IMPLEMENTASI METODE DETEKSI TEPI DENGAN OPERATOR SOBEL UNTUK OPTIMASI SEGMENTASI CITRA DOKUMEN BERAKSARA JAWA SKRIPSI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika
Oleh: Maria Fransiska Fanny Puspandari 065314021 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika
Oleh: Maria Fransiska Fanny Puspandari 065314021 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
IMPLEMENTATION OF EDGE DETECTION METHOD WITH SOBEL OPERATOR FOR OPTIMIZATION DOCUMENT IMAGE SEGMENTATION OF JAVANESE CHARACTER A Thesis Presented as Partial Fullfillment of The Requirements to Obtain The Sarjana Computer Degree in Informatics Engineering Study Program
By: Maria Fransiska Fanny Puspandari 065314021
INFORMATICS ENGINEERING PROGRAM
INFORMATICS ENGINEERING DEPARTMENT FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Penelitian ini berfokus pada implementasi metode deteksi tepi dengan operator sobel untuk optimasi segmentasi citra dokumen beraksara Jawa. Deteksi tepi pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek- obyek gambar, yang bertujuan untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra. Untuk melihat kegunaan deteksi tepi pada citra dokumen beraksara Jawa, maka dilakukan proses segmentasi menggunakan profil proyeksi sehingga nantinya dapat terlihat bahwa dengan adanya proses deteksi tepi ini dapat meningkatkan prosentase keberhasilan segmentasi.
Untuk membandingkan prosentase keberhasilan segmentasi, dilakukan pengujian dengan cara pengamatan secara visual hasil-hasil citra karakter yang dihasilkan dari segmentasi dengan adanya deteksi tepi mempergunakan operator
sobel dengan deteksi tepi mempergunakan operator canny dan juga deteksi tepi
dengan operator sobel yang tersedia pada toolbox MATLAB.Berdasarkan hasil pengujian terhadap 5 citra dokumen dari penggunaan deteksi tepi mempergunakan operator sobel untuk segmentasi citra dokumen beraksara Jawa, diperoleh rata-rata prosentase keberhasilan segmentasi sebesar 84,76%. Sementara, jika pada dokumen yang sama dilakukan segmentasi tanpa terlebih dahulu dilakukan deteksi tepi, diperoleh rata-rata prosentase keberhasilannya 81,98%. Dan terhadap hasil pengujian dari penggunaan deteksi tepi mempergunakan operator canny untuk segmentasi citra dokumen beraksara Jawa, diperoleh rata-rata prosentase keberhasilan segmentasi sebesar 53,88%. Sedangkan hasil pengujian dari penggunaan deteksi tepi menggunakan operator
sobel
yang tersedia pada toolbox MATLAB, untuk segmentasi citra dokumen beraksara Jawa, diperoleh rata-rata prosentase keberhasilan segmentasi sebesar 72,42%. Maka dapat disimpulkan bahwa deteksi tepi mempergunakan operator
sobel yang diimplementasikan pada tugas akhir ini relatif lebih baik dibandingkan
dengan operator canny atau operator sobel MATLAB serta dapat membantu meningkatkan prosentase keberhasilan segmentasi karena terjadi proses rekonstruksi citra-citra karakter setelah dilakukan deteksi tepi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
This research focuses on the implementation of edge detection method with sobel operator to optimize the segmentation of document image of Javanese character. The edge detection on an image is a process that produces edges of image objects, which aims to improve the appearance of an area boundary lines or of objects in the image. To see the usefulness of edge detection in Javanese character document image, thus undertaken a segmentation process using projection profile so that later it can be seen that with the edge detection process, it may increase the percentage of successful segmentation.
To compare the percentage of successful segmentation, a test was carried out by visually observing the results of character images produced by segmentation with the existence of edge detection using sobel operator which was carried out in this thesis by the edge detection using canny operator and sobel operator available on the MATLAB toolbox.
Based on the test result of 5 document images from the usage of edge detection using sobel operator which was undertaken in this thesis to document images segmentation of Javanese characters, obtained the average of successful segmentation percentage for 84,76%. Meanwhile, if in the same document was carried out a segmentation without being conducted the edge detection first, obtained the average successful percentage for 81,98 %. And for the result test of edge detection usage used canny operator available on MATLAB toolbox to document images segmentation of Javanese characters, acquired the average successful percentage of segmentation for 53,88%. While the test result of edge detection usage utilized sobel operator available on MATLAB toolbox, for document images segmentation of Javanese characters, obtained the average of successful segmentation for 72,42%. Thus, it can be concluded that the edge detection using sobel operator which is implemented in this thesis is relatively better than MATLAB canny operator or sobel operator because thinning process affects to the edge result generated from the edge of the edge detection operators.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KATA PENGANTAR
Puji dan syukur kepada Tuhan Yesus Kristus atas segala berkat dan karunia-Nya, sehingga penulis dapat menyelesaikan tugas akhir yang berjudul “Implementasi Metode Deteksi Tepi dengan Operator Sobel untuk Optimasi Segmentasi Citra Dokumen Beraksara Jawa” ini dengan baik.
Penulis menyadari bahwa selama proses penelitian dan penyusunan laporan tugas akhir ini, banyak pihak yang telah memberikan bantuan baik berupa dukungan, perhatian, semangat, kritik dan saran yang sangat penulis butuhkan, sehingga pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya, antara lain kepada :
1. Anastasia Rita Widiarti, S.Si., M.Kom., selaku dosen pembimbing tugas akhir, atas kesabarannya dalam membimbing penulis, meluangkan waktunya, memberikan dukungan, motivasi, serta saran yang sangat membantu penulis.
2. Eko Hari Parmadi, S.Si., M.Kom, selaku dosen penguji yang telah memberikan saran dan masukan yang berguna dalam tugas akhir ini.
3. Sri Hartati Wijojo, S.Si., M.Kom, selaku dosen penguji yang telah memberikan saran dan masukan yang berguna dalam tugas akhir ini.
4. Y. Joko Nugroho, S.Si, selaku dosen penguji yang telah memberikan saran dan masukan yang berguna dalam tugas akhir ini.
5. Ayahku Fx. Heri Sulistya dan Ibuku Catharina Kusumandari serta adikku Sesilia Paramitha Novitasari, atas doa, semangat, dukungan baik moril
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI HALAMAN JUDUL BAHASA INDONESIA ........................................ i
HALAMAN JUDUL BAHASA INGGRIS ............................................. ii
HALAMAN PERSETUJUAN PEMBIMBING ................................... iii
HALAMAN PENGESAHAN ................................................................... iv
PERNYATAAN KEASLIAN KARYA .................................................. v
LEMBAR PERSETUJUAN PUBLIKASI ............................................. vi
ABSTRAK .................................................................................................. vii
ABSTRACT ............................................................................................... viii
KATA PENGANTAR .............................................................................. ix
DAFTAR ISI .............................................................................................. xi
DAFTAR GAMBAR ................................................................................. xiv
DAFTAR TABEL ...................................................................................... xvi
BAB I. PENDAHULUAN ...................................................................... 1
A. Latar Belakang .............................................................................. 1 B. Rumusan Masalah ......................................................................... 3 C. Tujuan ........................................................................................... 3 D. Batasan Masalah ........................................................................... 4 E. Metodologi Penelitian ................................................................... 4 F. Sistematika Penulisan ................................................................... 5BAB II. LANDASAN TEORI ................................................................. 7
A. Citra .............................................................................................. 71. Citra Biner .............................................................................. 8
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2. Citra Skala Keabuan ............................................................... 8
3. Citra Warna ............................................................................. 9
4. Citra Warna Berindeks ........................................................... 10
B. Pengolahan Citra .......................................................................... 10
1. Tepi (Edge) ............................................................................ 13
2. Deteksi Tepi ........................................................................... 15
C. Deteksi Tepi ................................................................................. 13
D. Operator Sobel ............................................................................. 17
E. Segmentasi ................................................................................... 23
1. Segmentasi ............................................................................. 23
2. Histogram ............................................................................... 24
F. Profil Proyeksi .............................................................................. 24
G. Matlab .......................................................................................... 26 BAB III. ANALISA DAN PERANCANGAN SISTEM .......................
29 A. Analisa Sistem .............................................................................. 29
B. Analisa Kebutuhan Hardware
- – Sofware ..................................... 31
1. Analisa Kebutuhan Hardware ................................................ 31
2. Analisa Kebutuhan Software ................................................. 31
C. Rancangan Proses Sistem ............................................................. 31
1. Data Flow Diagram Level 0 ................................................... 32
2. Data Flow Diagram Level 1 ................................................... 32
3. Flowchart Deteksi Tepi .......................................................... 33
4. Diagram Alir Proses Segmentasi ........................................... 35
D. Rancangan Pengujian ................................................................... 36
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB IV. IMPLEMENTASI ...................................................................... 38
A. Implementasi Program ................................................................. 381. Implementasi Deteksi Tepi .................................................... 38
2. Implementasi Segmentasi ...................................................... 41 BAB V. ANALISA HASIL DAN PEMBAHASAN ..............................
42 A. Data Masukan ............................................................................... 42
B. Analis Hasil .................................................................................. 44
Bab VI. Kesimpulan dan Saran .............................................................. 70
A. Kesimpulan ................................................................................... 70 B. Saran ............................................................................................. 71Daftar Pustaka ............................................................................................ 72
Lampiran ..................................................................................................... 74
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
Gambar 2.1 Citra biner dan representasinya dalam data digital ............... 8Gambar 2.2 Citra keabuan dan representasinya dalam data digital .......... 9Gambar 2.3 Citra warna dan representasinya dalam data digital .............. 9Gambar 2.4 Citra warna berindeks dan representasinya dalam data digital 10Gambar 2.5 Tepi curam ............................................................................. 13Gambar 2.6 Tepi landai ............................................................................. 14Gambar 2.7 Tepi curam dengan derau ....................................................... 14Gambar 2.8 Proses deteksi tepi citra .......................................................... 16Gambar 2.9 Susunan piksel pada konvolusi Sobel ..................................... 17Gambar 2.10 Matriks operator sobel untuk persamaan Sx .......................... 18Gambar 2.11 Matriks operator sobel untuk persamaan Sy .......................... 18Gambar 2.12 Citra semula ........................................................................... 19Gambar 2.13 Citra hasil konvolusi .............................................................. 23Gambar 2.14 Profil proyeksi horisontal dan vertikal .................................. 25Gambar 2.15 Gambar asli ........................................................................... 27Gambar 2.16 Hasil deteksi tepi Prewitt ...................................................... 28Gambar 2.17 Hasil deteksi tepi Canny ....................................................... 28Gambar 2.18 Hasil deteksi tepi Sobel ......................................................... 28Gambar 2.19 Hasil deteksi tepi Roberts ...................................................... 28Gambar 3.1 Citra karakter hasil segmentasi dengan deteksi tepi ............. 30Gambar 3.2 Data flow diagram level 0 ..................................................... 32Gambar 3.3 Data flow diagram level 1 ..................................................... 32PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.4 Flowchart proses deteksi tepi ................................................ 34Gambar 3.5 Diagram alir proses segmentasi ............................................. 36Gambar 5.1 Citra dokumen masukan data 1 ............................................. 43Gambar 5.2 Citra data 1 hasil konvolusi dengan Gradien X ..................... 45Gambar 5.3 Citra data 1 hasil konvolusi dengan Gradien Y ..................... 46Gambar 5.4 Hasil deteksi tepi citra dokumen data 1 ................................ 47Gambar 5.5 Potongan baris 1 dari citra dokumen data 1 .......................... 48Gambar 5.6 Citra-citra karakter baris 1 dari citra dokumen data 1 ........... 49DAFTAR TABEL
Tabel 5.1 Kriteria citra dokumen masukan ................................................ 42Tabel 5.2 Analisis output segmentasi citra dokumen data 1 melalui deteksi tepi .................................................................... 49Tabel 5.3 Analisis output segmentasi citra dokumen data 1 tanpa melalui deteksi tepi ........................................................... 50Tabel 5.4 Analisis output segmentasi citra dokumen data 2 melalui deteksi tepi ..................................................................... 52Tabel 5.5 Analisis output segmentasi citra dokumen data 2 tanpa melalui deteksi tepi ........................................................... 54Tabel 5.6 Analisis output segmentasi citra dokumen data 3 melalui deteksi tepi ..................................................................... 57Tabel 5.7 Analisis output segmentasi citra dokumen data 3 tanpa melalui deteksi tepi ........................................................... 58Tabel 5.8 Analisis output segmentasi citra dokumen data 4 melalui deteksi tepi ..................................................................... 59Tabel 5.9 Analisis output segmentasi citra dokumen data 4 tanpa melalui deteksi tepi ........................................................... 60Tabel 5.10 Analisis output segmentasi citra dokumen data 5 melalui deteksi tepi .................................................................... 63Tabel 5.11 Analisis output segmentasi citra dokumen data 5 tanpa melalui deteksi tepi ......................................................... 64Tabel 5.12 Rangkuman hasil analisis output hasil segmentasi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
melalui deteksi tepi ................................................................... 66
Tabel 5.13 Rangkuman hasil analisis output segmentasi tanpa deteksi tepi ...................................................................... 66Tabel 5.14 Rangkuman hasil analisis output segmentasi melalui deteksi tepi dengan operator canny MATLAB .............. 67Tabel 5.15 Rangkuman hasil analisis output segmentasi melalui deteksi tepi dengan operator sobel MATLAB ................ 68PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I PENDAHULUAN A. Latar Belakang Yogyakarta sebagai kota yang kaya akan keanekaragaman budayanya
menyimpan banyak sekali aset yang merupakan warisan budaya, salah satunya buku-buku kuno yang ditulis dengan aksara Jawa. Sayang sekali jika buku-buku tersebut hanya disimpan, padahal buku-buku tersebut perlu dilestarikan. Akan lebih bermanfaat lagi jika buku-buku tersebut dikonversi ke dalam format digital, sehingga kualitas dapat diperbaiki dan mudah dilakukan analisa citra untuk pengenalan citra dokumen.
Ada berbagai tahapan untuk sampai ke tahap pengenalan citra dokumen. Untuk proses awal akan dilakukan deteksi tepi pada citra dokumen. Deteksi tepi atau edge detection pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek gambar. Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya (Sigit,2005). Bila dua buah atau lebih obyek saling tumpang tindih, bila intensitas mereka tidak sama, akan meninggalkan jejak tepi sehingga diketahui obyek yang satu berada di depan obyek yang lain atau sebaliknya. Hal ini penting untuk mengembalikan atau merekonstruksi bentuk yang seharusnya dari obyek yang berada di belakang obyek lainnya, atau memisahkan obyek yang tumpang tindih sehingga dapat dianalisis secara individu. Dengan demikian
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2 tepi suatu obyek juga berguna untuk memisahkan obyek yang saling bersinggungan sehingga mereka tidak dianggap sebagai satu obyek yang besar dan dapat dianalisis secara individu. Setelah didapatkan tepi-tepi dari obyek tersebut maka dapat diambil untuk diolah ke proses selanjutnya, yaitu segmentasi yang berarti memisahkan obyek gambar dengan latar belakangnya. Oleh sebab itu, dalam penelitian ini diharapkan dengan adanya deteksi tepi akan membantu meningkatkan keberhasilan segmentasi. Segmentasi dalam tugas akhir ini akan menggunakan segmentasi dengan profil proyeksi yang akan diimplementasikan sesuai dengan acuan Widiarti (Widiarti,2007).
Dalam tugas akhir ini, akan digunakan operator Sobel sebagai metode dalam melakukan deteksi tepi pada citra dokumen teks beraksara Jawa.
Dengan operator Sobel batas tepian akan terlihat dengan jelas dan lebih halus, tetapi di situ akan terlihat banyak respon yang dihasilkan (Kusno,2009). Operator Sobel merupakan operator yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya (Hamidah,2010).
Dalam melakukan pengujian digunakan operator canny dan operator
sobel
yang tersedia dalam toolbox MATLAB sebagai pembanding dalam mendeteksi tepi citra dokumen beraksara Jawa. Menurut Uma Hamidah (Hamidah,2010) operator canny dapat mendeteksi dan melokalisasi dengan baik yang menghasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi asli. Dan juga respon yang jelas yaitu hanya ada satu respon untuk tiap tepi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
B. Rumusan Masalah
Berdasarkan latar belakang di atas, maka dapat dirumuskan beberapa masalah sebagai berikut :
1. Bagaimana mengimplementasikan metode deteksi tepi dengan operator
sobel pada citra dokumen teks beraksara Jawa ?
2. Berapakah prosentase keberhasilan proses segmentasi pada citra dokumen teks beraksara Jawa dengan adanya deteksi tepi menggunakan operator sobel ?
3. Apakah deteksi tepi menggunakan operator sobel yang dilakukan pada tugas akhir ini lebih baik bila dibandingkan dengan deteksi tepi menggunakan operator canny dan operator sobel yang tersedia dalam
toolbox
MATLAB? C.
Tujuan
Penelitian dalam tugas akhir ini mempunyai tujuan yaitu :
1. Memahami cara kerja proses deteksi tepi pada citra dokumen teks beraksara Jawa menggunakan operator sobel.
2. Mengukur keberhasilan proses segmentasi pada citra dokumen teks beraksara Jawa yang sudah melalui proses deteksi tepi dengan menggunakan operator sobel.
3. Membandingkan keberhasilan deteksi tepi menggunakan operator
sobel
pada tugas akhir ini dengan deteksi tepi menggunakan operator
canny dan operator sobel yang tersedia dalam toolbox MATLAB yang
diimplementasikan pada citra dokumen beraksara Jawa untuk
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
D. Batasan Masalah
Adapun permasalahan yang akan diselesaikan akan dibatasi oleh hal- hal sebagai berikut :
1. File citra dokumen masukan yang diproses adalah file dengan extensi
- .jpg. Citra dokumen masukan yang ideal adalah citra dokumen beraksara Jawa yang tidak miring, bebas dari derau atau noise, dan merupakan citra keabuan. File data merupakan koleksi dari hasil penelitian Widiarti, dkk (Widiarti,dkk, 2010).
2. Sistem yang akan dibangun hanya akan membahas proses deteksi tepi dan sedikit proses segmentasi. Apabila ada proses yang perlu dilakukan sebelum proses deteksi tepi ataupun segmentasi, maka proses tersebut akan dilakukan secara manual dan tidak dibahas dalam tugas akhir ini.
3. Program dalam tahap perancangan sistem dinyatakan dengan menggunakan bahasa pemrograman MATLAB.
4. Pengujian yang dilakukan dengan melakukan pengamatan secara visual atau kasat mata dari hasil segmentasi tanpa deteksi tepi dengan segmentasi yang sudah melalui proses deteksi tepi dan dengan membandingkan antara operator sobel yang dilakukan dalam tugas akhir ini dengan operator canny dan operator sobel yang tersedia dalam toolbox MATLAB.
E. Metodologi Penelitian
Di dalam melakukan penelitian ini, penulis melakukan metodologi penelitian sebagai berikut :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
1. Studi literatur.
Melakukan studi kepustakaan terhadap berbagai referensi yang berhubungan dengan penelitian yang dilakukan, pendalaman MATLAB, serta penentuan masalah yang akan dianalisis.
2. Melakukan perancangan sistem.
Melakukan perancangan sistem berupa diagram aliran data pada masing- masing proses yang akan dilakukan.
3. Penulisan program.
Mengimplementasikan proses-proses dalam diagram aliran data dalam tahap perancangan sistem dinyatakan dengan menggunakan bahasa pemrogramana MATLAB.
4. Melakukan pengujian.
Melakukan pengujian terhadap hasil segmentasi melalui deteksi tepi dengan operator sobel.
5. Analisis hasil.
Melakukan analisis hasil terhadap citra-citra karakter hasil segmentasi melalui deteksi tepi dengan citra-citra karakter hasil segmentasi tanpa deteksi tepi.
F. Sistematika Penulisan
Bab I. Pendahuluan Dalam bab ini akan dijelaskan mengenai latar belakang masalah, rumusan
masalah, batasan masalah, tujuan penelitian, metodologi penelitian, dan sistematika penulisan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
Bab II. Landasan Teori Dalam bab ini akan dijelaskan mengenai pengetahuan yang menjadi dasar
teori untuk mengimplementasikan metode deteksi tepi dengan menggunakan operator sobel pada citra aksara Jawa.
Bab III. Analisa dan Perancangan Sistem Dalam bab ini berisi analisa sistem yang dibutuhkan untuk penelitian ini. Berdasarkan analisa sistem tersebut, akan dirancang sistem untuk
menyelesaikan masalah dalam penelitian ini. Analisa sistem tersebut meliputi gambaran umum sistem, analisa kebutuhan. Perancangan sistem meliputi diagram aliran data masing-masing proses yang akan dilakukan.
Bab IV. Implementasi Bab ini berisi penjelasan mengenai tahapan-tahapan penelitian dalam
mengubah rancangan yang telah dibuat ke dalam bentuk program dengan menggunakan bahasa pemrograman MATLAB.
Bab V. Hasil dan Pembahasan Dalam bab ini hasil dan pembahasan menguraikan dan membahas tentang analisa hasil penelitian yang dilakukan penulis. Bab VI. Kesimpulan dan Saran Bab ini berisi kesimpulan yang dapat diambil penulis selama melakukan
penelitian berdasarkan hasil-hasil pada bab sebelumnya, dan juga berisi saran yang dapat diajukan penulis untuk pengembangan lebih lanjut.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB II LANDASAN TEORI Bab ini akan menjelaskan mengenai teori yang berhubungan dengan
penelitian dalam tugas akhir ini, yaitu mencakup citra, pengolahan citra, deteksi tepi, operator sobel, histogram, segmentasi, profil proyeksi, dan Matlab.
A. Citra
Citra merupakan suatu gambar pada bidang dua dimensi (Munir, 2004), secara umum citra dapat dikelompokkan menjadi 2, yaitu citra tampak seperti foto keluarga, gambar burung dan citra tak tampak seperti data gambar dalam file yang sering disebut dengan citra digital. Dari kelompok citra tersebut, hanya citra digital yang dapat diolah menggunakan komputer, sehingga yang akan dibahas dalam tugas akhir ini hanya citra digital sebagai obyek yang diteliti dalam penelitian ini.
Citra digital tersusun atas kumpulan titik atau elemen-elemen gambar yang disebut piksel (picture element). Piksel merupakan elemen terkecil dari sebuah citra digital, dengan jumlah total piksel adalah M x N, dimana M merupakan width (nilai tinggi citra digital) dan N merupakan height (nilai lebar citra digital). Setiap piksel memiliki nilai berupa angka digital yang merepresentasikan informasi yang mewakili piksel tersebut.
Menurut Achmad dan Firdausy (Achmad dan Firdausy,2005), format nilai piksel ditentukan oleh format citra digital antara lain :
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
1. Citra Biner Citra biner merupakan citra yang hanya mempunyai dua nilai derajat keabuan yaitu hitam dan putih. Setiap piksel pada citra biner memiliki nilai 0 untuk warna hitam atau 1 untuk warna putih dan hanya membutuhkan representasi 1 bit. Beberapa contoh citra biner antara lain, citra logo instansi (yang hanya terdiri atas warna hitam dan putih), citra kode barang yang tertera pada label barang, dan citra teks (hasil pemindaian dokumen).
Gambar 2.1
Citra biner dan representasinya dalam data digital
2. Citra Skala Keabuan Skala keabuan memberikan kemungkinan warna yang lebih banyak daripada citra biner. Banyaknya kemungkinan nilai dan nilai maksimumnya bergantung pada jumlah bit yang digunakan. Misalnya untuk skala keabuan 8 bit, maka jumlah kemungkinan nilainya adalah
8
8
2 = 256, dan nilai maksimumnya adalah 2
- – 1 = 255. Format citra ini disebut skala keabuan karena pada umumnya warna yang dipakai adalah antara hitam sebagai warna minimal dan putih sebagai warna maksimalnya, sehingga warna antaranya adalah abu-abu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Gambar 2.2 Citra keabuan dan representasinya dalam data digital3. Citra Warna Pada citra warna, setiap titik mempunyai warna yang spesifik yang merupakan kombinasi dari 3 warna dasar, yaitu : merah, hijau, dan biru. Format citra seperti ini sering disebut sebagai citra RGB (red-green-blue). Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit), misalnya warna kuning merupakan kombinasi warna merah dan hijau sehingga nilai RGB-nya adala 255 255 0. Dengan demikian setiap titik pada citra warna membutuhkan data 3 byte.
Jumlah kombinasi warna yang mungkin untuk format citra ini
24
adalah 2 atau lebih dari 16 juta warna, dengan demikian bisa dianggap mencakup semua warna yang ada.
Gambar 2.3 Citra warna dan representasinya dalam data digitalPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
4. Citra Warna Berindeks Jumlah memori yang dibutuhkan untuk format citra warna adalah 3 kali jumlah titik yang ada dalam citra yang ditinjau. Di lain pihak, pada kebanyakan kasus, jumlah warna yang ada dalam suatu citra terkadang sangat terbatas, karena banyaknya warna dalam sebuah citra tidak mungkin melebihi banyaknya titik dalam citra itu sendiri. Untuk kasus tersebut, disediakan format citra warna berindeks. Pada format ini, informasi setiap titik merupakan indeks dari suatu tabel yang berisi informasi warna yang tersedia, yang disebut palet warna.
Palet warna merupakan bagian dari citra warna berindeks, sehingga pada saat menyimpan citra ini ke dalam file, informasi palet warna juga harus disertakan.
Gambar 2.4 Citra warna berindeks dan representasinya dalam datadigital B.
Pengolahan Citra
Pengolahan citra digital adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra dengan kualitas lebih baik.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11 Pengolahan citra digital bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin.
Operasi-operasi yang dilakukan di dalam pengolahan citra banyak ragamnya. Namun secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis (Munir, 2004) sebagai berikut :
1. Perbaikan kualitas citra Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri- ciri khusus yang terdapat di dalam citra lebih ditonjolkan.
2. Pemugaran citra Operasi ini bertujuan menghilangkan / meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui.
3. Pemampatan citra Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus.
4. Segmentasi citra Jenis operasi ini bertujuan untuk memecah citra ke dalam beberapa segmen dengan suatu kriteria tertentu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
5. Analisis citra Jenis operasi ini bertujuan menghitung besar kuantitatif dari citra untuk menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertentu yang membantu dalam mengidentifikasi obyek. Proses segmentasi kadangkala diperlukan untuk melokalisasi obyek yang diinginkan dari sekelilingnya.
6. Rekonstruksi citra Jenis operasi ini bertujuan untuk membentuk ulang obyek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Pengolahan citra pada dasarnya dilakukan dengan cara memodifikasi setiap titik dalam citra tersebut sesuai keperluan. Menurut Achmad dan
Firdausy (Achmad dan Firdausy, 2005), secara garis besar modifikasi tersebut dikelompokkan menjadi :
1. Operasi titik, dimana setiap titik diolah secara tidak berhubungan terhadap titik-titik yang lain.
2. Operasi global, dimana karakteristik global (biasanya bersifat statistik) dari citra yang digunakan untuk memodifikasi nilai setiap titik.
3. Operasi temporal/ berbasis bingkai, dimana sebuah citra diolah dengan cara dikombinasikan dengan citra lain.
4. Operasi geometri, dimana bentuk, ukuran, atau orientasi citra dimodifikasi secara geometris.
5. Operasi banyak titik tetangga, dimana data dari titik-titik yang bersebelahan dengan titik yang ditinjau ikut berperan dalam
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13 mengubah nilai.
6. Operasi morfologi, yaitu operasi yang berdasarkan segmen atau bagian dalam citra yang menjadi perhatian.
C. Deteksi Tepi
1. Tepi (Edge)
Yang dimaksud dengan tepi atau edge dalam hal ini adalah perubahan nilai derajat keabuan pada citra yang besar dalam jarak yang singkat. Perbedaan intensitas inilah yang menandakan adanya perbedaan objek, sehingga selanjutnya dapat diketahui objek-objek yang berbeda pada citra yang dianalisis. Tepi pada umumnya berada pada batas antara dua objek yang berbeda. Tepi dapat diorientasikan dengan suatu arah, dan arah ini dapat berbeda-beda tergantung pada perubahan intensitasnya.
Menurut Munir (Munir,2004) ada tiga macam tepi yang terdapat di dalam citra yaitu : a. Tepi curam, dimana tepi memiliki perubahan intensitas yang
o sangat tajam dengan arah tepi 90 . Dapat dilihat pada gambar 2.5.
Gambar 2.5
Tepi curam
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14 b. Tepi landai yaitu tepi dengan sudut arah yang kecil. Tepi landai dapat dianggap terdiri dari sejumlah tepi-tepi lokal yang lokasinya berdekatan, seperti yang terlihat pada gambar 2.6.
5 5 10 10 15 15 5 5 10 10 15 15 5 5 10 10 15 15 5 5 10 10 15 15
Gambar 2.6 Tepi Landaic. Tepi curam dengan derau seperti pada gambar 2.7. Umumnya tepi yang terdapat pada aplikasi visi computer mengandung derau.
Operasi peningkatan kualitas citra dapat dilakukan terlebih dahulu sebelum pendeteksian tepi.
Gambar 2.7
Tepi curam dengan derau
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
2. Deteksi Tepi
Deteksi tepi ( Edge Detection ) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi citra pada obyek citra (Sigit, 2005). Deteksi tepi merupakan langkah pertama untuk melingkupi informasi di dalam citra. Tepi mencirikan batas-batas obyek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi obyek di dalam citra. Tujuan operasi deteksi tepi adalah untuk meningkatkan penampakan garis batas suatu daerah atau obyek di dalam citra (Munir, 2004).
Terdapat beberapa teknik yang digunakan untuk mendeteksi tepi, antara lain (Munir, 2004) : a. Operator gradien pertama, contoh beberapa gradien pertama yang dapat digunakan untuk mendeteksi tepi di dalam citra, yaitu operator gradien selisih-terpusat, operator Sobel, operator Prewitt, operator
Roberts , operator Canny.
b. Operator turunan kedua, disebut juga operator Laplace. Operator Laplace mendeteksi lokasi tepi khususnya pada citra tepi yang curam.
Pada tepi yang curam, turunan keduanya mempunyai persilangan nol, yaitu titik di mana terdapat pergantian tanda nilai turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol. Contohnya adalah operator Laplacian Gaussian, operator Gaussian.
c. Operator kompas, digunakan untuk mendeteksi semua tepi dari berbagai arah di dalam citra. Operator kompas yang dipakai untuk deteksi tepi menampilkan tepi dari 8 macam arah mata angin yaitu Utara, Timur Laut, Timur, Tenggara, Selatan, Barat, Barat Daya, dan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16 Barat Laut. Deteksi tepi dilakukan dengan mengkonvolusikan citra dengan berbagai mask kompas, lalu dicari nilai kekuatan tepi (magnitude) yang terbesar dan arahnya. Operator kompas yang dipakai untuk deteksi tepi menampilkan tepi dari 8 macam arah mata angin, yaitu Utara, Timur Laut, Timur, Tenggara, Selatan, Barat, Barat Daya, dan Barat Laut.
Gambar 2.8 Proses deteksi tepi citraGambar 2.8 menggambarkan proses deteksi tepi citra. Citra awal merupakan citra biner, sehingga dapat terlihat dengan jelas perbedaanantara obyek dengan latar belakang. Dari citra awal kemudian dilakukan differensial arah vertikal sehingga didapatkan edge yang sejajar dengan sumbu x, dilakukan juga differensial arah horisontal sehingga didapatkan edge yang sejajar dengan sumbu y. Setelah didapatkan edge horisontal dan vertikal, kemudian keduanya digabungkan, sehingga akan menghasilkan deteksi tepi citra yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
D. Operator Sobel
Sobel edge detection
adalah salah satu metode dalam image
processing yang berguna untuk mendeteksi tepi (edge) suatu obyek dalam gambar digital (Gonzales & Woods, 2000).
Satu cara untuk menghindari gradien yang dihitung pada titik interpolasi dari piksel-piksel yang terlibat dengan cara menghaluskan citra digital. Proses penghalusan yang digunakan merupakan proses konvolusi dari jendela yang ditetapkan terhadap citra yang terdeteksi dengan menggunakan jendela 3 x 3 untuk perhitungan gradien, sehingga perkiraan gradien berada tepat di tengah jendela.
Agar perkiraan gradien tepat di tengah jendela, dalam konvolusi Sobel menggunakan susunan piksel-piksel disekitar piksel (x,y) seperti pada gambar 2.9.
Gambar 2.9 Susunan Pixel Pada Konvolusi SobelSehingga besar gradien dihitung dengan menggunakan persamaan : Sx = (a2 + ca3 + a4) -
(a0 + ca7 + a6) ………………………… (2.1) Sy = (a0 + ca1 + a2) -
(a6 + ca5 + a4) ………………………… (2.2) dengan Sx = gradien piksel x, Sy = gradien piksel y, dan c = konstanta yang bernilai 2. Dari persamaan di atas, diperoleh dua buah matriks operator
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Gambar 2.10
Matriks Operator Sobel untuk Persamaan Sx
Gambar 2.11 Matriks Operator Sobel untuk Persamaan SyDari matriks di atas terlihat bahwa Sobel memberikan pembobotan pada piksel-piksel yang lebih dekat dengan titik pusat. Matriks ini dapat digunakan secara terpisah pada gambar masukan, untuk menghasilkan pengukuran yang terpisah dari komponen gradien pada setiap orientasi untuk mencari skala absolut dari gradien pada setiap titik dan orientasi gradien tersebut. Pada umumnya digunakan pendekatan nilai gradien tersebut dengan nilai absolut :
…………(2.3) Contoh berikut ini memperlihatkan proses konvolusi dalam deteksi tepi dengan operator Sobel. Terdapat gambar botol yang merupakan citra biner seperti pada gambar 2.12 di bawah ini yang digunakan sebagai contoh untuk proses konvolusi dalam deteksi tepi dengan operator sobel.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
Gambar
2.12 Citra semula Dari citra di atas, diambil sample gambar diujung bawah yang ditandai dengan kotak berwarna merah. Dari sample gambar tersebut, kemudian didapatkan matriks gambar seperti yang terlihat pada tabel 2.1.
Tabel 2.1 Matriks dari citra sample 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20 Setelah didapatkan matriks dari sample, kemudian akan dilakukan proses konvolusi. Dan dari matriks sample tersebut diambil contoh 3 titik pusat untuk dilakukan proses konvolusi dengan operator sobel.
Untuk konvolusi contoh pertama, dengan titik pusat yang ditandai 0 0 0 dengan warna merah : 1 1 1
1 1 1 Dengan dan
1. Lakukan konvolusi dengan mask Sx, yaitu : Gx = (0)(-1) + (1)(-2) + (1)(-1) + (0)(0) + (1)(0) + (1)(0) + (0)(1) + (1)(2) + (1)(1) = 0
2. Lakukan konvolusi dengan mask Sy, yaitu : Gy = (0)(1) + (0)(2) + (0)(1) + (1)(0) + (1)(0) + (1)(0) + (1)(-1) + (1)(-2) + (1)(-1) = - 4 3. Maka diperoleh M = |0| + |-4| = 4.
Untuk konvolusi contoh kedua, dengan titik pusat yang ditandai 0 0 1 1 1 1 dengan warna biru : 1 1 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21 Dengan dan
1. Lakukan konvolusi dengan mask Sx, yaitu : Gx = (0)(-1) + (1)(-2) + (1)(-1) + (0)(0) + (1)(0) + (1)(0) + (1)(1) + (1)(2) + (1)(1) = 0