SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS

Transkripsi

1 SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember emal : puruhto.prakosa@yahoo.com, agusza@cs.ts.ac., anny@f.ts.ac. 3 ABSTRAK Paa ctra mes, entfkas ar tep objek atau aerah yang ngnkan apat menyeakan nformas yang berguna untuk agnoss an perawatan penyakt. Proses segmentas yang terlbat apat lakukan secara manual, tetap sangat bergantung paa keahlan pengguna. Tngkat akuras segmentas yang haslkan metoe manual juga renah karena pengaruh ntra- an nter-observer. Oleh karena tu, butuhkan metoe segmentas secara otomats. Dalam makalah n mplementaskan sebuah metoe segmentas ctra mes engan eteks tep kontur berbass pelacakan target secara nams. Jalur paa tep objek haslkan melalu eteks tep engan menerapkan semblan operator arah. Selanjutnya, targettarget sepanjang jalur tep objek alam ctra lacak engan menggunakan teknk mofe ege-followng. Dar percobaan yang lakukan terhaap ctra Magnetc Resonance an Dental Panoramc Raograph, metoe n mampu melakukan segmentas objek engan cukup bak. Metoe n juga memlk keunggulan mana keseluruhan proses segmentas lakukan secara otomats. Kata kunc : Segmentas ctra, eteks tep, operator arah, pelacakan target, teknk ege-followng PENDAHULUAN Segmentas ctra merupakan topk pentng alam bang pengolahan ctra gtal an apat temukan alam berbaga bang rset ctra. Sebaga contoh aalah ctra mes an veo gtal yang memlk penekatan berbea alam penerapan proses segmentas. Meskpun memlk penekatan berbea, tujuan yang ngn capa aalah sama yatu menentukan objek yang spesfk atau sebuah area alam ctra untuk tujuan pencocokan atau entfkas. Dalam ctra mes, entfkas ar objek atau area yang ngnkan apat menyeakan nformas yang berguna untuk agnoss an perawatan penyakt. Namun, serngkal proses segmentas yang terlbat lakukan secara manual serta bergantung paa keterlbatan pengguna sehngga sangat memakan waktu an menyultkan pengguna. Oleh karena tu, proses segmentas secara otomats lebh gemar []. Segmentas ctra secara otomats merupakan area rset yang telah menghaslkan beberapa metoe. Salah satunya aalah eteks tep mana teknk ege tracng atau ege followng termasuk alamnya. Aapun kekurangan yang basa temukan alam teknk ege followng aalah kehanalannya yang renah. Hal n sebabkan oleh proses penentuan tep objek yang lakukan sebelum proses segmentas serngkal menunjukkan hasl yang kurang bak sehngga mempengaruh hasl segmentas. Meskpun emkan, entfkas ar tep engan menghubungkan ttk tep tetangga menyeakan nformas berguna yang tak temukan metoe lan. Dalam teknk ege followng, penentuan nla - threshol memlk peran yang sangat pentng. Apabla nla threshol yang gunakan tak tepat maka akan mempengaruh akuras ar hasl segmentas. Proses penentuan nla threshol serng membngungkan pengguna, karena pengguna harus mengetahu karakterstk ar ctra tu senr untuk menapatkan nla threshol yang tepat. Makalah n membahas tentang segmentas ctra mes engan algortma eteks tep kontur berbass pelacakan target secara nams, sebuah penekatan baru yang harapkan apat mengatas permasalahanpermasalahan seputar segmentas ctra yang aa, sepert proses segmentas manual yang merepotkan pengguna, hasl eteks tep objek yang kurang bak, an penentuan nla threshol secara manual. Proses pelacakan target menggunakan teknk mofe ege-followng mana sebuah target atau ttk engan berbekal jalur hasl eteks tep, nformas karakterstk ctra an arah apat tentukan pergerakannya. Dar nformas yang mlk, penentuan target awal, nla threshol an arah pergerakan target sampa membentuk kontur tertutup apat lakukan secara otomats.. DETEKSI TEPI Sebelum lakukan proses segmentas paa ctra masukan, lakukan proses eteks tep untuk menyeakan jalur target sepanjang tep objek ctra. Metoe eteks tep yang gunakan aalah Canny ege etector.. Penghalusan Langkah pertama yang lakukan aalah melakukan flter terhaap nose paa ctra sebelum melakukan peneteksan tep. Hal tersebut apat lakukan engan operas penghalusan ctra. Metoe yang gunakan aalah gaussan flter. Gaussan flter konvolus engan ctra masukan sehngga menghaslkan gaussan fltere mage. Proses tunjukkan oleh Persamaan () an ().

2 g G * f...() xy Dmana G exp...() g aalah gaussan fltere mage, G aalah gaussan flter an f aalah ctra masukan. Efek penghalusan ctra engan gaussan flter tunjukkan oleh Gambar. G G G... G n...() Dmana G,G...,G n aalah graen sesua jumlah arah operator. Nampak jelas ar Gambar 3 bahwa jarak graen apat menunjukkan tep objek secara jelas. Namun, tep nampak lebh tebal an tak menanakan mana lokas tep sebenarnya. Gambar. asl an yang telah haluskan. Mencar Jarak an Arah Graen Deteks tep Canny mencar tep mana ntenstas erajat keabuan ctra berubah secara rasts. Lokas tersebut apatkan engan menentukan graen ar ctra. Graen paa tap pxel ar ctra yang telah haluskan tentukan engan operator Sobel []. Langkah pertama aalah untuk memperkrakan graen sesua jumlah operator arah engan mengaplkaskan kernel yang tunjukkan oleh Gambar. Gambar. Semblan operator arah Jarak graen (atau yang basa sebut ege strengths) apat kemuan tentukan sebaga Euclean stance measure engan mengaplkaskan hukum Pythagoras sepert yang tunjukkan paa Persamaan (3). Kaang aplkas Euclean stance measure seerhanakan engan mengaplkaskan Manhattan stance measure sepert yang tunjukkan paa Persamaan () untuk mengurang komplekstas komputas. Operas tersebut kemuan lakukan terhaap ctra. Gambar 3 menunjukkan ctra hasl penghtungan jarak graen. G G G... G n...(3) Gambar 3. yang telah haluskan an Hasl jarak graen paa ctra 3 PENENTUAN TARGET PADA TEPI OBJEK PADA CITRA Setelah ctra masukan proses eteks tep engan operator arah, langkah berkutnya aalah menentukan target sepanjang jalur tep objek ctra. Dalam penentuan target, terapat beberapa proses yang terlbat yatu parts ctra, operas blok hasl parts ctra, penentuan target kanat an penentuan target paa tep objek ctra. 3. Parts parts menja beberapa blok mana masng-masng blok mempunya ukuran B x B pxel. Tujuan lakukan parts ctra menja beberapa blok aalah untuk melakukan segmen beberapa objek. Ukuran tap blok apat sesuakan, sebaga contoh: 5 x 5 pxel atau 0 x 0 pxel. Tap penentuan ukuran blok memlk efek tersenr. Bla blok mempunya ukuran cukup kecl, msalnya 5 x 5 pxel, maka objek kecl an objek engan perbeaan kontras kecl apat tentukan ttk-ttk targetnya. Namun, semakn kecl ukuran blok maka akan semakn banyak blok yang akan proses. Sehngga waktu komputas juga akan semakn bertambah. Contoh lustras penerapan parts ctra menja beberapa blok an ukuran pxel masng-masng blok tunjukkan oleh Gambar. Gambar. Ilustras parts ctra menja beberapa blok

3 Gambar memberkan lustras parts ctra. Dalam gambar menunjukkan ctra gg yang parts menja 5 blok mana masng-masng blok terr ar 5 x 5 pxel. Pxel pertama alam blok memlk koornat (,) an pxel terakhr alam blok memlk koornat (5,5). Sstem koornat tersebut berlaku untuk semua blok. Aa kalanya saat proses parts ctra, ctra tak apat parts secara utuh. Hal n karenakan ukuran ctra yang tak habs bag engan ukuran blok. Msal sebuah ctra memlk ukuran 56 x 56 pxel an ngn parts engan blok engan ukuran 5 x 5 pxel. Maka terapat pxel terakhr paa ss bars an kolom yang tak memperoleh alamat blok. Hal n apat tangan engan teknk pang. Teknk pang lakukan engan melakukan moulus bars an kolom ctra engan bars an kolom blok. Msal ukuran bars ctra aalah 56 an ukuran bars blok aalah 5, maka 56 mo 5 =. Nla ukuran bars blok, 5 kurang hasl moulus tersebut aalah maka nla pxel nlah yang akan tambahkan ke ss bars ctra. Hal tersebut juga berlaku paa ss kolom ctra. Sehngga hasl akhrnya ukuran ctra menja 60 x 60 an apat parts secara penuh. 3. Operas Blok Hasl Parts Paa proses n lakukan operas paa tap pxel alam blok untuk semua blok. Sehngga setap blok melakukan operas yang sama. Operas yang maksu aalah mencar ttk-ttk tetangga ar koornat pxel (x,. D sn (x, merepresentaskan koornat ar setap pxel alam blok. Gambar 5 menunjukkan lustras elapan tetangga yang harus car untuk tap koornat pxel. Dalam lustras Gambar 5, (x, aalah koornat ttk yang car tetangga-tetangganya, an koornat yang ber warna aalah tetangga-tetangga yang apatkan. merepresentaskan elapan arah sepert yang tunjukkan oleh Gambar 6. Gambar 6. Delapan arah yang representaskan oleh 3.3 Penentuan Target Kanat Tap Blok Setelah ttk-ttk tetangga ar semua koornat alam blok apatkan, langkah berkutnya aalah mencar perbeaan nla gray level untuk setap. Perbeaan nla gray level tunjukkan engan Persamaan (6). D mn G mn ( r) G mn ( l).....(6) Dmana aalah arah, r an l aalah tetangga suatu koornat an mn aalah lokas suatu blok. Terapat empat nla selsh gray level sesua engan atau arah yang gunakan. Sebaga lustras jelaskan alam Gambar 7 Tetangga suatu koornat yang ternyata beraa luar lngkup blok, yang alam mplementas n abakan, ber nla 0. Setelah keempat nla selsh nla gray level apatkan, nla-nla tesebut kemuan jumlahkan. Penjumlahan ar selsh nla gray level ar tap pxel alam empat nla tunjukkan oleh Persamaan (7). D mn 3 0 D mn.....(7) Gambar 5. Ilustras pencaran koornat tetangga (x, Namun, elapan tetangga yang harus car untuk tap koornat pxel juga sesuakan engan letak koornat alam blok. Hal n sebabkan karena operas pencaran tetangga suatu koornat pxel hanya berlaku paa blok tempat pxel tersebut beraa, tak mempengaruh blok lannya. Tetangga-tetangga suatu koornat pxel apat tentukan oleh Persamaan (5). r ( x roun (sn( )), y roun (cos( )))..(5) l ( x roun (sn(( ) )), y roun (cos(( ) ))) Dmana r an l aalah koornat tetangga ar (x, paa arah an (+). Rentang nla aalah 0 sampa 3 yang Gambar 7. Selsh gray level sesua engan arah yang gunakan Setap koornat ttk alam suatu blok mempunya D satu nla mn. Kemuan, paa tap blok nla D mn rankng an nla terbesar plh an efnskan sebaga T mn. Setap blok memlk satu nla T mn. T mn nlah kanat target alam tap blok. T mn merupakan representas koornat ttk yang memlk selsh nla gray level terbesar terhaap tetanggatetangganya. 3

4 Kemuan, sebuah hstogram buat ar nla-nla T mn ar tap blok. Dar hstogram tersebut nla threshol global, efnskan sebaga Tg, apat tentukan. Sektar seperempat ar jumlah total blok plh sebaga target paa jalur tep objek [3]. Threshol n bertujuan untuk menapatkan target paa jalur tep yang mana lebh menekat bentuk kontur. Gambar 8 menunjukkan hasl thresholng ar target-target kanat menja targettarget paa jalur tep. Gambar 8. Hasl thresholng ar target kanat Gambar tersebut menunjukkan bahwa target-target yang apat lebh menekat bentuk kontur objek. Aapun proses thresholng yang lakukan sebaga berkut: Jka nla T mn suatu blok lebh besar ar Tg, D mn rankng paa empat arah untuk mencar nla terbesar an arah yang bersangkutan. Karena arah paa tep objek tegak lurus engan arah ar nla terbesar, arah ar target paa D mn blok tersebut efnskan sebaga (+) []. Koornat target an arahnya tampung paa sebuah varabel W. Jka nla T mn suatu blok lebh kecl ar Tg. Maka blok tersebut tak memlk target paa tep objek. PELACAKAN TARGET Setelah target-target sepanjang jalur tep apatkan, langkah berkutnya aalah melacak pergerakan setap target untuk membentuk suatu kontur tertutup. Sebuah varabel W menampung koornat an arah target-target sepanjang jalur tep. W apat representaskan sebaga W = ((x,,), mana (x, aalah koornat target an aalah arah pergerakannya. Proses pembentukan kontur lakukan paa setap target. Setap target aalah representas ttk kontur awal (ntal contour pont) sehngga satu target apat menghaslkan beberapa ttk kontur. Dmula ar satu target engan arahnya, apat preks pergerakan ke ttk kontur berkutnya. Dasumskan bahwa target tak memlk transs atau pembelokan yang tajam (sharp transton) sehngga pencaran ttk kontur berkutnya lakukan terhaap tga arah sepert yang tunjukkan oleh Gambar 9. Tga arah yang preks aalah [(8+-)mo8],, [(8++)mo8]. Gambar 9. Contoh preks pergerakan target alam 3 arah ketka nla =3 Dalam tga arah tersebut, apat tentukan ss kanan an ss kr ar poss pergerakan target yang preks. Penentuan ss kanan an ss kr apatkan engan Persamaan (8): R k L k ( x roun( sn( )), y roun( cos( ))), k k k k k ( x roun( sn( )), y roun( cos( ))), k k k k k... (8) Dmana R an L aalah ss kanan an kr ar preks poss target selanjutnya, k aalah ttk kontur ke-k an k aalah arah ar target paa ttk kontur ke-k. Gambar 0 menunjukkan bahwa R an L selalu tegak lurus engan poss target yang preks. Gambar 0. Contoh poss preks target engan ss kr an kanannya Penentuan R an L ar poss target berkutnya yang preks bertujuan untuk memerksa nla rata-rata gray level paa ss kanan an kr untuk memperoleh ttk kontur yang palng tepat am sesua engan jalur tep objek. Pemerksaan nla rata-rata gray level paa ss kanan an kr lakukan engan Persamaan (9), (0) an (). k L L k p 0 k p, k p.....(9) k R R k p 0 kp, k p......(0) k I( L ( ) k, k j I( L k, k j ) L I( R ) I( R k, k, k j k j ) R ). () Dmana =,, q an j=(q+)/. Paa awalnya q bernla 3 sebaga representas tga arah yang preks. Nla rata-rata gray level ss kr an kanan gunakan untuk mencegah gangguan nose. Bagan keua an ketga paa Persamaan () apat berfungs untuk

5 mencegah persamaan mencar preks kontur yang salah akbat gangguan nose. Setelah apat tga nla ( ), tga nla tersebut k urutkan untuk memlh nla terbesar an menefnskannya sebaga max( ( ) ). k Jka nla max( ( ) ) lebh besar ar nla local k threshol (Tl), maka arah yang benar telah temukan. Dalam hal n karena global threshol (Tg) aalah penjumlahan selsh nla gray level alam empat arah, maka nla local threshol (Tl) untuk selsh nla gray level alam satu arah efnskan sebaga Tg/. Jka nla max( ( ) ) lebh kecl ar nla local k threshol (Tl), maka kemungknan pencaran arah sebelumnya telah menympang ar arah yang benar. Sehngga pencaran preks poss target kembal lakukan ar awal namun engan tujuh arah. Arah ar nla max( ( ) ) yang memenuh local k threshol (Tl) gunakan untuk menapatkan poss target berkutnya (koornat ttk kontur) yang sebenarnya. Koornat an arah tersebut gunakan untuk menapatkan koornat an arah ttk kontur berkutnya. Untuk menapatkan arah an poss sebenarnya gunakan Persamaan (): W k k, k k j ( xk roun(sn( k ),( yk roun(cos( k ))) () Jka ttk kontur yang apatkan memlk poss yang sama engan ttk kontur yang telah apatkan sebelumnya atau telah melewat ukuran ctra, maka proses pencaran ttk kontur ar satu target paa jalur tep objek telah selesa. Ubah menja + untuk melakukan proses pencaran ttk kontur paa arah yang berlawanan. Kemuan, proses berlanjut paa targettarget yang lannya sampa semua target sepanjang tep objek telah proses. Namun, jka keua kons tersebut tak terpenuh, maka proses berlanjut untuk mencar ttk kontur berkutnya. 5 METODE Langkah-langkah yang terapkan alam algortma eteks tep kontur berbass pelacakan target secara nams tunjukkan oleh Gambar. Gambar menunjukkan perancangan proses sstem secara umum. Sstem akan menerma ata masukan berupa ctra grayscale an penentuan jumlah operator arah untuk proses eteks tep. Kemuan akan lakukan proses eteks tep engan eteks tep Canny untuk menentukan tep objek yang akan menja jalur pencaran target sepanjang tep objek. Setelah proses eteks tep, proses pelacakan an penentuan target akan lakukan sepanjang tep objek sampa membentuk kontur tertutup. 6 UJI COBA DAN PEMBAHASAN 6. Uj Coba Terhaap Sntets engan Groun Truth Paa uj coba n proses segmentas lakukan terhaap ctra sntets mana ctra memlk groun truth sebaga acuan hasl segmentas. Paa pengujan gunakan beberapa operator arah paa proses eteks tep untuk lhat haslnya paa ctra keluaran segmentas. Operator arah yang gunakan aalah operator arah engan nterval suut 80 0, operator arah engan nterval suut 90 0, 3 operator arah engan nterval suut 60 0, 6 operator arah engan nterval suut 30 0 an 9 operator arah engan nterval suut 0 0. hasl segmentas akan htung akurasnya terhaap ctra groun truth sesua engan Persamaan. TP TN Akuras TP TN FP FN () Dmana: TP: Paa C anggap batas objek, paa C anggap batas objek TN: Paa C anggap bukan batas objek, paa C anggap bukan batas objek FP: Paa C anggap batas objek, paa C anggap bukan batas objek FN: Paa C anggap bukan batas objek, paa C anggap batas objek Gambar. Dagram Proses Segmentas engan Deteks Tep Kontur Berbass Pelacakan Target Secara Dnams Cara pengukuran tngkat akuras yatu engan menentukan kesamaan perpxel C an C.Selan tu ctra hasl segmentas lakukan pengamatan secara vsual untuk melhat jumlah objek alam ctra yang berhasl segmen. keluaran hasl percobaan paa ctra sntets apat lhat paa Gambar. Seangkan ata hasl segmentas paa ctra sntets tunjukkan oleh Tabel. Hasl uj coba menunjukkan bahwa algortma yang terapkan apat menghaslkan tngkat akuras segmentas yang cukup tngg. Dar ctra sntets yang uj, objek paa ctra berhasl segmen engan bak sehngga tak aa objek ctra yang terlewatkan. 5

6 Pengubahan parameter operator arah paa eteks tep juga mempengaruh hasl akuras segmentas. Tes MRI, eteks tep Canny engan an operator arah juga tak mampu melakukan segmentas objek ctra an gagal membentuk kontur tertutup. Gambar. Sntets Masukan; an Hasl Segmentas Dar Tabel apat lhat bahwa terja penurunan tngkat akuras segmentas paa penggunaan 3, 6 an 9 operator arah. Hal n sebabkan hasl eteks tep objek paa ketga operator arah tersebut menghaslkan gars yang lebh tebal sektar objek sehngga apat menghaslkan target sepanjang tep objek yang lebh banyak. Akbatnya, proses pelacakan target menghaslkan ttk-ttk kontur yang mempengaruh penambahan jumlah pxel tep paa ctra hasl segmentas sehngga apat mengurang tngkat akuras. Nama Sntets Sntets Tabel Hasl Segmentas Sntets Objek Operator Objek paa Arah Tersegmen Tngkat Akuras (%) , 6 97, Uj Coba Terhaap Tes MRI Paa uj coba n proses segmentas lakukan terhaap ctra tes MRI. Paa pengujan juga gunakan beberapa operator arah paa proses eteks tep untuk lhat haslnya paa ctra keluaran segmentas. Karena ctra tes MRI tak terapat groun truth, maka pengenalan jumlah objek alam ctra an jumlah objek hasl segmentas lakukan secara vsual. keluaran hasl percobaan paa ctra tes MRI apat lhat paa Gambar 3. Seangkan ata hasl segmentas paa ctra tes MRI tunjukkan oleh Tabel. Hasl uj coba menunjukkan bahwa jumlah operator arah paa eteks tep kembal mempengaruh hasl segmentas. Hal tersebut apat lhat paa Tes MRI, eteks tep Canny engan operator arah tak mampu melakukan segmentas objek ctra an gagal membentuk kontur tertutup. Sama halnya engan Gambar 3. Tes MRI Masukan; an Hasl Segmentas Secara keseluruhan, algortma pelacakan target tak mampu untuk melakukan segmentas otak bagan alam. Hal tu karenakan otak bagan alam banyak memlk sharp transton sehngga proses pelacakan target serng menympang an gagal membentuk kontur tertutup. Nama Tes MRI Tes MRI Tabel Hasl Segmentas Tes MRI Objek Operator Objek paa Arah Tersegmen Kontur Tertutup 0 Tak Ya 3 5 Ya 6 Ya 9 Ya 0 Tak 0 Tak 3 6 Ya 6 Ya 9 Ya 6.3 Uj Coba Terhaap MRI Paa uj coba n proses segmentas lakukan terhaap ctra MRI asl. Berbea engan ctra tes MRI yang merupakan ctra smulas atau ctra sntets, ctra MRI asl memlk perubahan graen erajat keabuan yang halus. Paa ctra MRI tak terapat groun truth. Oleh karena tu, pengenalan jumlah objek alam ctra an jumlah objek hasl segmentas lakukan secara vsual. keluaran hasl percobaan paa ctra MRI apat lhat paa Gambar. Gambar. MRI Masukan; an Hasl Segmentas 6

7 Paa uj coba n algortma pelacakan target tak mampu melakukan segmentas objek ar ctra MRI an membentuk kontur tertutup. Meskpun terja penngkatan kualtas vsual ctra serng engan bertambahnya jumlah operator arah paa eteks tep Canny, perbeaan erajat keabuan yang halus apat mempengaruh penentuan nla threshol yang gunakan alam proses pencaran ttk-ttk kontur yang baru. Sehngga preks arah yang apatkan an gunakan alam pelacakan target tak mampu membuat bentuk kontur yang tertutup. 6. Uj Coba Terhaap Gg Paa uj coba n proses segmentas lakukan terhaap ctra gg. Mrp engan karakterstk ctra MRI, ctra gg memlk perubahan graen erajat keabuan yang halus. Paa ctra gg tak terapat groun truth. Oleh karena tu, pengenalan jumlah objek alam ctra an jumlah objek hasl segmentas lakukan secara vsual. keluaran hasl percobaan paa ctra gg apat lhat paa Gambar 5. Gambar 5. Gg Masukan; an Hasl Segmentas Sama engan pengujan terhaap ctra MRI, paa uj coba n kembal menunjukkan bahwa algortma pelacakan target tak mampu melakukan segmentas objek ar ctra gg an membentuk kontur tertutup. Terja penngkatan kualtas vsual ctra serng engan bertambahnya jumlah operator arah paa eteks tep Canny. Namun, karakterstk ctra yang mlk yatu perbeaan nla erajat keabuan antara objek (foregroun) an bagan latar (backgroun) yang sekt apat mempengaruh penentuan nla threshol yang gunakan alam proses pencaran ttk-ttk kontur yang baru. Sehngga preks arah gunakan alam pelacakan target tak apat membuat bentuk kontur yang tertutup. Dar keempat percobaan yang lakukan, mula ar uj coba terhaap ctra sntets engan groun truth sampa engan uj coba terhaap ctra gg, terapat semacam kontraks antara hasl akuras segmentas engan hasl vsual. Dar uj coba apatkan sebuah kesmpulan bahwa semakn banyak jumlah operator arah paa eteks tep, semakn renah tngkat akuras segmentas. Hal n sebabkan engan bertambahnya jumlah operator arah, proses eteks tep apat menghaslkan gars yang lebh tebal sektar objek sehngga apat menghaslkan target sepanjang tep objek yang lebh banyak. Akbatnya, proses pelacakan target menghaslkan ttk-ttk kontur yang mempengaruh penambahan jumlah pxel tep paa ctra hasl segmentas sehngga apat mengurang tngkat akuras. Namun, paa saat yang bersamaan semakn banyak jumlah operator arah, semakn bak kualtas vsual hasl segmentas. Akbat kontraks nlah lakukan skenaro uj coba tambahan. Paa eteks tep lakukan operas thnnng sehngga hasl eteks tep berupa local maxma an tep objek merupakan tep sesungguhnya (true eges). Kemuan, hasl eteks tep akan banngkan engan ctra groun truth untuk htung akurasnya. Ketebalan gars tep objek ctra groun truth senr buat menja ua jens yatu ketebalan pxel an pxel. 6.5 Uj Coba Deteks Tep engan Thnnng Terhaap Sntets engan Groun Truth Paa uj coba n lakukan proses thnnng paa eteks tep sehngga hasl eteks tep berupa local maxma an tep objek merupakan tep sesungguhnya (true eges). Hasl eteks tep kemuan akan banngkan engan ctra groun truth untuk htung akurasnya. Paa percobaan pertama, lakukan eteks tep engan thnnng terhaap ua ctra sntets. Perbanngan hasl akan lakukan terhaap ctra groun truth engan ketebalan tep objek pxel. ata hasl eteks tep paa ctra sntets tunjukkan oleh Tabel 3. Tabel 3 Hasl Uj Coba Deteks Tep Terhaap Groun Truth Nama Operator Tngkat Akuras Arah (%) Sntets Sntets Dar hasl uj coba yang apatkan terhaap keua ctra sntets, tngkat akuras terhaap groun truth menngkat serng engan bertambahnya jumlah operator arah paa eteks tep. Hal n sesua engan penngkatan kualtas ctra hasl eteks tep yang semakn bak serng engan bertambahnya jumlah operator arah. Paa penggunaan,, 3 an 6 operator arah terja penngkatan tngkat akuras yang cukup sgnfkan. Namun, paa peralhan penggunaan ar 6 ke 9 operator arah penngkatan akuras yang haslkan tak sgnfkan, hanya berksar 0.06% saja. 6.6 Pembahasan Dar ata percobaan engan menggunakan beberapa ctra uj untuk proses segmentas, terlhat bahwa algortma pelacakan target mampu melakukan segmentas 7

8 objek engan bak engan tngkat akuras yang cukup tngg paa ctra sntets. Namun, ketka algortma terapkan paa ctra uj berupa ctra mes real mage, algortma pelacakan target tak mampu mengulang kehanalan performa sepert yang tunjukkan paa ctra sntets. Karakterstk ctra mes yang memlk nla erajat keabuan yang tak varatf (halus) apat mempengaruh proses awal segmentas yatu eteks tep. Peran eteks tep paa algortma pelacakan target yang berbass teknk ege-followng cukup vtal karena eteks tep menyeakan jalur untuk target kanat sepanjang jalur tep. Apabla eteks tep yang apatkan kurang bak, maka jumlah target kanat sepanjang jalur tep akan tereuks sehngga proses pelacakan target tak apat membentuk suatu kontur tertutup. Karakterstk erajat keabuan yang mlk ctra mes juga apat mempengaruh penentuan nla thresholng untuk menentukan target kanat an proses pencaran ttk-ttk kontur sehngga paa proses pencaran ttk kontur akan apatkan arah preks ttk kontur berkutnya yang tak sesua. Hal tersebut apat menyebabkan temukannya ttk-ttk kontur yang menympang ar jalur tep objek. Dar pengujan juga terlhat bahwa penngkatan jumlah operator arah paa proses eteks tep apat menngkatkan kualtas vsual paa proses segmentas. Hal n sebabkan engan bertambahnya jumlah operator arah, proses eteks tep apat menghaslkan gars yang lebh tebal sektar objek sehngga apat menghaslkan target sepanjang tep objek yang lebh banyak. Hal n ukung engan uj coba tambahan berupa eteks tep ctra engan thnnng terhaap ctra sntets. Paa uj coba tambahan, tngkat akuras eteks tep terhaap groun truth menngkat serng engan bertambahnya jumlah operator arah paa eteks tep. Hal n sesua engan penngkatan kualtas ctra hasl eteks tep yang semakn bak serng engan bertambahnya jumlah operator arah. Meskpun algortma pelacakan target yang mplementaskan alam makalah n belum apat melakukan segmentas ctra mes secara optmal, algortma n memlk kelebhan yatu seluruh proses segmentas lakukan secara otomats. Keterlbatan pengguna tak butuhkan alam penentuan ttk awal segmentas, penentuan thresholng an proses pelacakan target. 7 KESIMPULAN Dar uj coba yang telah lakukan an setelah melakukan analss hasl pengujan terhaap mplementas segmentas ctra mes engan algortma eteks tep kontur berbass pelacakan target secara nams n apat ambl beberapa kesmpulan, antara lan:. Algortma eteks tep kontur berbass pelacakan target secara nams apat melakukan seluruh proses segmentas ctra secara otomats. Hal n buktkan engan tak butuhkannya keterlbatan pengguna selama proses segmentas.. Penngkatan jumlah operator arah paa proses eteks tep apat memperbak kualtas vsual paa hasl segmentas. Hal n sebabkan engan bertambahnya jumlah operator arah, proses eteks tep apat menghaslkan gars yang lebh tebal sektar objek sehngga apat menghaslkan target sepanjang tep objek yang lebh banyak. 3. Tngkat akuras eteks tep terhaap groun truth menngkat serng engan bertambahnya jumlah operator arah paa eteks tep. Hal n sesua engan penngkatan kualtas ctra hasl eteks tep yang semakn bak serng engan bertambahnya jumlah operator arah.. Algortma pelacakan target yang kembangkan paa makalah n belum apat melakukan segmentas ctra mes secara optmal. Proses thresholng yang gunakan untuk pencaran an pembentukan kontur tertutup kurang hanal paa ctra yang memlk karakterstk nla erajat keabuan yang tak varatf. 8 SARAN Aapun saran yang sampakan penuls untuk pengembangan lebh lanjut ar makalah n antara lan:. Perlu lakukan pengembangan metoe pelacakan target yang lebh efektf, terutama alam proses penentuan nla thresholng sehngga apat menangan ctra engan karakterstk nla erajat keabuan yang tak varatf.. Perlu lakukan skenaro uj coba yang lebh varatf an menalam untuk menguj kehanalan an tngkat akuras algortma pelacakan target n. REFERENSI [] Fu, K. S. an Mu, J. K. [98]. A Survey on Image Segmentaton. Pattern Recognton 3-6. [] Teachng Moule from Laboratory of Computer Vson an Mea Technology [00]. Canny Ege Detector. Aalborg Unversty, Denmark. [3] Chen, Y. B. an Chen, Oscal T.-C. [003]. Robust Fully Automatc Segmentaton base on Mofe Ege-Followng Technque. Proc. of ICASSP, vol. 3, pp