IMPLEMENTASI PADA HASIL CITRA DIGITAL DENGAN MENGGUNAKAN PERBANDINGAN METODE LAPLACIAN, LAPLACIAN OF GAUSSIAN, DAN DIFFERENCE OF GAUSSIAN SKRIPSI

Transkripsi

1 IMPLEMENTASI PADA HASIL CITRA DIGITAL DENGAN MENGGUNAKAN PERBANDINGAN METODE LAPLACIAN, LAPLACIAN OF GAUSSIAN, DAN DIFFERENCE OF GAUSSIAN SKRIPSI MUHAMMAD IRFAN PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

2 IMPLEMENTASI PADA HASIL CITRA DIGITAL DENGAN MENGGUNAKAN PERBANDINGAN METODE LAPLACIAN, LAPLACIAN OF GAUSSIAN, DAN DIFFERENCE OF GAUSSIAN SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer MUHAMMAD IRFAN PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2017

3 ii PERSETUJUAN Judul : IMPLEMENTASI PADA HASIL CITRA DIGITAL DENGAN MENGGUNAKAN PERBANDINGAN METODE LAPLACIAN, LAPLACIAN OF GAUSSIAN DAN DIFFERENCE OF GAUSSIAN Kategori : SKRIPSI Nama : MUHAMMAD IRFAN Nomor Induk Mahasiswa : Program Studi : S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Herriyance, ST, M.Kom NIP Drs. Marihat Situmorang, M.Kom NIP Diketahui/Disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP

4 iii PERNYATAAN IMPLEMENTASI PADA HASIL CITRA DIGITAL DENGAN MENGGUNAKAN PERBANDINGAN METODE LAPLACIAN, LAPLACIAN OF GAUSSIAN, DAN DIFFERENCE OF GAUSSIAN SKRIPSI Saya menyatakan bahwa skripsi ini adalah hasil kerya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Maret 2017 Muhammad Irfan

5 iv UCAPAN TERIMAKASIH Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa atas segala berkat-nya sehingga penulis dapat menyelesaikan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi,. Pada pengerjaan skripsi dengan judul Implementasi pada hasil citra digital dengan menggunakan perbandingan metode Laplacian, Laplacian Of Gaussian dan Difference Of Gaussian, penulis menyadari bahwa banyak pihak yang turut mendukung, baik dari pihak keluarga, sahabat dan orang-orang terkasih yang memotivasi dalam pengerjaannya. Dalam kesempatan ini, penulis mengucapkan terima kasih kepada: 1. Bapak Prof. Dr. Runtung Sitepu, S.H, M.Hum. selaku Rektor. 2. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc. selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi. 3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S-1 Ilmu Komputer. 4. Ibu Maya Silvi Lydia, B.Sc, M.Sc. selaku Wakil Dekan III Fakultas Ilmu Komputer dan Teknologi Informasi. 5. Bapak Drs. Marihat Situmorang, M.Kom selaku Dosen Pembimbing I yang telah memberikan bimbingan, saran, nasehat dan masukan kepada saya dalam pengerjaan skripsi ini. 6. Bapak Herriyance, ST, M.Kom selaku Sekretaris Program Studi S-1 Ilmu Komputer dan Dosen Pembimbing II yang telah memberikan bimbingan, saran, nasehat dan masukan kepada saya dalam pengerjaan skripsi ini. 7. Bapak Dr. Syahril Efendi, S.Si.,M.IT selaku Dosen Penguji I yang memberikan kritik, daran dan dukungan kepada penulis dalam menyelesaikan skripsi ini. 8. Ibu Elviwani,ST.,S.Kom.,M.Kom selaku Dosen Penguji II yang memberikan kritik, saran dan dukungan kepada penulis dalam menyelesaikan skripsi ini. 9. Seluruh dosen dan pegawai Program studi S1 Ilmu Komputer Fasilkom-TI USU.

6 v 10. Bapak saya Misdi, Ibu saya Nur aini, Kakak saya Elva Yusnita AMAK, Adik Evi Anggraini SKM, dan Adik saya Reza Wahyudi yang selalu memberikan dukungan dan memotivasi kepada penulis dalam menyelesaikan skripsi ini. 11. Teman-teman kuliah saya KOM C angkatan 2011 khususnya Azwar Annaz, Teguh Amanda, M. Isnaini Zuhri Ilyas, Ferdiansyah, Gusra Al Gery, Mutiara Dalimunthe, Fahrul Ihsan Lubis, yang memberi inspirasi dan semangat kepada penulis. 12. Teman-teman komunitas saya Gaya Penjelajah Sumatera dan Jiwa Pengusaha Muda khususnya Muhammad Yusuf, Muhammad Sadat, Wayu Wibisana, Dewi Hafni Larasati, Reny Ariska, yang memberi motivasi dan semangat kepada penulis. 13. Dan buat Keluarga besar saya, yang selalu memberi semangat dan motivasi kepada penulis dalam menyelesaikan skripsi ini. Semoga Tuhan Yang Maha Esa melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.. Medan, Maret 2017 Penulis

7 vi ABSTRAK Deteksi tepi merupakan bagian dari pengolahan citra. Deteksi tepi adalah proses untuk menghasilkan garis batas dari suatu objek yang terdapat pada citra. Deteksi tepi memiliki beberapa operator seperti operator Laplacian, Laplacian of Gaussian dan Difference Of Gaussian. Pendeteksi tepi dengan menggunakan citra berwarna sudah biasa, namun disini dilakukan deteksi tepi menggunakan citra hasil dari camera digital yang mana citra sudah diberikan efek dengan format JPEG (*.jpg). Citra yang telah diberi efek Light Color akan di deteksi tepi dan akan dibandingkan dengan ketiga operator tersebut. Hasil dari citra digital maupun yang sudah diberi efek Light Color akan di inputkan kedalam program dan akan dibandingkan dengan deteksi tepi dengan menggunakan operator Laplacian, Laplacian of Gaussian dan Difference Of Gaussian dan parameter yang digunakan untuk mengukur nilai perbandingan antara ketiga operator deteksi tepi yaitu MSE, PSNR, Running Time dan Kompleksitas Theta. Berdasarkan hasil pengujian diperoleh bahwa nilai rata-rata MSE dan PSNR operator Laplacian 13052,7 dan decibel dengan nilai rata-rata Running Time detik, nilai rata-rata MSE dan PSNR operator Laplacian Of Gaussian 13858,01 dan decibel dengan nilai rata-rata Running Time detik, nilai rata-rata MSE dan PSNR operator Difference of Gaussian 8492,8 dan decibell nilai rata-rata Running Time detik. Dan deteksi tepi citra digital yang terbaik terhadap citra digital yang telah diberikan efek adalah untuk running time metode Laplacian lebih baik dibandingkan dengan metode LoG dan DoG, untuk nilai MSE terkecil metode Dog lebih baik dibandingkan dengan metode Laplacian dan Log, dan untuk nilai PSNR terbesar metode LoG lebih baik dibandingkan dengan metode Laplacian dan Dog. Kata Kunci : Pengolahan Citra, Deteksi tepi, Laplacian, Laplacian of Gaussian, Difference Of Gaussian, Camera Digital, Light Color.

8 vii IMPLEMENTATION AT THE RESULT DIGITAL IMAGE COMPARISON METHOD USING LAPLACIAN, LAPLACIAN OF GAUSSIAN AND DIFFERENCE OF GAUSSIAN ABSTRACT Edge detection is part of the image processing. Edge detection is a process for producing a boundary of an object contained in the image. Edge detection has several operators such as the Laplacian operator, Laplacian of Gaussian and Difference Of Gaussian. Edge detection by using color images are used, but here is done using the image of the edge detection of digital camera in which the image has been given effect with JPEG (*.jpg). The image that has been given effect Light Color will be on edge detection and will compare with the three operators. Results of digital image and that has been given effect Light Color will be fed into the program and will be Compared with edge detection by using operator Laplacian, Laplacian of Gaussian and Difference Of Gaussian and parameters used to measure the value of a comparison between the third edge detection operator is MSE, PSNR, Running Time and complexity Theta. Based on the test results showed that the average value of MSE and PSNR Laplacian operator and 0708 Decibel with an average value Running Time seconds, the average value of MSE and PSNR operator Laplacian Of Gaussian and 0684 Decibel with average value average Running Time seconds, the average value of MSE and PSNR Difference of Gaussian operator and 0889 decibell average value Running Time seconds. And edge detection digital image of the best of the digital image that has been given effect is to running time method Laplacian better than the method logs and dogs, to the value of the smallest MSE methods Dog is better than the method Laplacian and Log, and for PSNR The method LOG is better than the method Laplacian and Dog. Keywords : Image Processing, Edge detection, Laplacian, Laplacian of Gaussian, Difference Of Gaussian Digital Camera, Light Color.

9 viii DAFTAR ISI PERSETUJUAN...ii PERNYATAAN...iii UCAPAN TERIMAKASIH...iv ABSTRAK...vi ABSTRACT...vii DAFTAR ISI...viii DAFTAR TABEL...x DAFTAR GAMBAR...xi DAFTAR LAMPIRAN...xii BAB I PENDAHULUAN Latar Belakang Perumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika penulisan...4 BAB II TINJAUAN PUSTAKA Citra Citra Digital Jenis-Jenis Citra Digital Citra Warna Citra Grayscale Citra Biner Pengolahan Citra Segmentasi...9

10 ix Deteksi Titik Deteksi Garis Deteksi Tepi Deteksi Tepi Berdasarkan Turunan Pertama Deteksi Tepi Berdasarkan Turunan Kedua Operator Laplacian Operator Laplacian Of Gaussian Operator Difference of Gaussian Format File Citra JPEG Peak Signal to Noise Ratio (PSNR) Mean Square Error (MSE) Running Time Kompleksitas Theta...16 BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis Sistem Analisis Masalah Analisis Persyaratan Persyaratan Fungsional Persyaratan Nonfungsional Analisis Proses Use Case Diagram Activity Diagram Sequence Diagram Flowchart Sistem Pseudocode Pseudocode Deteksi Tepi Laplacian Pseudocode Deteksi Tepi Laplacian Of Gaussian Pseudocode Deteksi Tepi Laplacian of Gaussian Pseudocode Nilai MSE Pseudocode Nilai PSNR Pseudocode Nilai Kompleksitas Theta Perancangan Sistem...34

11 x Form Home Form Implementation Form Analysis Form Help Form About...40 BAB IV IMPLEMENTASI DAN PENGUJIAN Implementasi Form Home Form Implementation Form Analysis Form Help Form About Pengujian Pengujian Form Analysis Proses Deteksi Tepi Pada Form Analysis Proses Deteksi Tepi Pada Form Implementation Hasil Pengujian...48 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran...57 Daftar Pustaka...58 Lampiran Listing Program...A-1 Lampiran Curiculum Vitae...B-1

12 xi DAFTAR TABEL Tabel 3.1 Naratif Use Case Input Citra...21 Tabel 3.2 Naratif Use Case Deteksi Laplacian...22 Tabel 3.3 Naratif Use Case Deteksi LoG...23 Tabel 3.4 Naratif Use Case Deteksi DoG...24 Tabel 3.5 Kompleksitas Algoritma Laplacian...31 Tabel 3.6 Kompleksitas Algoritma LoG...32 Tabel 3.7 Kompleksitas Algoritma DoG...33 Tabel 3.8 Keterangan Rancangan Interface Form Home...35 Tabel 3.9 Keterangan Rancangan Form Implementation...36 Tabel 3.10 Keterangan Rancangan Form Analysis...38 Tabel 3.11 Keterangan Rancangan Form Help...41 Tabel 3.12 Keterangan Rancangan Form About...42 Tabel 4.1 Perbandingan Hasil Deteksi Tepi Laplacian Pada Citra yang Diberi Efek...48 Tabel 4.2 Perbandingan Hasil Deteksi Tepi LoG Pada Citra yang Diberi Efek...49 Tabel 4.3 Perbandingan Hasil Deteksi Tepi DoG Pada Citra yang Diberi Efek...50 Tabel 4.4 Perbandingan Rata-rata Nilai MSE Pada Citra yang Diberi Efek...51 Tabel 4.5 Perbandingan Rata-rata Nilai PSNR Pada Citra yang Diberi Efek...52 Tabel 4.6 Perbandingan Rata-rata Nilai Running Time Pada Citra yang Diberi Efek...52

13 xii DAFTAR GAMBAR Gambar 2.1 Citra RGB...7 Gambar 2.2 Citra Grayscale...7 Gambar 2.3 Citra Biner...8 Gambar 2.4 (a) Citra burung nuri yang agak gelap (b) citra burung yang telah ditingkatkan kontrasnya sehingga terlihat jelas dan tajam...9 Gambar 2.5 Deteksi Tepi dengan Operator Laplacian...13 Gambar 2.6 Deteksi Tepi dengan Operator Laplacian of Gaussian...14 Gambar 2.7 Deteksi Tepi dengan operator Difference of Gaussian...14 Gambar 3.1 Diagram Ishikawa Analisis Masalah...18 Gambar 3.2 Use Case Diagram Pada Sistem...21 Gambar 3.3 Activity Diagram Pada Sistem...25 Gambar 3.4 Sequance Diagram Pada Sistem...26 Gambar 3.5 Flowchart Sistem...27 Gambar 3.6 Perancangan Interface Form Home...34 Gambar 3.7 Perancangan Interface Form Implementation...35 Gambar 3.8 Perancangan Interface Form Analysis...37 Gambar 3.9 Perancangan Interface Form Help...39 Gambar 3.10 Perancangan Interface Form About...40 Gambar 4.1 Form Home...41 Gambar 4.2 Form Implementation...42 Gambar 4.3 Form Analysis...43 Gambar 4.4 Form Help...43 Gambar 4.5 Form About...44 Gambar 4.6 Citra yang akan diuji (a) Efek Sweet, (b) Efek Cool, (c) Efek Fresh, (d) Efek Grace dan (e) Efek Sunny...44 Gambar 4.7 Input Citra dengan Efek Cool...45 Gambar 4.8 Proses Deteksi Tepi Citra Efek Sweet dengan Metode Laplacian, LoG dan DoG Pada Form Analysis...46 Gambar 4.9 Proses Deteksi Tepi Citra Efek Sunshine dengan Metode Laplacian, LoG dan DoG Pada Form Implementation...47 Gambar 4.10 Grafik perbandingan nilai MSE...53 Gambar 4.11 Grafik perbandingan nilai PSNR...53 Gambar 4.12 Grafik perbandingan nilai Runtime...54