk mengetahui hal-hal yang bisa dikerjakan oleh sistem. Berikut dijabarkan fungsi-fungsi yang dapat dikerjakan oleh sistem. 1. Sisitem akan melakukan deteksi tepi citra pada file berupa .bmp 2. Sistem menghitung nilai MSE dan PSNR sebagai perbandingan hasil pendeteksian tepi 3. Sistem melakukan deteksi tepi citra dengan menggunakan Algoritma Prewitt dan Algoritma Homogeneity User Machineto ols Metode Material Deteksi Tepi Keterbatasan mata manusia untuk melihat tepi pada citra File .bmp sebagai file inputan Algoritma Prewitt Algoritma Homogeneity Menerima input, text box, perbesaran citra C Menu Tentang Universitas Sumatera Utara

3.1.2.2 Analisis Non-fungsional Sistem

Analisis non-fungsional berhubungan dengan hal-hal berikut ini: 1. Performa Perangkat lunak yang akan dibangun dapat menunjukkan hasil citra sebelum dan sesudah dideteksi tepi 2. Mudah dipelajari dan digunakan Perangkat lunak yang akan dibangun memiliki tampilan yang user friendly dan resposif 3. Hemat biaya Perangkat lunak yang dibangun akan mempermudah pengguna untuk efesiensi waktu, sehingga hemat biaya 4. Dokumentasi Perngkat lunak yang akan dibangun dapat menyimpan hasil deteksi tepi cita 5. Kontrol Perngakat lunak yang dibangun dapat menampilkan ukuran asli citra setelah dideteksi tepi

3.1.3 Analisis Deteksi Tepi Menggunakan Algoritma Prewitt

Algoritma Prewitt bekerja menggunakan matriks 3x3 kernel x dan kernel y dengan konstanta, yaitu 1. Nilai piksel RGB dari citra kemudian diambil untuk dikonvolusi dengan kernel x dan kernel y. setelah konvolusi dilakukan, kemudian dilakukan perhitungan gradien setiap piksel. Dengan memberikan batas ambang atau threshold terhadap gradien, maka didapat citra hasil deteksi tepi. Universitas Sumatera Utara Gambar 3.2 Citra yang diambil nilai pikselnya Pada Gambar 3.2 yang diambil nilai pikselnya, kemudian dilakukan perhitungan konvolusi dengan kernel x, sebagai berikut: Tabel 3.1 Matriks nilai citra dan kernel x algoritma Prewitt 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 -1 1 45 49 51 52 53 -1 1 72 82 80 75 76 -1 1 69 101 101 94 94 100 106 106 108 105 Tabel 3.2 Hasil konvolusi dengan kernel x algoritma Prewitt Posisi i,j Hasil Konvolusi Posisi i,j Hasil Konvolusi 1,1 5,1 1,2 5,2 = | 45-1 + 490 + 511 + 72-1 + 820 + 801 + 69- 1 + 1010 + 1011 | = 46 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 Universitas Sumatera Utara 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,3 5,3 = | 49-1 + 510 + 521 + 82-1 + 800 + 751 + 101-1 + 1010 + 941 | = 11 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,4 5,4 = | 51-1 + 520 + 531 + 80-1 + 750 + 761 + 101-1 + 940 + 941 | = 9 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,5 5,5 2,1 6,1 2,2 = | 56-1 + 580 + 591 + 40-1 + 430 + 411 + 33-1 + 350 + 361 | = 7 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,2 = | 72-1 + 820 + 801 + 69-1 + 1010 + 1011 + 100-1 + 1060 + 1061 | = 46 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,3 = | 58-1 + 590 + 591 + 43-1 + 410 + 411 + 35- 1 + 360 + 361 | = 0 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 6,3 = | 82-1 + 800 + 751 + 101-1 + 1010 + 941 + 106-1 + 1060 + 1081 | = 12 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 Universitas Sumatera Utara 100 106 106 108 105 100 106 106 108 105 2,4 = | 59-1 + 590 + 601 + 41-1 + 410 + 411 + 36- 1 + 360 + 391 | = 4 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,4 = | 80-1 + 750 + 761 + 101-1 + 940 + 941 + 106-1 + 1080 + 1051 | = 12 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,5 6,5 3,1 7,1 3,2 = | 40-1 + 430 + 411 + 33-1 + 350 + 361 + 45- 1 + 490 + 511 | = 10 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,2 3,3 = | 43-1 + 410 + 411 + 35-1 + 360 + 361 + 49- 1 + 510 + 521 | = 2 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,3 3,4 = | 41-1 + 410 + 411 + 36-1 + 360 + 391 + 51- 1 + 520 + 531 | = 5 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,4 3,5 7,5 Universitas Sumatera Utara 4,1 4,2 = | 33-1 + 350 + 361 + 45-1 + 490 + 511 + 72- 1 + 820 + 801 | = 17 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,3 = | 35-1 + 360 + 361 + 49-1 + 510 + 521 + 82- 1 + 800 + 751 | = 3 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,4 = | 36-1 + 360 + 391 + 51-1 + 520 + 531 + 80- 1 + 750 + 761 | = 1 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,5 Tabel 3.3 Matriks hasil konvolusi algoritma Prewitt 7 4 10 2 5 17 3 1 46 11 9 46 12 12 Universitas Sumatera Utara Selanjutnya dilakukan perhitungan konvolusi kernel y terhadap nilai piksel dari Gambar 3.1, sebagai berikut: Tabel 3.4 Matriks nilai citra dan kernel y algoritma Prewitt 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 1 1 1 45 49 51 52 53 72 82 80 75 76 -1 -1 -1 69 101 101 94 94 100 106 106 108 105 Tabel 3.5 Hasil konvolusi dengan kernel y algoritma Prewitt Posisi i,j Hasil Konvolusi Posisi i,j Hasil Konvolusi 1,1 5,1 1,2 5,2 = |451 + 491 + 511 + 720 + 820 + 800 + 69- 1 + 101-1 + 101-1 | = 126 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,3 5,3 = |491 + 511 + 521 + 820 + 800 + 750 + 101- 1 + 101-1 + 94-1 | = 144 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,4 5,4 = |511 + 521 + 531 + 800 + 750 + 760 + 101- 1 + 94-1 + 94-1 | = 133 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 Universitas Sumatera Utara 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,5 5,5 2,1 6,1 2,2 = |561 + 581 + 591 + 400 + 430 + 410 + 33- 1 + 35-1 + 36-1 | = 69 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,2 = |721 + 821 + 801 + 690 + 1010 + 1010 + 100-1 + 106-1 + 106-1 | = 78 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,3 = |581 + 591 + 591 + 430 + 410 + 410 + 35- 1 + 36-1 + 36-1 | = 69 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,3 = |821 + 801 + 751 + 1010 + 1010 + 940 + 106-1 + 106-1 + 108-1 | = 83 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,4 = |591 + 591 + 601 + 410 + 410 + 410 + 36- 1 + 36-1 + 39-1 | = 67 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,4 = |801 + 751 + 761 + 1010 + 940 + 940 + 106-1 + 108-1 + 105-1 | = 88 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,5 6,5 3,1 7,1 3,2 = |401 + 431 + 411 + 330 + 350 + 360 + 45- 1 + 49-1 + 51-1 | = 21 56 58 59 59 60 40 43 41 41 41 7,2 Universitas Sumatera Utara 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 3,3 = |431 + 411 + 411 + 350 + 360 + 360 + 49- 1 + 51-1 + 52-1 | = 27 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,3 3,4 = |411 + 411 + 411 + 360 + 360 + 390 + 51- 1 + 52-1 + 53-1 | = 33 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,4 3,5 7,5 4,1 4,2 = |331 + 351 + 361 + 450 + 490 + 510 + 72- 1 + 82-1 + 80-1 | = 130 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,3 = |351 + 361 + 361 + 490 + 510 + 520 + 82- 1 + 80-1 + 75-1 | = 130 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 Universitas Sumatera Utara 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,4 = |361 + 361 + 391 + 510 + 520 + 530 + 80- 1 + 75-1 + 76-1 | = 120 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,5 Tabel 3.6 Matriks hasil konvolusi algoritma Prewitt 69 69 67 21 27 33 0 130 130 120 0 126 144 133 78 83 88 Setelah didapat hasil perhitungan konvolusi antara nilai piksel citra dengan kernel x dan kernel y, kemudian dilakukan perhitungan gradien antara hasil kernel x dan kernel y dengan batas ambang bernilai 0. Tabel 3.7 Matriks kernel x dan kernel y algoritma Prewitt 7 4 69 69 67 10 2 5 21 27 33 17 3 1 0 130 130 120 0 46 11 9 0 126 144 133 0 46 12 12 78 83 88 Tabel 3.8 Perhitungan gradient algoritma Prewitt Posisi i,j Hasil Gradien Posisi i,j Hasil Gradien 1,1 5,1 Universitas Sumatera Utara 1,2 5,2 = √46 2 +126 2 = 134 1,3 5,3 = √11 2 +144 2 = 144 1,4 5,4 = √9 2 +133 2 = 133 1,5 5,5 2,1 6,1 2,2 = √7 2 +69 2 = 69 6,2 = √46 2 +78 2 = 91 2,3 = √0 2 +69 2 = 69 6,3 = √12 2 +83 2 = 84 2,4 = √4 2 +67 2 = 67 6,4 = √12 2 +88 2 = 89 2,5 6,5 3,1 7,1 3,2 = √10 2 +21 2 = 23 7,2 3,3 = √2 2 +27 2 = 27 7,3 3,4 = √5 2 +33 2 = 33 7,4 3,5 7,5 4,1 4,2 = √17 2 +130 2 = 131 4,3 = √3 2 +130 2 = 130 4,4 = √1 2 +120 2 = 120 4,5 Tabel 3.9 Matriks hasil akhir deteksi tepi algoritma Prewitt 69 69 67 23 27 33 131 130 120 134 144 133 91 84 89 Universitas Sumatera Utara

3.1.4 Analisis Deteksi Tepi Menggunakan Algoritma Homogeneity

Pada algoritma homogeneity, nilai piksel dari citra tidak melakukan perhitungan konvolusi. Nilai piksel dari citra dibagi kedalam matriks 3x3 yang kemudian nilai piksel pada posisi tengah dilakukan pengurangan terhadap masing-masing posisi disisi atas, bawah, kanan, kiri dan sisi diagonalnya. Hasil pengurangan masing-masing sisi kemudian dijumlahkan keseluruhan untuk mendapatkan gradien. Dengan memberikan batas ambang atau threshold terhadap gradien, maka didapat citra hasil deteksi tepi. Tabel 3.10 Nilai matriks piksel citra sebelum deteksi tepi 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 Tabel 3.11 Perhitungan matriks algoritma Homogeneity Posisi i,j Hasil Posisi i,j Hasil 1,1 5,1 1,2 5,2 =|82-45 + 82-49 + 82-51 + 82-72 + 82-80 + 82-69 + 82-101 + 82-101 | = 88 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,3 5,3 =|80-49 + 80-51 + 80-52 + 80-82 + 80-75 + 80- 101 + 80-101 + 80-94 | = 35 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 Universitas Sumatera Utara 69 101 101 94 94 100 106 106 108 105 1,4 5,4 =|75-51 + 75-52 + 75-53 + 75-80 + 75-76 + 75- 101 + 75-94 + 75-94 | = 1 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 1,5 5,5 2,1 6,1 2,2 =|43-56 + 43-58 + 43-59 + 43-40 + 43-41 + 43-33 + 43-35 + 43-36 | = 14 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,2 =|101-72 + 101-82 + 101-80 + 101-69 + 101- 101 + 101-100 + 101-106 + 101-106 | = 92 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,3 =|41-58 + 41-59 + 41-59 + 41-43 + 41-41 + 41-35 + 41-36 + 41-36 | = 39 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 6,3 =|101-82 + 101-80 + 101-75 + 101-101 + 101- 94 + 101-106 + 101-106 + 101-108 | = 56 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 2,4 =|41-59 + 41-59 + 41-60 + 41-41 + 41-41 + 41-36 + 41-36 + 41-39 | = 43 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 6,4 =|94-80 + 94-75 + 94-76 + 94-101 + 94-94 + 94- 106 + 94-108 + 94-105 | = 7 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 Universitas Sumatera Utara 69 101 101 94 94 100 106 106 108 105 69 101 101 94 94 100 106 106 108 105 2,5 6,5 3,1 7,1 3,2 =|35-40 + 35-43 + 35-41 + 35-33 + 35-36 + 35-45 + 35-49 + 35-51 | = 58 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,2 3,3 =|36-43 + 36-41 + 36-41 + 36-35 + 36-36 + 36-49 + 36-51 + 36-52 | = 60 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,3 3,4 =|36-41 + 36-41 + 36-41 + 36-36 + 36-39 + 36-51 + 36-52 + 36-53 | = 66 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 7,4 3,5 7,5 4,1 4,2 =|49-33 + 49-35 + 49-36 + 49-45 + 49-51 + 49-72 + 49-82 + 49-80 | = 42 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 Universitas Sumatera Utara 69 101 101 94 94 100 106 106 108 105 4,3 =|51-35 + 51-36 + 51-36 + 51-49 + 51-52 + 51-82 + 51-80 + 51-75 | = 37 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,4 =|52-36 + 52-36 + 52-39 + 52-51 + 52-53 + 52-80 + 52-75 + 52-76 | = 30 56 58 59 59 60 40 43 41 41 41 33 35 36 36 39 45 49 51 52 53 72 82 80 75 76 69 101 101 94 94 100 106 106 108 105 4,5 Tabel 3.12 Nilai matriks piksel citra sesudah deteksi tepi dengan algoritma Homogeneity 14 39 43 58 60 66 42 37 30 88 35 1 92 56 7

3.2 Perancangan Sistem