SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU.

SEGMENTASI CITRA UNTUK MENGHITUNG
LUAS PULAU

TUGAS AKHIR

Disusun oleh :

WAHYU SUBANDRIO
NPM. 0934010195
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
SURABAYA
2013

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

LEMBAR PENGESAHAN

SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU

Disusun Oleh :
WAHYU SUBANDRIO
NPM. 0934010195

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

Menyetujui,
Pembimbing Utama

Pembimbing Pendamping

Fetty Tri Anggraeny S.kom ,M.Kom

Faisal Muttaqin S.Kom

NPT. 382020602081

NPT. 389071303461

Mengetahui,
Ketua Program Studi Teknik Infor matika
Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional “Veteran” J awa Timur

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

SKRIPSI
SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU
Disusun Oleh :
WAHYU SUBANDRIO
NPM. 0934010195
Telah dipertahankan dihadapkan dan diterima oleh Tim Penguji Skripsi
Program Studi Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional “Veteran” J awa Timur
Pada Tanggal 20 Desember 2013
Pembimbing :

Tim Penguji :

1.

1.
Fetty Tri Anggraeny S.kom ,M.Kom

Rizky Par lika, S.Kom, M.Kom

NPT. 382020602081

NPT. 384050702191

2.

2.
Faisal Muttaqin, S.Kom

Ir. Kartini, S.Kom, MT

NPT. 389071303461

NIP.196111101991032001
3.
Faisal Muttaqin, S.kom
NPT.389071303461

Mengetahui,
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur

Ir. Sutiyono, MT
NIP. 19600713 198703 1 001

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

YAYASAN KESEJ AHTERAAN PEDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR

FAKULTAS TEKNOLOGI INDUSTRI
Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189
Fax. (031) 8706372 Website. www.upnjatim.ac.id

KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama

:

Wahyu Subandrio

NPM

:

0934010195

Program Studi

:

Teknik Informatika

Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang IV TA 2012/2013
dengan judul :
“ SEGMENTASI CITRA UNTUK MENGHITUNG LUAS PULAU “

Surabaya, 20 Desember 2013
Dosen penguji yang memeriksa revisi
1.

Rizky Par lika, S.Kom, M.Kom
NPT. 384050702191

2.

}

{

}

{

}

Ir. Kartini, S.Kom, MT
NIP.196111101991032001

3.

{

Faisal Muttaqin, S.Kom
NPT.389071303461

Mengetahui,
Pembimbing Utama

Fetty Tri Anggraeny S.kom ,M.Kom
NPT. 382020602081

Pembimbing Pendamping

Faisal Muttaqin, S.Kom
NPT. 389071303461

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

KATA PENGANTAR

Syukur Alhamdulillahi Rabbil ‘Alamin terucap ke hadirat Allah SWT atas
segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu,
tenaga, pikiran dan keburutungan yang dimiliki peneliti, akhirnya peneliti dapat
menyelesaikan Skripsi Yang berjudul “Segmentasi Citra Untuk Menghitung
Luas pulau” tepat waktu.
Skripsi dengan beban 4 SKS ini disusun guna di ajukan 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 perkulihan,
terutama berkenaan tentang penerapan teknologi perangkat bergerak, 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, November 2013

Penulis

ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR ISI

Halaman
ABSTRAK ............................................................................................................ i

KATA PENGANTAR ......................................................................................... ii
UCAPAN TERIMA KASIH ............................................................................... iii
DAFTAR ISI ....................................................................................................... v
DAFTAR GAMBAR ........................................................................................ viii
DAFTAR TABEL ............................................................................................... x

BAB I PENDAHULUAN ..................................................................................... 1
1.1. Latar Belakang ................................................................................................ 1
1.2. Perumusan Masalah ........................................................................................ 3
1.3. Batasan Masalah ............................................................................................. 3
1.4. Tujuan ............................................................................................................ 4
1.5. Manfaat........................................................................................................... 4
1.6. Metodelogi Penelitian ..................................................................................... 4
1.7. Sistematika Penulisan...................................................................................... 6

BAB II TINJ AUAN PUSTAKA .......................................................................... 8
2.1. Penelitian Terdahulu ....................................................................................... 8
2.2. Artifical Intelligence ....................................................................................... 9
2.3. Image .............................................................................................................. 9
2.3.1 Analog Image. .......................................................................................... 9

2.3.2 Digital Image. ......................................................................................... 10
2.4. Computer Vision ........................................................................................... 11
2.4.1 Image Acquisition................................................................................... 12
2.4.2 Image Enhancement................................................................................ 12
2.5. Pengolahan Citra Digital ............................................................................... 15
2.5.1 Grayscale .................................................................................................... 17
2.5.2 Morfologi .................................................................................................... 18
2.5.3 Erosi ....................................................................................................... 18

v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2.5.4 Dilasi ...................................................................................................... 20
2.5.5 Opening and Closing .............................................................................. 21
2.5.6 Rekonstruksi ........................................................................................... 22
2.5.7 Invers ..................................................................................................... 22
2.5.8 Segmentasi Citra ..................................................................................... 23
2.5.9 Deteksi Tepi ........................................................................................... 24
2.5.10Metode Canny. ...................................................................................... 27
2.6.Perhitungan Luas Dengan Sistem Grid ........................................................... 28
2.7.Matlab............................................................................................................ 28
2.7.1 Kelengkapan pada Sistem MATLAB Sebagai sebuah system,
MATLAB tersusun dari 5 bagian utama: ........................................... 30
2.7.2. Gui / Guide Matlab .............................................................................. 31
2.7.2.1 Membuat GUI dengan MATLAB. ................................................. 32

BAB III METODOLOGI PENELITIAN ......................................................... 34
3.1. Data Set ........................................................................................................ 34
3.2. Analisa Sistem .............................................................................................. 36
3.3. Gambaran Aplikasi secara Umum ................................................................. 37
3.3.1 Perancangan Proses. ............................................................................. 39
3.3.1.1.Grayscale ...................................................................................... 39
3.3.1.2 Metode Canny. ............................................................................. 40
3.3.1.3 Dilasi. ........................................................................................... 40
3.3.1.4 Closing. ........................................................................................ 42
3.3.1.5 Invers. .......................................................................................... 43
3.3.1.6 Erosi. ............................................................................................ 44
3.3.1.7 Rekontruksi. ................................................................................. 45
3.3.1.8 Jumlah Pixel. ................................................................................ 46
3.3.1.9 Luas Pulau. ................................................................................... 47
3.4 Perancangan Tampilan Antarmuka. ................................................................ 48

BAB IV HASIL DAN PEMBAHASAN............................................................. 50
4.1. Kebutuhan Hardware dan Software ............................................................... 50

vi
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4.2. Implementasi Data ........................................................................................ 51
4.3. Implementasi Antarmuka .............................................................................. 51
4.4. Implementasi Proses ..................................................................................... 52
4.4.1 Proses Pilih Input. ................................................................................ 52
4.4.2 Segmentasi Dan Perhitungan Luas Pulau. ............................................. 55
4.4.3 Pencarian Area Yang Hilang Saat Proses Segmentasi. .......................... 56
4.5 Uji Program .................................................................................................. 57
4.5.1 Skenario Uji Program. ......................................................................... 58
4.5.2 Pelaksanaan Uji Coba. ......................................................................... 58
4.6 Analisa Aplikasi. ............................................................................................ 68
4.6.1 Analisis Proses Berdasarkan Gambar ................................................... 61
4.6.2 Analisa Proses Berdasarkan Perhitungan Jumlah Piksel Putih ............... 63

BAB V KESIMPULAN DAN SARAN .............................................................. 66
5.1 Kesimpulan .................................................................................................... 66
5.2 Saran.............................................................................................................. 66
DAFTAR PUSTAKA ......................................................................................... 68

vii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

J udul

: Segmentasi Citra Untuk menghitung Luas Pulau

Penyusun

: Wahyu Subandrio

Pembimbing I

: Fetty Tri Angraeny, S.Kom, M.Kom

Pembimbing II

: Faisal Muttaqin, S.Kom

ABSTRAK
Sistem computer vision yang handal diperlukan untuk melakukan sistem
pemetaan yang konsisten terhadap beberapa kemungkinan gangguan, terutama
untuk pemetaan objek yang memiliki karakteristik khusus untuk di hitung
luasnya, seperti peta pulau. Salah satu metode yang diterapkan adalah dengan
menggunakan segmentasi citra.
Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses
segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada
sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation)
mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen
berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel
dengan tingkat keabuan piksel – piksel tetangganya, kemudian hasil dari proses
segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat
dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses
identifikasi objek.
Dari hasil uji coba keseluruhan citra yang terdiri dari 30 citra, tingkat akurasi
error 5 - 24%. Dengan menggunakan metode Segmentasi didapatkan selisih luas
segmentasi dan luas sebenarnya antara 151,85 sampai 82529 km2 ,dengan
prosentase 2,7 - 25 %.

Kata Kunci : Segmentasi Citra, Matlab 7.0, computer vision

i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB I
PENDAHULUAN

1.1 Latar Belakang
Pulau adalah sebidang tanah yang lebih kecil dari benua dan lebih besar
dari karang, yang dikelilingi air. Kumpulan beberapa pulau dinamakan pulaupulau atau kepulauan (bahasa Inggris: archipelago).
Pulau memiliki sebutan bermacam-macam di Indonesia. Bentuk tidak
bakunya

adalah pulo.

Kata

pinjaman

dari bahasa

Sanskerta juga

kerap

digunakan, nusa. Di lepas pantai timur Jawa orang menyebut pulau kecil
sebagai gili.
Di Indonesia banyak sekali pulau – pulau yang terbentang sehingga di
sebut juga Negara kepulauan. Indonesia terdiri dari 5 buah pulau utama yaitu :
pulau Sumatra ,pulau Kalimantan ,pulau Jawa, pulau Sulawesi dan pulau Irian.
Banyak informasi tentang Indonesia bisa di dapat salah satu pada Atlas ,
Data atau informasi tidak hanya disajikan dalam bentuk teks, tetapi juga
dapat berupa gambar, audio (bunyi, suara, musik), dan video. Keempat macam
data atau informasi ini sering disebut multimedia. Citra (image), istilah lain
untuk gambar, sebagai salah satu komponen multimedia yang berperan
sangat

penting

sebagai bentuk informasi visual. Citra menurut kamus

Webster adalah suatu representasi, kemiripan, atau imitasi dari suatu obyek atau
benda.
Citra (image) istilah lain untuk gambar, sebagai salah satu komponen

1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra
mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi. Ada sebuah peribahasa yang berbunyi “sebuah gambar lebih bemakna
dari seribu kata" (a picture is more than a thousand words). Maksudnya tentu sebuah
gambar dapat memberikan informasi yang lebih banyak daripada informasi tersebut
disajikan dalam bentuk kata-kata (tekstual). Secara harfiah, citra (image) adalah
gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang
matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada
bidang dwimatra. (Agung Priyo, 2005)
Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses
segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada
sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation)
mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen
berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel
dengan tingkat keabuan piksel – piksel tetangganya, kemudian hasil dari proses
segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat
dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses
identifikasi objek. Adapun dalam proses segmentasi citra itu sendiri terdapat
beberapa algoritma, diantaranya : algoritma Deteksi Titik, Deteksi Garis, dan
Deteksi Sisi ( berdasarkan Operator Robert dan Operator Sobel ).
Gonzalez dan Wintz (1987) menyatakan bahwa segmentasi adalah proses
pembagian sebuah citra kedalam sejumlah bagian atau obyek. Segmentasi
merupakan suatu bagian yang sangat penting dalam analisis citra secara otomatis,
sebab pada prosedur ini obyek yang diinginkan akan disadap untuk proses

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3

selanjutnya, misalnya: pada pengenalan pola. Algoritma segmentasi didasarkan
pada 2 buah karakteristik nilai derajad kecerahan citra, yaitu: discontinuity dan
similarity. Pada item pertama, citra dipisahkan/dibagi atas dasar perubahan yang
mencolok dari derajad kecerahannya. Aplikasi yang umum adalah untuk deteksi
titik, garis, area, dan sisi citra. Pada kategori kedua, didasarkan atas thresholding,
region growing, dan region spiltting and merging. Prinsip segmentasi citra bisa
diterapkan untuk citra yang statis maupun dinamis.
Tugas akhir ini dibuat bertujuan untuk membantu menghitung luas pulau
dengan memanfaatkan informasi yang ada pada Altas berupa skala peta pulau
kemudian di proses menggunakan metode segmentasi citra.
1.2 Perumusan Masalah
Berdasarkan latar belakang telah diuaraikan sebelumnya maka dapat
dirumuskan masalah, yaitu :
a.

Bagaimana mengukur luas pulau dengan menggunakan segmentasi.

b. Bagaimana membedakan objek pulau menggunakan segmentasi.
1.3 Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas
akhir ini dapat berjalan degan baik adalah sebagai berikut :
a.

Program bantu yang digunakan dalam membuat tugas akhir ini adalah
matlab 7.0.

b.

Inputan image berupa pulau ,

c. Sumber dataset dan cara perolehan dataset di peroleh dari peta yang di
scaning .

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4

d. Image yang diproses adalah image yang telah di edit, informasi yang ada pada
peta di hilangkan dan pulau-pulau kecil juga di hilangkan.
e. Pada image pulau terdapat dua komponen warna yaitu warna pulau dan warna
laut .
f. Luas yang di ukur memiliki satuan kilometer persegi atau km2 .
g. Dalam pengolahan citra ukuran yang digunakan adalah picture element
(piksel) maka dalam tugas akhir ini 1 cm2 = 1440 piksel. ( Sri Huning
Anwariningsih ,2009 ).
1.4 Tujuan
Tujuan dalam Tugas Akhir ini adalah untuk dikembangkannya alat bantu
terkomputerisasi untuk analisis luasan suatu daerah tertentu pada citra digital,
mengetahui cara mengukur luas pulau dengan segmentasi.
1.5 Manfaat
Manfaat dari dibuatnya Tugas Akhir ini adalah:
a. Dapat mengetahui berapa luas pulau dari skala pada peta.
b. Menghasilkan sistem yang mampu mengukur luas pulau.
c. Program ini dapat dipahami dengan mudah dan dapat digunakan siapa saja.
1.6 Metodelogi Penelitian
Beberapa metode dan teknik yang dipergunakan dalam pengumpulan dan
pengolahan data skripsi ini antara lain :
1.

Library Research
Pada tahap ini, penulis mempelajari dan membaca buku diktat, referensi,

buletin perpustakaan sebagai acuan yang berkaitan dengan permasalahan yang
akan dibahas.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

5

2.

Observation
Penulis akan melakukan pengamatan secara langsung di lapangan untuk

memperoleh data.
3.

Documentation
Penulis melakukan pencatatan terhadap aktifitas yang berhubungan dangan

pengamatannya, apabila diperlukan pencatatan.
4.

Perancangan dan Pembuatan Sistem
Melakukan analisa awal tentang sistem yang akan dibuat untuk menentukan

langkah selanjutnya. Setelah sistem dirancang maka tahap berikutnya adalah
pembuatan sistem yang benar, agar sesuai dengan rancangan. Pada tahap ini juga
dilakukan perancangan struktur data, algoritma dan diagram alur yang akan
digunakan untuk implementasi dalam perangkat lunak yang akan dibuat.
Kemudian dilakukan pengimplementasian struktur data dan algoritma yang telah
dirancang ke dalam bahasa pemrograman.
5.

Pengujian dan Evaluasi Perangkat Lunak
Tahap ini dulakukan pengujian pada perangkat lunak yang telah dibuat,

pengevaluasian hasil yang diperoleh serta perbaikan program (revisi), jika hasil
belum sesuai dengan tujuan yang diharapkan.
6.

Pembuatan Naskah Skripsi
Pada tahap ini dilakukan pendokumentasian dari semua tahap agar dcatat

dipelajari untuk pengembangan lebih lanjut. Memaparkan dasar-dasar teori dan
metode yang terlibat di dalamnya, diantaranya desain perangkat lunak dan
implementasinya, hasil pengujian sistem termasuk juga perbaikan.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

6

1.7

Sistematika Penulisan
Dalam penyusunan tugas akhir, sistematika pembahasan diatur dan

disusun dalam enam bab, dan tiap-tiap bab terdiri dari sub-sub bab. Untuk
memberikan gambaran yang lebih jelas, maka diuraikan secara singkat mengenai
materi dari bab-bab dalam penulisan tugas akhir ini sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi latar belakang, perumusan masalah, batasan masalah,
tujuan penelitian, manfaat penelitian, dan sistematika penulisan
pembuatan tugas akhir ini.
BAB II TINJ AUAN PUSTAKA
Bab

ini

menjelaskan

mengenai

landasan teori-teori pendukung

pembuatan tugas akhir ini.
BAB III METODOLOGI PENELITIAN
Bab ini berisi tentang analisa dan perancangan sistem dalam pembuatan
Tugas Akhir yang digunakan untuk mengolah sumber data yang
dibutuhkan sistem anatara lain: Flowchart
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan membahas tentang kerja dari sistem secara
keseluruhan. Pada bab ini menjelaskan tentang pelaksanaan uji coba dan
evaluasi dari pelaksanaan uji coba dari program yang dibuat. Uji coba
dapat dilakukan pada akhir dari tahap-tahap analisa sistem, desain sistem
dan tahap penerapan sistem atau implementasi. Sasaran dari ujicoba
program adalah untuk menemukan kesalahn-kesalahan dari program
yang mungkin terjadi sehingga dapat diperbaiki.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

7

BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dan saran dari penulis untuk pengembangan
sistem.
DAFTAR PUSTAKA
Pada bagian ini akan dipaparkan tentang sumber-sumber literatur yang
digunakan dalam pembuatan laporan tugas akhir ini.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB II
TINJ AUAN 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
“Identifikasi Luas Bencana Tsunami Dengan Menggunakan Segmentasi Citra”.
Sistem pengolahan citra secara digital yang diaplikasikan dalam penginderaan
jauh (satelit) sangat diperlukan untuk analisis pemetaan wilayah, geologi, geodesi,
dan sebagainya. Dalam hal ini pengolahan citra digital hasil citra satelit untuk
menganalisis dan mengidentifikasi luas kerusakan wilayah di daerah Aceh akibat
bencana Tsunami. Proses pengolahan citra dimulai dari akuisisi data citra,
pengambangan, deteksi tepi, segmentasi citra, sampai citra siap dianalisis.
Analisis citra dilakukan dengan proses segmentasi berdasarkan persamaan
intensitas warna yang sama pada daerah kerusakan. Analisis citra digunakan untuk
menghitung jumlah piksel daerah kerusakan, kemudian dianalogikan sebagai
suatu luasan kerusakan wilayah-wilayah akibat Tsunami. Penelitian telah
menghasilkan sebuah program untuk menghitung suatu luas wilayah pada citra
digital dengan metode segmentasi wilayah dengan intensitas warna yang sama.
Proses perhitungan dilakukan melalui perbandingan luas citra yang diolah dengan
luas citra daerah sesungguhnya sehingga diketahui luas satu piksel mewakili
berapa luasan pada daerah sesungguhnya.

8
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

9

2.2 Artificial Intelligence
Artificial Intelligence atau Kecerdasan Buatan (disingkat AI) adalah
kemampuan suatu alat untuk melakukan fungsi yang biasanya dihubungkan
dengan

kecerdasan 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 heuristik. Bidang aktivitas AI meliputi sistem pakar,
pengenalan bahasa alami, pengenalan suara, penglihatan komputer (Computer
Vision) dan robotika.

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. Di mana 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). Image dapat dikategorikan
sebagai :

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

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

10

2.3.2 Digital Image
Digital image adalah image 2D yang direpresentasikan oleh array diskrit
2D dari intensitas sampel, 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 dapat diperoleh dari berbagai macam
alat dan teknik pengambil gambar, seperti kamera digital, scanner, radar, dan
sebagainya. Dapat pula disintesis dari data seperti fungsi matematika dan lain
lain.
Menurut Jain, Kasturi dan Schunck (1995), pixel adalah sampel dari
intensitas image yang terkuantisasi ke dalam nilai integer. Sementara Image
merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan
menjadi input awal dalam Computer Vision.
Beberapa bentuk digital image yang sering digunakan dalam Computer
Vision:
a.

Binary image, yaitu digital image dengan nilai pixel 1 atau 0.

b.

Gray scale image, yaitu digital image monokrom dengan satu nilai intensitas
tiap pixel.

c.

Multispectral image, adalah image 2D yang memiliki vektor nilai pada tiap
pixel, jika image-nya berwarna maka vektornya memiliki 3 elemen.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11

d.

Labeled image, adalah digital image dimana nilai pixel-nya adalah simbol
dari alfabet terbatas.

2.4 Computer Vision
Computer Vision (sering disebut juga dengan Machine Vision) dapat
dideskripsikan sebagai ilmu yang mempelajari metode yang dapat digunakan
untuk membuat komputer mengerti gambar atau data banyak dimensi
umumnya .
Sementara definisi Computer Vision , adalah penyimpulan (deduksi)
otomatis akan struktur atau properti dari dunia tiga dimensi dari satu atau lebih
image dua dimensi dunia tersebut dan pengenalan objek-objek dengan bantuan
properti-properti ini, atau secara singkatnya yaitu proses mengenali objek
tertentu dari suatu image.
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 objek nyata, sangat penting untuk
membangun deskripsi atau model objek tersebut dari gambar. Karena itu dapat
dikatakan bahwa tujuan dari Computer Vision adalah untuk membangun deskripsi
keadaan dari image.
Artificial Intelligence digunakan untuk menganalisis keadaan dengan
memproses representasi simbolik dari isi lingkungan setelah image telah diproses
untuk diambil fiturnya. Banyak teknik dari Artificial Intelligence berperan
penting didalam seluruh aspek Computer Vision. Pada dasarnya

Computer

Vision merupakan cabang dari Artificial Intelligence. Secara garis besar tahapan
tahapan dalam pemrosesan image dalam Computer Vision terdiri dari:

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

2.4.1 Image Acquisition
Tahapan awal dalam Computer Vision adalah Image Acquisition
(pengambilan digital image). Image Acquisition berhubungan dengan sensor
yang mengambil image. Sensor yang digunakan bisa kamera atau scanner.
Sifat dari sensor dan image yang dihasilkan ditentukan dari aplikasinya.

2.4.2 Image Enhancement
Setelah digital

image diperoleh, tahapan selanjutnya adalah image

enhancement yang termasuk dalam tahap prepocessing, image enhancement
menyangkut

langkah-langkah untuk meningkatkan kualitas image untuk

mendukung tahapan selanjutnya.

Tujuan dari image enhancement ini secara

teknis untuk menghilangkan noise, memperhalus gambar, mempertajam gambar
(menghilangkan blur), serta

mengatur pencahayaan (brightness, contrast).

Berdasarkan domainnya teknik peningkatan image dapat dibedakan menjadi 2
metode:
a.

Domain spasial
Metode ini didasarkan pada manipulasi langsung dari nilai gray (keabuan)

dari pixel-pixel suatu image.
b.

Domain frekuensi
Metode ini didasarkan pada modifikasi Fourier transform dari suatu

image. Fourier transform ini sendiri adalah suatu cara memetakan sinyal pada
frekuensi-frekuensi komponennya.
Sementara beberapa teknik image enhancement yang digunakan antara lain:
a.

Gray scale manipulation (manipulasi nilai keabuan)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

13

Merupakan teknik pemetaan intensitas dimana tiap pixel diberikan nilai
keabuan yang baru untuk meningkatkan ketajaman gambar. Operasi ini tidak
merubah bentuk dan geometri image, yang berubah cuma level intensitasnya.
Teknik ini dilakukan dengan cara memproses histogram tingkat keabuan (gray
level histogram) dari image.
Untuk mengubah image berwarna yang mempunyai nilai matrik masingmasing r, g dan b menjadi image gray scale dengan nilai s, maka konversi dapat
dilakukan dengan mengambil rata-rata dari nilai r, g dan b sehingga dituliskan :
=

+

+
3

………………………...(1)

Histogram dalam computer vision adalah representasi dari image yang
diperoleh dengan cara menghitung nilai tiap pixel. Singkatnya histogram
merupakan grafik yang menggambarkan distribusi intensitas pixel dari suatu
image atau bagian tertentu di dalam citra. Histogram menunjukkan frekuensi
kemunculan intensitas pada image.( Gambar 2.1 )
Sementara gray level histogram adalah histogram yang menampilkan
dalam tiap tingkat jumlah pixel dalam gambar yang memiliki tingkat keabuan
(gray-level) tertentu. Histogram ini dimanipulasi dengan cara di stretch, shrink,
atau slide. ( Gambar 2.2 )
b.

Filtering (convolution)
Menurut nixon dan aquado, filtering yang merupakan suatu group

operation pada pixel, menghitung nilai pixel baru dengan menggunakan pixelpixel tetangganya.

Filtering dijelaskan dengan istilah template convolution

dimana template-nya adalah suatu matriks koefisien bobot (yang umumnya ganjil
dan sama sisi, misalnya 3x3, 5x5, dan seterusnya). Nilai pixel baru dihitung

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

14

dengan menempatkan template pada suatu titik, kemudian nilai-nilai pixel
dikalikan dengan bobot dan ditambahkan sebagai nilai keseluruhan, jumlah
tersebut menjadi nilai baru bagi pixel ditengah template, inilah yang menjadi pixel
bagi image baru. Proses ini diulang pada semua pixel dalam gambar. Operator
yang sering digunakan adalah averaging, gaussian, dan median filtering.

Gambar 2.1. Image sebelum dilakukan manipulasi (Kulkarni, 2001)

Gambar 2.2. Image setelah dilakukan manipulasi (dari kiri ke kanan): stretch,
shrink dan slide pada histogramnya (Kulkarni, 2001)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

15

2.5. Pengolahan Citra Digital
Secara
dwimatra

harafiah,

citra

(image)

adalah

(dua dimensi). Ditinjau dari sudut

gambar

pandang

pada

bidang

matematis,

citra

merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang
dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali
sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh
oleh alat-alat optik,

misalnya

mata pada

manusia, kamera, pemindai

(scanner), dan sebagainya, sehingga bayangan objek yang disebut citra
tersebut terekam.
Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu
bahwa citra kaya dengan informasi. Citra juga dapat dikelompokkan menjadi dua
yaitu citra tampak (foto, gambar, lukisan, apa yang nampak di layar
monitor/televisi, hologram, dan lain-lain) dan citra tidak tampak (data
foto/gambar dalam bentuk file, citra yang direpresentasikan dalam fungsi
matematis). Citra sebagai keluaran dari suatu sistem perekaman data dapat
bersifat optik berupa foto, analog berupa sinyal video seperti gambar pada
monitor televisi, dan digital yang dapat langsung disimpan pada media
penyimpan magnetik. Citra digital adalah citra yang disimpan dalam format
digital (dalam bentuk file). Hanya citra digital yang dapat diolah menggunakan
komputer. Jenis citra lain jika akan diolah dengan komputer harus diubah
dulu menjadi citra digital. Citra digital tersusun atas sejumlah berhingga
elemen,

masing-masing memiliki

lokasi

dan

nilai/intensitas

tertentu.

Elemen-elemen ini disebut elemen gambar, elemen citra, pels, dan juga piksel.
Pencitraan

(imaging)

adalah

kegiatan

mengubah

informasi

dari

citra

tampak/citra non digital menjadi citra digital. Beberapa alat yang dapat

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

16

digunakan untuk pencitraan adalah scanner, kamera digital, kamera sinarx/sinar infra merah, dan lain-lain. Jadi, pengolahan citra digital adalah
proses yang bertujuan untuk memanipulasi dan menganalisis citra digital
dengan bantuan komputer. Masukannya adalah citra dan keluarannya juga citra
tapi dengan kualitas lebih baik daripada citra masukan.
Pengolahan citra bertujuan untuk memperbaiki kualitas citra agar mudah
diinterpretasikan oleh manusia atau mesin. Teknik-teknik pengolahan citra
mentransformasikan citra menjadi citra lain. Inputan pada proses ini adalah citra
dan keluarannya juga berupa citra dengan kualitas lebih baik daripada citra
inputan sebelumnya. ( Gambar 2.3 )

Gambar 2.3. Pengolahan citra (Agung Priyo,2005)
Pengenalan Pola, mengelompokkan data numeric dan simbolik (termasuk citra)
secara otomatis, oleh mesin (dalam hal ini komputer). Tujuan pengelompokan
adalah untuk mengenali suatu objek di dalam citra. Manusia bisa mengenali objek
yang dilihatnya karena otak manusia telah belajar mengklasifikasi objek-objek di alam
sehingga mampu membedakan suatu objek dengan objek lainnya. Kemampuan
sistem visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima
masukan berupa citra objek yang akan diidentifikasi, memproses citra tersebut dan
memberikan keluaran berupa deskripsi objek didalam citra. Dapat dilihat pada
gambar 2.4 (Agung Priyo,2005)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

17

Selain dalam dunia fotografi pengolahan citra digunakan juga dalam
dunia kedokteran terutama untuk memperjelas citra hasil sinar-x organ tubuh
manusia, pengolahan citra juga digunakan dalam bidang lain seperti penyiaran,
telekomunikasi digital, Sistem multimedia, bilogi, sistem penginderaan jauh, seni
grafis, percetakan, militer, bidang pertanian dan masih banyak bidang lainnya.

Gambar 2.4 Pengenalan Pola (Agung Priyo,2005)
2.5.1 Grayscale
Mencari

tingkat

keabuan

adalah

proses

pengubahan

warna

citra

menjadi format warna yang hanya berdasarkan tingkat keabuan. Proses ini
menghilangkan

informasi

hue

dan

saturation

dari

piksel

dan

hanya

meninggalkan nilai brightness. Setiap piksel dari tingkat keabuan citra
memiliki nilai brightness antara 0 (hitam) sampai 255 (putih). Foto hitam putih
merupakan contoh umum dari model warna tingkat keabuan. Walaupun
disebut hitam putih, sesungguhnya foto tersebut terbentuk dari banyak warna
abu-abu yang berbeda. Tujuan

perhitungan

tingkat

keabuan

adalah

memudahkan proses selanjutnya yaitu proses thresholding. Dengan algoritma
perhitungan tingkat keabuan, piksel dari suatu citra yang mengandung warnawarna RGB (merah, hijau dan biru) diubah menjadi warna dalam berbagai
tingkat keabuan dengan menjumlahkan nilai warna merah, hijau dan biru
kemudian dibagi tiga sehingga didapatkan nilai rata-rata dari ketiga warna.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

18

2.5.2 Morfologi
Morfologi merupakan suatu cabang dari pengolahan 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).
2.5.3 Erosi
Erosi adalah salah satu operasi dasar dalam pemrosesan citra secara
morfologi. Erosi adalah sebuah operasi yang meningkatkan ukuran dari latar
belakang (dan mengikis objek latar depan) pada citra biner .
Dengan memisalkan A sebagai objek pada citra masukan, B sebagai elemen
terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka proses erosi
dapat dinotasikan dengan:
=

………………………….(2)

Erosi dilakukan dengan bantuan elemen terstruktur. Elemen terstruktur
membantu menentukan pixel tetangga yang akan ditelusuri dengan proses erosi.
Elemen terstruktur yang sering digunakan adalah 4-konektivitas dan 8konektivitas. ( Gambar 2.5 )

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

19

Gambar 2.5. Elemen terstruktur 4- dan 8- konektivitas(Agung Priyo,2005)
Erosi memiliki karakteristik :
a. Erosi pada umunya memperkecil ukuran dari objek dan menghilangkan
elemen atau anomali kecil dengan mengurangi objek dengan radius yang
lebih kecil dari ukuran elemen terstruktur.
b. Dengan citra binner erosi menghilangkan objek yang lebih kecil dari elemen
terstruktur dan mengiliminasi pixel parameter dari objek citra yang lebih
besar.
Algoritma yang dilakukan pada erosi adalah sebagai berikut:
1.

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

2. Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel
latar belakang di bawahnya (yang ditutupinya), maka tetapkan piksel keluaran
pada citra baru ke nilai latar belakang, maka tetapkan piksel. ( Gambar 2.6 )
Dengan begitu, piksel latar belakang pada citra masukan akan menjadi latar
belakang pada citra keluaran dan juga piksel latar depan pada citra masukan akan
menjadi latar belakang pada citra keluaran.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

20

Gambar 2.6. Erosi menggunakan elemen terstruktur 8-konektivitas (Agung
Priyo,2005)

2.5.4 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. 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 :
=

⊕

………………………......(3)

Dilasi memiliki karakteristik :
a. Dilasi umunya memperbesar ukuran dari objek, mengisi lubang dan
dan area yang rusak, dan menghubungkan area yang dipisahkan oleh jarak
yang lebih kecil dari ukuran elemen terstruktur.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

21

b. 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 . (Gambar 2.7)

Gambar 2.7. dilasi menggunakan elemen terstruktur 8-konektivitas (Agung
Priyo,2005)
2.5.5 Opening and Closing
Dari operator dasar morfologis dapat dibuat operator dasar morfologis dapat
dibuat operator baru yang merupakan kombinasi dari keduanya.Pertama adalah

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

22

operator opening, yaitu operator yang terdiri dari rangkaian operasi operator
erosion diikuti oleh dilation, yang diformulasikan sebagai :
฀

฀
− ฀

……………………..(4)
฀

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

฀
฀

฀− ฀ …………………….(5)

Operator opening akan menghilangkan pulau-pulau kecil, puncak yang
tajam dan garis yang tipis. Sedangkan operator closing akan menyatukan (fuse)
patahan-patahan yang sempit, menutup lubang-lubang kecil dan menghaluskan
kontur. Jika kita menggunakan operator ini dengan tepat, yaitu diawali dengan
operator opening dan selanjutnya diikuti dengan operator closing, maka akan
diperoleh sebuah operator baru yang akan menghilangkan derau, yang dikenal
sebagai salt and papper noise removal.
2.5.6 Rekontruksi
Rekonstruksi citra (image reconstruction) bertujuan membentuk ulang objek
dari beberapa citra hasil proyeksi. Misalnya beberapa fotorontgen dengan sinarX.
Digunakan untuk membentuk ulang gambar organ tubuh.
2.5.7 Invers
Menurut Asmitot (2010), Jika invers f adalah fungsi dari himpunan A ke
himpunan B, maka invers fungsi f adalah fungsi dari himpunan B ke himpunan A.
( Gambar 2.8)
Jika sebuah input x dimasukkan ke dalam fungsi f menghasilkan sebuah
output y, y kemudian dimasukkan ke dalam fungsi invers

฀

menghasilkan output

x. f adalah fungsi yang domainnya adalah himpunan X, dan kodomainnya adalah

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

23

himpunan Y. Kemudian, jika ada kebalikan dari fungsi f adalah
domain Y dan kodomain X, dengan aturan. Jika ฀฀

฀

dengan

, maka ฀฀ ฀

฀
,

Tidak semua fungsi mempunyai invers. Tetapi, fungsi yang tidak mempunyai
invers itu akan mempunyai invers jika kita membatasi himpunan nilai-nilai X-nya.
Fungsi yang mempunyai invers adalah fungsi bijektif, yaitu:

Gambar 2.8. Sebuah fungsi f dan inversnya

฀

(Asmitot 2010)

Jika setiap anggota himpunan B mempunyai tepat satu kawan di A maka f
disebut fungsi bijektif atau korespodensi 1-1. Mudah dipahami bahwa
korespondensi 1-1 adalah fungsi surjektif sekaligus injektif. Sehingga sering
dinyatakan sebagai “sebuah fungsi bijective jika dan hanya jika memiliki fungsi
invers.
2.5.8 Segmentasi Citra
Segmentasi citra merupakan bagian dari proses pengolahan citra. Proses
segmentasi citra ini lebih banyak merupakan suatu proses pra pengolahan pada
sistem pengenalan objek dalam citra. Segmentasi citra (image segmentation)
mempunyai arti membagi suatu citra menjadi wilayah-wilayah yang homogen
berdasarkan kriteria keserupaan yang tertentu antara tingkat keabuan suatu piksel
dengan tingkat keabuan piksel – piksel tetangganya, kemudian hasil dari proses

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

24

segmentasi ini akan digunakan untuk proses tingkat tinggi lebih lanjut yang dapat
dilakukan terhadap suatu citra, misalnya proses klasifikasi citra dan proses
identifikasi objek. Adapun dalam proses segmentasi citra itu sendiri terdapat
beberapa algoritma, diantaranya : algoritma Deteksi Titik, Deteksi Garis, dan
Deteksi Sisi ( berdasarkan Operator Robert dan Operator Sobel ).
Gonzalez dan Wintz (1987) menyatakan bahwa segmentasi adalah proses
pembagian sebuah citra kedalam sejumlah bagian atau obyek. Segmentasi
merupakan suatu bagian yang sangat penting dalam analisis citra secara otomatis,
sebab pada prosedur ini obyek yang diinginkan akan disadap untuk proses
selanjutnya, misalnya: pada pengenalan pola. Algoritma segmentasi didasarkan
pada 2 buah karakteristik nilai derajad kecerahan citra, yaitu: discontinuity dan
similarity. Pada item pertama, citra dipisahkan/dibagi atas dasar perubahan yang
mencolok dari derajad kecerahannya. Aplikasi yang umum adalah untuk deteksi
titik, garis, area, dan sisi citra. Pada kategori kedua, didasarkan atas thresholding,
region growing, dan region spiltting and merging. Prinsip segmentasi citra bisa
diterapkan untuk citra yang statis maupun dinamis. Segmentasi citra adalah
membagi suatu citra menjadi wilayah-wilayah yang homogen.
2.5.9 Deteksi Tepi
Deteksi tepi merupakan sebuah proses di mana proses tersebut berfungsi
untuk mendeteksi garis tepi yang membatasi dua wilayah citra. Saat ini telah
banyak operator – operator yang dapat digunakan dalam pembuatan deteksi tepi,
contohnya adalah operator Robert , prewitt, sobel, serta operator turunan seperti
laplace. Deteksi tepi itu sendiri bertujuan untuk menandai bagian yang menjadi
detail citra, dan memperbaiki serta mengubah citra.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

25

Pendeteksian tepi

merupakan

langkah

pertama untuk

melingkupi

informasi di dalam citra. Tepi mencirikan batas-batas objek dan karena itu
tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra.
Tujuan operasi pendeteksian tepi adalah untuk meningkatkan penampakan
garis batas suatu daerah atau objek di dalam citra. Karena tepi termasuk
ke dalam komponen berfrekuensi tinggi, maka pendeteksian tepi dapat
dilakukan dengan penapis lolos-tinggi.(Rinaldi Munir,2010 )
Manfaat

yang

bisa

diperoleh

dari

deteksi

tepi

dalam

berbagai

bidang, misalnya yang paling banyak digunakan dalam bidang kedokteran
adalah untuk menentukan stadium kanker, mendeteksi tepi citra USG janin,
mendeteksi karies pada gigi, sehingga bentuk citra yang dihasilkan dapat
terlihat lebih jelas. Di bidang lainnya, deteksi tepi digunakan untuk aplikasi
pengenalan

plat

kendaraan,

aplikasi pengenalan sidik jari, dan untuk

membedakan uang asli dengan uang palsu.
Terdapat beberapa teknik yang digunakan untuk mendeteksi tepi, antara lain:
a.

Operator gradien pertama (differential gradient)
Mendeteksi tepi di dalam citra, yaitu operator gradien selisih-terpusat,

operator Sobel, operator Prewitt, operator Roberts, operator Canny.
b. Operator turunan kedua (Laplac