MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE DETEKSI TEPI SOBEL.

DETEKSI TEPI SOBEL

SKRIPSI

Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer

Jurusan Teknik Informatika

Disusun oleh :

NUR FIBRIA NPM. 0934010255

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” JAWA TIMUR

SURABAYA 2013

MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE DETEKSI TEPI SOBEL

Disusun Oleh :

NUR FIBRIA NPM. 0934010255

Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang III Tahun Akademik 2012/2013

Pembimbing Utama Pembimbing Pendamping

Eko Prasetyo, S.Kom M.Kom Ir. Purnomo Edi Sasongko, MP

NPT.379071002911 NIP. 196407141988031001

Mengetahui,

Ketua Jurusan Teknik Informatika Fakultas Teknologi Industri UPN ”Veteran” Jawa Timur

Dr. Ir. Ni Ketut Sari, MT NIP. 196507311992032001

MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE DETEKSI TEPI SOBEL

Disusun Oleh : NUR FIBRIA NPM. 0934010255

Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Jurusan Teknik Informatika Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur

Pada Tanggal 14 Juni 2013

Pembimbing : Tim Penguji :

1. 1.

Eko Prasetyo, S.Kom M.Kom Budi Nugroho ,S.Kom,M.Kom

NPT.379071002911 NPT.380060502051

2. 2.

Ir. Purnomo Edi Sasongko, MP Ir. Purnomo Edi Sasongko, MP

NIP. 196407141988031001 NIP. 196407141988031001

3.

I.Made Suartana,S.Kom,M.Kom NPT.

Mengetahui,

Dekan Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur

Ir. SUTIYONO, MT. NIP. 19600713 198703 1001

TIMUR

FAKULTAS TEKNOLOGI INDUSTRI PANITIA UJIAN SKRIPSI / KOMPREHENSIF

KETERANGAN REVISI

Mahasiswa di bawah ini : Nama : Nur Fibria NPM : 0934010255 Jurusan : Teknik Informatika

Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian lisan gelombang III, TA 2012/2013 dengan judul:

“MENGHITUNG LUAS LUBANG ASPAL MENGGUNAKAN METODE

DETEKSI TEPI SOBEL”

Surabaya, 14 Juni 2013 Dosen Penguji yang memerintahkan revisi:

1) Budi Nugroho ,S.Kom,M.Kom NPT.380060502051

2) Ir. Purnomo Edi Sasongko, MP NIP. 196407141988031001

3) I.Made Suartana,S.Kom,M.Kom NPT

Mengetahui,

Pembimbing Utama Pembimbing Pendamping

Eko Prasetyo, S.Kom M.Kom Ir. Purnomo Edi Sasongko, MP NPT.379071002911 NIP. 196407141988031001

{

}

{

}

iii

Dengan mengucapkan Puji Syukur kehadirat Allah SWT yang telah melimpahkan Rahmat serta Hidayah-Nya, sehingga tersusunlah Tugas Akhir ini

dengan judul “Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi

Tepi Sobel”. Penyusunan Tugas Akhir ini merupakan salah satu syarat dalam

rangka menyelesaikan Program Strata Satu (S1) pada jurusan Teknik Informatika

Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.

Dalam menyelesaikan Tugas Akhir ini penulis menyadari telah banyak mendapatkan bantuan dari berbagai pihak, bagi segi moril maupun materil. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih yang saya tunjukan kepada:

1. Allah SWT., karena berkat Rahmat dan berkahNya kami dapat menyusun dan menyelesaikan Laporan Skripsi ini hingga selesai.

2. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor UPN

“VETERAN” Jawa Timur.

3. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN

“VETERAN” Jawa Timur.

4. Ibu Dr. Ir. Ni Ketut Sari, MT. selaku ketua Jurusan Teknik Informatika

UPN “VETERAN” Jawa Timur.

5. Bapak Frinda , S.Kom., Selaku PIA Tugas Akhir Teknik Informatika UPN

“Veteran” Jawa Timur.

6. Bapak Eko Prasetyo, S.kom M.kom, selaku dosen pembimbing pertama yang telah mengarahkan dan meberian motivasi dalam menyusun skripsi ini hingga selesai dan terima kasih atas judul yang diberikan.

iv

yang membangun dalam menyusun skripsi ini hingga selesai.

8. Kedua orang tua tercinta yang selalu senantiasa memberikan kasih sayang, dukungan dan selalu mendoakanku selama ini .

9. Adek ku tersayang Nopian Arengga dan seluruh keluarga besar terima kasih atas doa dan dukunganya sehingga Tugas Akhir ini selesai.

10.My Bunny yang selalu mendukung dan menyemangati saya dalam mengerjakan Tugas Akhir ini.

11.Saya ucapakan terimah kasih kepada sahabat-sahabatku tersayang Ganggang Irianto , Rizky Sulistiawan , Novia Violeta dan Naufal Syarif yang sudah memberi semangat dan dukunganya sehingga Tugas Akhir ini selesai.

12.Saya ucapkan terima kasih kepada Rully Gita Hartantyo dan Asep Kurniavi Wardhana yang telah membantu dalam penyelesaian Tugas Akhir Ini.

13.Tidak lupa saya ucapkan banyak terima kasih kepada teman-teman yang tidak bisa kami sebutkan satu-persatu.

ii

Syukur Alhamdulillaahi rabbil ‘alamin terucap ke hadirat Allah SWT atas segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan keberuntungan yang dimiliki peneliti, akhirnya peneliti dapat menyelesaikan Skripsi yang berjudul “Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi Tepi Sobel” tepat waktu.

Skripsi dengan beban 4 SKS ini disusun guna diajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika, Fakultas Teknologi Industri, UPN ”VETERAN” Jawa Timur.

Melalui Skripsi ini peneliti merasa mendapatkan kesempatan emas untuk memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkuliahan, terutama berkenaan tentang pengolahan citra digital. Namun, penyusun menyadari bahwa Skripsi ini masih jauh dari sempurna. Oleh karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca untuk pengembangan aplikasi lebih lanjut.

Surabaya, 17 Juni 2013

v

Halaman

ABSTRAK ... i

KATA PENGANTAR ... ii

UCAPAN TERIMAH KASIH ... iii

DAFTAR ISI... v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... x

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Perumusan Masalah ... 2

1.3. Batasan Masalah ... 3

1.4. Tujuan ... 3

1.5.Manfaat………3

BAB II TINJAUAN PUSTAKA ... 5

2.1.Penelitian Terdahulu ... 5

2.2.Artifical Intelligence ... 5

2.3. Image... 6

2.3.1.Analog Image ... 6

2.3.2.Digital Image ... 6

2.4.Computer Vision ... 7

2.5.Operasi Image Processing ... 8

2.6.Elemen Citra ... 11

2.7.Pengolahan Citra Digital ... 13

2.8.RGB (Red, Green, Blue) ... 14

2.9.Citra Grayscale... 15

2.10.Morfologi ... 15

vi

2.10.4.Filling Holes... 18

2.10.5 Smoothing ... 18

2.11.Preccion dan Recall... 19

2.12.Metode Sobel ... 20

2.13.Flowchart ... 24

2.14.Simbol-simbol flowchart ... 24

2.15 Matlab ... 29

2.16.Kelengkapan pada Sistem MATLAB tersusun dari 5 bagian utama: ... 31

2.17.GUI / GUIDE MATLAB ... 32

2.18.Membuat GUI dengan MATLAB ... 33

BAB III METODEOLOGI PENELITIAN ... 47

3.1Data Set ... 35

3.2 Analisa Sistem ... 36

3.3 Gambaran Aplikasi secara Umum ... 37

3.4. Perancangan proses ... 39

3.4.1.Grayscale... 39

3.4.2. Metode Sobel ... 40

3.4.3. Dilasi ... 41

3.4.4 Closing ... 43

3.4.5. Filling Holes... 44

3.4.6. Smoothing ... 45

BAB IV HASIL DAN PEMBAHASAN ... 48

4.1.Kebutuhan Hardware dan Software ... 48

4.2Implementasi Data ... 49

4.3.Implementasi Antarmuka ... 49

4.4.Implementasi Proses ... 51

4.4.1.Proses Load ... 51

4.4.2Proses ... 51

vii

4.4.6Proses Open ... 54

4.5.Uji Coba Program ... 55

4.5.1Skenario Uji Coba ... 55

4.5.2Proses Uji Coba... 55

4.6.Evaluasi ... 61

4.7.Tabel Evaluasi ... 66

BAB V KESIMPULAN DAN SARAN ... 69

5.1.Kesimpulan ... 69

5.2. Saran ... 69

Penyusun : Nur Fibria

Pembimbing I : Eko Prasetyo S,Kom M,Kom

Pembimbing II : Ir. R. Purnomo Edi Sasongko, MP

i

ABSTRAK

Salah satu tahapan utama dalam pengolahan citra digital adalah proses pendeteksian tepi, dengan adanya proses ini batas antara objek dengan latar belakang dapat ditentukan dengan baik. Deteksi tepi bertujuan untuk meningkatkan penampakan garis batas suatu daerah atau objek di dalam citra dan memperbaiki serta mengubah citra. Ada banyak metode pendeteksi tepi yang saat ini dikenal, dalam penelitian ini metode pendeteksian tepi yang digunakan adalah Metode Sobel.

Analisis citra merupakan salah satu metode dalam pengolahan citra digital. Proses yang dilakukan dalammendeteksitepidimulai dari masukan gambar asli kemudian akan dirubah menjadi citra grayscale, deteksi tepi Sobel, Dilasi, Closing, Filling Holes dan Smoothing. Perangkat yang digunakan dalam skripsi ini adalah Matlab 7.0.

Penulisan ini membahas tentang Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi Tepi Sobel. Berdasarkan hasil akhir yang didapatkan dapat mengetahui luas lubang aspal dan diameter lubang aspal.

1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Analisis pada citra berguna dalam berbagai dunia ilmu pengetahuan. Penelitian mengenai bentuk dan tingkah laku dari suatu objek adalah penting untuk mendapatkan suatu hasil yang baik. Pembacaan citra secara konvensional dapat dilakukan, tetapi hal ini menyebabkan pengukuran secara konvensional tidak efisien. Selain itu pembacaan citra secara konvensional terkadang kurang akurat ketika dilakukan dengan pengamatan langsung tanpa pengambilan citra digital.

Dengan semakin majunya ilmu pengetahuan, pembacaan citra lebih akurat dan lebih baik melalui bantuan citra digital. Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang kehidupan antara lain di bidang biomedis, astronomi, arkeologi, arsip citra dan dokumen, bidang industri,dan penginderaan jauh yang menggunakan teknologi citra satelit. Penginderaan jauh merupakan suatu sistem yang digunakan untuk merekam data mengenai luas keretakan aspal berdasarkan hasil survey. Dalam latar belakang ini diusulkan suatu estimasi luas keretakan aspal menggunakan metode deteksi tepi sobel. Karena deteksi tepi sobel ini memiliki beberapa kelebihan antara lain

kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.

Informasi mengenai luas retak permukaan jalan merupakan salah satu sistem manajemen pemeliharaan jalan. Besaran luas retak permukaan ini merupakan salah satu faktor yang menentukan dalam menghitung kebutuhan perbaikan dan juga digunakan untuk penentuan tingkatan kondisi jalan. Metoda konvensional untuk survei kerusakan ini biasanya dilakukan dengan berjalan kaki dimana surveyor mencatat luas retak yang ditemui pada lokasi tertentu. Saat ini dengan berkembangnya pengetahuan mengenai teknologi kamera digital dan kemajuan ilmu komputer, tipe survei bergeser dari manual menjadi digunakan adalah tipe kamera digital dengan resolusi sedang sampai tinggi. Pemrosesan citra digital digunakan sebagai dasar dalam menganalisis citra foto yang dikumpulkan.

Dalam tugas akhir ini penulis mengambil judul Mengukur Luas Lubang Aspal Menggunakan Metode Deteksi Sobel.

1.2. Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya, terdapat beberapa permasalahan yang akan diangkat dalam Tugas Akhir ini, meliputi :

a. Bagaimana menerapkan tahapan proses untuk membuat aplikasi yang dapat mengukur luas lubang aspal dengan operasi citra digital.

b. Bagaimana menerapkan metode sobel kedalam pembuatan aplikasi mengukur luas lubang aspal dengan operasi citra digital.

1.3. Batasan Masalah

Dari perumusan masalah di atas terdapat beberapa batasan masalah, antara lain:

a. Diasumsikan gambar luas lubang aspal, dengan mengambil foto langsung atau surve dijalan raya yang mengalami kerusakan dan berlubang.

b. Implementasi sistem Tugas Akhir ini dikembangkan menggunakan pemrograman Matlab.

c. Dengan menentukan skala dari kamera digital yang digunakan dalam proses pengambilan citra dengan jarak ketinggian 1meter, panjang 135cm dan panjang pixel 640pixel. caranya sebagai berikut : 135 ÷ 640 = 0.2109 . Jadi ketetapan skalanya adalah 0.2109.

1.4. Tujuan

Tugas akhir ini dilaksanakan dengan tujuan :

a. Mengukur luas lubang aspal dengan menggunakan metode deteksi tepi sobel. b. Dapat mengatahui tingkat kerusakan lubang pada aspal.

1.5. Manfaat

Manfaat dari penulisan tugas akhir ini adalah : a. Mengetahui hasil luas lubang aspal.

b. Menghasilkan sistem yang mampu mengukur luas lubang aspal.

d. Siapa saja yang mendapat manfaat di aplikasi ini adalah : Dinas Pekerjaan Umum untuk keperluan jalan , dan lain-lainya.

5

TINJAUAN PUSTAKA

2.1.Penelitian Terdahulu

Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan beberapa hasil penelitian terdahulu oleh beberapa peneliti yang pernah penulis baca diantaranya :

Penelitian yang dilakukan oleh Landung Pambudi tahun 2011 dengan judul “Aplikasi Deteksi Tepi Lesi Kanker Serviks Menggunakan Metode Sobel”. Penulisan ini bertujuan membuat aplikasi yang dapat mendiagnosa kanker serviks melalui deteksi tepi lesi dengan metode Sobel, sehingga di harapkan dapat membantu bidang kedokteran dalam mendeteksi dini kanker serviks.

2.2.Artifical Intelligence

Artifical Intelligence atau Kecerdasaan Buatan (disingkat AI) adalah kemampuan suatu alat untuk melakukan fungsi yang biasanya dihubungkan dengan kecerdasaan manusia, seperti penalaran dan pembelajaran melalui pengalaman, AI adalah cabang dari computer science yang berupaya meniru kemampuan penalaran manusia dengan mengorganisasi dan memanipulasi pengetahuan faktual dan heristik.

Bidang aktivitas AI meliputi sistem sisitem pakar, pengenalan bahasa alami, pengenalan suara, pengelihatan komputer (Computer Vision) dan robotika (Anonim : 1996).

2.3.Image

Data masukan yang diproses adalah suatu image.Image merupakan sebuah representasi khusus dari suatu obyek, baik obyek dua dimensi maupun tiga dimensi, dimana representasi tersebut dinyatakan dalam bentuk dua dimensi. Image dapat berbentuk nyata, maya, ataupun dalam bentuk optik. Selain itu, image juga dapat berupa rekaman, seperti video image, digital image, atau sebuah gambar (Haralick dan Shapiro, 1992, pl). Image dapat dikategorikan sebagai:

2.3.1. Analog Image

Menurut Shapiro dan Stockman (2001, p29), analog image adalah image 2D F(x,y) yang memiliki ketelitian tidak terbatas dalam parameter spasial x dan y dan ketelitian tak terbatas pada intesitas tiap titik spasial (x,y).

2.3.2. Digital Image

Menurut Shapiro dan Stokman (2001, p29), digital image adalah image 2D I[r,c] yang direpresentasikan oeleh array diskrit 2D dari intesintas sample, dimana masing-masing titik direpresentasikan dengan ketelitian terbatas. Digital image juga didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan terbatas dari nilai digital yang disebut picture elements atau pixel. Umumnya pixel disimpan dalam komputer sebagai gambar raster, yaitu array dua

dimensi dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital image dapatdiperoleh dari berbagai macam alat adan teknik pengambil gambar, seperti kamera digital, scanner, radar, dan sebagainya. Dapat pula disentesis dari data seperti fungsi matematika dan lain-lain. (Anonim, 2005a). Menurut Jian, Kasutri dan Schunck (1995, p12), pixel adalah sampel dari intesitas image yang terkuantitas ke dalam nilai integer. Sementara image merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan menjadi input awal dan Computer Vision. Beberapa bentuk digital image yang sering digunakan dalam Computer Vision (Shapiro dan Stockman, 2001, p30):

a. Binary image, yaitu digital image dengan nilai pixel 1 atau 0. b. Gray scale image, yaitu digital image monochrom dengan satu

nilai intensitas tiap pixel.

c. Multispectral image, adalah image 2D yang memiliki vector nialai pada tiap pixel, jika image berwarna maka vectornya memiliki 3 elemen.

d. Labeled image, adalah image dimana nilai pixel adalah simbol dari alfabet terbatas.

2.4.Computer Vision

Menurut Shapiro dan Stockman (2001, p1), tujuan dari Computer Vision adalah untuk membuat keputusan yang berguna tentang objek dunia nyata dan keadaan (scene) berdasarkan image yang diambil. Untuk membuat keputusan akan objekk nyata, sangat penting untuk membangun

deskripsi atau model objek tersebut dari gambar. Karena itu dapat dikatakan bahawa tujuan dari Computer Vision adalah untuk membangun deskripsi keadaan dari image.

Artifical Intelligence digunakan untuk menganilisi keadaan dengan memproses representasi simbolik dari isi lingkungan setelah image telah diproses untuk diambil fiturnya. Banyak teknik dari Artifical Intelligence berperan penting didalam seleuruh aspek Computer Vision. Pada dasarnya Computer Vision merupakan cabang dari Artifical Intelligence. (Jain, Kutisari dan Schunck, 1995,p5).

2.5.Operasi Image Processing

Ada beberapa operasi yang dapat dilakukan oleh image processing antara lain:

a. Image Enhancement (peningkatan kualitas gambar)

Pada operasi image processing yang pertama ini sering di kenal dengan sebutan pre-processing. Operasi image processing yang satu ini bertujuan untuk meningkatkan fitur tertentu pada citra sehingga tingkat keberhasilan dalam pengolahan gambar berikutnya menjadi tinggi. Operasi ini lebih banyak berhubungan dengan penajaman dari fitur tertentu pada gambar. Selain untuk memperbaiki kontras diantara bidang-bidang yang terang dan yang gelap, metode ini juga dapat menambahkan warna, menyaring ketidak seragaman sinyal kiriman yang membawa gambar, menghaluskan garis-garis yang bergerigisehingga tampak lebih bersih, mempertajam sudut-sudut yang

kabur dan mengkoreksi distorsi yang disebabkan alat optis atau tampilan. Untuk melakukan proses image enhancement, ada beberapa teknik yang dapat dicoba berdasarkan cakupan pada operasinya, diantaranya:

 Operasi titik.

Dalam image enhancement dilakukan dengan memodifikasi histogram citra masukan agar sesuai dengan karakteristik yang diharapkan. Teknik yang dilakukan di bagi menjadi tiga bagian yaitu: Intensity Adjustment, Histogram Equalization, Thresholding.

 Operasi spasial.

Dalam pengolahan citra digital dilakukan melalui penggunaan suatu kernel konvolusi 2-dimensi.

 Operasi transformasi.

Teknik ini dilakukan dengan cara mentransformasi citra asal ke dalam domain yang sesuai bagi proses enhancement, melakukan proses enhancement pada domain tersebut, mengembalikan citra ke dalam domain spasial untuk ditampilkan/diproses lebih lanjut.

b. Image Restoration (pemulihan gambar)

Operasi pemulihan gambar bertujuan untuk mengembalikan kondisi gambar yang telah rusak atau cacat (merekonstruksi gambar) yang sebelumnya telah diketahui menjadi gambar seperti pada kondisi awal, karena adanya gangguan yang menyebabkan penurunan kualitas gambar.

c. Image Compression (kompresi gambar)

Kompresi gambar bertujuan untuk meminimalkan jumlah bit yang diperlukan untuk merepresentasikan citra. Hal ini sangat berguna apabila ingin mengirimkan gambar berukuran besar. Gambar yang berukuran besar akan berpengaruh pada lamanya waktu pengiriman. Maka dari itu kompresi gambar akan memadatkan ukuran gambar menjadi lebih kecil dari ukuran asli sehingga waktu yang diperlukan untuk transfer data juga akan lebih cepat. Ada dua tipe utama kompresi data, yaitu kompresi tipe lossless dan kompresi tipe lossy. Kompresi tipe lossy adalah kompresi dimana terdapat data yang hilang selama proses kompresi. Akibatnya kualitas data yang dihasilkan jauh lebih rendah daripada kualitas data asli. Sementara itu, kompresi tipe lossless tidak menghilangkan informasi setelah proses kompresi terjadi, akibatnya kualitas citra hasil kompresi juga tidak berkurang. Ada beberapa hal yang mesti di perhatikan saat melakukan kompresi gambar, yaitu:

 Resolusi. Resolusi merupakan ukuran panjang kali lebar dalam suatu gambar yang digambarkan dalam satuan pixel.

 Kedalaman bit. Kedalaman bit merupakan banyak sedikitnya jumlah bit yang dibutuhkan untuk menggambarkan suatu citra (gambar) dalam satuan bit/pixel. Tentu saja bila dinalar, semakin banyak bit maka gambar yang dihasilkan akan lebih bagus.

 Redundansi. Redundansi adalah keadaan di mana representasi suatu elemen data tidak bernilai signifikan dalam menggambarkan keseluruhan data.

d. Image Refresention & Modelling (representasi dan permodelan gambar)

Pada operasi ini melakukan representasi yang mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. Keputusan pertama yang harus sudah dihasilkan pada tahap ini adalah data yang akan diproses dalam batasan-batasan atau daerah yang lengkap. Batas representasi digunakan ketika penekanannya pada karakteristik bentuk luar, dan area representasi digunakan ketika penekanannya pada karakteristik dalam, sebagai contoh tekstur. Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai, tahap selanjutnya adalah menguraikan data.

2.6.Elemen Citra

Citra mengandung sejumlah elemen dasar yang dapat di manipulasi dalam pengolahan citra. Menurut Suwono (2010), Elemen dasar yang tergabung dalam citra antara lain :

1. Warna

Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang (_). Warna yang diterima oleh mata merupakan hasil kombinasi cahaya dengan panjang

gelombang berbeda. Kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), blue (B).

2. Kecerahan (brightness)

Kecerahan disebut juga intensitas cahaya. Kecerahan pada sebuah piksel (titik) di dalam citra bukanlah intensitas yang rill, tetapi sebenarnya adalah intensitas rerata dari suatu area yang melingkupinya.

3. Kontras

Kontras menyatakan sebaran terang dan gelap di dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi citranya adalah terang atau sebagian besar gelap. Pada citra dengan kontras yang baik, komposisi gelap dan terang tersebar secara merata.

4. Kontur

Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada piksel yang bertetangga. Karena adanya perubahan intensitas, mata manusia dapat mendeteksi tepi objek di dalam citra.

5. Bentuk (shape)

Bentuk adalah properti intrinsik dari objek tiga dimensi, dengan pengertian bahwa shape merupakan properti intrinsik utama untuk sistem visual manusia. Pada umumnya citra yang dibentuk oleh mata merupakan citra dwimatra (dua dimensi), sedangkan objek yang dilihat umumnya berbentuk trimatra (tiga dimensi). Informasi bentuk

objek dapat diekstraksi dari citra pada permulaan prapengolahan dan segmentasi citra.

6. Tekstur

Tekstur diartikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel yang bertetangga. Jadi tekstur tidak dapat didefinisikan untuk sebuah piksel. Sistem visual manusia menerima informasi citra sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala pada mana tekstur tersebut dipersepsi.

2.7. Pengolahan Citra Digital

Pengolahan citra digital merupakan proses yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan citra digital dapat dikelompokkan dalam dua jenis kegiatan : 1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah

diinterpretasi oleh mata manusia.

2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan pengenalan objek secara otomatis.

Bidang aplikasi kedua yang sangat erat hubungannya bertujuan mengenali suatu objek dengan cara mengekstrak informasi penting yang terdapat pada suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra, diharapkan akan terbentuk suatu sistem yang dapat memproses citra masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut pengenalan citra. Proses pengenalan citra ini sering diterapkan dalam kehidupan sehari-hari. Pengolahan citra dan pengenalan

pola menjadi bagian dari proses pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk mendapatkan ciri khas dari suatu citra yang hendak dikenali (Ardiantoro : 2010).

2.8. RGB (Red, Green, Blue)

Suatu citra biasanya mengacu ke citra RGB. Sebenarnya bagaimana citra disimpan dan dimanipulasi dalam komputer diturunkan dari teknologi televisi, yang pertama kali mengaplikasikannya untuk tampilan grafis komputer. Jika dilihat dengan kaca pembesar, tampilan monitor komputer akan terdiri dari sejumlah triplet titik warna merah (RED), hijau (GREEN) dan biru (BLUE). Tergantung pada pabrik monitornya untuk menentukan apak titik tersebut merupakan titik bulat atau kotak kecil, tetapi akan selalu terdiri dari 3 triplet red, green dan blue. Citra dalam komputer tidak lebih dari sekumpulan sejumlah triplet dimana setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red, green dan blue. Representasinya dalam citra, triplet akan terdiri dari 3 angka yang mengatur intensitas dari Red (R), Green (G) dan Blue (Blue) dari suatu triplet. Setiap triplet akan merepresentasikan 1 pixel (picture element). Suatu triplet dengan nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai 228 dan B k nilai 180. Angka-angka RGB ini yang seringkali disebut dengan color values. Pada format .bmp citra setiap pixel pada citra direpresentasikan dengan dengan 24 bit, 8 bit untuk R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti pada gambar di bawah ini :

Gambar 2.1 Red, Green, Blue (Agus, 2010)

2.9.Citra Grayscale

Dalam komputasi, suatu citra digital grayscale atau greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample tunggal. Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra grayscale berbeda dengan citra

”hitam-putih”, dimana pada konteks komputer, citra hitam putih hanya

terdiri atas 2 warna saja yaitu ”hitam” dan ”putih” saja. Pada citra

grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada spektrum elektromagnetik single band . Citra grayscale disimpan dalam format 8 bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manupulasi bit yang tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan remote sensing biasa juga digunakan format 10,12 maupun 16 biT (Agus : 2010).

2.10. Morfologi

Menurut Krishna (2012), Morfologi merupakan suatu cabang dari pngolahan citra yang sangat bermanfaat dalam analisis bentuk dalam citra.

Operasi morfologi adalah teknik pengolahan citra berdasarkan bentuk segmen atau region dalam citra. Karena difokuskan pada bentuk obyek, maka operasi ini biasanya diterapkan pada citra biner (terdiri dari 1 dan 0). pemrosesan citra secara morfologi dilakukan denga cara mem-passing sebuah sturktur elemen terhadap sebuah citra dengan cara yang hampir sama dengan konvolusi. Struktur elemen dapat diibaratkan dengan mask pada pemrosesan citra biasa (bukan secara morfologi)

2.10.1.Structuring Element :

Structuring element dapat berukuran sembarang. Structuring element juga memiliki titik poros (disebut juga titik origin/ titik asal/titik acuan). Operasi morfologi yang dapat dilakukan diantaranya:

 Dilasi, Closing, Filling Holes, Smoothing.

2.10.2.Dilasi

Dilasi adalah salah satu operasi dasar dalam morfologi matematika. Pada citra biner, dilasi adalah sebuah operasi yang mengekspansi atau memperbesar ukuran dari objek latar depan (Daugherty, 2009). Biasanya objek pada citra dilambangkan dengan piksel putih, walaupun untuk beberapa implementasi objek pada citra dilambangkan dengan piksel hitam. Konektivitas antar piksel pusat dengan tetangganya dibuat berdasarkan elemen terstruktur yang terdefini. Memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur, dan C sebagai objek citra keluaran hasil dilasi, maka proses dilasi dapat dinotasikan sebagai :

Dilasi memiliki karakteristik :

 Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan area yang rusak, dan menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari ukuran elemen terstruktur

 Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap objek citra.

Algoritma yang dilakukan pada dilasi adalah sebagai berikut :

a. Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.

b. Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar depan.

Piksel latar depan pada citra masukan akan menjadi latar depan pada citra keluaran dan juga pada piksel latar belakang pada citra masukan akan menjadi latar depan pada citra keluaran.

Seperti yang terdapat pada gambar dilasi dibawah ini adalah sebagai berikut :

Gambar 2.2 Dilasi

2.10.3.Closing :

Operator closing, yaitu operator yang terdiri dari rangkaian operasi operator dilation diikuti oleh erosion, yang diformulasikan sebagai:

Operator closing akan menyatukan (fuse) patahan-patahan yang sempit, menutup lubang-lubang kecil dan menghaluskan kontur.

2.10.4 Filling Holes

Pada proses ini akan filling holes. Filling Holes merupakan proses untuk pengisian lubang , pengisian lubang adalah fungsi imfill dengan optional argument “holes” yang digunakan.

j=imfill(i,'holes'); 2.10.5 Smoothing

Pada proses ini akan dismothing. Smoothing merupakan proses untuk menghilangkan efek pada citra digital.

Setelah didapatkan citra objek yang terfiltering kemudian dilakukan tahap smothing. Pada tahap ini yang digunakan adalah smothiing. Berikut adalah potongan baris program smoothing.

l=imclose(imopen(j,k),k);

2.11. Preccion dan Recall

Menurut Abidin (2009), preccion adalah jumlah sampel berkategori positif diklasifikasi benar dibagi dengan total sampel yang diklasifikasi sebagai sample positif. Sedangkan recall merupakan jumlah sampel diklasifikasi positif dibagi total sampel dalam testing set berkategori positif. Dari uji program dilakukan proses perhitungan preccion dan recall untuk mengetahui berapa hasil akurat dari aplikasi yang telah dibuat. Maka dari itu digunakan rumus sebagai berikut:

TP = A & B FP = B & A1 FN = B1& A TN = A1& B1

Keterangan:

TP(True Positive)= Asli aspal terdeteksi aspal. FP(False Positive)= Bukan aspal terdeteksi aspal.

FN(False Negative)= Asli aspal terdeteksi bukan aspal. TN(True Positive)= Bukan aspal terdeteksi bukan aspal

2.12. Metode Sobel

Proses yang digunakan oleh operator sobel merupakan proses dari sebuah konvolusiyang telah di tetapkan terhadap citra yang terdeteksi. Dalam operator sobel digunakanmatrik konvolusi 3 X 3 dan susunan piksel-pikselnya di sekitar pixel (x, y). Operator sobel merupakan pengembangan Operator robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Operator ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari Operator sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.

a

₀

a

₁

a

₂

a

₃

a

_ij

a

₄

a

₅

a

₆

a

₇

Gambar 2.3 Matrik 3x3 pada area image.

Didefenisikan Gy sebagai arah penelusuran secara vertical

dan Gx sebagai penulusuran arah secara horizontal : definisi menggunakan nilai mutlak diberikan :

| | | |

Membandingkan area diatas dari persamaan kita lihat bahwa Gyadalah berbeda antara baris pertama dan ketiga, dimana elemen terdekat aij yakni lebih besar dua kali dibanding nilai yang disekelilignya (hal ini berdasarkanintusi wilayah/area0 juga pada persamaan, Gx adalah berbeda antara kolom a3dan a7. Gx adalah arah dari x dan Gy adalah merupakan arah dari y. persamaan dari dan dapat diimplementasikan dari operasi sobel didapat nilai hasil daripersamaan. Teknik spatial filtering menggunakan lagi sebuah matrik yang dinamakan mask. Ukuran matrik mask sama besar dengan matrik piksel yaitu N x N. Didalam mask iniintinya disimpan jenis operasi yang akan dilakukan terhadap matrik piksel, akan tetapitidak semua filterspatial filtering menggunakan mask untuk menyimpan operasinya.Sobel operator diterapkan dalam dua buah mask, untuk itu perlu diperhatikan terlebih dahulu.

-1 0 1

-2 0 2

-1 0 1

-1 -2 -1

0 0 0

1 2 1

Gambar 2.4b mask horizontal

Mask pertama yaitu mask (a) digunakan untuk mengitung selisih titik pada sisivertical sehingga dihasilkan titik penelusuran arah vertical. Mask kedua yaitu mask (b)digunakan untuk menghitung selisih titik pada sisi horizontal sehingga dihasilkan titikhasil penelusuran arah horizontal. Hasil akhir filter operator sobel adalah ditemukannya beberapa piksel denganintensitas yang lebih besar atau tajam. Dan juga ukuran tepi objek yang jauh lebihbesar dari ukuran sebelumnya. Keadaan ini dikarenakan titik-titik yang lebih dekatdengan titik tengah (terperiksa) diberi harga yang lebih dominan dalam perhitungan.Perhatikan gambar 2.4, terbukti pada awalnya intensitas piksel image mempunyairangeintensitas (nomor warna) antara 0 sampai 4, setelah dilakukan proses filteringmaka terjadi pergeseran intensitas antar 2 samapi 20. Bila piksel-piksel ini terseleksidengan menggunakan ketentuan seperti operasi thresholding, maka setiap piksel kemugkinan hanya mempunyai dua warna dominan yaitu warna hitam dan putih.Warna hitam diibaratkan sebagai background permukaan image, dan warna putihmemunculkan piksel-piksel signifikan tersebut.

Edge atau garis di tepi objek terlihat lebih terang dari sebelumnya. Warna grayscale merupakan perpaduan warna dari dua warna dominan, yaitu perpaduanantara warna minimum dan maksimum. Perpaduan warna

yang dimaksud disebutsebagai warna medium atau setengah terang atau warna menegah. Bila imagemenggunakan perpaduan antara warna hitam dan putih, maka warna yang demikiandikenal dengan sebutan warna mediumgray atau grayscale. Dengan demikian setiappiksel yang dihasilkan akan disesuaikan dengan set warna medium ini. Set warna inidimulai dari warna hitam sebagai warna minimum dan naik secara perlahan-lahanmenjadi lebih terang dari sebelumnya sampai pada warna maksimal yaitu berwarna.Bila edge yang ditemukan merupakan sekumpulan piksel signifikan yang membentuk objek image, maka warna piksel tersebut akan dipertegas kembali, artinya piksel ini akan diperbesar intensitasnya sehingga warna edge ini akan tampak jelas. Biasanya operator sobel menempatkan penekanan atau pembobotan pada piksel-piksel yang lebih dekat dengan titik pusat jendela, sehingga pengaruh piksel-piksel tetangga akan berbeda sesuai dengan letaknya terhadap titik di mana gradien dihitung. Dari susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan terhadap gradien juga merupakan gabungan dari posisi mendatar dan posisi vertikal.

2.13. Flowchart

Flowchart adalah representasi grafik dari langkah-langkah yang harus diikuti dalam menyelesaikan suatu permasalahan yang terdiri atas sekumpulan simbol, dimana masing-masing simbol merepresentasikan suatu kegiatan tertentu. Flowchart diawali dengan penerimaan input, pemrosesan input, dan diakhiri dengan penampilan output.

Input Output

Gambar 2.5 Siklus I-P-O

Penerimaan input, pemrosesan input, dan penampilan output merupakan kegiatan utama yang membentuk siklus dari semua kegiatan yang dilakukan oleh komputer. Siklus ini disebut dengan siklus I-P-O (Input-Proses-Output).

2.14. Simbol-simbol flowchart

Flowchart terdiri atas sekumpulan simbol dan masing-masing simbol merepresentasikan suatu kegiatan tertentu. Berikut ini akan dibahas tentang simbol-simbol yang digunakan dalam menyusun flowchart, kegiatan yang diwakili serta aturan main yang diterapkan dalam penggunaan simbol tersebut.

1) Simbol input

Simbol input digambarkan dengan bangun jajar genjang. Simbol ini digunakan untuk melambangkan kegiatan penerimaan input. Dalam simbol ini, kita dapat menuliskan input yang diperlukan pada suatu waktu secara satu per satu maupun secara keseluruhan, tetapi biasanya input yang dimasukkan pada suatu waktu, dituliskan bersamaan secara keseluruhan dengan tujuan efisiensi ruang gambar.

Gambar 2.6 Simbol Input. 2) Simbol proses

Simbol proses digambarkan dengan bangun persegi panjang. Simbol ini digunakan untuk melambangkan kegiatan pemrosesan input. Dalam simbol ini, kita dapat menuliskan operasi-operasi yang dikenakan pada input, maupun operasi lainnya. Sama seperti aturan pada simbol input, penulisan dapat dilakukan secara satu per satu maupun secara keseluruhan.

Gambar 2.7 simbol proses

3) Simbol output

Simbol output digambarkan dengan bangun seperti Gambar 2.9 Simbol ini digunakan untuk melambangkan kegiatan penampilan output. Dalam simbol ini, kita dapat menuliskan semua output yang harus ditampilkan oleh program. Sama seperti aturan pada dua simbol sebelumnya, penulisan dapat dilakukan secara satu per satu maupun secara keseluruhan.

4) Simbol percabangan

Simbol percabangan digambarkan dengan bangun belah ketupat.Simbol ini digunakan untuk melambangkan percabangan, yaitu pemeriksaan terhadap suatu kondisi.Dalam simbol ini, kita menuliskan keadaan yang harus dipenuhi.Hasil dari pemeriksaan dalam simbol ini adalah YES atau NO.Jika pemeriksaan menghasilkan keadaan benar, maka jalur yang harus dipilih adalah jalur yang berlabel Yes, sedangkan jika pemeriksaan menghasilkan keadaan salah, maka jalur yang harus dipilih adalah jalur yang berlabel No.Berbeda dengan aturan pada tiga simbol sebelumnya, penulisan keadaan dilakukan secara satu per satu.

_{Gambar 2.9 simbol percabangan}. 5) Simbol prosedur

Simbol prosedur digambarkan dengan bangun seperti Gambar 2.10. Simbol ini berperan sebagai blok pembangun dari suatu program. Prosedur memiliki suatu flowchart yang berdiri sendiri diluar flowchart utama. Jadi dalam simbol ini, kita cukup menuliskan nama prosedurnya saja, jadi sama seperti jika kita melakukan pemanggilan suatu prosedur pada program utama (main program). Penulisan nama prosedur dilakukan secara satu per satu

Gambar 2.10 simbol prosedur. 6) Simbol garis alir

Simbol garis alir atau flow lines digambarkan dengan anak panah. simbol ini digunakan untuk menghubungkan setiap langkah dalam flowchart dan menunjukkan kemana arah aliran diagram. Anak panah ini harus mempunyai arah dari kiri ke kanan atau dari atas ke bawah.Anak panah ini juga dapat diberi label, khususnya jika keluar dari simbol percabangan.

Gambar 2.11 simbol garis alir.

7) Simbol terminator

Simbol terminator digambarkan dengan bangun seperti Gambar 2.12 terminator berfungsi untuk menandai awal dan akhir dari suatu flowchart. Simbol ini biasanya diberi label START untuk menandai awal dari flowchart, dan labelSTOP untuk menandai akhir dari flowchart. Jadi dalam sebuah flowchart pasti terdapat sepasang terminator yaitu terminator start dan stop.

8) Simbol konektor

Simbol konektor digunakan untuk menghubungkan suatu langkah dengan langkah lain dalam sebuah flowchart dengan keadaan on page atau off page. On page connector digunakan untuk menghubungkan suatu langkah dengan langkah lain dari flowchart dalam satu halaman, sedangkan off page connector digunakan untuk menghubungkan suatu langkah dengan langkah lain dari flowchart dalam halaman yang berbeda. Connector ini biasanya dipakai saat media yang kita gunakan untuk menggambar flowchart tidak cukup luas untuk memuat gambar secara utuh, jadi perlu dipisahpisahkan. Dalam sepasang connector biasanya diberi label tertentu yang sama agar lebih mudah diketahui pasangannya.

Gambar 2.13 simbol On-Page Connector.

Gambar 2.14 simbol Off-Page Connector 9. Simbol komentar

eSimbol komentar atau annotation digunakan untuk menuliskan komentar atau keterangan yang dirasa penting. Dalam simbol ini, kita dapat menuliskan komentar apapun dan sebanyak apapun,

Gambar 2.15 Simbol Komentar.

2.15 Matlab

MATLAB adalah sebuah bahasa dengan (high-performance) kinerja tinggi untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana masalah-masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar. Penggunaan Matlab meliputi bidang–bidang:

 Matematika dan Komputasi  Pembentukan Algorithm  Akusisi Data

 Pemodelan, simulasi, dan pembuatan prototipe  Analisa data, explorasi, dan visualisasi

 Grafik Keilmuan dan bidang Rekayasa

MATLAB merupakan suatu sistem interaktif yang memiliki elemen data dalam suatu array sehingga tidak lagi kita dipusingkan dengan masalah dimensi. Hal ini memungkinkan kita untuk memecahkan banyak masalah teknis yang terkait dengan komputasi, kususnya yang berhubungan dengan matrix dan formulasi vektor, yang mana masalah tersebut merupakan momok apabila kita harus menyelesaikannya dengan

menggunakan bahasa level rendah seperti Pascall, C dan Basic. Nama MATLAB merupakan singkatan dari matrix laboratory. MATLAB pada awalnya ditulis untuk memudahkan akses perangkat lunak matrik yang telah dibentuk oleh LINPACK dan EISPACK. Saat ini perangkat MATLAB telah menggabung dengan LAPACK dan BLAS library, yang merupakan satu kesatuan dari sebuah seni tersendiri dalam perangkat lunak untuk komputasi matrix.

Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat standar untuk memperkenalkan dan mengembangkan penyajian materi matematika, rekayasa dan kelimuan. Di industri, MATLAB merupakan perangkat pilihan untuk penelitian dengan produktifitas yang tingi, pengembangan dan analisanya. Fitur-fitur MATLAB sudah banyak dikembangkan, dan lebih kita kenal dengan nama toolbox. Sangat penting bagi seorang pengguna Matlab, toolbox mana yang mandukung untuk learn dan apply technologi yang sedang dipelajarinya. Toolbox toolbox ini merupakan kumpulan dari fungsi-fungsi MATLAB (Mfiles) yang telah dikembangkan ke suatu lingkungan kerja MATLAB untuk memecahkan masalah dalam kelas particular. Area-area yang sudah bisa dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, system kontrol, neural networks, fuzzy logic, wavelets, dan lain-lain.

2.16. Kelengkapan pada Sistem MATLAB tersusun dari 5 bagian utama:

1. Development Environment. Merupakan sekumpulan perangkat dan

fasilitas yang membantu anda untuk menggunakan fungsi-fungsi dan file-file MATLAB. Beberapa perangkat ini merupakan sebuah

graphical user interfaces (GUI). Termasuk didalamnya adalah MATLAB desktop dan CommandWindow, command history, sebuah editor dan debugger, dan browsers untuk melihat help, workspace, files, dan search path.

2. MATLAB Mathematical Function Library. Merupakan sekumpulan

algoritma komputasi mulai dari fungsi-fungsi dasar sepertri: sum, sin, cos, dan complex arithmetic, sampai dengan fungsi-fungsi yang lebih kompek seperti matrix inverse, matrix eigenvalues, Bessel functions, dan fast Fourier transforms.

3. MATLAB Language. Merupakan suatu high-level matrix/array

language dengan control flow statements, functions, data structures, input/output, dan fitur-fitur object-oriented programming. Ini memungkinkan bagi kita untuk melakukan kedua hal baik "pemrograman dalam lingkup sederhana " untuk mendapatkan hasil yang cepat, dan "pemrograman dalam lingkup yang lebih besar" untuk memperoleh hasil-hasil dan aplikasi yang komplek.

4. Graphics. MATLAB memiliki fasilitas untuk menampilkan vector dan

matrices sebagai suatu grafik. Didalamnya melibatkan high-level functions (fungsi-fungsi level tinggi) untuk visualisasi data dua dikensi dan data tiga dimensi, image processing, animation, dan presentation graphics. Ini juga melibatkan fungsi level rendah yang memungkinkan bagi anda untuk membiasakan diri untuk memunculkan grafik mulai dari benutk yang sederhana sampai dengan tingkatan graphical user interfaces pada aplikasi MATLAB anda.

5. MATLAB Application Program Interface (API). Merupakan suatu library yang memungkinkan program yang telah anda tulis dalam bahasa C dan Fortran mampu berinterakasi dengan MATLAB. Ini melibatkan fasilitas untuk pemanggilan routines dari MATLAB (dynamic linking), pemanggilan MATLAB sebagai sebuah computational engine, dan untuk membaca dan menuliskan MAT-files. Memulai Matlab Perhatikan Dekstop pada layar monitor PC, anda mulai MATLAB dengan melakukan double-clicking pada shortcut icon MATLAB.

2.17. GUI / GUIDE MATLAB

Dibangun dengan obyek grafik seperti tombol (button), kotak teks, slider, menu dan lain-lain. Aplikasi yang menggunakan GUI umumnya lebih mudah dipelajari dan digunakan karena orang yang menjalankannya tidak perlu mengetahui perintah yang ada dan bagaimana kerjanya. Sampai saat ini, jika kita membicarakan pemrograman berorientasi visual, yang ada di benak kita adalah sederetan bahasa pemrograman, seperti visual basic, Delphi, visual C++, visual Fox Pro, dan lainnya yang memang didesai secara khusus untuk itu. Matlab merintis ke arah pemrograman yang menggunakan GUI dimulai dari versi 5, yang terus disempurnkan sampai sekarang. GUIDE Matlab mempunyai kelebihan tersendiri dibandingkan dengan bahasa pemrogram lainnya, diantaranya:

a) GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi berorientasi sains, sehingga banyak peneliti dan mahasiswa

menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas akhirnya.

b) GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri.

c) Ukuran file, baik FIG-file maupun M-file, yang dihasilkan relatif kecil. d) Kemampuan grafisnya cukup andal dan tidak kalah dibandingkan

denganbahasa pemrograman lainnya.

2.18. Membuat GUI dengan MATLAB

MATLAB mengimplementasikan GUI sebagai sebuah figure yang berisi barbagai style obyek UIControl. Selanjutnya kita harus memprogram masing-masing obyek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Langkah dasar yang harus dikerjakan dalam membuat GUI adalah :

a) Mengatur layout komponen GUI

Setelah kita membuka GUIDE Matlab dan telah menentukan template GUI, langkah selanjutnya adalah adalah mendesai figure dengan menggunakan komponen palet sesuai dengan kebutuhan, seperti p ushbutton, radiobutton, chexkboxes, edit text, static text, slider, frames, popup menu, axes, dan sebagainya. Selanjutnya kita dapat mengatur layout masing-masing komponen, baik string(caption), font, color, size, dan sebagainya menggunakan property inspector. Jika kita telah selesai mendesain, jangan lupa untuk menyimpan file figure yang secara default akan memiliki ekstensi *.fig. Dari sini, matlab secara otomatis akan

membuatkan sebuah m-file dengan nama yang sama, yaitu file berekstensi *.m.

b) Memprogram Komponen GUI

M-file yang telah dibuat pada langkah sebelumnya, akan otomatis terbuka dan kitaharus menulis programnya agar komponen kontrol dapat bekerja secara simultan.Untuk membuat program dalam m-file kita cukup memperhatikan fungsi-fungsimatlab bertanda callback dimana perintah disispkan. Dari langah-langkah dasar diatas, secara sederhana sebenarnya GUI Matlab dibentuk oleh dua buah file, yaitu fig-file dan m-file. Matlab User’s Guide, The Math Works inc, 1989.

35

METODOLOGI PENELITIAN

Pada bab ini akan dijelaskan mengenai proses pembuatan aplikasi deteksi tepi citra untuk Mengetahui luas lubang aspal dengan menggunakan metode yaitu : Metode Sobel. Proses perancangan aplikasi dalam sub-bab ini akan dibagi menjadi beberapa tahap antara lain : analisis, gambaran aplikasi secara umum, perancangan proses.

3.1 Data Set

Gambar Jarak Pengambilan Keterangan

 1 meter

 Resolusinya =

640x480

Pengambilan gambar diwilayah

rungkut

 1 Meter

 Resolusinya =

640x480

Pengambilan gambar diwilayah

rungkut

 1 Meter

 Resolusinya =

640x480

Pengambilan gambar diwilayah medokan ayu

 1 Meter

 Resolusinya =

640x480

Pengambilan gambar diwilayah penjaringan

sari

Gambar 3.1 Tabel Data Set.

3.2 Analisa Sistem

Aplikasi untuk deteksi tepi citra untuk menentukan kualitas image pada luas lubang aspal dengan metode yaitu metode deteksi tepi Sobel menggunakan bahasa pemrograman Matlab. Citra diambil dengan menggunakan kamera digital , kemudian proses selanjutnya adalah grayscale dan setelah itu sobel. Proses awal yang digunakan dalam image processing adalah mengubah citra berwarna ke grayscale. Grayscale merupakan proses pengolahan citra dengan cara mengubah nilai-nilai piksel awal citra menjadi sebuah citra keabuan.Hasil dari proses grayscale yang telah kita lakukan, selanjutnya akan dijadikan ke sobel. Sobel merupakan proses dari sebuah konvolusi yang telah di tetapkan terhadap citra yang terdeteksi, selanjutnya akan dijadikan ke dilasi. Dilasi merupakan proses ”penumbuhan” atau ”penebalan” dalam citra biner, selanjutkan akan dijadikan ke closing. Closing merupakan proses dilasi yang diikuti erosi dan mengisi lubang kecil pada objek, menggabungkan objek-objek yang berdekatan, dan secara umum men-smooth-kan batas dari objek besar tanpa mengubah area objek secara signifikan, selanjutnya akan dijadikan ke filling

holes. Filling Holes mempunyai efek pengisian lubang adalah fungsi imfill dengan optinal argument ”holes” selanjutnya akan dijadikan ke smoothing. Smoothing merupakan proses untuk menghilangkan efek pada citra digital. Proses terakhir dalam pembuatan aplikasi ini adalah menampilkan hasil pixel , centimeter dan inchi.

Berdasarkan tingkat kerusakannya, lubang dapat di bagi menjadi kerusakan rendah (low), sedang (medium), dan buruk (high). Ketentuannya dapat di jelaskan pada tabel dibawah ini.

Tabel 3.1 Tabel Tingkat Kerusakan Lubang (Potholes)

Kedalaman (Inchi)

Diameter (Inchi)

4-8 > 8 – 18 > 18 – 30

0,5 - 1 L L M

> 1 - 2 L M H

> 2

M M H

Sumber : Departement Of Defense, (2004), Pavement Maintenance Management, UFC 3-270-08, Unified Facilities Criteria (UFC), USA

3.3 Gambaran Aplikasi secara Umum

Secara garis besaruntuk melakukan pendeteksian tepi pada keretakan aspalmelaluibebarapa proses yaitu meliputi :

2) Baca inputan citra yang akan diproses menjadi : a) Grayscale

b) Deteksi Tepi Sobel c) Dilasi

d) Closing e) Imfiling f) Smoothing

Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Mulai

Memasukan Citra Asli

Mengubah Citra Asli Menjadi Citra Keabuan

Deteksi Tepi Sobel

Smoothing

Hitung Diameter Per Pixel , Centimeter

dan Inchi Hitung Luas Per Pixel , Centimeter

dan Inchi Dilasi Closing Filling Holes

Akhir

Gambar 3.2 Flowchart Alur Program

3) Output

Melakukan pendeteksian tepi setelah proses grayscale, sobel, dilasi, closing, filling holes dan yang terakhir smoothiong. Citra keluaran akan

berupa berapa piksel warna putih. Pada implementasinya aplikasi ini melakukan pengambilan gambar sample memakai kamera digital dan surve secara langsung dijalan yang mengalami kerusakan Gambar sample yang diperoleh ini akan ditransfer ke komputer dengan format file JPEG.

3.4. Perancangan proses

Untuk mengetahui proses-proses yang dilakukan maka akan dijelaskan sebagai berikut :

3.4.1. Grayscale

Grayscale merupakan proses pengolahan citra dengan cara mengubah nilai-nilai piksel awal citra menjadi sebuah citra keabuan.

Langkah awal pada flowchart grayscale adalah citra masukan berwarna yang kemudian akan diproses menjadi citra grayscale. Citra keabuan adalah citra yang setiap pikselnya mengandung satu layer dimana nilai intensitasnya berada pada interval 0-255, sehingga nilai-nilai piksel pada citra keabuan tersebut dapat direpresentasikan dalam sebuah matriks yang dapat memudahkan proses perhitungan pada operasi berikutnya. Di dalam MATLAB untuk menggubah piksel RGB ( Red Green Blue) menjadi skala keabu – abuan dengan menggunakan fungsi rgb2gray.

Gray=rgb2gray(I)

Variabelgray berfungsi untuk menampung hasil konversi citra RGB ke citra abu – abu. Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Gambar 3.3 Flowchart Grayscale

3.4.2. Metode Sobel

Pada proses ini akan dideteksi tepi. Deteksi tepi yang digunakan adalah sobel. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi.

Setelah proses grayscale langkah selanjutnya dalah deteksi tepi. Metode yang digunakan adalah metode sobel. Operator sobel adalah operator yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya. Matriks yang digunakan adalah 3x3. Proses sobel ini, dilakukan dua penghitungan yaitu vertical dan horizontal. Berikut ini adalah potongan baris program untuk deteksi tepi Sobel.

BW=edge(gray,’sobel’);

Variabel BW berfungsi untuk menampung hasil konversi citra abu – abu menjadi citra hitam putih. Citra yang dikonversi ialah citra abu – abu yang ditampung dalam variabel gray kemudian akan dilakukan deteksi tepi sobel.

Start

Rubah Piksel dengan rumus

End Image

Image grayscale

Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Start Tetapkan Nilai Matrik Ambil Width dan High Hitung piksel Horizontal dan Vertikal

Hasil = piksel horisontal +

vertikal

hasil<128

piksel Hitam piksel Putih

Cetak piksel

Ya Tidak

End Terpenuhi Width & High

Ya Tidak Citra Grayscale Image Sobel

Gambar 3.4 Flowchart Sobel

3.4.3. Dilasi

Pada proses ini akan di dilasi. Dilasi merupakan “penumbuhan” atau “penebalan” dalam citra biner. Pengertian penebalan ini dikontrol oleh bentuk strel yang digunakan. Kelebihan dari dilasi ini adalah sangat berguna ketika

diterapkan dalam obyek-obyek yang terputus dikarenakan hasil pengambilan citra yang terganggu oleh noise, kerusakan obyek fisik yang dijadikan citra digital, atau disebabkan resolusi yang jelek, misalnya teks pada kertas yang sudah agak rusak sehingga bentuk hurufnya terputus, dan sebagainya. Dengan melakukan dilasi maka obyek atau tepi citra dapat tersambung kembali.

Pada flowchart 3.4 adalah proses dari dilasi. Setelah memproses metode deteksi tepi sobel kemudian akan diproses dilasi. Proses ini menyambung garis pada objek.

se= strel ('disk',1); b= imdilate(BW,se);

Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Gambar 3.5 Flowchart Dilasi

Start

Ambil Width dan High

Jika pixel bernilai Putih Tebalkan Nilai pixel yang berwarna Putih Cetak Nilai Putih Terpenuhi Width & High

End Ya

Ya Tidak

3.4.4 Closing

Pada proses ini akan diclosing. Closing adalah menolak pecahan-pecahan sempit dan teluk yang panjang dan tipis, menghilangkan lubang kecil dan mengisi gap pada garis-garis bentuk.

Setelah didapatkan citra objek yang tersambung kemudian dilakukan tahap closing. Pada tahap ini yang digunakan adalah closing. Berikut adalah potongan baris program closing.

se= strel ('disk',6); d= imclose(b,se);

Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Mulai

Dilasi

Erosi

Akhir

3.4.5. Filling Holes

Pada proses ini akan filling holes. Filling Holes merupakan proses untuk pengisian lubang , pengisian lubang adalah fungsi imfill dengan optional argument “holes” yang digunakan.

j=imfill(i,'holes');

Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Mulai Image C=1 X=0 Y=0 Get widht Get height

X < widht

( x,y)=hitam

Floodfill (putih) (hitam)

Hasil

Selesai Y < height

Ya Ya Tidak Ya (x,y)=hitam Ya Ya Ya

3.4.6. Smoothing

Pada proses ini akan dismothing. Smoothing merupakan proses untuk menghilangkan efek pada citra digital.

Setelah didapatkan citra objek yang terfiltering kemudian dilakukan tahap smothing. Pada tahap ini yang digunakan adalah smothiing. Berikut adalah potongan baris program smoothing.

k=strel('disk',10); l=imclose(imopen(j,k),k);

Adapun alur proses penghitungan luas lubang aspal menggunakan metode deteksi tepi sobel. Sebagaimana disajikan pada gambar dibawah ini :

Mulai Image M=[1/10 1/10 1/10; 1/

10 1/10 1/10; 1/10 1/ 10 1/10] i=2 , j=2

Baris = Get Widht Kolom = Get height

i < baris -1

J < kolom -1 Image[I,j]=image(I -1,j-1)*m(1,1)+A(i- 1,j)*m(1,2)+A(i-1,j+1)*m(1,3)+A(I,j-1)*m(2,1) +A(I,j)*m(2,2)+A(I,j+1)*m(2,3)+A(i+1,j-1)*m(3,1)+A(i+1,j)*m(3,2)+A(i+1,j+1)*m(3 ,3); Image[I,j]>255 Image[I,j] =0 Image[I,j]=2 55 ya Hasil Akhir Ya Ya Tidak Ya Ya Tidak

Gambar 3.8 Flowchart Smoothing

3.5 PerancanganTampilan Antar muka

Pada perancangan antar muka yang akan dibuat sedemikian rupa yang nantinya merupakan suatu halaman untuk berinteraksi bagi pemakai/ pengguna program dan diharapkan dapat memahami jalan kerja program dengan mudah. Dalam membuat program deteksi tepi akan dirancang tampilan GUI maka akan menghasilkan 2 file yaitu namafile.fig dimana GUI disimpan dan namafile.m dimana eksekusi program terkumpul. Masing-masing fig-file ini menghasilkan m-file dengan nama yang sama.

Berikut adalah table yang berisi perancangan dalam pembuatan program deteksi tepi.

Fig-file Komponen Nama Fungsi

NurFibria Static text DeteksiTepi

Citra… Judul

Axes (1) - Menampilkan Citra Text Pixel MenampilkanTulisan Text Centimeter MenampilkanTulisan Text Inchi MenampilkanTulisan Push

button

Load Membuka File

Push button

Proses MenjalankanProgram (grayscale, sobel, dilasi,

closing, filling holes, smoothing) Push

button

Pixel Menjalankan Jumlah Pixel Push

button

Centimeter Menjalankan Jumlah centimeter Push

button

Inchi Menjalankan Jumlah Inchi Push

button

Open Membuka File Image yang Telah diedit diphotoshop untuk

perbandingan Axes (2) - Menampilkan Citra Axes (3) - Menampilkan Citra Axes (4) - Menampilkan Citra Axes (5) - Menampilkan Citra Axes (6) - Menampilkan Citra Axes (7) - Menampilkan Citra Axes (8) - Menampilkan Citra

HASIL DAN PEMBAHASAN

Pada bab IV ini akan dijelaskan mengenai implementasi, hasil uji coba dan evaluasi dari rancangan program yang telah dibuat pada bab III. Bagian implementasi aplikasi kali ini meliputi : lingkungan implementasi, implementasi data, implementasi antarmuka dan implementasi proses.

4.1. Kebutuhan Hardware dan Software

Pada bagian ini akan dijelaskan mengenai perangkat keras dan perangkat lunak yang digunakan pada implementasi aplikasi ini.

a. Kebutuhan Hardware :

 Komputer dengan processor Intel(R) Core(TM)i3-370M  RAM (2GB DDR3)

 Monitor 14.0 HD LED LCD  Hard Disk 320 GigaByte

b. Kebutuhan Software :

 Sistem OperasiWindows 7.  Matlab 7.0

4.2 Implementasi Data

Seperti yang telah dijelaskan secara konseptual pada Bab 3, maka data yang akan diimplementasikan pada aplikasi ini berupa gambar-gambar aspal yang berlubang yang telah diambil melalui kamera digital yang nantinya akan diproses melalui beberapa tahapan. Dimana output berupa tampilan piksel warna putih dan histogram dari ketujuh proses.

4.3. Implementasi Antarmuka

Pada implementasi antarmuka ini merupakan interaksi antara pemakai (user) dengan sistem. Halaman form utama ini merupakan tampilan awal saat program dijalankan. Pada form utama ini terdapat program secara keseluruhan beserta dengan prosedur-prosedur programnya. Pada masing – masing menu memiliki fungsi yang berbeda – beda pada aplikasi ini. Berikut penjelasan dari setiap form pada menu utama ini :

a. Load : untuk membuka file yang akan diproses. b. Proses : untuk melakukan proses deteksi tepi. c. Pixel : untuk menampilkan jumlah pixel d. Centimeter : untuk menampilkan jumlah centimeter. e. Diameter : untuk menampilkan hasil jari-jari citra.

f. Open : untuk menampilkan citra asli yang sudah di edit melalui photoshop

Adapun tampilan dari form utama ini dapat dilihat pada gambar 4.1 dibawah ini:

Gambar 4.1 Tampilan Form

Pada tampilan form utama ini terdapat 7 kolom yang mempunyai fungsi berbeda-beda. Kolom pertama dengan nama image berfungsi untuk menampilkan image yang akan diproses. Kolom kedua dengan nama Grayscale berfungsi untuk merubah citra asli menjadi warna keabu-abuan. Kolom ketiga adalah kolom dengan nama Sobel, yaitu sebuah kolom yang menampilkan hasil deteksi tepi dari GrayScale. Selanjutnya pada kolom keempat diberi nama Dilasi yaitusebuahkolom yang menampilkan hasil dari metode deteksi sobel lalu di proses ke dilasi untuk penumbuhan atau penebalan dalam citra biner. Kolom kelima adalah Closing sebuah kolom yang menampilkan proses closing. Selanjutnya pada kolom keenam Filling Holes sebuah kolom untuk mengisi lubang-lubang pada citra akibat noise. Selanjutnya pada kolom ketujuh Smoothing sebuah kolom yang berfungsi untuk penghalusan pada citra. Terdapat pula jumlah

pixel, jumlah centimeter dan jumlah inchi, yang ditampilkan sesuai dengan image yang telah dimasukkan. Information image itu berupa pixel , centimeter dan inchi.

4.4. Implementasi Proses

Bagian implementasi proses ini menjelaskan mengenai implementasi proses-proses sesuai dengan konsep yang telah dibuat pada bab 3. Seperti yang telah digambarkan dalam flowchart.

4.4.1. Proses Load

Pada proses load ini, yaitu merupakan sebuah proses yang bertujuan untuk menampilkan inputan berupa gambar. Gambar yang dapat dibuka hanya gambar yang berformat jpg, bmp, jpg, tif.

_{Gambar 4.2 Source code proses load image}

4.4.2 Proses

Pada tahap selanjutnya dilakukan proses, image yang berwarna citra RGB akan dirubah menjadi grayscale terlebih dahulu baru setelah itu dilakukan proses deteksi tepi sobel untuk mengubah citra menjadi hitam putih, lalu dilakukan proses dilasi untuk menyambungkan garis yang terputus, lalu dilakukan proses

closing, filing holes dan smoothing. Hal demikian dilakukan untuk mempermudah proses pendeteksian tepi, sebagaimana disajikan dalam tabel 4.3.

Gambar 4.3 Source code proses

4.4.3 Proses Luas Per Pixel

Pada gambar 4.4 proses yang dilakukan merubah citra menjadi grayscale, kemudian membuat image hitam putih dan metode deteksi tepi Sobel, Dilasi, Closing, filing holes dan smoothing lalu dilakukan proses hitung jumlah pixel. Pada gambar berikut adalah source code dari proses pixel.

Gambar 4.4 Source Code Pixel

4.4.4 Proses Luas Per Centimeter

Pada proses ini luas centimeter di hitung dengan skala yang telah terhitung. Jadi pixel*skala sama dengan hasil centimeter. Berikut adalah hasil dari proses perhitungan :

4.4.5 Proses Luas Per Inchi

Pada proses ini menghitung inchi dengan menggunakan rumus. Berikut adalah hasil dari proses perhitungan :

Gambar 4.6 Source Code Inchi

4.4.6 Proses Open

Pada proses open iniuntuk menampilkan image yang telah diedit diphotoshop untuk dilakukan proses perbandingan antara gambar dari uji program dengan hasil gambar yang telah diedit diphotoshop tersebut.

Adapun gambar source code yang digunakan dalam proses Open :

4.5. Uji Coba Program

Pada sub bab ini akan dibahas mengenai uji coba terhadap aplikasi yang telah dibuat dan selanjutnya akan dievaluasi dari hasil uji coba tersebut. Uji coba dilaksanakan untuk mengetahui kemampuan aplikasi dapat berjalan dengan baik sesuai dengan rancangan. Evaluasi dilakukan untuk menentukan tingkat keberhasilan dari aplikasi yang dibuat.

4.5.1 Skenario Uji Coba

Untuk memastikan bahwa aplikasi ini berjalan dengan baik, diperlukan adanya skenario yang akan dicoba, antara lain :

a. Memasukkan beberapa image untuk melihat perbedaan keberhasilan, karena tiap-tiap image hasil dari surve di lapangan yang image diambil dengan menggunakan kamera digitalselalu berbeda, hal itu dipengaruhi oleh kondisi objek gambar yang akan diambil.

b. Melakukan proses, menguji tingkat keberhasilan melalui proses yang sudah direncanakan. Karena tidak semua image memiliki kemiripan. c. Melakukan proses hitung luas per pixel, per centimeter dan per inchi hasil

dari proses berupa tampilan jumlah piksel, jumlah centimeter dan inchi, oleh karena itu perlu diuji tingkat keberhasilan pada obyek lubang aspal dengan real.

4.5.2 Proses Uji Coba

Langkah pertama dalam membuat program deteksi tepi adalah dengan merancang tampilan program dengan menggunakan GUI pada Matlab. Setelah perancangan program deteksi tepi dibuat dan dimasukkan source code kedalam program, maka langkah terakhir adalah dengan mencoba program tersebut.

Dengan menekan tombol Run, akan diperoleh hasil dari deteksi tepi. Gambar-gambar dibawah ini merupakan tampilan program deteksi tepi.

Gambar 4.8 Tampilan Awal Aplikasi

Tombol Load pada tampilan form utama berfungsi untuk mengambil image yang sudah tersimpan dikomputer. Image sebelumnya sudah diambil dengan menggunakan kamera digital dan kemudian disimpan dikomputer. Setelah menekan tombol load akan tampil jendela direktori komputer, dan kemudian cari letak image tersebut kemudian klik dua kali pada image.Image yang diambil pada load adalah file image yang berformat JPEG atau BMP. Pada proses load , program hanya bisa menjalankan perintah open atau cancel pada menu direktori komputer. Menu tombol aplikasi lainnya tidak bisa dijalankan sebelum proses direktori load selesai dijalankan.

Gambar 4.9 Tampilan proses Load Image

Tombol proses berfungsi untuk menjalankan proses pendeteksian tepi. Image yang akan diproses terlebih dahulu tampil pada kolom Image yang berupa citra berwarna RGB. Setelah tombol proses akan diproses maka muncul output dari kesembilan metode deteksi tepi pada kolom prosesnya itu citra keabuan, peningkatan mutu citra, sobel, dilasi, closing, filing holes dan smoothing.

Gambar 4.10 Tampilan semua Proses

Tombol Proses Hitung Luasper pixel berfungsi untuk menjalankan proses hasil jumlah pixel yang telah terdeteksi dari proses image. Pixel yang akan diproses terlebih dahulu tampil pada kolom Pixel yangberupa jumlah pixel. Setelahtombol pixel akan di proses maka muncul output hasil dari jumlah pixel tersebut.Tombol proses hitung Luas percentimeter berfungsi untuk menjalankan proses hasil dari jumlah pixel lalu di hitung kedalam satuan centimeteryang telah terhitung dari hasil jumlah pixel. Centimeter yang akan diproses terlebih dahulu tampil pada kolom Centimeteryangberupa jumlah Centimeter. Setelah tombol Centimeter akan diproses maka muncul output hasil dari jumlah Centimeter.Tombol proses hitung luas perInchi berfungsi untuk menjalankan proses hasil dari kali luas derngan skala dan icnhi ke centimeter pada lubang aspal yang diambil melalui kamera digital. Adapun hasil gambar proses Luas per pixel , centimeter dan inchi sebagai berikut :

Gambar 4.11 Tampilan Luas per pixel , per centimeter dan per Inchi Tombol Proses Hitung Diameter per pixel berfungsi untuk menjalankan proses hasil jumlah pixel yang telah terdeteksi dari proses image. Pixel yang akan diproses terlebih dahulu tampil pada kolom Pixel yang berupa jumlah pixel. Setelah tombol pixel akan diproses maka muncul output hasil dari jumlah pixel tersebut. Tombol proses hitung Diameter per centimeter berfungsi untuk menjalankan proses hasil dari jumlah pixel lalu di hitung kedalam satuan centimeter yang telah terhitung dari hasil jumlah pixel. Centimeter yang akan diproses terlebih dahulu tampil pada kolom Centimeter yangberupa jumlah Centimeter. Setelah tombol Centimeter akan diproses maka muncul output hasil dari jumlah Centimeter.Tombol proses hitung Diameter perInchi berfungsi untuk menjalankan proses hasil dari kali luas derngan skala dan icnhi ke centimeter pada keretakan aspal yang diambil melalui kamera digital.

Adapun hasil gambar proses Diameter per pixel , centimeter dan inchi sebagai berikut :

Gambar 4. 12 Tampilan Diameter per pixel , per centimeter dan per Inchi.

Tombol open berfungsi untuk menjalankan proses hasil gambar yang telah di edit di photoshop untuk melakukan perbandingan hasil.Tombol proses citra biner dan hitung berfungsi untuk menjalankan proses hasil gambar yang telah di edit di photoshop lalu di proses dalam citra biner untuk mendapatkan nilai tp, fp, fn, dan tn. Lalu dilakukan proses hitung untuk mendapatkan nilai tp, fp, fn, dan tn.

Adapun hasil gambar proses nilai tp, fp, fn dan tn sebagai berikut :

Gambar 4.13 Tampilan Open dan Hitung

4.6 Evaluasi

Berdasarkan gambar diatas akan dibandingkan dengan penggunaan hasil dari uji program dan dilakukan proses photoshop agar dapat mengetahui gambar asli keretakan aspal dan bukan keretakan aspal Maka dari itu digunakan rumus sebagai berikut:

TP = A & B FP = B & A1 FN = B1& A TN = A1& B1

Keterangan:

TP (True Positive) = Asli aspal terdeteksi aspal. FP (False Positive) = Bukan aspal terdeteksi aspal. FN (False Negative) = Asli aspal terdeteksi bukan aspal. TN (True Negative) = Bukan aspal terdeteksi bukan aspal.

Dari aplikasi tersebut akan dilakukan perbandingan. Berdasarkan penjabaran diatas akan dibandingkan dengan penggunaan hasil dari uji program dan dilakukan proses photoshop agar dapat mengetahui gambar asli keretakan aspal dan bukan keretakan aspal. Maka dari itu digunakan rumus sebagai berikut:

 Data Lubang Aspal 1

Hasil

Aspal berlobang Bukan aspal berlobang

Aspal berlobang TP=73369 FN=0

Bukan Aspal berlobang

Preccion =73369/73369+3500 =197354/76869*100% =95%

Recall =73369/73369+0 =73369/73369*100% =100%

 Data Lubang Aspal 2

Hasil

Aspal berlobang Bukan aspal berlobang

Aspal berlobang TP=133300 FN=18

Bukan Aspal berlobang

FP=4445 TN=169437

Preccion =133300/133300+4445 =133300/137745*100% =96%

Recall =133300/133300+18 =133300/133318*100% =99%

 Data Lubang Aspal 3

Hasil

Aspal berlobang Bukan aspal berlobang

Aspal berlobang TP=81154 FN=1

Bukan Aspal berlobang

FP=3513 TN=222532

Preccion =81154/81154+3513 =81154/84267*100% =96%

Recall =81154/81154+1 =81154/81155*100% =99%

 Data Lubang Aspal 4

Hasil

Aspal berlobang Bukan aspal berlobang

Aspal berlobang TP=93336 FN=6

Bukan Aspal berlobang

Preccion =93336/93336+4600 =93336/97936*100% =95%

Recall =93336/93336+6 =93336/93342*100% =99%

 Data Lubang Aspal 5

Hasil

Aspal berlobang Bukan aspal berlobang

Aspal berlobang TP=37462 FN=0

Bukan Aspal berlobang

FP=2803 TN=266935

Preccion =37462/37462+2803 =37462/40265*100% =93%

Recall =37462/37462+0 =37462/37462*100% =100%

4.7 Tabel Evaluasi

4.7.1 Tabel Preccion dan Recall

No Citra Hasil Program

Citra Hasil Ideal Luas Evalu asi Hasil

Program

Precc ion

Recall

1. 43517.2 97% 98%

2. 36683.2 98% 99%

3. 39139.9 99% 97%

5 4565.05 93% 100%

Rata-Rata :

98% 99%

Tabel 4.1 Tabel Preccion dan Recall

4.7.2 Tabel Diametre dan Kategori

No Citra Hasil Program Hasil Diameter Kategor i

1. 33.655 High

2. 35.0909 High

4. 28.5586 High

5. 2.2406 Low

Tabel 4.2 Tabel Diametre dan Kategori

Penjelasan dari Tabel Diameter dan kategori diatas adalah sebagai berikut : Lubang (potholes) biasanya berukuran tidak begitu besar (diameter < 90 cm). berbentuk seperti mangkuk yang tidak beraturan dengan pinggiran tajam. Pertumbuhan lubang semakin besar diakibatkan kondisi air yang tergenang pada badan jalan. Lubang pada dasarnya bermula dari retak-retak yang semakin parah akibat air meresap hingga ke lapisan jalan sehingga menyebabkan sifat saling mengikat aggregat dalam lapisan menjadi berkurang. Berdasarkan tingkat kerusakannya, lubang dapat di bagi menjadi kerusakan rendah ()(low), sedang (medium), dan buruk (high).

66

4.7 Tabel Evaluasi

4.7.1 Tabel Preccion dan Recall

No Citra Hasil Program

Citra Hasil Ideal Luas Evalu asi Hasil

Program

Precc ion

Recall

1. 43517.2 97% 98%

2. 36683.2 98% 99%

3. 39139.9 99% 97%

4. 6289.1 95% 99%

Hak Cipta © milik UPN "Veteran" Jatim :

67

5 4565.05 93% 100%

Rata-Rata :

98% 99%

Tabel 4.1 Tabel Preccion dan Recall

4.7.2 Tabel Diametre dan Kategori

No Citra Hasil Program Hasil Diameter Kategor i

1. 33.655 High

2. 35.0909 High

68

4. 28.5586 High

5. 2.2406 Low

Tabel 4.2 Tabel Diametre dan Kategori

Penjelasan dari Tabel Diameter dan kategori diatas adalah sebagai berikut : Lubang (potholes) biasanya berukuran tidak begitu besar (diameter < 90 cm). berbentuk seperti mangkuk yang tidak beraturan dengan pinggiran tajam. Pertumbuhan lubang semakin besar diakibatkan kondisi air yang tergenang pada badan jalan. Lubang pada dasarnya bermula dari retak-retak yang semakin parah akibat air meresap hingga ke lapisan jalan sehingga menyebabkan sifat saling mengikat aggregat dalam lapisan menjadi berkurang. Berdasarkan tingkat kerusakannya, lubang dapat di bagi menjadi kerusakan rendah ()(low), sedang (medium), dan buruk (high).

Hak Cipta © milik UPN "Veteran" Jatim :

69

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah dilakukan pembahasan teori, perancangan aplikasi, dan pengujian terhadap aplikasi pada bab-bab sebelumnya, maka pada bab penutup ini akan diambil kesimpulan serta saran pengembangan dari tugas

akhir “Menghitung Luas Lubang Aspal Menggunakan Metode Deteksi Tepi Sobel” ini.

a. Memberikan informasi secara tidak langsung tentang tingkat kerusakan aspal, yang dibagi menjadi kerusakan rendah (low), sedang (medium), tinggi (high).

b. Dengan menentukan skala dari kamera digital yang digunakan dalam proses pengambilan citra dengan jarak ketinggian 1meter, panjang 135cm dan panjang pixel 640pixel. caranya sebagai berikut : 135 ÷ 640 = 0.2109 . Jadi ketetapan skala yang diguanakan dalam aplikasi ini adalah 0.2109.

5.2 Saran

Sebagai saran pengembangan selanjutnya dari tugas akhir ini, antara lain :

a. Penelitian dapat dilakukan pada objek yang berbeda, misalkan menghitung luas keramik, menghitung luas pulau, menghitung luas rumah dan sebagainya.

70

DAFTAR PUSTAKA

Agung Priyo, (2005), Pengolahan Citra, diakses tanggal 1 Februari 2013.http://elib.unikom.ac.id/download.php?id=4659

Anonim, (1996), ArtificialIntelligence, diakses pada tanggal 10 september 2012. darihttp://www.its.bldrdoc.gov/fs-1037/dir-003/_0371.html

Ardiantoro, (2010).Pengolahan Citra, diakses pada tanggal 25 Maret 2013. darihttp://jaming89.wordpress.com/2010/09/28/pengolahan-citra-digital

Asmitot, (2010), diakses 14 April 2013. dari http://id.shvoong.com/law-and-politics/law/2146643-invers- kadastral/#ixzz2L9Ks2eqC

Dougherty.(2009),Structuring Element, Erosi, Dilasi, Closing, Rekontruksi, diakses pada tanggal 26 Maret 2013. dari http://webdocs.cs.ualberta.ca/~eisner/meaures.html

Gunaidi Abdia. 2006, Flowchart.Bandung : Informatika

Harlick dan Shapiro, (1992), Image. diakses pada tanggal 10 september 2012. dari http://www.wgplc.com/international/security/numberplate.html.

Krishna, (2012),Morfologi. diaksespada tanggal 11 Maret 2013.

darihttp://webdocs.cs.ualberta.ca/~eisner/measures.html

Kulkarni, (2001), Computer vision.diakses pada tanggal 10 september 2012. dari http://www.wgplc.com/international/security/numberplate.html

Landung Pambudi., (2008),Indetifikasi Tsunami Dengan Menggunakan Segmentasi.http://eprints.undip.ac.id/25961/1/ML2F301454.pdf(diakses 5 Februari 2013)

Lia Amelia, Sobel Dalam Mendeteksi Tepi Suatu Citra Digital, Universitas Pendidikan Indonesia, 2012 repository.upi.edu

Prasetyo, Eko (2011),Pengolahan Citra Digital Dan AplikasinyaMenggunakan Matlab

Suwono, Eko. (2010). http://ekosuwono.wordpress.com/2010/01/13/elemen-elemen-citra- digital/(diakses 25 Maret 2013)

Shapiro, L.G. and Stockman, G.C., (2001), Analog Image danDigital Image, Prentice Hall, New Jersey. http://digilib.ittelkom.ac.id/index.php (diakses 2 Februari 2013)

Hak Cipta © milik UPN "Veteran" Jatim :

71

Susanto, Agus. 2010. Citra RGB dan Grayscale.http://citra-rgb-dan-grayscale.html (diakses 20 Maret 2013)

Teuinsuksa, (2009), Guide Matlab, diaksespadatanggal 5 Februari 2013.

http://modul-guideuploader-by- Teuinsuksa2009-wordpress-com.pdf

UsmanAhmad, (2005),Pengolah Citra Digital & Teknik Pemogramannya. Graha Ilmu, yogyakarta.