PERBANDINGAN DALAM MENDETEKSI TEPI PADA KAIN BATIK DENGAN METODE PREWITT, SOBEL, CANNY DAN ROBERTS.

PERBANDINGAN DALAM MENDETEKSI TEPI PADA KAIN BATIK
DENGAN METODE PREWITT, SOBEL, CANNY DAN ROBERTS

SKRIPSI

Disusun oleh :

FIRNA ANAS OKTANIA
NPM. 0934010217

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.

PERBANDINGAN DALAM MENDETEKSI TEPI PADA KAIN BATIK
DENGAN METODE PREWITT, SOBEL, CANNY DAN ROBERTS

SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika

Disusun oleh :

FIRNA ANAS OKTANIA
NPM. 0934010217

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

PERBANDINGAN DALAM MENDETEKSI TEPI PADA KAIN BATIK
DENGAN METODE PREWITT, SOBEL, CANNY DAN ROBERTS
Disusun Oleh :

FIRNA ANAS OKTANIA
NPM. 0934010217

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

Pembimbing Utama

Intan Yuniar Purbasari, S.Kom, M.Sc
NPT. 3 8006 04 01981

Pembimbing Pendamping

Dr. Ir. Ni Ketut Sari, MT

NPT. 19650731 199203 1 001

Mengetahui,
Ketua J urusan Teknik Infor matika
Fakultas Teknologi Industri
UPN ”Veteran” J awa Timur

Dr. Ir. Ni Ketut Sari, MT
NPT. 19650731 199203 1 001

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

SKRIPSI
PERBANDINGAN DALAM MENDETEKSI TEPI PADA KAIN BATIK
DENGAN METODE PREWITT, SOBEL, CANNY DAN ROBERTS
Disusun Oleh :
FIRNA ANAS OKTANIA
NPM. 0934010217
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi

J urusan Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur
Pada Tanggal 14 J uni 2013
Pembimbing :

Tim Penguji :

1.

1.

Intan Yuniar Purbasari, S.Kom, M.Sc
NPT. 2 8006 04 401981

Basuki Rahmat, S.Si, MT
NPT. 3 6907 06 0209 1

2.

2.

Dr. Ir. Ni Ketut Sari, MT
NPT. 19650731 199203 1 001

Chrystia Aji Putra, S.Kom,
NPT. 3 8610 10 02961
3.

Achmad J unaidi, S.Kom
NPT. 3 7811 04 01991
Mengetahui,
Dekan Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional ”Veteran” J awa Timur

Ir. SUTIYONO, MT.
NPT. 19600713 1987 03 1 001

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

YAYASAN KESEJ AHTERAAN PENDIDIKAN DAN PERUMAHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
PANITIA UJ IAN SKRIPSI / KOMPREHENSIF

KETERANGAN REVISI
Mahasiswa di bawah ini :
Nama

: Firna Anas Oktania

NPM

: 0934010217

Jurusan

: Teknik Informatika

Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian

lisan gelombang IV, TA 2012/2013 dengan judul:
“PERBANDINGAN DALAM MENDETEKSI TEPI PADA KAIN BATIK
DENGAN METODE PREWITT, SOBEL, CANNY DAN ROBERTS”
Surabaya, 19 Juni 2013
Dosen Penguji yang memerintahkan revisi:

1) Basuki Rahmat, S.Si, MT
NPTY. 3 6907 06 0209 1

{

}

2) Chrystia Aji Putra, S.Kom
NPTY. 3 8610 10 0296 1

{

}

3) Achmad Junaidi, S.Kom
NPTY. 3 7811 04 0199 1

{

}

Mengetahui,
Pembimbing Utama

Intan Yuniar Purbasari, S.Kom, M.Sc
NPT. 3 8006 04 01981

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

Pembimbing Pendamping

Dr. Ir. Ni Ketut Sari, MT
NPT. 19650731 199203 1 001

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

UCAPAN TERIMA KASIH

Ucapan terima kasih ini saya persembahkan sebagai perwujudan rasa syukur atas
terselesaikannya Laporan Skripsi. Ucapan terima kasih ini saya tujukan 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 Universitas
Pembangunan Nasional “Veteran” Jawa Timur.
3) Bapak 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 yang telah dengan sabar membimbing dengan segala
kerendahan hati dan selalu memberikan kemudahan dan kesempatan bagi saya
untuk berkreasi.
5) Intan Yuniar Purbasari S.Kom, M.Sc selaku dosen pembimbing utama pada
Proyek Skripsi ini di UPN “Veteran” Jawa Timur yang telah banyak

memberikan petunjuk, masukan, bimbingan, dorongan serta kritik yang
bermanfaat sejak awal hingga terselesainya Skripsi ini.
6) Ibu Dr. Ir. Ni Ketut Sari, MT selaku dosen pembimbing Pendamping
(Pembimbing II) yang telah memberikan banyak ide, petunjuk, masukan,
bimbingan, dorongan serta bantuan yang sangat berarti dan bermanfaat bagi
tugas akhir ini. Serta bersedia meluangkan waktu untuk membimbing dan
membantu.
7) Bapak Frinda Wahyu, S.Kom., Selaku PIA Tugas Akhir Teknik Informatika
UPN “Veteran” Jawa Timur.
iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

8) Keluarga tercinta, terutama kedua orang tua Ayah & Mama tersayang, terima
kasih atas semua doa, dukungan serta harapan-harapanya pada saat penulis
menyelesaikan skripsi dan laporan ini. Yang penulis minta hanya doa
restunya, sehingga penulis bisa membuat sesuatu yang lebih baik dari laporan
ini.
9) Adikku tersayang Frida Anas Aprillia yang selalu setia mendengar keluh
kesah dan memberikan senyuman indahnya.

10) Para Sahabatku Kanti Putri Rahayu, Ryan Raynaldi, Asep Kurnaivi Wardana,
Mas Rully yang selalu menemani, menyumbangkan saran kritiknya dan tak
bosan – bosan selalu memberi support.
11) Warga Informatic”dhe teman seperjuangan yang telah membantu dalam
penyelesaian Laporan Skripsi ini. Yang telah memberikan dorongan dan doa,
yang tak bisa penulis sebutkan satu persatu. Terima Kasih yang tak terhingga
untuk kalian semua. Semoga Allah SWT yang membalas semua kebaikan dan
bantuan tersebut.

iv

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

KATA PENGANTAR

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
MENDETEKSI

Skripsi
TEPI

yang

berjudul

PADA

“

KAIN

PERBANDINGAN
BATIK

DENGAN

DALAM
METODE

PREWITT, SOBEL, CANNY DAN ROBERTS ” 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 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, April 2013

(Peneliti)

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

DAFTAR ISI
Halaman
LEMBAR PENGESAHAN
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. Rumusan Masalah ..................................................................

6

1.3. Batasan Masalah ....................................................................

6

1.4. Tujuan ……….. ..................................................................... 7
1.5. Manfaat .................................................................................

7

1.6. Metodologi Penelitian ............................................................

8

1.7. Sistematika Penulisan .............................................................

9

BAB II TINJ AUAN PUSTAKA ................................................................ 11
2.1

Image ..................................................................................... 11
2.1.1 Analog Image ………………………………………...... 11
2.1.2 Digital Image …………………………………………… ..... 11

2.2. Pengolahan Citra Digital ........................................................ 12

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

2.3. Computer Vision ................................................................... 15
2.4. Grayscale ............................................................................... 17
2.5. Thresholding .......................................................................... 18
2.6. Tepi ........................................................................................ 18
2.7. Deteksi Tepi ........................................................................... 19
2.7.1 Metode Sobel ………………………………………... ... 22
2.7.2 Metode Prewittl ………………………………………... 25
2.7.3 Metode Canny ………………………………………..... 25
2.7.4 Metode Roberts ………………………………………... 27
2.8. Precision dan Recall .............................................................. 28
2.9. MATLAB ................................................................................ 28
2.9.1 Lima Bagian Utama Matlab ………………………… ... 31
2.9.1 Memulai Gui Matlab ………………………… .............. 35
BAB III ANALISIS DAN PERANCANGAN SISTEM ........................... 36
3.1

Analisa Sistem ...................................................................... 36

3.2

Gambaran Aplikasi secara Umum ......................................... 37

3.3

Perancangan proses ................................................................ 38
3.3.1 Grayscale .................................................................... 38
3.3.2 Metode Sobel............................................................... 40
3.3.3 Metode Prewitt ............................................................ 41
3.3.4 Metode Canny ............................................................ 42
3.3.5 Metode Roberts .......................................................... 43
3.3.6 Precision dan Recall .................................................... 44

3.4

Perancangan Tampilan Antarmuka ……………………… ..... 45

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

BAB IV IMPLEMENTASI ...................................................................... 47
4.1

Kebutuhan Hardware dan Software ........................................ 47

4.2

Implementasi Data ................................................................. 48

4.3

Implementasi Antarmuka ....................................................... 48

4.4

Implementasi Proses .............................................................. 50
4.4.1 Proses Load ................................................................... 50
4.4.2 Proses Edge Detection ................................................... 51
4.4.3 Proses Histogram .......................................................... 52
4.4.4 Proses Save.................................................................... 53
4.4.5 Proses Exit..................................................................... 53

4.5

Uji Coba Program …………………………………………… 54
4.5.1 Skenario Uji Coba ……………………………………... 54
4.5.2 Pelaksanaan Uji Coba ................................................... 55

4.6

Analisa Aplikasi .................................................................... 61
4.6.1 Analisa Proses Berdasarkan Gambar ............................. 61
4.6.2 Analissa Proses Berdasarkan Jumlah Piksel Warna Putih 64

BAB V

KESIMPULAN DAN SARAN .................................................... 70
6.1. Kesimpulan ........................................................................... 70
6.2. Saran .................................................................................... 71

DAFTAR PUSTAKA .................................................................................. 72

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

J UDUL

PENYUSUN
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II

:

DETEKSI TEPI CITRA UNTUK MENENTUKAN
KUALITAS IMAGE PADA KAIN BATIK DENGAN
METODE PREWITT, SOBEL, CANNY DAN ROBERTS
: FIRNA ANAS OKTANIA
: INTAN YUNIAR PURBASARI, S.KOM, M.SC
: Dr. Ir . NI KETUT SARI, MT

ABSTRAK
Batik merupakan bagian dari hasil kebudayaan Indonesia yang telah diakui
dunia internasional. Dalam era globalisasi seperti saat ini minat masyarakat
terhadap batik semakin meningkat. Berkaitan dengan hal tersebut, maka
diperlukan penelitian tentang otomasi pembuatan batik tulis. Tugas Akhir ini
bertujuan untuk mendapatkan hasil pendeteksian tepi yang paling baik dari
keempat metode yaitu Prewitt, Sobel, Canny dan Roberts. Dari sini maka perlu
dilakukan penelitian untuk mengembangkan canting elektrik sehingga menjadi
suatu mesin pembatik otomatis.
Metode prewitt merupakan pengembangan dari gradient operator dengan
menggunakan 2 mask (horizontal dan vertikal) ukuran 3x3. Metode Prewitt
merupakan pengembangan metode Sobel dengan menggunakan filter HPF (High
Pass Filter) yang diberi satu angka nol penyangga. Metode sobel menidentifikasi
tepi dengan aproksimasi Sobel dengan turunannya. Metode ini memperlihatkan
tepi pada area dimana gradiennya bernilai maksimum. Metode roberts merupakan
salah satu operator yang menggunakan jendela matrik 2x2, operator ini melakukan
perhitungan dengan mengambil arah diagonal untuk melakukan perhitungan nilai
gradiennya. Metode canny mendeteksi tepi dengan mengidentifikasi maksimal
lokal dari gradien pada citr.a. metode ini menggunakan dua nilai ambang/nilai
batas (threshold) untuk mendeteksi tepi yang lemah dan yang kuat.
Analisis citra merupakan salah satu metode dalam pengolahan citra digital.
Proses yang dilakukan dalam mendeteksi tepi dimulai dari masukan gambar asli
kemudian akan dirubah menjadi citra grayscale, threshold dan metode Sobel,
Prewitt, Canny dan Roberts. Perangkat yang digunakan dalam skripsi ini adalah
Matlab 7.0
Penulisan ini membahas tentang perbandingan hasil deteksi tepi dengan
berbagai metode operator menggunakan Matlab. Berdasarkan perbandingan
dengan hasil dari keempat metode, dapat disimpulkan bahwa metode Canny
memberikan hasil yang cukup baik mempunyai tingkat akurasi keberhasilan 92%
dibandingkan dengan metode Prewitt, Sobel dan Roberts

Kata Kunci : Deteksi Tepi, Citra, Matlab 7.0

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

J UDUL

:

PENYUSUN
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II

DETEKSI TEPI CITRA UNTUK MENENTUKAN
KUALITAS IMAGE PADA KAIN BATIK DENGAN
METODE PREWITT, SOBEL, CANNY DAN ROBERTS
: FIRNA ANAS OKTANIA
: INTAN YUNIAR PURBASARI, S.KOM, M.SC
: Dr. Ir . NI KETUT SARI, MT

ABSTRACT
One of the main stages in the digital image processing is edge detection
process, with the process object with the boundary between the background can be
determined properly. Edge detection aims to improve the appearance of the
boundary line of an area or object in the image and improve and change the
image. There are many edge detection methods are currently known, in this study
the edge detection method used is the Prewitt, Sobel, Canny and Roberts.
Image analysis is a method of digital image processing. The process is
done in detecting edges starting from the original input image will then be
converted to grayscale images, threshold and method of Sobel, Prewitt, Canny and
Roberts. The parameters of comparison used is visually and from the number of
white pixels contained in the image of the edge detection. The device used in this
paper is MATLAB 7.0
Writing is about comparison of the results with different methods of edge
detection operators using Matlab. By comparison with the results of the four
methods, it can be concluded that the method of Canny gives good results
compared to the Prewitt, Sobel, and Roberts.

Keywords: Edge Detection, Image, Matlab 7.0

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

J UDUL

PENYUSUN
DOSEN PEMBIMBING I
DOSEN PEMBIMBING II

:

DETEKSI TEPI CITRA UNTUK MENENTUKAN
KUALITAS IMAGE PADA KAIN BATIK DENGAN
METODE PREWITT, SOBEL, CANNY DAN ROBERTS
: FIRNA ANAS OKTANIA
: INTAN YUNIAR PURBASARI, S.KOM, M.SC
: Dr. Ir . NI KETUT SARI, MT

ABSTRAK
Mengukur luas tambak dalam sebuah citra gambar yang memiliki
ketajaman atau yang berkaitan dengan proses transfer data sangat dibutuhkan
untuk mendapatkan hasil citra gambar yang sesuai dengan yang dibutuhkan pada
aplikasi ini, permasalahan diselesaikan dengan metode Sobel dengan dukungan
pemilihan ukuran mask secara manual dari yang telah disediakan dalam aplikasi
untuk mendapat hasil yang dibutuhkan. Tugas akhir ini bertujuan untuk
“Mengukur Luas Tambak Dari Citra Google Satelit Dengan Menggunakan
Metode Deteksi Tepi Sobel”. Sistem ini diimplementasikan menggunakan sobel
untuk penghalusan data citra gambar, sehingga sistem harus dibangun sesuai
dengan kebutuhan.
Operator sobel merupakan pengembangan Operator robert dengan
menggunakan filter HPF(High Pass Filter) 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. Analisis citra merupakan salah satu metode dalam pengolahan citra
digital. Proses yang dilakukan dalam mendeteksi tepi dimulai dari masukan
gambar asli kemudian akan dirubah menjadi citra grayscale, sobel, dilasi, closing,
invers, erosi, dan rekontruksi.
Operasi citra digital dalam mengukur luas tambak dari citra google satelit
dengan menggunakan metode deteksi tepi sobel ini mempunyai tingkat akurasi
keberhasilan 95% dengan hasil yang sempurna ditemukannya obyek tambak
dengan intensitas gambar yang utuh dan kondisi jarak yang sesuai.

Kata Kunci : Metode Deteksi Tepi Sobel Citra, Matlab 7.0.

iii
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
Istilah “Kebudayaan” dan “Culture” . Kata “kebudayaan” berasal

dari kata Sansekerta buddhayah, yang merupakan bentuk jamak dari buddhi
yang berarti “budi atau

“akal”.

Kebudayaan

menurut

Koentjaraningrat

(2005:72) adalah seluruh sistim gagasan dan rasa, tindakan, serta karya
yang dihasilkan manusia dalam kehidupan bermasyarakat, yang dijadikan
miliknya dengan belajar. Menurut Soekanto (2002:2) mengenai kebudayaan
adalah mencakup semua yang didapat atau dipelajari oleh manusia sebagai
anggota masyarakat yang meliputi segala sesuatu yang dipelajari dari pola-pola
perikelakuan

normatif

yang

mencakup

segala

cara

atau

pola

pikir,

merasakan, dan bertindak. (Asri Adetiani, 2007)
Kesenian merupakan segala sesuatu yang berhubungan dengan seni.
Sedangkan menurut pengertian awam, seni adalah keindahan yang diciptakan oleh
manusia. Bunga mawar yang indah bukan suatu karya seni, tetapi jika bunga
tersebut dilukis maka lukisan tersebut merupakan sebuah karya seni. Ki Hajar
Dewantara memberi batasan yang lebih luas lagi dengan pendapatnya, bahwa seni
adalah perbuatan manusia yang timbul dari hidup perasaannya dan bersifat indah,
sehingga dapat menggerakkan jiwa perasaan manusia. Seni dapat lahir dan
berkembang karena pada umumnya manusia senang pada keindahan. Kesenian

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

2

mengacu pada nilai keindahan (estetika) yang berasal dari ekspresi hasrat manusia
akan keindahan yang dinikmati dengan mata ataupun telinga. Sebagai makhluk
yang mempunyai cita rasa tinggi, manusia menghasilkan berbagai corak kesenian
mulai dari yang sederhana hingga perwujudan kesenian yang kompleks. Kesenian
yang berkembang di masyarakat diantaranya adalah seni Batik. (Oxlay, 2011)
Kesenian batik adalah kesenian gambar di atas kain untuk pakaian yang
menjadi salah satu kebudayaan keluaga raja-raja Indonesia zaman dulu. Awalnya
batik dikerjakan hanya terbatas dalam kraton saja dan hasilnya untuk pakaian raja
dan keluarga serta para pengikutnya. Oleh karena banyak dari pengikut raja yang
tinggal diluar kraton, maka kesenian batik ini dibawa oleh mereka keluar kraton
dan dikerjakan ditempatnya masing-masing. Lama-lama kesenian batik ini ditiru
oleh rakyat terdekat dan selanjutnya meluas menjadi pekerjaan kaum wanita
dalam rumah tangganya untuk mengisi waktu senggang. Selanjutnya, batik yang
tadinya hanya pakaian keluarga kraton, kemudian menjadi pakaian rakyat yang
digemari, baik wanita maupun pria. Bahan kain putih yang dipergunakan waktu
itu adalah hasil tenunan sendiri. Dan sekarang ini batik memiliki berbagai corak
yang sangat beragam, dan saat ini bukan hanya dibuat untuk kain saja melainkan
juga berbagai barang hal seperti jaket, sepatu, sarung kering, bahkan boneka.
Kesenian batik yang semakin berkembang ini menambah keanekaragaman
kerajinan batik dan dapat dijadikan komoditi ekspor yang berkualitas ke
mancanegara. Akan tetapi hal tersebut menjadi salah satu indikasi yang
mengancam keberadaan batik tradisional, apalagi batik yang dibuat dengan cara
tradisional (dicanting) keberadaannya semakin melemah dan kalah dengan batik

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

3

teknik cap. Dan guna melestarikan kesenian batik ,membuat suatu dokumentasi
dan mengkoleksi batik merupakan langkah jitu untuk membuat generasi ang akan
datang bisa melihat dan mengenali batik. Saat ini batik dapat digunakan oleh
semua kalangan baik bentuk formal maupun non formal, dan membuat bentuk
pola – pola baru dari deteksi tepi untuk batik agar tetap menarik dalam
penggunaannya. Diharapkan untuk generasi mendatang warisan budaya batik akan
tetap terlestarikan sebagai warisan budaya Indonesia. Batik Indonesia secara resmi
diakui UNESCO dengan dimasukkannya ke dalam Daftar Representatif sebagai
Budaya Tak-benda Warisan Manusia (Representative List of the Intangible
Cultural Heritage of Humanity) dalam Sidang ke-4 Komite Antar-Pemerintah
tentang Warisan Budaya Tak-benda di Abu Dhabi, Uni Emirat Arab, Jumat (2/9)
malam. (Lucky Savitri, 2013)
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.( Lia Amelia, 2012)
Citra (image) istilah lain untuk gambar, sebagai salah satu komponen
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

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

4

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)
Pengolahan citra digital pada umumnya dapat dikelompokkan dalam
dua jenis kegiatan, yaitu memperbaiki kualitas suatu citra sehingga dapat lebih
mudah diinterprestasi oleh mata manusia dan mengolah informasi yang terdapat
pada suatu citra untuk keperluan pengenalan objek secara otomatis. Operasioperasi dalam pengolahan citra banyak macamnya. Namun, secara umum
operasi tersebut dapat diklasifikasikan menjadi perbaikan citra, peningkatan
kualitas citra, registrasi citra, pemampatan data citra, dan segmentasi citra. Salah
satu teknik pengolahan citra yang digunakan adalah deteksi tepi (edge
detection). Deteksi tepi adalah hal yang umum dalam proses pengolahan citra
digital karena merupakan salah satu langkah awal dalam melakukan segmentasi
citra, yang bertujuan untuk membagi wilayah – wilayah yang homogen.
Menurut

Hambali (2011:5) bahwa

“Deteksi tepi

yaitu proses untuk

menentukan lokasi titik-titik yang merupakan tepi obyek”. Tepi obyek
merupakan pertemuan antara bagian obyek dan bagian latar belakang. Dalam
pengolahan citra, tepi obyek ditandai oleh titik yang nilai keabuannya
memiliki perbedaan yang cukup besar dengan titik yang ada disebelahnya.
Dalam penggunaannya, deteksi tepi menggunakan operator berbasis turunan

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

5

pertama dan turunan kedua. Saat ini telah ada beberapa metode yang dapat
digunakan dalam mendeteksi tepi, contohnya adalah metode Roberts, Sobel,
Prewitt, Laplacian of Gaussian (LoG), Canny, dan sebagainya. Dalam
penulisan skripsi ini, akan dibahas empat buah metode deteksi tepi, yaitu
metode Prewitt, Sobel, Canny dan Roberts. Metode Prewitt merupakan metode
yang menggunakan Operator Prewitt, Persamaan gradien pada operator prewitt
sama dengan gradien pada operator sobel perbedaannya adalah pada prewitt
menggunakan konstanta c=1. Metode

Sobel merupakan

metode

yang

menggunakan Operator Sobel. Operator ini menggunakan dua buah kernel yang
berukuran 3x3 piksel untuk penghitungan gradiennya. Operator Robert Cross
merupakan salah satu operator yang menggunakan jendela

matrik

2x2.

Beberapa manfaat yang bisa diperoleh dari deteksi tepi adalah untuk
menentukan stadium kanker, mendeteksi tepi citra USG janin, dan mendeteksi
karies pada gigi, sehingga bentuk citra yang dihasilkan dapat terlihat lebih jelas.
Deteksi tepi juga dapat digunakan untuk aplikasi pengenalan plat kendaraan,
aplikasi pengenalan sidik jari, dan untuk membedakan uang asli dengan uang
palsu. Keempat metode deteksi tepi ini menghasilkan citra yang berbeda,
dimana citra yang dihasilkan metode Canny lebih baik dan jumlah piksel
warna putih yang diperoleh lebih banyak dibanding dengan metode Sobel,
Prewitt dan Roberts. (Lia Amelia, 2012)
Dalam skripsi ini akan memberikan gambaran

mengenai penerapan

keempat metode dalam mendeteksi tepi pada suatu citra digital. Dan dari
keempat metode ini akan dibandingkan hasil citra yang diperoleh dari masing-

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

6

masing metode deteksi tepi.

1.2

Rumusan Masalah
Berdasarkan beberapa uraian latar belakang di atas maka dapat dirumuskan

masalah, yaitu :
a.

Merancang sebuah aplikasi deteksi tepi dengan mengimplementasikan
empat metode yaitu Sobel, Prewitt, Canny dan Roberts.

b.

Metode mana yang lebih baik dalam mendeteksi tepi suatu citra digital
pada kain batik secara visual dan dari jumlah piksel warna putih yang
diperoleh dari hasil deteksi tepi.

1.3

Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas

akhir ini dapat berjalan degan baik adalah sebagai berikut :
a.

Perangkat yang digunakan dalam skripsi ini adalah Matlab 7.0

b.

Pembahasan pada deteksi tepi citra.

c.

Inputan image berupa kain batik dan citra berwarna RGB.

d.

Parameter perbandingan yang digunakan adalah secara visual dan dari
jumlah piksel warna putih yang terdapat pada citra hasil deteksi tepi.

e.

Menganalisis kestabilan piksel warna putih dari keempat metode.

f.

Tidak menggunakan database karena tujuan penelitian hanya untuk
menganalisa dari keempat metode.

g.

Image beresolusi VGA (256 x 256 pixel) berformat bmp, jpg, gif.

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

7

1.4

Tujuan
Dari rumusan masalah di atas, maka tujuan dari penulisan tugas akhir ini

adalah meningkatkan penampakan garis batas suatu daerah atau objek didalam
citra. Menganalisa deteksi tepi dengan menggunakan beberapa operator deteksi
untuk mengetahui metode mana yang lebih baik dalam mendeteksi tepi suatu citra
pada kain batik secara visual dan dari jumlah piksel warna putih yang diperoleh
dari hasil deteksi tepi.

1.5

Manfaat
Manfaat dari penulisan tugas akhir ini adalah :
a.

Untuk mengetahui metode mana yang lebih optimal dalam
mendeteksi tepi diantara empat metode yaitu Sobel, Prewitt, Canny
dan Roberts.

b.

Dapat dipergunakan sebagai dasar penelitian selanjutnya untuk
pendeteksian tepi dan teknik – teknik pengolahan citra digital lainnya.

1.6

Metodelogi Penelitian
Beberapa metode dan teknik yang dipergunakan dalam pengumpulan dan

pengolahan data skripsi ini antara lain :

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

8

1.1

Library Research

Pada tahap ini, penulis mempelajari dan membaca buku diktat, referensi, buletin
perpustakaan sebagai acuan yang berkaitan dengan permasalahan yang akan
dibahas.
2.1

Documentation

Penulis melakukan pencatatan terhadap aktifitas yang berhubungan dangan
pengamatannya, apabila diperlukan pencatatan.
3.1

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.
4.1

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.
5.1

Pembuatan Naskah Skripsi

Pada tahap ini dilakukan pendokumentasian dari semua tahap agar dcatat
dipelajari untuk pengembangan lebih lanjut. Memaparkan dasar-dasar teori dan

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

9

metode yang terlibat di dalamnya, diantaranya desain perangkat lunak dan
implementasinya, hasil pengujian sistem termasuk juga perbaikan.
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

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

10

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.
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.

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, p1). Image dapat dikategorikan
sebagai :
2.1.1

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 intensitas tiap titik spasial (x,y).
2.1.2 Digital Image
Menurut Shapiro dan Stockman (2001, p29), digital image adalah image
2D I[r,c] 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

11
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

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. (Anonim,

2005a). Menurut Jain, Kasturi dan Schunck (1995, p12), 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 (Shapiro dan Stockman, 2001, p30):
• Binary image, yaitu digital image dengan nilai pixel 1 atau 0.
• Gray scale image, yaitu digital image monochrom dengan satu nilai intensitas
tiap pixel.
• Multispectral image, adalah image 2D yang memiliki vektor nilai pada tiap
pixel, jika image berwarna maka vektornya memiliki 3 elemen.
• Labeled image, adalah digital image dimana nilai pixel adalah simbol dari
alfabet terbatas. (Anonim, 1996)

2.2

Pengolahan Citra Digital
Secara

dwimatra

harafiah,

citra

(image)

adalah

(dua dimensi). Ditinjau dari sudut

gambar

pandang

pada

matematis,

bidang
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

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

13

oleh alat-alat optik,

misalnya

mata pada

manusia, kamera, pemindai

(scanner), dan sebagainya, sehingga bayangan objek yang disebut citra
tersebut terekam. (Rinaldi Munir,2010)
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
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

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

14

tapi dengan kualitas lebih baik daripada citra masukan. (Lia Amelia, 2012)
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.

Citra Awal

Pengolahan
Citra

Citra Baru

Gambar 2.1 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. (Agung Priyo,2005)

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

15

Pengenalan
Pola

citra

deskripsi
objek

Gambar 2.2 Pengenalan Pola (Agung Priyo,2005)
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. (Murinto, 2008)

2.3

Computer Vision
Terminologi lain yang berkaitan erat dengan pengolahan citra adalah

Computer Vision atau Machine Vision. Pada hakikatnya, Computer Vision mencoba
meniru cara kerja sistem visual manusia (Human Vision). Human Vision
sesungguhnya sangat kompleks. Manusia melihat objek dengan indera penglihatan
(mata), lalu citra objek diteruskan ke otak untuk diinterpretasi sehingga manusia
mengerti objek apa yang tampak dalam pandangan matanya. Hasil interpretasi ini
mungkin digunakan untuk pengambilan keputusan (misalnya menghindar, jika
melihat mobil melaju di depan).
Computer vision merupakan proses otomatis yang mengintegrasikan
sejumlah besar proses untuk persepsi visual, seperti akuisisi citra, pengolahan
citra, klasifikasi, pengenalan (recognition) dan membuat keputusan. Computer vision

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

16

terdiri dari teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra,
pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasi
informasi geometri tersebut.

Proses – proses di dalam computer vision dapat di

golongkan menjadi tiga aktivitas
1. Memperoleh atau mengakuisisi citra digital.
2. Melakukan teknik komputasi untuk memperoses atau memodifikasi data citra
(operasi - operasi pengolahan citra).
3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan
untuk tujuan tertentu, misalnya memandu robot, mengontrol peralatan,
memantau proses manufaktur dan lain sebagainya.
pengklasifikasian proses - proses

di dalam computer vision dalam hirarkhi

sebagai berikut :
Hirarkhi Pemrosesan

Contoh Algoritma

Preprocessing

noise removal
contrast enhancement

Lowest level feature extraction

edge detection
texture detection

intermediate – level feature identification

connectivity
patern matching
boundary coding

high – level scene interpretation via images

model – base
recognition

Gambar 2.3. Pengklasifikasian proses - proses di dalam computer vision
(Agung Priyo, 2005)

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

17

Dari penjelasan di atas, dapat kita lihat bahwa pengolahan citra dan
pengenalan pola merupakan bagian dari computer vision. Pengolahan citra
merupakan proses awal (preprocessing) pada computer vision, sedangkan pengenalan
pola merupakan proses untuk menginterpretasi citra.
Teknik-teknik di dalam pengenalan pola memainkan peranan penting
dalam computer vision untuk mengenali objek. Jika dihubungkan dengan grafika
komputer, maka computer vision merupakan kebalikannya. (Agung Priyo,2005)

2.4

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. (Guntur
Parikesit,2009)

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

18

2.5

Thersholding
Thresholding adalah proses untuk mengelompokkan semua piksel pada

citra dengan nilai tertentu menjadi dua bagian dengan nilai gray level yang telah
ditentukan.
Pembuatan citra biner adalah salah satu bentuk thresholding dengan nilai 0
dan 1, yaitu melakukan perubahan semua nilai piksel yang lebih besar atau sama
dengan nilai ambang menjadi 1 dan semua nilai piksel yang lebih kecil dari nilai
ambang menjadi 0. Untuk Thresholding tunggal, dapat dilihat melalui fungsi
berikut :
g( , ) =

0
1

( , )<
( , )≥

.............................................(2.1)

Nilai Thresholding (T) dapat di peroleh dengan berbagai cara, salah satu
caranya adalah dengan melakukan perhitungan sederhana, dimana nilai rata-rata
jumlah piksel yang memiliki nilai dibawah T sama dengan nilai rata-rata jumlah
piksel yang memiliki nilai diatas T. Untuk perhitungan ini, nilai T yang didapat
untuk gambar yang memiliki histogram yang telah ter-equalize adalah berkisar
antara 127 dan 128. Nilai dari maksimum T adalah nilai tertinggi dari system
warna yang digunakan dan nilai minimum dari T adalah nilai terendah dari system
warna yang digunakan. Untuk 256 graylevel maka nilai tertinggi T adalah 255 dan
nilai terendahnya adalah 0. (Eko Prasetyo, 2011)

2.6

Tepi
Yang dimaksud dengan tepi (edge) adalah perubahan nilai intensitas

derajat keabuan yang mendadak (besar) dalam jarak yang singkat (Gambar 2.4).

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

19

Perbedaan intensitas inilah yang menampakkan rincian pada gambar. Tepi
biasanya terdapat pada batas antara dua daerah berbeda pada suatu citra. Tepi
dapat diorientasikan dengan suatu arah, dan arah ini berbeda-beda pada
bergantung pada perubahan intensitas. (Rinaldi Munir,2010)

Gambar 2.4 Model tepi satu matra (Rinaldi Munir, 2010)

2.7

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. (Septian Dwi Cahyo,2010)
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

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

20

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. (Lia Amelia, 2012)
Terdapat beberapa teknik yang digunakan untuk mendeteksi tepi, antara
lain:
•

Operator gradien pertama (differential gradient)
mendeteksi tepi di dalam citra, yaitu operator gradien selisihterpusat, operator Sobel, operator Prewitt, operator Roberts, operator
Canny.

•

Operator turunan kedua (Laplacian)
Operator Laplace mendeteksi lokasi tepi khususnya pada citra tepi
yang curam. Pada tepi yang curam, turunan keduanya mempunyai
persilangan nol, yaitu titik di mana terdapat pergantian tanda nilai
turunan kedua, sedangkan pada tepi yang

landai tidak terdapat

persilangan nol. Contohnya adalah operator Laplacian Gaussian, operator
Gaussian.

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

21

•

Operator kompas (compass operator)
Digunakan untuk mendeteksi semua tepi dari berbagai arah di
dalam citra. Operator kompas yang dipakai untuk deteksi tepi menampilkan
tepi dari 8 macam arah mata angin yaitu Utara, Timur Laut, Timur,
Tenggara, Selatan, Barat, Barat Daya, dan Barat Laut.
Contoh beberapa gradien pertama yang dapat digunakan untuk turunan

pertama menghasilkan tepi yang lebih tebal, sedangkan turunan kedua
menghasilkan tepi yang lebih tipis. Ada tiga macam tepi yang terdapat di dalam
citra digital. Ketiganya adalah:
1. Tepi curam
Tepi dengan perubahan intensitas yang tajam. Arah tepi berkisar 90°.
2. Tepi landai
Disebut juga tepi lebar, yaitu tepi dengan sudut arah yang kecil. Tepi
landau dapat dianggap terdiri dari sejumlah tepi-tepi lokal yang lokasinya
berdekatan.
3. Tepi yang mengandung derau (noise)
Umumnya tepi yang terdapat pada aplikasi computer