APLIKASI PENGOLAHAN CITRA DIGITAL DALAM MENGHITUNG JUMLAH SUATU OBJEK PADA SUATU DAERAH PENGAMATAN ABSTRAK

Transkripsi

1 i APLIKASI PENGOLAHAN CITRA DIGITAL DALAM MENGHITUNG JUMLAH SUATU OBJEK PADA SUATU DAERAH PENGAMATAN Rubinhut Sihar / Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia rubinhut@gmail.com ABSTRAK Pada tugas akhir ini telah dibuat sebuah perangkat lunak yang dapat menghitung banyak objek sekaligus mengklasifikasikannya dengan menggunakan teknologi pengolahan citra digital, pembuatan perangkat lunak ini di dasari dibutuhkannya suatu alat yang dapat menghitung suatu objek pada suatu daerah pengamatan dengan cepat dan akurat. Dalam tugas akhir ini digunakan metode image component labelling dalam melakukan pembentukan suatu objek dalam citra dan metode shape factor untuk melakukan pengenalan objek bedasarkan bentuk morfologinya. Dengan kedua metode tersebut di dapatkan tingkat keberhasilan perangkat lunak dalam mengenali dan mengklasifikasian empat macam objek dalam tiga kali percobaan mencapai 94,65% dan keberhasilan perangkat lunak dalam melakukan penghitungan objek secara keseluruhan dalam tiga kali percobaan mencapai 99,73%. kata kunci : pengolahan citra digital, shape factor, image component labelling.

2 ii DIGITAL IMAGE PROCESSING APPLICATION FORCOUNTING THE NUMBER OF OBJECTS IN AN OBSERVATED AREA Rubinhut Sihar / Department of Electrical Engineering, Faculty of Technique Maranatha Christian University Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia rubinhut@gmail.com ABSTRACT This final project, used be realize a software can be count the number of objects and classifying by used digital image processing technology, the created software created equipments a tools witches can be count a number object at observed area swiftly and accurate. Image component labeling method used for created object at image and shape factor used for object identification based on morphologically form. By using both of the method, software level success for identifying and classify four objects within three times experiment effort to 94,65% and for to do a object count for three times experiment effort to 99,73%. keyword: digital image processing, shape factor, image component labeling.

3 v DAFTAR ISI ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR i ii iii v vii viii BAB I PENDAHULUAN Latar Belakang Identifikasi Masalah Perumusan Masalah Tujuan Pembatasan Masalah Sistematika Penulisan 2 BAB II LANDASAN TEORI Pengolahan Citra Digital Pengantar Pengolahan Citra Digital Citra Kontinyu Citra Digital Pixel Warna Pada Citra Digital RGB Grayscale Biner Tresholding Histogram Cropping Pixel Tetangga Shape Factor C# Pengolahan Citra Digital menggunakan C# Class GDI Pointer Method 15

4 vi BAB III PERANCANGAN PERANGKAT LUNAK Perancangan Antarmuka Perangkat Lunak Perancangan Antarmuka Form Utama Perancangan Antarmuka Form Splash Screen Perancangan Antarmuka Form Konverter ke Biner Perancangan Antarmuka Form Konverter ke Kode Perancangan Antarmuka Form Klasifikasi Objek Alur Kerja Perangkat Lunak Konversi Citra ke Grayscale Konversi ke Biner Pemisahan Latar Belakang dan Objek Terjemahkan Citra ke Dalam Bentuk Objek Labelisasi Pengenalan dan Pengklasifikasian Objek Penghitungan Banyak Objek Tampilkan Banyak Objek Perklasifikasi 40 BAB IV PENGAMATAN DAN ANALISA DATA Pengamatan Objek Pengamatan Citra Pengamatan Analisis Data 49 BAB V KESIMPULAN DAN SARAN Kesimpulan Saran 56 DAFTAR PUSTAKA 57 LAMPIRAN A - SCREEN SHOOT A LAMPIRAN B - LISTING PROGRAM B LAMPIRAN C - PENGENALAN VISUAL C# C

5 vii DAFTAR TABEL Tabel 3.1 Kontrol dan properti pada form utama 19 Tabel 3.2 Kontrol dan properti pada splash screen 20 Tabel 3.3 Kontrol dan properti pada form konverter ke biner 22 Tabel 3.4 Kontrol dan properti pada form konverter ke kode 23 Tabel 3.5 Kontrol dan properti pada form klasifikasi 25 Tabel 4.1 Objek - objek yang digunakan dalam pengamatan 41 Tabel 4.2 Data pengamatan - 1 objek 1 jenis 43 Tabel 4.3 Data pengamatan - 2 objek 1 jenis 44 Tabel 4.4 Data pengamatan - 3 objek 1 jenis 45 Tabel 4.5 Data pengamatan - Banyak objek 3 jenis 46 Tabel 4.6 Data pengamatan - Banyak objek 4 jenis 47 Tabel 4.7 Data pengamatan - Banyak objek 5 jenis 48 Tabel 4.8 Data pengamatan penghitungan objek 50 Tabel 4.9 Data pengamatan pengklasifikasian objek 51

6 viii DAFTAR GAMBAR Gambar 2.1 Contoh pixel yang di dapat dari perbesaran suatu citra 5 digital Gambar 2.2 Nilai - nilai tingkat kecerahan suatu warna pada suatu 6 pixel Gambar 2.3 Warna - warna yang dapat dihasilkan oleh ketiga layer 7 warna RGB Gambar 2.4 Grafik histogram pada suatu citra digital 11 Gambar 2.5 Proses cropping pada citra digital 11 Gambar 2.6 Pixel - pixel tetangga 12 Gambar 3.1 Diagram perancangan form 17 Gambar 3.2 Form Utama 18 Gambar 3.3 Form Splash Screen 21 Gambar 3.4 Form konverter ke biner 21 Gambar 3.5 Form konverter ke kode 23 Gambar 3.6 Form klasifikasi objek 24 Gambar 3.7 Diagram alir alur kerja perangkat lunak 27 Gambar 3.8 Diagram alir alur kerja konversi citra ke grayscale 28 Gambar 3.9 Diagram alir alur kerja konversi citra ke biner 31 Gambar 3.10 Diagram alir alur kerja pemisahan objek dengan latar 32 belakang Gambar 3.11 Diagram alir alur kerja konversi citra ke kode 33 Gambar 3.12 Diagram alir alur kerja labelisasi 35 Gambar 3.13 Diagram alir alur kerja menentukan shape factor 37 Gambar 3.14 Diagram alir alur kerja menentukan klasifikasi bedasarkan 38 shape factor Gambar 4.1 Objek - objek yang digunakan dalam pengujian 41