abstrak - repository.umrah.ac.idrepository.umrah.ac.id/2115/1/andi...
Post on 08-Apr-2019
232 Views
Preview:
TRANSCRIPT
1
ABSTRAK
Faizal, Andi. 2018. Pengenalan Bentuk Ikan Karang Menggunakan Operator
Sobel Dan Euclidean Distance, Skripsi. Tanjungpinang: Jurusan
Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali
Haji. Pembimbing I: Martaleli Bettiza, S.Si, M.Sc. Pembimbing II:
Nurul Hayaty, S.T., M.Cs.
Ikan karang merupakan ikan yang hidup berkembang biak dan mencari
makan disekitar ekosistem terumbu karang. Ikan karang memiliki banyak sekali
jenis bentuknya dan memiliki ciri fisik yang berbeda disetiap jenisnya. Maka
diperlunya sebuah sistem untuk mengidentifikasi bentuk ikan karang dengan
menggunakan Operator Sobel dan Eucliden Distance. Pada penelitian ini
dilakukan pengambilan citra ikan karang dengan menggunakan camera
handphone yang terdiri dari 4 jenis ikan karang yaitu ikan jebong (Starry
Triggerfish), ikan pinang (Lethrinus obsoletus), ikan timun ( Lutjanus
Carponotatus), ikan tokak (Choerodon Schoenleinii), kemudian data citra ikan
dibagi menjadi 2 data yakni data training dan data testing. Data training diambil
sampel 10 data dalam satu jenis bentuk ikan dan data testing diambil sampel 10
data dalam satu jenis ikang. Kemudian dilakukan pengujian terhadap sistem yang
dibangun dengan menggunakan operator sobel dan metode euclidean distance
adalah berhasilnya sistem tersebut mengidentifikasi dan klasifikasi citra ikan
karang dengan jumlah data testing 40 terdiri dari 4 jenis ikan karang yang ada di
data master dengan nilai akurasi tertinggi 57,49%.
Kata Kunci : Operator Sobel, Euclidean Distance
2
ABSTRACT
Faizal, Andi. 2018. Coral Fish Identification System Using Sobel Operator and
Euclidean Distance, Skripsi. Tanjungpinang : Jurusan Informatika,
Fakultas Teknik, Universitas Maritim Raja Ali Haji. Pembimbing I:
Martaleli Bettiza, S.Si, M.Sc. Pembimbing II: Nurul Hayaty, S.T., M.Cs.
Coral fish is one of fish kind that live, breed and feed around the coral reef
ecosystem. Coral fish have many different types, shapes and physical
characteristics in each species. Withing this consideration, a system is needed to
identify the shape of coral fish, especially using Sobel Operator and Eucliden
Distance. This research was done by taking the image of coral fish using
handphone camera which consisted of 4 main species of coral fish, they are
jebong fish (Starry Triggerfish), pinang fish (Lethrinus obsoletus), timun fish
(Lutjanus Carponotatus), tokak fish (Choerodon Schoenleinii), then fish image
data was divided into 2 data : Training data and Testing data. Training data took
10 data samples in one type of fish form and data testing took 10 data samples in
one kind of fish. Then the data were tested for the system built by using the
operator sobel and euclidean distance method. The system successefully identified
and classified coral fish image with the amount of 40 data testing consisted of 4
types of coral fish in the master data with the highest accuracy 57.49%.
.
Keywords: Operator Sobel, Euclidean Distance
3
1. Pendahuluan
Ikan karang merupakan ikan yang hidup berkembang biak dan mencari
makan disekitar ekosistem terumbu karang. Ikan karang memiliki banyak sekali
jenis bentuknya dan memiliki ciri fisik yang berbeda disetiap jenisnya. Selain itu,
ikan ini menghuni seluruh terumbu karang yang ada dan memanfaatkan terumbu
karang sebagai rumahnya. Dengan jumlah yang banyak dan bentuk yang beraneka
ragam sehingga tidak mudah untuk dikenali jenis ikannya. Maka dengan
perkembangan teknlogi informasi sangat mempermudah untuk melakukan proses
indentifikasi bentuk jenis ikan karang.
Proses identifikasi ikan karang yang dilakukan sekarang mungkin masih
menggunakan cara yang manual dengan pengamatan mata, yaitu dengan melihat
dan mengidentifikasi ciri bentuk jenis ikan karang terlebih dahulu dengan
mencocokan data yang sudah di identifikasi dengan buku referensi. Peneliti
mencoba melakukan pengidentifikasian dengan menggunakan program simulasi
komputer yang dapat melakukan simulasi pengolahan citra untuk melakukan
identifikasi bentuk jenis citra ikan karang. Maka dengan permasalahan yang ada
peneliti mencoba untuk melakukan penelitian dengan membuat sebuah sistem, hal
ini diperlukan untuk mengidentifikasi dan klasifikasi jenis ikan karang
berdasarkan bentuknya. Identifikasi jenis ikan karang dapat dilakukan dengan
berbagai cara, salah satunya dengan membuat sistem yang inputanya adalah citra
yang digunaakan untuk identifikasi dan klasifikasi jenis ikan karang.
Berdasarkan latar belakang diatas maka penulis tertarik untuk melakukan
penelitian tentang “Pengenalan bentuk ikan karang menggunakan Operator
Sobel dan Euclidean Distance”.
1.2 Rumusan Masalah
1. Bagaimana membangun sebuah sistem untuk mengenali dan
mengidentifikasi bentuk ikan karang dengan menggunakan Operator
Sobel dan Euclidean Distance ?
1.3 Tujuan Penelitian
Adapaun tujuan dalam penelitian dan pengembangan tugas akhir ini,
diantaranya:
1. Membangun sebuah sistem untuk mengenali dan mengidentifikasi
bentuk ikan karang dengan menggunakan Operator Sobel dan Eucliden
Distance
2. Untuk menerapkan metode Euclidean Distance pada aplikasi untuk
mengidentifikasi dan mengenali bentuk pola jenis ikan karang.
1.4 Batasan Masalah
Dalam penelitian tugas akhir ini agar tidak terjadi perluasan maka perlu
adanya pembatasan sebagai ruang lingkup kerja sistem, diantaranya sebagai
berikut:
1. Inputan citra digital dalam format JPEG
2. Citra berukuran 256 x 256 piksel
3. Proses praprocessing dilakukan dengan cara manual
4
4. Pada Penelitian ini menggunakan 4 jenis ikan karang yaitu ikan
jebong (Starry Triggerfish), ikan pinang (Lethrinus obsoletus), ikan
timun (Lutjanus Carponotatus) dan ikan tokak (Choerodon
Schoenleinii)
5.
2. Metode Penelitian
Data training yang telah di input dilakukan perubahan ukuran citra ikan
karang 256 x 256 piksel sehingga semua data menjadi seragam dan dilakukan
pemotongan atau proses cropping pada citra tersebut, kemudian dilakukan
konversi warna citra ke grayscale dan selanjutnya dilakukan proses deteksi tepi
menggunakan operator sobel. Setelah didapat nilai operator sobel untuk menjadi
nilai acuan data latih. Pada data uji juga dilakukan proses deteksi tepi yang sama
pada data latih, kemudian nilai operator sobel dari data latih dan data uji
diklasifikasi menggunakan metode Euclidean Distance.
2.1 Grayscale
Citra grayscale adalah citra berwarna keabu-abuan dengan variasi warna
sebanyak 8 bit (28 = 256) kemungkinan nilai. Format citra ini disebut dengan
skala keabuan karena pada umumnya warna yang digunakan adalah antara warna
hitam dan putih dimana hitam sebagai warna minimal dan putih sebagai warna
maksimalnya sehingga warna diantaranya adalah abu-abu. Tujuan proses ini
adalah untuk mereduksi noise yang terdapat pada citra data training, kemudian
citra grayscale lebih mudah untuk diproses karena mengandung nilai yang lebih
sedikit yaitu 8bit warna dari pada citra RGB dengan 24bit warna. Untuk
mendapatkan nilai keabuan digunakan persamaan (1) dengan mengambil nilai
warna RGB citra awal [6] .
(1)
Untuk format citra keabuan nilai masing-masing RGB-nya sama sehingga
nilai RGB yang baru berturut-turut adalah (L,L,L), hal ini ditunjukkan pada
Gambar (1).
Gambar 1. Komposisi warna grayscale
5
2.2 Operator Sobel
Dalam bentuk dx operator sobel arah horisontal dan dy operator sobel arah
vertikal dapat dinyatakan sebagai :
dx = [
]
dy = [
]
Misalkan citra input I, maka langkah pertama yang dilakukan operasi konvolusi
antara citra input dengan operator sobel arah horisontal,
I, dan operator sobel
arah vertikal ,
. kemudian dihitung magnitude (besaran) dengan menggunakan
rumus :
= √(
)
(
)
Keterangan :
= Konvulasi citra input dengan operator sobel arah horisontal
= Konvulasi citra input dengan operator sobel arah vertical
M = Nilai `Magnitude Sobel
Selanjutnya dilakukan proses thresholding, dengan menggunakan sebuah nilai
ambang batas (threshold) tertentu, misalkan T, dengan persamaan sebagai berikut:
E =
E merupakan citra output yang berupa citra biner, dimana tepi bewarna putih dan
background (bukan tepi) berwarna hitam. E dapat di beri nilai sebaliknya.
2.3 Euclidean Distance
Metode Euclidean Distance adalah metode pengukuran jarak garis lurus
(straight line) antara titik x (x1, x2, …xn) dan titik y (y1, y2, ….yn). Gambar (2)
dibawah ini adalah penggambaran dari metode euclidean distance, yaitu berupa
garis lurus [2].
Gambar 2. Euclidean Distance (Kurniawan & Hidayat 2008)
(2)
(3)
6
Metode euclidean sendiri memiliki rumus (formula) pengembangannya
sesuai dengan keadaan ruang. Dalam hal ini akan kita gunakan ruang satu
dimensi. Jarak satu dimensi dengan titik A(x1) dan B(y1) yang diakuisisi dari data
sample maupun testing. [1] Rumus perhitungan jarak seperti di tunjukkan pada
persamaan (3).
√∑
Keterangan :
: jarak euclidean
: bobot citra pelatihan
: bobot citra test
: jumlah data pelatihan
7
3. Hasil Dan Pembahasan
Setelah melakukan penelitian dan perancangan serta untuk mengetahui
sejauh mana tingkat keberhasilan dari sistem yang telah rancang, maka perlu
dilakukan uji coba program dengan tujuan mengetahui sejauh mana keberhasilan
ataupun kegagalan dari sistem.
3.1. Operator Sobel
Langkah-langkah ekstraksi bentuk dengan operator sobel dapat dilihat pada
Gambar (3) :
Gambar 3. Flowchart Operator Sobel
Mulai
Citra
Konversi Nilai Pixel RGB ke Grayscale
Deteksi Tepi Sobel
Hasil Identifikasi
Selesai
Nilai Threshold
E = 𝑗𝑖𝑘𝑎 𝑀 𝑇
𝑗𝑖𝑘𝑎 𝑀 𝑇
8
3.2. Euclidean Distance
Langkah-langkah euclidean distance dapat dilihat pada Gambar (4) :
Gambar 4. Flowchart Euclidean Distance
𝑑𝑒 √∑ 𝑓𝑑𝑖 𝑘𝑚
𝑘 𝑘𝑗
Hitung Jarak Eucledian
Data
Master
Mulai
Citra
Konversi Nilai Pixel RGB ke
Grayscale
Deteksi Tepi Sobel
Hasil Identifikasi dan
klasifikasi
Selesai
Nilai Threshold
E = 𝑗𝑖𝑘𝑎 𝑀 𝑇
𝑗𝑖𝑘𝑎 𝑀 𝑇
9
3.3 Hasil Pengujian Untuk mengetahui tingkat keakuratan pengenalan bentuk citra ikan karang
dilakukan pengujian dengan data testing. Basis data sudah berisi data training
citra ikan karang. Pengujian dilakukan terhadap 40 data training yang di dalam
basis data.
3.4 Pengujian Data Dalam pengujian didapatkan hasil data benar yang dikenali adalah 23 data
dan data yang tidak dikenali adalah 17 data dengan jumlah data tersebut didapat
akurasi 57.49 %, dapat dilihat pada Tabel (1).
Tabel 1.Tabel Hasil Pengujian
NO Gamabar Nama Citra Uji Dikenali Jarak Hasil Pengenalan
1.
Jebong1 jebong 15233.9 BENAR
2.
Jebong2 jebong 14011.9 BENAR
3.
Jebong3 jebong 13593.9 BENAR
4.
Jebong4 timun 17124.1 SALAH
5.
Jebong5 timun 17975.5 SALAH
6.
Jebong6 jebong 17955.1 BENAR
7.
Jebong7 timun 17955.1 SALAH
8.
Jebong8 jebong 14438.6 BENAR
9.
Jebong9 timun 16246.6 SALAH
10.
Jebong10 timun 17513.4 SALAH
11.
Pinang1 timun 15093.3 SALAH
12.
Pinang2 pinang 14365.6 BENAR
13.
Pinang3 pinang 14147.9 BENAR
14.
Pinang4 timun 14857.8 SALAH
15.
pinang 5 pinang 13864.2 BENAR
16.
Pinang6 tokak 15283.1 SALAH
17.
Pinang7 tokak 14799.8 SALAH
10
18.
Pinang8 timun 14799.8 SALAH
19.
Pinang9 timun 13966.1 SALAH
20.
Pinang10 pinang 14726.3 BENAR
21.
Timun1 timun 13815.6 BENAR
22.
Timun2 timun 12568.8 BENAR
23.
Timun3 timun 13652.0 BENAR
24.
Timun4 timun 14473.4 BENAR
25.
Timun5 timun 12962.1 BENAR
26.
timun 6 pinang 13496.3 SALAH
27.
Timun7 timun 13933.1 BENAR
28.
Timun8 timun 11049.8 BENAR
29.
Timun9 timun 5958.92 BENAR
30.
Timun10 timun 13338.2 BENAR
31.
Tokak1 tokak 14350.8 BENAR
32.
Tokak2 tokak 15046.4 BENAR
33.
Tokak3 timun 14883.2 SALAH
34.
Tokak4 tokak 16065.8 BENAR
35.
Tokak5 timun 16160.4 SALAH
36.
Tokak6 tokak 15531.3 BENAR
37.
Tokak7 timun 16403.5 SALAH
38. Tokak8 timun 15549.6 SALAH
39.
Tokak9 timun 16149.5 SALAH
40.
Tokak10 timun 16190.7 SALAH
11
Berdasarkan dari hasil pengujian terhadap 40 data testing yang terdiri dari 4
jenis ikan karang yang berbeda-beda menghasilkan akurai 57.49 %. Terdapat
banyak kesalahan dalam pengujian data testing, dari analisa peneliti banyaknya
kesalahan bisa disebabkan oleh pada saat proses praprocessing dilakukan dengan
cara manual sehingga hasil dari proses croping yang diambil agak merubah
bentuk gambarnya.
4. Kesimpulan
Adapun kesimpulan yang dapat diambil dari penelitian ini adalah sebagai
berikut :
1. Sistem Pengenalan bentuk ikan karang menggunakan operator sobel dan
Euclidean Distance telah berhasil dibangun dengan bahasa pemrograman
java.
2. Pengenalan bentuk ikan karang dengan menggunakan Operator Sobel dan
Euclidean Distance berhasil dalam mengidentifikasi dan klasifikasi citra
ikan karang dengan 40 data dengan nilai akurasi tertinggi 57,49%.
4.3 Saran
Adapun saran yang perlu disampaikan untuk pengembangan penelitian dan
sistem yang berhubungan dengan penelitian selanjutnya adalah diharapkan agar
mencoba menggunakan deteksi tepi dengan menggunakan operator lain dengan
membandingkan dengan metode euclidean distance.
12
DAFTAR PUSTAKA
Achmad, B., dan Firdaus, K., 2005, Teknik Pengolahan Citra Digital Menggunakan
Delphi, Andi Publishing, Yogyakarta.
Sari, R.D.I., dan Melita, Y., 2013, Rancang bangun pengenalan citra bunga berdasarkan
bentuk tepi bunga menggunakan metode Euclidian Distance, Jurnal Ilmiah
Teknologi dan Informasi ASIA, Vol. 7 No. 1.
Hermawati, F.A., 2013, Pengolahan Citra Digital Konsep dan Teori, Andi Offset,
Yogyakarta.
Kurniawan, H., Hidayat, T., 2008, Perancangan Program Pengenalan Wajah
Menggunakan Fungsi Jarak Metode Euclidean Pada Matlab, Seminar Nasional
Aplikasi Teknologi Informasi, ISSN : 1907-5022.
Kusumawati, C., 2016, Implementasi pengenalan wajah dengan deteksi tepi Sobel dan
Euclidean Distance, Skripsi, Universitas Nusantara PGRI, Kediri.
Munandar, Imam. dkk,. 2017. Implementasi algoritma deteksi tepi untuk menentukan
kualitas surface pada mutiara laut dengan menggunakan metode sobel, Seminar
Hasil Teknik Informatika UMM, Jurusan Teknik Informatika Universitas
Muhammadiyah Malang.
Munir, R., 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Graha Ilmu,
Bandung.
Utami, E., Wulanningrum, R., 2014, Penggunaan Principal Component Analysis Dan
Euclidean Distance untuk Identifikasi Citra Tanda Tangan, IPTEK-KOM, Vol. 16
No. 1, ISSN: 1410-3346.
Zalukhu, A., 2016. Implementasi Metode Canny dan Sobel untuk Mendeteksi Tepi
Citra. Jurnal Riset Komputer (JURIKOM), Vol. 3 No. 6, ISSN 2407-
389X.
top related