Pembangunan Aplikasi Pengenalan Objek pada T-Shirt Menggunakan Metode Canny Chamfer Matching (di Perusahaan Sui Warehouse Production)

BIODATA PENULIS 1.

   Data Pribadi

  Nama : Iwan Setiawan Jenis Kelamin : Laki-Laki Tempat, Tanggal Lahir : Bandung, 21 April 1987 Kewarganegaraan : Indonesia Status Perkawinan : Menikah Agama : Islam Alamat Lengkap : Jl. Trs. Suryani Gg. Abadi Dlm. No 1

  RT. 03 RW. 02 Bandung Telepon, HP : 081313167569 Email : iwanacew@gmail.com 2.

   Riwayat Pendidikan

  1993 - 1999 : SDN Babakan III Bandung 1999 - 2002 : SMP Pasundan 4 Bandung 2002 - 2005 : SMKN 6 Bandung 2011 - 2016 : Program Strata Satu (S1) Program Studi Teknik

  Informatika, Universitas Komputer Indonesia Demikian riwayat hidup ini saya buat dengan sebenar-benarnya dalam keadaan sadar dan tanpa paksaan.

  Bandung, Agustus 2016 Iwan Setiawan

  PEMBANGUNAN APLIKASI PENGENALAN OBJEK PADA T-SHIRT MENGGUNAKAN METODE CANNY DAN CHAMFER MATCHING (DI PERUSAHAAN SUI WAREHOUSE PRODUCTION) SKRIPSI Diajukan untuk Menempuh Ujian Akhir Sarjana Oleh : Iwan Setiawan 10111205 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA

KATA PENGANTAR

  Asalamualaikum Wr.Wb

  Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Panyayang, puji dan syukur penulis panjatkan kehadirat Allah S.W.T karena dengan rahmat dan karunia-nya sehingga penulis dapat menyelesaikan penyusunan skripsi yang berjudul “PEMBANGUNAN APLIKASI

  

PENGENALAN OBJEK PADA T-SHIRT MENGGUNAKAN METODE

CANNY DAN CHAMFER MATCHING (DI PERUSAHAAN SUI

WAREHOUSE PRODUCTION)

  ” sebagai syarat untuk menyelesaikan studi

  jenjang strata satu (S1) di Program Studi Teknik Informatika, Universitas Komputer Indonesia.

  Penulisan skripsi ini tidak lepas dari bantuan dan dukungan seluruh pihak, untuk itu penulis ingin mengucapkan banyak terima kasih kepada :

  1. Kedua orang tua dan segenap keluarga, Bapak H. Lili Somantri dan Ibu HJ.

  Oon, Istri tercinta Siti Solihat, kakak-kakak Agus Ramdhon dan Rudi Hidayat, Serta adik-adik Soni Mansyur, Sandi Nugraha dan Sri Yanti yang telah memberikan motivasi dan dukungan moral sehingga penulis dapat menyelesaikan penulisan skripsi ini.

  2. Bapak Irfan Maliki, S.T., M.T., selaku dosen pembimbing yang telah memberikan bimbingan dan pengarahan kepada penulis selama penulisan skripsi ini.

  3. Ibu Nelly Indriani W, S.Si., M.T., selaku dosen reviewer dan penguji yang telah memberikan masukan dan saran kepada penulis.

  4. Seluruh dosen di Universitas Komputer Indonesia khususnya pada Program Studi Teknik Informatika yang telah memberikan ilmu pengetahuan.

  5. Staf dan karyawan Universitas Komputer indonesia yang telah memberikan pelayanan yang baik.

  6. Teman-teman kelas IF-5 2011 dan teman-teman satu bimbingan Bapak Irfan Maliki, S.T., M.T., yang telah membantu dan bekerjasama selama masa perkuliahan dan masa penulisan skripsi.

  7. Keluarga besar JABAR TRAIL ADVENTURE yang selalu memberi motivasi dan dukungan sehingga penulis bisa menyelesaikan penulisan skripsi ini.

  8. Keluarga besar Sui Warehouse Production yang telah memberikan arahan dan masukan sehingga penulis bisa menyelesaikan penulisan skripsi ini.

  Akhir kata penulis mengharapkan semoga skripsi ini dapat bermanfaat serta menambah wawasan pengetahuan baik bagi penulis dan umumnya dapat bermanfaat bagi para pembaca.

  Wassalamualaikum Wr.Wb.

  Bandung, Agustus 2016 Penulis

  

DAFTAR ISI

  ABSTRAK ............................................................................................................... i ABSTRACT ............................................................................................................ ii KATA PENGANTAR ........................................................................................... iii DAFTAR GAMBAR ............................................................................................. ix DAFTAR TABEL ................................................................................................... x DAFTAR SIMBOL ............................................................................................... xii DAFTAR LAMPIRAN ........................................................................................ xvi

  BAB 1 PENDAHULUAN ...................................................................................... 1

  1.1 Latar Belakang Masalah ............................................................................... 1

  1.2 Rumusan Masalah ........................................................................................ 2

  1.3 Maksud dan Tujuan ...................................................................................... 2

  1.4 Batasan Masalah........................................................................................... 3

  1.5 Metodologi Penelitian .................................................................................. 3

  1.6 Sistematika Penulisan................................................................................... 7

  BAB 2 LANDASAN TEORI .................................................................................. 9

  2.1 Pengolahan Citra (Image Processing) .......................................................... 9

  2.2 Citra Digital .................................................................................................. 9

  2.2.1. Karakteristik Citra Digital ...................................................................... 10

  2.2.2. Tipe Citra Digital .................................................................................... 11

  2.2.1

  2.2.3. Format File Citra Digital ............................................................. 12

  2.3 Citra Grayscale .......................................................................................... 13

  2.4.1. Canny ...................................................................................................... 15

  2.4.2. Normalisasi ............................................................................................. 18

  2.5 Proses Pencocokkan (Matching Process) .................................................. 19

  2.5.1 Chamfer Matching .................................................................................. 20

  2.6 Unified Modelling Language (UML)......................................................... 20

  2.6.1 Diagram Use Case .................................................................................. 20

  2.6.2 Diagram Sequence .................................................................................. 21

  2.6.3 Diagram Activity .................................................................................... 21

  2.6.4 Class Diagram ........................................................................................ 21

  BAB 3 ANALISIS DAN PERANCANGAN SISTEM ........................................ 23

  3.1 Proses Bisnis .............................................................................................. 23

  3.2 Analisis Sistem ........................................................................................... 24

  3.3 Analisis Masalah ........................................................................................ 24

  3.4 Gambaran Sistem ....................................................................................... 24

  3.5 Arsitektur Sistem ........................................................................................ 25

  3.6 Analisis Metode ......................................................................................... 25

  3.7 Tahapan Metode ......................................................................................... 26

  3.7.1 Citra Uji Dan Citra Latih ........................................................................ 26

  3.7.2 Matriks RGB .......................................................................................... 27

  3.7.3 Matriks Grayscale ................................................................................... 28

  3.7.4 Analisis Deteksi Tepi Canny ................................................................. 30

  3.8 Analisis Proses Pencocokan ....................................................................... 36

  3.9 Analisis Kebutuhan Sistem ........................................................................ 42

  3.9.1 Analisis Kebutuhan Non

• – Fungsional ................................................... 42

  3.9.2 Analisis Kebutuhan Perangkat Keras ..................................................... 43

  3.9.3 Analisis Kebutuhan Perangkat Lunak .................................................... 44

  3.10 Diagram Use Case ...................................................................................... 45

  3.11 Use Case Identification .............................................................................. 45

  3.12 Use Case Scenario ...................................................................................... 46

  3.13 Activity Diagram ........................................................................................ 48

  3.14 Sequence Diagram ..................................................................................... 50

  3.15 Class Diagram ............................................................................................ 51

  3.16 Perancangan Antarmuka ............................................................................ 52

  3.17 Jaringan Semantik ...................................................................................... 53

  BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ..................................... 55

  4.1 Peran Implementasi Sistem ........................................................................ 55

  4.1.1 Perangkat Keras ...................................................................................... 55

  4.1.2 Perangkat Lunak ..................................................................................... 56

  4.1.3 Implementasi Antarmuka ....................................................................... 56

  4.2 Pengujian Sistem ........................................................................................ 57

  4.2.1 Pengujian Alpha ..................................................................................... 57

  4.2.2 Skenario Pengujian Alpha ...................................................................... 57

  4.2.3 Pengujian Black Box .............................................................................. 59

  4.2.3.1 Pengujian Mengatur Data Barang ....................................................... 59

  4.2.4 Pengujian White Box .............................................................................. 63

  4.2.4.1 Pengujian Ambil Gambar ................................................................... 64

  4.2.4.2 Pengujian Deteksi Gambar ................................................................. 67

  4.2.4.3 Pengujian Tambah Gambar ................................................................ 71

  4.2.4.4 Pengujian Ubah Gambar ..................................................................... 82

  4.2.4.5 Pengujian Hapus Gambar ................................................................... 86

  4.2.5 Pengujian Deteksi Citra Uji Pada Citra Latih......................................... 90

  4.2.6 Perhitungan Akurasi ............................................................................... 98

  4.2.7 Daftar Pertanyaan Wawancara dan Kusioner ......................................... 99

  4.2.8 Hasil Pertanyaan Wawancara dan Kuisioner ......................................... 99

  BAB 5 KESIMPULAN DAN SARAN............................................................... 101

  5.1 Kesimpulan .............................................................................................. 101

  5.2 Saran ......................................................................................................... 101 DAFTAR PUSTAKA ......................................................................................... 103

DAFTAR PUSTAKA

  [1] suyatmo. 2013. Pengertian, Cara Kerja dan Masa depan Information

  Retrieval, http://suyatmobng.blogspot.com/2013/03/pengertian-cara-kerja-dan- masa-depan.html, ( Diakses 25 Marc 2015).

  [2] M. Nazir, (2005). Metodologi Penelitian. Bogor: Ghalia Indonesia, [3] D. Putra, (2010). Pengolahan Citra Digital. Yogyakarta: Andy, [4] R. Munir, (2004). Pengolahan Citra Digital. Bandung: Informatika, [5] H. A. Fatta, 2007.

  “KONVERSI FORMAT CITRA RGB KE FORMAT GRA YSCALE”, Seminar Nasional Teknologi 2007.

  [6] d. Merlyn Indira, 2008.

  “Perbandingan Metode Pendeteksi Tepi Studi Kasus : Citra USG Janin.”, Seminar Ilmiah Nasional Komputer dan Sistem Inteligen

  (KOMMIT 2008). [7]

  H. Prabowo Pudjo Widodo, (2011). Menggunakan UML. Bandung: informatika, [8] CannyEdgeDetector.HighThreshold Property . 2013. http://www.aforgenet.com/framework/docs/html/2a292983-3701-e5c7-28f4- 939173c95409.htm

1 BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah

  SUI Warehouse Production adalah perusahaan yang bergerak dibidang konveksi (pakaian jadi), yang beralamat di Jalan Terusan Suryani Gang Abadi Bandung, yang sudah berdiri sejak tahun 2011. Perusahaan ini memproduksi

  t-shirt, kemeja, jaket, sweaters, dan lain-lain. Perusahaan ini bekerja sama dengan

  beberapa distro di kota Bandung seperti Airplane Systm, Plug N Play, Airborne, Under age. Saat ini telah berdiri begitu banyak distro dalam berbagai produksi

  t-shirt dan identitas t-shirt masing-masing. Identitas dari hasil produksi t-shirt

  distro ini biasanya dilambangkan dengan sebuah screen printing yang terdapat pada sebuah t-shirt dari distro tersebut, agar dapat membuat t-shirt tersebut lebih mudah diingat.

  Screen printing merupakan suatu bentuk gambar atau sekedar sketsa, dan

  mewakili dari sebuah artikel t-shirt, nama distro, quantity (qty), harga dan lainnya. Screen printing lebih lazim dan dikenal oleh penglihatan atau visual dengan tanda warna dan bentuk. Screen printing ini sangat penting bagi perusahaan untuk membedakan nama t-shirt yang satu dengan yang lainnya, terutama dalam produksi, pengiriman dan pengembalian barang, karena ketika perusahaan memproduksi, mengirim atau pun pengembalian t-shirt dari salah satu distro, biasanya perusahaan disaat ingin mengetahui produk atau t-shirt tersebut berasal dari distro mana, serta informasi yang lainnya, ketika melihat citra screen

  

printing t-shirt perusahaan bisa langsung mendapatkan informasi dari sebuah

t-shirt tersebut. Dengan begitu banyaknya hampir ratusan t-shirt yang diproduksi

  saat ini, perusahaan kebingungan bahkan tidak tahu tentang beberapa t-shirt yang sudah diproduksinya.

  Edge Detection adalah suatu proses yang menghasilkan tepi-tepi dari dan untuk memperbaiki detail citra yang kabur terjadi karena error atau efek dari prosses akuisisi citra, salah satu contoh edge detection adalah metode canny.

  Matching Process digunakan untuk menghitung jarak antar tepi (Edge) .Dimana menentukan tingkat kemiripan dari tepi citra uji dan tepi citra latih.

  Semakin kecil jaraknya maka citra tersebut semakin mirip dengan citra uji.

  

Chamfer matching adalah metode yang dilakukan untuk mencari jarak terdekat

titik tepi dari citra.

  Penerapan metode canny dan chamfer matching dalam pencarian citra/gambar pada suatu aplikasi diharapkan akan sangat membantu meningkatkan ketepatan dan kecocokan gambar yang akan di proses. Dalam penelitian kali ini metode tersebut akan dipadukan dalam melakukan pencocokan citra/gambar. Berdasarkan uraian yang sudah dijelaskan diatas, maka penelitian ini akan diberi judul “Pembangunan Aplikasi Pengenalan Objek Pada T-Shirt Menggunakan

  

Metode Canny dan Chamfer Matching Diperusahaan Sui Warehouse

Production

  ”.

  1.2 Rumusan Masalah

  Berdasarkan uraian pada latar belakang masalah yang dikemukakan, maka terdapat masalah bagaimana membangun aplikasi untuk mengetahui informasi sebuah t-shirt berdasarkan dari screen printingnya untuk membantu dalam mencari tahu informasi tentang sebuah artikel t-shirt.

  1.3 Maksud dan Tujuan

  Maksud dari penelitian ini adalah untuk membangun aplikasi pencarian berdasarkan screen printing t-shirt berbasis citra dengan menggunakan metode

  canny dan chamfer matching.

  Sedangkan tujuan yang akan dicapai dari dibangunnya aplikasi ini adalah : untuk mempermudah pencarian informasi t-shirt berdasarkan screen printing

  t-shirt menggunakan metode canny dan chamfer matching.

  1.4 Batasan Masalah

  Batasan-batasan masalah dalam pembangunan aplikasi ini adalah sebagai berikut :

  1. Data yang akan di analisis hanya data t-shirt yang dikembalikan di SUI Warehouse Production.

  2. Data yang digunakan untuk proses inputan berupa citra screen printing t-shirt tampak depan.

  3. Citra yang dimasukan 640x480.

  4. Sistem yang akan dibangun menggunakan bahasa pemograman C#.

  1.5 Metodologi Penelitian

  Metodologi penelitian yang dilakukan yaitu melalui beberapa tahap. Tahap tersebut akan dijelaskan dalam sebuah flowchart yang ada pada Gambar 1.1

  Pengumpulan Data Perumusan Masalah Maksud dan Tujuan Penelitian Wawancara Pengumpulan dan Pengkajian Teori-teori

  Observasi yang berhubungan dengan masalah Analisis Masalah Analisis Sistem yang Sedang Berjalan

  Analisis Aturan Bisnis Analisis Arsitektur Perancangan dan Design Pencarian Informasi Dari Sebuah T-shirt

  Pengujian Sistem Pencarian Informasi Dari Sebuah T-shirt Penarikan Kesimpulan Dan Saran Berdasarkan gambar di atas, tahapan penelitian yang dilakukan adalah :

  1. Pengumpulan data Pada tahap awal, pengumpulan data yang dimaksud adalah melakukan survey kelapangan serta mengumpulkan data-data yang ada pada instansi.

  2. Perumusan masalah Pada tahap ketiga, perumusan masalah yang dimasud adalah melakukan identifikasi permasalahan dan meneliti permasalahan yang terjadi di SUI

  Warehouse Production.

  3. Perumusan maksud dan tujuan penelitian pada tahap keempat, peneliti melakukan perumusan maksud dan tujuan penelitian sesuai dengan hasil rumusan masalah. Tujuan ini dijadikan sebagai acuan dalam penelitian yang dilakukan.

  4. Pengumpulan data yang berkaitan dengan masalah Pada tahap kelima, pengumpulan data yang berkaitan dengan masalah dilakukan secara langsung mengunjungi SUI Warehouse Production yang meliputi :

  a. Wawancara Wawancara adalah salah satu cara pengumpulan data dengan cara sesi tanya jawab secara langsung dengan pihak SUI Warehouse Production.

  b. Observasi Observasi adalah pengumpulan data dengan cara melakukan pengamatan secara langsung terhadap proses pencarian informasi t-shirt di SUI Warehouse

  Production yang berkaitan dengan penelitian.

  5. Pengumpulan dan pengkajian teori-teori yang berkaitan dengan masalah.

  Ada tahap keenam, peneliti mengumpulkan teori-teori yang berhubungan dengan masalah pencarian informasi dari sebuah t-shirt yang dibahas dalam penelitian. Teori ini yang nantinya akan dijadikan sebagai acuan dalam penelitian.

  6. Analisis Sistem Pada tahap ketujuh, dilakukan analisis sistem dimana pada tahap ini meliputi beberapa hal sebagai berikut :

  Tahap ini merupakan sebuah asumsi dari masalah yang akan diuraikan dari hasil sebuah penelitian.

  b. Analisis sistem yang sedang berjalan Analisis yang dimaksud merupakan proses analisis yang berhubungan dengan penacarian informasi t-shirt yang sedang berjalan saat ini. Prosedur tersebut diantaranya prosedur pemesanan t-shirt, prosedur Pengiriman t-shirt, prosedur pengembalian t-shirt.

  c. Analisis aturan bisnis Analisis aturan bisnis yang dimaksud merupakan aturan bisnis yang sedang berjalan SUI Warehouse Production seperti pencarian informasi dari sebuah t-shirt.

  d. Analisis Arsitektur informasi dari sebuah t-shirt Analisis arsitektur pencarian informasi dari sebuah t-shirt dimana pada tahap ini meliputi tahap-tahap yang digunakan dalam aplikasi yang akan dibangun dengan menggunakan framework of Dynamic information retrieval dengan mengacu kepada hasil analisis Value Chain yang telah dilakukan.

  e. Analisis pencarian informasi sebuah t-shirt Pada analisis pencarian informasi dari sebuah t-shirt yang dilakukan menggunakan information retrieval dengan beberapa tahap yaitu mengubah sebuah citra menjadi rgb, mengubah citra menjadi grayscale, pendeteksian tepi citra dan pencocokan.

  7. Perancangan dan design sistem pencarian informasi dari sebuah t-shirt Data tahap perancangan dan design sistem informasi dari sebuah t-

  shirt yang akan dibangun, terdapat beberapa tahapan yang harus dilakukan

  yaitu dari sebuah citra dirubah menjadi matrik RGB, grayscale, deteksi tepi, perhitungan chamfer dan menampilkan hasil pencarian dengan informasinya, perancangan antarmuka, perancangan pesan, perancangan jaringan semantik.

  8. Implementasi Sistem informasi dari sebuah t-shirt Implementasi sistem yang telah dirancang dibagi menjadi beberapa tahapan, yaitu : b. Implementasi perangkat keras

  c. Implementasi antarmuka

  9. Pengujian Sistem informasi dari sebuah t-shirt Pengujian sistem yang dilakukan untuk mengetahui keberhasilan sistem yang telah dibangun mengiakan pengujian Black Box.

  10. Penarikan Kesimpulan Tahapan ini merupakan pengambilan kesimpulan dan saran untuk pengembangan sistem kedepannya.

1.6 Sistematika Penulisan

  Sistematika penulisan ini disusun untuk memberikan gambaran secara umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :

  BAB 1 PENDAHULIAN Bab ini akan membahas latar belakang masalah, perumusan masalah,

  maksud dan tujuan, batasan masalah, metodologi penelitian yang digunakan, serta sistematika penulisan.

  BAB 2 LANDASAN TEORI

• – Pada bab ini akan menjelaskan mengenai objek dari penelitian, dan teori teori yang berkaitan dengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan. Membahas tentang pengolahan citra (Image Processing), citra digital, Edge Matching, Canny, Chamfer Matching,

  

Unified Modelling Language (uml), c#. Yang berkaitan dengan topik penelitian

  dan yang melandasi pembangunan aplikasi pencarian informasi berdasarkan screen printing t-shirt.

  BAB 3 ANALISIS DAN PERANCANGAN SISTEM Bab ini membahas tentang hasil analisis terhadap sistem yang sedang

  berjalan untuk mengetahui kekurangan dan kebutuhan sistem yang akan dibangun agar menjadi lebih baik. Menjelaskan tentang perancangan sistem secara keseluruhan berdasarkan hasil dari analisis, perancangan ini mencakup perancangan basis data, perancangan menu, dan perancangan interface atau antar muka sistem yang akan dibangun. Adapun analisis sistem meliputi pemodelan sistem yang dibuat, seperti Use Case diagram, Activity diagram, dan Sequence

  diagram.

  BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini berisi mengenai implementasi dan analisis dari perancangan sistem

  yang sudah telah dikerjakan, yang terdiri dari menerapkan rencana implementasi, melakukan kegiatan implementasi, dan tindak lanjut implementasi. Selain itu juga berisi pengujian aplikasi yang diterapkan.

  BAB 5 KESIMPULAN DAN SARAN Bab ini akan dijelaskan mengenenai kesimpulan terhadap hasil penelitian berikut saran-saran.

2 BAB 2 LANDASAN TEORI

  2.1 Pengolahan Citra (Image Processing)

  Pengolahan citra merupakan proses pengolahan suatu citra (gambar) yang dilakukan secara komputerisasi, untuk menghasilkan suatu citra lain. Pengolahan suatu citra mempunyai dua tujuan utama, diantaranya :

  1. Memperbaiki kualitas citra agar mudah diinterprestasi oleh manusia atau komputer, dimana citra yang dihasilkan menampilkan informasi yang jelas.

  Dan manusia berperan sebagai pengolah informasi.

  2. Mengektraksi informasi ciri yang menonjol pada suatu citra yang akan menghasilkan informasi dari citra itu sendiri berupa numerik atau dengan kata lain komputer (mesin) melalui besaran-besaran data yang dapat dibedakan secara jelas.

  Image Processing dan Computer Vision merupakan perkembangan

  komputer yang digunakan sebagai pengganti mata manusia dengan perangkat input Image capture seperti kamera dan scanner sebagai mata dan komputer berperan sebagai otak yang mengolah informasi. Oleh sebab itu muncul berupa pecahan bidang dalam Computer Vision antara lain :

  1. Pattern recognition (pengenalan pola).

  2. Biometric (pengenalan identifikasi berdasarkan ciri biologis pada manusia).

  3. Content based Image and video retrieval.

  4. Video editing dan lain lain.

  2.2 Citra Digital

  Secara umum.Pengolahan citra digital menunjukan pada pemrosesan gambar dua dimensi menggunakan Computer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data 2 dimensi. Citra kompleks yang direpresentasikan dengan deretan bit tertentu.

  Citra secara harafiah, adalah gambar pada bidang dua dimensi (dwimatra). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sedangkan citra digital adalah citra yang dapat diolah oleh Computer[3].

  Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitude f di titik koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila nilai x,y, dan nilai amplitudo f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatan bahwa citra tersebut citra digital.

  Sebuah citra dapat dibentuk dalam bentuk persamaan 2.1.

  …….(2.1) ]

  [ Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y) disebut dengan picture elements, Image elements, pels, atau pixel. Istilah terakhir (pixel) paling sering digunakan pada citra digital.

2.2.1. Karakteristik Citra Digital

  Setiap citra digital memiliki beberapa karakteristik, antara lain yaitu :

  1. Ukuran citra digital Ukuran citra (Image size) menyatakan ukuran banyaknya pixel penyusun citra raster yang dinyatakan dalam matrik 2 dimensi, yaitu (X × Y) Pixel, dimana

  X menyatakan ukuran banyaknya pixel perbaris pada arah horizontal sedangkan Y menyatakan ukuran banyaknya pixel perkolom pada arah vertikal. Sebagai contoh, Citra digital berukuran 800 × 600 pixel, terdiri dari 800 × 600 pixel = 480.000

  

pixel, dengan susunan 800 pixel setiap baris pada arah horizontal dan 600 pixel

setiap kolom pada arah vertikal.

  2. Resolusi
 Atribut citra digital yang tidak kalah pentingnya adalah resolusi

  (resolution), yang didefinisikan sebagai banyaknya pixel dalam setiap satuan panjang. Umumnya, resolusi dinyatakan dalam satuan dpi (dot per inch). Sebagai contoh, citra digital yang memiliki resolusi 75 dpi, berarti terdiri dari 75 dot (titik) pada setiap inchi. Semakin tinggi resolusi suatu citra digital, maka kualitasnya akan semakin baik.

2.2.2. Tipe Citra Digital

  Berdasarkan format penyimpanan nilai warnanya citra digital terbagi dalam tiga tipe yaitu :

  1. Citra Biner Citra yang hanya memiliki dua nilai yaitu 1 dan 0. Dinyatakan dalam persamaan 2.2 f(x,y) Σ {0,1}..... (2.2)

  2. Citra Gray-scale
 Citra yang terdiri dari satu layer warna dengan derajat keabuan tertentu. Untuk kebanyakan citra digital 8 bit, maka sistem Gray-scale diukur berdasarkan skala intensitas kecerahan, yang bernilai 0

• – 255, dimana yang hitam pekat adalah 0 dan yang terputih adalah 255. Dinyatakan dalam persamaan 2.3 :
 f(x,y) Σ [0...255] ..... (2.3)

  3. Citra Berwarna
 Citra standar (Bitmap) dengan ukuran 512 × 512 dan mempunyai kedalaman warna 24 bit atau dikenal dengan istilah true color, dalam hal ini kedalaman warna yang dimaksud yaitu jumlah bit yang dipakai untuk merepresentasikan tiap titik pada gambar tersebut dinyatakan dalam bit per pixel . komputer mempunyai tiga kompurchase ordernen warna yaitu, merah, hijau, dan biru. Ketiga kompurchase ordernen dasar ini dikenal dengan istilah warna RGB

  (RedGreenBlue). Untuk citra digital dengan 8 bit per pixel mempunyai 256 warna sedangkan pada citra dengan 24 bit per pixel mempunyai 16 juta warna, tiap pixel dinyatakan dengan :

  Bit ke-0 sampai ke-7 untuk warna merah Bit ke-8 sampai ke-15 untuk warna hijau Bit ke-16 sampai ke-23 untuk warna biru

  3

  2

  1 Sehingga kombinasi warnanya adalah 256 + 256 + 256 = 16.843.008. Warna-warna ini merupakan warna dasar penyusun setiap pixel pada citra digital. Representasi dalam citra digital dinyatakan dalam persamaan 2.4, 2.5,dan 2.6: fR

  (x,y) Σ [0...255]..... (2.4) fG( x,y) Σ [0...255]..... (2.5) fB(x,y)

  Σ [0...255]..... (2.6)

  2.2.1

   2.2.3. Format File Citra Digital

  Beberapa contoh format umum, pada citra digital yaitu Bitmap (BMP),

  

Joint Photographic Group Experts (JPEG), Graphics Interchange Format (GIF),

dan Purchase orderrtable Network Graphics (PNG).

  1. Bitmap Bitmap merupakan format baku citra pada sistem operasi windows dan

  IBM OS/2. Citra berformat BMP merupakan citra yang tidak terkompresi, sehingga pada umumnya citra berformat BMP mempunyai ukuran yang relatif lebih besar dibandingkan dengan forman citra lainnya. Intensitas pixel dari citra berformat BMP dipetakan ke sejumlah bit tertentu. Panjang setiap pixel pada bitmap yaitu 4 bit, 8 bit, sampai 24 bit yang merepresentasikan nilai intensitas

  

pixel. Dengan demikian ada sebanyak 28 = 256 derajat keabuan, mulai dari 0

sampai 255[4].

  2. Joint Photographic Group Experts (JPEG)


  Joint Photographic Group Experts (JPEG) merupakan standar kompresi

  file yang dikembangkan oleh Group Joint Photographic Experts menggunakan kombinasi DCT dan pengkodean Huffman untuk mengkompresikan citra. Citra JPEG merupakan citra terkompresi yang bersifat lossy, artinya citra tidak bisa dikembalikan ke bentuk aslinya.Citra ini memiliki ukuran yang relatif lebih kecil dibandingkan dengan citraberformat BMP karena telah terkompresi.

  3. Graphics Interchange Format (GIF) Graphics Interchange Format (GIF) merupakan format citra terkompresi. Ukuran dari citra berformat GIF merupakan yang terkecil dari semua format citra digital. Kombinasi warna yg tersedia sebanyak 256 warna. Citra jenis ini banyak dugunakan untuk keperluan website, untuk membuat sebuah icon, gambar dan keperluan lainnya yang mengharuskan menggunakan citra dengan ukuran yang kecil. Citra jenis ini juga dapat dibuat animasi.

  4. Portable Network Graphics (PNG)

  Portable Network Graphics (PNG) adalah salah satu format penyimpanan

  citra yang menggunakan metode kompresi yang tidak menghilangkan bagian dari citra tersebut (lossless compression). Citra berformat PNG merupakan salah satu format yang baik untuk digunakan pengolahan citra, karena format ini selain tidak menghilangkan bagian dari citra yang sedang diolah.

2.3 Citra Grayscale

  Citra digital Grayscale atau greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample tunggal [5]. 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 yaitu ”hitam” dan ”putih” saja. Pada citra

  

Grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna 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.

  Untuk mendapatkan nilai Grayscale dari sebuah citra, dapat dilakukan dengan persamaan 2.7 seperti berikut : ..... (2.7)

  Dengan : R = nilai pixel matriks R.

  G = nilai pixel matrik G. B = nilai pixel matrik B. Misal terdapat suatu pixel dengan nilai R=100, G = 100 dan B = 100. Untuk mendapatkan nilai Grayscale pada pixel ini menggunakan rumus (2.7) maka caranya adalah sebagai berikut.

  = 100 .Nilai ini dipakai sebagai nilai Grayscale pada lokasi pixel tertentu.

2.4 Deteksi Tepi (Edge Detection)

  Deteksi tepi (Edge Detection) merupakan salah satu proses pengolahan yang sering dibutuhkan pada analisa citra digital. Proses ini bertujuan untuk meningkatkan penampakan garis tepi pada suatu citra digital. Informasi tentang tepi merupakan informasi yang penting dalam pengenalan citra sehingga deteksi tepi merupakan proses yang sering dilakukan dalam pengolahan citra digital. Definisi tepi dibagi menjadi dua, yaitu :

  1. Citra kontinu adalah perubahan intensitas yang tajam antara titik yang bertetanggaan.

  2. Citra diskrit adalah lokasi titik (pixel) dimana terjadi perubahan gray level secara mendadak, misalnya suatu titik hitam dikatakan tepi bila atau paling tidak mempunyai tetangga putih dan sebaliknya.

  Edge Detection adalah penelusuran gambar, dalam hal ini adalah pixel

  secara vertikal dan horisontal, sambil melihat terjadinya perubahan warna yang mendadak yang melebihi harga sensitifitas antara dua titik pixel yang berdekatan.Tujuan Edge Detection adalah untuk mengidentifikasi suatu daerah pada citra digital dimana terdapat perubahan yang besar dalam intensitas. Dengan deteksi tepi pada suatu sistem pemrosesan citra (berbasis komputer) akan menemukan tanda-tanda permukaan atau garis bentuk yang timbul dari suatu objek.

2.4.1. Canny

  Edge detection canny merupakan algoritma yang digunakan untuk

  menganalisis suatu citra tepi. Pengembang algoritma Edge detection canny adalah John F. Canny pada tahun 1986 dan menggunakan algoritma multi-tahap untuk mendeteksi berbagai tepi pada gambar.

  Algoritma Canny berjalan dalam 5 langkah yang terpisah yaitu : Tabel 2-1 Step Canny a) Smoothing Menggabungkan gambar untuk menghilangkan noise.

  b) Finding gradien Tepian harus ditandai pada gambar memiliki gradien yang besar.

  c) Non-maksimum- Hanya maxima lokal yang harus ditandai egde suppresion d) Double thresholding Tepian yang berpotensi ditentukan oleh thresholding.

  e) Edge tracking by Tepian final ditentukan dengan menekan semua sisis

  

hysteresis yang tidak terhubung dengan tepian yang sangat kuat

  Tidak dapat dipungkiri bahwa semua gambar yang diambil akan berisi sejumlah noise. Untuk mencegah noise salah dideteksi sebagai tepian, maka noise harus dikurangi. Oleh karena itu pada langkah pertama gambar harus diperhalus dengan menggunakan Gaussian filter. Inti dari Gaussian filter adalah standar deviasi dengan σ = 1,4 ditentukan pada persamaan (2.8) di bawah ini. x Grayscale..... (2.8)

  [ ]

  Pada persamaan diatas merupakan matriks Gaussian filter yang digunakan untuk menghilangkan untuk menghilangkan noise. Algoritma Canny pada dasarnya menemukan titik tepi pada gambar

  

grayscale dengan perubahan nilai intensitas yang paling besar, daerah ini

  ditemukan dengan menentukan gradien gambar. Gradien pada setiap piksel gambar yang telah diperhalus ditentukan dengan menerapkan operator Sobel. Langkah Kedua adalah memperkirakan gradien pada arah x dan y. Hal tersebut ditunjukkan dalam Persamaan (2.9).

  [ ] [ ] ..... (2.9)

  Magnitudo gradien (juga dikenal sebagai kekuatan tepi) dapat ditentukan sebagai jarak Euclidean yang diukur mengukur dengan menerapkan hukum Pythagoras seperti yang ditunjukkan dalam Persamaan (2.10). Yang terkadang disederhanakan dengan menerapkan ukuran jarak Manhattan seperti yang ditunjukkan dalam Persamaan (2.11) untuk mengurangi kompleksitas komputasi.

  .... (2.10) √ √ | | ..... (2.11)

  dimana: Gx dan Gy adalah gradien pada masing-masing arah x dan y. Hal ini tampak jelas bahwa gambar dengan gradien yang besar sering menunjukkan tepian yang cukup jelas. Namun, tepian biasanya luas dan dengan demikian tidak dapat menunjukkan persis di mana tepian yang sebenarnya. Untuk menentukan tepian yang sebenarnya ini, arah tepian harus ditentukan dan disimpan seperti ditunjukkan dalam Persamaan (2.12).

  

( )..... (2.12)

| |

  Pada langkah ketiga bertujuan untuk mengkorversikan tepian yang masih

  

blurred pada gambar hasil magnitude gradien hingga menghasilkan tepian yang

  tajam. Pada dasarnya hal ini dilakukan dengan mempertahankan semua maxima lokal dalam gambar gradien dan menghapus segala sesuatu yang lain. Algoritma adalah untuk setiap piksel pada gambar gradien adalah sebagai berikut: 1.

  Putar arah gradien ke arah 45 terdekat, kemudian hubungkan dengan 8 titik tetangga yang terhubung dengannya.

  2. Bandingkan nilai piksel tepian saat ini dengan nilai piksel tepian dalam arah positif dan negatif gradien. Jika arah gradien adalah utara ( = 90◦), bandingkan dengan piksel ke utara dan selatan.

  3. Jika nilai piksel tepian saat ini adalah yang terbesar, maka simpan nilai tepian tersebut, namun jika bukan, hapus nilai tersebut. Sebuah contoh sederhana dari penghapusan non maksimum ditunjukkan pada

Gambar 2.1. Hampir semua piksel yang memiliki arah gradien yang menunjukkan arah utara, oleh karena itu mereka dibandingkan dengan piksel atas dan bawah.

  Piksel yang berubah menjadi maksimal dalam perbandingan ini ditandai dengan warna putih pada perbatasan, sisanya dihapus.

Gambar 2.1 Illustrasi Penghapusan Non Maksimum

  Piksel tepian yang tersisa setelah dilakukan penghapusan non maksimum ditandai dengan nilai piksel per piksel yang kuat. Kebanyakan dari titik ini adalah tapian yang nyata pada gambar, akan tetapi beberapa kemungkinan disebabkan oleh noise atau variasi wana karena permukaan yang kasar. Cara paling sederhana untuk membedakannya adalah menggunakan nilai threshold (ambang batas) sehingga hanya tepian dengan nilai yang kuar yang akan dipertahankan. Disini pada algoritma Canny menggunakan sistem thresholding ganda yang dimana

  

thresholding tersebut akan dibandingkan dengan thresolding yang memiliki nilai

  yang lebih besar, apabila nilai lebih besar maka nilai thresolding tersebut akan digunakan sebagai acuan menentukan tepian dan nilai thresolding yang kecil akan dihilangkan.

2.4.2. Normalisasi

  Normalisasi merupakan proses merubah dimensi region tiap karakter. Pada proses ini menggunakan proses Thresholding, merupakan salah satu operasi yang termasuk ke dalam operasi titik dalam pengolahan citra digital. Operasi ini digunakan untuk mengubah citra dengan format skala keabuan yang dimiliki kemungkinan nilai lebih dari 2 ke citra biner yang memiliki 2 buah nilai (0 dan 1). Thresholding terdiri dari dua jenis, yaitu:

  a. Thresholding Tunggal

  Thresholding Tunggal merupakan proses thresholding yang hanya atau

Gambar 2.2 Fungsi Thresholding Tunggal

  b. Thresholding Ganda Memiliki ambang batas atas dan batas bawah. Dilakukan untuk menampilkan titik-titik yang memiliki rentang nilai skala keabuan tertentu.

  atau

Gambar 2.3 Fungsi Thresholding Ganda

2.5 Proses Pencocokkan (Matching Process)

  Matching Process digunakan untuk menghitung jarak antar tepi (Edge)

  .Dimana dalam tahapan ini menentukan tingkat kemiripan dari tepi citra uji dan tepi citra latih.Semakin kecil jaraknya maka citra tersebut semakin mirip dengan citra uji. Pada penelitian ini, proses pencocokkan menggunakan perhitungan tepi. Perhitungan ini diimplementasikan dengan persamaan euclidean sebagai berikut (2.13)

  .....(2.13) √

  Dengan :
 =Jarak dari dua citra Grayscale dengan perhitungan Chamfer.

  = data koordinat ke- 1 pada tepi (Edge) citra uji.

  = data koordinat ke- 2 pada tepi (Edge) citra yang ada di latih.

  = data koordinat ke- 2 pada tepi (Edge) citra yang ada di latih.

2.5.1 Chamfer Matching

  | ”ChamferMatching adalah metode yang dilakukan untuk mencari jarak terdekat dari titik tepi dari citra

  ”[6]. Perhitungan ini diimplementasikan dengan persamaan sebagai berikut (2.14) : min(|| ||,|| ||, ||) (2.14)

  
∑ , , || , =1

  Dengan : = titik yang ada pada citra uji.

  = titik yang ada pada citra latih.

2.6 Unified Modelling Language (UML)

  Unified Modelling Language (UML) adalah sebuah bahasa pemodelan

  standar yang memiliki sintaks dan semantic.Pemodelan ini sangat cocok digunakan untuk merancang dan memodelkan sistem berorientasi objek [6].Diagram pada UML dibagi menjadi dua bagian yaitu structural diagram dan behavior diagram.Structural diagram digunakan untuk mendeskripsikan relasi antar kelas.Tools yang digunakan pada bagian ini yaitu Class diagram. Sedangkan behavior diagram digunakan untuk mendeskripsikan interaksi antara aktor dan sebuah Use Case (bagaimana seorang aktor menggunakan sistem). Tools yang digunakan pada bagian ini yaitu Use Case diagram, Sequence diagram, dan

  Activity diagram.

2.6.1 Diagram Use Case