Aplikasi Pengolahan Citra Digital dengan Algoritma Pendeteksian Tepi.

ABSTRAK 

Aplikasi  pengolahan  citra  digital  dengan  menggunakan  algoritma  pendeteksian  tepi  dibuat  dengan  tujuan  memberikan  teknik  penerapan  algoritma  pendeteksian  tepi  dalam  mendeteksi  tepi  objek  di  dalam  citra.  Algoritma  yang digunakan dalam  aplikasi  yaitu, operator Laplace, operator  Compass, dan algoritma turunan pertama dengan operator Sobel, Prewitt dan  Roberts. Aplikasi ini memudahkan penggunanya dalam mengakses algoritma  yang optimal untuk mencari tepi suatu citra, mencari perbandingan citra pada  setiap  operator  dan  memisahkan  objek­objek  pada  citra.  Aplikasi  ini  mendukung  kinerja  pengolahan  citra  dalam  meningkatkan  kualitas  gambar  agar lebih baik. 

Algoritma pendeteksian tepi dalam aplikasi ini mempunyai kelebihan  masing­masing. Teknik operator turunan kedua dapat mendeteksi lokasi tepi  lebih  akurat  khususnya  pada  tepi  yang  curam.  Teknik  operator  kompas  digunakan  untuk  mendeteksi  tepi  dari  delapan  macam  arah  mata  angin  di  dalam  citra.  Operator  ini  juga  dapat  mendeteksi  tepi  secara  horizontal  dan  vertical.  Operator  Sobel,  Prewitt  dan  Roberts  menghitung  turunan  pertama  menggunakan konstanta dan bobot matriksnya masing­masing. 

Penerapan  pendeteksian  tepi  objek  di  dalam  citra  dapat  diimplementasikan  dalam  berbagai  bidang.  Bidang  otomotif,  untuk  pengenalan  nomor  polisi  suatu  kendaraan  bermotor.  Bidang  militer,  dapat  digunakan  untuk  pengenalan  bentuk  suatu  pesawat  pada  radar.  Penerapan  dalam  berbagai  bidang  lainnya  yang  mendukung  kinerja  pengolahan  citra  digital. 

Kata  kunci  :  pendeteksi  tepi,  operator  Laplace,  operator  Compass,  operator Sobel, operator Prewitt, operator Roberts.

ABSTRACT 

Digital  image processing application  using edge detector algorithm  was  created  to  provide  implementation  techniques  of  edge  detection  algorithm  for  object  edge  detection  on  image.  Algorithms  used  in  this  application  are  Laplacian’s  operator,  Compass  operators,  and  first  derivative  techniques  with  Sobel,  Prewitt  and  Roberts’s  operator.  These  applications simplify users to access optimal algorithm to find edge of image,  to find out image comparison for every operators, and to separate objects in  image.  This application  support image processing performance to increase  image quality. 

These Edge detector algorithms have its own advantage. Laplacian’s  operator  could  detect  accurate  edge  location  especially  on  sharp  edge.  Compass operator used eight directions to detect image edges. This operator  also can be used to detect an edge horizontally and vertically. Sobel, Prewitt  and Roberts’s operator calculate first derivative using its own constant and  matrix value. 

Image object edge detection application can be implemented to a lot  of  areas.  In  automotive,  could  be  used  to  vehicle  identification  number  recognition.  In  military,  useable  for  plane  shape  recognition  on  radar.  Application on diverse areas that supports digital image processing. 

Keyword:  edge  detector,  operator  Laplace,  operator  Compass,  operator Sobel, operator Prewitt, operator Roberts.

DAFTAR ISI 

ABSTRAK  ...i 

ABSTRACT  ...ii 

KATA PENGANTAR  ...iii 

DAFTAR ISI  ...v 

DAFTAR GAMBAR  ...x 

DAFTAR TABEL  ...xii 

DAFTAR SIMBOL  ...xiii 

BAB I. PERSYARATAN PRODUK  ...1 

1.1. Pendahuluan ...1 

1.1.1. Tujuan  ...2 

1.1.2. Ruang Lingkup ...3 

1.1.3. Definisi, Akronim, dan Singkatan  ...3 

1.1.4. Overview  ...4 

1.2. Gambaran Keseluruhan  ...5 

1.2.1. Perspektif Produk  ...5 

1.2.1.1. Antarmuka Sistem  ...6 

1.2.1.2. Antarmuka dengan Pengguna  ...6 

1.2.1.3. Antarmuka Perangkat Keras  ...7 

1.2.1.4. Antarmuka Perangkat Lunak  ...7 

1.2.1.5. Antarmuka Komunikasi  ...7 

1.2.1.6. Batasan Memori  ...7 

1.2.2. Fungsi Produk ...8 

1.2.3. Karakteristik Pengguna  ...8 

1.2.4. Batasan  ...9 

1.2.5. Asumsi dan Ketergantungan  ...9 

1.2.6. Penundaan Persyaratan  ...9 

BAB II. SPESIFIKASI PRODUK  ...10 

2.1. Persyaratan Antarmuka Eksternal  ...10 

2.1.1. Antarmuka dengan Pengguna  ...10 

2.1.2. Antarmuka Perangkat Keras  ...12 

2.1.3. Antarmuka Perangkat Lunak  ...12 

2.2. Fitur­fitur Produk Perangkat Lunak  ...12 

2.2.1. Fitur 1 – Pendeteksian Tepi Citra dengan Teknik Operator Turunan  Kedua  ...12 

2.2.1.1. Tujuan  ...12 

2.2.1.2. Urutan Stimulus/Respon  ...12 

2.2.1.3. Persyaratan Fungsional yang Berhubungan  ...13 

2.2.1.3.1. Persyaratan Fungsionalitas  ...13 

2.2.1.3.1.1. Pendahuluan  ...13 

2.2.1.3.1.2. Masukan  ...13 

2.2.1.3.1.3. Pemrosesan  ...13 

2.2.1.3.1.4. Keluaran  ...14 

2.2.2. Fitur 2 – Pendeteksian Tepi Citra dengan Teknik Operator Kompas ..14 

2.2.2.2. Urutan Stimulus/Respon  ...14  2.2.2.3. Persyaratan Fungsional yang Berhubungan  ...14  2.2.2.3.1. Persyaratan Fungsionalitas  ...14  2.2.2.3.1.1. Pendahuluan  ...14  2.2.2.3.1.2. Masukan  ...15  2.2.2.3.1.3. Pemrosesan  ...15  2.2.2.3.1.4. Keluaran  ...15 

2.2.3. Fitur 3 – Pendeteksian Tepi Citra dengan Teknik Operator Gradien  Pertama Algoritma Sobel  ...15  2.2.3.1. Tujuan  ...15  2.2.3.2. Urutan Stimulus/Respon  ...15  2.2.3.3. Persyaratan Fungsional yang Berhubungan  ...16  2.2.3.3.1. Persyaratan Fungsionalitas  ...16  2.2.3.3.1.1. Pendahuluan  ...16  2.2.3.3.1.2. Masukan  ...16  2.2.3.3.1.3. Pemrosesan  ...16  2.2.3.3.1.4. Keluaran  ...16 

2.2.4. Fitur 4 – Pendeteksian Tepi Citra dengan Teknik Operator Gradien  Pertama Algoritma Prewitt  ...17 

2.2.4.1. Tujuan  ...17 

2.2.4.2. Urutan Stimulus/Respon  ...17  2.2.4.3. Persyaratan Fungsional yang Berhubungan  ...17  2.2.4.3.1. Persyaratan Fungsionalitas  ...17  2.2.4.3.1.1. Pendahuluan  ...17  2.2.4.3.1.2. Masukan  ...18  2.2.4.3.1.3. Pemrosesan  ...18  2.2.4.3.1.4. Keluaran  ...18 

2.2.5. Fitur 5 – Pendeteksian Tepi Citra dengan Teknik Operator Gradien  Pertama Algoritma Roberts  ...18  2.2.5.1. Tujuan  ...18  2.2.5.2. Urutan Stimulus/Respon  ...18  2.2.5.3. Persyaratan Fungsional yang Berhubungan  ...19  2.2.5.3.1. Persyaratan Fungsionalitas  ...19  2.2.5.3.1.1. Pendahuluan  ...19  2.2.5.3.1.2. Masukan  ...19  2.2.5.3.1.3. Pemrosesan  ...19  2.2.5.3.1.4. Keluaran  ...19 

2.2.6. Fitur 6 –Zoom  ...20 

2.2.6.1. Tujuan  ...20  2.2.6.2. Urutan Stimulus/Respon  ...20  2.2.6.3. Persyaratan Fungsional yang Berhubungan  ...20  2.2.6.3.1. Persyaratan Fungsionalitas  ...20  2.2.6.3.1.1. Pendahuluan  ...20  2.2.6.3.1.2. Masukan  ...21  2.2.6.3.1.3. Pemrosesan  ...21  2.2.6.3.1.4. Keluaran  ...21

2.2.7. Fitur 7 – Gaussian Blur  ...21  2.2.7.1. Tujuan  ...21  2.2.7.2. Urutan Stimulus/Respon  ...21  2.2.7.3. Persyaratan Fungsional yang Berhubungan  ...21  2.2.7.3.1. Persyaratan Fungsionalitas  ...22  2.2.7.3.1.1. Pendahuluan  ...22  2.2.7.3.1.2. Masukan  ...22  2.2.7.3.1.3. Pemrosesan  ...22  2.2.7.3.1.4. Keluaran  ...22 

2.2.8. Fitur 8 –Brightness  ...22 

2.2.8.1. Tujuan  ...22  2.2.8.2. Urutan Stimulus/Respon  ...22  2.2.8.3. Persyaratan Fungsional yang Berhubungan  ...23  2.2.8.3.1. Persyaratan Fungsionalitas  ...23  2.2.8.3.1.1. Pendahuluan  ...23  2.2.8.3.1.2. Masukan  ...23  2.2.8.3.1.3. Pemrosesan  ...23 

2.2.8.3.1.4. Keluaran  ...23 

2.2.9. Fitur 9 – Contrast  ...24 

2.2.9.1. Tujuan  ...24  2.2.9.2. Urutan Stimulus/Respon  ...24  2.2.9.3. Persyaratan Fungsional yang Berhubungan  ...24  2.2.9.3.1. Persyaratan Fungsionalitas  ...24  2.2.9.3.1.1. Pendahuluan  ...24  2.2.9.3.1.2. Masukan  ...24  2.2.9.3.1.3. Pemrosesan  ...25  2.2.9.3.1.4. Keluaran  ...25 

2.2.10. Fitur 10 – Gamma  ...25 

2.2.10.1. Tujuan  ...25  2.2.10.2. Urutan Stimulus/Respon ...25  2.2.10.3. Persyaratan Fungsional yang Berhubungan ...25  2.2.10.3.1. Persyaratan Fungsionalitas  ...25  2.2.10.3.1.1. Pendahuluan ...25  2.2.10.3.1.2. Masukan  ...26  2.2.10.3.1.3. Pemrosesan  ...26  2.2.10.3.1.4. Keluaran  ...26 

2.2.11. Fitur 11 –Reload...26 

2.2.11.1. Tujuan  ...26  2.2.11.2. Urutan Stimulus/Respon  ...26  2.2.11.3. Persyaratan Fungsional yang Berhubungan  ...26  2.2.11.3.1. Persyaratan Fungsionalitas  ...27  2.2.11.3.1.1. Pendahuluan ...27  2.2.11.3.1.2. Masukan  ...27  2.2.11.3.1.3. Pemrosesan  ...27  2.2.11.3.1.4. Keluaran  ...27 

2.2.12.1. Tujuan  ...27  2.2.12.2. Urutan Stimulus/Respon  ...28  2.2.12.3. Persyaratan Fungsional yang Berhubungan  ...28  2.2.12.3.1. Persyaratan Fungsionalitas  ...28  2.2.12.3.1.1. Pendahuluan ...28  2.2.12.3.1.2. Masukan  ...28  2.2.12.3.1.3. Pemrosesan  ...28  2.2.12.3.1.4. Keluaran  ...29 

2.2.13. Fitur 13 –Auto Save  ...29 

2.2.13.1. Tujuan  ...29  2.2.13.2. Urutan Stimulus/Respon  ...29  2.2.13.3. Persyaratan Fungsional yang Berhubungan  ...29  2.2.13.3.1. Persyaratan Fungsionalitas  ...29  2.2.13.3.1.1. Pendahuluan ...29  2.2.13.3.1.2. Masukan  ...30  2.2.13.3.1.3. Pemrosesan  ...30  2.2.13.3.1.4. Keluaran  ...30  2.3. Persyaratan Performa  ...30  2.4. Batasan Desain  ...30  2.5. Atribut Sistem Perangkat Lunak  ...31  2.5.1. Kehandalan  ...31  2.5.2. Ketersediaan  ...31  2.5.3. Keamanan  ...31  2.5.4. Pemeliharaan  ...31  2.5.5. Portabilitas  ...31  2.6. Persyaratan Database Logis  ...32  BAB III. DESAIN PERANGKAT LUNAK  ...33  3.1. Pendahuluan  ...33  3.1.1. Identifikasi Kebutuhan Sistem  ...33 

3.1.2. OverviewSistem  ...34 

3.1.3. Pengolahan Citra Digital  ...34 

3.1.4. Operator Turunan Kedua (Laplacian)  ...36 

3.1.5. Operator Kompass (Compass Operator)  ...40 

3.1.6. Operator Gradien Pertama (differential gradient) dengan Algoritma  Sobel  ...42 

3.1.7. Operator Gradien Pertama (differential gradient) dengan Algoritma  Prewitt  ...45 

3.1.8. Operator Gradien Pertama (differential gradient) dengan Algoritma  Roberts  ...47  3.1.9. Grayscale  ...48  3.2. Desain Perangkat Lunak Secara Keseluruhan  ...49  3.3. Desain Arsitektur Perangkat Lunak  ...50  3.3.1. Komponen Perangkat Lunak  ...50  3.3.2. Konsep Eksekusi  ...51  3.3.3. Desain Antarmuka  ...54 

BAB IV. PENGEMBANGAN SISTEM  ...60 

4.1. Perencanaan Tahap Implementasi  ...60 

4.1.1. PembagianClass Implementasi  ...60 

4.1.2. Class Diagram  ...62 

4.1.3. Keterkaitan Antar Class  ...71 

4.2. Perjalanan Tahap Implementasi  ...71 

4.2.1. Top Down Implementasi  ...71 

4.2.2. Debugging  ...72 

4.3. Ulasan Realisasi Fungsionalitas  ...73 

4.4. Ulasan RealisasiUser Interface Design  ...74 

BAB V. TESTING DAN EVALUASI SISTEM  ...79 

5.1. Rencana Pengujian Sistem Terimplementasi  ...79 

5.1.1. Test Case  ...79 

5.1.2. Uji Fungsionalitas Modul  ...80 

5.2. Perjalanan Metodologi Pengujian  ...82 

5.2.1. White Box  ...82 

5.2.2. Black Box  ...82 

5.2.3. Survey / Wawancara dengan Target Pengguna Aplikasi  ...89 

5.3. Ulasan Hasil Evaluasi  ...89 

BAB VI. KESIMPULAN DAN SARAN  ...90 

6.1. Keterkaitan antara Kesimpulan dengan Hasil Evaluasi  ...90 

6.2. Keterkaitan antara Saran dengan Hasil Evaluasi  ...92 

6.3. Rencana Perbaikan/Implementasi terhadap Saran yang Diberikan  ...92 

DAFTAR TABEL 

Tabel 5.1. TabelTest Case Aplikasi Pendeteksian Tepi  ...79 

Tabel 5.2. Tabel Citra HasilTest Case Aplikasi Pendeteksian Tepi  ...83 

Tabel 5.3. Tabel Citra Matriks Test Case Aplikasi Pendeteksian Tepi  ...87 

Tabel 6.1. Tabel perbandingan hasil citra algoritma Sobel  ...90 

Tabel 6.2. Tabel perbandingan hasil citra algoritma Prewitt  ...91 

Tabel 6.3. Tabel perbandingan hasil citra algoritma Roberts  ...91 

Tabel 6.4. Tabel perbandingan hasil citra algoritma Compass  ...91 

DAFTAR GAMBAR 

Gambar 3.1. Diagram Fungsi Gaussian  ...39 

Gambar 3.2. Use Case Diagram  ...49 

Gambar 3.3. Aktifitas pendeteksian tepi  ...51 

Gambar 3.4. Aktifitas meningkatkan kualitas citra  ...51 

Gambar 3.5. Aktifitas mengembalikan kondisi citra (reload)  ...52 

Gambar 3.6. Aktifitas menampilkan citra  ...52 

Gambar 3.7. Aktifitas menyimpan citra  ...53 

Gambar 3.8. Aktifitas memperbesar tampilan citra (zoom)  ...53 

Gambar 3.9. Aktifitas menduplikasi citra (clone)  ...54 

Gambar 3.10. Form Welcome  ...54 

Gambar 3.11. Form Utama  ...55 

Gambar 3.12. Form Image  ...55 

Gambar 3.13. Form Algoritma  ...56 

Gambar 3.14. Form Brightness  ...56 

Gambar 3.15. Form Contrast  ...57 

Gambar 3.16. Form Gamma  ...57 

Gambar 3.17. Form Konfigurasi Algoritma  ...58 

Gambar 3.18. Desain proses  ...58 

Gambar 4.1. Class Welcome  ...62 

Gambar 4.2. Class Main  ...62 

Gambar 4.3. Class Image  ...63 

Gambar 4.4. Class ImageFilter  ...64 

Gambar 4.5. Class RGBColor  ...64 

Gambar 4.6. Class Sobel  ...64 

Gambar 4.7. Class Prewitt  ...65 

Gambar 4.8. Class Roberts  ...65 

Gambar 4.9. Class Compass  ...66 

Gambar 4.10. Class Laplace  ...66 

Gambar 4.11. Class Brightness  ...67 

Gambar 4.12. Class Contrast  ...67 

Gambar 4.13. Class Gamma  ...67 

Gambar 4.14. Class ColorToGrayscale  ...68 

Gambar 4.15. Class ColorToConvolution  ...68 

Gambar 4.16. Class Grayscale  ...69 

Gambar 4.17. Class GrayscaleMD  ...69 

Gambar 4.18. Class Gaussian  ...69 

Gambar 4.19. Class Correlation  ...70 

Gambar 4.20. Class GaussianBlur  ...70 

Gambar 4.21. Keterkaitan Antar Class  ...71 

Gambar 4.22. Struktur menu aplikasi pendeteksian tepi  ...73 

Gambar 4.23. Welcome  ...74 

Gambar 4.24. Main  ...74 

Gambar 4.25. Image  ...75 

Gambar 4.27. Algorithm  ...76 

Gambar 4.28. Brightness  ...76 

Gambar 4.29. Contrast  ...77 

Gambar 4.30. Gamma  ...77 

BAB I 

PERSYARATAN PRODUK

 

Pemrosesan  gambar  secara  digital  telah  berkembang  dengan  cepat.  Pengolahan  gambar  ini  didukung  dengan  kemajuan  teknologi  perangkat  keras  yang  signifikan.  Produk­produk  pengolah  gambar  sudah  semakin  canggih  dengan  adanya  aplikasi  multimedia  seperti  Corel  Draw  X3,  Macromedia Flash 8.0, Adobe Photoshop CS2, dan perangkat lunak lainnya  yang mendukung pemrosesan citra. 

Produk  yang  digunakan  penulis  untuk  menghasilkan  aplikasi  pengolahan citra yaitu Visual Studio .Net 2005 dengan bahasa pemrograman  C#. Produk dari Microsoft ini sangat kompleks dengan canggihnya fitur yang  diberikan,  sehingga  penulis  dapat  menghasilkan  aplikasi  dengan  baik.  Aplikasi yang dibuat penulis berguna untuk mendeteksi tepi (edge) dari suatu  objek di dalam citra. Pendeteksian tepi akan menggunakan algoritma tertentu  untuk menghasilkan citra yang lebih halus, sederhana, bahkan menghasilkan  citra dengan segmentasi tertentu. 

1.1.Pendahuluan

 

Perkembangan  komputer  dan  perangkat  lunak  digital  berkembang  sesuai  dengan  semakin  canggihnya  teknologi.  Hal  ini  memberikan  kemudahan  bagi  penggunanya  dengan  adanya  berbagai  macam  fitur  dan  desain user interface yang nyaman sehingga menimbulkan minat seseorang  dalam  bidang  gambar,  film  dokumentasi,  fotografi,  multimedia  dan  sebagainya. 

Pengolahan  citra  adalah  salah  satu  kajian  bidang  multimedia  yang  memegang  peranan  cukup  penting.  Pengolahan  citra  dapat  berupa  penyederhanaan  gambar  (image  simplification)  dengan  melakukan  pendeteksian  tepi  objek  yang  berada  di  dalam  gambar.  Pendeteksian  tepi  objek  merupakan  salah  satu  klasifikasi  dari  pengolahan  citra  yang  berupa

penganalisisan  citra  (image  analysis).  Penerapan  pengolahan  citra  dengan  pendeteksian  tepi  ini  dapat  berupa  pengenalan  objek  yang  terpisah,  pengenalan suatu objek yang bergerak, dan pengenalan objek diantara objek  yang  lain.  Contohnya,  robot­robot  digunakan  untuk  merakit  badan  mobil,  mengidentifikasi  jenis  pesawat  musuh,  pengenalan  huruf/angka  pada  suatu  formulir secara otomatis, dan sebagainya. 

Citra  sebagai  representasi  informasi  dua  dimensi  yang  diciptakan  dengan  melihat  atau  merasakan  sebuah  gambar  atau  pemandangan.  Citra  memberikan  informasi  yang  tidak  dapat  diungkapkan  secara  eksplisit.  Informasi  dari  suatu  citra  dapat  berupa  dokumentasi  kejadian,  gambar  pemandangan,  aktivitas  seseorang,  bahkan  informasi  tersebut  tidak  dapat  langsung diungkapkan sedemikian rupa. 

Penulis membahas teknik pengolahan citra ini dengan menggunakan  beberapa algoritma.  Penekanan  algoritma pada pengolahan tepi (edge) dari  objek di dalam citra. Algoritma yang penulis gunakan dapat mereduksi citra  menjadi  region  atau  daerah­daerah  dari  suatu  objek.  Algoritma  ini  dapat  diimplementasikan  pada  aplikasi  pengenalan  (recognition) objek  dari  suatu  citra,  selain  itu  dapat  juga  diimplementasikan  untuk  meningkatkan  penampakan garis batas suatu objek di dalam citra. 

Aplikasi yang mendukung kinerja pengolahan citra sangat diperlukan  untuk  meningkatkan  kualitas  gambar  agar  lebih  baik.  Aplikasi  yang  memudahkan penggunanya dalam mengakses algoritma secara optimal untuk  mencari tepi suatu citra, mencari perbandingan citra, memisahkan objek pada  citra.  Aplikasi  yang  digunakan  sebagai  suatu  fungsi  dimana  memberikan  kenyaman pengolahan citra digital. 

1.1.1.  Tujuan 

Pembuatan aplikasi ini memiliki beberapa tujuan yang berguna untuk  memproses suatu citra digital diantaranya : 

1.  Melakukan  pencocokan  citra  awal  dengan  dimensi  tertentu  terhadap citra yang mengalami perubahan.

2.  Menggunakan teknik operator turunan kedua (Laplacian), operator  kompas  (compass  operator),  dan  operator  gradien  pertama  (differential  gradient)  dengan  algoritma  Sobel,  Prewitt,  Roberts,  untuk mendeteksi tepi dari objek suatu citra. 

3.  Mendeteksi  tepi  pada  citra  secara  signifikan  dengan  menghilangkan informasi yang tidak terpakai. 

4.  Membandingkan  kecepatan  proses  dari  setiap  operator  edge  detector dan ukuran file suatu citra awal dengan citra akhir  yang  telah mengalami pendeteksian tepi. 

1.1.2.  Ruang Lingkup 

Aplikasi ini memiliki beberapa manfaat yang dapat digunakan untuk  memproses citra, antara lain :

·  peningkatan  kualitas  citra  dengan  menggunakan  beberapa  filter 

terhadap citra

·  pendeteksian tepi pada citra

·  pengguna dapat mengetahui algoritma yang diterapkan pada suatu 

teknik pengolahan citra

·  Aplikasi  ini  memberikan  informasi  kecepatan  proses  dari  setiap 

operator  yang  digunakan  dan  informasi  ukuran  file  citra  awal  dengan citra akhir yang telah mengalami pendeteksian tepi. 

Penulis  membuat  aplikasi  ini  supaya  nyaman  digunakan  (user  friendly).  Aplikasi  yang  akan  mengolah  citra  untuk  meningkatkan  penampakan  garis  batas  suatu  daerah  di  dalam  citra.  Aplikasi  ini  akan  digolongkan menurut teknik dan algoritma yang penulis gunakan, sehingga  pengguna  dapat  mengetahui  perbedaan  setiap  citra  serta  bagaimana  penggunaan algoritma tersebut. 

1.1.3.  Definisi, Akronim, dan Singkatan 

1.  algoritma  = urutan suatu kejadian atau metode tertentu. 

3.  brightness  = pencahayaan. 

4.  citra  = gambar pada bidang dua dimensi.  5.  contrast  = kontras. 

6.  darkness  = gelap. 

7.  differential gradient  = perbedaan gradien/garis temu.  8.  edge detector  = pendeteksi tepi. 

9.  file  = berkas. 

10. GIF  = Graphics Interchange Format.  11.grayscale  = keabuan (hitam putih). 

12.image analysis  = penganalisisan citra.  13.image sharpening  = penajaman gambar.  14.image simplification  = penyederhanaan gambar. 

15. JPEG  = Joint Photographic Experts Group.  16.lightness  = terang. 

17.mask  = penutup/matriks. 

18. MDI  = Multiple Document Interface.  19.neighbourhood  = tetangga. Matriks tetangga.  20. PNG  = Portable Network Graphics. 

21.recognition  = pengenalan suatu objek terhadap citra.  22. tepi (edge)  = perubahan nilai intensitas derajat keabuan 

yang mendadak besar dalam jarak yang singkat.  23. TIFF  = Tag Image File Format. 

24.user friendly  = penggunaan secara mudah/nyaman. 

1.1.4.  Overview 

Penulis membahas mengenai pembuatan produk diantaranya bab satu  membahas  persyaratan  produk  seperti  tujuan  pembuatan  produk,  ruang  lingkup  produk,  definisi,  akronim,  singkatan,  referensi  yang  digunakan,  perspektif produk, gambaran antarmuka sistem, fungsi produk, batasan, serta  spesifikasi  komputer  dalam  menggunakan  produk  ini.  Bab  dua  membahas  spesifikasi  produk  diantaranya  persyaratan  antarmuka  eksternal,  antarmuka

dengan pengguna dan fitur­fitur perangkat lunak produk. Bab tiga membahas  desain  perangkat  lunak  produk  seperti  desain  perangkat  lunak  secara  keseluruhan  dan  desain  arsitektur  perangkat  lunak.  Bab  empat  membahas  pengembangan  sistem  seperti  perjalanan  tahap  implementasi  (coding)  dan  rancangan  antarmuka  produk.  Bab  lima  membahas  testing  dan  evaluasi  sistem antara lain uji fungsionalitas modul dan test case yang berupa black  box dan white box. Bab enam berisi kesimpulan, saran dan rencana perbaikan  terhadap saran yang diberikan. 

1.2.Gambaran Keseluruhan

 

Penulis  menggunakan  Visual  Studio  .Net  2005  dengan  bahasa  pemrograman  C#  untuk  membuat  aplikasi  pengolahan  citra.  Aplikasi  ini  menggunakan model MDI (Multiple Document Interface) dan toolbox yang  menarik  agar  pengguna  mudah  mengoperasikannya.  Penulis  tidak  menggunakan database pada aplikasi ini untuk menyimpan citra yang akan  diproses.  Pengguna  dapat  menggunakan  citra  apapun  untuk  mengaplikasikannya.  Aplikasi  dapat  mengolah  citra  dengan  penggunaan  beberapa  algoritma  sehingga  pengguna  dapat  membandingkan  setiap  citra  yang  dihasilkan.  Aplikasi  ini  juga  memiliki  fitur  untuk  menampilkan  algoritma dari operator yang digunakan. 

Aplikasi  pengolahan  citra  memerlukan  perangkat  keras  yang  dapat  mendukung kinerja perangkat lunaknya. Penulis menggunakan processor PIII  800  Mhz,  RAM  256  Mb,  Hard  Disk  20  Gb,  dan  VGA  32  Mb  sebagai  minimum  requirement  untuk  membuat  aplikasi  ini.  Pengolahan  citra  membutuhkan  gambar  dengan  ukuran  minimal  256  x  256,  dalam  satuan  pixel,  sehingga  pengguna  tidak  terlalu  kecil  untuk  melihat  perbandingan  setiap citra yang dihasilkan. 

1.2.1.  Perspektif Produk 

Aplikasi  pendeteksian  tepi  ini  merupakan  penerapan  algoritma  dari  operator  yang  telah  ada  sehingga  pengguna  dapat  mengolah  citra  sesuai

metode/teknik yang diberikan. Tampilan form secara user friendly sehingga  pengguna dapat mudah menggunakannya. Penulis membuat aplikasi dengan  bahasa  pemrograman  C#  dengan  berorientasi  objek  sehingga  source  code  dapat lebih mudah dipahami. Aplikasi pengolah citra yang biasa digunakan,  seperti  Adobe  Photoshop  CS2,  Corel  Draw  X3,  dan  sebagainya  hanya  memberikan  efek  pada  citra  secara  langsung  tanpa  memberikan  penerapan  secara khusus, sedangkan aplikasi yang penulis buat memberikan penerapan  beberapa algoritma untuk diolah pada suatu citra. 

1.2.1.1.  Antarmuka Sistem 

Penulis  menggunakan  Visual  Studio  .Net  2005  dengan  .Net  Framework 2.0, sehingga diperlukan sistem operasi Windows XP SP2 agar  dapat  menjalankan  produk  dari  Microsoft  ini.  Aplikasi  yang  penulis  buat  dapat  digunakan  pada  sistem  operasi  Windows  versi  9x  keatas.  Hal  ini  memudahkan  pengguna  untuk  dapat  menjalankan  aplikasi  pada  sistem  Windows. Penulis tidak membuat aplikasi ini untuk dijalankan pada sistem  Linux  dikarenakan  terbatasnya  kemampuan  penulis  untuk  membuat  perangkat  lunak  di  setiap  sistem  operasi.  Aplikasi  ini  tidak  akan  menimbulkancrash dan dapat digunakan bersamaan dengan aplikasi lainnya. 

1.2.1.2.  Antarmuka dengan Pengguna 

Aplikasi  pengolahan  citra  dengan  pendeteksian  tepi  memerlukan  adanya interaksi dengan pengguna dalam menggunakan algoritma yang ada.  Pengguna dapat menggunakan form­form pada aplikasi ini dengan nyaman.  Aplikasi ini menggunakan Multiple Document Interface sehingga pengguna  dapat membedakan pendeteksian citra yang dihasilkan dari setiap algoritma.  Desain  form  yang  menarik  membuat  pengguna  menggunakan  aplikasi  ini.  Penulis  menggunakan  form  welcome  pada  saat  pertama  kali  aplikasi  ini  dijalankan.  Aplikasi  ini  dibuat  dengan  memfokuskan  pada  algoritma  sehingga  terdapat  form  algoritma  yang  menampilkan  setiap  teknik  pendeteksian tepi.

1.2.1.3.  Antarmuka Perangkat Keras 

Perangkat keras yang direkomendasikan untuk menjalankan aplikasi  ini  adalah  CPU  dengan  processor  Pentium  III  keatas,  RAM  256  Mb  dan  VGA 32 Mb. Penulis merekomendasikan graphic card 32 Mb dikarenakan  aplikasi ini digunakan untuk pengolahan citra sehingga memerlukan adanya  perangkat  keras  yang  mendukung.  Kemampuan  monitor  yang  baik  juga  mendukung citra agar terlihat lebih jelas. Penulis dalam pembuatan aplikasi  ini  menggunakan perangkat keras dengan  spesifikasi processor Pentium III  800 Mhz, RAM 256 Mb, Hard Disk 20 Gb, dan VGA 32 Mb. 

1.2.1.4.  Antarmuka Perangkat Lunak 

Perangkat lunak yang digunakan dalam pengolahan aplikasi ini yaitu  Visual Studio .Net 2005 dengan .Net Framework 2.0. Penulis menggunakan  bahasa  pemrograman  C#  untuk  menyelesaikan  aplikasi  ini  dikarenakan  pemahaman  penulis  dalam  pemrograman  berorientasi  objek  C#.  Aplikasi  dibuat  berorientasi  objek  sehingga  source  code  dapat  lebih  dimengerti  apabila  terdapat  pengembangan  program  lebih  lanjut.  Aplikasi  ini  tidak  mengganggu perangkat lunak lainnya dalam melakukan kinerjanya. 

1.2.1.5.  Antarmuka Komunikasi 

Aplikasi  pendeteksian  tepi  ini  tidak  berbasiskan  client  server  dan  database,  sehingga  tidak  ada  komunikasi  data  baik  menggunakan  protokol  maupundataset pada saat aplikasi dijalankan. 

1.2.1.6.  Batasan Memori 

Aplikasi  besar  seperti  Visual  Studio  .Net  2005  memerlukan  penggunaan  memori  yang  cukup  banyak,  baik  untuk  menyimpan  data  maupun pemakaian RAM. Penulis merekomendasikan Hard Disk 20 Gb dan  RAM 256 Mb sebagai batasan memori sehingga dapat menyimpan data serta  menjalankan aplikasi ini.

1.2.2.  Fungsi Produk 

Pengolahan  citra  digital  dengan  melakukan  pendeteksian  tepi  menggunakan  beberapa  algoritma  memerlukan  aplikasi  yang  mudah  digunakan,  nyaman,  dan  lengkapnya  error  checking  dalam  mengatasi  pengguna  yang  baru  pertama  kali  menggunakan  aplikasi  ini.  Aplikasi  ini  memiliki beberapa fungsi utama diantaranya : 

1.  Melakukan  pencocokan  citra  awal  dengan  dimensi  tertentu  terhadap citra yang mengalami perubahan. 

2.  Menggunakan teknik operator turunan kedua (Laplacian), operator  kompas  (compass  operator),  dan  operator  gradien  pertama  (differential  gradient)  dengan  algoritma  Sobel,  Prewitt,  Roberts,  untuk mendeteksi tepi dari objek suatu citra. 

3.  Mendeteksi  tepi  pada  citra  secara  signifikan  dengan  menghilangkan informasi yang tidak terpakai. 

4.  Membandingkan  kecepatan  proses  dari  setiap  operator  edge  detector dan ukuran file suatu citra awal dengan citra akhir  yang  telah mengalami pendeteksian tepi. 

1.2.3.  Karakteristik Pengguna 

Aplikasi ini memerlukan adanya pengguna yang dapat menggunakan  komputer,  mengerti  dalam  mengoperasikan  menu­menu  dalam  aplikasi,  memiliki  pengalaman  memasukkan  gambar,  mengerti  perubahan  citra  dengan  mengolah  nilai­nilai  variabel  dalam  suatu  algoritma,  mengetahui  pengolahan  citra  digital,  mengenal  image  recognition  serta  mengetahui  penerapan algoritma dalam mengolah citra digital. 

Pengguna tidak memerlukan login untuk masuk ke dalam aplikasi ini,  sehingga pengguna tidak perlu  memahami adanya perbedaan tingkatan  hak  akses.  Karakteristik  pengguna  lainya  yaitu  diperlukannya  pengguna  yang  memahami pendeteksian tepi untuk suatu implementasi citra digital.

1.2.4.  Batasan 

Pada tugas akhir  ini penulis akan  merancang dan  membuat aplikasi  Pendeteksian Tepi Citra dengan Menggunakan Beberapa Algoritma. Batasan  masalah dalam aplikasi ini adalah :

·  Ketelitian perbandingan kualitas setiap citra hasil dari pendeteksian 

tepi menggunakan suatu algoritma hanya akan dibandingkan oleh  mata manusia secara visual saja.

·  Aplikasi untuk pendeteksian tepi menggunakan Visual Studio .Net 

2005 dengan bahasa pemrograman C#.

·  Hardware  yang  direkomendasikan  yaitu  PC  dengan  Pentium  III 

800Mhz,  RAM  256  Mb,  Hard  Disk  20  Gb,  VGA  32  Mb,  sistem  operasi Windows XP SP2.

·  Aplikasi tidak berbasiskanclient server.

·  Aplikasi tidak menggunakandatabase untuk menyimpan citra. 

1.2.5.  Asumsi dan Ketergantungan 

Penulis membuat aplikasi pendetesian tepi citra, sehingga diperlukan  adanya  citra  yang  jelas  agar  mendukung  kinerja  aplikasi  ini.  Citra  yang  digunakan berformat .BMP, .JPG, .TIF, .PNG, .GIF. Citra pada aplikasi ini  dapat disimpan dengan format .BMP, .JPG, .PNG. 

1.2.6.  Penundaan persyaratan 

Aplikasi  ini  tidak  adanya  penundaan  persyaratan.  Pengguna  dapat  menggunakan aplikasi ini untuk pendeteksian tepi citra dengan menggunakan  beberapa algoritma.

BAB VI 

KESIMPULAN DAN SARAN 

6.1.  Keterkaitan antara Kesimpulan dengan Hasil Evaluasi

 

Setelah  melakukan  evaluasi  dengan  test  case  dan  mencoba 

mengaplikasikannya dengan berbagai macam citra, aplikasi pendeteksian tepi  dapat mendeteksi tepi sesuai operator algoritma yang digunakan. Maka dari  hasil evaluasi dapat ditarik beberapa kesimpulan antara lain :

·  Aplikasi pendeteksian tepi citra dapat mendeteksi tepi objek yang 

berada pada citra sesuai algoritma tertentu.

·  Perbandingan kecepatan proses algoritma dan ukuran file citra juga 

tergantung kecepatan suatu processor pada komputer pengguna

·  Pendeteksian  tepi  citra  dengan  operator  Roberts  menggunakan 

matriks 2x2 sehingga tepi citra yang terdeteksi lebih tipis dari pada  operator algoritma lainnya.

·  pendeteksian  tepi  dengan  matriks  2x2  dan  3x3  tidak  akan  dapat 

mendeteksi tepi citra pada pixel ujung.

·  Aplikasi  dapat  membandingkan  hasil  dari  citra  terhadap  setiap 

algoritma yang digunakan. Perbandingan kecepatan dan ukuranfile 

citra dilakukan dengan spesifikasi komputer sebagai berikut :  1.  Pentium III 800 Mhz 

2.  RAM 256 Mb  3.  Hard Disk 20 Gb  4.  VGA 32 Mb 

Tabel perbandingan hasil citra algoritma Sobel 

Nama citra  Ukuran 

dimensi Citra 

Ukuranfile citra 

awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra 

hasil (bytes) 

Wtc1.jpg  400 x 474  30263  190  62882 

sample.jpg  400 x 300  49554  120  24195 

East Rd.05.jpg  400 x 360  70745  140  48427 

sample20x20.jpg  20 x 20  22774  10  950 

Tabel 6.1. Tabel perbandingan hasil citra algoritma Sobel  Tabel perbandingan hasil citra algoritma Prewitt 

Nama citra  Ukuran 

dimensi Citra 

Ukuranfile citra 

awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra 

hasil (bytes) 

Wtc1.jpg  400 x 474  30263  190  58193 

Lena_Orig.jpg  352 x 352  88407  120  37708 

sample.jpg  400 x 300  49554  120  22597 

East Rd.05.jpg  400 x 360  70745  140  44154 

sample20x20.jpg  20 x 20  22774  10  949 

Tabel 6.2. Tabel perbandingan hasil citra algoritma Prewitt  Tabel perbandingan hasil citra algoritma Roberts 

Nama citra  Ukuran 

dimensi Citra 

Ukuranfile citra 

awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra 

hasil (bytes) 

Wtc1.jpg  400 x 474  30263  130  42444 

Lena_Orig.jpg  352 x 352  88407  70  25577 

sample.jpg  400 x 300  49554  70  14912 

East Rd.05.jpg  400 x 360  70745  90  31572 

sample20x20.jpg  20 x 20  22774  10  939 

Tabel 6.3. Tabel perbandingan hasil citra algoritma Roberts  Tabel perbandingan hasil citra algoritma Compass 

Nama citra  Ukuran 

dimensi Citra 

Ukuranfile citra 

awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra 

hasil (bytes) 

Wtc1.jpg  400 x 474  30263  160  54537 

Lena_Orig.jpg  352 x 352  88407  100  32462 

sample.jpg  400 x 300  49554  90  19836 

sample20x20.jpg  20 x 20  22774  10  948 

Tabel 6.4. Tabel perbandingan hasil citra algoritma Compass  Tabel perbandingan hasil citra algoritma Laplace 

Nama citra  Ukuran 

dimensi Citra 

Ukuranfile citra 

awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra 

hasil (bytes) 

Wtc1.jpg  400 x 474  30263  170  72645 

Lena_Orig.jpg  352 x 352  88407  100  26569 

sample.jpg  400 x 300  49554  100  63490 

East Rd.05.jpg  400 x 360  70745  120  58599 

sample20x20.jpg  20 x 20  22774  10  931 

Tabel 6.5. Tabel perbandingan hasil citra algoritma Laplace 

6.2.  Keterkaitan antara Saran dengan Hasil Evaluasi

 

Saran  yang  didapatkan  setelah  hasil  evaluasi  untuk  pengembangan  ataupun perbaikan aplikasi dimasa  yang akan datang. Saran tersebut antara  lain adalah :

·  Pendeteksian  tepi  citra  dapat  mendeteksi  tepi  citra  pada  pixel 

ujung.

·  Penghilangan tepi palsu sehingga tepi citra lebih akurat.

·  Aplikasi  dapat  menghasilkan  pendeteksian  tepi  citra  berwarna 

sehingga tampak citra berupa warna aslinya.

·  Aplikasi  dapat  menentukan  warna  tepi  yang  digunakan  dalam 

membatasi tepi objek di dalam citra.

·  Aplikasi dapat mendeteksi tepi citra hanya pada area yang di zoom 

atau di seleksi. 

6.3.  Rencana  Perbaikan  /  Implementasi  terhadap  Saran  yang 

Diberikan

 

·  Rencana  membuat  matriks dengan  bobot  kecil sehingga tepi citra  pada pixel ujung dapat terdeteksi.

·  Perbaikan  dengan  membuat  rumus  untuk  memperjelas  bobot tepi 

sehingga tepi palsu dapat dihilangkan.

·  Pendeteksian  tepi  akan  mencoba  untuk  tidak  melakukan  proses 

grayscale sehingga citra akan memiliki warna aslinya dengan tepi  yang terdeteksi.

·  Rencana  membuat  warna  tepi  yang  digunakan  dalam  membatasi 

tepi objek di dalam citra dapat disesuaikan dengan pilihan. 

6.4.  Penerapan Pendeteksian Tepi Citra pada Dunia Nyata

 

Pendeteksian tepi citra dapat diterapkan pada dunia nyata. Penerapan  ini dapat digunakan dalam berbagai bidang antara lain :

·  Bidang otomotifà sebagai pengenalan nomor kendaraan bermotor

·  Bidang militer à untuk pengenalan bentuk pesawat pada radar

·  Bidang industrià sebagai pengenalan suatu benda oleh robot

1.2.2.  Fungsi Produk 

Pengolahan  citra  digital  dengan  melakukan  pendeteksian  tepi  menggunakan  beberapa  algoritma  memerlukan  aplikasi  yang  mudah  digunakan,  nyaman,  dan  lengkapnya  error  checking  dalam  mengatasi  pengguna  yang  baru  pertama  kali  menggunakan  aplikasi  ini.  Aplikasi  ini  memiliki beberapa fungsi utama diantaranya : 

1.  Melakukan  pencocokan  citra  awal  dengan  dimensi  tertentu  terhadap citra yang mengalami perubahan. 

2.  Menggunakan teknik operator turunan kedua (Laplacian), operator  kompas  (compass  operator),  dan  operator  gradien  pertama  (differential  gradient)  dengan  algoritma  Sobel,  Prewitt,  Roberts,  untuk mendeteksi tepi dari objek suatu citra. 

3.  Mendeteksi  tepi  pada  citra  secara  signifikan  dengan  menghilangkan informasi yang tidak terpakai. 

4.  Membandingkan  kecepatan  proses  dari  setiap  operator  edge  detector dan ukuran file suatu citra awal dengan citra akhir  yang  telah mengalami pendeteksian tepi. 

1.2.3.  Karakteristik Pengguna 

Aplikasi ini memerlukan adanya pengguna yang dapat menggunakan  komputer,  mengerti  dalam  mengoperasikan  menu­menu  dalam  aplikasi,  memiliki  pengalaman  memasukkan  gambar,  mengerti  perubahan  citra  dengan  mengolah  nilai­nilai  variabel  dalam  suatu  algoritma,  mengetahui  pengolahan  citra  digital,  mengenal  image  recognition  serta  mengetahui  penerapan algoritma dalam mengolah citra digital. 

Pengguna tidak memerlukan login untuk masuk ke dalam aplikasi ini,  sehingga pengguna tidak perlu  memahami adanya perbedaan tingkatan  hak  akses.  Karakteristik  pengguna  lainya  yaitu  diperlukannya  pengguna  yang  memahami pendeteksian tepi untuk suatu implementasi citra digital.

1.2.4.  Batasan 

Pada tugas akhir  ini penulis akan  merancang dan  membuat aplikasi  Pendeteksian Tepi Citra dengan Menggunakan Beberapa Algoritma. Batasan  masalah dalam aplikasi ini adalah :

·  Ketelitian perbandingan kualitas setiap citra hasil dari pendeteksian  tepi menggunakan suatu algoritma hanya akan dibandingkan oleh  mata manusia secara visual saja.

·  Aplikasi untuk pendeteksian tepi menggunakan Visual Studio .Net  2005 dengan bahasa pemrograman C#.

·  Hardware  yang  direkomendasikan  yaitu  PC  dengan  Pentium  III  800Mhz,  RAM  256  Mb,  Hard  Disk  20  Gb,  VGA  32  Mb,  sistem  operasi Windows XP SP2.

·  Aplikasi tidak berbasiskanclient server.

·  Aplikasi tidak menggunakandatabase untuk menyimpan citra.  1.2.5.  Asumsi dan Ketergantungan 

Penulis membuat aplikasi pendetesian tepi citra, sehingga diperlukan  adanya  citra  yang  jelas  agar  mendukung  kinerja  aplikasi  ini.  Citra  yang  digunakan berformat .BMP, .JPG, .TIF, .PNG, .GIF. Citra pada aplikasi ini  dapat disimpan dengan format .BMP, .JPG, .PNG. 

1.2.6.  Penundaan persyaratan 

Aplikasi  ini  tidak  adanya  penundaan  persyaratan.  Pengguna  dapat  menggunakan aplikasi ini untuk pendeteksian tepi citra dengan menggunakan  beberapa algoritma.

BAB VI 

KESIMPULAN DAN SARAN 

6.1.  Keterkaitan antara Kesimpulan dengan Hasil Evaluasi

 

Setelah  melakukan  evaluasi  dengan  test  case  dan  mencoba  mengaplikasikannya dengan berbagai macam citra, aplikasi pendeteksian tepi  dapat mendeteksi tepi sesuai operator algoritma yang digunakan. Maka dari  hasil evaluasi dapat ditarik beberapa kesimpulan antara lain :

·  Aplikasi pendeteksian tepi citra dapat mendeteksi tepi objek yang  berada pada citra sesuai algoritma tertentu.

·  Perbandingan kecepatan proses algoritma dan ukuran file citra juga  tergantung kecepatan suatu processor pada komputer pengguna ·  Pendeteksian  tepi  citra  dengan  operator  Roberts  menggunakan 

matriks 2x2 sehingga tepi citra yang terdeteksi lebih tipis dari pada  operator algoritma lainnya.

·  pendeteksian  tepi  dengan  matriks  2x2  dan  3x3  tidak  akan  dapat  mendeteksi tepi citra pada pixel ujung.

·  Aplikasi  dapat  membandingkan  hasil  dari  citra  terhadap  setiap  algoritma yang digunakan. Perbandingan kecepatan dan ukuranfile  citra dilakukan dengan spesifikasi komputer sebagai berikut : 

1.  Pentium III 800 Mhz  2.  RAM 256 Mb  3.  Hard Disk 20 Gb  4.  VGA 32 Mb 

Tabel perbandingan hasil citra algoritma Sobel  Nama citra  Ukuran 

dimensi Citra 

Ukuranfile citra  awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra  hasil (bytes) 

Wtc1.jpg  400 x 474  30263  190  62882 

sample.jpg  400 x 300  49554  120  24195 

East Rd.05.jpg  400 x 360  70745  140  48427 

sample20x20.jpg  20 x 20  22774  10  950 

Tabel 6.1. Tabel perbandingan hasil citra algoritma Sobel  Tabel perbandingan hasil citra algoritma Prewitt  Nama citra  Ukuran  dimensi Citra  Ukuranfile citra  awal (bytes)  Kecepatan  proses (ms)  Ukuranfile citra  hasil (bytes) 

Wtc1.jpg  400 x 474  30263  190  58193 

Lena_Orig.jpg  352 x 352  88407  120  37708 

sample.jpg  400 x 300  49554  120  22597 

East Rd.05.jpg  400 x 360  70745  140  44154 

sample20x20.jpg  20 x 20  22774  10  949 

Tabel 6.2. Tabel perbandingan hasil citra algoritma Prewitt  Tabel perbandingan hasil citra algoritma Roberts  Nama citra  Ukuran  dimensi Citra  Ukuranfile citra  awal (bytes)  Kecepatan  proses (ms)  Ukuranfile citra  hasil (bytes) 

Wtc1.jpg  400 x 474  30263  130  42444 

Lena_Orig.jpg  352 x 352  88407  70  25577 

sample.jpg  400 x 300  49554  70  14912 

East Rd.05.jpg  400 x 360  70745  90  31572 

sample20x20.jpg  20 x 20  22774  10  939 

Tabel 6.3. Tabel perbandingan hasil citra algoritma Roberts  Tabel perbandingan hasil citra algoritma Compass  Nama citra  Ukuran  dimensi Citra  Ukuranfile citra  awal (bytes)  Kecepatan  proses (ms)  Ukuranfile citra  hasil (bytes) 

Wtc1.jpg  400 x 474  30263  160  54537 

Lena_Orig.jpg  352 x 352  88407  100  32462 

sample.jpg  400 x 300  49554  90  19836 

sample20x20.jpg  20 x 20  22774  10  948  Tabel 6.4. Tabel perbandingan hasil citra algoritma Compass  Tabel perbandingan hasil citra algoritma Laplace 

Nama citra  Ukuran  dimensi Citra 

Ukuranfile citra  awal (bytes) 

Kecepatan  proses (ms) 

Ukuranfile citra  hasil (bytes) 

Wtc1.jpg  400 x 474  30263  170  72645 

Lena_Orig.jpg  352 x 352  88407  100  26569 

sample.jpg  400 x 300  49554  100  63490 

East Rd.05.jpg  400 x 360  70745  120  58599 

sample20x20.jpg  20 x 20  22774  10  931 

Tabel 6.5. Tabel perbandingan hasil citra algoritma Laplace 

6.2.  Keterkaitan antara Saran dengan Hasil Evaluasi

 

Saran  yang  didapatkan  setelah  hasil  evaluasi  untuk  pengembangan  ataupun perbaikan aplikasi dimasa  yang akan datang. Saran tersebut antara  lain adalah :

·  Pendeteksian  tepi  citra  dapat  mendeteksi  tepi  citra  pada  pixel  ujung.

·  Penghilangan tepi palsu sehingga tepi citra lebih akurat.

·  Aplikasi  dapat  menghasilkan  pendeteksian  tepi  citra  berwarna  sehingga tampak citra berupa warna aslinya.

·  Aplikasi  dapat  menentukan  warna  tepi  yang  digunakan  dalam  membatasi tepi objek di dalam citra.

·  Aplikasi dapat mendeteksi tepi citra hanya pada area yang di zoom  atau di seleksi. 

6.3.  Rencana  Perbaikan  /  Implementasi  terhadap  Saran  yang 

Diberikan

 

·  Rencana  membuat  matriks dengan  bobot  kecil sehingga tepi citra  pada pixel ujung dapat terdeteksi.

·  Perbaikan  dengan  membuat  rumus  untuk  memperjelas  bobot tepi  sehingga tepi palsu dapat dihilangkan.

·  Pendeteksian  tepi  akan  mencoba  untuk  tidak  melakukan  proses  grayscale sehingga citra akan memiliki warna aslinya dengan tepi  yang terdeteksi.

·  Rencana  membuat  warna  tepi  yang  digunakan  dalam  membatasi  tepi objek di dalam citra dapat disesuaikan dengan pilihan. 

6.4.  Penerapan Pendeteksian Tepi Citra pada Dunia Nyata

 

Pendeteksian tepi citra dapat diterapkan pada dunia nyata. Penerapan  ini dapat digunakan dalam berbagai bidang antara lain :

·  Bidang otomotifà sebagai pengenalan nomor kendaraan bermotor

·  Bidang militer à untuk pengenalan bentuk pesawat pada radar

·  Bidang industrià sebagai pengenalan suatu benda oleh robot