MENGETAHUI KINERJA PENDETEKSIAN TITIK API DENGAN MENGGUNAKAN PENDEKATAN THRESHOLDING.
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
SKRIPSI
Oleh :
LUTFI RYANTOKO
0934010196
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
“VETERAN” J AWA TIMUR
2013
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh :
LUTFI RYANTOKO
0934010196
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
“VETERAN” J AWA TIMUR
2013
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
LEMBAR PENGESAHAN
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
Disusun oleh :
LUTFI RYANTOKO
0934010196
Telah disetujui mengikuti Ujian Negara Lisan
Gelombang IV Tahun Akademik 2012 / 2013
Pembimbing II
Pembimbing I
Budi Nugroho S.Kom, M.Kom .
NPT. 3 8009 050 205 1
Wahyu S.J .Saputr a, S.Kom, M.Kom
NPT. 3 8608 100 2951
Mengetahui,
Ketua Program Studi Teknik Informatika
Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Dr. Ir. Ni Ketut Sari, M.T
NIP. 19650731 199203 2001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SKRIPSI
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
Disusun Oleh :
LUTFI RYANTOKO
0934010196
Telah dipertahankan dan diterima oleh Tim Penguji Skripsi
Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Pada Tanggal 20 Desember 2013
Pembimbing :
1.
Tim Penguji :
1.
Budi Nugroho S.Kom, M.Kom.
NPT. 3 8009 050 205 1
Rizky Parlika, S.Kom, M.Kom
NPT. 3 8405 070 219 1
2.
2.
Wahyu S.J.Saputra, S.Kom, M.Kom
NPT. 3 8608 100 2951
Ir. Kartini S.Kom, M.T.
NIP. 196111101991032001
3.
Faisal Muttaqin, S.Kom
NPTY. 3 8512 130 3511
Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Ir . Sutiyono, MT
NIP. 19600713 198703 1001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
: LUTFI RYANTOKO .
NPM
: 0934010196
Jurusan
: Teknik Informatika
Telah mengerjakan revisi / tidak ada revisi*) pra rencana (design) / skripsi ujian
lisan gelombang IV , TA 2012/2013 dengan judul:
“ MENGETAHUI KINERJ A PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING ”
Surabaya, Desember 2013
Dosen Penguji yang memeriksa revisi
1)
2)
3)
Rizky Parlika, S.Kom, M.Kom
NPT. 3 8405 070 219 1
{
}
Ir. Kartini S.Kom, M.T.
NIP. 196111101991032001
{
}
{
}
Faisal Muttaqin, S.Kom
NPTY. 3 8512 130 3511
Mengetahui,
Dosen Pembimbing
Pembimbing I
Budi Nugr oho S.Kom, M.Kom.
NPT. 3 8009 050 205 1
Pembimbing II
Wahyu S.J .Saputr a, S.Kom, M.Kom
NPT. 3 8608 100 2951
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
YAYASAN KESEJ AHTERAAN PEDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189
Fax. (031) 8706372 Website. www.upnjatim.ac.id
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
:
Lutfi Ryantoko
NPM
:
0934010196
Program Studi
:
Teknik Informatika
Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2013/2014
dengan judul :
“ MENGETAHUI KINERJ A PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING “
Surabaya, 20 Desember 2013
Dosen penguji yang memeriksa revisi
1.
Rizky Par lika, S.Kom, M.Kom
NPT. 384050702191
2.
}
{
}
{
}
Ir. Kartini, S.Kom, MT
NIP.196111101991032001
3.
{
Faisal Muttaqin, S.Kom
NPTY. 3 8512 130 3511
Mengetahui,
Pembimbing Utama
Budi Nugroho S.kom ,M.Kom
NPT. 3 8009 050 205 1
Pembimbing Pendamping
Wahyu S.J Saputra, S.Kom, M.Kom
NPTY. 3 8608 100 2951
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Segala puji bagi Allah SWT Tuhan semesta alam atas segala berkat, rahmat,
taufik, serta hidayah-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul
”Mengetahui Kinerja Pendeteksian Titik Api Dengan Menggunakan Pendekatan
Thresholding”.
Skripsi dengan beban 4 SKS ini disusun guna di ajukan sebagai salah satu syarat
untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika,
Fakultas Teknologi Industri, UPN “Veteran “ Jawa Timur.
Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan. Oleh
karena itu, penulis mengharapkan kritik dan saran yang membangun agar proposal ini
dapat lebih baik lagi. Akhir kata penulis berharap kerangka acuan skripsi ini dapat
memberikan wawasan dan pengetahuan kepada para pembaca pada umumnya dan
pada penulis pada khususnya.
Surabaya, Januari 2014
Penyusun
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
UCAPAN TERIMA KASIH
Ucapan terima kasih ini kami persembahkan sebagai perwujudan rasa syukur
atas selesinya praktek kerja lapangan ini. Ucapan terima kasih saya tunjukan kepada :
1. Allah S.W.T karena berkat rahmat dan hidayah Nya kami dapat menyusun
dan menyelesaikan laporan SKRIPSI ini hingga selesai.
2. Ibu Ir. Ni Ketut Sari, M.T selaku Ketua Jurusan Teknik Informatika UPN
”Veteran” Jawa Timur yang selalu memberikan kemudahan dan kesempatan
bagi kami untuk berkreasi.
3. Bapak Budi Nugroho, S.Kom, M.Kom selaku dosen pembimbing I kami
yang telah meluangkan waktu dan pikiran serta sabar membimbing kami dari
awal hingga akhir laporan SKRIPSI ini dapat selesai.
4. Bapak Wahyu S. J. Saputra, S.Kom, M.Kom selaku dosen pembimbing II
kami yang telah meluangkan waktu dan pikiran serta sabar membimbing kami
dari awal hingga akhir laporan SKRIPSI ini dapat selesai.
5. Keluarga tercinta terutama Bapak dan Ibu tersayang , terima kasih atas semua
doa, dukungan serta harapan – harapannya pada saat kami menyelesaikan
SKRIPSI ini, yang hanya kami perlukan yaitu minta doa restu semoga laporan
ini bermanfaat bagi semua orang, dan tidak lupa untuk kekasih tercinta eka
fersiani yang selalu mendukung dalam SKRIPSI ini
6. Sahabat sahabat dan kawan- kawan dari “Informatic Dhe” , terutama Bang
rully dan wahyu serta rahman nur, hirson , yanuar (gabow),
radit, febi
(nyaak), syafiul umam (piul “juragan sego njamoer”) yang selalu menemani ,
menghibur, menyupport
dan memberikan motivasi dalam menyelesaikan
SKRIPSI ini dan masih banyak yang lainnya tidak dapat disebutkan satu
persatu.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
ABSTRAK
KATA PENGANTAR ................................................................................................................................ i
UCAPAN TERIMA KASIH ...................................................................................................................... ii
DAFTAR ISI ............................................................................................................................................... iii
DAFTAR GAMBAR.................................................................................................................................. vii
DAFTAR TABEL....................................................................................................................................... ix
BAB I PENDAHULUAN ........................................................................................................... 1
1.1 Latar Belakang ..................................................................................................................... 1
1.2 Rumusan Masalah .................................................................................................................. 4
1.3 Tujuan……….... .................................................................................................................... 4
1.4 Manfaat………....................................................................................................................... 4
1.5 Batasan Masalah .................................................................................................................... 4
BAB II TINJAUAN PUSTAKA
2.1 Penelitian Terdahulu …… ..................................................................................................... 5
2.2 Artifical Intelligence ............................................................................................................. 6
2.3 Image…………. ..................................................................................................................... 6
2.4 Analog Image ........................................................................................................................ 7
2.5 Digital Image ......................................................................................................................... 7
2.6 Computer Vision ................................................................................................................... 8
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.7 Pengolahan Citra Digital ...................................................................................................... 9
2.8 Citra Grayscale ...................................................................................................................... 9
2.9 Morfologi.. .............................................................................................................................. 10
2.9.1 Structuring Element.……………………………………….. ...................................... 11
2.9.2 Erosi .……………………………………….. ............................................................. 11
2.9.3 Dilasi .……………………………………….. ............................................................ 13
2.9.4 Opening .……………………………………….. ........................................................ 15
2.9.5 Closing .……………………………………….. ......................................................... 15
2.10 Pendeteksian Tepi (Edge Detection) Canny.. ..................................................................... 16
2.11 Thresholding......................................................................................................................... 19
2.12 Matlab….. ............................................................................................................................. 20
2.12.1 Kelengkapan Pada Sistem Matlab Sebagai Sebuah Sistem.. .................................... 22
2.13 Gui / Guide Matlab .. ........................................................................................................... 23
2.14 Membuat Gui Dengan Matlab.. ........................................................................................... 24
BAB III METODE KERJA PRAKTEK ..................................................................................... 26
3.1 Data Set ……………… ......................................................................................................... 26
3.2 Analisa sistem ………… ....................................................................................................... 29
3.3 Gambaran Aplikasi Secara Umum ………… ...................................................................... 30
3.3.1 Perancangan Proses…………. ...................................................................................... 31
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.3.2 Grayscale …………....................................................................................................... 32
3.3.3 Thresholding …………. ................................................................................................ 33
3.3.4 Deteksi Tepi (Canny) …………….. ............................................................................. 34
3.3.5 Opening…………. ......................................................................................................... 35
3.3.6 Erosi …………………….............................................................................................. 35
3.3.7 Dilasi …………………… ............................................................................................ 36
3.3.8 Closing …………………….......................................................................................... 37
3.3.9 Invers …………………… ............................................................................................ 38
3.3.10 Hitung …………………… ......................................................................................... 39
3.3.11 Perancangan Tampilan Antarmuka …………………… .......................................... 40
BAB IV HASIL DAN PEMBAHASAN .................................................................................... 43
4.1 Kebutuhan Hardware dan Software ..................................................................................... 43
4.2 Implementasi Data ………… .................................................................................................... 44
4.3 Implementasi Antar Muka ................................................................................................................... 44
4.4 Implementasi Proses………. ............................................................................................................... 45
4.4.1 Mengambil Gambar .................................................................................................................... 45
4.4.2 Proses …………………….......................................................................................................... 46
4.5 Uji Coba Program ………. .................................................................................................................. 49
4.5.1 Skenario Uji Coba …………………….. ................................................................................... 49
4.5.2 Pelaksanaan Uji Coba ……………………................................................................................ 50
v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.5.3 Proses Grayscale …………………….. .................................................................................... 52
4.5.4 Proses Thresholding .…………………….. .............................................................................. 53
4.5.5 Proses Deteksi Tepi (Canny) …………………….. .................................................................. 53
4.5.6 Proses Opening …………………….. ....................................................................................... 54
4.5.7 Proses Erosi …………………….. ............................................................................................ 54
4.5.8 Proses Dilasi …………………….. ........................................................................................... 55
4.5.9 Proses Closing ……………………........................................................................................... 55
4.5.10 Proses Invers …………………….. ......................................................................................... 56
4.6 Pengujian Validasi Aplikasi ………. .................................................................................................. 60
BAB V KESIMPULAN DAN SARAN .................................................................................................... 65
5.1 Kesimpulan ...................................................................................................................................... 65
5.2 Saran................................................................................................................................................. 66
DAFTAR PUSTAKA
... ..................................................................................................................... 67
vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR GAMBAR
No.
Halaman
Gambar 2.1 Proses pengolahan citra digital.............................................................................. 10
Gambar 2.2 Elemen terstruktur 4- dan 8- konektivitas ............................................................ 12
Gambar 2.3 Erosi menggunakan elemen terstruktur 8- konektivitas ...................................... 13
Gambar 2.4 Dilasi menggunakan elemen terstruktur 8- konektivitas ..................................... 15
Gambar 2.5 Fungsi Gaussian dan turunanya ............................................................................ 18
Gambar 2.6 Hasil konvolusi citradengan fungsi Gaussian ..................................................... 18
Gambar 3.1 Flowchart Alur Program ........................................................................................ 31
Gambar 3.2 Flowchart Grayscale ............................................................................................. 32
Gambar 3.3 Flowchart Thresholding......................................................................................... 33
Gambar 3.4 Flowchart Deteksi Tepi (Canny) .......................................................................... 34
Gambar 3.5 Flowchart Opening................................................................................................. 35
Gambar 3.6 Flowchart Erosi ...................................................................................................... 36
Gambar 3.7 Flowchart Dilasi ..................................................................................................... 37
Gambar 3.8 Flowchart Closing .................................................................................................. 38
Gambar 3.9 Flowchart Closing .................................................................................................. 39
Gambar 3.10 Flowchart Hitung ................................................................................................. 40
Gambar 4.1 Source code mengambil gambar ........................................................................... 46
Gambar 4.2 Source code Proses ................................................................................................ 49
vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.3 Tampilan awal aplikasi ......................................................................................... 50
Gambar 4.4 Tampilan mengambil gambar................................................................................ 51
Gambar 4.5 Tampilan proses ..................................................................................................... 51
Gambar 4.6 Tampilan hitung ..................................................................................................... 52
Gambar 4.7 Proses Grayscale ................................................................................................... 52
Gambar 4.8 Proses Thresholding .............................................................................................. 53
Gambar 4.9 Proses Deteksi Tepi (canny)….............................................................................. 53
Gambar 4.10 Proses Opening ................................................................................................... 54
Gambar 4.11 Proses Erosi ......................................................................................................... 52
Gambar 4.12 Proses Dilasi ......................................................................................................... 55
Gambar 4.13 Proses Closing ..................................................................................................... 55
Gambar 4.14 Proses Invers ....................................................................................................... 56
Gambar 4.15 Perhitungan Kappa Cohen .................................................................................. 64
viii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR TABEL
No.
Halaman
Tabel 3.1 Tabel data set ……….. ............................................................................................... 26
Tabel 3.2 Perancangan Program Kinerja Pendeteksian Titik Api ............................................ 41
Tabel 4.5.1 Tabel Evaluasi Citra Sempurna ............................................................................. 56
Tabel 4.5.2 Tabel Evaluasi Citra Kurang sempurna ................................................................. 59
Tabel 4.5.3 Tabel Data Observasi Responden .......................................................................... 61
Tabel 4.5.4 Tabel Kesepakatan Responden .............................................................................. 62
ix
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Judul
: MENGETAHUI KINERJA PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING
Pembimbing I
: Budi Nugroho, S.Kom, M.Kom.
Pembimbing II
: Wahyu S. J. Saputra, S.Kom, M.Kom.
Penyusun
: Lutfi Ryantoko
ABSTRAK
Kebakaran hutan telah terjadi karena efek dari petir, manusia dan lain sebagainya.
kebakaran hutan menyebabkan berkurangnya spesies hewan dan tumbuhan, kesehatan
menurun. upaya yang dapat dilakukan yaitu dengan penyuluhan, dan menjaga kelestarian
hutan.
Thresholding adalah suatu metode yang digunakan untuk memisahkan antara
obyek dan backgroundnya. Thresholding adalah teknik yang sederhana tapi efektif
untuk
segmentasi citra. Dalam proses thresholding terhadap sebuah citra, hasil
yang
diperoleh tidak selalu memuaskan dan sesuai dengan keinginan. Hal ini dikarenakan
faktor penghambat seperti pencahayaan yang tidak merata atau citra yang kabur. Terdapat
beberapa macam teknik pengolahan citra digital, salah satunya adalah bagaimana melakukan
proses titik api dengan pendekatan thresholding dan dikembangkan melalui pre processing
image dengan menggunakan bahasa pemrograman matlab.
Dari hasil pengujian dapat ditunjukkan bahwa titik api dapat terdeteksi dengan sangat
sempurna difokuskan pada pengolahan bentuk objek.
Keyword: Kebakaran hutan, Matlab 7.0, Thresholding.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Hutan merupakan sumber daya alam yang menyimpan berbagai potensi
yang kini gangguannya semakin meluas, kebakaran hutan merupakan salah satu
bentuk gangguannya. dampak negatif yang ditimbulkan oleh kebakaran hutan
cukup besar mencakup kerusakan ekologis, menurunnya keanekaragaman hayati,
merosotnya nilai ekonomi hutan dan produktivitas tanah, perubahan iklim mikro
maupun global, dan asapnya mengganggu kesehatan masyarakat Indonesia bahkan
negara lain karena asapnya melintasi batas negara. Kebakaran hutan juga
mengganggu transportasi baik darat, sungai, danau, laut dan udara. Hal ini
disampaikan oleh Direktotar Jenderal Perlindungan Hutan dan Konservasi Alam
pada tahun 2003.
Asap tebal dari kebakaran hutan berdampak negatif karena dapat
mengganggu kesehatan masyarakat terutama gangguan saluran pernapasan. Selain
itu asap tebal juga mengganggu transportasi khususnya tranportasi udara
disamping transportasi darat, sungai, danau, dan laut. Dampak lainnya adalah
kerusakan hutan setelah terjadi kebakaran dan hilangnya margasatwa. Hutan yang
terbakar berat akan sulit dipulihkan, karena struktur tanahnya mengalami
kerusakan. Hilangnya tumbuh-tumbuhan menyebabkan lahan terbuka, sehingga
mudah tererosi, dan tidak dapat lagi menahan banjir. Penyebab kebakaran hutan
sampai saat ini masih menjadi topik perdebatan, apakah karena alami atau karena
kegiatan manusia. Namun berdasarkan beberapa hasil penelitian menunjukkan
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
bahwa penyebab utama kebakaran hutan adalah faktor manusia yang berawal dari
kegiatan atau permasalahan-permasalahan seperti sistem perladangan tradisional
dari penduduk setempat yang berpindah-pindah, pembukaan hutan oleh para
pemegang Hak Pengusahaan Hutan (HPH) untuk industri kayu maupun
perkebunan kelapa sawit dan permasalahan yang terakhir adalah penyebab
struktural yaitu kombinasi antara kemiskinan, kebijakan pembangunan dan tata
pemerintahan, sehingga menimbulkan konflik antar hukum adat dan hukum
positif negara.
Pada mulanya kerusakan lingkungan hanya terbatas pada tingkat domestik.
Namun dalam waktu yang tidak lama kerusakan lingkungan mulai merambah
kawasan wilayah dan juga mempengaruhi hubungan internasional di ASEAN.
Saat ini seluruh masyarakat tidak lagi meragukan bahwa lingkungan merupakan
suatu problem utama yang menjadikannya sebagai isu internasional. Dengan
timbulnya permasalahan ini, menyebabkan konflik antar wilayah ASEAN.
Walaupun tidak mudah untuk mengatasi gangguan ini, ASEAN terus
menyelenggarakan pertemuan untuk membahasnya. Tahun 2002 ASEAN
akhirnya mengesahkan sebuah perjanjian yang mengatur pengelolahan asap
tersebut. The ASEAN Agreement on Transboundary Haze Poluttion mengawasi
dan mencegah polusi asap melalui berbagai bentuk kerjasama yang telah
disepakati
Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah
diinterpretasikan oleh manusia atau mesin. Teknik-teknik pengolahan citra
mentransformasikan citra menjadi citra lain. Inputan pada proses ini adalah citra
dan keluarannya juga berupa citra dengan kualitas lebih baik daripada citra
2
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
inputan sebelumnya.
Image processing terdiri
dari
beberapa
tahap:
akusisi, prepocessing,
segmentasi, dan analisa. Tujuan utama dari image processing di instrumentasi
biomedis adalah untuk mengumpulkan informasi, screening atau invertigasi,
mendiagnosis, terapi dan kontrol, serta monitoring dan evaluasi. Segmentasi
memegang peranan yang sangat penting dengan memfasilitasi penggambaran
daerah yang penting dalam suatu citra atau disebut sebagai region of interest
Dalam hal ini bagi aparat pemerintah, perusahaan kehutanan serta
masyarakat sekitar hutan, pengadaan kampanye dan penyuluhan melalui berbagai
Apel Siaga pengendalian kebakaran hutan, sangat terbantu dengan adanya aplikasi
mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan
thresholding. (Soemarsono, 1997) Namun, dari semua upaya pencegahan itu
belum dapat dilaksanakan secara maksimal karena adanya keterbatasan di setiap
upayanya mulai dari SDM dan SDA. Pelacakan dan pemetaan titik api akan lebih
baik jika ditunjang dengan program yang baik pula. Pelacakan titik api dilakukan
oleh satelit NOAA-18.
Permasalahan lain yang dihadapi adalah Dinas Kehutanan Provinsi di
Indonesia hanya menerima koordinat letak titik api tanpa dipetakan dengan detail.
Oleh karena itu dalam penulisan tugas akhir ini dapat mengetahui kinerja
pendeteksian titik api dengan menggunakan pendekatan thresholding.
3
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1.2.
Rumusan Masalah
rumusan masalah yang dibuat pada Tugas Akhir ini adalah:
a. Bagaimana melakukan proses titik api dengan pendekatan thresholding
dengan dikembangkan melalui pre processing image.
b. Bagaimana cara menghitung titik api yang terdeteksi.
1.3.
Tujuan
Tujuan dari tugas akhir ini adalah mengetahui kinerja pendeteksian titik
api dengan menggunakan pendekatan thresholding
1.4.
Manfaat
a.
Membantu pencegahan dan penanganan terhadap api jika terjadi kebakaran.
b.
Dapat memberikan informasi mengenai persebaran titik api jika terjadi
kebakaran agar masyarakat dapat berperan aktif memadamkan api.
1.5.
Batasan Masalah
a. Ukuran gambar maksimal 1 MG
b.
Gambar yang diteliti objek hanya berupa lilin dengan dikondisikan gelap dan
banyaknya cahaya tidak dapat terdeteksi dengan sempurna.
c.
Pengambilan citra dari atas minimum 30 cm
4
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1 Penelitian Terdahulu
Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan
beberapa hasil penelitian terdahulu oleh beberapa peneliti yang pernah penulis
baca diantaranya :
Penelitian yang dilakukan oleh Setyawan Widyarto tahun 2012 dengan
judul “Deteksi Lokasi Titik Api Pada Kebakar an Hutan”. Sistem pengolahan
citra secara digital yang diaplikasikan dalam hotspot dan penginderaan jauh
(satelit) sangat diperlukan untuk analisis pemetaan wilayah, geologi, geodesi, dan
sebagainya. Dalam hal ini pengolahan citra digital hasil citra satelit dan hotspot
untuk menganalisis dan mengidentifikasi titik api kebakaran hutan. Proses
pengolahan citra dimulai dari akuisisi data citra, segmentasi citra, preprocessing,
deteksi tepi, sampai citra siap dianalisis. Analisis citra dilakukan dengan proses
segmentasi difokuskan berdasarkan objek titik api pada kebakaran hutan.
Penelitian telah menghasilkan sebuah program untuk deteksi lokasi titik api pada
kebakaran hutan. Dengan deteksi awal dari pengolahan citra satelit tentang titik
api kebakaran hutan diteruskan pada segmentasi citra kemudian terjadi over
segmentation karena itu perlu ditambahkan atau dikembangkan dengan
menambahkan pre processing antara lain opening, erosi, sobel, dilation, dan
closing sehingga menghasilkan segmentasi yang lebih baik, untuk menentukan
objek titik api yang diharapkan.
5
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.2 Artifical Intelligence
(Luger,1993) Artifical Intelligence atau Kecerdasan buatan (AI) dapat
didefinisikan sebagai cabang dari ilmu komputer yang memusatkan perhatian
pada otomatisasi dari karakteristik inteligensia. (Kusumadewi, 2003) Kecerdasan
buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh
manusia. Manusia pandai dalam menyelesaikan segala permasalahan karena
manusia mempunyai pengetahuan dan pengalaman. Agar komputer dapat
bertindak seperti dan sebaik manusia, maka komputer juga harus dibekali bekal
pengetahuan dan mempunyai kemampuan untuk menalar. Dua bagian utama pada
konsep kecerdasan buatan, yaitu:
• Basis Pengetahuan
Berisi fakta, teori, pemikiran, dan hubungan suatu hal dengan hal lainnya.
• Mesin Inferensi
Kemampuan menarik kesimpulan berdasarkan pengalaman.
2.3 Image
Menurut (sutoyo, 2009:10)
Secara harafiah, citra adalah representasi
(gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari
sudut pandang matematis, citra merupakan fungsi menerus (continue) dari
intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek
memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini
ditangkap oleh alat-alat optik, misalnya mata pada manusia sehingga bayangan
objek yang disebut citra tersebut terekam. Citra dapat dikelompokkan menjadi
6
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dua macam, yaitu citra analog dan citra digital. Citra analog dihasilkan dari sistem
optik yang menerima sinyal analog. Contoh: mata manusia, kamera analog.
Sedangkan citra digital dihasilkan melalui proses digitalisasi terhadap citra
kontinu. Contoh: kamera digital, scanner.
2.4 Analog Image
(sutoyo, 2009:10) Analog Image adalah image yang bersifat kontinu, seperti
gambar pada monitor televisi, foto sinar X, foto yang tercetak di kertas foto,
lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada
pita kaset dan lain sebagainya.Citra analog tidak dapat direpresentasikan dalam
komputer sehingga tidak bisa diproses dikomputer secara langsung. Oleh sebab
itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital
harus dilakukan terlebih dulu.
2.5 Digital Image
(sutoyo, 2009:10) Digital Image adalah Image yang dinyatakan secara diskrit
(tidak kontinu), baik untuk posisi koordinatnya maupun warnanya. Dengan
demikian, citra digital dapat digambarkan sebagai suatu matriks, dimana indeks
baris dan indeks kolom dari matriks menyatakan posisi suatu titik di dalam citra
dan harga dari elemen matriks menyatakan warna citra pada titik tersebut. Dalam
citra digital yang dinyatakan sebagai susunan matriks seperti ini, elemen–elemen
matriks tadi disebut juga dengan istilah piksel yang berasal dari kata picture
element.
7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Shapiro dan Stockman (2001, p29), digital image adalah image 2D I[r,c] yang
direpresentasikan oleh array diskrit 2D dari intensitas sampel, dimana masing
masing titik direpresentasikan dengan ketelitian terbatas. Digital
image juga
didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan
terbatas dari nilai digital yang disebut picture elements atau pixel. Umumnya
pixel disimpan dalam komputer sebagai gambar raster, yaitu array dua dimensi
dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital image
dapat diperoleh dari berbagai macam alat dan teknik pengambil gambar, seperti
kamera digital, scanner, radar, dan sebagainya. Dapat pula disintesis dari data
seperti fungsi matematika dan lain lain. (Anonim, 2005a)
Menurut Jain, Kasturi dan Schunck (1995, p12), pixel adalah sampel dari
intensitas image yang terkuantisasi ke dalam nilai integer. Sementara Image
merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan
menjadi input awal dalam Computer Vision.
Beberapa bentuk digital image yang sering digunakan dalam Computer
Vision (Shapiro dan Stockman, 2001, p30):
• Binary image, yaitu digital image dengan nilai pixel 1 atau 0.
• Gray scale image, yaitu digital image monokrom dengan satu nilai
intensitas tiap pixel.
• Multispectral image, adalah image 2D yang memiliki vektor nilai pada
tiap pixel, jika image-nya berwarna maka vektornya memiliki 3 elemen.
•
Labeled image, adalah digital image dimana nilai pixel-nya adalah
simbol dari alfabet terbatas.
8
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.6 Computer Vision
Computer vision (Referensi : Kulkarni, Arun D., 2001, Computer Vision
and Fuzzy-Neural Systems, Prentice-Hall, Inc., New Jersey, hal. 1) didefinisikan
sebagai sebuah proses mengenal objek- objek penting dari sebuah citra dan dapat
digambarkan sebagai properti deduksi logik yang otomatis objek 3 dimensi dari
single image atau multiple image.
Computer vision dapat didefinisikan juga
sebagai ilmu dan teknologi mesin dimana mesin dapat mengektrasi informasi dari
citra yang diperlukan untuk menyelesaikan suatu tugas tertentu.
Computer vision sulit untuk diwujudkan karena format citra pada dasarnya
adalah
many to one mapping.
Tugas- tugas seperti mengidentifikasi tanda
tangan, mengidentifikasi tumor di dalam citra resonansi magnetik, mengenal
objek yang diterima dari citra yang dihasilkan oleh satelit, mengidentifikasi
wajah, menentukan lokasi sumber mineral dari sebuah citra, dan membangun citra
tiga dimensi dari potongan citra dua dimensi dipertimbangkan sebagai lapangan
subjek di Computer Vision. Tipe sistem Computer Vision terdiri dari tingkatan
seperti akuisisi citra (image acquisition), preprocessing, ekstrasi fitur (feature
extraction), menyimpan objek dengan asosiasi, mengakses basis pengetahuan dan
pengenalan. computer vision lebih daripada pengenalan, computer vision
melakukan operasi “low level processing” sebagai algoritma image processing
yang murni. Mereka juga yang menggolongkan image processing ke dalam
computer vision.
2.7 Pengolahan Citra Digital
(Munir. R. 2004) Pengolahan citra adalah pemrosesan citra, khususnya
dengan
menggunakan
komputer
menjadi
citra
yang
kualitasnya
9
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lebih
baik.Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra
bila.
1. Perbaikan
atau
meningkatkan
memodifikasi
kualitas
citra
penampakan
perlu
atau
dilakukan
untuk
untuk
menonjolkan
beberapa aspek informasi yang terkandung dalam citra.
2.
Elemen di dalam citra perlu dikelompokkan, dicocok atau diukur.
3. Sebagian citra perlu digabung dengan citra lain Pengolahan
citra
bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh
manusia
atau
komputer.
Teknik-teknik
pengolahan citra
mentransformasikan citra menjadi citra lain.
Pengolahan
Citra
Citra
citra
Gambar 2.1 Proses pengolahan citra digital
2.8 Citra Grayscale
(Agus : 2010) Dalam komputasi, suatu citra digital grayscale atau
greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample
tunggal.
Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu,
bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih
pada intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”,
dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja
10
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
yaitu ”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam
dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale
seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada
spektrum elektromagnetik single band . Citra grayscale disimpan dalam format 8
bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas.
Format ini sangat membantu dalam pemrograman karena manupulasi bit yang
tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan
remote sensing biasa juga digunakan format 10,12 maupun 16 biT.
2.9 Morfologi
Menurut Krishna (2012), Morfologi merupakan suatu cabang dari
pengolahan citra yang sangat bermanfaat dalam analisis bentuk dalam citra.
Operasi morfologi adalah teknik pengolahan citra berdasarkan bentuk segmen
atau region dalam citra. Karena difokuskan pada bentuk obyek, maka operasi ini
biasanya diterapkan pada citra biner (terdiri dari 1 dan 0). pemrosesan citra secara
morfologi dilakukan denga cara mem-passing sebuah sturktur elemen terhadap
sebuah citra dengan cara yang hampir sama dengan konvolusi. Struktur elemen
dapat diibaratkan dengan mask pada pemrosesan citra biasa (bukan secara
morfologi).
2.9.1 Structuring Element :
Menurut Dougherty (2009), Structuring element dapat berukuran
sembarang. Structuring element
juga memiliki titik poros (disebut juga titik
origin/ titik asal/titik acuan). Operasi morfologi yang dapat dilakukan diantaranya:
•
Dilasi, Erosi, Closing
11
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.9.2 Erosi
(Dougherty, 2009) Erosi adalah salah satu operasi dasar dalam pemrosesan
citra secara morfologi. Erosi adalah sebuah operasi yang meningkatkan ukuran
dari latar belakang (dan mengikis objek latar depan) pada citra biner
Dengan memisalkan A sebagai objek pada citra masukan, B sebagai
elemen terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka
proses erosi dapat dinotasikan dengan:
Erosi dilakukan dengan bantuan elemen terstruktur. Elemen terstruktur
membantu menentukan pixel tetangga yang akan ditelusuri dengan proses erosi.
Elemen terstruktur yang sering digunakan adalah 4-konektivitas dan 8konektivitas.
0
1
0
1
1
1
1
1
1
1
1
1
0
1
0
1
1
1
4-connectivity
8-connectivity
Gambar 2.2 Elemen terstruktur 4- dan 8- konektivitas
Erosi memiliki karakteristik :
12
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Erosi pada umunya memperkecil ukuran dari objek dan menghilangkan
elemen atau anomali kecil dengan mengurangi objek dengan radius yang
lebih kecil dari ukuran elemen terstruktur.
Dengan citra binner erosi menghilangkan objek yang lebih kecil dari elemen
terstruktur dan mengiliminasi pixel parameter dari objek citra yang lebih
besar.
Algoritma yang dilakukan pada erosi adalah sebagai berikut:
Posisikan elemen terstruktur dibagian atas (menutupi) tiap-tiap piksel dari
citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan
posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan
piksel latar belakang di bawahnya (yang ditutupinya), maka tetapkan piksel
keluaran pada citra baru ke nilai latar belakang, maka tetapkan piksel.
Gambar 2.3 Erosi menggunakan elemen ter struktur 8-konektivitas
Dengan begitu, piksel latar belakang pada citra masukan akan menjadi
latar belakang pada citra keluaran dan juga piksel latar depan pada citra masukan
akan menjadi latar belakang pada citra keluaran.
13
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.9.3 Dilasi
(Daugherty, 2009) Dilasi adalah salah satu operasi dasar dalam morfologi
matematika. Pada citra biner, dilasi adalah sebuah operasi yang mengekspansi
atau memperbesar ukuran dari objek latar depan. Biasanya objek pada citra
dilambangkan dengan piksel putih, walaupun untuk beberapa implementasi objek
pada citra dilambangkan dengan piksel hitam. Konektivitas antar piksel pusat
dengan tetangganya dibuat berdasarkan elemen terstruktur yang terdefini.
Memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur,
dan C sebagai objek citra keluaran hasil dilasi, maka proses dilasi dapat
dinotasikan sebagai :
Dilasi memiliki karakteristik :
Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan area yang
rusak, dan menghubungkan area yang dipisahkan oleh jarak yang lebih kecil
dari ukuran elemen terstruktur.
Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak
yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap
objek citra.
Algoritma yang dilakukan pada dilasi adalah sebagai berikut :
14
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari
citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan
posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel
latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran
pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel
latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar
depan.
Piksel latar depan pada citra masukan akan menjadi latar depan pada citra
keluaran dan juga pada piksel latar belakang pada citra masukan akan menjadi
latar depan pada citra keluaran.
Gambar 2.4 dilasi menggunakan elemen ter str uktur 8-konektivitas
2.9.4 Opening :
Menurut Dougherty (2009), Operator opening yaitu operator yang terdiri
dari rangkaian operasi operator erosion diikuti oleh dilation, yang diformulasikan
sebagai:
15
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Operator
opening
menghaluskan
garis
–
garis
bentuk
objek,
menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan –
penonjolan yang tipis.
2.9.5 Closing :
Menurut Dougherty (2009), Operator closing yaitu operator yang terdiri
dari rangkaian operasi operator dilation diikuti oleh erosion, yang diformulasikan
sebagai:
Operator closing akan menyatukan (fuse) patahan-patahan yang sempit,
menutup lubang-lubang kecil dan menghaluskan kontur.
2.10 Pendeteksian Tepi (Edge Detection) Canny
Menurut Yeni Herdiyeni, (2004) Pengambilan garis tepi dilakukan untuk
memudahkan perhitungan parameter-parameter lingkaran iris nantinya. Tepian
citra dapat didefinisikan sebagai piksel yang mengalami perubahan tajam pada
skala keabuannya. Tepian akan terlihat sebagai frekuensi tinggi pada spektrum
citra, sehingga dapat diekstrak dengan menggunakan filter tertentu dengan
meredam bagian frekuensi rendah. Ada beberapa metode deteksi tepi yang dapat
digunakan, antara lain :
- Metode Canny - Metoda Roberts
- Metode Sobel - Metoda Log
- Metoda Prewitt
Metoda Zerocross
16
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Dalam laporan ini digunakan metoda Canny, karena memiliki beberapa
kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang
digunakan. Canny edge detector ditemukan oleh Marr dan Hildreth yang meneliti
pemodelan persepsi visual manusia. Dalam memodelkan pendeteksi tepi, dia
menggunakan ideal step edge, yang direpresentasikan dengan fungsi Sign satu
dimensi. Pendekatan algoritma Canny dilakukan dengan konvolusi fungsi image
dengan operator gaussian dan turunan-turunannya.
Fungsi Gaussian dalam satu dimensi dapat direpresentasikan sebagai
berikut :
Turunan pertamanya :
dan Turunan keduanya adalah :
Gambar berikut menunjukkan fungsi - fungsi diatas:
17
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 2.5 fungsi Gaussian dan turunanya
Ketika citra dikonvolusikan dengan fungsi Gaussian, hasilnya dapat dilihat
ada gambar paling kiri dari gambar di bawah ini. Gambar selanjutnya
menunjukkan hasil konvolusi citra dengan turunan pertama dan kedua dari fungsi
Gaussian. Keberadaan dan lokasi tepi ditandai dengan puncak dan zero-crossing.
Gambar 2.6 Hasil Konvolusi Citra dengan Fungsi Gaussian
Turunan pertama dari fungsi citra yang dikonvolusikan dengan fungsi
Gaussian,
g(x, y) = D[Gauss(x, y) f(x,
∗
y)]
ekivalen dengan fungsi citra yang dikonvolusikan dengan turunan pertama
dari fungsi Gaussian,
g(x, y) = D[Gauss(x, y)] ∗ f(x, y)
18
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Oleh karena itu, memungkinkan untuk mengkombinasikan tingkat
kehalusan dan pendeteksian tepian ke dalam suatu konvolusi dalam satu dimensi
dengan dua arah yang berbeda (vertikal dan horizontal). Hal ini berlaku dalam
mengkonvolusikan turunan pertama Gaussian untuk pencarian puncak, atau
dengan turunan kedua Gaussian untuk mencari zero-crossing-nya. Ada beberapa
kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma
Canny :
1.
Mendeteksi dengan baik (kriteria deteksi)
Kemampuan untuk
meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan
parameter-parameter konvolusi yang dilakukan. Sekaligus juga
memberikan fleksibilitas yang sangat tinggi dalam hal menentukan
tingkat deteksi ketebalan tepi sesuai yang diinginkan.
2.
Melokalisasi dengan baik (kriteria lokalisasi)
Dengan Canny
dimungkinkan dihasilkannya jarak yang minimum antara tepi yang
dideteksi dengan tepi yang asli.
3.
Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap
tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada
pengolahan citra selanjutnya.
2.11 Thr esholding
(Shapiro, 2002) Thresholding adalah metode paling sederhana dari
segmentasi citra. Dari citra abu-abu, thresholding dapat digunakan untuk membuat
citra biner. Pada proses thresholding, masing - masing piksel pada sebuah citra
19
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ditandai sebagai piksel milik objek jika nilainya lebih dari ni
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
SKRIPSI
Oleh :
LUTFI RYANTOKO
0934010196
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
“VETERAN” J AWA TIMUR
2013
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh :
LUTFI RYANTOKO
0934010196
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
“VETERAN” J AWA TIMUR
2013
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
LEMBAR PENGESAHAN
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
Disusun oleh :
LUTFI RYANTOKO
0934010196
Telah disetujui mengikuti Ujian Negara Lisan
Gelombang IV Tahun Akademik 2012 / 2013
Pembimbing II
Pembimbing I
Budi Nugroho S.Kom, M.Kom .
NPT. 3 8009 050 205 1
Wahyu S.J .Saputr a, S.Kom, M.Kom
NPT. 3 8608 100 2951
Mengetahui,
Ketua Program Studi Teknik Informatika
Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Dr. Ir. Ni Ketut Sari, M.T
NIP. 19650731 199203 2001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
SKRIPSI
MENGETAHUI KINERJ A PENDETEKSIAN TITIK
API DENGAN MENGGUNAKAN PENDEKATAN
THRESHOLDING
Disusun Oleh :
LUTFI RYANTOKO
0934010196
Telah dipertahankan dan diterima oleh Tim Penguji Skripsi
Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Pada Tanggal 20 Desember 2013
Pembimbing :
1.
Tim Penguji :
1.
Budi Nugroho S.Kom, M.Kom.
NPT. 3 8009 050 205 1
Rizky Parlika, S.Kom, M.Kom
NPT. 3 8405 070 219 1
2.
2.
Wahyu S.J.Saputra, S.Kom, M.Kom
NPT. 3 8608 100 2951
Ir. Kartini S.Kom, M.T.
NIP. 196111101991032001
3.
Faisal Muttaqin, S.Kom
NPTY. 3 8512 130 3511
Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Ir . Sutiyono, MT
NIP. 19600713 198703 1001
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
: LUTFI RYANTOKO .
NPM
: 0934010196
Jurusan
: Teknik Informatika
Telah mengerjakan revisi / tidak ada revisi*) pra rencana (design) / skripsi ujian
lisan gelombang IV , TA 2012/2013 dengan judul:
“ MENGETAHUI KINERJ A PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING ”
Surabaya, Desember 2013
Dosen Penguji yang memeriksa revisi
1)
2)
3)
Rizky Parlika, S.Kom, M.Kom
NPT. 3 8405 070 219 1
{
}
Ir. Kartini S.Kom, M.T.
NIP. 196111101991032001
{
}
{
}
Faisal Muttaqin, S.Kom
NPTY. 3 8512 130 3511
Mengetahui,
Dosen Pembimbing
Pembimbing I
Budi Nugr oho S.Kom, M.Kom.
NPT. 3 8009 050 205 1
Pembimbing II
Wahyu S.J .Saputr a, S.Kom, M.Kom
NPT. 3 8608 100 2951
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
YAYASAN KESEJ AHTERAAN PEDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189
Fax. (031) 8706372 Website. www.upnjatim.ac.id
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama
:
Lutfi Ryantoko
NPM
:
0934010196
Program Studi
:
Teknik Informatika
Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2013/2014
dengan judul :
“ MENGETAHUI KINERJ A PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING “
Surabaya, 20 Desember 2013
Dosen penguji yang memeriksa revisi
1.
Rizky Par lika, S.Kom, M.Kom
NPT. 384050702191
2.
}
{
}
{
}
Ir. Kartini, S.Kom, MT
NIP.196111101991032001
3.
{
Faisal Muttaqin, S.Kom
NPTY. 3 8512 130 3511
Mengetahui,
Pembimbing Utama
Budi Nugroho S.kom ,M.Kom
NPT. 3 8009 050 205 1
Pembimbing Pendamping
Wahyu S.J Saputra, S.Kom, M.Kom
NPTY. 3 8608 100 2951
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
KATA PENGANTAR
Segala puji bagi Allah SWT Tuhan semesta alam atas segala berkat, rahmat,
taufik, serta hidayah-Nya sehingga penulis dapat menyelesaikan skripsi dengan judul
”Mengetahui Kinerja Pendeteksian Titik Api Dengan Menggunakan Pendekatan
Thresholding”.
Skripsi dengan beban 4 SKS ini disusun guna di ajukan sebagai salah satu syarat
untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika,
Fakultas Teknologi Industri, UPN “Veteran “ Jawa Timur.
Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan. Oleh
karena itu, penulis mengharapkan kritik dan saran yang membangun agar proposal ini
dapat lebih baik lagi. Akhir kata penulis berharap kerangka acuan skripsi ini dapat
memberikan wawasan dan pengetahuan kepada para pembaca pada umumnya dan
pada penulis pada khususnya.
Surabaya, Januari 2014
Penyusun
i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
UCAPAN TERIMA KASIH
Ucapan terima kasih ini kami persembahkan sebagai perwujudan rasa syukur
atas selesinya praktek kerja lapangan ini. Ucapan terima kasih saya tunjukan kepada :
1. Allah S.W.T karena berkat rahmat dan hidayah Nya kami dapat menyusun
dan menyelesaikan laporan SKRIPSI ini hingga selesai.
2. Ibu Ir. Ni Ketut Sari, M.T selaku Ketua Jurusan Teknik Informatika UPN
”Veteran” Jawa Timur yang selalu memberikan kemudahan dan kesempatan
bagi kami untuk berkreasi.
3. Bapak Budi Nugroho, S.Kom, M.Kom selaku dosen pembimbing I kami
yang telah meluangkan waktu dan pikiran serta sabar membimbing kami dari
awal hingga akhir laporan SKRIPSI ini dapat selesai.
4. Bapak Wahyu S. J. Saputra, S.Kom, M.Kom selaku dosen pembimbing II
kami yang telah meluangkan waktu dan pikiran serta sabar membimbing kami
dari awal hingga akhir laporan SKRIPSI ini dapat selesai.
5. Keluarga tercinta terutama Bapak dan Ibu tersayang , terima kasih atas semua
doa, dukungan serta harapan – harapannya pada saat kami menyelesaikan
SKRIPSI ini, yang hanya kami perlukan yaitu minta doa restu semoga laporan
ini bermanfaat bagi semua orang, dan tidak lupa untuk kekasih tercinta eka
fersiani yang selalu mendukung dalam SKRIPSI ini
6. Sahabat sahabat dan kawan- kawan dari “Informatic Dhe” , terutama Bang
rully dan wahyu serta rahman nur, hirson , yanuar (gabow),
radit, febi
(nyaak), syafiul umam (piul “juragan sego njamoer”) yang selalu menemani ,
menghibur, menyupport
dan memberikan motivasi dalam menyelesaikan
SKRIPSI ini dan masih banyak yang lainnya tidak dapat disebutkan satu
persatu.
ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR ISI
ABSTRAK
KATA PENGANTAR ................................................................................................................................ i
UCAPAN TERIMA KASIH ...................................................................................................................... ii
DAFTAR ISI ............................................................................................................................................... iii
DAFTAR GAMBAR.................................................................................................................................. vii
DAFTAR TABEL....................................................................................................................................... ix
BAB I PENDAHULUAN ........................................................................................................... 1
1.1 Latar Belakang ..................................................................................................................... 1
1.2 Rumusan Masalah .................................................................................................................. 4
1.3 Tujuan……….... .................................................................................................................... 4
1.4 Manfaat………....................................................................................................................... 4
1.5 Batasan Masalah .................................................................................................................... 4
BAB II TINJAUAN PUSTAKA
2.1 Penelitian Terdahulu …… ..................................................................................................... 5
2.2 Artifical Intelligence ............................................................................................................. 6
2.3 Image…………. ..................................................................................................................... 6
2.4 Analog Image ........................................................................................................................ 7
2.5 Digital Image ......................................................................................................................... 7
2.6 Computer Vision ................................................................................................................... 8
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.7 Pengolahan Citra Digital ...................................................................................................... 9
2.8 Citra Grayscale ...................................................................................................................... 9
2.9 Morfologi.. .............................................................................................................................. 10
2.9.1 Structuring Element.……………………………………….. ...................................... 11
2.9.2 Erosi .……………………………………….. ............................................................. 11
2.9.3 Dilasi .……………………………………….. ............................................................ 13
2.9.4 Opening .……………………………………….. ........................................................ 15
2.9.5 Closing .……………………………………….. ......................................................... 15
2.10 Pendeteksian Tepi (Edge Detection) Canny.. ..................................................................... 16
2.11 Thresholding......................................................................................................................... 19
2.12 Matlab….. ............................................................................................................................. 20
2.12.1 Kelengkapan Pada Sistem Matlab Sebagai Sebuah Sistem.. .................................... 22
2.13 Gui / Guide Matlab .. ........................................................................................................... 23
2.14 Membuat Gui Dengan Matlab.. ........................................................................................... 24
BAB III METODE KERJA PRAKTEK ..................................................................................... 26
3.1 Data Set ……………… ......................................................................................................... 26
3.2 Analisa sistem ………… ....................................................................................................... 29
3.3 Gambaran Aplikasi Secara Umum ………… ...................................................................... 30
3.3.1 Perancangan Proses…………. ...................................................................................... 31
iv
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
3.3.2 Grayscale …………....................................................................................................... 32
3.3.3 Thresholding …………. ................................................................................................ 33
3.3.4 Deteksi Tepi (Canny) …………….. ............................................................................. 34
3.3.5 Opening…………. ......................................................................................................... 35
3.3.6 Erosi …………………….............................................................................................. 35
3.3.7 Dilasi …………………… ............................................................................................ 36
3.3.8 Closing …………………….......................................................................................... 37
3.3.9 Invers …………………… ............................................................................................ 38
3.3.10 Hitung …………………… ......................................................................................... 39
3.3.11 Perancangan Tampilan Antarmuka …………………… .......................................... 40
BAB IV HASIL DAN PEMBAHASAN .................................................................................... 43
4.1 Kebutuhan Hardware dan Software ..................................................................................... 43
4.2 Implementasi Data ………… .................................................................................................... 44
4.3 Implementasi Antar Muka ................................................................................................................... 44
4.4 Implementasi Proses………. ............................................................................................................... 45
4.4.1 Mengambil Gambar .................................................................................................................... 45
4.4.2 Proses …………………….......................................................................................................... 46
4.5 Uji Coba Program ………. .................................................................................................................. 49
4.5.1 Skenario Uji Coba …………………….. ................................................................................... 49
4.5.2 Pelaksanaan Uji Coba ……………………................................................................................ 50
v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.5.3 Proses Grayscale …………………….. .................................................................................... 52
4.5.4 Proses Thresholding .…………………….. .............................................................................. 53
4.5.5 Proses Deteksi Tepi (Canny) …………………….. .................................................................. 53
4.5.6 Proses Opening …………………….. ....................................................................................... 54
4.5.7 Proses Erosi …………………….. ............................................................................................ 54
4.5.8 Proses Dilasi …………………….. ........................................................................................... 55
4.5.9 Proses Closing ……………………........................................................................................... 55
4.5.10 Proses Invers …………………….. ......................................................................................... 56
4.6 Pengujian Validasi Aplikasi ………. .................................................................................................. 60
BAB V KESIMPULAN DAN SARAN .................................................................................................... 65
5.1 Kesimpulan ...................................................................................................................................... 65
5.2 Saran................................................................................................................................................. 66
DAFTAR PUSTAKA
... ..................................................................................................................... 67
vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR GAMBAR
No.
Halaman
Gambar 2.1 Proses pengolahan citra digital.............................................................................. 10
Gambar 2.2 Elemen terstruktur 4- dan 8- konektivitas ............................................................ 12
Gambar 2.3 Erosi menggunakan elemen terstruktur 8- konektivitas ...................................... 13
Gambar 2.4 Dilasi menggunakan elemen terstruktur 8- konektivitas ..................................... 15
Gambar 2.5 Fungsi Gaussian dan turunanya ............................................................................ 18
Gambar 2.6 Hasil konvolusi citradengan fungsi Gaussian ..................................................... 18
Gambar 3.1 Flowchart Alur Program ........................................................................................ 31
Gambar 3.2 Flowchart Grayscale ............................................................................................. 32
Gambar 3.3 Flowchart Thresholding......................................................................................... 33
Gambar 3.4 Flowchart Deteksi Tepi (Canny) .......................................................................... 34
Gambar 3.5 Flowchart Opening................................................................................................. 35
Gambar 3.6 Flowchart Erosi ...................................................................................................... 36
Gambar 3.7 Flowchart Dilasi ..................................................................................................... 37
Gambar 3.8 Flowchart Closing .................................................................................................. 38
Gambar 3.9 Flowchart Closing .................................................................................................. 39
Gambar 3.10 Flowchart Hitung ................................................................................................. 40
Gambar 4.1 Source code mengambil gambar ........................................................................... 46
Gambar 4.2 Source code Proses ................................................................................................ 49
vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 4.3 Tampilan awal aplikasi ......................................................................................... 50
Gambar 4.4 Tampilan mengambil gambar................................................................................ 51
Gambar 4.5 Tampilan proses ..................................................................................................... 51
Gambar 4.6 Tampilan hitung ..................................................................................................... 52
Gambar 4.7 Proses Grayscale ................................................................................................... 52
Gambar 4.8 Proses Thresholding .............................................................................................. 53
Gambar 4.9 Proses Deteksi Tepi (canny)….............................................................................. 53
Gambar 4.10 Proses Opening ................................................................................................... 54
Gambar 4.11 Proses Erosi ......................................................................................................... 52
Gambar 4.12 Proses Dilasi ......................................................................................................... 55
Gambar 4.13 Proses Closing ..................................................................................................... 55
Gambar 4.14 Proses Invers ....................................................................................................... 56
Gambar 4.15 Perhitungan Kappa Cohen .................................................................................. 64
viii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
DAFTAR TABEL
No.
Halaman
Tabel 3.1 Tabel data set ……….. ............................................................................................... 26
Tabel 3.2 Perancangan Program Kinerja Pendeteksian Titik Api ............................................ 41
Tabel 4.5.1 Tabel Evaluasi Citra Sempurna ............................................................................. 56
Tabel 4.5.2 Tabel Evaluasi Citra Kurang sempurna ................................................................. 59
Tabel 4.5.3 Tabel Data Observasi Responden .......................................................................... 61
Tabel 4.5.4 Tabel Kesepakatan Responden .............................................................................. 62
ix
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Judul
: MENGETAHUI KINERJA PENDETEKSIAN TITIK API DENGAN
MENGGUNAKAN PENDEKATAN THRESHOLDING
Pembimbing I
: Budi Nugroho, S.Kom, M.Kom.
Pembimbing II
: Wahyu S. J. Saputra, S.Kom, M.Kom.
Penyusun
: Lutfi Ryantoko
ABSTRAK
Kebakaran hutan telah terjadi karena efek dari petir, manusia dan lain sebagainya.
kebakaran hutan menyebabkan berkurangnya spesies hewan dan tumbuhan, kesehatan
menurun. upaya yang dapat dilakukan yaitu dengan penyuluhan, dan menjaga kelestarian
hutan.
Thresholding adalah suatu metode yang digunakan untuk memisahkan antara
obyek dan backgroundnya. Thresholding adalah teknik yang sederhana tapi efektif
untuk
segmentasi citra. Dalam proses thresholding terhadap sebuah citra, hasil
yang
diperoleh tidak selalu memuaskan dan sesuai dengan keinginan. Hal ini dikarenakan
faktor penghambat seperti pencahayaan yang tidak merata atau citra yang kabur. Terdapat
beberapa macam teknik pengolahan citra digital, salah satunya adalah bagaimana melakukan
proses titik api dengan pendekatan thresholding dan dikembangkan melalui pre processing
image dengan menggunakan bahasa pemrograman matlab.
Dari hasil pengujian dapat ditunjukkan bahwa titik api dapat terdeteksi dengan sangat
sempurna difokuskan pada pengolahan bentuk objek.
Keyword: Kebakaran hutan, Matlab 7.0, Thresholding.
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Hutan merupakan sumber daya alam yang menyimpan berbagai potensi
yang kini gangguannya semakin meluas, kebakaran hutan merupakan salah satu
bentuk gangguannya. dampak negatif yang ditimbulkan oleh kebakaran hutan
cukup besar mencakup kerusakan ekologis, menurunnya keanekaragaman hayati,
merosotnya nilai ekonomi hutan dan produktivitas tanah, perubahan iklim mikro
maupun global, dan asapnya mengganggu kesehatan masyarakat Indonesia bahkan
negara lain karena asapnya melintasi batas negara. Kebakaran hutan juga
mengganggu transportasi baik darat, sungai, danau, laut dan udara. Hal ini
disampaikan oleh Direktotar Jenderal Perlindungan Hutan dan Konservasi Alam
pada tahun 2003.
Asap tebal dari kebakaran hutan berdampak negatif karena dapat
mengganggu kesehatan masyarakat terutama gangguan saluran pernapasan. Selain
itu asap tebal juga mengganggu transportasi khususnya tranportasi udara
disamping transportasi darat, sungai, danau, dan laut. Dampak lainnya adalah
kerusakan hutan setelah terjadi kebakaran dan hilangnya margasatwa. Hutan yang
terbakar berat akan sulit dipulihkan, karena struktur tanahnya mengalami
kerusakan. Hilangnya tumbuh-tumbuhan menyebabkan lahan terbuka, sehingga
mudah tererosi, dan tidak dapat lagi menahan banjir. Penyebab kebakaran hutan
sampai saat ini masih menjadi topik perdebatan, apakah karena alami atau karena
kegiatan manusia. Namun berdasarkan beberapa hasil penelitian menunjukkan
1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
bahwa penyebab utama kebakaran hutan adalah faktor manusia yang berawal dari
kegiatan atau permasalahan-permasalahan seperti sistem perladangan tradisional
dari penduduk setempat yang berpindah-pindah, pembukaan hutan oleh para
pemegang Hak Pengusahaan Hutan (HPH) untuk industri kayu maupun
perkebunan kelapa sawit dan permasalahan yang terakhir adalah penyebab
struktural yaitu kombinasi antara kemiskinan, kebijakan pembangunan dan tata
pemerintahan, sehingga menimbulkan konflik antar hukum adat dan hukum
positif negara.
Pada mulanya kerusakan lingkungan hanya terbatas pada tingkat domestik.
Namun dalam waktu yang tidak lama kerusakan lingkungan mulai merambah
kawasan wilayah dan juga mempengaruhi hubungan internasional di ASEAN.
Saat ini seluruh masyarakat tidak lagi meragukan bahwa lingkungan merupakan
suatu problem utama yang menjadikannya sebagai isu internasional. Dengan
timbulnya permasalahan ini, menyebabkan konflik antar wilayah ASEAN.
Walaupun tidak mudah untuk mengatasi gangguan ini, ASEAN terus
menyelenggarakan pertemuan untuk membahasnya. Tahun 2002 ASEAN
akhirnya mengesahkan sebuah perjanjian yang mengatur pengelolahan asap
tersebut. The ASEAN Agreement on Transboundary Haze Poluttion mengawasi
dan mencegah polusi asap melalui berbagai bentuk kerjasama yang telah
disepakati
Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah
diinterpretasikan oleh manusia atau mesin. Teknik-teknik pengolahan citra
mentransformasikan citra menjadi citra lain. Inputan pada proses ini adalah citra
dan keluarannya juga berupa citra dengan kualitas lebih baik daripada citra
2
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
inputan sebelumnya.
Image processing terdiri
dari
beberapa
tahap:
akusisi, prepocessing,
segmentasi, dan analisa. Tujuan utama dari image processing di instrumentasi
biomedis adalah untuk mengumpulkan informasi, screening atau invertigasi,
mendiagnosis, terapi dan kontrol, serta monitoring dan evaluasi. Segmentasi
memegang peranan yang sangat penting dengan memfasilitasi penggambaran
daerah yang penting dalam suatu citra atau disebut sebagai region of interest
Dalam hal ini bagi aparat pemerintah, perusahaan kehutanan serta
masyarakat sekitar hutan, pengadaan kampanye dan penyuluhan melalui berbagai
Apel Siaga pengendalian kebakaran hutan, sangat terbantu dengan adanya aplikasi
mengetahui kinerja pendeteksian titik api dengan menggunakan pendekatan
thresholding. (Soemarsono, 1997) Namun, dari semua upaya pencegahan itu
belum dapat dilaksanakan secara maksimal karena adanya keterbatasan di setiap
upayanya mulai dari SDM dan SDA. Pelacakan dan pemetaan titik api akan lebih
baik jika ditunjang dengan program yang baik pula. Pelacakan titik api dilakukan
oleh satelit NOAA-18.
Permasalahan lain yang dihadapi adalah Dinas Kehutanan Provinsi di
Indonesia hanya menerima koordinat letak titik api tanpa dipetakan dengan detail.
Oleh karena itu dalam penulisan tugas akhir ini dapat mengetahui kinerja
pendeteksian titik api dengan menggunakan pendekatan thresholding.
3
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
1.2.
Rumusan Masalah
rumusan masalah yang dibuat pada Tugas Akhir ini adalah:
a. Bagaimana melakukan proses titik api dengan pendekatan thresholding
dengan dikembangkan melalui pre processing image.
b. Bagaimana cara menghitung titik api yang terdeteksi.
1.3.
Tujuan
Tujuan dari tugas akhir ini adalah mengetahui kinerja pendeteksian titik
api dengan menggunakan pendekatan thresholding
1.4.
Manfaat
a.
Membantu pencegahan dan penanganan terhadap api jika terjadi kebakaran.
b.
Dapat memberikan informasi mengenai persebaran titik api jika terjadi
kebakaran agar masyarakat dapat berperan aktif memadamkan api.
1.5.
Batasan Masalah
a. Ukuran gambar maksimal 1 MG
b.
Gambar yang diteliti objek hanya berupa lilin dengan dikondisikan gelap dan
banyaknya cahaya tidak dapat terdeteksi dengan sempurna.
c.
Pengambilan citra dari atas minimum 30 cm
4
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
BAB II
TINJ AUAN PUSTAKA
2.1 Penelitian Terdahulu
Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan
beberapa hasil penelitian terdahulu oleh beberapa peneliti yang pernah penulis
baca diantaranya :
Penelitian yang dilakukan oleh Setyawan Widyarto tahun 2012 dengan
judul “Deteksi Lokasi Titik Api Pada Kebakar an Hutan”. Sistem pengolahan
citra secara digital yang diaplikasikan dalam hotspot dan penginderaan jauh
(satelit) sangat diperlukan untuk analisis pemetaan wilayah, geologi, geodesi, dan
sebagainya. Dalam hal ini pengolahan citra digital hasil citra satelit dan hotspot
untuk menganalisis dan mengidentifikasi titik api kebakaran hutan. Proses
pengolahan citra dimulai dari akuisisi data citra, segmentasi citra, preprocessing,
deteksi tepi, sampai citra siap dianalisis. Analisis citra dilakukan dengan proses
segmentasi difokuskan berdasarkan objek titik api pada kebakaran hutan.
Penelitian telah menghasilkan sebuah program untuk deteksi lokasi titik api pada
kebakaran hutan. Dengan deteksi awal dari pengolahan citra satelit tentang titik
api kebakaran hutan diteruskan pada segmentasi citra kemudian terjadi over
segmentation karena itu perlu ditambahkan atau dikembangkan dengan
menambahkan pre processing antara lain opening, erosi, sobel, dilation, dan
closing sehingga menghasilkan segmentasi yang lebih baik, untuk menentukan
objek titik api yang diharapkan.
5
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.2 Artifical Intelligence
(Luger,1993) Artifical Intelligence atau Kecerdasan buatan (AI) dapat
didefinisikan sebagai cabang dari ilmu komputer yang memusatkan perhatian
pada otomatisasi dari karakteristik inteligensia. (Kusumadewi, 2003) Kecerdasan
buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh
manusia. Manusia pandai dalam menyelesaikan segala permasalahan karena
manusia mempunyai pengetahuan dan pengalaman. Agar komputer dapat
bertindak seperti dan sebaik manusia, maka komputer juga harus dibekali bekal
pengetahuan dan mempunyai kemampuan untuk menalar. Dua bagian utama pada
konsep kecerdasan buatan, yaitu:
• Basis Pengetahuan
Berisi fakta, teori, pemikiran, dan hubungan suatu hal dengan hal lainnya.
• Mesin Inferensi
Kemampuan menarik kesimpulan berdasarkan pengalaman.
2.3 Image
Menurut (sutoyo, 2009:10)
Secara harafiah, citra adalah representasi
(gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari
sudut pandang matematis, citra merupakan fungsi menerus (continue) dari
intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek
memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini
ditangkap oleh alat-alat optik, misalnya mata pada manusia sehingga bayangan
objek yang disebut citra tersebut terekam. Citra dapat dikelompokkan menjadi
6
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
dua macam, yaitu citra analog dan citra digital. Citra analog dihasilkan dari sistem
optik yang menerima sinyal analog. Contoh: mata manusia, kamera analog.
Sedangkan citra digital dihasilkan melalui proses digitalisasi terhadap citra
kontinu. Contoh: kamera digital, scanner.
2.4 Analog Image
(sutoyo, 2009:10) Analog Image adalah image yang bersifat kontinu, seperti
gambar pada monitor televisi, foto sinar X, foto yang tercetak di kertas foto,
lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada
pita kaset dan lain sebagainya.Citra analog tidak dapat direpresentasikan dalam
komputer sehingga tidak bisa diproses dikomputer secara langsung. Oleh sebab
itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital
harus dilakukan terlebih dulu.
2.5 Digital Image
(sutoyo, 2009:10) Digital Image adalah Image yang dinyatakan secara diskrit
(tidak kontinu), baik untuk posisi koordinatnya maupun warnanya. Dengan
demikian, citra digital dapat digambarkan sebagai suatu matriks, dimana indeks
baris dan indeks kolom dari matriks menyatakan posisi suatu titik di dalam citra
dan harga dari elemen matriks menyatakan warna citra pada titik tersebut. Dalam
citra digital yang dinyatakan sebagai susunan matriks seperti ini, elemen–elemen
matriks tadi disebut juga dengan istilah piksel yang berasal dari kata picture
element.
7
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Shapiro dan Stockman (2001, p29), digital image adalah image 2D I[r,c] yang
direpresentasikan oleh array diskrit 2D dari intensitas sampel, dimana masing
masing titik direpresentasikan dengan ketelitian terbatas. Digital
image juga
didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan
terbatas dari nilai digital yang disebut picture elements atau pixel. Umumnya
pixel disimpan dalam komputer sebagai gambar raster, yaitu array dua dimensi
dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital image
dapat diperoleh dari berbagai macam alat dan teknik pengambil gambar, seperti
kamera digital, scanner, radar, dan sebagainya. Dapat pula disintesis dari data
seperti fungsi matematika dan lain lain. (Anonim, 2005a)
Menurut Jain, Kasturi dan Schunck (1995, p12), pixel adalah sampel dari
intensitas image yang terkuantisasi ke dalam nilai integer. Sementara Image
merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan
menjadi input awal dalam Computer Vision.
Beberapa bentuk digital image yang sering digunakan dalam Computer
Vision (Shapiro dan Stockman, 2001, p30):
• Binary image, yaitu digital image dengan nilai pixel 1 atau 0.
• Gray scale image, yaitu digital image monokrom dengan satu nilai
intensitas tiap pixel.
• Multispectral image, adalah image 2D yang memiliki vektor nilai pada
tiap pixel, jika image-nya berwarna maka vektornya memiliki 3 elemen.
•
Labeled image, adalah digital image dimana nilai pixel-nya adalah
simbol dari alfabet terbatas.
8
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.6 Computer Vision
Computer vision (Referensi : Kulkarni, Arun D., 2001, Computer Vision
and Fuzzy-Neural Systems, Prentice-Hall, Inc., New Jersey, hal. 1) didefinisikan
sebagai sebuah proses mengenal objek- objek penting dari sebuah citra dan dapat
digambarkan sebagai properti deduksi logik yang otomatis objek 3 dimensi dari
single image atau multiple image.
Computer vision dapat didefinisikan juga
sebagai ilmu dan teknologi mesin dimana mesin dapat mengektrasi informasi dari
citra yang diperlukan untuk menyelesaikan suatu tugas tertentu.
Computer vision sulit untuk diwujudkan karena format citra pada dasarnya
adalah
many to one mapping.
Tugas- tugas seperti mengidentifikasi tanda
tangan, mengidentifikasi tumor di dalam citra resonansi magnetik, mengenal
objek yang diterima dari citra yang dihasilkan oleh satelit, mengidentifikasi
wajah, menentukan lokasi sumber mineral dari sebuah citra, dan membangun citra
tiga dimensi dari potongan citra dua dimensi dipertimbangkan sebagai lapangan
subjek di Computer Vision. Tipe sistem Computer Vision terdiri dari tingkatan
seperti akuisisi citra (image acquisition), preprocessing, ekstrasi fitur (feature
extraction), menyimpan objek dengan asosiasi, mengakses basis pengetahuan dan
pengenalan. computer vision lebih daripada pengenalan, computer vision
melakukan operasi “low level processing” sebagai algoritma image processing
yang murni. Mereka juga yang menggolongkan image processing ke dalam
computer vision.
2.7 Pengolahan Citra Digital
(Munir. R. 2004) Pengolahan citra adalah pemrosesan citra, khususnya
dengan
menggunakan
komputer
menjadi
citra
yang
kualitasnya
9
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
lebih
baik.Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra
bila.
1. Perbaikan
atau
meningkatkan
memodifikasi
kualitas
citra
penampakan
perlu
atau
dilakukan
untuk
untuk
menonjolkan
beberapa aspek informasi yang terkandung dalam citra.
2.
Elemen di dalam citra perlu dikelompokkan, dicocok atau diukur.
3. Sebagian citra perlu digabung dengan citra lain Pengolahan
citra
bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh
manusia
atau
komputer.
Teknik-teknik
pengolahan citra
mentransformasikan citra menjadi citra lain.
Pengolahan
Citra
Citra
citra
Gambar 2.1 Proses pengolahan citra digital
2.8 Citra Grayscale
(Agus : 2010) Dalam komputasi, suatu citra digital grayscale atau
greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample
tunggal.
Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu,
bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih
pada intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”,
dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja
10
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
yaitu ”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam
dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale
seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada
spektrum elektromagnetik single band . Citra grayscale disimpan dalam format 8
bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas.
Format ini sangat membantu dalam pemrograman karena manupulasi bit yang
tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan
remote sensing biasa juga digunakan format 10,12 maupun 16 biT.
2.9 Morfologi
Menurut Krishna (2012), Morfologi merupakan suatu cabang dari
pengolahan citra yang sangat bermanfaat dalam analisis bentuk dalam citra.
Operasi morfologi adalah teknik pengolahan citra berdasarkan bentuk segmen
atau region dalam citra. Karena difokuskan pada bentuk obyek, maka operasi ini
biasanya diterapkan pada citra biner (terdiri dari 1 dan 0). pemrosesan citra secara
morfologi dilakukan denga cara mem-passing sebuah sturktur elemen terhadap
sebuah citra dengan cara yang hampir sama dengan konvolusi. Struktur elemen
dapat diibaratkan dengan mask pada pemrosesan citra biasa (bukan secara
morfologi).
2.9.1 Structuring Element :
Menurut Dougherty (2009), Structuring element dapat berukuran
sembarang. Structuring element
juga memiliki titik poros (disebut juga titik
origin/ titik asal/titik acuan). Operasi morfologi yang dapat dilakukan diantaranya:
•
Dilasi, Erosi, Closing
11
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.9.2 Erosi
(Dougherty, 2009) Erosi adalah salah satu operasi dasar dalam pemrosesan
citra secara morfologi. Erosi adalah sebuah operasi yang meningkatkan ukuran
dari latar belakang (dan mengikis objek latar depan) pada citra biner
Dengan memisalkan A sebagai objek pada citra masukan, B sebagai
elemen terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka
proses erosi dapat dinotasikan dengan:
Erosi dilakukan dengan bantuan elemen terstruktur. Elemen terstruktur
membantu menentukan pixel tetangga yang akan ditelusuri dengan proses erosi.
Elemen terstruktur yang sering digunakan adalah 4-konektivitas dan 8konektivitas.
0
1
0
1
1
1
1
1
1
1
1
1
0
1
0
1
1
1
4-connectivity
8-connectivity
Gambar 2.2 Elemen terstruktur 4- dan 8- konektivitas
Erosi memiliki karakteristik :
12
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Erosi pada umunya memperkecil ukuran dari objek dan menghilangkan
elemen atau anomali kecil dengan mengurangi objek dengan radius yang
lebih kecil dari ukuran elemen terstruktur.
Dengan citra binner erosi menghilangkan objek yang lebih kecil dari elemen
terstruktur dan mengiliminasi pixel parameter dari objek citra yang lebih
besar.
Algoritma yang dilakukan pada erosi adalah sebagai berikut:
Posisikan elemen terstruktur dibagian atas (menutupi) tiap-tiap piksel dari
citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan
posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan
piksel latar belakang di bawahnya (yang ditutupinya), maka tetapkan piksel
keluaran pada citra baru ke nilai latar belakang, maka tetapkan piksel.
Gambar 2.3 Erosi menggunakan elemen ter struktur 8-konektivitas
Dengan begitu, piksel latar belakang pada citra masukan akan menjadi
latar belakang pada citra keluaran dan juga piksel latar depan pada citra masukan
akan menjadi latar belakang pada citra keluaran.
13
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
2.9.3 Dilasi
(Daugherty, 2009) Dilasi adalah salah satu operasi dasar dalam morfologi
matematika. Pada citra biner, dilasi adalah sebuah operasi yang mengekspansi
atau memperbesar ukuran dari objek latar depan. Biasanya objek pada citra
dilambangkan dengan piksel putih, walaupun untuk beberapa implementasi objek
pada citra dilambangkan dengan piksel hitam. Konektivitas antar piksel pusat
dengan tetangganya dibuat berdasarkan elemen terstruktur yang terdefini.
Memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur,
dan C sebagai objek citra keluaran hasil dilasi, maka proses dilasi dapat
dinotasikan sebagai :
Dilasi memiliki karakteristik :
Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan area yang
rusak, dan menghubungkan area yang dipisahkan oleh jarak yang lebih kecil
dari ukuran elemen terstruktur.
Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak
yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap
objek citra.
Algoritma yang dilakukan pada dilasi adalah sebagai berikut :
14
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari
citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan
posisi piksel masukan.
Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel
latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran
pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel
latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar
depan.
Piksel latar depan pada citra masukan akan menjadi latar depan pada citra
keluaran dan juga pada piksel latar belakang pada citra masukan akan menjadi
latar depan pada citra keluaran.
Gambar 2.4 dilasi menggunakan elemen ter str uktur 8-konektivitas
2.9.4 Opening :
Menurut Dougherty (2009), Operator opening yaitu operator yang terdiri
dari rangkaian operasi operator erosion diikuti oleh dilation, yang diformulasikan
sebagai:
15
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Operator
opening
menghaluskan
garis
–
garis
bentuk
objek,
menghilangkan bagian – bagian yang sempit, dan menghilangkan penonjolan –
penonjolan yang tipis.
2.9.5 Closing :
Menurut Dougherty (2009), Operator closing yaitu operator yang terdiri
dari rangkaian operasi operator dilation diikuti oleh erosion, yang diformulasikan
sebagai:
Operator closing akan menyatukan (fuse) patahan-patahan yang sempit,
menutup lubang-lubang kecil dan menghaluskan kontur.
2.10 Pendeteksian Tepi (Edge Detection) Canny
Menurut Yeni Herdiyeni, (2004) Pengambilan garis tepi dilakukan untuk
memudahkan perhitungan parameter-parameter lingkaran iris nantinya. Tepian
citra dapat didefinisikan sebagai piksel yang mengalami perubahan tajam pada
skala keabuannya. Tepian akan terlihat sebagai frekuensi tinggi pada spektrum
citra, sehingga dapat diekstrak dengan menggunakan filter tertentu dengan
meredam bagian frekuensi rendah. Ada beberapa metode deteksi tepi yang dapat
digunakan, antara lain :
- Metode Canny - Metoda Roberts
- Metode Sobel - Metoda Log
- Metoda Prewitt
Metoda Zerocross
16
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Dalam laporan ini digunakan metoda Canny, karena memiliki beberapa
kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang
digunakan. Canny edge detector ditemukan oleh Marr dan Hildreth yang meneliti
pemodelan persepsi visual manusia. Dalam memodelkan pendeteksi tepi, dia
menggunakan ideal step edge, yang direpresentasikan dengan fungsi Sign satu
dimensi. Pendekatan algoritma Canny dilakukan dengan konvolusi fungsi image
dengan operator gaussian dan turunan-turunannya.
Fungsi Gaussian dalam satu dimensi dapat direpresentasikan sebagai
berikut :
Turunan pertamanya :
dan Turunan keduanya adalah :
Gambar berikut menunjukkan fungsi - fungsi diatas:
17
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 2.5 fungsi Gaussian dan turunanya
Ketika citra dikonvolusikan dengan fungsi Gaussian, hasilnya dapat dilihat
ada gambar paling kiri dari gambar di bawah ini. Gambar selanjutnya
menunjukkan hasil konvolusi citra dengan turunan pertama dan kedua dari fungsi
Gaussian. Keberadaan dan lokasi tepi ditandai dengan puncak dan zero-crossing.
Gambar 2.6 Hasil Konvolusi Citra dengan Fungsi Gaussian
Turunan pertama dari fungsi citra yang dikonvolusikan dengan fungsi
Gaussian,
g(x, y) = D[Gauss(x, y) f(x,
∗
y)]
ekivalen dengan fungsi citra yang dikonvolusikan dengan turunan pertama
dari fungsi Gaussian,
g(x, y) = D[Gauss(x, y)] ∗ f(x, y)
18
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Oleh karena itu, memungkinkan untuk mengkombinasikan tingkat
kehalusan dan pendeteksian tepian ke dalam suatu konvolusi dalam satu dimensi
dengan dua arah yang berbeda (vertikal dan horizontal). Hal ini berlaku dalam
mengkonvolusikan turunan pertama Gaussian untuk pencarian puncak, atau
dengan turunan kedua Gaussian untuk mencari zero-crossing-nya. Ada beberapa
kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma
Canny :
1.
Mendeteksi dengan baik (kriteria deteksi)
Kemampuan untuk
meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan
parameter-parameter konvolusi yang dilakukan. Sekaligus juga
memberikan fleksibilitas yang sangat tinggi dalam hal menentukan
tingkat deteksi ketebalan tepi sesuai yang diinginkan.
2.
Melokalisasi dengan baik (kriteria lokalisasi)
Dengan Canny
dimungkinkan dihasilkannya jarak yang minimum antara tepi yang
dideteksi dengan tepi yang asli.
3.
Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap
tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada
pengolahan citra selanjutnya.
2.11 Thr esholding
(Shapiro, 2002) Thresholding adalah metode paling sederhana dari
segmentasi citra. Dari citra abu-abu, thresholding dapat digunakan untuk membuat
citra biner. Pada proses thresholding, masing - masing piksel pada sebuah citra
19
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
ditandai sebagai piksel milik objek jika nilainya lebih dari ni