BAB I PENDAHULUAN. 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks, tetapi juga dapat berupa citra (image), audio (bunyi, suara, musik), dan video. Image adalah istilah lain untuk citra sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Maksudnya sebuah citra dapat memberikan informasi lebih banyak daripada informasi tersebut disajikan dalam bentuk tekstual. Pengolahan citra digital atau Digital Image Processing adalah bidang yang berkembang sangat pesat sejalan dengan kemajuan teknologi pada industri saat ini. Fungsi utama dari Digital Image Processing adalah untuk memperbaiki kualitas dari citra sehingga citra dapat dilihat lebih jelas tanpa ada ketegangan pada mata, karena informasi penting diekstrak dari citra yang dihasilkan harus jelas sehingga didapatkan hasil yang terbaik. Salah satu permasalahan penting dalam bidang pengolahan citra dan pengenalan pola adalah segmentasi citra ke dalam area homogen. Ekstraksi ciri dan segmentasi citra merupakan langkah awal yang sangat diperlukan dalam analisis citra. Segmentasi citra merupakan kegiatan yang sangat diperlukan dalam usaha memahami ciri citra secara lengkap. Keakuratan segmentasi menentukan keberhasilan dalam analisis isi suatu citra. Tujuan utama segmentasi adalah membagi citra ke dalam bagian-bagian yang mempunyai korelasi kuat dengan adanya objek-objek di dalam citra. Citra satelit yang tersegmentasi dengan baik akan didapatkan informasi batasan-batasan area dengan jelas, misalnya untuk keperluan deteksi perubahan suatu daerah, menghitung area suatu vegetasi tertentu, dan sebagainya. Informasi 1

2 2 ini sangat membantu secara objektif dan akurat untuk melakukan analisis, diagnosis, perencanaan, dan tindakan yang diperlukan. Selain itu, segmentasi citra juga sudah banyak diterapkan dalam berbagai bidang antara lain bidang arkeologi, astronomi, teknologi informasi, industri, dan bidang medis. Anaisis klaster merupakan proses pengelompokan data dalam kelas-kelas atau klaster-klaster sehingga data-data dalam suatu klaster memiliki tingkat persamaan yang tinggi satu dengan yang lainnya tetapi sangat berbeda dengan data pada klaster lain. Dalam kaitannya dengan segmentasi, data pada analisis klaster adalah data piksel pada citra. Metode algoritma k-means adalah salah satu teknik yang paling sering digunakan dalam segmentasi berbasis pada analisis klaster. Algoritma k-means termasuk dalam proses data mining yang bersifat tanpa arahan (unsupervised). Metode algoritma k-means akan mengelompokkan data ke dalam klaster masing-masing yang didasarkan pada jarak terdekat dengan pusat kelompoknya, serta mengelompokkan data yang memiliki karakteristik yang sama ke dalam satu klaster. Algoritma k-means sangat terkenal karena kemudahan dan kemampuannya untuk mengelompokkan data besar dan data outlier dengan sangat cepat. Berdasarkan uraian-uraian sebelumnya, pada penelitian ini membahas metode penyelesaian segmentasi citra dengan menerapkan metode k- means. Citra input setelah preproses akan disegmentasi menggunakan algoritma k- means. Metode ini diharapkan memberikan hasil yang halus namun memerlukan waktu yang cukup singkat dalam mensegmentasi citra. 1.2 Perumusan dan Pembatasan Masalah Berdasarkan uraian latar belakang pada sub bab 1.1, maka rumusan dan batasan masalah pada penelitian ini adalah sebagai berikut: a. Implementasi algoritma k-means dalam segmentasi citra. b. Tingkat akurasi implementasi algoritma k-means dalam segmentasi citra. c. Informasi yang dapat diperoleh dari hasil segmentasi citra menggunakan metode algoritma k-means.

3 3 1.3 Tujuan Penulisan Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Matematika pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada, Yogyakarta. Tujuan dari penulisan skripsi ini adalah sebagai berikut: a. Mempelajari segmentasi citra dengan menggunakan algoritma k-means clustering. b. Menerapkan algoritma k-means clustering untuk melakukan segmentasi pada citra satelit. c. Mengembangkan metode segmentasi citra menggunakan metode algoritma k-means sehingga dapat bermanfaat untuk melakukan segmentasi citra dengan lebih akurat. d. Menganalisis kualitatif dan kuantitatif citra hasil segmentasi antara metode algoritma k-means. 1.4 Manfaat Penulisan Berdasaran uraian latar belakang, skripsi ini membahas tentang penerapan algoritma k-means clustering yang digunakan dalam teknik segmentasi citra. Penulisan ini memberikan manfaat sebagai berikut: a. Dengan metode segmentasi citra yang memiliki tingkat akurasi yang cukup tinggi akan memberikan informasi hasil luasan area yang jelas dan tepat. b. Memberikan kontribusi bagi ilmu pengetahuan dalam bidang segmentasi citra. c. Sebagai bahan referensi bagi peneliti lain yang ingin mengembangkan bidang yang sejenis.

4 4 1.5 Metode Penulisan Metode penulisan yang digunakan penulis adalah studi literatur. Pada studi literatur, penulis mempelajari literatur-literatur yang diperoleh dari perpustakaan, jurnal-jurnal ilmiah dan sumber-sumber lain yang diperoleh dari internet maupun media lainnya. Penulis dalam menyelesaikan penelitian ini menggunakan bantuan software R dan ArcMap. Penulis menggunakan beberapa package, antara lain package base, stats, jpeg, cluster, ggplot, dan ggplot2. Data yang digunakan dalam penulisan skripsi ini adalah data sekunder yang diambil dari internet tepatnya dari situs Google Earth yang merupakan situs penyedia data citra satelit seluruh dunia. 1.6 Tinjauan Pustaka Dalam skripsi ini, penulis mengunakan berbagai sumber pustaka sebagai bahan utama penulisan skripsi ini. Beberapa pustaka utama yang digunakan sebagai acuan antara lain jurnal ilmiah dengan judul Performance Analysis of K- Means Clustering For Remotrly Sensed Images yang ditulis oleh K. Venkateswaran, N. Kasthuri, K. Balakrishnan, dan K. Prakash (2013) yang menjelaskan penerapan algotitma k-means pada klasifikasi lahan dengan penginderaan jauh citra satelit. Jurnal ilmiah dengan judul An Efficient Segmentation of Remote Sensing Image For The Classification of Satellite Data Using K-Means Clustering Algorithm yang ditulis oleh D. Napoleon dan Dr. E. Ramaraj (2014) yang menjelaskan penerapan algotitma k-means pada citra satelit sebagai penginderaan jauh untuk melakukan klasifikasi lahan yang efisien. Jurnal ilmiah dengan judul Image Segmentation using K-means Clustering Algorithm and Subtractive Clustering Algorithm yang ditulis oleh Nameirakpam Dhanachandra, Khumanthem Manglem and Yambem Jina Chanu (2015) yang menjelaskan penerapan algoritma k-means dalam segmentasi citra (image

5 5 clustering) dan dilakukan perbandingan teknik segmentasi citra dengan metode lain yakni proposed algorithm untuk mencari tingkat akurasi paling tinggi. Jurnal ilmiah dengan judul K-Means and ISODATA Clustering Algorithms for Classification Using Remote Sensing yang ditulis oleh A. W. Abbas, N. Minallh, N. Ahmad, S.A.R. Abid, M.A.A Khan (2016) yang menjelaskan penerapan algotitma k-means dan ISODATA clustering pada citra satelit sebagai penginderaan jauh untuk melakukan klasifikasi lahan. Jurnal ilmiah dengan judul Deteksi Jalan Dari Citra Satelit Resolusi Tinggi Menggunakan K-Means, RGB Fitur dan Morfologi yang ditulis oleh Hidayatul Rahman (2016) yang menjelaskan penerapan algotitma k-means clustering pada citra satelit dan dilakukan pemerosesasn RGB fitur dan morfologi untuk mendeteksi jalan. Skripsi dengan judul Segmentasi Citra Satelit Berbasis Clustering dengan Kombinasi Algoritma K-Means dan Fuzzy C-Means yang ditulis oleh Tri Maya Sari (2016) menjelaskan penerapan kombinasi algoritma k-means dan fuzzy c- means dalam segmentasi citra satelit. Pada skripsi ini juga diterapkan berbagai ruang warna RGB, YIQ, CIELab yang kemudian dibandingkan efisiensi dan keakuratan hasil segmentasi masing-masing ruang warna dan algoritma yang digunakan. Selain itu penulis juga menggunakan jurnal-jurnal ilmiah lain yang mendukung, buku-buku teori yang mendukung, dan beberapa artikel dari website resmi melalui internet. 1.7 Sistematika Penulisan berikut: Sistematika penulisan yang digunakan dalam penelitian ini adalah sebagai

6 6 BAB I PENDAHULUAN Bab ini membahas latar belakang, perumusan masalah, tujuan penulisan, metode penulisan, tinjauan pustaka, dan sistematika penulisan yang memberikan dan arahan dan tujuan terhadap penulisan skripsi ini. BAB II LANDASAN TEORI Bab ini membahas teori-teori penunjang yang akan digunakan dalam pembahasan segmentasi citra menggunakan algoritma k-means. Teoriteori penunjang tersebut diantaranya adalah aljabar matriks, statistika multivariat, dan analisis cluster sebagai pengantar metode segmentasi citra menggunakan algoritma k-means. BAB III SEGMENTASI CITRA BERBASIS ALORITMA K-MEANS Bab ini berisi pembahasan mengenai citra (image), segmentasi citra, algoritma k-means clustering,. BAB IV STUDI KASUS Bab ini berisi tentang analisis deskriptif studi kasus dan data sampel, analisis segmentasi citra berdasarkan algoritma k-means clustering, hasil segmentasi, interpretasi hasil segmentasi. BAB V PENUTUP Pada bab terakhir ini, berisi kesimpulan yang didapat berdasarkan pembahasan bab sebelumnya dan saran atas kekurangan atau kelebihan dari hasil yang telah dilakukan