BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital

Transkripsi

1 4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut Citra Digital Citra dapat didefinisikan sebagai fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat spasial, dan f pada setiap pasang koordinat (x,y) adalah intensitas atau tingkat keabuan dari citra pada titik tersebut. Citra digital adalah citra f(x,y) yang telah didiskritkan baik pada koordinat spasialnya dan juga tingkat keabuannya. Citra digital dapat ditunjukkan sebagai matriks dimana setiap baris dan kolom menunjukkan titik dari citra dan nilai dari titik tersebut menunjukkan tingkat keabuannya (Gonzalez dan Woods, 2010). Berikut adalah contoh fungsi f(x,y) dalam matriks M x N : M = baris N = kolom F = nilai tingkat keabuan (x,y) = koordinat setiap titik Salah satu contoh dari citra adalah citra satelit. Citra satelit adalah gambaran dari permukaan bumi yang direkam oleh suatu sensor tertentu (satelit). Sistem satelit dalam penginderaan jarak jauh tersusun atas pemindai (scanner) dengan dilengkapi sensor pada platform satelit dan sensor tersebut dilengkapi oleh detektor. Sistem satelit Landsat merupakan salah satu satelit sumber daya bumi yang dikembangkan oleh NASA dan Departemen Dalam Negeri Amerika Serikat (NASA 2011). Berdasarkan resolusi spasial yang terekam oleh sensor, citra satelit dibagi menjadi tiga jenis yaitu citra satelit resolusi tinggi, sedang dan rendah.

2 5 Citra satelit resolusi tinggi adalah citra satelit dimana ukuran terkecil yang terekam pada citra nampak suatu obyek (dapat diinterpretasi secara visual) sedangkan citra resolusi sedang dan rendah tidak dapat di interpretasi secara visual Pengolahan Citra Digital (Digital Image Processing) Digital image processing adalah proses mengolah citra (gambar) dengan komputer digital. Terdapat 3 tipe dalam pengolahan citra. Proses low-level, yaitu meliputi preprocessing citra untuk mengurangi noise, peningkatan kontras, dan penajaman citra. Karakteristik low-level adalah input dan outputnya adalah citra. Proses mid-level meliputi segmentasi dan klasifikasi. Karakteristiknya adalah inputnya merupakan citra tetapi outputnya berupa ekstraksi ciri dari citra. Proses high-level seperti analisa citra untuk melakukan fungsi - fungsi kognitif yang terkait dengan penglihatan. Digital image processing meliputi proses yang input dan outputnya adalah citra dan sebagai tambahan juga meliputi ekstraksi ciri dari citra sampai dengan pengenalan objek (Gonzalez dan Woods, 2010) Segmentasi Citra Segmentasi citra bertujuan untuk membagi citra menjadi wilayah atau objek. Pada umumnya, algoritma segmentasi dibagi menjadi 2 berdasar nilai intensitas yaitu ketidaksinambungan dan persamaan. Kategori pertama berdasar pada ketidaksinambungan atau perubahan tiba tiba pada intensitas untuk membagi citra. Pendekatan ini disebut edge based segmentation. Kategori yang kedua berdasar pada pembagian citra menjadi wilayah wilayah yang sama menirit kriterianya. Pendekatan ini disebut region based segmentation, contohnya antara lain, thresholding, region growing, dan region split and merging (Gonzalez dan Woods, 2010) Thresholding Otsu Thresholding adalah suatu proses yang digunakan untuk menghasilkan citra biner yaitu citra yang memiliki dua nilai tingkat keabuan, yaitu hitam dan putih, tergantung apakah nilai pixel tersebut lebih besar atau lebih kecil dari T. Pixel akan diubah menjadi putih jika nilai tingkat keabuannya lebih besar dari

3 nilai T, dan akan diubah menjadi hitam jika nilai tingkat keabuannya lebih kecil atau sama dengan T (Gonzalez dan Woods, 2002). g = T (f ) (1) g= citra biner f = citra grayscale T = nilai ambang di antara derajat keabuan Metode Otsu merupakan suatu metode dalam segmentasi yang menghitung nilai ambang T secara otomatis berdasarkan citra masukan. Pendekatan yang digunakan oleh metode Otsu adalah dengan melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis diskriminan akan memaksimumkan variabel tersebut agar dapat memisahkan objek dengan latar belakang. Untuk memilih nilai ambang batas secara otomatis, maka prosedur iterasi digambarkan sebagai berikut (Gonzales dan Woods, 2002) : 1. Untuk setiap T, bagi citra menggunakan T. Ini akan menghasilkan dua kelompok pixel G1, yang terdiri dari semua pixel dengan nilai-nilai intensitas < T, dan G2, yang terdiri dari pixel dengan nilai- 2. Hitung bobot dari masing masing kelompok pixel G1 dan G2. (2) (3) 3. Menghitung nilai rata-rata intensitas µ1 dan µ2 untuk pixel didaerah G1 dan G2. (4) (5) 4. Menghitung varian antar kelas dengan : (6) 5. Ulangi langkah 1 hingga 4 hingga didapatkan nilai Vb yang terbesar maka itulah nilai T yang digunakan.

4 Substraksi Substraksi diaplikasikan untuk mengetahui perbedaan antar citra. Mensubstraksi satu citra dengan yang lain akan menunjukan perbedaan dari kedua citra (Gonzalez dan Wood, 2010) g(x,y) = f(x,y) - h(x,y) (7) g(x,y) = citra hasil 1-2 f(x,y) = citra 1 h(x,y) = citra Penelitian Terkait Terdapat beberapa penelitian maupun studi sejenis yang telah dilakukan sebelumnya. Beberapa penelitian tersebut akan diuraikan berikut ini : 1. utan Berbasis Warna (Pratiwi Penelitian Pratiwi (2012) dilakukan untuk memonitor perubahan pada area hutan dengan segmentasi berbasis pada warna. Citra yang digunakan adalah citra dari Landsat 7. Metode yang digunakan adalah segmentasi warna, yaitu dengan menganalisa nilai warna setiap pixel dan membagi citra sesuai dengan fitur yang diinginkan. Pemilihan warna acuan dan toleransi dari warna sangat berpengaruh pada hasil. Hasil segmentasi diperoleh kelompok hutan dan luas keseluruhannya. 2. otomatis (Mirnasari & Adi Menurut penelitian Mirnasari dan Adi (2013), bakteri tuberkulosis diidentifikasi melalui citra sampel dahak. Dilakukan segmentasi threshold Otsu untuk memisahkan objek dengan latar belakang pada citra. Masing masing objek yang didapatkan lalu diklasifikasikan dengan Adaptive Neuro-Fuzzy Inference System (ANFIS). Hasil penelitian menunjukkan bahwa segmentasi dapat memisahkan dengan baik objek yang diduga sebagai bakteri dan latarnya. Hasil dari segmentasi dapat digunakan untuk proses klasifikasi bakteri.

5 8 3. aeid Prawn Species using Canny Edge Detection and Otsu Thresholding Segmentation (Sucharita, Jyothi & Mamatha Penelitian Sucharita, Jyothi, dan Mamatha (2013) menganalisa algoritma segmentasi Canny Edge Detection dan Otsu Thresholding dengan citra spesies udang. Penelitian ini mengevaluasi efisiensi dan efektifitas dari kedua algoritma. hasil yang didapatkan adalah Otsu cocok untuk mensegmentasi objek yang jelas dari backgroundnya. 4. X-Ray Tulang Rahang (Cahyaningsih Penelitian Sri Cahyaningsih (2010) bertujuan untuk menghasilkan metode baru untuk deteksi osteoporosis dengan memanfaatkan citra x-ray tulang rahang dengan analisa metode Thresholding Otsu dan dari metode tersebut dapat diketahui tingkat akurasi kebenaran yang diperoleh, sehingga dapat dipergunakan sebagai acuan layak tidaknya metode ini digunakan sebagai metode untuk mendeteksi osteoporosis. Data yang digunakan adalah 19 citra x-ray tulang rahang dari 19 orang wanita menopause. Data yang diperoleh kemudian dianalisis dengan metode Thresholding Otsu dan hasilnya dibandingkan dengan hasil DXA. Teknik yang dilakukan dalam penelitian ini meliputi ekualisasi, Otsu, dan thresholding. Proses ekualisasi citra bertujuan untuk menajamkan antara bagian yang hitam dan putih, sedangkan proses Otsu bertujuan untuk mencari nilai threshold yang tepat dan mengkonversi citra berdasarkan nilai ambangnya. Pada analisis DXA dari 19 citra x-ray tulang rahang diperoleh hasil 8 tulang normal dan 11 tulang osteoporosis, sedangkan dari pengujian dengan menggunakan metode Thresholding Otsu, maka pada 19 citra x-ray, mendapatkan hasil 6 tulang normal dan 13 tulang osteoporosis serta akurasi kebenaran diperoleh 89,47%.

6 2.3 Kerangka Pemikiran Berdasar pada penelitian yang dilakukan oleh Pratiwi (2012) mengenai perubahan area hutan melalui citra satelit dengan segmentasi berbasis warna, maka penulis mencoba untuk mengangkat tema yang sama yaitu mengenai perubahan luas hutan melalui citra satelit menggunakan metode yang berbeda. Metode yang digunakan penulis dalam penelitian ini yaitu Otsu Thresholding seperti metode penelitian yang dilakukan oleh Mirnasari dan Adi (2013). Kerangka pemikiran penelitian ini ditunjukkan pada Tabel 2.1 berikut: Tabel 2.1 Kerangka pemikiran No Judul Penelitian Sebelumnya Konsep Penelitian Sebelumnya Konsep Penelitian Ini Tujuan Metode Hasil Tujuan Metode Hasil yang diharapkan 1 Segmentasi Citra Hutan Berbasis Warna (Pratiwi 2012) 2 Aplikasi metode Otsu untuk identifikasi bakteri tuberculosis (Mirnasari & Adi 2013) Memonitor perubahan luas hutan Mengidentifikasi bakteri tuberculosis Segmentasi warna Diperoleh kelompok hutan dan luas keseluruhan Thresholding Otsu dan ANFIS Segmentasi dapat memisahkan objek bakteri dengan baik Menghitung perubahan luas hutan Segmentasi dengan Otsu Thresholding Segmentasi dapat dilakukan dengan metode Threshold Otsu dan dapat dihitung perubahan luas hutan 9

7 No Judul Penelitian Sebelumnya 3 Evaluation of the Digital Images of Penaeid Prawn Species using Canny Edge Detection and Otsu Thresholding Segmentation (Sucharita, Jyothi & Mamatha 2013) 4 Deteksi Osteoporosis dengan Thresholding metode Otsu pada Citra X-Ray Tulang Rahang (Cahyaningsih 2010). Tabel 2.1 Lanjutan Konsep Penelitian Sebelumnya Konsep Penelitian Ini Tujuan Metode Hasil Tujuan Metode Hasil Menganalisa algoritma segmentasi Canny Edge Detection dan Otsu Thresholding dengan citra spesies udang Thresholding Otsu dan Edge Detection Canny Otsu cocok untuk mensegmentasi objek yang jelas dari latarnya. dengan disertai tingkat akurasi Mendeteksi osteoporosis pada citra x-ray tulang rahang Thresholding Otsu Diperoleh akurasi deteksi osteoporosis metode Otsu sebesar 89,47%. 10