SKRIPSI DETEKSI PERUBAHAN GARIS PANTAI MENGGUNAKAN DETEKSI TEPI BERBASIS METODE SOBEL PADA PANTAI UTARA DEMAK

Transkripsi

1 SKRIPSI DETEKSI PERUBAHAN GARIS PANTAI MENGGUNAKAN DETEKSI TEPI BERBASIS METODE SOBEL PADA PANTAI UTARA DEMAK Dibuat sebagai salah satu syarat untuk memperoleh gelar S1- Teknik Informatika Disusun oleh : Nama Nim : Miftakhussurur : A Program Studi : Teknik Informatika S1 FAKULTAS ILMU KOMPUTER UNIVERSITAS DIAN NUSWANTORO SEMARANG 2016 i

2 PERSETUJUAN SKRIPSI Nama NIM Program Studi Fakultas : Miftakhussurur : A : Teknik Informatika : Ilmu Komputer Judul Tugas Akhir : Deteksi Perubahan Garis Pantai Menggunakan Deteksi Tepi Berbasis Metode Sobel Pada Pantai Utara Demak Tugas Akhir ini telah diperiksa dan disetujui, Semarang, 30 September 2016 Menyetujui: Pembimbing Mengetahui: Dekan Fakultas Ilmu Komputer Umi Rosyidah, S.Kom, M.T Dr. Abdul Syukur, M.M ii

3 iii

4 PERNYATAAN KEASLIAN SKRIPSI Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah ini, penulis : Nama : Miftakhussurur NIM : A Menyatakan bahwa karya ilmiah saya yang berjudul : DETEKSI PERUBAHAN GARIS PANTAI MENGGUNAKAN DETEKSI TEPI BERBASIS METODE SOBEL PADA PANTAI UTARA DEMAK Merupakan karya asli saya (kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya dan perangkat pendukung seperti web cam dll). Apabila di kemudian hari, karya saya disinyalir bukan merupakan karya asli saya, yang disertai dengan bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan gelar saya beserta hak dan kewajiban yang melekat pada gelar tersebut.demikian surat pernyataan ini saya buat dengan sebenarnya. Dibuat di : Semarang Pada tanggal : 30 September 2016 Yang menyatakan (Miftakhussurur) iv

5 PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah ini, saya : Nama : Miftakhussurur NIM : A Demi mengembangkan Ilmu Pengetahuan, menyetujui untuk memberikan kepada Universitas Dian Nuswantoro Hak Bebas Royalti Non-Ekskusif (Non-exclusive Royalty-Free Right) atas karya ilmiah saya yang berjudul: Deteksi Perubahan Garis Pantai Menggunakan Deteksi Tepi Berbasis Metode Sobel Pada Pantai Utara Demak beserta perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non- Eksklusif ini Universitas Dian Nuswantoro berhak untuk menyimpan, mengcopy ulang (memperbanyak), menggunakan, mengelolanya dalam bentuk pangkalan data (database), mendistribusikannya dan menampilkan/mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama tetap mencantumkan nama saya sebagai penulis/pencipta. Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak Universitas Dian Nuswantoro, segala bentuk tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah saya ini. Demikian surat pernyataan ini saya buat dengan sebenarnya. Dibuat di : Semarang Pada tanggal : 30 September 2016 Yang menyatakan (Miftakhussurur) v

6 UCAPAN TERIMAKASIH Dengan memanjatkan puji syukur kehadirat Allah SWT, yang Maha Pengasih lagi Maha penyayang yang telah melimpahkan segala rahmat-nya kepada penulis sehingga laporan Tugas Akhir dengan judul Deteksi Perubahan Garis pantai Menggunakan Deteksi Tepi Berbasis Metode Sobel Pada Pantai Utara Demak dapat penulis selesaikan sesuai dengan rencana karena dukungan dari berbagai pihak yang tidak ternilai besarnya. Oleh karena itu penulis menyampaikan banyak terimakasih kepada : 1. Dr. Ir. Edi Noersasongko,M.Kom, selaku Rektor Universitas Dian Nuswantoro Semarang. 2. Dr. Abdul Syukur, MM, selaku Dekan Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang. 3. Bpk. Heru Agus Santoso, Ph.D, selaku Ketua Program Studi Teknik Informatika S-1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang. 4. De Rosal Ignatius Moses Setiadi, M.Kom, selaku Koordinator Tugas Akhir Program Studi Teknik Informatika S-1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang. 5. Aisyatul Karima, S.Kom, MCS selaku Dosen wali yang telah banyak membantu memberi dukungan dan perwalian. 6. Umi Rosyidah, S.Kom, M.T selaku Dosen pembimbing yang telah banyak memberikan bimbingan, yang tak henti memberikan motivasi dan penjelasan kepada penulis dalam penyusunan dan menyelesaikan laporan Tugas Akhir.. 7. Dosen-dosen pengampu di Fakultas Ilmu Komputer Teknik Informatika Universitas Dian Nuswantoro Semarang yang telah memberikan ilmu dan pengalamannya masing-masing, sehingga penulis dapat mengimplementasikan ilmu yang telah disampaikan. 8. Bapa, Ibu, Saudara, Sahabat dan teman seperjuangan penulis, terimakasih untuk semua dukungan, doa dan motivasinya sehingga penulis dapat menyelesaikan Laporan Tugas Akhir ini. vi

7 Semoga Allah SWT memberikan balasan yang lebih besar kepada beliau-beliau, dan pada akhirnya penulis berharap bahwa penulisan laporan tugas akhir ini dapat bermanfaat dan berguna sebagaimana fungsinya. Semarang, 30 September 2016 Penulis vii

8 ABSTRACT Environmental damage experienced by several beaches in the area of Java is growing very rapidly. This is caused by abrasion, sea water tidal changes, and the process of sedimentation by rivers. We can define the process of abrasion as a result of changes in the coastline by the sea eroded by wind or ocean waves of a destructive nature. There are several ways to find out and that was developed to detect shoreline, one of which is with edge detection in image processing with the aim to identify the occurrence of abrasion. Image processing is the operation done to transform an image into another image. The goal of the transformation of image processing can be categorized as follows: restoration of the image (Image Restoration), and improvement of the quality of the image (Image Encachement). Example of noise/noise is the image of the blur (blur). To deal with the problems above, authors can implement the Sobel algorithm with the effort are able to detect the edge so that it can be identified again. Sobel algorithm has the following steps-steps: converting true color image into grayscale Image, then Sobel x, y, and Sobel Gradient magnitude, to know the quality of the images we can use MSE and PSNR calculation. The calculation of PSNR and MSE can be concluded that the greater the MSE then the parent image and the image of the results of the more obscure (blur), and the bigger PSNR parent image and then image the result is increasingly evident. Keywords: restoration of the image (Image Restoration), the improvement of the quality of the image (Image encachement), detection of edge (Edge Detection), Sobel Algorithm XV + 62 pages; 50 images; 6 table Reference list: 12 ( ) viii

9 ABSTRAK Kerusakan lingkungan yang dialami oleh beberapa pantai di daerah Jawa berkembang sangat pesat. Hal ini disebabkan oleh karena abrasi, perubahan pasang surut air laut, dan proses sedimentasi oleh sungai. Kita dapat mendefinisikan proses abrasi sebagai suatu perubahan garis pantai akibat dari tepi pantai yang terkikis oleh angin maupun gelombang laut yang bersifat merusak. Ada beberapa cara yang dikembangkan untuk mengetahui dan mendeteksi garis pantai, salah satunya dalah dengan deteksi tepi pada pengolahan citra dengan tujuan untuk mengidentifikasi terjadinya abrasi. Pengolahan citra adalah operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra lain. Dari tujuan transformasi pengolahan citra dapat dikategorikan sebagai berikut : Pemulihan Citra (Image Restoration), dan Peningkatan Kualitas Citra (Image Encachement). Contoh dari derau/noise adalah citra kabur (blur). Untuk menangani permasalahan diatas maka penulis dapat mengimplementasikan algoritma Sobel dengan upaya mampu mendeteksi tepi sehingga dapat diidentifikasi kembali. Algoritma Sobel mempunyai langkah langkah sebagai berikut : konversi citra true color menjadi Citra grayscale, kemudian Sobel x, Sobel y, dan Gradient magnitude, untuk mengetahui kualitas citra kita dapat menggunakan perhitungan MSE dan PSNR. Dari perhitungan MSE dan PSNR dapat disimpulkan bahwa semakin besar MSE maka gambar induk dan citra hasil semakin tidak jelas (blur), dan semakin besar PSNR maka gambar induk dan citra hasil semakin terlihat jelas. Kata kunci: Pemulihan Citra (Image Restoration), Peningkatan Kualitas Citra (Image encachement), Deteksi Tepi (Edge Detection), Algoritma Sobel xv + 62 halaman; 50 gambar; 6 tabel Daftar acuan : 12 ( ) ix

10 DAFTAR ISI PERSETUJUAN TUGAS AKHIR... ii PENGESAHAN DEWAN PENGUJI... iii PERNYATAAN KEASLIAN TUGAS AKHIR... iv PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS... v UCAPAN TERIMAKASIH... vi ABSTRACT... viii ABSTRAK... ix DAFTAR ISI... x DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah (Ruang Lingkup) Tujuan Penelitian Manfaat Penelitian... 3 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI Tinjauan Studi Tinjauan Pustaka USGS (United States Geological Survey) Citra Digital Pengolahan Citra Digital Konversi Citra RGB ke Grayscale Edge Detection Konvolusi Metode Sobel Peak Signal to Noise Ratio (PSNR) x

11 2.3 Kerangka Pemikiran BAB III METODE PENELITIAN Jenis Penelitian Intrumen Penelitian Kebutuhan Software Kebutuhan Hardware Prosedur pengambilan atau pengumpulan data Teknik analisa data Metode yang di usulkan Citra Grayscal Sobel X Sobel Y Gradient Magnitude Perhitungan PSNR BAB IV PERANCANGAN DAN IMPLEMENTASI Perancangan Memilih Citra Aplikasi Hasil Perancangan Implementasi Open file Proses Grayscale Proses deteksi tepi (Edge Detection) Get pixel Get postion Proses Pengujian pada citra grayscale Proses Uji Fidelity pada citra truecolor yang blur Uji Ketahanan (Robustness) Contrast (Tingkat ketajaman) xi

12 4.4.2 Brightness (Tingkat kecerahan) Rezize (Perubahan ukuran pixel) BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA xii

13 DAFTAR TABEL Tabel 2.1. Tabel Penelitian Terkait... 6 Tabel 2.2 (a) Tabel piksel citra awal (b) Tabel piksel citra akhir Table 4.1 Macam-macam Button dan kegunaanya Table 4.2 Hasil pengujian tingkat ketajaman (contrast) Table 4.3 Hasil pengujian tingkat kecerahan (Brightness) Table 4.3 Hasil pengujian resize xiii

14 DAFTAR GAMBAR Gambar 2.1 Citra Biner Gambar 2.2 Perbandingan gradasi warna citra grayscale Gambar 2.3 (a) Citra warna (b) Penyimpanan di memori Gambar 2.4 (a)konversi Citra warna (b) Konversi ke citra keabuan Gambar 2.5 Model Edge dalam ruang satu dimensi (matra) Gambar 2.6 Jenis-jenis Tepi Gambar 2.7 Proses Deteksi Tepi Gambar 2.8 Ilustrasi Konvolusi Gambar 2.9 Prose Konvolusi Gambar 2.10 Proses Pembentukan Konvolusi Gambar 2.11 Matriks & Kernel Setelah Konvolusi Gambar 3.1 Home page USGS (United States Geological Survey) Gambar 3.2 Citra Landsat-8 Pantau utara Demak Gambar 3.3 Citra Landsat-8 dengan Cropping (pemotongan) Gambar 3.4 Metode yang di usulkan Gambar 3.5 Proses alur greyscale Gambar 3.6 Proses Sobel X Gambar 3.7 Proses Sobel Y Gambar 3.8 Proses Gradient Magnitude Gambar 4.1 Citra yang di gunakan Gambar 4.2 Aplikasi hasil perancangan Gambar 4.3 Memilih gambar yang akan digunakan Gambar 4.4 Tampilan setelah image di pilih Gambar 4.5 Get pixel citra induk Gambar 4.6 Hasil citra greyscale Gambar 4.7 Hasil dari penerapan Sobel X xiv

15 Gambar 4.8 Hasil dari Penerapan Sobel Y Gambar 4.9 Hasil dari Penerapan Gradient Magnitude Gambar 4.10 Hasil dari pengecekan tahapan Edge Detection Gambar 4.11 Hasil dari Get pixel Gambar 4.12 Hasil dari Get pixel Gambar 4.13 Hasil dari Get position Gambar 4.14 Hasil dari Get position Gambar 4.15 Hasil dari MSE dan PSNR setelah proses Deteksi Tepi Gambar 4.16 Hasil dari MSE dan PSNR setelah proses Contrast Gambar 4.17 Hasil dari MSE dan PSNR setelah proses Contrast Gambar 4.18 Hasil dari MSE dan PSNR setelah proses Contrast Gambar 4.19 Hasil dari MSE dan PSNR setelah proses Contrast Gambar 4.20 Hasil dari MSE dan PSNR setelah proses Contrast Gambar 4.21 Hasil dari MSE dan PSNR setelah proses Contrast Gambar 4.22 Hasil dari MSE dan PSNR setelah proses Brightness Gambar 4.23 Hasil dari MSE dan PSNR setelah proses Brightness Gambar 4.24 Hasil dari MSE dan PSNR setelah proses Brightness Gambar 4.25 Hasil dari MSE dan PSNR setelah proses Brightness Gambar 4.26 Hasil dari MSE dan PSNR setelah proses Brightness Gambar 4.27 Hasil dari MSE dan PSNR setelah proses Brightness Gambar 4.28 Hasil dari MSE dan PSNR setelah proses Rezize Gambar 4.29 Hasil dari MSE dan PSNR setelah proses Rezize Gambar 4.30 Hasil dari MSE dan PSNR setelah proses Rezize Gambar 4.31 Hasil dari MSE dan PSNR setelah proses Rezize xv

16 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini kerusakan lingkungan yang dialami oleh beberapa pantai di daerah Jawa berkembang sangat pesat. Hal ini disebabkan oleh karena abrasi, perubahan pasang surut air laut, dan proses sedimentasi oleh sungai. Kita dapat mendefinisikan proses abrasi sebagai suatu perubahan garis pantai akibat dari tepi pantai yang terkikis oleh angin maupun gelombang laut [1]. Abrasi dapat kita definisikan sebagai proses pengikisan pantai oleh tenaga gelombang laut dan arus laut yang bersifat merusak. Abrasi biasanya disebut juga erosi pantai. Kerusakan garis pantai akibat abrasi ini dipacu oleh terganggunya keseimbangan alam daerah pantai tersebut. Walaupun abrasi bisa disebabkan oleh gejala alami, namun manusia sering disebut sebagai penyebab utama abrasi [2]. Terumbu karang dan ekosistem inilah yang akan menghalangi pergerakan material yang dibawa oleh sungai sehinnga terjadilah proses sedimentasi dan hal ini menyebabkan daratan menjadi luas dan akan terjadi perubahan garis pantai [2]. Garis pantai dapat kita artikan sebagai garis yang membatasi perairan dan daratan yang memiliki sifat yang dinamis [3]. Selain dipengaruhi oleh beberapa factor alam dapat juga dipengaruhi oleh factor antropogenik [4]. Definisi dari factor antropogenik adalah suatu jenis perusakan atau pencemaran yang terjadi dan bukan merupakan fenomena alam (tidak terjadi secara alami) atau dapat dikatakan terjadi akibat dilakukan oleh manusia. Proses geografi di wilayah Pesisir antara Semarang Demak sangat dinamis, meliputi proses abrasi, proses transportansi dan proses sedimentasi. Proses abrasi di beberapa tempat sudah mencapai 0,5 km dari 1

17 2 garis pantai sehingga menyebabkan hilangnya tambak dan beberapa permukiman [5]. Oleh karena itu itu perlu sekali kita mengetahui dan mendeteksi garis pantai sehingga kita dapat mengetahui bahkan meramalkan hal hal apa yang akan muncul dalam suatu kajian peramalan posisi garis pantai. Selain itu analisis garis pantai dapat membantu kita dalam memperoleh informasi mengenai pembentukan zona berbahaya, pengelolaan sumberdaya, pengembangan transportasi. Ada beberapa cara yang dikembangkan untuk mengetahui dan mendeteksi garis pantai, salah satunya adalah dengan deteksi tepi. Ada beberapa penelitian yang terkait dengan pendeteksian garis pantai ini, antara lain yang dilakukan oleh I Made Agus Wirahadi Putra, Adhi Susanto, dan Indah Soesanti yang melakukan penelitian Pemodelan Perubahan Garis Pantai dengan Metode End Point rate pada Citra Satelit Landsat. Ekstraksi garis dengan menggunakan metode BILKO dan segmentasi multispektrum sering kali dijadikan acuan untuk mendeteksi garis pantai dengan metode end point rate (EPR ), Dalam penelitian ini menghasilkan kesimpulan dimana metode BILKO merepresentasikan puncak ombak sebagai daratan sehingga akan mengakibatkan ketidak akurasian dalam pembentukan garis pantai. Berdasarkan gambar validasi model. [5] Berdasarkan latar belakang diatas, untuk mendeteksi garis pantai maka diimplementasikan deteksi tepi, dengan metode Sobel ditujukan untuk mengurangi noise dalam gambar tersebut dan membedakan mana tepi pantai dan bagian mana yang bukan. Maka di ambi judul penelitian Deteksi Perubahan Garis Pantai Menggunakan Deteksi Tepi Berbasis Metode Sobel Pada Pantai Utara Demak.

18 3 1.2 Rumusan Masalah Berdasarkan rumusan masalah pada latar belakang di atas maka teridentifikasi beberapa masalah yang dianggap penting untuk dibahas antara lain : 1. Sarana mengidentifikasi perubahan garis pantai Menggunakan deteksi tepi berbasis Metode Sobel Pada Pantai Utara Demak. 2. Bagaimana memberikan informasi perubahan garis pantai yang akurat Batasan Masalah Di dalam penulisan tugas akhir kali ini ada beberapa batasan dalam permasalahan yang akan dibahas, antara lain adalah a. Hanya menggunakan metode sobel b. Objek yang digunakan hanya berupa gambar pantai c. Tools yang digunakan adalah Microsoft Visual Studio C# 2010 d. Format citra yang digunakan menggunakan format ekstensi *jpg, *bitmap, *png 1.4. Tujuan Penelitian Di dalam penulisan tugas akhir kali ini tujuan penelitian yang akan dicapai adalah Deteksi Perubahan Garis Pantai Menggunakan Deteksi Tepi Berbasis Metode Sobel Pada Pantai Utara Demak Manfaat Penelitian Di dalam penulisan tugas akhir kali ini manfaat yang akan dituju adalah Bagi Peneliti a. Sarana untuk menerapkan ilmu yang di dapatkan selama kuliah ke dalam dunia luar terutama mengenai pengolahan citra digital. b. Untuk melatih daya kreativitas inovasi dan keahlian. c. Untuk melatih penulis supaya mampu menganalisa dan menyelesaikan masalah yang ada untuk di cari solusinya.

19 Bagi Universitas Dian Nuswantoro a. Sebagai bahan evaluasi akademik untuk menambah dan menigkatkan mutu belajar pada mahasiswa. b. Sebagai bahan pembelajaran untuk mahasiswa yang akan melakukan penelitian dan untuk di kembangkan dengan masalah atau solusi yang berbeda Bagi Instansi Kantor Lingkungan Hidup Demak Dapat memudahkan penelitian untuk mengetahui abrasi dan akresi perubahan garis pantai pada pantai utara Demak Bagi Masyarakat a. Dapat mengetahui Deteksi Tepi suatu Citra b. Dapat memudahkan para peneliti untuk mengetahui abrasi dan akresi perubahan garis pantai. c. Dapat mengetahui keefektifan suatu algoritma deteksi tepi ketika kulitas gambar di rubah.

20 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Studi Ada beberapa penelitian yang dilakukan untuk mengetahui manfaaat dari edge detection itu sendiri, antara lain yang dilakukan oleh I Made Agus Wirahadi Putra, Adhi Susanto, dan Indah Soesanti yang melakukan penelitian Pemodelan Perubahan Garis Pantai Dengan Metode End Point rate pada Citra Satelit Landsat. Penelitian ini mengambil kesimpulan bahwa ekstraksi garis dengan menggunakan metode BILKO dan segmentasi multispektrum sering kali dijadikan acuan untuk mendeteksi garis pantai dengan metode end point rate (EPR) [5]. Penelitian lainnya antara lain yang dilakukan oleh Satyanta Parman yang berjudul Deteksi Perubahan Garis Pantai Melalui Citra Penginderaan Jauh Di Pantai Utara Semarang Demak. Penelitian ini mengambil kesimpulan dengan metode citra Landsat dan Allos dapat kita ketahui perubahan garis pantai utara Semarang Demak dengan tingkat akurasi sampai 93 % [6]. Penelitian berikutnya berjudul Perubahan Garis Pantai Di Wilayah Pesisir Perairan Cisadane, Provinsi Banten. Penelitian ini dilakukan oleh M. Salam Tarigan, yang mengambil kesimpulan bahwa garis pantai yang mengalami perubahan (akresi dan abrasi) adalah di Tanjung Pupaleo,Tanjung Burung dan pantai desa Harapan, Kali Cituis, pantai Desa Kohot, Sungai Cisadane dan Tanjung Pasir. Hal hal diatas terjadi diakibatkan secara alami dan antropogenik karena ulah manusia mengambil pasir pantai sebagai bahan bangunan untuk mendirikan perumahan, pertembakan, dll (7). Penelitian berikutnya dilakukan oleh Bambang Sudarsono yang mengambil judul Inventarisasi Perubahan Wilayah Pantai Dengan Metode Penginderaan Jauh (Studi Kasus Kota Semarang). Penelitian ini 5

21 6 mengambil kesimpulan bahwa dengan adanya pemantauan dan penghitungan perubahan garis pantai dapat dipantau dengan adanya factor reklamasi dan sedimentasi [8]. Penelitian berikutnya dilakukan oleh Sardiyatmo. Penelitian ini mengambil judul Perubahan Garis Pantai Semarang dengan Foto Udara Pankromatik Hitam Putih, Berdasarkan penelitian tentang evaluasi perubahan garis pantai di Kota Semarang dengan pendekatan teknik penginderaan jauh daapat menarik kesimpulan bahwa bentuk garis pantai dapat mengidentifikasi karakteristik dari pantai yang mengalami abrasi maupun sedimentasi [9]. No Nama Peneliti 1 I Made Agus Wirahadi Putra, dkk Tabel 2.1. Penelitian Terkait Tahu n Judul Metode Hasil 2015 Pemodelan BILKO ekstraksi garis dengan Perubahan dan menggunakan metode Garis Pantai segmen BILKO dan Dengan tasi segmentasi Metode End multisp multispektrum sering Pointratepada ektrum kali dijadikan acuan Citra Satelit untuk mendeteksi Landsat. garis pantai dengan metode end point rate (EPR). 2 Satyanta 2010 Deteksi Landsat Dengan metode citra Parman Perubahan dan Landsat dan Allos Garis Pantai Allos dapat kita ketahui Melalui Citra perubahan garis pantai Penginderaan utara Semarang Jauh Di Demak dengan tingkat

22 7 Pantai Utara akurasi sampai 93 % Semarang Demak 3 M. Salam 2007 Perubahan Citra garis pantai yang Tarigan Garis Pantai Landsat mengalami perubahan Di Wilayah (akresi dan abrasi),hal Pesisir hal diatas terjadi Perairan diakibatkan secara Cisadane, alami dan Provinsi antropogenik Banten. 4 Bambang 2011 Inventarisasi Pengin dengan adanya Sudarson Perubahan deraan pemantauan dan o Wilayah jauh penghitungan Pantai perubahan garis pantai Dengan dapat dipantau dengan Metode adanya factor Penginderaan reklamasi dan Jauh (Studi sedimentasi. Kasus Kota Semarang). 5 Sardiyat 2004 Perubahan Foto Berdasarkan mo Garis Pantai Udara penelitian tentang Semarang Pankro evaluasi perubahan dengan Foto matik garis pantai di Kota Udara Hitam Semarang dengan Pankromatik Putih pendekatan teknik Hitam Putih penginderaan jauh daapat menarik kesimpulan bahwa

23 8 bentuk garis pantai dapat mengidentifikasi karakteristik dari pantai yang mengalami abrasi maupun sedimentasi Tinjauan Pustaka USGS (United States Geological Survey) USGS merupakan sebuah agensi ilmiah pemerintah Amerika Serikat. Ada empat disiplin ilmiah yang di miliki USGS yang utama, yaitu biologi, geografi, geologi, dan air. Para ilmuwan USGS mempelajari lansekap Amerika Serikat, sumber daya alamnya, dan bencana alam yang mengancamnya. USGS merupakan organisasi yang bergerak dalam bidang riset pencarifakta yang tidak memiliki kekuasaan untuk mengatur [10]. Departemen Dalam Negeri AS ini di dirikana pada 3 Maret 1879, USGS adalah satu-satunya badan keilmuan di departemen tersebut. USGS berkantor pusat di Reston, Virginia. Selain itu, USGS juga memiliki kantor di Lakewood, Colorado, Denver Federal Center, dan Menlo Park, California. Motto USGS adalah "ilmu pengetahuan untuk sebuah dunia yang berubah" [10].

24 Citra Digital Pengolahan citra digital sering kali diartikan sebagai sebuah proses yang melibatkan cara padang (visual) yang dimiliki manusia. Pengolahan ini mempunyai beberapa ciri antara lain adalah bentuk input dan output yang berupa citra. Pengolahan citra digital seringkali dilakukan dengan menggunakan bantuan alat elektronis seperti computer sehingga dapat mengurangi penurunan kualitas citra yang dapat disebabkan oleh berbagai macam derau atau gangguan, sehingga sulit untuk diintrepertasikan oleh manusia sehingga informasi yang ada menjadi dapat disampaikan dengan baik [11] Pengolahan Citra Digital Operasi ini memiliki tujuan untuk mentransformasikan dari sebuah citra menjadikan citra lain berdasarkan tujuan transformasi, operasi pengolahan citra bisa dikategorikan sebagai berikut : 1. Peningkatan Kualitas Citra ( Image Enhancement ) Proses ini meliputi : a. Perbaikan tepian objek (Edge Enhancement) b. Penajaman (Sharpening) c. Perbaikan kontras gelap/terang 2. Pemulihan Citra (Image Restoration) Proses ini meliputi : a. Penghilangan derau (Noise) b. Penghilangan kesamaran (Deblurring) 3. Segmentasi citra Pada Jenis operasi ini memiliki tujuan memecah citra ke dalam beberapa segmen dengan memakai suatu kriteria yang di inginkan. 4. Analisis citra (Image Analysis) Proses ini meliputi :

25 10 a. Pendeteksian tepi (edge detection) b. Representasi batas (region) c. Ekstraksi batas (boundary) Piksel merupakan elemen citra yang memiliki nilai yang menunjukan intensitas warna. Ada berapa cara yang digunakan untuk menyimpan citra digital di dalam sebuah memori. Dari cara penyimpanan tersebut, maka citra digital terbagi menjadi 3 jenis, yaitu: a. Citra biner Ada 2 jenis warna di dalam citra biner, yaitu hitam dan putih. Demikian warna tersebut dibutuhkan 1 bit di memori sebagai penyimpanan kedua warna ini. Gambar 2.1 Citra biner Gambar 2.1. menggambarkan huruf H, yang menggambarkan warna hitam pada bit 1 dan menggambarkan warna putih pada bit 0 [12]. b. Citra Grayscale Definisi dari Citra grayscale, adalah sebuah citra yang pixelnya dapat memrepresentasikan nilai derajat keabuan atau warna putih. di dalam citra grayscale yang di maksudkan nilai intensitas paling rendah adalah dengan merepresentasikan warna hitam dan nilai intensitas paling tinggi merepresentasikan warna putih. pada citra grayscale terdapat berbagai warna, semua tergantung pada bit yang disediakan oleh memori untuk menampung [12].

26 11 Gambar 2.2 Perbandingan gradasi warna citra grayscale[11]. Gambar 2.2 adalah perbandingan gradasi warna, dari citra grayscale. Dengan keteranga apabila semakin besar bit-nya maka akan semakin halus warna grayscale yang ditampilkan [12]. c. Citra warna Citra warna adalah citra warna yang nilai pikselnya merepresentasikan sebuah warna tertentu. Dan banyaknya warna bergantung pada kedalaman piksel citra yang bersangkutan. Citra warna direpresentasikan dalam kanal (channel) menyatakan komponen-komponen warna pada penyusunnya. Pada setiap piksel citra warna terdapat kombinasi dari 3 warna, yaitu RGB (Red Green Blue) yang mewakilinya. Setiap warna RGB menggunakan penyimpanan 8 bit atau 1 byte, yang berarti setiap warna memiliki 255 gradasi warna. Disetiap piksel memiliki kombinasi warna sebanyak = 2 24 = 16 juta warna lebih. Gambar 2.3 (a) Citra warna (b) Penyimpanan di memori

27 12 Gambar 2.3 di atas menjelaskan bahwa gambar (a) menggambarkan citra warna yang penyimpanannya di dalam memori digambarkan oleh gambar (b).setiap warnanya memiliki kombinasi warna sebesar 8 bit, yang masing-masing pikselnya memiliki 3 warna dasar (RGB ) [12] Konversi Citra RGB ke Grayscale Proses Grayscale adalah proses utama dari proses deteksi tepi. Proses ini digunakan utuk mejadikan matrix suatu cita lebih ringkas Perhitungan yang sering dipakai adalah :.(a) Penjelasan : R = Citra warna merah (Red) G = Citra warna hijau (Green) B = Citra warna biru (Blue) (a) Gambar 2.4 (a) Konversi Citra warna (b) (b) Konversi ke citra keabuan Gambar 2.4 (a) dari gambar tersebut menunjukkan sebuah hasil proses konversi citra awal, dan gambar 2.4 (b) yang merupakan sebuah citra keabuan [13].

28 Deteksi Tepi Tepi adalah batas dua buah pixel yang bertetangga yang mempunyai intenstitas yang berbeda. Tepi (Edge) dapat dilihat dengan arah yang berbeda karena merubahan arah dapat dipengaruhi perubahan intensitas Gambar 2.5 memperlihatkan model edge dalam ruang satu dimensi [13]. Gambar 2.5 Model Tepi dalam ruang satu dimensi (matra) [13] Menurut Munir [14]. ada tiga macam tepi (edge) di dalam citra digital seperti yang diperlihatkan pada gambar 2.6. Ketiga macam edge tersebut adalah: 1. Tepi curam, tepi yang terbentuk karena sebuah perubahan intensitas yang sangat tajam. 2. Tepi landai, di mana tepi tersebut lebar, sudut arahnya kecil. Yang Terdiri dari jumlah tepi-tepi lokal yang berdekatan. 3. Tepi yang mengandung noise, dan biasanya dilakukan operator image enhancement terlebih dahulu, misalnya Operator Gaussian yang memiliki fungsi untuk menghaluskan citra.

29 14 Gambar 2.6. jenis-jenis Tepi (edge) [14]. Gambar 2.7 Proses deteksi tepi [14]. Gambar 2.7 dijelaskan bahwa (edge) dari suatu citra dapat diperoleh dengan operasi edge detection [13]. dan edge suatu gambar dapat diperoleh dengan High Pass Filter (HPF), Deteksi tepi memiliki tujuan antara lain [13] : a. Memperbaiki detil citra yang kabur karena error atau efek proses akuisisi. b. Menandai bagian yang menjadi detil citra Konvolusi (Convolution) Deteksi adalah proses pengolahan citra digital yang memakai filter, di lakukan dengan menggunakan sebuah metode konvolusi, konvolusi bisa di nyatakan dalam bentuk matriks, tiap elemen matriks

30 15 penapis di sebut koefisien konvolusi. konvolusi bekerja dengan menggeser kernel pixel per pixel, dan kemudian hasilnya di simpan dalam sebuah matriks baru. berikut adalah ilustrasi konvolusi [14]. Gambar 2.8 ilustrasi konvolusi Pada gambar 2.8 di atas bias di jelaskan bahwa ada matriks dan kernel sebelum proses konvolusi [14]. f(i,j) = AP1+BP2+CP3+DP4+EP5+FP6+GP7+HP8=IP9 Berikut ini contoh konvolusi yang terjadi antara citra f(x,y) yang memiliki ukuran 5x5 dan kernel yang berukuran 3x3 diperlihatkan pada Gambar 2.9 tanda menunjukan (0,0) dari kernel [14]. Gambar 2.9 proses konvolusi [14]. Proses perkalian matriks pada setiap titik pixel yang harus bersesuaian pada matriks citra dengan matriks kernel. untuk mendapatkan hasil konvolusi yang terjadi antara citra dan kernel di atas harus melalui beberapa tahapan, Operasi konvolusi antara citra f(x, y) dengan kernel g(x, y),f (x, y) * g(x, y)

31 16 Hasil konvolusi Nilai ini dihitung dengan cara berikut: Tempatkan kernel pada sudut kiri atas, kemudian hitung nilai pixel pada posisi (0, 0) dari kernel (0 4) + (-1 4) + (0 3) + (-1 6) + (4 6) + (-1 5) + (0 5) + (-1 6) + (0 6) = 3 Geser kernel satu pixel ke kanan, kemudian hitung nilai pixel pada posisi (0,0) dari kernel (0 4) + (-1 3) + (0 5) + (-1 6) + (4 5) + (-1 5) + (0 6) + (-1 6) + (0 6) = 0 Geser kernel satu pixel ke kanan, kemudian hitung nilai pixel pada posisi (0,0) dari kernel (0 3) + (-1 5) + (0 4) + (-1 5) + (4 5) + (-1 2) + (0 6) + (-1 6) + (0 2) = 2 Kemudian geser kernel satu pixel ke bawah, dan mulai lagi melakukan konvolusi dari sisi kiri citra. Setiap kali konvolusi, geser kernel satu pixel ke kanan: (0 6) + (-1 6) + (0 5) + (-1 5) + (4 6) + (-1 6) + (0 6) + (-1 7) + (0 5) = 0 Gambar 2.10 Proses Pembentukan Konvolusi [14]. tersebut. Pada Gambar memperoleh hasil akhir dari proses konvolusi

32 17 Gambar Matriks & Kernel Setelah Konvolusi [14]. Seperti yang di lihat pada Gambar 2.11, hasil akhir dari sebuah konvolusi mengalami pengurangan pada dua pixel secara horizontal ataupun vertikal. Hal tersebut terjadi apabila matriks kernel tidak bisa mengakomodasikan perhitungan pada pixel-pixel paling tepi dari citra semula. Walaupun demikian, pixel-pixel paling tepi dianggap tidak memiliki informasi yang penting sehingga penghilangan pixel-pixel tersebut dari citra hasil konvolusi tidak akan memberikan pengaruh begitu besar. Didalam proses konvolusi terdapat dua kemungkinan yang ditemukan, dari kemungkinan tersebut diselesaikan dengan cara berikut, yaitu [14]: 1. Untuk hasil proses konvolusi mendapatkan nilai yang negatif, maka nilai tersebut dijadikan nol (0). 2. Jika hasil proses konvolusi nilainya lebih besar dari derajat keabuan maksimum, maka nilai tersebut diubah menjadi nilai maksimum derajat keabuan Metode Sobel Metode Sobel merupakan dari pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol untuk penyangga. Dalam sebuah metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF [13]. Metode Sobel memiliki kelebihan yaitu mampu untuk mengurangi noise sebelum melakukan perhitungan

33 18 deteksi tepi. Peninjauan pengaturan pixel di sekitar pixelnya (x,y) adalah :.(b) Operator sobel adalah magnitudo dari gradien yang dihitung dengan :.(c) dalam hal ini turunan parsial dihitung dengan : 1. Menghitung nilai x-gradien Dengan konstanta C = 2 Atau dalam Mask/kernel S x = (d) 2. Meghitung nilai y-gradien Dengan konstanta C = 2 Atau dalam Mask/kernel

34 19 S y = (e) Contoh penerapan operator Sobel, memperlihatkan pendeteksian tepi. Langkah pertama melakukan Konvolusi terhadap pixel yang bernilai 1 (di titik pusat mask) : 1 Nilai input Citra semula Jika diberikan input seperti matriks diatas maka perhitunganya adalah: Sx = (3)(-1) + (2)(-2) + (3)(-1) + (2)(1) + (6)(2) + (7)(1) = 11 Sy = (3)(1) + (4)(2) + (2)(1) + (3)(-1) + (5)(-2) + (7)(-1) = -7 M = S x 2 + S y 2 = = = 170 = Hasil konvolusi

35 Peak Signal to Noise Ratio (PSNR) PSNR adalah perbandingan antara nilai maksimum dari sinyal yang diukur dengan besarnya derau yang berpengaruh pada sinyal tersebut. PSNR digunakan untuk mengetahui perbandingan kualitas image sebelum dan sesudah melalui pengolahan proses dengan deteksi tepi. PSNR juga dapat digunakan untuk mengukur ketahanan pada steganografi yang nantinya akan digunakan sebagai parameter. Untuk perhitungan PSNR dari suatu citra, lebih dahulu harus menentukan MSE (Mean Square Error). pengertian MSE adalah nilai error kuadrat rata-rata antara citra asli dengan citra hasil edge detection. Apabila semakin kecil nilai MSE, maka akan semakin bagus prosedur perbaikan citra yang digunakan. Dengan maksud bahwa kualitas citra setelah mengalami perbaikan noise hampir mirip dengan kualitas citra asalnya. Sedangkan PSNR bernilai sebaliknya, jika nilai PSNR semakin besar maka kualitas citra hasil semakin mirip dengan kualitas citra hasilnya. Perhitungan MSE adalah sebagai berikut [13]..(f) Keterangan : MSE = Nilai (Mean Square Error) dari citra I m (i,j) = nilai intensitas citra asli = panjang citra (dalam piksel) = koordinat masing-masing piksel

36 21 n K = lebar citra (dalam piksel) = nilai intensitas citra hasil Untuk mendapatkan nilai PSNR, didapat dengan rumus sebagai berikut.(g) Dimana: PSNR = nilai PSNR citra B = nilai pixel terbesar (255) Rms = root mean square.(h) Contoh perhitungan PSNR : Tabel 2.2 (a) Tabel piksel citra awal (b) Tabel piksel citra akhir [13] (a) (b)

37 MSE 0, MSE Rms = 0,444 = 0,666 PSNR = 20* log 10 (7/0,666) PSNR = 20,43

38 Kerangka Pemikiran Masalah : Implementasi metode deteksi tepi sobel terhadap citra pantai untuk mengetahui perubahan garis pantai Tujuan: Deteksi Perubahan Garis Pantai Dengan Deteksi Tepi Berbasis Metode Sobel Pada Pantai Utara Semarang Demak. Experimen Data Citra asli, RGB Gambar RGB Citra GreyScale greyscale Sobel X dan Sobel Y+Gradient Magnitude Implementasi Microsoft Visual Studio C# 2010 Hasil : Mendapatkan deteksi tepi perubahan garis pantai menggunakan metode Sobel yang diyakini dapat digunakan untuk bahan pertimbangan dalam Deteksi Tepi Pantai utara Demak.

39 BAB III METODE PENELITIAN 3.1 Jenis Penelitian Pada pembuatan tugas akhir kali ini penelitian yang akan dilakukan adalah penelitian eksperimental, yang dapat didefinisikan sebagai penelitian yang datanya dapat kita peroleh melalui perhitungan, dan juga analisis visual untuk membandingkan kualitas citra asli dengan citra setelah pengolahan, dengan upaya mengetahui informasi dan identifikasi yang akurat tentang pengikisan lahan akibat abrasi di Pantai Utara Demak. 3.2 Intrumen Penelitian Dalam penelitian ini, penulis menggunakan beberapa komponen peralatan, yaitu: Kebutuhan Software perangkat lunak (software) merupakan factor yang sangat penting di dalam penelitian. software yang dibutuhkan di dalam penelitian ini adalah: a. Sistem Operasi Sistem operasi yang digunakan dalam penelitian ini adalah Windows Vista, 7,8,8.1,10. b. Microsoft C# Visual Studio 2010 Perangkat lunak ini digunakan sebagai teks editor untuk mendevelop proses deteksi tepi dengan menggunakan algoritma Sobel. c. Corel Photo Paint Perangkat lunak ini digunakan untuk mengubah Brightness (Kecerahan), Resize (Perubahan Ukuran), contrast (Ketajaman), dan Rotasi (Pemutaran), Cropping (Pemotongan). 24

40 25 d. Calculator Perangkat lunak untuk menghitung nilai PSNR dari perbandingan 2 citra. e. Microsofts office Word 2007 Perangkat lunak ini digunakan untuk pembuatan laporan hasil penelitian yang dilakukan Kebutuhan Hardware Perangkat keras hardware juga sangat di butuhkan dalam penelitian ini, perangkat keras yang di butuhkan dalam penelitian ini meliputi : a. PC atau laptop dengan spesifikasi : Prosesor : CORE i3 Sistem Operasi : Windows Vista,7,8.8.1,10 RAM : 4 GB b. Printer, digunakan untuk mencetak hasil penelitian ke dalam bentuk hardcopy. 3.3 Prosedur pengambilan atau pengumpulan data Dalam penelitian ini, peneliti menggunakan Data Citra di ambil dari USGS (United States Geological Survey ) menggunakan data Citra Landsat-8 Entity ID : LC LGN00 Coordinates : , TM path 120 raw 65 untuk perekaman tanggal 13-APR-2016 Citra yang digunakan adalah Citra Landsat-8 tahun 2016 Data tersebut berupa sebuah gambar dengan kompresi citra.*jpg atau*png.

41 Teknik Analisis Data Pengambilan data citra landsat-8, dengan memasukan alamat Pantai Utara Demak didalam Search Results yang bertitik pusat pada pada koordinat 6043"26" "43" Lintang Selatan dan "58" "47" Bujur Timur, perekaman di ambil pada 13 april 2016, di tunjukan pada gambar 3.1. Gambar 3.1 Home page USGS [10]. Pada gambar di atas menjelaskan bahwa data citra landsat-8 yang di inginkan yaitu di Pantai Utara Demak.

42 27 Gambar 3.2 Citra landsat-8 Pantai Utara Semarang Demak [10]. Dari Citra di atas kemudian di lakukan perubahan Brightness (Kecerahan), Resize (Perubahan Ukuran), contrast (Ketajaman), dan Rotasi (Pemutaran), Cropping (Pemotongan) yang sesuai dengan kebutuhan data. Gambar 3.3. Citra landsat-8 dengan cropping (pemotongan) Untuk mengetahui nilai pixel pada gambar diatas kita akan membuat fungsi untuk mengetahui berapa nilai pixel per index sehingga dapat diketahui nilai dari setiap pixel pada posisi x dan y tertentu. Pada

43 28 penelitian kali ini kita memakai tools C#, nilai pixel dapat kita ketahui setelah proses deteksi tepi maupun sebelum, sehingga didapatkan dua data. 3.5 Metode yang Diusulkan Proses dari penelitian ini secara umum digambarkan sebagai berikut: Citra Asli Proses Grayscale Proses Sobel X Proses Sobel Y Proses Gradient Magnitude Gambar 3.4 Metode yang diusulkan Proses di dalam metode sobel adalah : 1. Proses pengolahan citra awal ke dalam bentuk grayscale (derajat Keabuan) 2. Proses menscanline secara horizontal matriks grayscale dengan mask 3. Proses menscanline secara horizontal matriks grayscale dengan mask 4. Proses Menambahkan pixel hasil sobel X dan Sobel Y kemudian menjadikannya sebuah citra

44 Citra Grayscale Pembuatan Objek dan Pendefinisian Variabel Bitmap Menampung nilai Byte R,G,B Scanline Horisontal setiap pixel dan menyimpan nilai dari setiap pixel Red Green Blue Menampilkan Hasil GrayScale Red Green Blue Kalkulasi Algoritma GrayScale *Red 0.587*Green 0.114*Blue Gambar 3.5 Proses alur Grayscale Pada Gambar 3.2 diatas langkah langkah yang harus dilakukan untuk Konversi Citra RGB ke greyscale 1. Membuat objek (bitmap) dan kemudian Mendefinisikan variabel atau penampung variabel (R,G,B) dalam suatu citra. 2. Scanline secara horizontal pada setiap pixel dan kemudian simpan nilai dari setiap pixel tersebut. 3. Menghitung setiap pixel dengan menggunakan Algoritma Grayscale (0299*Red+0.587*Green+0.144*Blue). 4. Menampilkan proses hasil Citra Grayscale tersebut.

45 Sobel X Pembuatan Objek dan Pendefinisian Variabel Bitmap Menampung nilai citra hasil Sobel Menginisialisasi Array List Neighbour List Mengosongkan nilai List Sobel Filtering dan Menyimpan nilai Hasil Sobel Red Green Blue Scanline secara horizontal Mengosongkan nilai List Menampung list tetangga Menampung nilai setelah menerapkan mask Menampilkan gambar hasil Sobel ke dalam sebuah picture Box Gambar 3.6 Proses Sobel X Pada gambar 3.3 di atas adalah langkah langkah yang harus di lakukan untuk proses Sobel X antara lain : 1. Pembuatan objek dan pendefinisian variable ( bitmap dan kemudian menampung nilai citra hasil Sobel ). 2. Menginisialkan Array List a. menginisialisasi Nilai Array List pada Neigbor List b. Mengosongkan Nilai List Sobel 3. Scaline pixel secara Horisontal a. Mengosongkan Nilai List b. Menampung List tetangga c. Menampung setelah penerapan mask 4. Filtering dan menyimpan Nilai hasil Sobel. 5. Menampilkan hasil Sobel ke Picture box.

46 Sobel Y Pembuatan Objek dan Pendefinisian Variabel Bitmap Menampung nilai citra hasil Sobel Menginisialisasi Array List Neighbour List Mengosongkan nilai List Sobel Filtering dan Menyimpan nilai Hasil Sobel Red Green Blue Scanline secara horizontal Mengosongkan nilai List Menampung list tetangga Menampung nilai setelah menerapkan mask Menampilkan gambar hasil Sobel ke dalam sebuah picture Box Gambar 3.7 Proses Sobel Y Dari gambar 3.4 menjelaskan bahwa untuk proses Sobel Y harus melalui langkah langkah sebagai berikut : 1. Pembuatan objek dan pendefinisian variable ( bitmap dan kemudian menampung nilai citra hasil Sobel ). 2. Menginisialkan Array List a. menginisialisasi Nilai Array List pada Neigbor List b. Mengosongkan Nilai List Sobel 3. Scaline pixel secara Horisontal a. Mengosongkan Nilai List b. Menampung List tetangga c. Menampung setelah penerapan mask 4. Filtering dan menyimpan Nilai hasil Sobel. 5. Menampilkan hasil Sobel ke Picture box.

47 Gradient Magnitude Pastikan Kondisi untuk melakukan proses Gradient Magnitude terpenuhi Bitmap Menampung nilai citra hasil Sobel Insialisasi Varabel Scanline secara Horizontal Neighbour List Mengosongkan nilai List Sobel Set Nilai Pixel Baru Red Green Blue Scanline secara horizontal Menampung nilai Sobel X dan Y Perhitungan Magnitude Sobel Memasukkan nilai ke dalam List Menampilkan gambar hasil Sobel ke dalam sebuah picture Box Gambar 3.8 Proses Gradient Magnitude Pada gambar 3.5 di atas menjelaskan langkah langkah pada proses Gradient Magnitude : 1. Pastikanlah kondisi untuk melakukan proses ini terpenuhi a. Inisialisasi Variabel (bitmap) b. Proses Sobel X dan Sobel Y sudah dilakukan 2. Sclane pixel Secara Horizontal a. Mengosongkan Nilai List b. Menampung List tetangga c. Menampung dan memasukan Nilai setelah penerapan Sobel X dan Y ke dalam List 3. Set nilai pixel setelah Gradient magnitude 4. Menampilkan hasil sobel ke picture box

48 Perhitungan PSNR Analisa penelitian yang diperoleh dari hasil pengukuran PSNR dari citra induk dan citra sesudah dilakukan proses edge detection. Untuk menentukan PSNR, sebelumnya harus menentukan nilai MSE (Mean Square Error). MSE merupakan nilai error kuadrat dari rata rata antara citra asli dengan citra manipulasi, di lakukan dengan menggunakan rumus perhitungan MSE dan PSNR, kemudian dapat disimpulkan bahwa semakin kecil nilai MSE dan semakin besar nilai PSNR maka kualitas image pun akan semakin tinggi.

49 BAB IV PERANCANGAN DAN IMPLEMENTASI 4.1 Perancangan Penelitian ini bertujuan untuk mengetahui implementasi dalam edge detection pada citra true color dengan metode metode sobel. Sehingga diharapkan dengan adanya edge detection ini maka dapat diidentifikasi jenis image dan klasifikasinya, Adapun langkah langkah perancangannya adalah sebagai berikut : Memilih Citra Gambar yang digunakan berupa citra pantai utara Demak, masih dalam format yang sudah ditentukan (jpg, jpeg,png,bitmap) data2016.jpg dengan resolusi (528x583) sebagai citra induk. Objek yang digunakan dalam penelitian ini berupa citra warna ( RGB ) maka pada tahapan awal ada perubahan dari citra warna menjadi citra grayscale. Gambar 4.1 Citra yang digunakan 34

50 Aplikasi Hasil Perancangan Gambar 4.2 Aplikasi hasil perancangan Gambar 4.2 adalah tampilan awal dari aplikasi yang penulis buat ada beberapa sub bagian, dalam program ini berisi beberapa proses penting yaitu : Table 4.1 macam-macam Button dan kegunaanya Button kegunaan Open file Save File Grayscale Sobel X Sobel Y Gradient Magnitude Untuk membuka file gambar yang kemudian akan dinproses dalam deteksi tepi Untuk menyimpan file gambar setelah deteksi tepi Untuk membuat gambar / image menjadi citra grayscale ( hitam putih ) Proses untuk menscanline image secara horizontal dengan mask Sx Proses untuk menscanline image secara horizontal dengan mask Sy Proses untuk menggabungkan sobel X dan sobel Y

51 36 Get Pixel untuk mengambil nilai pixel sebelum dan sesudah image diproses Get pixel 1 untuk image yang sebelum diproses Get pixel 2 untuk image yang sudah diproses Get Position Untuk mengambil nilai pixel pada suatu index sebelum dan sesudah image diproses Get posisi 1 untuk image yang sebelum diproses Get posisi 2 untuk image yang sudah diproses. Pada get pixel diperoleh nilai R, G,B yaitu nilai sebagai berikut: R : warna nilai merah pada index x dan y G : warna nilai hijau pada index x dan y B : warna nilai biru pada index x dan y MSE PSNR Untuk mengetahui nilai MSE (Mean Square Error) pada proses deteksi tepi Untuk mengetahui nilai PSNR (Peak Signal to Noise Ratio) pada citra sebelum dan sesudah deteksi tepi ( edge detection ) Direction Untuk mengecek apakah semua langkah diatas sudah kita lakukan secara menyeluruh atau hanya sebagian Exit Program Untuk memberhentikan atau keluar pada aplikasi.

52 Implementasi Open file Proses open file ini bertujuan untuk memilih gambar yang di inginkan, dengan format yang sudah di tentukan (jpg, jpeg, png, bitmap). gambar yang kita pilih adalah citra landsat-8 pada Pantai Utara Demak, kemudian pilih open. Gambar 4.3 Memilih gambar yang akan digunakan Proses Grayscale Setelah memilih image yang di inginkan sebagai gambar awal (induk), kemudian aplikasi ini akan menampilkan Size image yang kita pilih dan dimana gambar tersebut disimpan, seperti yang di lihat pada gambar 4.4 Gambar 4.4 Tampilan setelah image dipilih

53 38 Setelah gambar di pilih proses selanjutnya adalah pilih grayscale untuk membuat citra atau image tersebut menjadi citra grayscale yang akan kita butuhkan dalam pembuatan edge detection ini, untuk perhitungannya kita harus mengetahui get posisi pada citra tersebut seperti nampak pada gambar 4.5 Gambar 4.5 Get pixel Citra induk Dari gambar di atas di ketahui bahwa nilai induk RGB R = 33 G = 43 B = 53 = = 43

54 39 Gambar 4.6 Hasil Citra Grayscale Proses Deteksi tepi (Edge Detection) Proses Edge detection ini meliputi 3 tahapan : 1. Sobel x 2. Sobel y 3. Gradient Magnitude 4. Direction 1. Sobel X Setelah kita mengubah image induk menjadi citra grayscale yang nantinya akan menghasilkan matrik baru, maka langkah selanjutnya adalah edge detection. Langkah pertama adalah dengan menscanline secara horizontal image dengan mask Sx Sx= (43)(-1) + (34)(-2) + (21)(-1) + (33)(1) + (36)(2) + (40)(1) = 13 Hasil dari mask Sx = 13

55 40 Gambar 4.7 Hasil dari penerapan Sobel X Maka citra hasil dari Sobel X akan ditampilkan seperti pada gambar diatas. 2. Sobel Y Setelah kita menerapkan sobel x pada image maka langkah selanjutnya adalah menerapkan sobel y pada image. Langkah yang harus dilakukan adalah dengan menscanline secara horizontal image dengan mask Sy Sy= (43)(1) + (20)(2) + (33)(1) + (21)(-1) + (15)(-2) + (40)(-1) = 25 Hasil dari mask Sy = 25

56 41 Gambar 4.8 Hasil dari penerapan Sobel Y Maka citra hasil dari Sobel Y akan ditampilkan seperti pada gambar diatas. 3. Gradient Magnitude Setelah kita menerapkan sobel x & y pada image maka langkah selanjutnya adalah menerapkan gradient magnitude pada image, yaitu proses penggabbungan antara Sobel x dengan Sobel y, Proses magnitudo dari gradient yang dihitung dengan : Sx = 13 Sy = 25 M = S x 2 + S y 2 = = = 794 = 28 Hasil dari magnitudo dari gradient = 28

57 42 Gambar 4.9 Hasil dari penerapan Gradient Magnitude 4. Direction Setelah kita menerapkan sobel x dan y, kemudian gradient magnitude maka langkah selanjutnya adalah mengecek apakah semua langkah diatas sudah kita lakukan secara menyeluruh atau hanya sebagian Gambar 4.10 Hasil dari pengecekan tahapan edge detection Pada gambar 4.10 akan muncul pesan perintah yang menandakan proses dari Direction menyeluruh atau tidak, apabila proses sudah menyeluruh maka akan muncul pesan perintah Done (selesai) kemudian klik Ok.

58 Get Pixel Pada proses ini, gambar akan menampilkan pixel nya secara menyeluruh dan kemudianc nilai tiap indexnya akan ditampung ke dalam data grid. Gambar 4.11 Hasil dari Get Pixel 1 Gambar 4.12 Hasil dari Get Pixel 2

59 Get Position Pada proses ini gambar akan menampilkan pixel per index pada nilai tiap indexnya dengan memasukan nilai inputan yang di cari, kemudian nilai tersebut akan menampilkan output nilai indeknya dan nilai tersebut ditampung ke dalam suatu text box. Gambar 4.13 Hasil dari Get Posisi 1 Gambar 4.14 Hasil dari Get Posisi 2

60 Proses Pengujian Citra Grayscale Di dalam proses pengujian citra grayscale ini memiliki tahapan proses uji, dengan tahapan tersebut meliputi : Proses Uji Fidelity pada citra truecolor yang blur Uji fidelity adalah pengujian yang dilakukan agar mengetahui kemampuan edge detection dalam citra induk, yang dilakukan dengan cara melihat perbedaan antara citra induk awal dan citra induk yang telah dilakukan edge detection. Pengamatan dilakukan secara visual dan kuantitatif. Digunakan Sebagai tolak ukur secara visual dalam penelitian ini adalah citra induk tidak mengalami perubahan signifikan jika dilihat menggunakan kasat mata. Sedangkan jika diamati secara kuantitatif dari uji PSNR (Peak Signal Noise Ratio) adalah, semakin besar nilai PSNR (Peak Signal Noise Ratio) maka citra hasil semakin mirip dengan citra aslinya, dengan kata lain semakin bagus kualitas citranya. Sebaliknya jika hasil nilai PSNR semakin kecil maka kualitas citra hasil semakin jelek. Gambar 4.15 Hasil MSE dan PSNR Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar db.

61 Uji Ketahanan (Robustness) Pengujian robustness merupakan merupakan salah satu syarat edge detection yang baik. Edge detection yang baik akan tahan terhadap bermacam-macam manipulasi citra. Dalam penelitian ini, pengujian yang dilakukan dengan penambahan contrast dan brightness. Image Induk Manipulasi Image Penghitungan MSE Perhitungan PSNR Result Contrast (Tingkat ketajaman) Penambahan contrast pada image, digunakan beberapa sampel dengan tingkat kecerahan yang berbeda-beda. Setelah ditambahkan tingkat kecerahan maka image di hitung MSE dan PSNR nya. Semakin tinggi PSNR nya maka citra makin baik,begitupun sebaliknya, jika MSE rendah maka image nya semakin baik.

62 47 a. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +5 Gambar 4.16 Hasil MSE dan PSNR dari proses Contrast Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 53.58dB. b. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +10. Gambar 4.17 Hasil MSE dan PSNR dari proses Contrast Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya 53.48dB.

63 48 c. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +15. Gambar 4.18 Hasil MSE dan PSNR dari proses Contrast Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya 53.38dB. d. Pengujian dilakukan dengan cara melakukan manipulasi Contrast pada citra senilai +20. Gambar 4.19 Hasil MSE dan PSNR dari proses Contrast Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya 53.28dB.

64 49 e. Pengujian dilakukan dengan cara melakukan manipulasi contrast pada citra senilai +25. Gambar 4.20 Hasil MSE dan PSNR dari proses Contrast Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya 53.18dB. f. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +30. Gambar 4.21 Hasil MSE dan PSNR dari proses Contrast Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya 53.08dB.

65 50 Berikut adalah tabel hasil dari pengujian memanipulasi yang bertujuan menguji ketahanan dari citra dengan berbagai tingkat ketajaman (Contrast). Table 4.2 Hasil pengujian tingkat ketajaman (contrast) Nilai Contrast MSE PSNR Hasil dB

66 Dari pengujian di atas dengan perubahan tingkat ketajaman (contrast) dari +5 sampai +30, disimpulkan bahwa citra mengalami peningkatan MSE dan peenurunan PSNR. maka gambar yang di hasilkan semakin tidak jelas (blur) Brightness (kecerahan) Penambahan brightness pada image, digunakan beberapa sampel dengan tingkat kecerahan yang berbeda-beda. Penambahan brightness mulai dari (+5) sampai dengan (+30), Setelah ditambahkan tingkat kecerahan maka image di hitung MSE dan PSNR nya, Semakin tinggi PSNR nya maka citra makin baik, begitupun sebaliknya, jika MSE rendah maka image nya semakin baik,

67 52 a. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +5. Gambar 4.22 Hasil MSE dan PSNR dari proses Brightness Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 54.38dB. b. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +10. Gambar 4.23 Hasil MSE dan PSNR dari proses Brightness Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 55.13dB.

68 53 c. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +15. Gambar 4.24 Hasil MSE dan PSNR dari proses Brightness Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 55.89dB. d. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +20. Gambar 4.25 Hasil MSE dan PSNR dari proses Brightness Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 56.80dB.

69 54 e. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +25. Gambar 4.26 Hasil MSE dan PSNR dari proses Brightness Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar db. f. Pengujian dilakukan dengan cara melakukan manipulasi brightness pada citra senilai +30. Gambar 4.27 Hasil MSE dan PSNR dari proses Brightness Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 58.96dB.

70 55 Berikut adalah tabel hasil dari pengujian memanipulasi yang bertujuan menguji ketahanan dari citra dengan berbagai tingkat kecerahan (brightness). Table 4.1 Hasil pengujian tingkat kecerahan (brightness). Nilai MSE PSNR Hasil Brightness dB dB dB dB

71 dB B Dari pengujian di atas dapat disimpulkan bahwa citra akan mengalami penurunan nilai MSE dan peningkatan PSNR dengan perubahan tingkat kecerahan (brightness) dari +5 sampai +30, Jadi kualitas citra menjadi lebih bagus Rezize (perubahan ukuran pixel) Perubahan ukuran pada image, digunakan beberapa sampel dengan ukuran yang berbeda-beda.

72 57 a. Pengujian dilakukan dengan cara melakukan manipulasi ukuran pixel (300x300) Gambar 4.28 Hasil MSE dan PSNR dari proses Rezize Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 47.95dB. b. Pengujian dilakukan dengan cara melakukan manipulasi ukuran pixel (200x200) Gambar 4.29 Hasil MSE dan PSNR dari proses Rezize Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 44.59dB

73 58 c. Pengujian dilakukan dengan cara melakukan manipulasi ukuran pixel (100x100) Gambar 4.30 Hasil MSE dan PSNR dari proses Rezize Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 38.49dB. d. Pengujian dilakukan dengan cara melakukan manipulasi ukuran pixel (50x50) Gambar 4.31 Hasil MSE dan PSNR dari proses Rezize Nilai MSE dan PSNR yang dihasilkan adalah MSE : dan PSNR nya sebesar 32.42dB.

74 59 Berikut adalah tabel hasil dari pengujian memanipulasi yang bertujuan menguji ketahanan dari citra dengan berbagai ukuran pixel. Ukuran Pixel Table 4.3 Hasil dari pengujian rezize MSE PSNR Hasil 300x dB 200x dB 100x dB 50x dB Dari pengujian memanipulasi Rezize ukuran pixel mulai dari 300x300 sampai 50x50 di atas dapat disimpulkan bahwa citra mengalami peningkatan MSE dan penurunan PSNR dengan perubahan ukuran pixel yang sangat signifikan. Hal ini menjadikan kualitas citra semakin buruk.