IMPLEMENTASI THRESHOLD METODE OTSU UNTUK DETEKSI BANGUN RUANG PADA CITRA DIGITAL

  IMPLEMENTASI THRESHOLD METODE OTSU UNTUK DETEKSI BANGUN RUANG PADA CITRA DIGITAL SKRIPSI

  Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijasah Sarjana Ilmu Komputer

  DEWA MADE SURYADHARMA 091401058 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN

  2013

  PERSETUJUAN

  Judul : IMPLEMENTASI THRESHOLD METODE OTSU UNTUK DETEKSI BANGUN RUANG PADA CITRA DIGITAL

  Kategori : SKRIPSI Nama : DEWA MADE SURYADHARMA Nomor Induk Mahasiswa : 091401058 Program Studi : S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Herriyance, ST, M.Kom Syahriol Sitorus, S.Si, MIT NIP. 19801024 201012 1 002 NIP. 19710310 199703 1 004 Diketahui/disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 001

  

PERNYATAAN

  IMPLEMENTASI THRESHOLD METODE OTSU UNTUK DETEKSI BANGUN RUANG PADA CITRA DIGITAL SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

  Medan, Oktober 2013 Dewa Made Suryadharma 091401058

  PENGHARGAAN

  Puji dan syukur penulis panjatkan kepada Ida Shang Hyang Widhi Wasa, Tuhan Yang Maha Esa, yang telah memberikan berkat dan anugerah-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.

  Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

  1. Bapak Prof. Dr. Dr. Syahril Pasaribu, DTM&H, Msc(CTM), Sp.A(K) selaku Rektor Universitas Sumatera Utara.

  2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

  3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu Komputer dan Dosen Pembanding II yang telah banyak meluangkan waktunya dalam memberikan masukan dan saran kepada penulis.

  4. Ibu Maya Silvi Lydia, B.Sc. M.Sc. selaku Sekretaris Program Studi S1 Ilmu Komputer.

  5. Bapak Syahriol Sitorus, S.Si, MIT selaku Dosen Pembimbing I yang telah banyak meluangkan waktunya dalam memberikan masukan dan saran kepada penulis.

  6. Bapak Herriyance, S.T, M.Kom selaku Dosen Pembimbing II yang telah banyak meluangkan waktunya dalam memberikan masukan dan saran kepada penulis.

  7. Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah banyak meluangkan waktunya dalam memberikan masukan dan saran kepada penulis.

  8. Semua dosen serta pegawai di Program Studi S1 Ilmu Komputer Fasilkom-TI USU.

  9. Kedua orang tua penulis, Bapak Dewa Putu Siantara dan Ibu Jero Metasari yang memberikan dukungan baik materi maupun moril sehingga penulis dapat menyelesaikan skripsi ini dengan baik dan kepada saudara penulis, Dewa Putu Adityadharma dan Dewa Nyoman Indradharma yang memberikan semangat kepada penulis.

  10. Ardi Hasiholan Pakpahan yang mendukung dalam memberikan bantuan informasi dan saran kepada penulis.

  11. Teman-teman pengurus IMILKOM Fasilkom-TI 2012-2013.

  12. Teman-teman sekaligus keluarga besar Program Studi S1 Ilmu Komputer Fasilkom-TI USU.

  13. Semua pihak yang terlibat langsung maupun tidak langsung yang tidak dapat penulis ucapkan satu demi satu yang telah membantu penyelesaian skripsi ini.

  Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini.

  Medan, Oktober 2013 Penulis,

  Dewa Made Suryadharma

  

ABSTRAK

  Bangun ruang merupakan sebuah bangun yang dibatasi oleh beberapa sisi dan disebut juga bangun tiga dimensi. Jumlah model sisi yang membatasi bangun tersebut menentukan nama dan bentuk bangun tersebut. Unsur-unsur sebuah bangun ruang adalah titik sudut, rusuk, dan sisi. Proses deteksi citra bangun ruang merupakan salah satu proses awal untuk menentukan ciri-ciri dari sebuah bangun ruang. Hal tersebut memungkinkan untuk membuat suatu sistem pengolahan citra yang dapat menerima masukan berupa citra objek yang kemudian akan diproses, dideteksi, dan diberikan keluaran berupa deskripsi objek. Proses deteksi citra bangun ruang dilakukan dengan proses Threshold metode otsu dan dateksi tepi

  

roberts. Metode otsu ini digunakan untuk menentukan nilai ambang dengan

  menggunakan analisis diskriminan. Analisis diskriminan akan memaksimumkan variable tersebut agar dapat memisahkan objek dan latar belakang. Langkah awal dari pembuatan sistem ini adalah pembuatan basis data dari enam jenis bangun ruang yaitu balok, kubus, bola, kerucut, tabung dan limas segitiga. Berdasarkan hasil uji deteksi implementasi threshold metode otsu untuk deteksi bangun ruang pada citra digital menghasilkan ketepatan pendeteksian bangun ruang sebesar 100%.

  Katakunci: Citra digital, Bangun Ruang, Threshold Otsu, Deteksi Tepi.

  

IMPLEMENTATION THRESHOLD METHOD OTSU FOR DETECTION

GEOMATRIC AT DIGITAL IMAGE

ABSTRACT

  Geometric is a waking restricted by some side and called also wake up in three dimensions. The number of model which limits wake up the sides determine the name and shape up. Elements of a geometric is the point angle, ribs, and sides. The process of detection geometric image is one of the initial processes to determine the characteristics of a geometric. It makes it possible to make an image processing system that can receive input in the form of the image of the object then will be processed, detected, and given the outflows in the form of a description of an object. The process of detection the image of geometric done with the process of threshold a method of otsu and edge detetion roberts. A method of otsu is used to determine the value of the verge of by using analysis diskriminan. Analysis diskriminan would maximize the the side variables in order to separate the object and the background. The initial step of manufacture of systems of this is making database of the six kinds of geometric, namely the beam cube, the ball, conical, a tube and limas of a triangle. Based on the detection of the implementation of test methods otsu threshold for the detection of geometric on digital image produce exactness detection geometric amounting to 100 %.

  Keyword: Digital Image, Geometric, Threshold Otsu, Edge Detection .

  DAFTAR ISI Hal.

  Persetujuan ii

  Pernyataan iii

  Penghargaan iv

  Abstrak vi

  Abstract

  Vii Daftar Isi viii

  Daftar Gambar xi

  Daftar Tabel xiii

  Bab 1 Pendahuluan

  1.1 Latar Belakang

  1

  1.2 Perumusan Masalah

  2

  1.3 Batasan Masalah

  2

  1.4 Tujuan Penelitian

  3

  1.5 Manfaat Penelitian

  3

  1.6 Metode Penelitian

  3

  1.7 Sistematika Penulisan

  5 Bab 2 Landasan Teori

  2.1 Pengolahan Citra

  6

  2.1.1 Citra

  6

  2.1.1.1 Citra Biner

  7

  2.1.1.2 Citra Grayscale

  8

  2.1.2 Citra Warna (8 bit)

  9

  2.1.3 Citra Warna (16 bit)

  9

  2.1.4 Citra Warna (24 bit)

  10

  2.2 Bangun Ruang

  10

  2.2.1 Kubus

  10

  2.2.2 Balok

  11

  2.2.3 Bola

  11

  2.2.4 Tabung

  12

  2.2.5 Limas Segitiga

  12

  2.2.6 Kerucut

  13

  2.3 JPEG

  13

  2.4 Thresholding

  14

  2.4.1 Proses Threshold

  15 Hal.

  2.4.2 Metode Otsu

  17

  2.5 Deteksi Tepi

  20

  2.5.1 Deteksi Tepi Roberts

  21 Bab 3 Analisis Dan Perancangan Sistem

  3.1 Analisis Sistem

  22

  3.1.1 Analisis Masalah

  22

  3.1.2 Analisis Kebutuhan Sistem

  25

  3.1.2.1 Kebutuhan Fungsional Sistem

  25

  3.1.2.2 Kebutuhan Non-Fungsional Sistem

  26

  3.1.3 Analisis Proses

  27

  3.2 Pemodelan

  27

  3.2.1 Use Case Diagram

  27

  3.2.2 Sequence Diagram

  28

  3.2.3 Activity Diagram

  31

  3.3 Pseudocode Program

  33

  3.3.1 Pseudocode Proses Implementasi Pendeteksian Bangun

  33 Ruang

  3.3.2 Pseudocode Proses Uji Deteksi Bangun Ruang

  34

  3.4 Perancangan Sistem

  35

  3.4.1 Perancangan Flowchart Sistem

  35

  3.4.2 Perancangan Antarmuka (Interface)

  35

  3.4.2.1 Form Awal

  36

  3.4.2.2 Form Utama

  37

  3.4.2.3 Form Uji Deteksi

  39 Bab 4 Implementasi dan Pengujian

  4.1 Implementasi

  41

  4.1.1 Form Awal

  41

  4.1.2 Form Utama

  42

  4.1.3 Form Uji Deteksi

  45

  4.1.4 Form Bantuan Utama

  48

  4.1.5 Form Bantuan Pengujian

  49

  4.2 Pengujian

  50

  4.2.1 Pengujian Black Box

  50

  4.2.1.1 Rencana Pengujian

  50

  4.2.1.2 Kasus dan Hasil Pengujian Alpha

  51

  4.2.1.3 Kesimpulan Hasil Pengujian Alpha

  53

  4.2.1.4 Kasus dan Hasil Pengujian Betha

  53

  4.2.1.5 Kesimpulan Hasil Pengujian Betha

  56 Hal.

  4.2.2 Pengujian Deteksi Bangun Ruang

  56

  4.2.2.1 Proses Uji Deteksi

  58

  4.3 Hasil Pengujian

  65 Bab 5 Kesimpulan dan Saran

  5.1 Kesimpulan

  74

  5.2 Saran Daftar Pustaka Lampiran Listing Program Lampiran Curriculum Vitae

  74

  75 A-1 B-1

  

DAFTAR GAMBAR

Hal.

  Ruang

Gambar 3.7 Use Case Diagram Sistem Deteksi Bangun Ruang

  23

  23

  23

  24

  24

  25

  28 Gambar 3.8 Sequence Diagram Proses Implementasi Pendeteksian Bangun Ruang

Gambar 3.9 Sequence Diagram Proses Uji Deteksi Citra Bangun

  Ruang

Gambar 3.10 Activity Diagram Implementasi Pendeteksian Bangun

  29

Gambar 3.5 Limas

  30

  31 Gambar 3.11 Activity Diagram Uji Deteksi Bangun Ruang

  32 Gambar 3.12 Flowchart Sistem

  33 Gambar 3.13 Rancangan Form Awal

  36 Gambar 3.14 Rancangan Form Utama

  37 Gambar 3.15 Rancangan Form Uji Deteksi

  39 Gambar 4.1 Form Awal

  42 Gambar 4.2 Form Utama

  43 Gambar 4.3 Form Utama Setelah Dimasukan Citra

  44 Gambar 4.4 Utama Setelah Dilakukan Threshold Otsu

  44 Gambar 4.5 Form Utama Setelah Dilakukan Deteksi Tepi Terhadap Citra

Gambar 3.6 KerucutGambar 3.4 TabungGambar 2.1 Gradasi warna grayscale

  Otsu

  8 Gambar 2.2 Proses perubahan citra warna menjadi grayscale

  9 Gambar 2.3 Format 8 bit

  9 Gambar 2.4 Kubus

  11 Gambar 2.5 Balok

  11 Gambar 2.6 Bola

Gambar 2.7 TabungGambar 2.8 Limas segitigaGambar 2.9 KerucutGambar 2.10 Proses ThresholdGambar 2.11 Contoh citra setelah dilakukan thresholdGambar 2.12 Contoh pengambilan nilai thresholding dengan metodeGambar 2.13 Contoh hasil thresholding dengan metode Otsu pada tulang rahangGambar 3.3 BolaGambar 2.14 Operator Roberts(b) dan (c) serta posisi pada citra f

  12

  12

  13

  13

  15

  17

  18

  20

  21 Gambar 3.1 Kubus

Gambar 3.2 Balok

  45 Hal.

Gambar 4.6 Form Uji Deteksi

  61 Gambar 4.18 Uji Deteksi Bangun Ruang Limas

  64

  63

  63

  62

  62

Gambar 4.23 Hasil Uji Deteksi Bangun Ruang TabungGambar 4.22 Deteksi Bangun Ruang TabungGambar 4.21 Hasil Uji Bangun Ruang KerucutGambar 4.20 Uji Deteksi Bangun Ruang KerucutGambar 4.19 Hasil Uji Deteksi Bangun Ruang Limas

  61 Gambar 4.17 Hasil Uji Deteksi Bangun Ruang Bola

  46 Gambar 4.7 Form Uji Deteksi Setelah Dimasukan Citra

  60

Gambar 4.16 Uji Deteksi Bangun Ruang Bola

  60 Gambar 4.15 Hasil Uji Deteksi Bangun Ruang Kubus

  59 Gambar 4.14 Uji Deteksi Bangun Ruang Kubus

  59 Gambar 4.13 Hasil Uji Deteksi Bangun Ruang Balok

  49 Gambar 4.12 Uji Deteksi Bangun Ruang Balok

  48 Gambar 4.11 Form Bantuan Pengujian

Gambar 4.10 Form Bantuan Utama

  47 TerhadapCitra

  47 Gambar 4.9 Form Uji Deteksi Setelah Dilakukan Deteksi Tepi

  46 Gambar 4.8 Form Uji Deteksi Setelah Dilakukan Threshold Otsu

  64

  

DAFTAR TABEL

Hal.

Tabel 4.1 Rencana PengujianTabel 4.2 Pengujian Hasil Input Citra Digital Oleh PenggunaTabel 4.3 Pengujian Hasil Threshold Otsu Oleh SistemTabel 4.4 Pengujian Hasil Deteksi Tepi Oleh SistemTabel 4.5 Citra Bangun RuangTabel 4.6 Hasil Uji Deteksi Citra Bangun Ruang

  50

  51

  52

  52

  55

  65 Tabel 4.7 Hasil Uji Deteksi Citra Bangun Ruang Dengan Citra Yang Telah Mengalami Kerusakan

  69