Implementasi Program Deteksi Tepi Daun Menggunakan Ant Colony Optimization (Aco), Perbandingan Rasio Panjang dan Lebar Daun, Perbandingan Jumlah Piksel untuk Mengidentifikasi Pola Bentuk Daun.

ABSTRAK

i Universitas Kristen Maranatha

IMPLEMENTASI PROGRAM DETEKSI TEPI DAUN

MENGGUNAKAN ANT COLONY OPTIMIZATION (ACO),

PERBANDINGAN RASIO PANJANG DAN LEBAR DAUN,

PERBANDINGAN JUMLAH PIKSEL UNTUK

MENGIDENTIFIKASI POLA BENTUK DAUN

Disusun oleh :

Dominicus Reynaldi Farada (1122029)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, Jawa Barat, Indonesia

e– mail : reyfarada@gmail.com

ABSTRAK

Indonesia merupakan negara kepulauan yang terbentang luas dari Sabang sampai Merauke dan terdiri dari berbagai macam suku, budaya, dan tradisi. Selain itu Indonesia berada di posisi keempat dalam kategori dengan jumlah penduduk terbanyak di dunia serta memiliki banyak jenis flora dan fauna yang tersebar di berbagai pulau.

Pada Tugas Akhir ini, dibuat proses deteksi tepi menggunakan Ant Colony Optimization (ACO) untuk membuat aplikasi yang dapat mengidentifikasi dan mengenali objek pola daun. Pengidentifikasian daun ini dimulai dengan akuisisi data citra, pengolahan citra, deteksi tepi gambar, gambar menipis.

Dari data pengamatan dan analisis penelitian yang sudah dilakukan pada pelaksanaan Tugas Akhir, dapat diambil beberapa kesimpulan bahwa persentase keberhasilan dengan menggunakan deteksi tepi Sobel, Prewitt, Roberts dan ACO sama, yaitu sebesar 91,67%.

ABSTRACT

ii Universitas Kristen Maranatha LEAF EDGE DETECTION PROGRAM IMPLEMENTATION USING ANT COLONY

OPTIMIZATION (ACO), RATIO COMPARISON OF LEAF’S LENGTH AND

WIDTH, AND COMPARISON OF THE PIXELS NUMBERS TO IDENTIFY PATTERNS OF LEAVES

Composed by :

Dominicus Reynaldi Farada (1122029)

Department of Electrical Engineering, Faculty of Engineering, Maranatha Christian University, Bandung, West Java, Indonesia

e – mail : reyfarada@gmail.com

ABSTRACT

Indonesia is an archipelago that includes from Sabang to Merauke and consists of various tribes, cultures, and traditions. In addition, Indonesia is in the fourth position in the category with the largest population in the world and has many species of flora and fauna spread over various islands.

In this final project, prepared edge detection process using Ant Colony Optimization (ACO) to create an application that can identify and recognize objects leaf pattern. Identifying leaf begins with the image data acquisition, image processing, image edge detection, image thinning.

From the observational data and research analysis has been done on the implementation of the Final, some conclusions can be drawn that the percentage of success by using edge detection Sobel, Prewitt, Roberts and ACO same, amounting to 91.67% .

DAFTAR ISI

v Universitas Kristen Maranatha

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR TABEL ... vii

DAFTAR GAMBAR ... ix

BAB 1 PENDAHULUAN 1. 1. Latar Belakang ... 1

1. 2. Perumusan Masalah ... 2

1. 3. Tujuan ... 2

1. 4. Pembatasan Masalah ... 2

1. 5. Sistematika Penulisan... 2

BAB 2 LANDASAN TEORI 2. 1 Pengertian Citra Digital ... 4

2. 1. 1 Citra Berwarna ... 5

2. 1. 2 Citra Grayscale ... 5

2. 1. 3 Citra Biner ... 5

2. 2 Peningkatan Mutu ... 6

2. 3 Deteksi Tepi ... 6

2. 3. 1 Operator Roberts ... 6

2. 3. 2 Operator Sobel ... 7

2. 3. 3 Operator Prewitt ... 8

2. 4 Ant Colony Optimization(ACO) ... 8

2. 4. 1 Initialization Phase ... 9

2. 4. 2 Construction Phase ... 10

2. 4. 3 Update Process ... 11

DAFTAR ISI vi

Universitas Kristen Maranatha

2. 5 Daun ... 13

2. 6 Pengolahan Citra ... 14

2. 6. 1 Image Gray Processing ... 14

2. 6. 2 Size Normalization ... 14

2. 6. 3 Pelembutan Citra ... 14

2. 6. 4 Thresholding ... 14

BAB 3 PERANCANGAN PERANGKAT LUNAK 3. 1 Arsitektur Perancangan ... 16

3. 2 Diagram Alir ... 17

3. 2. 1 Diagram Alir Pembentukan Data Acuan... 17

3. 2. 2 Diagram Alir Deteksi Tepi ACO (Ant Colony Optimization) 19 3. 2. 3 Diagram Alir Pengujian ... 20

3. 3 Penentuan Batas Threshold ... 22

BAB 4 DATA PENGAMATAN DAN ANALISIS 4. 1 Data Pengamatan ... 32

4. 1.1 Dengan Citra Daun Berbeda, Pola Bentuk Sama ... 32

4. 2 Analisis Data ... 35

BAB 5 SIMPULAN DAN SARAN 5. 1. Simpulan ... 37

5. 2. Saran ... 37

DAFTAR PUSTAKA ... 38 LAMPIRAN A LISTING PROGRAM... A - 1 LAMPIRAN B CITRA ... B – 1

DAFTAR TABEL

vii Universitas Kristen Maranatha

DAFTAR TABEL

Tabel 3.1 Pola Bentuk Daun Acicular dengan Deteksi Tepi Sobel... 22

Tabel 3.2 Pola Bentuk Daun Bipinnate dengan Deteksi Tepi Sobel... 22

Tabel 3.3 Pola Bentuk Daun Cordate dengan Deteksi Tepi Sobel... 23

Tabel 3.4 Pola Bentuk Daun Even Pinnate dengan Deteksi Tepi Sobel.. 23

Tabel 3.5 Pola Bentuk Daun Lanceolate dengan Deteksi Tepi Sobel... 23

Tabel 3.6 Pola Bentuk Daun Linear dengan Deteksi Tepi Sobel... 23

Tabel 3.7 Pola Bentuk Daun Lobed dengan Deteksi Tepi Sobel... 24

Tabel 3.8 Pola Bentuk Daun Spatulate dengan Deteksi Tepi Sobel... 24

Tabel 3.9 Pola Bentuk Daun Acicular dengan Deteksi Tepi Prewitt... 24

Tabel 3.10 Pola Bentuk Daun Bipinnate dengan Deteksi Tepi Prewitt... 24

Tabel 3.11 Pola Bentuk Daun Cordate dengan Deteksi Tepi Prewitt... 25

Tabel 3.12 Pola Bentuk Daun Even Pinnate dengan Deteksi Tepi Prewitt 25

Tabel 3.13 Pola Bentuk Daun Lanceolate dengan Deteksi Tepi Prewitt.... 25

Tabel 3.14 Pola Bentuk Daun Linear dengan Deteksi Tepi Prewitt... 25

Tabel 3.15 Pola Bentuk Daun Lobed dengan Deteksi Tepi Prewitt... 26

Tabel 3.16 Pola Bentuk Daun Spatulate dengan Deteksi Tepi Prewitt... 26

Tabel 3.17 Pola Bentuk Daun Acicular dengan Deteksi Tepi Roberts... 26

Tabel 3.18 Pola Bentuk Daun Bipinnate dengan Deteksi Tepi Roberts... 26

Tabel 3.19 Pola Bentuk Daun Cordate dengan Deteksi Tepi Roberts... 27

Tabel 3.20 Pola Bentuk Daun Even Pinnate dengan Deteksi Tepi Roberts 27 Tabel 3.21 Pola Bentuk Daun Lanceolate dengan Deteksi Tepi Roberts.... 27

Tabel 3.22 Pola Bentuk Daun Linear dengan Deteksi Tepi Roberts... 27

Tabel 3.23 Pola Bentuk Daun Lobed dengan Deteksi Tepi Roberts... 28

Tabel 3.24 Pola Bentuk Daun Spatulate dengan Deteksi Tepi Roberts... 28

Tabel 3.25 Pola Bentuk Daun Acicular dengan Deteksi Tepi ACO... 28

Tabel 3.26 Pola Bentuk Daun Bipinnate dengan Deteksi Tepi ACO... 28

Tabel 3.27 Pola Bentuk Daun Cordate dengan Deteksi Tepi ACO... 29

Tabel 3.28 Pola Bentuk Daun Even Pinnate dengan Deteksi Tepi ACO... 29

DAFTAR TABEL viii

Universitas Kristen Maranatha

Tabel 3.30 Pola Bentuk Daun Linear dengan Deteksi Tepi ACO... 29

Tabel 3.31 Pola Bentuk Daun Lobed dengan Deteksi Tepi ACO... 30

Tabel 3.32 Pola Bentuk Daun Spatulate dengan Deteksi Tepi ACO... 30

Tabel 3.33 Threshold Perbandingan Jumlah Piksel Daun... 30

Tabel 3.34 Threshold Perbandingan Rasio Panjang & Lebar Daun... 31

Tabel 4.1 Hasil Deteksi Tepi Sobel dengan pola bentuk sama... 32

Tabel 4.2 Hasil Deteksi Tepi Prewitt dengan pola bentuk sama... 33

Tabel 4.3 Hasil Deteksi Tepi Roberts dengan pola bentuk sama... 34

DAFTAR GAMBAR

ix Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar 2.1 Garis Model Tepi Satu Dimensi... 6

Gambar 2.2 Operator Roberts... 7

Gambar 2.3 Sebuah Konfigurasi Lokal Untuk Menghitung Variasi Intensitas pada (i,j)... 9

Gambar 2.4 Sebuah Konfigurasi Lokal Posisi Piksel Ii,j Untuk Menghitung Variasi Vc(Ii,j)... 11

Gambar 2.5 Bentuk Dasar Daun…... 13

Gambar 3.1 Diagram Blok Sistem Pengujian Pola Daun…... 16

Gambar 3.2 Diagram Alir Proses Pembentukan Data Acuan... 18

Gambar 3.3 Diagram Alir Deteksi Tepi ACO... 19

Gambar 3.4 Diagram Alir Verifikasi... 21

Gambar 4.1 Deteksi Tepi ACO Terdapat Garis Putus... 36

BAB I PENDAHULUAN

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.

1. 1. Latar Belakang

Indonesia merupakan negara kepulauan yang terbentang luas dari Sabang sampai Merauke dan terdiri dari berbagai macam suku, budaya, dan tradisi. Selain itu Indonesia berada di posisi keempat dalam kategori dengan jumlah penduduk terbanyak di dunia serta memiliki banyak jenis flora dan fauna yang tersebar di berbagai pulau. Keanekaragaman hayati yang kaya ini, membuat Indonesia tidak hanya berkontribusi dalam bidang perikanan, pertanian, dan pariwisata, tetapi juga dalam bidang kehutanan dan kesehatan[7].

Perkembangan teknologi juga sangat pesat, sehingga sudah ada program untuk mendeteksi tepi dari sebuah gambar. Mulai dari deteksi tepi Roberts, Prewitt, Sobel, dan lain – lain. Salah satunya adalah deteksi tepi menggunakan Ant Colony Optimization (ACO). Ant Colony Optimization (ACO) sebuah metode optimalisasi heuristic penyelesaian masalah mengenai jalur tercepat atau permasalahan optimalisasi yang lainnya dengan menggunakan tingkah laku semut secara biologi. [2].

Dalam kehidupan sehari - hari sering ditemui tanaman yang memiliki bentuk daun yang berbeda-beda, seperti oval, hati, ellips, dll. Dengan dasar deteksi tepi menggunakan Ant Colony Optimization (ACO) dimungkinkan untuk membuat aplikasi yang dapat mengidentifikasi dan mengenali objek pola daun. Pengidentifikasian daun ini dimulai dengan akuisisi data citra, pengolahan citra, deteksi tepi gambar, gambar menipis, dan proses identifikasi dengan menggunakan metode template matching.

BAB I PENDAHULUAN 2

Universitas Kristen Maranatha 1.2 Perumusan Masalah

Bagaimana mengimplementasikan program deteksi tepi daun menggunakan ant colony optimization (ACO), perbandingan rasio panjang dan lebar daun, perbandingan jumlah piksel untuk mengidentifikasi pola bentuk daun?

1. 3. Tujuan

Tujuan dari Tugas Akhir ini adalah

 Merealisasikan program deteksi tepi daun menggunakan Sobel, Prewitt, Roberts, Ant Colony Optimization (ACO).

 Mendapatkan hasil pengenalan pola bentuk daun dengan perbandingan rasio panjang dan lebar daun serta pebandingan jumlah piksel.

1.4 Pembatasan Masalah

 Dalam satu citra hanya terdapat satu citra daun.

 Citra yang dibahas adalah citra hasil pemotretan daun yang sudah diubah dalam bentuk citra digital.

 Pembahasan hanya pada identifikasi bentuk pola daun  Citra daun yang terdapat di Indonesia.

 Citra daun dipilih dengan bentuk dan tepi yang sempurna.  Pembuatan aplikasi menggunakan perangkat lunak MATLAB. 1.5 Sistematika Penulisan

Laporan Tugas Akhir ini disusun dengan sistematika sebagai berikut :  BAB 1 : Pendahuluan

Merupakan bab yang menjelaskan mengenai latar belakang masalah, rumusan masalah, tujuan dan sistematika penulisan dari Tugas Akhir ini.

BAB I PENDAHULUAN 3

Universitas Kristen Maranatha Merupakan bab yang disusun untuk memberikan penjelasan dan teori-teori penunjang tentang citra digital, citra grayscale, citra biner, peningkatan mutu, deteksi tepi, Ant Colony Optimization (ACO), daun, pengolahan citra, dan MATLAB.

 BAB 3 : Perancangan Perangkat Lunak

Merupakan bab yang berisi penjelasan desain yang akan dilakukan untuk membuat software pencarian pola daun dengan analisis deteksi tepi daun menggunakan ant colony optimization (ACO), perbandingan rasio panjang dan lebar daun, perbandingan jumlah piksel untuk mengidentifikasi pola daun.

 BAB 4 : Data Pengamatan dan Analisis

Merupakan bab yang berisi data pengamatan yang diperoleh dari penelitian dan analisis yang diperoleh melalui Tugas Akhir ini.  BAB 5 : Simpulan dan Saran

Merupakan bab yang berisi simpulan dan saran yang dapat diambil untuk melakukan pengembangan terhadap software dan sistem yang telah dibuat.

BAB IV KESIMPULAN DAN SARAN

37 Universitas Kristen Maranatha

BAB V

SIMPULAN DAN SARAN

Bab ini berisikan mengenai kesimpulan berdasarkan data pengamatan serta analisis penelitian yang dilakukan dari Tugas Akhir ini serta saran – saran yang dapat ditambahkan untuk pengembangan penelitian selanjutnya agar mendapatkan hasil yang lebih baik.

5.1. Simpulan

Dari data pengamatan dan analisis penelitian yang sudah dilakukan pada pelaksanaan Tugas Akhir, dapat diambil beberapa kesimpulan sebagai berikut.

1) Program deteksi tepi daun menggunakan Sobel, Prewitt, Roberts, Ant Colony Optimization (ACO) berhasil dijalankan.

2) Persentase Keberhasilan untuk mendapatkan hasil pengenalan pola bentuk daun dengan analisis deteksi tepi daun menggunakan ant colony optimization (ACO), perbandingan rasio panjang dan lebar daun, perbandingan jumlah piksel untuk mengidentifikasi pola daun, yaitu sebesar 91,67%.

5.2 Saran

1) Untuk mendapatkan hasil pengenalan pola daun yang lebih akurat ditambahkan ciri – ciri morfologi dalam data acuan.

2) Dalam pengambilan gambar disarankan di tempat dengan pencahayaan yang cukup.

DAFTAR PUSTAKA

38 Universitas Kristen Maranatha DAFTAR PUSTAKA

[1]A. Baterina and C. Oppus. 2010. Image Edge Detection using Ant Colony Optimization. In WSEAS Transactions on Signal Processing Vol. 6 No. 2. pp 58-67.

[2]Cristian A. Martínez and María Elena Buemi. 2014. New ACO Algorithm

for Image Edge Detection. In CCPR 2014: VI Chilean Conference on

Pattern Recognition.

[3]Gonzalez, Rafael C And Richard E. Woods. 2002. Digital Image Processing Second Edition. New Jersey: Prentice Hall.

[4]J. Tian, W. Yu and S. Xie. 2008. An Ant Colony Optimization Algorithm for Image Edge Detection. IEEE Congress on Evolutionary Computation. Hong Kong, China. pp 751-756.

[5]M. Dorigo and T. StÜtzle. 2004. Ant Colony Optimization. London, England. MIT Pres.

[6]Subchan Ajie Ari Bowo.2011. Analisis Deteksi Tepi untuk

Mengidentifikasi Pola Daun. Universitas Diponegoro. Semarang, 24 Oktober 2011.

[7] http://finance.detik.com/read/2014/03/06/134053/2517461/4/negara-dengan-penduduk-terbanyak-di-dunia-ri-masuk-4-besar, diakses Mei 2015.

[8]

http://www.mathworks.com/matlabcentral/fileexchange/20997-image-edge-detection-using-ant-colony-optimization, diakses Maret 2015. [9]http://www.mathworks.com/matlabcentral/fileexchange/11903-digital-image filtering, diakses Maret 2015.

DAFTAR GAMBAR

ix Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar 2.1 Garis Model Tepi Satu Dimensi... 6

Gambar 2.2 Operator Roberts... 7

Gambar 2.3 Sebuah Konfigurasi Lokal Untuk Menghitung Variasi Intensitas pada (i,j)... 9

Gambar 2.4 Sebuah Konfigurasi Lokal Posisi Piksel Ii,j Untuk Menghitung Variasi Vc(Ii,j)... 11

Gambar 2.5 Bentuk Dasar Daun…... 13

Gambar 3.1 Diagram Blok Sistem Pengujian Pola Daun…... 16

Gambar 3.2 Diagram Alir Proses Pembentukan Data Acuan... 18

Gambar 3.3 Diagram Alir Deteksi Tepi ACO... 19

Gambar 3.4 Diagram Alir Verifikasi... 21

Gambar 4.1 Deteksi Tepi ACO Terdapat Garis Putus... 36

BAB I PENDAHULUAN

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.

1. 1. Latar Belakang

Indonesia merupakan negara kepulauan yang terbentang luas dari Sabang sampai Merauke dan terdiri dari berbagai macam suku, budaya, dan tradisi. Selain itu Indonesia berada di posisi keempat dalam kategori dengan jumlah penduduk terbanyak di dunia serta memiliki banyak jenis flora dan fauna yang tersebar di berbagai pulau. Keanekaragaman hayati yang kaya ini, membuat Indonesia tidak hanya berkontribusi dalam bidang perikanan, pertanian, dan pariwisata, tetapi juga dalam bidang kehutanan dan kesehatan[7].

Perkembangan teknologi juga sangat pesat, sehingga sudah ada program untuk mendeteksi tepi dari sebuah gambar. Mulai dari deteksi tepi Roberts, Prewitt, Sobel, dan lain – lain. Salah satunya adalah deteksi tepi menggunakan Ant Colony Optimization (ACO). Ant Colony Optimization (ACO) sebuah metode optimalisasi heuristic penyelesaian masalah mengenai jalur tercepat atau permasalahan optimalisasi yang lainnya dengan menggunakan tingkah laku semut secara biologi. [2].

Dalam kehidupan sehari - hari sering ditemui tanaman yang memiliki bentuk daun yang berbeda-beda, seperti oval, hati, ellips, dll. Dengan dasar deteksi tepi menggunakan Ant Colony Optimization (ACO) dimungkinkan untuk membuat aplikasi yang dapat mengidentifikasi dan mengenali objek pola daun. Pengidentifikasian daun ini dimulai dengan akuisisi data citra, pengolahan citra, deteksi tepi gambar, gambar menipis, dan proses identifikasi dengan menggunakan metode template matching.

BAB I PENDAHULUAN 2

Universitas Kristen Maranatha 1.2 Perumusan Masalah

Bagaimana mengimplementasikan program deteksi tepi daun menggunakan ant colony optimization (ACO), perbandingan rasio panjang dan lebar daun, perbandingan jumlah piksel untuk mengidentifikasi pola bentuk daun?

1. 3. Tujuan

Tujuan dari Tugas Akhir ini adalah

 Merealisasikan program deteksi tepi daun menggunakan Sobel, Prewitt, Roberts, Ant Colony Optimization (ACO).

 Mendapatkan hasil pengenalan pola bentuk daun dengan perbandingan rasio panjang dan lebar daun serta pebandingan jumlah piksel.

1.4 Pembatasan Masalah

 Dalam satu citra hanya terdapat satu citra daun.

 Citra yang dibahas adalah citra hasil pemotretan daun yang sudah diubah dalam bentuk citra digital.

 Pembahasan hanya pada identifikasi bentuk pola daun  Citra daun yang terdapat di Indonesia.

 Citra daun dipilih dengan bentuk dan tepi yang sempurna.  Pembuatan aplikasi menggunakan perangkat lunak MATLAB. 1.5 Sistematika Penulisan

Laporan Tugas Akhir ini disusun dengan sistematika sebagai berikut :

 BAB 1 : Pendahuluan

Merupakan bab yang menjelaskan mengenai latar belakang masalah, rumusan masalah, tujuan dan sistematika penulisan dari Tugas Akhir ini.

BAB I PENDAHULUAN 3

Universitas Kristen Maranatha Merupakan bab yang disusun untuk memberikan penjelasan dan teori-teori penunjang tentang citra digital, citra grayscale, citra biner, peningkatan mutu, deteksi tepi, Ant Colony Optimization (ACO), daun, pengolahan citra, dan MATLAB.

 BAB 3 : Perancangan Perangkat Lunak

Merupakan bab yang berisi penjelasan desain yang akan dilakukan untuk membuat software pencarian pola daun dengan analisis deteksi tepi daun menggunakan ant colony optimization (ACO), perbandingan rasio panjang dan lebar daun, perbandingan jumlah piksel untuk mengidentifikasi pola daun.

 BAB 4 : Data Pengamatan dan Analisis

Merupakan bab yang berisi data pengamatan yang diperoleh dari penelitian dan analisis yang diperoleh melalui Tugas Akhir ini.

 BAB 5 : Simpulan dan Saran

Merupakan bab yang berisi simpulan dan saran yang dapat diambil untuk melakukan pengembangan terhadap software dan sistem yang telah dibuat.

BAB IV KESIMPULAN DAN SARAN

37 Universitas Kristen Maranatha

BAB V

SIMPULAN DAN SARAN

Bab ini berisikan mengenai kesimpulan berdasarkan data pengamatan serta analisis penelitian yang dilakukan dari Tugas Akhir ini serta saran – saran yang dapat ditambahkan untuk pengembangan penelitian selanjutnya agar mendapatkan hasil yang lebih baik.

5.1. Simpulan

Dari data pengamatan dan analisis penelitian yang sudah dilakukan pada pelaksanaan Tugas Akhir, dapat diambil beberapa kesimpulan sebagai berikut.

1) Program deteksi tepi daun menggunakan Sobel, Prewitt, Roberts, Ant Colony Optimization (ACO) berhasil dijalankan.

2) Persentase Keberhasilan untuk mendapatkan hasil pengenalan pola bentuk daun dengan analisis deteksi tepi daun menggunakan ant colony optimization (ACO), perbandingan rasio panjang dan lebar daun, perbandingan jumlah piksel untuk mengidentifikasi pola daun, yaitu sebesar 91,67%.

5.2 Saran

1) Untuk mendapatkan hasil pengenalan pola daun yang lebih akurat ditambahkan ciri – ciri morfologi dalam data acuan.

2) Dalam pengambilan gambar disarankan di tempat dengan pencahayaan yang cukup.

DAFTAR PUSTAKA

38 Universitas Kristen Maranatha DAFTAR PUSTAKA

[1]A. Baterina and C. Oppus. 2010. Image Edge Detection using Ant Colony Optimization. In WSEAS Transactions on Signal Processing Vol. 6 No. 2. pp 58-67.

[2]Cristian A. Martínez and María Elena Buemi. 2014. New ACO Algorithm

for Image Edge Detection. In CCPR 2014: VI Chilean Conference on Pattern Recognition.

[3]Gonzalez, Rafael C And Richard E. Woods. 2002. Digital Image Processing Second Edition. New Jersey: Prentice Hall.

[4]J. Tian, W. Yu and S. Xie. 2008. An Ant Colony Optimization Algorithm for Image Edge Detection. IEEE Congress on Evolutionary Computation. Hong Kong, China. pp 751-756.

[5]M. Dorigo and T. StÜtzle. 2004. Ant Colony Optimization. London, England. MIT Pres.

[6]Subchan Ajie Ari Bowo.2011. Analisis Deteksi Tepi untuk

Mengidentifikasi Pola Daun. Universitas Diponegoro. Semarang, 24 Oktober 2011.

[7] http://finance.detik.com/read/2014/03/06/134053/2517461/4/negara-dengan-penduduk-terbanyak-di-dunia-ri-masuk-4-besar, diakses Mei 2015.

[8]

http://www.mathworks.com/matlabcentral/fileexchange/20997-image-edge-detection-using-ant-colony-optimization, diakses Maret 2015. [9]http://www.mathworks.com/matlabcentral/fileexchange/11903-digital-image filtering, diakses Maret 2015.