PENULISAN JURNAL ILMIAH ANALISIS INTENSITAS METODE PENDETEKSIAN TEPI SOBEL
PENULISAN JURNAL ILMIAH
ANALISIS INTENSITAS
METODE PENDETEKSIAN TEPI SOBEL
Kevin
Mantika Putra (35114831)
Manajemen
Informatika, Fakultas Ilmu Komputer
Universitas
Gunadarma
E-mail
: kevinmantikaputra@gmail.com
ABSTRAKSI
Metode
pendeteksian tepi Sobel adalah metode pendeteksian tepi terbaik dibandingkan
dengan metode pendeteksian tepi lainnya seperti metode Prewitt dan metode Robert.
Jika pada metode Robert atau Prewitt hanya menggunakan jendela 2x2 pada
maskingnya, maka pada metode Sobel menggunakan jendela 3x3 pada maskingnya
sehingga hasil yang di dapat menjadi lebih sempurna dari metode-metode
pendeteksian tepi yang lainnya. Bagaimana jika masking pada sobel ini kita
kalikan dengan suatu nilai (0-255) sehingga kita dapat mengubah kekuatan
intensitas pendeteksian tepi pada metode sobel agar mendapatkan hasil yang
lebih baik. Kata Kunci : Analisis, Intensitas, Pendeteksian tepi, Sobel.
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Pendeteksian tepi (edge detection)
adalah pendekatan yang paling umum digunakan untuk mendeteksi diskontinuitas
grey-level. Hal ini disebabkan karena titik ataupun garis yang terisolasi tidak
terlalu sering dijumpai dalam aplikasi praktis. Sampai sejauh mana segmentasi
tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah
segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil
dipisahkan. Metode pendeteksian tepi Sobel adalah metode pendeteksian tepi
terbaik dibandingkan dgn metode pendeteksian tepi lainnya seperti metode
Prewitt dan metode Robert. Jika pada metode Robert atau Prewitt hanya
menggunakan jendela 2x2 pada maskingnya, maka pada metode Sobel menggunakan
jendela 3x3 pada maskingnya sehingga hasil yang di dapat menjadi lebih sempurna
dari metode-metode pendeteksian tepi yang lainnya. Bagaimana jika masking pada
sobel ini kita kalikan dengan suatu nilai (0-255) sehingga kita dapat mengubah
kekuatan intensitas pendeteksian tepi pada metode sobel agar mendapatkan hasil
yang terbaik dari metode pendeteksian tepi sobel dengan melihat nilai-nilai
yang didapat.
B. IDENTIFIKASI MASALAH
Persoalan yang dihadapi adalah
bagaimana mengalikan masking yang digunakan oleh metode pendeteksian tepi sobel
sehingga kita dapat mengubah nilai intensitas pendeteksian tepi yang dilakukan
dan mendapatkan hasil pendeteksian tepi yang terbaik berdasarkan hasil-hasil
yang diperoleh dan mengeluarkan nilai-nilai penting yang diperlukan untuk
perbandingan (MSE dan PSNR).
C. MAKSUD dan TUJUAN
Maksud dari penelitian ini adalah
untuk merubah kernel atau mask yang digunakan pada metode pendeteksian tepi
sobel sehingga dapat merubah nilai intensitas/kekuatan pada pendeteksian tepi.
Sedangkan tujuan dari penelitian ini adalah memperoleh suatu metode
pendeteksian tepi yang dapat diatur kekuatan intensitas pendeteksian tepinya
sesuai dengan yang kita inginkan
D. LANDASAN TEORI
Metode Sobel Ada beberapa metode
pendeteksian tepi yang terkenal dan banyak digunakan, diantaranya adalah metode
Robert, Prewitt, Sobel, dan Gonzales. Tapi di sini kita hanya akan membahas
metode sobel saja karena operator sobel adalah operator yang banyak digunakan
sebagai pendeteksian tepi karena kesederhanaan dan keampuhannya serta juga
digunakan dalam penulisan tugas akhir ini. Metode sobel merupakan pengembangan
dari metode robert dengan menggunakan filter HPF (high pass filter) yang diberi
satu angka nol penyangga. Kelebihan dari metode sobel ini adalah kemampuan
untuk mengurangi noise sebelum melakukan perhitungan pendeteksian tepi. Kernel
yang digunakan dalam metode sobel ini adalah sebagai berikut :
Perhatikanlah bahwa operator sobel menempatkan
penekanan atau pembobotan pada piksel-piksel yang
lebih dekat dengan
titik
pusat jendela. Dengan demikian pengaruh piksel-piksel
tetangga akan
berbeda sesuai
dengan
letaknya terhadap titik
di
mana gradien
dihitung. Gradien adalah hasil
pengukuran perubahan dalam sebuah fungsi intensitas, dan sebuah citra dapat dipandang sebagai
kumpulan beberapa fungsi intensitas
kontinyu dari
citra. Dari susunan nilai-nilai pembobotan pada jendela juga terlihat bahwa perhitungan
terhadap gradien juga merupakan gabungan dari posisi horisontal dan vertikal.
E. IMPLEMENTASI
dan
PENGUJIAN
Masukan (input) dari program aplikasi yang dibuat adalah berupa file citra berukuran
400x300 (4:3) piksel agar lebih optimal. Program apliksi
yang
dibuat ini juga dapat menerima masukan (input)
berupa file citra dengan
ukuran piksel yang lebih besar, hanya
saja
waktu proses yang
dibutuhkan
akan semakin lama. Gambar berikut memperlihatkan tampilan program ketika menampilkan file citra
warning.bmp yang baru saja di input kan atau di
load
ke dalam program.
Gambar 1. Tampilan program ketika pertama kali file citra di masukan (load
Image)
Gambar 2. Tampilan program ketika sudah
meakukan pendeteksian tepi terhadap file citra yang dimasukan tanpa mengubah nilai intensitas pada metode pendeteksian tepi yang digunakan
Intensitas yang diberikan adalah kisaran dari 0 – 255.
Dimana
nilai
0 merepresentasikan warna
hitam
sedangkan nilai 255 merepresentasikan warna
putih.
Pada kasus yang kita hadapai, nilai-nilai ini begitu penting
karena
dengan adanya
nilai-nilai ini kita
dapat
mengetahui
berapa nilai
terbaik agar dapat menghasilkan pendeteksian tepi
yang sempurna dengan
menggunakan
metode
sobel.
Dibawah ini merupakan tampilan program yang menunjukan
hasil pendeteksian tepi dengan menggunakan nilai
intensitas 255.
Gambar 3. Tampilan program yang menunjukan
hasil pendeteksian tepi dengan menggunakan nilai intensitas 255.
Untuk dapat mengetahui
pada nilai intensitas berapakah file citra warning.bmp
ini
mendapatkan
hasil terbaiknya ketika dideteksi
tepinya
menggunakan metode pendeteksian
tepi
sobel, kita dapat melakukan
perubahan manual terhadap nilai intensitas pendeteksian tepi yang diberikan (antara 0 sampai 255) serta melihat nilai MSE (Mean Square
Error) dan nilai PSNR
(Pic Signal to Noise Ratio) dimana kedua nilai ini berbanding
terbalik. Untuk nilai yang terbaik,kita berpatokan
pada nilai PSNR yang terbesar.
Selain cara yang telah dijelaskan di atas, ada lagi cara yang lebih mudah yang disediakan oleh
program yang telah dirancang.
Yaitu dengan menekan tombol
“Iteration”
yang berada pada bagian
bawah kanan dari form utama dengan
terlebih dahulu memasukan berapa banyak jumlah
perulangan yang akan dilakukan. Untuk kasus file citra warning.bmp ini, nilai PSNR yang terbesar terdapat pada nilai intensitas
antara 79 sampai 81 dengan nilai PSNR sebesar 8,66. untuk lebih jelasnya
dapat dilihat pada daftar nilai PSNR untuk
file citra warning.bmp pada halaman lampiran.
Dengan
adanya daftar iterasi seperti
terlampir,
kita dapat mengetahui
pada intensitas berapa hasil
dari pendeteksian tepi dengan menggunakan metode
pendeteksian tepi sobel ini menghasilkan pendeteksian
tepi
terbaik dengan melihat nilai-nilai MSE
dan PSNR yang didapat. Dibawah ini adalah tampilan program ketika menampilkan hasil terbaik
dari pendeteksian tepi file citra warning.bmp dengan menggunakan metode pendeteksian
tepi sobel dengan nilai intensitasnya berada pada nilai kisaran 79 sampai 81 dan nilai PSNR nya menunjukan nilai 8,66 (terbesar).
Gambar 4. Tampilan program ketika
menampilkan hasil pendeteksian tepi terbaik berdasarkan nilai PSNR terbesar
Untuk lebih jelasnya, perbandingan
antara nilai PSNR dengan nilai intensitas
pada file citra
warning.bmp dapat dilihat pada grafik dibawah ini :
a. Nilai PSNR yang diperoleh sangat tergantung sekali pada
file citra yang digunakan begitu juga nilai MSE nya.
b. Semakin gelap
(hitam)
citra yang
digunakan,
maka nilai PSNR yang diperoleh juga akan
semakin
besar. Begitu juga sebaliknya,
semakin
terang
(putih) citra yang digunakan, maka nilai PSNR yang diperoleh relatif kecil.
c. Pada file citra yang cenderung gelap (hitam), kisaran nilai intensitas pun cenderung kecil dan berbanding
terbalik dengan nilai PSNR yang
diperoleh.
berlaku sebaliknya untuk file citra
yang cenderung terang.
DAFTAR PUSTAKA
1) Usman Ahmad, Pengolahan Citra Digital dan
Teknik Pemrogramannya,
Graha Ilmu, Yogyakarta, 2005.
2) Rinaldi Munir, Pengolahan Citra Digital dengan Pendekatan
Akgoritmik, Penerbit Informatika, Bandung, 2004.
3) Achmad Basuki,
Joshua
F. Palandi,
Fathurrochman, Pengolahan Citra Digital, Graha Ilmu, Yogyakarta, 2005.
4)
Riyanto Sigit dkk, Step by step Pengolahan Citra Digital,
Penerbit Andi, Yogyakarta, 2004
0 Comments