DETEKSI RETAK PERMUKAAN JALAN RAYA BERBASIS PENGOLAHAN CITRA MENGGUNAKAN METODE EKSTRAKSI CIRI WAVELET

DETEKSI RETAK PERMUKAAN JALAN RAYA BERBASIS
PENGOLAHAN CITRA MENGGUNAKAN METODE
EKSTRAKSI CIRI WAVELET

SKRIPSI
Disusun Guna Memenuhi Persyaratan Untuk Mencapai Derajat
Strata-1 Pada Prodi Teknik Informatika Fakultas Teknik
Universitas Muhammadiyah Yogyakarta

Disusun Oleh :
Fiddin Yusfida A’la
20120140018

PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
YOGYAKARTA
2016

HALAMAN PERNYATAAN
Saya yang bertanda tangan di bawah ini:

Nama
: Fiddin Yusfida A’la
NIM
: 20120140018
Program studi : Teknik Informatika
Fakultas
: Teknik
Jenis karya
: Skripsi
Judul karya : Deteksi Retak Permukaan Jalan Raya Berbasis Pengolahan Citra
Menggunakan Metode Ekstraksi Ciri Wavelet
Menyatakan dengan benar dan tanpa paksaan bahwa:
1.

Karya ini adalah asli hasil karya saya sendiri dengan arahan dan
bimbingan dosen pembimbing dan merupakan sebagian hasil dari
penelitian di Universitas Muhammadiyah Yogyakarta dengan:
Judul
: Deteksi dan Kuantifikasi Retak Permukaan Jalan
Menggunakan Metode Pengolahan Citra Digital

dengan Pendekatan Teknik Multiskala dan Kecerdasan
Buatan
Sumber dana
: Direktorat Riset dan Pengabdian kepada Masyarakat
Ditjen Penguatan Riset dan Pengembangan
Kementerian Riset, Teknologi, dan Pendidikan Tinggi
Tahun
: 2015 - 2016
Ketua Peneliti : Slamet Riyadi, PhD

2.

Karya ini tidak memuat hasil karya orang lain kecuali acuan atau kutipan
yang telah disebutkan sumbernya.
Karya ini belum pernah diajukan untuk memperoleh gelar akademik
(sarjana, magister dan/ doktor) di Universitas Muhammadiyah Yogyakarta
atau institusi lainnya.
Demi pengembangan ilmu pengetahuan, saya menyetujui memberikan hak
kepada dosen pembimbing dan Universitas Muhammadiyah Yogyakarta
untuk menyimpan, menggunakan dan mengelola karya ini dan perangkat

lainnya (jika ada) serta mempublikasikannya dalam bentuk lain baik itu
semua maupun sebagian dengan tetap mencantumkan nama saya.

3.
4.

Yogyakarta,
Yang menyatakan,

Fiddin Yusfida A’la

i

PRAKATA
Assalamu’alaikum Wr. Wb.
Alhamdulillahirabbil’alamin puji syukur penulis panjatkan kehadirat Allah
SWT yang telah memberikan nikmat dan hidayah-Nya sehingga penulis dapat
menyelesaikan penyusunan skripsi dengan judul
“DETEKSI RETAK PERMUKAAN JALAN RAYA BERBASIS
PENGOLAHAN CITRA MENGGUNAKAN METODE

EKSTRAKSI CIRI WAVELET”
Berbagai usaha dan upaya telah penulis lakukan untuk menyelesaikan
penyusunan skripsi ini, karena keterbatasan kemampuan penulis, maka penulis
meminta maaf apabila terdapat kesalahan pemilihan kata, susunan penulisan dan
sistematika pembahasan. Penulis berharap skripsi ini dapat memberikan manfaat
bagi penulis khususnya dan pembaca pada umumnya.
Tidak lupa penulis mengucapkan terima kasih kepada semua pihak yang
telah membantu dalam proses penelitian dan penyusunan skripsi ini, diantaranya:
1. Bapak Helmi Zain Nuri, S.T., MT. selaku Ketua Program Studi Teknik
Informatika Universitas Muhammadiyah Yogyakarta.
2. Bapak Slamet Riyadi, S.T., M.Sc., PhD. selaku dosen pembimbing I yang
dengan sabar membimbing, memberikan ilmu dan mengarahkan penulis
sehingga selama melaksanakan penelitian tugas akhir ini hingga
menyelesaikan penyusunan skripsi ini.

iv

3. Bapak Chayadi Oktomy Noto S., S.T., M.Eng. selaku dosen pembimbing
II yang dengan sabar memberikan ilmu dan pengetahuan, semoga
bermanfaat baik sekarang hingga dikemudian hari.

4. Ibu Aprilia Kurniati, S.T., M.Eng. selaku dosen penguji ujian pendadaran
skripsi yang senantiasa memberikan saran demi perkembangan ilmu
pengetahuan serta perkembangan dunia pendidikan.
5. Segenap dosen dan pengajar di Jurusan Teknik Informatika Universitas
Muhammadiyah Yogyakarta.
6. Staff Tata Usaha Jurusan Teknik Informatika Fakultas Teknik Universitas
Muhammadiyah Yogyakarta.
7. Rekan seperjuangan Jurusan Teknik Informatika 2012.
8. Semua pihak yang telah membantu penulis yang tidak bisa disebutkan satu
persatu.
Penulis menyadari bahwa skripsi ini memiliki kekurangan, maka dari itu
penulis mengahrapkan kritik dan saran yang bersifat membangun sehingga
menjadi masukan bagi penulis guna penyusunan karya-karya selanjutnya.
Wassalamu’alaikum Wr.Wb

Yogyakarta, 01 Juni 2016

Penulis

v

DAFTAR ISI
HALAMAN PERNYATAAN............................................................................................ i
HALAMAN PENGESAHAN I ........................................................................................ ii
HALAMAN PENGESAHAN II...................................................................................... iii
PRAKATA .........................................................................................................................iv
DAFTAR ISI......................................................................................................................vi
DAFTAR GAMBAR....................................................................................................... viii
DAFTAR TABEL ............................................................................................................. x
DAFTAR LAMPIRAN .....................................................................................................xi
INTISARI ......................................................................................................................... xii
BAB I PENDAHULUAN ..................................................................................................
1.1 Latar Belakang ....................................................................................................... 1
1.2 Rumusan Masalah .................................................................................................. 3
1.3 Tujuan Penelitian ................................................................................................... 3
1.4 Batasan Masalah .................................................................................................... 3
1.5 Manfaat Penelitian ................................................................................................. 4
1.6 Sistematika Pembahasan ........................................................................................ 4
BAB II STUDI PUSTAKA ...............................................................................................
2.1 Tinjauan Pustaka .................................................................................................... 5

2.2 Landasan Teori ....................................................................................................... 7
2.2.1

Retak Jalan ..................................................................................................... 7

2.2.2

Pengertian Citra Digital .................................................................................. 7

2.2.3

Pengertian Pengolahan Citra Digital .............................................................. 8

2.2.4

Citra RGB ....................................................................................................... 9

2.2.5

Citra Abu-abu (Grayscale) ........................................................................... 10

2.2.6

Wavelet ......................................................................................................... 11

2.2.7

Wavelet Haar................................................................................................ 12

2.2.8

Transformasi Wavelet ................................................................................... 13

2.2.9

Ekstraksi Ciri ................................................................................................ 16

2.2.10 Linear Discriminant Analysis (LDA) ........................................................... 17
BAB III METODOLOGI PENELITIAN .....................................................................
3.1 Alat dan Bahan Penelitian .................................................................................... 20

3.1.1

Alat ............................................................................................................... 20

vi

3.1.2

Bahan Penelitian ........................................................................................... 20

3.2 Langkah Penelitian ............................................................................................... 21
3.2.1

Studi Literatur............................................................................................... 22

3.2.2

Klasifikasi Manual ....................................................................................... 23

3.2.3

Perancangan Program ................................................................................... 23

3.2.4

Desain GUI ................................................................................................... 26

3.2.5

Penyusunan Program .................................................................................... 27

3.2.6

Pengujian ...................................................................................................... 33

3.2.7

Analisis dan Pembahasan ............................................................................. 33

3.2.8

Penulisan Laporan ........................................................................................ 34

BAB IV HASIL PENELITIAN DAN PEMBAHASAN...............................................
4.1 Implementasi GUI ................................................................................................ 35
4.2 Data Citra ............................................................................................................. 37
4.2.1

Data Kualitas Baik........................................................................................ 38

4.2.2

Data Kualitas Sedang ................................................................................... 39

4.2.3

Data Kualitas Buruk ..................................................................................... 39

4.3 Hasil Perancangan Program ................................................................................. 40
4.3.1

Pra Pengolahan Citra .................................................................................... 40

4.3.2

Transformasi Wavelet ................................................................................... 41

4.3.3

Klasifikasi..................................................................................................... 45

4.4 Hasil Pengujian .................................................................................................... 47
BAB V KESIMPULAN DAN SARAN ..........................................................................
5.1 Kesimpulan .......................................................................................................... 53
5.2 Saran..................................................................................................................... 53
DAFTAR PUSTAKA ......................................................................................................
LAMPIRAN.....................................................................................................................

vii

DAFTAR GAMBAR
Gambar 2.1 (kiri) Citra kontinyu diproyeksikan ke array sensor; (kanan) Citra
hasil digitasi ....................................................................................... 7
Gambar 2.2 Representasi citra dalam matrik .......................................................... 8
Gambar 2.3 Citra RGB............................................................................................ 9
Gambar 2.4 Citra Grayscale ................................................................................. 10
Gambar 2. 5 Rumus menghitung nilai gray dari rgb ............................................ 11
Gambar 2. 6 (a) Gelombang (wave), (b) wavelet. ................................................. 12
Gambar 2. 7 Bank filter haar ................................................................................ 13
Gambar 2. 8 Keluarga wavelet (a) Haar, (b) Daubechies4, (c) Coiflet1, (d)
Symlet2, (e) Meyer, (f) Morlet, (g) Mexican Hat (Sripathi 2003) ... 14
Gambar 2.9 Transformasi Wavelet........................................................................ 15
Gambar 2. 10 Pemetaan vektor citra ..................................................................... 19
Gambar 3.1 Diagram alir langkah penelitian ........................................................ 22
Gambar 3.2 Diagram alir perancangan program ................................................... 24
Gambar 3. 3 Citra asli didekomposisi menghasilkan 4 subgambar (Aproksimasi,
Detil Vertikal, Detil Horisontal, dan Detil Diagonal) ...................... 25
Gambar 3. 4 Persamaan LDA ............................................................................... 26
Gambar 3. 5 Desain GUI....................................................................................... 27
Gambar 3. 6 Diagram alir tahap pertama – ekstraksi ciri ..................................... 29
Gambar 3. 7 Diagram alir tahap kedua – persamaan diskriminan ........................ 30
Gambar 3. 8 Diagram alir tahap pengujian ........................................................... 32
Gambar 3. 9 Rumus perhitungan akurasi .............................................................. 33
Gambar 4. 1 Implementasi GUI ............................................................................ 35
Gambar 4. 2 Tampilan command window program .............................................. 37
Gambar 4. 3 Data kualitas baik, citra retak (a), (b); citra tidak retak (c), (d). ...... 38
Gambar 4. 4 Data kualitas sedang, citra retak (a), (b); citra tidak retak (c), (d). .. 39
Gambar 4. 5 Data kualitas buruk, citra retak (a), (b); citra tidak retak (c), (d). .... 40
Gambar 4. 6 Citra RGB (a); Citra Grayscale (b) .................................................. 41

viii

Gambar 4. 7 Transformasi wavelet pada citra retak, (a) sub-gambar CA, (b) subgambar CH, (c) sub-gambar CV, (d) sub-gambar CD. .................... 42
Gambar 4. 8 Transformasi wavelet pada citra tidak retak, (a) sub-gambar CA, (b)
sub-gambar CH, (c) sub-gambar CV, (d) sub-gambar CD. ............. 43
Gambar 4. 9 Scatter plot nilai rata-rata (mean) setelah transformasi (a) koefisien
CA, (b) koefisien CH, (c) koefisien CV, (d) koefisien CD ............. 44
Gambar 4. 10 Scatter plot nilai standar deviasi (std) setelah transformasi (a)
koefisien CA, (b) koefisien CH, (c) koefisien CV, (d) koefisien CD 45
Gambar 4. 11 Persamaan LDA ............................................................................. 45
Gambar 4. 12 Grafik scater plot dari esktraksi ciri ............................................... 46
Gambar 4. 13 Scatter plot pengujian citra kualitas baik ....................................... 48
Gambar 4. 14 Scatter plot pengujian citra kualitas sedang ................................... 49
Gambar 4. 15 Contoh citra kualitas sedang yang terbaca error saat pengujian .... 49
Gambar 4. 16 Scatter plot pengujian citra kualitas buruk ..................................... 50
Gambar 4. 17 Contoh citra kualitas buruk yang terbaca error saat pengujian ..... 51

ix

DAFTAR TABEL
Tabel 1. Nilai K, L (1), L (2) hasil persamaan LDA ............................................. 46
Tabel 2. Tabel hasil pengujian .............................................................................. 51

x

DAFTAR LAMPIRAN
Lampiran 1. Citra Latih ....................................................................................... 55
Lampiran 2. Citra Uji .......................................................................................... 57
Lampiran 3. Skrip Program ................................................................................. 61
Lampiran 4. Cek Plagiarisme .............................................................................. 66

xi

ii

iii

INTISARI
Jalan sebagai prasarana transportasi darat berpengaruh besar terhadap
kemajuan dan perkembangan suatu daerah. Jalan dibuat dengan bahan material
yang mempunyai umur dan ketahanan tertentu. Terdapat beberapa hal yang dapat
mempengaruhi kerusakan jalan, misalnya faktor bahan material itu sendiri, faktor
alam, dan penggunaan jalan yang melebihi beban. Kondisi tersebut tentu akan
mengganggu dan membahayakan pengguna jalan. Pemeriksaan jalan selama ini
masih menggunakan cara tradisional yaitu dengan pengamatan secara manual
dengan indra pengelihatan. Cara tradisional ini dirasa kurang efektif karena
membutuhkan biaya yang lumayan besar, membutuhkan waktu yang lama,
berbahaya karena intensitas kendaraan yang tinggi, faktor subyektifitas dan faktor
kelelahan. Banyak cara untuk menemukan suatu metode untuk mendeteksi adanya
retak jalan raya berbasis pengolahan citra. Namun, dari penelitian yang telah
dilakukan masih ada beberapa kekurangan, misalnya harga perangkat yang mahal
dan susahnya pengoperasian perangkat. Berdasarkan kekurangan pada penelitian
yang telah ada, maka penelitian ini bertujuan untuk mengembangkan metode yang
dapat mendeteksi adanya retak dengan perangkat yang lebih terjangkau dan
pengoperasian yang mudah. Metode penelitian yang digunakan diawali dengan
tahap pra pengolahan citra. Tahap pra pengolahan citra diawali dengan pengaturan
ukuran citra dan konversi citra ke mode grayscale, kemudian dilakukan
transformasi wavelet diskrit. Tahap selanjutnya adalah pengambilan ciri khusus
citra sebagai masukan pada tahap klasifikasi dengan menghitung nilai rata-rata
dan standar deviasi. Tahap yang terakhir yaitu menggunakan masukan ekstraksi
ciri untuk pengklasifikasian citra menggunakan Liniear Discriminant Analysis
(LDA). Setelah melakukan pengujian terhadap 56 citra uji, hasil optimal yang
diperoleh adalah sebesar 92.85%. Kesalahan pembacaan citra disebabkan oleh
kualitas citra yang buruk, sehingga hasil ekstraksi ciri citra tidak dapat
diklasifikasikan dengan benar.

Kata kunci: deteksi retak, ekstraksi ciri, pengolahan citra, transformasi
wavelet diskrit

xii

1

BAB I
PENDAHULUAN

1.1

Latar Belakang
Jalan merupakan salah satu prasarana transportasi yang menghubungkan

satu tempat dengan tempat yang lainnya. Jalan sebagai prasarana transportasi
berpengaruh besar terhadap kemajuan dan perkembangan pada suatu daerah.
Transportasi darat menggunakan jalan sebagai prasarana untuk mengangkut
kebutuhan pokok masyarakat Indonesia seperti sandang dan pangan. Jalan dibuat
dengan bahan material yang mempunyai umur dan ketahanan tertentu. Terdapat
beberapa hal yang dapat memengaruhi kerusakan jalan, misalnya faktor bahan
material itu sendiri, faktor alam dan penggunaan jalan yang melebihi beban.
Kondisi tersebut tentu akan mengganggu dan membahayakan pengguna jalan.
Kecelakaan sering terjadi karena pengendara tidak dapat mengendalikan
kendaraannya atau mengantisipasi adanya kerusakan jalan. Menurut Manual
Pemeliharaan

Jalan

Bina

Marga

No.03/MN/B/1983,

kerusakan

jalan

diklasifikasikan atas: retak (cracking), distorsi, cacat permukaan (disintegration),
pengausan (polish aggregate), kegemukan (bleeding/flushing), penurunan bekas
galian atau penanaman utilitas. Penelitian ini hanya fokus pada pemeriksaan jalan
untuk mendeteksi adanya retak tanpa melakukan klasifikasi jenis retaknya.
Pemeriksaan jalan selama ini masih menggunakan cara tradisional yaitu
dengan pengamatan secara manual dengan indra pengelihatan. Cara tradisional ini
dirasa kurang efektif karena membutuhkan biaya yang lumayan besar,

2

membutuhkan waktu lama, berbahaya karena intensitas kendaraan berlalu lalang
yang tinggi, faktor subyektifitas dan faktor kelelahan. Berdasarkan permasalahan
tersebut maka diperlukan penelitian untuk menemukan metode baru guna
menggantikan metode tradisional yang handal dan mempunyai tingkat akurasi
tinggi.
Matlab adalah sebuah aplikasi pemrograman yang telah dikenal dalam
pembuatan aplikasi untuk menunjang penelitian. Matlab menyediakan berbagai
macam tools yang akan mempersingkat waktu penulisan program sehingga
peneliti lebih berfokus pada hasil dan inovasi penelitian. Transformasi wavelet
adalah sebuah tools fungsi matematika matlab yang memotong-motong data
menjadi kumpulan frekuensi yang berbeda, sehingga masing-masing komponen
dapat diolah dan dianalisis. Analisis hasil transformasi wavelet dapat dilakukan
dengan menggunakan Linear Discriminant Analysis (LDA). LDA adalah salah
satu metode yang dipakai dalam statistik untuk mengklasifikasikan objek ke salah
satu atau lebih kelompok berdasarkan ciri tertentu. Beberapa penerapan
transformasi wavelet dan klasifikasi LDA pada bidang pengolahan citra digital
antara lain pengenalan sidik jari, pengenalan objek dari gambar yang rumit, dan
perbaikan gambar buram pada hasil mikroskop.
Metode penelitian yang digunakan untuk mendeteksi adanya retak pada
permukaan jalan raya adalah ekstraksi ciri wavelet. Penelitian dengan metode ini
diharapkan dapat membantu kinerja dari dinas terkait agar dapat melakukan
pemeriksaan dan pemeliharaan jalan secara efektif dan efisien, sehingga

3

berdampak pada penanganan jalan rusak dengan lebih cepat demi kenyamanan
bersama masyarakat pengguna jalan.

1.2

Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya, perumusan

masalah yang ada pada penelitian ini yaitu:
1. Bagaimana cara mengembangkan metode yang dapat mendeteksi
adanya retak menggunakan perangkat dengan biaya terjangkau.
2. Bagaimana cara mendeteksi adanya retak permukaan jalan raya
menggunakan perangkat yang mudah dioperasikan.
1.3

Tujuan Penelitian
Tujuan dari penelitian ini adalah membuat perangkat lunak untuk

mendeteksi retak permukaan jalan raya berbasis pengolahan citra dengan
menerapkan metode ekstraksi ciri wavelet dan klasifikasi LDA.

1.4

Batasan Masalah
Batasan masalah yang ada pada penelitian ini adalah:
1. Analisis yang berfokus pada klasifikasi retak dan tidak retak tanpa
menganalisis jenis dan tingkat keretakan.
2. Penelitian ini hanya fokus pada analisa dan pengembangan software tidak
mencakup pengembangan hardware.

4

1.5

Manfaat Penelitian
Manfaat yang diperoleh dari penelitian ini adalah:
1. Membantu pekerjaan pemeriksaan jalan pada dinas terkait sehingga
meminimalkan kesalahan yang mungkin terjadi.
2. Mengetahui aplikasi pengolahan citra khususnya metode ekstraksi ciri
wavelet dalam deteksi retak permukaan jalan.

1.6

Sistematika Pembahasan
Sistematika pembahasan dalam skripsi ini yaitu:
BAB I

: Pendahuluan

Membahas mengenai latar belakang permasalahan, rumusan masalah, batasan
masalah, tujuan dan manfaat penelitian serta sistematika pembahasan.
BAB II

: Studi Pustaka

Membahas tentang landasan teori dan topik permasalahan yang akan dibahas,
dalam hal ini topik yang akan dibahas antara lain tentang pengolahan citra,
metode ekstraksi ciri wavelet dan metode klasifikasi LDA.
BAB III

: Metodologi Penelitian

Bab ini berisi uraian rinci tentang urutan prosedur penelitian, bahan/materi,
alat, parameter, analisis hasil, dan model yang digunakan.
BAB IV

: Analisis Data dan Pembahasan

Membahas tentang data hasil klasifikasi retak dan tingkat akurasi penelitian.
BAB V

: Penutup

Membahas tentang kesimpulan dan saran pembahasan skripsi.

5

BAB II
STUDI PUSTAKA

2.1

Tinjauan Pustaka
T. C. Ling, dkk., (2008) dalam penelitiannya “Automated Pavement

Imaging Program (APIP) for Pavement Cracks Classification and Quantification
– A Photogrammetric Approach”. Penggunaan sistem fotogrammetri dinilai
sangat efektif dalam melakukan deteksi retak jalan raya, karena terbukti lebih
efisien dibandingkan dengan cara manual dan terbukti lebih aman untuk para
surveyor kerusakan jalan. Tingkat akurasi dari sistem ini dalam mendeteksi retak
permukaan jalan raya sudah memenuhi standar yang ditetapkan oleh otoritas jalan
untuk evaluasi perkerasan jalan. Pada penelitian ini 10 sampel yang diuji,
fotogrammetri mempunyai hasil yang handal dan obyektif. Tingkat akurasi sistem
ini mencapai 90%. Namun terdapat kekurangan pada penelitian ini karena
perangkat kamera yang digunakan memiliki spesifikasi khusus dengan harga yang
relatif mahal dan pengoperasiannya yang relatif rumit.
Zhang dan Lou (2010) dalam penelitiannya “Pavement Crack Distress
Detection Based on Image Analysis” menggunakan metode analisis sinyal untuk
mendeteksi keretakan. Penelitian ini menggunakan interpolasi bilinear untuk
mendapatkan citra koreksi berdasarkan subset latar belakang yang diekstrak dari
citra asli. Interpolasi adalah sebuah metode pengolahan citra untuk meningkatkan
atau mengurangi jumlah piksel dalam gambar digital. Beberapa kamera digital
menggunakan interpolasi untuk menghasilkan suatu gambar yang lebih besar dari

6

sensor atau untuk membuat zoom digital. Interpolasi bilinear menentukan nilainilai baru berdasarkan rata-rata (dengan memberi bobot) dari 4 piksel dari ukuran
2 x 2 piksel tetangga terdekat dalam gambar asli. Ambang segmentasi dapat
dihitung berdasarkan histogram dari citra dan ekstraksi ciri. Hasil penelitian yang
dilakukan oleh Zang dan Lou ini masih kurang jelas karena latar belakang berupa
permukaan perkerasan masih nampak.
Sugiarto (2015) dalam penelitiannya “Deteksi Retak Permukaan Jalan
Raya Berbasis Pengolahan Citra Menggunakan Metode Pyramida Gaussian”
menggunakan filter pyramida gaussian untuk menghilangkan derau pada saat
pengambilan data citra yang disebabkan oleh faktor alamiah dan kepekaan sensor
cahaya kamera. Pyramida gaussian terdapat 2 garis besar langkah dalam proses
pengolahan yaitu down-sampling dan smoothing. Penelitian ini menggunakan
metode klasifikasi Linear Discriminant Analysis (LDA) untuk mengklasifikasi
citra termasuk retak atau tidak. Hasil dari penelitian ini cukup baik untuk
mendeteksi adanya retak permukaan jalan raya.
Riyadi, dkk., (2008) dalam penelitiannya “Wavelet-based Feature
Extraction Technique for Fruit Shape Classification” menggunakan metode
multiskala transformasi wavelet diskrit dan menggunakan metode klasifikasi
LDA. Penelitian ini menggunakan 3 ekstraksi ciri sebagai masukan dalam
persamaan LDA, ketiga ekstraksi ciri tersebut yaitu nilai jumlah (sum), rata-rata
(mean), dan standar deviasi (std). Ketiga ekstraksi ciri tersebut kemudian saling
dipasangkan atau dikombinasi sebagai ekstraksi ciri. Metode yang digunakan
untuk mengklasifikasikan kualitas buah papaya berdasarkan analisis bentuk

7

dengan menggunakan transformasi wavelet dan klasifikasi LDA ini menghasilkan
tingkat akurasi yang tinggi yaitu sebesar 98%.
2.2

Landasan Teori

2.2.1 Retak Jalan
Retak adalah suatu gejala kerusakan permukaan perkerasan sehingga akan
menyebabkan air pada permukaan perkerasan masuk ke lapisan dibawahnya dan
hal ini merupakan salah satu faktor yang akan membuat luas atau parah kerusakan
jalan (Departemen Pekerjaan Umum, 2007).
2.2.2 Pengertian Citra Digital
Sebuah citra digital a [m, n] dideskripsikan dalam ruang diskrit 2D yang
berasal dari sebuah citra analog a [x, y] pada sebuah ruang kontinyu melalui
sebuah proses pengambilan sampling yang sering disebut sebagai digitasi. Efek
dari sebuah digitasi, ditunjukkan pada Gambar 2.1

Gambar 2.1 (kiri) Citra kontinyu diproyeksikan ke array sensor; (kanan) Citra hasil digitasi

Citra kontinyu a [x, y] dibagi menjadi N baris dan M kolom. Titik potong
antara sebuah baris dan kolom disebut sebagai piksel. Penentuan nilai berdasarkan

8

pada koordinat bilangan bulat [m, n] {m=0, 1, 2, 3… M-1} dan {n = 0,1,2,3… N1} adalah sebuah [m, n].
Piksel merupakan balok-balok bangunan dasar dari sebuah citra digital.
Sebuah piksel merupakan warna atau nilai kecemerlangan yang menempati
sebuah tempat spesifik pada sebuah citra. Sebuah citra seperti sebuah grid dengan
masing-masing kotak persegi di dalam grid berisi satu warna atau piksel. Sebuah
citra 8 dengan resolusi 1024x768 adalah sebuah grid dengan 1024 kolom dan 768
baris, yang mana berisi 1024x768 = 786432 piksel. Banyaknya piksel pada sebuah
citra tidak menunjukkan dimensi fisik dari sebuah citra. Dengan kata lain, satu
piksel tidak sama dengan satu millimeter, satu micrometer atau satu nanometer.
Seberapa “luas” sebuah piksel akan tergantung pada pengaturan piksel per inch
(PPI) untuk citra tersebut.
2.2.3 Pengertian Pengolahan Citra Digital
Citra digital direpresentasikan dengan matriks, sehingga operasi pada citra
digital pada dasarnya memanipulasi elemen – elemen matriks. Operasi yang dapat
dilakukan pada sebuah citra ada berbagai macam, diantaranya operasi titik,
operasi global, operasi berbasis bingkai, operasi geometri, dan operasi
bertetangga.

Gambar 2.2 Representasi citra dalam matrik

9

Gambar 2.2 menunjukkan representasi citra dalam matrik. Bentuk matriks
adalah perwujudan dari bentuk sinyal digital sehingga proses pemecahan dan
pengolahan matriks dari citra ini biasa disebut digital image processing.
2.2.4 Citra RGB
Citra warna atau lebih dikenal dengan citra RGB (red, green, blue). Citra
RGB adalah citra yang warna dasar penyusunnya adalah merah, hijau, biru.
Warna selain itu adalah warna hasil perpaduan dari ketiga warna tersebut. Red
(merah), Green (hijau), Blue (biru) merupakan warna dasar yang dapat diterima
oleh mata manusia. Setiap piksel pada citra warna mewakili warna yang
merupakan kombinasi dari ketiga warna dasar RGB. Setiap titik pada citra warna
membutuhkan data sebesar 3 byte. Setiap warna dasar memiliki intensitas warna
tersendiri dengan nilai minimum nol (0) dan nilai maksimum 255(8 bit). Ilustrasi
citra RGB ditunjukkan pada Gambar 2.3

Gambar 2.3 Citra RGB

10

Citra warna dipandang sebagai penumpukan tiga matriks, masing-masing
matriks merepresentasikan nilai-nilai merah, hijau dan biru pada setiap piksel,
artinya setiap piksel berkaitan dengan tiga nilai (Sianipar, 2013).
2.2.5 Citra Abu-abu (Grayscale)
Citra grayscale merupakan citra digital yang hanya memiliki satu nilai
kanal pada setiap pikselnya, dengan kata lain bagian red=green=blue. Nilai
tersebut digunakan untuk menunjukkan tingkat intensitas. Warna yang dimiliki
adalah warna dari hitam, keabuan dan putih. Tingkatan keabuan di sini merupakan
warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih (Darma,
2010).
Citra yang ditampilkan dalam mode grayscale terdiri atas warna abu-abu
yang bervariasi, warna hitam pada intesitas terlemah dan warna putih pada
intensitas terkuat. Citra grayscale berbeda dengan citra biner atau citra “hitamputih”. Apabila citra hitam putih hanya mengenal dua warna yaitu “hitam” dan
warna “putih” sedangkan grayscale mempunyai variasi yang banyak. Ilustrasi
citra grayscale ditunjukkan pada Gambar 2.4

Gambar 2.4 Citra Grayscale

11

Citra grayscale disimpan dalam format 8bit untuk setiap pikselnya yang
memungkinkan sebanyak 256 intensitas. Untuk mengubah citra berwarna (RGB)
menjadi citra grayscale dapat dilakukan dengan menghitung rata-rata dari nilai R,
G, dan B sehingga dapat dilihat pada Gambar 2.5

=

+

3

+

Gambar 2. 5 Rumus menghitung nilai gray dari rgb

2.2.6 Wavelet
Teori wavelet merupakan suatu konsep yang relatif baru dikembangkan.
Kata “wavelet” diberikan oleh Jean Morlet dan Alex Grossmann pada awal tahun
1980-an, dan berasal dari bahasa Perancis, “ondelette” yang artinya gelombang
kecil. Kata “onde” yang berarti gelombang kemudian diterjemahkan kedalam
bahasa inggris menjadi “wave”, kemudian digabungkan dengan kata aslinya
sehingga terbentuklah kata baru “wavelet”.
Gelombang (wave) adalah sebuah fungsi yang bergerak naik turun ruang
dan waktu secara periodik yang ditunjukkan oleh Gambar 2.6 (a). Sedangkan
wavelet merupakan gelombang yang dibatasi atau terlokalisasi (gelombang
pendek) ditunjukkan pada Gambar 2.6 (b). Wavelet pertama kali digunakan dalam
analisis dan pemrosesan digital dari sinyal gempa bumi, yang tercantum dalam
literatur A. Grossman dan J. Morlet (Kiselev, 2007). Penggunaan wavelet hingga
saat ini semakin berkembang dan digunakan secara luas, misalnya filterasi dan
pengolahan data, pengenalan citra, pengolahan berbagai variasi sinyal, kompresi
dan pengolahan citra. Ilustrasi gelombang wavelet ditunjukkan pada Gambar 2.6

12

a

b

Gambar 2. 6 (a) Gelombang (wave), (b) wavelet.

Wavelet merupakan suatu teknik perhitungan matematis yang bermanfaat
untuk analisis numerik dan memanipulasi dalam 1 (satu) atau 2 (dua) dimensi
sinyal. Transformasinya beroperasi seperti sebuah mikroskop yang berfungsi
untuk melihat detail partisi sinyal di dalam komponen frekuensi dan memetakan
ke koefisien yang memiliki energi yang berbeda (Jones et al. 1999). Cara kerja
wavelet adalah memotong-motong data menjadi bagian tertentu dengan frekuensi
yang berbeda, sehingga masing-masing bagian tersebut dapat diolah kemudian
dijadikan bahan analisis.
2.2.7 Wavelet Haar
Wavelet Haar adalah metode wavelet yang pertama kali diajukan oleh
Alfred Haar pada tahun 1909. Wavelet Haar merupakan metode wavelet yang
paling sederhana dan mudah untuk diimplementasikan. Untuk mengekstrak ciriciri tekstur dengan transformasi wavelet haar, dilakukan proses perataan
(averages) dan untuk mendapatkan bagian dari gambar yang berfrekuensi rendah
dan dilakukan proses pengurangan (differences) untuk mendapatkan bagian dari
gambar yang berfrekuensi tinggi (Putra 2010). Bank filter haar ditunjukkan pada
Gambar 2.7

13

Gambar 2. 7 Bank filter haar

2.2.8 Transformasi Wavelet
Wavelet berasal dari sebuah fungsi penskalaan atau disebut juga scaling
function karena wavelet didapatkan dari hasil penskalaan, dilasi dan pergeseran
mother wavelet (Darma, 2010). Dengan menggunakan transformasi wavelet
informasi frekuensi berikut informasi waktu kapan terjadinya frekuensi tersebut
pada sinyal dapat diketahui secara presisi. Semua fungsi yang diturunkan dari
mother wavelet melalui translasi atau pergeseran dan penskalaan atau kompresi.
Mother wavelet merupakan fungsi dasar yang digunakan dalam
transformasi wavelet. Mother wavelet menghasilkan semua fungsi wavelet yang
digunakan dalam transformasi melalui translasi dan penskalaan, maka mother
wavelet juga akan menentukan karakteristik dari transformasi wavelet yang
dihasilkan. Fungsi yang termasuk ke dalam keluarga wavelet ditunjukkan pada
Gambar 2.8.

14

Gambar 2. 8 Keluarga wavelet (a) Haar, (b) Daubechies4, (c) Coiflet1, (d) Symlet2, (e) Meyer,
(f) Morlet, (g) Mexican Hat (Sripathi 2003)

Maka dari itu pemilihan mother wavelet sebagai dasar transformasi harus
tepat agar berjalan efisien. Wavelet haar adalah salah satu wavelet tertua dan
paling sederhana. Oleh karena itu setiap pembahasan mother wavelet dimulai
dengan wavelet haar. Berdasarkan jenis sinyal yang diprosesnya, transformasi
wavelet dapat dibagi menjadi dua bagian besar, yaitu Continous Wavelet
Transform (CWT) dan Discrete Wavelet Transform (DWT).
1. Continous Wavelet Transform (CWT)
Prinsip kerja dari CWT adalah dengan menghitung konvolusi sebuah
sinyal dengan sebuah jendela modulasi pada setiap waktu dengan
setiap skala yang diinginkan. Jendela modulasi mempunyai skala
fleksibel inilah yang yang biasa disebut fungsi dasar wavelet.

15

2. Discrete Wavelet Transform (DWT)
Sinyal dilewatkan pada filter high-pass dan filter low-pass, kemudian
setengah dari masing-masing keluaran diambil sebagai sampel melalui
operasi down-sampling atau disebut sebagai proses dekomposisi satu
tingkat. Keluaran dari low-pass filter digunakan sebagai masukan pada
proses dekomposisi tingkat berikutnya. Proses ini diulang sampai
tingkat proses dekomposisi yang diinginkan. Kemudian didapatkan
koefisien wavelet yang merupakan gabungan dari keluaran high-pass
filter dan low-pass filter yang terakhir. Koefisien wavelet berisi
informasi sinyal hasil transformasi yang telah terkompresi.
Pada transformasi discrete wavelet transform, sebuah gambar di
dekomposisi menjadi subgambar (subband) pada frekuensi dan orientasi yang
berbeda, yaitu low-low (LL), low-high (LH), high-low (HL), dan high-high (HH).
Ilustrasi transformasi wavelet diskrit ditunjukkan pada Gambar 2.9

Gambar 2.9 Transformasi Wavelet

16

2.2.9 Ekstraksi Ciri
Ekstraksi ciri merupakan proses memunculkan karakteristik unik suatu
objek dalam bentuk nilai yang nantinya digunakan sebagai bahan analisis. Untuk
mendapatkan nilai dari suatu ciri dapat dilakukan dengan cara menghitung jumlah
titik atau piksel yang ditemui pada saat pengecekan, dimana pengecekan
dilakukan dalam berbagai arah yaitu vertikal, horizontal, diagonal kanan, diagonal
kiri pada koordinat kartesian dari citra digital. Ciri citra dihitung mengunakan
rumus sebagai berikut:
1. Rata-rata
=
Nilai rata-rata dihitung dengan cara menjumlahkan nilai setiap piksel
mulai dari piksel ke-1sampai piksel ke-N kemudian dibagi dengan jumlah
piksel.
2. Standar Deviasi

=

−

Nilai standar deviasi dihitung dengan cara mengurangkan nilai setiap
piksel ke-1 sampai ke-N dengan nilai rata-rata. Hasil pengurangan ini
dikuadratkan dan dijumlahkan pada setiap piksel ke-1 sampai ke-N. Hasil
penjumlahan ini kemudian diakar kuadratkan untuk mendapatkan nilai
standar deviasi.

17

2.2.10 Linear Discriminant Analysis (LDA)
Analisis diskriminan adalah salah satu teknik analis statistika dependensi
yang memiliki kegunaan untuk mengklasifikasikan beberapa kelompok objek.
Pengelompokkan dengan analisis diskriminan ini terjadi karena pengaruh satu
atau lebih variabel lain yang merupakan variabel independen. Kombinasi linier
dari variabel-variabel ini akan membentuk suatu fungsi diskriminan (Tatham et.
al., 1998).
LDA diketahui oleh masyarakat luas setelah Ronald A. Fisher sebagai
penemu metode ini mempublikasikannya melalui paper The Use of Multiple
Measures in Taxonomic Problems pada tahun 1936. LDA adalah salah satu
metode yang dipakai pada bidang statistik, pengenalan pola secara umum untuk
menemukan kombinasi linier dari fitur atau ciri yang membedakan dua kelas atau
lebih objek. Penyusunan fungsi diskriminan dilakukan dengan membentuk
kombinasi linier dari peubah bebas yang diamati dan akan memberikan nilai
keragaman sekecil mungkin bagi objek-objek dalam kelompok yang sama dan
sebesar mungkin bagi objek-objek antar kelompok (Salwa, 2007). Penggunaan
satu fungsi diskriminan dalam pengklasifikasian lebih dari dua kelompok kurang
efektif, sehingga diperlukan dua atau lebih kombinasi linier yang dapat
menerangkan perbedaan antar kelompok dengan efektif (Dillon & Goldstein,
1984)
Kombinasi yang dihasilkan dapat digunakan sebagai pengklasifikasi linier.
Analisis diskriminan bertujuan untuk mengklasifikasikan suatu objek kedalam
kelompok yang saling lepas (mutually exclusive/disjoint) dan menyeluruh

18

(exhaustive) berdasarkan sejumlah variabel bebas dan mengelompokkan objek
baru kedalam kelompok-kelompok yang saling lepas tersebut. Selain itu, beberapa
tujuan dari analisis diskriminan ini antara lain:
1.

Menentukan apakah terdapat perbedaan yang nyata antara beberapa
karakteristik yang diteliti dalam membedakan dua atau lebih kelompok.

2.

Menentukan variabel bebas mana saja yang memberikan kontribusi penting
dalam membedakan nilai rata-rata diskriminan dari dua atau lebih kelompok.

3.

Mengelompokkan data kedalam dua atau lebih kelompok berdasarkan
karakteristik data yang diteliti.
Model analisis diskriminan yang berkenaan dengan kombinasi linier
mempunyai bentuk sebagai berikut:

Keterangan:

=

+

+

+⋯+

Y = nilai (skor) diskriminan dan merupakan variabel terikat.
Xk = variabel (atribut) ke-k dan merupakan variabel bebas
bk = koefisien diskriminan/bobot dari variabel (atribut) ke-k
Dalam proses deteksi retak permukaan jalan raya menerima masukan
berupa citra hasil capture berformat .jpeg atau .jpg kemudian diubah ke format
grayscale. Kumpulan citra yang menjadi masukan dalam matriks transformasi
atau disebut dengan training set. Kumpulan citra yang menjadi uji pengenalan
disebut dengan testing set. Citra masukan dipetakan kedalam suatu nilai yang

19

merepresentasikan tingkat keabuan dari piksel pada posisi yang bersesuaian.
Nilai-nilai keabuan dari suatu citra kemudian disimpan dalam bentuk vektor baris,
yang disebut sebagai vektor citra. Gambar 2.10 menunjukkan penyimpanan vektor
citra kedalam matriks input berdimensi N x n.

Gambar 2. 10 Pemetaan vektor citra

Cara kerja sistem ini adalah menggunakan data latih dan data uji yang
kemudian dikeluarkan nilai-nilai statistik cirinya (feature) sebagai input
persamaan linier dengan algoritma tertentu. Ketepatan pengelompokkan objek
dalam fungsi diskriminan sangat menentukan baik atau tidaknya suatu
pengelompokkan. Persentase ketepatan pengelompokkan dapat dihitung dengan
matriks klasifikasi yang menunjukkan nilai sebenarnya (actual members) dan nilai
prediksi (prediction member) dari setiap kelompok. Hasil pengelompokkan fungsi
diskriminan tidak selalu sama dengan prediksi pengelompokkan awal. Besarnya
kesalahan pengelompokkan dan menganggap pengelompokkan awal benar, adalah
sebuah indikator tingkat akurasi fungsi diskriminan.

20

BAB III
METODOLOGI PENELITIAN

3.1

Alat dan Bahan Penelitian

3.1.1 Alat
Alat yang digunakan dalam penelitian ini adalah:
a.

b.

Hardware
a.

Prosesor

: AMD A8-6410 APU (4 CPUs), ~2.0 GHz

b.

Memori

: 8192 MB

c.

Sistem Model : Lenovo G40-45

Software
a.

Sistem Operasi : Microsoft Windows 10 Pro 64-bit

b.

Matlab 8.2 (R2013b)

3.1.2 Bahan Penelitian
Bahan yang digunakan pada penelitian ini adalah citra RGB permukaan
jalan raya sebanyak 86 citra yang diperoleh dari database Fakultas Teknik. Dalam
penelitian ini digunakan sampel citra retak jalan raya yang diperoleh
menggunakan kamera digital merk SONY. Citra retak jalan raya yang digunakan
mempunyai variasi tingkat keretakan dan posisi keretakan yang berbeda. Posisi
tersebut antara lain keretakan di tengah jalan, di tepi jalan dan di ujung jalan
Kemudian variasi keretakan antara lain retak longitudinal, retak transversal, retak
alligator (Sugiarto, 2015). Total citra sebanyak 86 adalah gabungan dari citra latih

21

dan citra uji. Pada citra latih terdapat 15 citra retak dan 15 citra tidak retak,
sedangkan pada citra uji terdapat 28 citra retak dan 28 citra tidak retak.
3.2

Langkah Penelitian
Langkah penelitian disusun sebagai sebuah acuan yang telah dirancang

sebelumnya. Apabila pelaksanaan penelitian menghadapi suatu kendala, maka
langkah penelitian perlu diperiksa untuk mengetahui proses mana kira-kira yang
bisa diperbaiki atau dikembangkan guna mendapatkan hasil penelitian yang
obyektif. Tahap pertama pada langkah penelitian adalah studi literatur yaitu
mempelajari topik dari beberarapa referensi tentang penelitian yang sesuai.
Kemudian melakukan klasifikasi manual pada citra untuk dibandingkan dengan
program. Setelah itu tahap perancangan program yaitu penulisan kode program
untuk membuat aplikasi deteksi retak permukaan jalan raya. Tahap selanjutnya
adalah tahap pengujian, program yang telah selesai dibuat diuji terhadap citra uji,
apabila hasil akurasi program masih jauh dari akurasi sempurna, maka dilakukan
perbaikan atau optimalisasi pada kode program hingga program dapat mendeteksi
citra dengan akurasi mendekati sempurna. Setelah itu adalah tahap analisis dan
pembahasan hasil pengujian. Terakhir adalah tahap penulisan laporan sebagai
dokumentasi penelitian agar peneliti lain dapat mempelajari dan memberikan
saran kepada penulis. Langkah dan alur jalannya penelitian ini ditunjukkan oleh
diagram alir pada Gambar 3.1

22

Mulai
Studi Literatur
Klasifikasi Manual
Perancangan Program
Penyusunan Program
Pengujian

Perangkat
Lunak
Optimal?

Tidak

Ya

Analisis dan Pembahasan
Penulisan
Selesai

Gambar 3.1 Diagram alir langkah penelitian

3.2.1 Studi Literatur
Mempelajari

retak

jalan,

pengolahan

citra

digital,

pemrograman

menggunakan matlab. Referensi yang digunakan bersumber dari buku, paper,
jurnal dan penelitian-penelitian yang sesuai dengan topik bahasan. Setelah
mempelajari topik beberapa referensi didapatkan pengetahuan tentang penelitian
yang pernah dilakukan berupa analisis kelebihan dan kekurangan. Setelah

23

mendapatkan informasi tersebut, dilakukan analisis untuk mendapatkan solusi dari
permasalahan yang diangkat.
3.2.2 Klasifikasi Manual
Klasifikasi manual dilakukan dengan mengelompokkan citra berdasarkan
tipe retak dan tidak retak. Hal ini dilakukan sebagai tolok ukur dalam menghitung
tingkat

akurasi

program

melalui

perbandingan

klasifikasi

manual

dan

menggunakan program. Hasil akhir yang nantinya akan digunakan adalah apabila
klasifikasi manual dan program mmenghasilkan keputusan yang sama akan
dihitung sebagai nilai benar dan apabila tidak sama maka akan dihitung sebagai
nilai salah.
3.2.3 Perancangan Program
Tujuan dari perancangan program adalah agar pembuatan program sesuai
dengan kebutuhan dalam memecahkan suatu masalah. Pada tahap ini dilakukan
perancangan sebuah program untuk mendeteksi retak permukaan jalan raya
menggunakan metode ekstraksi ciri wavelet dan menggunakan metode klasifikasi
LDA, penelitian ini menggunakan dua hasil ekstraksi ciri sebagai input LDA yaitu
nilai rata-rata dan nilai standar deviasi. Tahap pertama adalah tahap pra
pengolahan, langkah yang terdapat pada tahap ini yaitu penyeragaman ukuran
citra dan mengubah citra ke mode grayscale. Tahap selanjutnya adalah tahap
tranformasi wavelet pada citra. Setelah melalui tahap transformasi maka
mengeluarkan ciri dari citra. Urutan perancangan program sesuai dengan diagram
alir pada Gambar 3.2

24

Mulai
Pra Pengolahan Citra
Dekomposisi DWT
Ekstraksi Ciri
Data
Latih

Data
Uji
Klasifikasi
Selesai

Gambar 3.2 Diagram alir perancangan program

Pra Pengolahan Citra
Tahap pra pengolahan citra bertujuan untuk menyeragamkan citra input
sebelum diproses menggunakan metode dekomposisi wavelet. Pada tahap
pengambilan data (citra) mungkin ada beberapa citra yang mempunyai ukuran
berbeda maka dari itu digunakan fungsi resize untuk menyeragamkan ukuran citra
menjadi 480x640 piksel. Selain itu fungsi resize adalah agar citra input dapat
diolah menjadi lebih cepat karena ukuran piksel lebih sedikit. Setelah itu, mode
warna citra diubah dari RGB (Red Green Blue) yang terdiri atas 3 layer yaitu layer
R, layer G, layer B menjadi mode warna grayscale yang terdiri dari 1 layer
dengan tujuan untuk menyederhanakan citra input sehingga mengurangi waktu
pemrosesan.

25

Transformasi Wavelet
Citra yang telah diubah ke mode grayscale kemudian ditransformasi pada
frekuensi sub-gambar dimana komponennya dihasilkan dengan cara penurunan
level dekomposisi. Penerapan transformasi wavelet diskrit dapat dilakukan dengan
cara melewatkan sinyal frekuensi tinggi (highpass filter) dan frekuensi rendah
(lowpass filter). Citra asli dan hasil dekomposisi ditunjukkan pada Gambar 3.3

Gambar 3. 3 Citra asli didekomposisi menghasilkan 4 sub-gambar (Aproksimasi, Detil Vertikal, Detil
Horizontal, dan Detil Diagonal)

Ekstraksi Ciri
Setelah didapatkan koefisien dari empat subgambar, maka selanjutnya
adalah menghitung nilai rata-rata dan standar deviasi dari koefisien aproksimasi
(CA). Koefisien aproksimasi merupakan komponen-komponen yang mewakili
citra asli yang telah difilter dengan menggunakan low pass filter (LL) (Sonari,
2013).

26

Klasifikasi
Metode klasifikasi yang digunakan dalam penelitian ini adalah metode
Linear Discriminant Analysis (LDA). Klasifikasi dibagi menjadi 2 kelas yaitu
kelas retak dan kelas tidak retak. Metode klasifikasi ini menggunakan dua input
yaitu nilai-nilai hasil ekstraksi ciri. Fungsi mathwork yang digunakan pada
penelitian ini adalah

Y = K + L(1)*X1 + L(2)*X2
Gambar 3. 4 Persamaan LDA

Nilai K, L (1) dan L (2) didapatkan dari proses klasifikasi citra latih
sedangkan X1 dan X2 didapatkan dari proses ekstraksi ciri 1 dan ekstraksi ciri 2.
3.2.4 Desain GUI
Desain GUI (Graphical User Interface) adalah antarmuka pada sistem
komputer dengan memanfaatkan menu grafis. Tujuan dari pembuatan GUI adalah
untuk mempermudah pengguna dalam mengoperasikan program karena
tampilannya yang lebih mudah dipahami. Desain GUI merupakan rancangan
desain yang nantinya akan diimplementasikan kedalam pembuatan program.
Berikut ini adalah desain GUI yang telah dirancang. Desain GUI program deteksi
retak ditunjukkan pada Gambar 3.5

27

Gambar 3. 5 Desain GUI

Rancangan desain pada gambar diatas berisi beberapa informasi yaitu
nama program, tombol pilih folder yang berguna untuk memilih citra yang akan
diuji kemudian ditampilkan kedalam daftar gambar. Setelah proses pengolahan
citra informasi lokasi citra, citra hasil transformasi ditunjukkan dalam empat hasil,
dan informasi tentang hasil penghitungan citra sebagai ekstraksi ciri. Citra asli
sebelum proses transformasi ditampilkan agar pengguna dapat membandingkan
citra hasil transformasi dengan citra sebelum ditransformasi. Pada rancangan ini
ditampilkan juga hasil dari keputusan program yaitu klasifikasi citra yang diproses
termasuk citra retak atau citra tidak retak.
3.2.5

Penyusunan Program
Tahap penyusunan program adalah tahap realisasi dari perancangan

program yang telah dibuat sesuai dengan diagram alir. Penyusunan program ini
menggunakan software Matlab 8.2 (R2013b). Ada 3 tahapan dalam penyusunan

28

program yaitu ekstraksi ciri, hasil dari ekstraksi ciri diproses untuk mendapatkan
persamaan diskriminan yang digunakan sebagai parameter klasifikasi kelas retak
atau kelas tidak retak kemudian tahap yang terakhir yaitu tahap pengujian pada
citra uji.
1.

Tahap 1 – Ekstraksi Ciri
Tahap pertama adalah tahap ekstraksi ciri untuk membedakan tekstur

objek satu dengan yang lainnya. Ekstraksi ciri dapat dicari dengan menggunakan
perhitungan statistik citra. Penelitian ini mendapatkan nilai ekstraksi ciri dengan
cara menghitung nilai rata-rata dan standar deviasi citra setelah melalui
transformasi wavelet.
Langkah pertama diawali dengan pembacaan citra RGB pada folder aktif
dengan fungsi imread yang disimpan kedalam variabel RGB. Kemudian dilakukan
fungsi resize untuk menyeragamkan citra input dengan ukuran 480 x 640. Setelah
diresize kemudian citra RGB diubah menjadi mode grayscale dengan fungsi
rgb2gray. Citra grayscale digunakan sebagai input dalam fungsi dwt2 untuk
proses dekomposisi dan menghasilkan nilai-nilai CA, CH, CV, CD. Untuk
mendapatkan ciri dari setiap