BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Pada penelitian ini dilakukan kombinasi edges detectionpada citra manuscripts kuno dengan mengimplementasikan metode gradientedges detection operator Sobel dengan Prewitt. Edge detection adalah operasi untuk mendeteksi garis tepi (edges) yang membatasi dua wilayah citra homogen yang memiliki tingkat kecerahan yang berbeda. Deteksi tepi sebuah citra dapat dilakukan dengan menghitung selisih antara dua buah titik yang bertetangga sehingga didapat besar gradien citra. Proses yang digunakan oleh operator Sobel dan Prewitt merupakan proses dari sebuah konvolusiyang telah ditetapkan terhadap citra yang terdeteksi. Pada metode Gradient ini dilakukan menghitung besarnya vektor dan nilai Gradient yang menggunakan turunan pertama dari persamaan dua dimensi yang didefinisikan sebagai vektor. Manuscripts kuno sering sekali mengandung noiseseperti perubahan warna kertas menjadi kekuningan atau kecoklatan karena tersimpan cukup lama. Perubahan warna tersebut umumnya terjadi padabeberapa tempatyang disebut sebagai fox. Noise tersebut dapat mengganggu pandangan dan dapat merubah tulisan padamanuscripts kuno tersebut. Untuk mendapatkan hasil edges detection yang terbaik, maka dilakukan kombinasi antara edges detectionmenggunakan operator Sobel dan Prewitt pada manuscripts kuno tersebut. Hasil dari deteksi tepi adalah peningkatan ketegasan tepitepi tulisan pada manuscripts kuno agar lebih mudah dalam pengamatan bagi orang yang sedang mengamatinya.
25 Pada penelitian ini dilakukan perbandingan hasil deteksi tepi antara operator Gradient yaitu Sobel, Prewitt serta Kombinasi. Operator Sobel dalam mendeteksi tepi suatu citra digital adalah sebagai berikut: Citra masukan berupa citra grayscale. 1. Konvolusikan citra grayscale dengan kernel Sobel horizontal dan kernel Sobel vertical. 2. Hitung besar gradient. 3. Citra keluaran merupakan hasil dari besar gradient (G). Operator Sobel menggunakan dua matriks kernel 3 x 3 S x dan S y seperti Gambar 3.1. -1 0 1-1 -2-1 Sx -2 0 2 Sy 0 0 0-1 0 1 1 2 1 Gambar 3.1 Matriks Kernel Sobel Pada deteksi tepi dengan metode gradient Prewitt menggunakan derivatif pertama untuk menemukan tepi dilakukan dengan langkah-langkah: 1. Penentuan gradient citra untuk mengetahui intensitas variasi lokal dengan melakukan konvolusi dengan matriks konvolusi G x dan G y. Matriks konvolusi G x dan G y diperoleh dari pendekatan diskret derivatif parsial fungsi f(x,y). 2. Penentuan magnitude citra sebagai tepi serta penentuan besar sudut atau arah untuk mengetahui kecenderungan arah tepi lokal. Metode Gradient Prewitt menggunakan dua matriks kernel 3 x 3 P x dan P y dengan nilai konstanta C=1, seperti Gambar 3.2. -1 0 1-1 -1-1 Sx -1 0 1 Sy 0 0 0-1 0 1 1 1 1 Gambar 3.2 Matriks Kernel Gradient Prewitt
26 Pada deteksi tepi dengan metode Kombinasi menggunakan derivatif pertama untuk menemukan tepi citra serta menggunakan kernel Sobel horizontal dan kernel Prewitt vertical. Deteksi tepi dengan Kombinasi dilakukan dengan langkah-langkah: 1. Penentuan gradient citra untuk mengetahui intensitas variasi lokal dengan melakukan konvolusi dengan matriks konvolusi S x dan P y menggunakan kernel Sobel dan Prewitt. 2. Penentuan magnitude citra sebagai tepi serta penentuan besar sudut atau arah untuk mengetahui kecenderungan arah tepi lokal. Deteksi tepi dengan metode Kombinasi menggunakan dua matriks kernel 3 x 3 K x dan K y seperti Gambar 3.3. -1 0 1-1 -1-1 Kx -2 0 2 Ky 0 0 0-1 0 1 1 1 1 Gambar 3.3 Matriks Kernel Kombinasi 3.1.1 Flowchart Penelitian sistem Flowchartpenelitian menjelaskan alur proses mengenai deteksi tepi citra dengan mengkombinasikan metode Gradient Prewitt dengan Sobel seperti halnya pada Gambar 3.4 berikut dibelakang
27 Input citra Mulai Hitung nilai piksel citra Deteksi tepi Sobel Proses deteksi tepi citra dengan Sobel Tidak Ya Tidak Deteksi tepi Prewitt Tidak Ya Proses deteksi tepi citra dengan Prewitt Hasil citra, MSE Selesai Deteksi tepi Kombinasi Tidak Proses deteksi tepi citra dengan Kombinasi Ya Tidak Gambar 3.4 FlowchartPenelitian Keterangan: Arsitektur umum program yang akan dibangun yaitu sebagai berikut: a. Input Citra Input citra berupa file citra manuscript kuno. b. Hitung nilai piksel citra Setiap citra yang diinput akan dihitung nilai pikselnya berupa nilai red,green dan blue (RGB). c. Deteksi Tepi Sobel, Gradient Prewittdan Kombinasi Pada tahap ini user akan memilih deteksi tepi apa yang ingin diproses. d. Proses deteksi tepi Sobel,Gradient Prewitt dan Kombinasi Pada tahap ini sistem akan melakukan pemrosesan terhadap citra dengan deteksi tepi Sobel, Gradient Prewitt dan kombinasi. e. Hasil citra, nilai MSE.
28 Pada tahap ini dilakukan perbandingan hasil deteksi tepi citra manuscript kuno dengan mengambil kesimpulan mana yang paling baik. 3.1.2 Flowchart Edges Detection Metode Sobel Flowchart Edges Detectiondengan metode Sobeldapat dilihat seperti pada Gambar 3.5. Start Input Citra Manuscript Hitung Jumlah Piksel Citra Pembagian Citra menjadi Blok3x3 Piksel (n) Baca Citra Blokn Hitung Nilai Grayscale Citra Blok n Hitung Nilai Biner Citra Blok n Hitung Gradien (M) dengan Kernel Sobel S x dan S y Petakan Nilai M ke Piksel Citra Baru Blok(n) =Blok(n)-1 Blok(n) =0? No A Yes
29 A Simpan Hasil Edges Detection Tampilkan Citra Edges Detection Stop Gambar 3.5 Flowchart Edges DetectionMetode Sobel Keterangan gambar: Pada citra inputan, dilakukan pembacaan nilai pixel untuk pembentukan matriksgrayscale dan biner.proses perhitungan gradient dilakukan pada matriks citra 3 x 3 pixel dengan kerner Sobel S x dan S y. Hasil perhitungan gradient dipetakan ke pixelpada matriks citra baru sebagai citra hasiledges Detection. 3.1.3 FlowchartEdges DetectionMetode Gradient Prewitt Flowchart Edges Detection dengan metode Gradient Prewittdapat dilihat seperti pada Gambar 3.6. Start Input Citra Manuscript Hitung Jumlah Piksel Citra Pembagian Citra menjadi Blok3x3 Piksel (n) A
30 A Baca Citra Blokn Hitung Nilai Grayscale Citra Blok n Hitung Nilai Biner Citra Blok n Hitung Gradien (M) dengan Kernel PrewittP x dan P y Petakan Nilai M ke Piksel Citra Baru Yes Blok(n) =Blok(n)-1 Blok(n) =0? No Simpan Hasil Edges Detection Tampilkan Citra Edges Detection Stop Gambar 3.6 Flowchart Edges DetectionMetode Gradient Prewitt Keterangan gambar: Pada citra inputan, dilakukan pembacaan nilai pixel untuk pembentukan matriksgrayscale dan biner.proses perhitungan gradient dilakukan pada matriks citra 3 x 3 pixel dengan kerner Prewitt P x dan P y. Hasil perhitungan gradient dipetakan ke pixel pada matriks citra baru sebagai citra hasiledges Detection.
31 3.1.4 Flowchart Edges Detection Metode Kombinasi Flowchart Edges Detection dengan metode Kombinasi dapat dilihat seperti pada Gambar 3.7. Start Input Citra Manuscript Hitung Jumlah Piksel Citra Pembagian Citra menjadi Blok3x3 Piksel (n) Baca Citra Blokn Hitung Nilai Grayscale Citra Blok n Hitung Nilai Biner Citra Blok n Hitung Gradien (M) dengan Kernel KombinasiK x dan K y Petakan Nilai M ke Piksel Citra Baru Blok(n) =Blok(n)-1 Blok(n) =0? No Yes Simpan Hasil Edges Detection A
32 A Tampilkan Citra Edges Detection Stop Gambar 3.7 Flowchart Edges DetectionMetode Kombinasi Keterangan gambar: Pada citra inputan, dilakukan pembacaan nilai pixel untuk pembentukan matriksgrayscale dan biner.proses perhitungan gradient dilakukan pada matriks citra 3 x 3 pixel dengan kerner Kombinasi K x dan K y. Hasil perhitungan gradient dipetakan ke pixel pada matriks citra baru sebagai citra hasiledges Detection. 3.1.5 Pembagian Citra menjadi Ukuran 3 x 3 Pixel Untuk menyesuaikan dengan operator Sobel, Prewitt serta Kombinasi, maka ukuran citra yang akan diolah dibagi dengan blok-blok dengan ukuran 3 x 3 pixel perblok seperti yang terlihat pada Gambar 3.8. Gambar 3.8 Pengolahan Citra 3 x 3 Pixel
33 Pada Gambar 3.8 terlihat urutan pengolahan blok citra dengan ukuran 3 x 3 pixel dimulai mulai sebelah kiri atas sampai ke blok kanan bawah. 3.1.6 Perhitungan Nilai Warna RGB Sebelum melakukan pengolahan citra,terlebih dahulu dilakukan pembacaan dan penghitungan nilai Pixel. Sebagai contoh diberikan citra manuscript kuno berdimensi 3 x 3 pixel seperti pada Gambar 3.9. Blok Image 3 x 3 Pixel Gambar 3.9 Citra manuscript Kuno (3 x 3 Pixel) Citra pada Gambar 3.9 di atas dilakukan penghitungan nilai komponen warna RGB-nya dengan membagi citra dalam Pixel- Pixel. Sebagai contoh diberikan cuplikan citra 3 x 3 pixel yang berasal dari citramanuscript kuno yang dapat dilihat seperti pada Gambar 3.10. Gambar 3.10Blok Citra (3 x 3 Pixel) Citra pada Gambar 3.10 di atas dilakukan pembacaan nilai pixel pada data bitmap Cover Image (3 x 3 Pixel) seperti pada Gambar 3.11 dibelakang.
34 >>>>>>>>>>>><Header><<<<<<<<<<<<<<<<<<< >>>>>>>>>>>><data bitmap><<<<<<<<<<<<<<<< Pixel (0,0) Pixel (0,1) Pixel -(i,j) 110110001010011111110011101100111011010011010100...1 00101111010011010011011111101101011110011111101...110100111011011010010101100001101111010110110101 Gambar 3.11Nilai PixelBlok Citra (3 x 3 Pixel) 3.1.7 Perhitungan Nilai Grayscale Untuk mendapatkan masing-masing nilai R, G dan B dilakukan operasi modulo (sisa bagi) dengan rumus sebagai berikut: Nilai R = C(i,j)and 255..... (3.1) Nilai G = (C(i,j)and 65280) / 256........ (3.2) Nilai B = (C(i,j)and 16711680) / 256/256.......... (3.3) Dimana C(i,j) adalah nilai piksel citra pada kordinat (i,j) dalam biner. Pada Gambar 3.2 di atas memiliki nilai piksel antara lain: a. Nilai piksel (0,0)= 110110111010011000110011. Nilai R = 110110001010011111110011and 11111111 = 11 0011= 51 (dec) Nilai G = (110110111010011000110011and 1111111100000000)/ 100000000 = 1010 0110= 166 (dec). Nilai B = (110110111010011000110011and 111111110000000000000000)/ 100000000/100000000 = 1101 1011= 219 (dec). b. Nilai piksel (0,1)= 101100111011010011010100. Nilai R = 101100111011010011010100 and 11111111 = 1101 0100 = 212 (dec) Nilai G = (101100111011010011010100 and 1111111100000000)/ 100000000 = 1011 0100= 180 (dec). Nilai B = (101100111011010011010100 and 111111110000000000000000)/ 100000000/100000000 = 1011 0011= 179 (dec). Untuk mencari nilai pixel selanjutnya sampai dengan pixel (3,3) dihitung dengan cara yang sama seperti diatas. Dari hasil perhitungan nilai RGB blok citra di atas dimasukkan pada matriks citra RGB seperti pada Gambar 3.12 dibelakang.
35 R=51 G=166 B=219 R=52 G=110 B=125 R=50 G=50 B=0 R=212 G=180 B=179 R=70 G=100 B=10 R=40 G=85 B=90 R=100 G=80 B=90 R=144 G=40 B=10 R=122 G=100 B=45 Gambar 3.12 Matriks RGB Blok Citra Matriks nilai di atas lalu ditransformasikan menjadi citra grayscale dengan menghitung rata-rata warna Red, Green dan Blue. Secara matematis penghitungannya nilai grayscale dengan rumus sebagai berikut. f (i,j) = fr (x,y)+ f G (x,y)+ f B (x,y)... (3,4) 3 untuk piksel (0,0) adalah: f(0,0) = f(0,1) = f(0,2) = f(0,3) = f(0,4) = f(0,5) = 51+166+ 219 3 212+180 + 179 3 100+80+ 90 3 52+110+ 125 3 70+100+ 10 3 144+40+ 10 3 = 145 = 190 = 90 = 95 = 60 = 64 f(0,6) = 50+50+ 0 = 33 3 f(0,7) = f(0,8) = 40+85+ 90 3 122+100 + 45 3 = 71 = 89 Selanjutnya hasil perhitungan nilai grayscale di atas dimasukkan ke dalam matriks citra grayscale seperti pada Gambar 3.13 dibelakang.
36 145 190 90 95 60 64 33 71 89 Gambar 3.13Matriks Grayscale Blok Citra 3.1.8 Perhitungan Nilai Biner (Binerisasi) Binerisasi adalah proses untuk mengubah warna citra menjadi hanya dua nilai yaitu 0 dan 1. Proses binerisasi pada matriks citra pada Gambar 3.10 di atas adalah dengan teknik threshold, dimana nilai grayscale dibawah 128 dimasukkan ke dalam nilai 0 sedangkan nilai grayscale diatas 128 dimasukkan ke nilai 1. Proses threshold dapat dilihat sebagai berikut. Nilai 145 1 Nilai 190 1 Nilai 90 0 Nilai 95 0 Nilai 60 0 Nilai 64 0 Nilai 33 0 Nilai 71 0 Nilai 89 0 Nilai threshold diatas dimasukkan pada matriks citra biner seperti pada Gambar 3.14. 1 1 0 0 0 0 0 0 0 Gambar 3.14Matriks Citra Biner
37 3.1.9 Inisialisasi Kernel 3.1.9.1 Inisialisasi Kernel Sobel Deteksi tepi berfungsi untuk mempertegas batas batas citra atau untuk meningkatkan penampakan objek dengan latar belakang citra. Pada operator Sobel digunakan dua buah kernel seperti pada Gambar 3.15. -1 0 1 1 2 1-2 0 2 0 0 0-1 0 1-1 -2-1 S x Gambar 3.15 Dua Buah Kernel Sobel S y 3.1.9.2 Perhitungan Gradien (M) Sobel Pada citra manuscript kuno dilakukan edges detection dengan mengambil 1 blok citra 3 x 3 Pixel seperti pada Gambar 3.16. 1 1 0-1 0 1 1 2 1 0 0 0-2 0 2 0 0 0 0 0 0-1 0 1-1 -2-1 Gambar 3.16 Matriks citra 3x3 Pixel dengan Dua Kernel Sobel sx = 1(-1) + 0(-2) + 0(-1) +0(1) +0(2) + 0(1) = -1-0 -0 + 0 + 0 + 0 = -1 sy = 1(1)+1(2)+0(1)+0(-1)+0(-2)+ 0(-1) = 1 +1 +0-0-1-0 = 1 Perhitungan nilai gradien (M) adalah sebagai berikut: M = s x + s y M = -1 + 1 M = 2
38 Nilai gradien yang diperoleh adalah 2, karena 2 adalah < 128, maka 2 dimasukkan ke dalam nilai 0. 3.1.9.3 Pemetaan Nilai Gradien ke Citra baru Citra hasil gradien yang diperoleh sebesar 2 dari perhitungan edges detection untuk pixel blok 3 x 3 dipetakan ke citra baru seperti pada Gambar 3.17. 1 1 0 0 0 0 0 0 0 Gambar 3.17 Matriks Hasil Edges Detection Citra 3x3 3.1.9.4 Inisialisasi Kernel Prewitt Deteksi tepi berfungsi untuk mempertegas batas batas citra atau untuk meningkatkan penampakan objek dengan latar belakang citra. Operator Prewitt menggunakan dua buah kernel seperti pada Gambar 3.18. -1 0 1-1 -1-1 -1 0 1 0 0 0-1 0 1-1 -1-1 S x Gambar3.18 Dua Buah Kernel Prewitt S y 3.1.9.5 Perhitungan Gradien (M) Prewitt Pada citra manuscript kuno dilakukan edges detection dengan mengambil 1 blok citra 3 x 3 Pixel seperti pada Gambar 3.19.
39 1 1 0-1 0 1-1 -1-1 0 0 0-1 0 1 0 0 0 0 0 0-1 0 1-1 -1-1 Gambar 3.19 Matriks citra 3x3 Pixel dengan Dua Kernel Prewitt sx = 1(-1) + 0(-1) + 0(-1) +0(1) +0(1) + 0(1) = -1-0 -0 + 0 + 0 + 0 = -1 sy = 1(-1)+1(-1)+0(1)+0(-1)+0(-1)+ 0(-1) = -1-1 +0-0-0-0 = -2 Perhitungan nilai gradien (M) adalah sebagai berikut: M = s x + s y M = -1 + -2 M = -3 Nilai gradien yang diperoleh adalah 3, karena 3 adalah < 128, maka 3 dimasukkan ke dalam nilai 0. 3.1.9.6 Pemetaan Nilai Gradien ke Citra baru Citra hasil gradien yang diperoleh sebesar 2 dari perhitungan edges detection untuk pixel blok 3 x 3 dipetakan ke citra baru seperti pada Gambar 3.20. 1 1 0 0 0 0 0 0 0 Gambar 3.20 Matriks Hasil Edges Detection Citra 3x3
40 3.1.9.7 Inisialisasi Kernel Kombinasi Deteksi tepi berfungsi untuk mempertegas batas batas citra atau untuk meningkatkan penampakan objek dengan latar belakang citra. Operator Kombinasi menggunakan dua buah kernel seperti pada Gambar 3.21. K x K y -1 0 1-1 -1-1 -2 0 2 0 0 0-1 0 1-1 -1-1 Gambar 3.21 Dua Buah Kernel Kombinasi 3.1.9.8 Perhitungan Gradien (M) Kombinasi Pada citra manuscript kuno dilakukan edges detection dengan mengambil 1 blok citra 3 x 3 Pixel seperti pada Gambar 3.22. 1 1 0-1 0 1-1 -1-1 0 0 0-2 0 2 0 0 0 0 0 0-1 0 1-1 -1-1 Gambar 3.22 Matriks citra 3x3 Pixel dengan Dua Kernel Kombinasi sx = 1(-1) + 0(-2) + 0(-1) +0(1) +0(2) + 0(1) = -1-0 -0 + 0 + 0 + 0 = -1 sy = 1(-1)+1(-1)+0(1)+0(-1)+0(-1)+ 0(-1) = -1-1 +0-0-0-0 = -2 Perhitungan nilai gradien (M) adalah sebagai berikut: M = s x + s y M = -1 + -2 M = -3 Nilai gradien yang diperoleh adalah 3, karena 3 adalah < 128, maka 3 dimasukkan ke dalam nilai 0.
41 3.1.9.9 Pemetaan Nilai Gradien ke Citra baru Citra hasil gradien yang diperoleh sebesar 2 dari perhitungan edges detection untuk pixel blok 3 x 3 dipetakan ke citra baru seperti pada Gambar 3.23. 1 1 0 0 0 0 0 0 0 Gambar 3.23 Matriks Hasil Edges Detection Citra 3x3 3.2 Perancangan Pada tahap perancangan ini akan dibahas mengenai arsitektur umum, perancangan User Interface. 3.2.1 Perancangan Antarmuka (User interface) Perancangan antar muka adalah rancangan tampilan yang menghubungkan pengguna (user) dengan komputer dengan bantuan program. Salah satu syarat pembuatan antar muka adalah berorientasi pada mudah digunakan (user friendly) serta informatif. 3.2.1.1 Rancangan Menu Utama Rancangan Menu Utama merupakan tampilan yang pertama kali muncul saat program dijalankan. Pada rancangan ini terdapat menu Edges Detection, Help, About dan Exit. Menu Deteksi Tepi berfungsi untuk menampilkan sub programedges Detection,Help berfungsi untuk menampilkan informasi bantuan,about berfungsi untuk menampilkan keterangan seputar aplikasi yang dibangun dan Exit berfungsi untuk keluar dari sistem. Rancangan Menu Utama terlihat seperti pada Gambar 3.24 dibelakang. Edges Detection Op Sobel Help About Exit 4 5 6
42 1 3 Judul Skripsi 7 Gambar Pembukaan 8 Gambar 3.24 Rancangan Menu Utama Keterangan: 1. Menu item : berfungsi untuk menjalankan file pengolahan citra Edges Detection 2. Menu Item : berfungsi untuk menjalankan program brightness citra. 3. Menu Item : berfungsi untuk menjalankan program menampilkan perhitungan Edges Detection. 4. Menu Item : berfungsi untuk menjalankan program bantuan tatacara pengoperasian aplikasi 5. Menu Item : berfungsi untuk menjalankan program keterangan seputar aplikasi. 6. Menu Item : berfungsi untuk menutup aplikasi pengolahan citra 7. Label : berfungsi untuk menampilkan judul aplikasi 8. Picture Box : berfungsi untuk menampilkan gambar latar belakang 3.2.1.2 Rancangan FormEdges Detection Rancangan FormEdges Detection berfungsi sebagai pengolahan citra dengan teknik Edges Detection menggunakan operator Sobel, Prewitt serta Kombinasi.Citra yang diolah adalah citra teks manuscript kuno yang berformat.jpg dan.bmp. Fungsi tombol yang terdapat pada rancangan ini adalah: Tombol Load Citra adalah tombol untuk melakukan pemanggilan file citra dari memori komputer dan menampilkannya pada picture box, tombol Proses untuk melakukan proses Edges Detection, tombol Bersih
43 untuk melakukan pembersihan tampilan dan tombol Save untuk melakukan penyimpanan citra hasil Edges Detection kedalam komputer, tombol Exit untuk menutup tampilan form. Rancangan formedges Detection dapat dilihat seperti pada Gambar 3.25. Tampilan Citra Asli Tampilan Citra HasilDeteksi Tepi Sobel Tampilan Citra HasilDeteksi Tepi Prewitt Tampilan Citra HasilDeteksi Tepi Kombinasi 1 2 3 4 Save 5 Save 6 Save Nama File xxxxxxxxxxxxxxxxxxxxxxxxx Nama File 8 xxxxxxxxxxxxxxxxxxxxxxxx Dimensi xxxxx 9 Ukuran xxxxx 11 7 10 Load Process Clear Exit Nilai MSE xxxxx 16 12 13 14 15 Gambar 3.25 Rancangan FormEdges Detection Keterangan: 1. Picture Box : berfungsi untuk menampilkan citra asli 2. Picture Box : berfungsi untuk menampilkan citra hasil Edges Detection Sobel 3. Picture Box : berfungsi untuk menampilkan citra hasil Edges Detection Prewitt 4. Picture Box : berfungsi untuk menampilkan citra hasil Edges Detection Kombinasi 5. Button : berfungsi sebagai tombol untuk menyimpan citra hasil seteksi tepi Sobel. 6. Button : berfungsi sebagai tombol untuk menyimpan citra hasil seteksi tepi Prewitt.
44 7. Button : berfungsi sebagai tombol untuk menyimpan citra hasil seteksi tepi Kombinasi. 8. Label : berfungsi untuk menampilkan nama file citra asli. 9. Label : berfungsi untuk menampilkan dimensi citra asli 10. Label : berfungsi untuk menampilkan nama file citra hasil Edges Detection. 11. Label : berfungsi untuk menampilkan ukuran file citra hasil Edges Detection. 12. Button: berfungsi sebagai tombol untuk menampilkan citra asli. 13. Button : berfungsi sebagai tombol untuk melakukan proses Edges Detection. 14. Button : berfungsi sebagai tombol untuk melakukan pembersihan form Edges Detection. 15. Button : berfungsi sebagai tombol untuk menutup form Edges Detection. 16. Label : berfungsi untuk menampilkan nilai MSE citra hasil Edges Detection. 3.2.1.3 Rancangan Help Rancangan Help adalah tampilan sederhana yang hanya memiliki satu tombol yaitu tombol Keluar. Rancangan ini berguna untuk menampilkan informasi tentang tata cara pengoperasian aplikasi yang dijelaskan tahap demi tahap. Untuk lebih jelasnya rancangan Help dapat dilihat seperti pada Gambar 3.26. Identitas Penulis
45 Logo Usu Gambar 3.26 Rancangan Help 3.2.1.4 Rancangan About Rancangan About ini berfungsi menampilkan informasi tentang penjelasan dari demo program yang dibuat. Rancangan About dapat dilihat seperti pada Gambar 3.27. Judul Skripsi Penjelasan Tentang program xxxxxxxxxxxxxxxx Tutup Gambar 3.27 Rancangan About
46 BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi Algoritma edges detection menggunakan operator Sobel untuk melakukan memperbaiki kualitas citra teks dengan cara memperjelas batas-batas objek pada citra. Implementasi dari perangkat lunak dari edges detection berupa tampilan hasil rancangan dari penulisan kode program dimulai dari program Menu Utama yang terdiri dari menu Edges Detection, Help,About serta Exit. Dalam implementasi perangkat lunak ini juga dijelaskan spesifikasi perangkat lunak dan keras yang digunakan dalam melakukan pengujian perangkat lunak dalam melakukan Edges Detection. 4.1.1 Spesifikasi Hardware dan Software yang Digunakan Spesifikasi perangkat keras (hardware) dan perangkat lunak (software) yang digunakan untuk membangun perangkat lunak edges detection menggunakan operator Sobel untuk memperbaiki kualitas citra teks adalah: Satu unit komputer atau laptop dengan spesifikasi sebagai berikut: 1. Processor Intel Core i3 CPU M 350 @ 2.27GHz 2. RAM 2.00 GB (1.5 GB usable) 3. Hardisk kapasitas 500 GB. 4. VGA cardnvidia GeForce 210 GPU 64-bit 5. Keyboard dan mouse Sedangkan spesifikasi software untuk sistem operasi komputer pada laptop adalah: 1. Microsoft Windows 7 Ultimate 64-bit 2. Microsoft Visual Studio 2010.NET
47 4.1.2 Tampilan Menu Utama Tampilan Menu Utama merupakan tampilan yang berisi judul skripsi, gambar latar serta tampilan menu. Tampilan Menu terdiri dari menu Edges Detection, Help,About serta Exit. Tampilan Menu Utama dapat dilihat pada Gambar4.1. Gambar 4.1 Tampilan Menu Utama 4.1.3 Tampilan Form Edges Detection Tampilan Edges Detection merupakan tampilan berguna untuk melakukan proses Edges Detectiondengan operator Sobel, Prewitt dan Kombinasi. Tampilan form Edges Detection dapat dilihat pada Gambar 4.2 dibelakang.
48 Gambar 4.2 Tampilan FormEdges Detection Keterangan: Pada Gambar 4.2 diatas adalah tampilan awal citra manuscript kuno yang telah di Load dari memori komputer yang berukuran 650 x 500 pixel.untuk melakukan Edges Detection, maka pilih tombol Processdan hasilnya dapat dilihat seperti Gambar 4.3. Gambar 4.3 Tampilan Hasil Edges Detection Pada Gambar 4.3, terlihat hasil edges detection citra manuscript kuno dengan fox telah hilang yang nama file 240.bmp yang berukuran 423 kb.
49 4.1.4 Tampilan Help Tampilan Help berfungsi untuk menampilkan penjelasan program dan tutorial program. Tampilan Help dapat dilihat pada Gambar 4.4. Gambar 4.4 Tampilan Help 4.1.5 Tampilan About Tampilan About berfungsi untuk menampilkan keterangan tentang identitas dari penulis. Berikut tampilan About dapat dilihat pada Gambar 4.5.
50 Gambar 4.5 Tampilan About 4.2 Pengujian Aplikasi Edges Detection Hasil Pengujian edges detection menggunakan operator Sobel untuk memperbaiki kualitas citra teksberfungsi untuk menampilkan hasiledges detection citra pada citra manuscript. Adapaun jumlah citra yang diuji adalah 3 citra berformat JPG dan 3 citra berformat BMP. 4.2.1 Pengujian Citra Format JPG Operator Sobel Pengujian edges detection menggunakan operator Sobel sebagai berikut: 1. Citra 201.jpg (Museum Negeri Sumatera Utara, 2016) Gambar 4.6 Tampilan Hasil Edges DetectionOperator Sobel File Citra 201.jpg
51 Pada Gambar 4.6fox pada citra teks manuscript dapat dikurangi dengan hasil Edges Detection yang lebih jelas dengan warna tulisan dibuat keabu-abuan serta warna kertas hitam. Hasil edges detection pada objek yang berwarna merah muda memberikan hasil yang kurang baik karna memiliki nilai warna 50 dengan nilai MSE 18.831.
52 2. Citra 204.jpg (Museum Negeri Sumatera Utara, 2016) Gambar 4.7 Tampilan Hasil Edges DetectionOperator Sobel File Citra 204.jpg Pada Gambar 4.7fox pada citra teks manuscript dapat dikurangi dengan hasil yang lebih jelas dengan warna tulisan dibuat keabu-abuan serta warna putih telah berubah menjadi hitam karna nilai warna putih menjadi 204 dengan MSE 2.236. 3. Citra 225.jpg(Museum Negeri Sumatera Utara, 2016) Gambar 4.8 Tampilan Hasil Edges Detection Operator Sobel File Citra 225.jpg Pada Gambar 4.8fox pada citra teks manuscript dapat dikurangi dengan hasil teks manuscript sehingga teks pada citra 225 terlihat jelas dengan MSE 4.242.
53
54 4. Citra 1.jpg Gambar 4.9 Tampilan Hasil Edges Detection Operator Sobel File Citra 1.jpg Pada Gambar 4.9fox pada citra teks manuscript dapat dikurangi dengan hasil teks manuscript sehingga teks pada citra 1.jpg terlihat jelas dengan MSE 4.33. 5. Citra 2.jpg Gambar 4.10 Tampilan Hasil Edges Detection Operator Sobel File Citra 2.jpg Pada Gambar 4.10fox pada citra teks manuscript dapat dikurangi dengan hasil teks manuscript sehingga teks pada citra 2.jpg terlihat jelas dengan MSE 6.70.
55 6. Citra 3.jpg Gambar 4.11 Tampilan Hasil Edges Detection Operator Sobel File Citra 3.jpg Pada Gambar 4.11fox pada citra teks manuscript dapat dikurangi dengan hasil teks manuscript sehingga teks pada citra 3.jpg terlihat jelas dengan MSE 11.83. 4.2.2 Pengujian Citra Format JPG Operator Prewit Pengujian edges detection menggunakan operator Prewit sebagai berikut: 1. Citra 201.jpg (Museum Negeri Sumatera Utara, 2016) Gambar 4.12 Tampilan Hasil Edges Detection Operator Prewit File Citra 201.jpg
56 Pada Gambar 4.12fox pada citra teks manuscript dapat dikurangi dengan hasil deteksi prewit, dibandingkan dengan sobel diatas fox dikurangi lebih banyak, sehingga citra terlihat lebih baik dengan MSE 9.59. 2. Citra 204.jpg (Museum Negeri Sumatera Utara, 2016) Gambar 4.13 Tampilan Hasil Edges DetectionOperator Prewit File Citra 204.jpg Pada Gambar 4.13fox pada citra teks manuscriptdikurangi dengan deteksi tepi prewit. Maka citra yang dihasilkan lebih baik disbanding sobel dengan MSE 10.34. 3. Citra 225.jpg(Museum Negeri Sumatera Utara, 2016) Gambar 4.14 Tampilan Hasil Edges DetectionOperator Prewit File Citra 225.jpg
57 Pada Gambar 4.14fox pada citra teks manuscript dapat dikurangi dengan memblurkan fox dengan menggunakan deteksi tepi prewit. Namun tepi citra belum terlihat jelas dengan MSE 1.73
58 4. Citra 1.jpg Gambar 4.15 Tampilan Hasil Edges DetectionOperator Prewit File Citra 1.jpg Pada Gambar 4.15fox pada citra teks manuscript dapat dikurangi dengan hasil deteksi prewit, dibandingkan dengan sobel diatas fox dikurangi lebih banyak, sehingga citra terlihat lebih baik dengan MSE 12.56. 5. Citra 2.jpg Gambar 4.16 Tampilan Hasil Edges DetectionOperator Prewit File Citra 2.jpg Pada Gambar 4.16fox pada citra teks manuscript dapat dikurangi dengan hasil deteksi prewit, dibandingkan dengan sobel diatas fox dikurangi lebih banyak, sehingga citra terlihat lebih baik dengan MSE 4.89.
59
60 6. Citra 3.jpg Gambar 4.17 Tampilan Hasil Edges DetectionOperator Prewit File Citra 3.jpg Pada Gambar 4.17fox pada citra teks manuscript dapat dikurangi dengan hasil deteksi prewit, dibandingkan dengan sobel diatas fox dikurangi lebih banyak, sehingga citra terlihat lebih baik dengan MSE 8.12. 4.2.3 Pengujian Citra Format JPG Operator Kombinasi Pengujian edges detection menggunakan operator Kombinasi sebagai berikut: 1. Citra 201.jpg (Museum Negeri Sumatera Utara, 2016) Gambar 4.18 Tampilan Hasil Edges DetectionKombinasi File Citra 201.jpg
61 Pada Gambar 4.18Dapat dilihat dari hasil deteksi kombinasi didapatkan citra yang lebih baik dan jelas. Fox atau noise telah dikurangi sehingga tepi teks menjadi jelas dan tajam dengan MSE 12.6. 2. Citra 204.jpg (Museum Negeri Sumatera Utara, 2016) Gambar 4.19 Tampilan Hasil Edges DetectionKombinasi File Citra 204.jpg Pada Gambar 4.19Sudah tidak ada fox atau noise pada citra 204 dapat dilihat dari hasil deteksi tepi dengan metode kombinasi. Sehingga citra yang dihasilkan menjadi lebih jelas tanpa fox dengan MSE 13.8. 3. Citra 225.jpg(Museum Negeri Sumatera Utara, 2016)
62 Gambar 4.20 Tampilan Hasil Edges DetectionKombinasi File Citra 225.jpg Pada Gambar 4.20fox pada citra teks manuscripttelah dikurangi dengan deteksi tepi kombinasi. Terlihat jelas pada citra asli yang dalam lingkaran terdapat fox atau noise, namub noise tidak terlihat lagi pada hasil deteksi tepi kombinasi. Sehingga didapat citra manuscript yang lebih baik dengan MSE 8.18. 4. Citra 1.jpg Gambar 4.21 Tampilan Hasil Edges DetectionKombinasi File Citra 1.jpg Pada Gambar 4.21Sudah tidak ada fox atau noise pada citra 1.jpg dapat dilihat dari hasil deteksi tepi dengan metode kombinasi. Sehingga citra yang dihasilkan menjadi lebih jelas tanpa fox dengan MSE 12.22. 5. Citra 2.jpg
63 Gambar 4.22 Tampilan Hasil Edges DetectionKombinasi File Citra 2.jpg Pada Gambar 4.22Dapat dilihat dari hasil deteksi kombinasi didapatkan citra yang lebih baik dan jelas. Fox atau noise telah dikurangi sehingga tepi teks menjadi jelas dan tajam dengan MSE 10.78.
64 6. Citra 3.jpg Gambar 4.23 Tampilan Hasil Edges DetectionKombinasi File Citra 3.jpg Pada Gambar 4.23Dapat dilihat dari hasil deteksi kombinasi didapatkan citra yang lebih baik dan jelas. Fox atau noise telah dikurangi sehingga tepi teks menjadi jelas dan tajam dengan MSE 11.78. 4.2.4 Pengujian Citra Format BMP Operator Sobel Pengujian edge detection yang kedua ini adalah dengan menggunakan format citra yang belum dikompresi yaitu format BMP. Hasil pengujian citra dengan format BMP adalah sebagai berikut: 1. Hasil Edges DetectionOperator Sobel Citra 203.bmp
65 Gambar 4.24 Tampilan Hasil Edges DetectionOperator Sobel File Citra 203.bmp Pada Gambar 4.24fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 10.77. 2. Hasil Edges DetectionOperator SobelCitra 254.bmp Gambar 4.25 Tampilan Hasil Edges DetectionOperator Sobel File Citra 254.bmp Pada Gambar 4.25fox pada citra teks manuscript bagian atas kiri dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 3.60. 3. Hasil Edges DetectionOperator SobelCitra 250.bmp
66 Gambar 4.26 Tampilan Hasil Edges Detection Operator Sobel File Citra 250.bmp Pada Gambar 4.26fox pada citra teks manuscript bagian atas kiri dan kanan bawah dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 13.96. 4. Hasil Edges DetectionOperator SobelCitra 1.bmp Gambar 4.27 Tampilan Hasil Edges Detection Operator Sobel File Citra 1.bmp Pada Gambar 4.27fox pada citra teks manuscript bagian atas kiri dan kanan bawah dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 14.62. 5. Hasil Edges DetectionOperator SobelCitra 2.bmp
67 Gambar 4.28 Tampilan Hasil Edges Detection Operator Sobel File Citra 2.bmp Pada Gambar 4.28fox pada citra teks manuscript bagian atas kiri dan kanan bawah dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 9.05.
68 6. Hasil Edges DetectionOperator SobelCitra 3.bmp Gambar 4.29 Tampilan Hasil Edges Detection Operator Sobel File Citra 2.bmp Pada Gambar 4.29fox pada citra teks manuscript bagian atas kiri dan kanan bawah dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 9.59. 4.2.5 Pengujian Citra Format BMP Operator Prewit Pengujian edge detection yang kedua ini adalah dengan menggunakan format citra yang belum dikompresi yaitu format BMP. Hasil pengujian citra dengan format BMP adalah sebagai berikut: 1. Hasil Edges Detection Operator Prewit File Citra 240.bmp
69 Gambar 4.30 Tampilan Hasil Edges Detection Operator Prewit File Citra 240.bmp Pada Gambar 4.30fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 9.84. 2. Tampilan Hasil Edges Detection Operator Prewit File Citra 254.bmp Gambar 4.31 Tampilan Hasil Edges Detection Operator Prewit File Citra 254.bmp Pada Gambar 4.31fox pada citra teks manuscript bagian atas kiri dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 7.07. 3. Tampilan Hasil Edges Detection Operator Prewit File Citra 250.bmp
70 Gambar 4.32 Tampilan Hasil Edges Detection Operator Prewit File Citra 250.bmp Pada Gambar 4.32fox pada citra teks manuscript bagian atas kiri dan kanan bawah dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 17.05. 4. Hasil Edges DetectionOperator Prewit Citra 1.bmp Gambar 4.33 Tampilan Hasil Edges Detection Operator Prewit File Citra 1.bmp Pada Gambar 4.33fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 10.67. 5. Hasil Edges DetectionOperator Prewit Citra 2.bmp Gambar 4.34 Tampilan Hasil Edges Detection Operator Prewit File Citra 2.bmp
71 Pada Gambar 4.34fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 11.18.
72 6. Hasil Edges DetectionOperator Prewit Citra 3.bmp Gambar 4.35 Tampilan Hasil Edges Detection Operator Prewit File Citra 3.bmp Pada Gambar 4.35fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 10.24. 4.2.6 Pengujian Citra Format BMP Operator Kombinasi Pengujian edge detection yang kedua ini adalah dengan menggunakan format citra yang belum dikompresi yaitu format BMP. Hasil pengujian citra dengan format BMP adalah sebagai berikut : 1. Hasil Edges DetectionOperator Kombinasi File Citra 240.bmp Gambar 4.36 Hasil Edges DetectionOperator Kombinasi File Citra 240.bmp
73 Pada Gambar 4.36fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan dengan MSE 6.92. 2. Hasil Edges DetectionOperator Kombinasi File Citra 254.bmp Gambar 4.37 Hasil Edges DetectionOperator Kombinasi File Citra 254.bmp Pada Gambar 4.37fox pada citra teks manuscript bagian atas kiri dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 14.21. 3. Hasil Edges DetectionOperator Kombinasi File Citra 250.bmp Gambar 4.38 Hasil Edges DetectionOperator Kombinasi File Citra 250.bmp
74 Pada Gambar 4.38fox pada citra teks manuscript bagian atas kiri dan kanan bawah dapat dikurangi sehingga teks menjadi lebih jelas dengan MSE 7.07. 4. Hasil Edges DetectionOperator Kombinasi Citra 1.bmp Gambar 4.39 Hasil Edges DetectionOperator Kombinasi File Citra 1.bmp Pada Gambar 4.39fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 9.31. 5. Hasil Edges DetectionOperator Kombinasi Citra 2.bmp Gambar 4.40 Hasil Edges DetectionOperator Kombinasi File Citra 2.bmp
75 Pada Gambar 4.40fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 7.42.
76 6. Hasil Edges DetectionOperator Kombinasi Citra 3.bmp Gambar 4.41 Hasil Edges DetectionOperator Kombinasi File Citra 3.bmp Pada Gambar 4.41fox pada citra teks manuscript berada ditengah citra. Fox yang terlihat seperti tumpahan air ketika dilakukan deteksi tepi fox hilang, sehingga citra terlihat lebih jelas dengan MSE 6.55. 4.2.7 PengujianHasil Angket Edges Detection Pengujian Angket edges detection menggunakan angket dengan lima level skala Likert adalah SB= Sangat Baik, B= Baik, C=Cukup,TB=Tidak Baik,STB=Sangat Tidak Baik adalah sebagai berikut: Tabel 4.1 Hasil Angket Citra Hasil Edges Detection No Nama Citra Jumlah Responden Yang Memilih SB B C TB STB Jumlah 1 Citra Hasil Sobel 0 2 5 3 0 10 2 Citra Hasil Prewit 0 7 3 0 0 10 3 Citra Hasil Kombinasi 4 5 1 0 0 10 Jumlah 4 14 9 3 0 Jumlah Jawaban= 30
77 Rumus Interval yang digunakan adalah: I = 100 / Jumlah Skor (likert) Maka = 100 / 5 = 20 Hasil (I) = 20 adalah intervalnya jarak dari terendah 0 % hingga tertinggi 100% Berikut kriteria interpretasi skornya berdasarkan interval : Angka 0% 19,99% = Sangat Tidak Baik Angka 20% 39,99% = Tidak Baik Angka 40% 59,99% = Cukup Angka 60% 79,99% = Baik Angka 80% 100% = Sangat Baik Nilai Kriteria interpretasi skor berdasarkan interval dapat dilihat seperti pada Tabel 4.2. Tabel 4.2 Nilai Kriteria No Jawaban (%) Keterangan 1 0 19,99 Sangat Tidak Baik 2 20 39,99 Tidak Baik 3 40 59,99 Cukup 4 60 79,99 Baik 5 80 100 Sangat Baik Data bobot nilai yang digunakan dapat dilihat seperti pada Tabel 4.3. Tabel 4.3 Bobot Nilai Nilai Bobot A 5 B 4 C 3 D 2 E 1 Dari data yang didapat diatas kemudian diolah dengan cara mengkalikan setiap point jawaban dengan bobot yang sudah ditentukan dengan tabel bobot nilai. Maka Hasil Perhitungan jawaban responden sebagai berikut :
78 1. Pertanyaan Pertama Citra Hasil Sobel a) Responden yang menjawab Sangat Baik (5) = 0 x 5 = 0 b) Responden yang menjawab Baik (4) = 2 x 4 = 8 c) Responden yang menjawab Cukup (3) = 5 x 3 = 15 d) Responden yang menjawab Tidak Baik (2) = 3 x 2 = 6 e) Responden yang menjawab Sangat Tidak Baik (1) = 0 x 1 = 0 Total Skor untuk citra hasil Metode Sobel = 0 + 8 + 15 + 6 + 0 = 29 2. Pertanyaan Pertama Citra Hasil Prewit a) Responden yang menjawab Sangat Baik (5) = 0 x 5 = 0 b) Responden yang menjawab Baik (4) = 7 x 4 = 28 c) Responden yang menjawab Cukup (3) = 3 x 3 = 9 d) Responden yang menjawab Tidak Baik (2) = 0 x 2 = 0 e) Responden yang menjawab Sangat Tidak Baik (1) = 0 x 1 = 0 Total Skor untuk citra hasil Metode Prewit = 0 + 28+ 9 + 0 + 0 = 37 3. Pertanyaan Pertama Citra Hasil Kombinasi a) Responden yang menjawab Sangat Baik (5) = 4 x 5 = 20 b) Responden yang menjawab Baik (4) = 5 x 4 = 20 c) Responden yang menjawab Cukup (3) = 1 x 3 = 3 d) Responden yang menjawab Tidak Baik (2) = 0 x 2 = 0 e) Responden yang menjawab Sangat Tidak Baik (1) = 0 x 1 = 0 Total Skor untuk citra hasil Metode Kombinasi = 20 + 20 + 3 + 0 + 0 = 43 Untuk mendapatkan hasil interpretasi citra 201.jpg, harus diketahui dulu skor tertinggi (X) dan angka terendah (Y) untuk item penilaian dengan rumus sebagai berikut : Y = Skor tertinggi likert x jumlah responden Y = 5 x 10 = 50 X = Skor terendah likert x jumlah responden X = 1 x 10 = 10
79 Jumlah skor tertinggi untuk item Sangat Baik ialah 5 x 10 = 50, sedangkan item Sangat Tidak Baik ialah 1 x 10 = 10. Jadi, jika total skor responden di peroleh angka 250, maka penilaian interpretasi responden terhadap citra hasil sobel tersebut adalah hasil nilai yang dihasilkan dengan menggunakan rumus Index %. Rumus Index % citra hasil sobel = Total Skor / Y x 100 = 29 / (50 x 100) = 5.8 % Kategori Tidak Baik Untuk mendapatkan hasil interpretasi citra hasil prewit Rumus Index % citra 204.jpg = Total Skor / Y x 100 = 37 / (50 x 100) = 24.66 % Kategori Tidak Baik Untuk mendapatkan hasil interpretasi citra hasil kombinasi Rumus Index % citra 225.jpg = Total Skor / Y x 100 = 43 / (50 x 100) = 28.6 % Kategori Tidak Baik
80 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Setelah merancang dan mengaplikasikan perangkat lunak perbaikan kualitas citra manuskrip kuno dengan mengimplementasikan algoritma edge detection operator Sobel, maka diperoleh hasil pengujian sistem adalah sebagai berikut: 1. Perangkat lunak dapat mengolah citra manuskrip kuno dengan algoritma Edges Detection operator Sobel, Prewitt dan Kombinasi sehingga teks pada citra manuskrip kuno menjadi lebih jelas. 2. Dengan menggunakan metode kombinasi, citra yang dihasilkan lebih baik dibandingkan citra hasil metode gradient prewit dan sobel, karna noise pada citra hasil kombinasi telah dihilangkan. 3. Metode gradient prewit, sobel, dan kombinasi sangat baik untuk citra manuskrip kuno yang tidak rumit, hal ini dibuktikan dengan hasil deteksi tepi yang diperoleh berwarna keabu-abuan yang lebih jelas untuk dapat digunakan analisa lebih lanjut. 4. Pada penelitian ini Metode kombinasi memperoleh nilai MSE paling kecil dengan rata-rata nilai 7,87 dibandingkan metode Gradien prewit dengan nilai 8,02 dan Sobel dengan nilai 11,56. 5.2 Saran Adapun saran-saran yang diperlukan untuk penelitian maupun pengembangan berikutnya adalah: 1. Membandingkan operator turunan kedua yang digunakan seperti operator Canny. 2. Manuscript kuno yang dibahas hendaknya ditambah lagi selain bahasa Latin.