APLIKASI PENGENALAN OBJEK GEOGRAFIS PADA CITRA FOTO UDARA DENGAN PENDEKATAN SEGMENTASI DAN EDGE DETECTION. Arian Markus Pardamean

APLIKASI PENGENALAN OBJEK GEOGRAFIS PADA CITRA FOTO UDARA DENGAN PENDEKATAN SEGMENTASI DAN EDGE DETECTION

Arian Markus Pardamean Bina Nusantara University, Jalan Kebon Jeruk Raya No. 27 Kebun Jeruk Jakarta Pusat 11530, (021) 53696989 / (021)53696999, [email protected] Yogi Hamdani Bina Nusantara University, Jalan Kebon Jeruk Raya No. 27 Kebun Jeruk Jakarta Pusat 11530, (021) 53696989 / (021)53696999, [email protected] Afiatri Hidayati Bina Nusantara University,J alan Kebon Jeruk Raya No. 27 Kebun Jeruk Jakarta Pusat 11530, (021) 53696989 / (021)53696999, [email protected]

Edy Irwansyah, ST., M.SI. Bina Nusantara University,J alan Kebon Jeruk Raya No. 27 Kebun Jeruk Jakarta Pusat 11530, (021) 53696989 / (021)53696999,

ABSTRAK Tujuan penelitian ini adalah melakukan deteksi tepi dan segmentasi serta mengetahui seberapa jauh informasi yang dapat diekstraksi dengan cara edge detection dan automatic seed point pada format citra foto udara. Metodologi penelitian yang digunakan berupa data citra foto dari udara, algoritma edge detection untuk deteksi tepi, dan metodologi perancangan sistem prototyping. Penelitian ini diharapkan dapat memudahkan pengguna untuk menggunakan fitur segmentasi region growing dan fitur filter yang mampu menjalankan operasi deteksi tepi. Fitur filter yang menggunakan algoritma edge detection dengan operator Sobel lebih baik daripada operator Kirsch dan Prewitt. Hasil pendekatan automatic seed point memudahkan pengguna dalam menggunakan fitur region growing dalam aplikasi GeoSeg. Nilai threshold yang digunakan untuk masing-masing segmentasi dengan automatic seed point tidak selalu sama tergantung jenis objek.

Kata Kunci : Automatic seed point, Citra foto udara, Edge detection, Region growing, Segmentasi

ABSTRACT The purpose of the study is to do edge detection and segmentation and also to know how far the information can be extracted by implemented edge detection and automatic seed point to aerial image format. The methodologies used in this study are aerial image data, edge detection algorithm, and prototyping system design method. This study is expected being able to ease user to use region growing segmentation feature and filter feature to operate edge detection. Filter feature used edge detection algorithm with Sobel operator is better than the other ones with Kirsch and Prewitt operator. The result of automatic seed point approach facilitates user to use region growing feature in GeoSeg application. Threshold value, used in each segmentation with automatic seed point, is not always same depending on the object type.

Keywords: Automatic seed point, Aerial image, Edge detection, Region growing, Segmentation

Pendahuluan Latar Belakang Teknologi pengelolahan citra digital (digital image processing) adalah teknologi mengelola gambar digital dengan komputer digital (Gonzales, 2008:1). Salah satu dari pengaplikasian pertama gambar digital bermula dari industri koran, ketika gambargambar pertama kali dikirim melalui kabel kapal selam yang berada diantara London dan New York (Gonzales, 2008:3). Pada awal-awal tahun 1970, teknologi pengelolahan citra diaplikasikan ke dalam bidang pencitraan medis dan astronomi (Gonzales, 2008:6). Perkembangan teknologi pengelolahan citra juga telah berkembang pesat dalam bidang pengolahan informasi geografis. Hal ini terlihat dari adanya pemanfaatan teknologi pada sistem informasi geografis untuk mendapatkan citra foto dari suatu wilayah tertentu di bumi. Tujuan pemotretan foto udara, yang juga disesuaikan dengan tujuan pemetaan, adalah untuk menentukan jalur penerbangan dan menentukan arah penerbangan. Dengan bantuan kamera udara dan pesawat udara ini, pemotretan udara dapat dilakukan. Ekstraksi informasi geografis dari citra foto dapat dilakukan dengan metode segmentasi (segmentation). Segmentasi (segmentation) adalah proses membagi objek-objek ke dalam segmensegmen dengan kesamaan karakteristik. Kelebihan segmentasi adalah kemampuan membedakan antara segmen satu dengan segmen lainnya. Segmentasi sering dianggap sebagai langkah pertama dalam analisis citra. Tujuannya adalah untuk membagi sebuah gambar menjadi tidak tumpang tindih sehingga dapat digunakan untuk analisis lebih lanjut. Proses segmentasi citra yang sekarang dilakukan secara digitasi memakan waktu lama, sumber daya yang lebih besar, serta memakan biaya yang lebih tinggi. Oleh karena itu, diharapkan dengan adanya segmentasi secara komputerisasi ini dapat memudahkan segmentasi sehingga lebih cepat dan teliti. Pada penelitian sebelumnya oleh Charles dan Sylvianto (2012) telah dkembangkan aplikasi pengenalan objek geografis bernama GeoSeg yang dapat memudahkan proses segmentasi citra foto. Aplikasi GeoSeg ini sudah memiliki fitur Menu File, Edit, Adjust, Analysis, dan Segmentation. Dalam rangka pengembangan aplikasi GeoSeg, akan dikembangkan fitur-fitur yang belum tersedia. Fitur-fitur yang belum terdapat pada aplikasi tersebut dan akan dikembangkan dalam penelitian ini adalah fitur filter deteksi tepi (edge detection) dan automatic seed point. Fitur filter edge detection sangat diperlukan untuk pendeteksian tepi pada citra foto. Pada penelitian ini digunakan algoritma deteksi tepi ( edge detection) dengan operator Sobel, Kirsch dan Prewitt. Sedangkan fitur automatic seed point dibutuhkan untuk melakukan segmentasi. Dari penelitian sebelumnya dilakukan penelitian lanjutan untuk mendapatkan fitur yang belum tersedia.

Ruang Lingkup Ruang lingkup penelitian yang digunakan untuk pengembangan aplikasi ini adalah algoritma edge detection dan citra foto udara. Format citra yang digunakan adalah format bmp. Sedangkan bahasa pemograman yang digunakan C#.

Tujuan dan Manfaat Tujuan dari penelitian ini adalah : 1. Mengembangkan fitur segmentasi region growing menjadi bekerja secara otomatis (automatic). 2. Mengembangkan fitur filter dengan algoritma edge detection yang bermanfaat untuk mendeteksi batas tepi pada citra foto. Adapun manfaat dari penelitian ini adalah sebagai berikut : 1. Aplikasi GeoSeg (Geographic Segmentation) ini dapat menjalankan proses automatic seed point, sehingga memudahkan pengguna menggunakan fitur segmentasi region growing. 2. Tersedianya fitur filter yang mampu menjalankan operasi deteksi tepi dengan operator Sobel, Prewitt, dan Kirsch. Pada akhirnya pengguna mampu melakukan proses preprocessing images.

Metodologi Metodologi yang digunakan dalam pengembangan aplikasi ini antara lain: 1. Metode Fact Finding Technique a. Studi Kepustakaan Studi kepustakaan dilaksanakan dengan tujuan memperoleh informasi dan data secara teori melalui buku-buku dan bahan tertulis yang ada relevansinya dengan tema skripsi. b. Wawancara Metode pengujian aplikasi ini dilakukan dengan mengadakan wawancara oleh para pakar pada bidang geografis. 2. Metode Pengembangan aplikasi GeoSeg Metode pengembangan aplikasi GeoSeg ini dengan menggunakan model Prototype.

Sistematika Penulisan BAB 1 PENDAHULUAN Berisi latar belakang, ruang lingkup, tujuan dan manfaat, metodologi, dan sistematika penulisan. BAB 2 LANDASAN TEORI Berisi teori-teori yang terkait dengan topik skripsi yang dibuat. BAB 3 ANALISIS DAN PERANCANGAN SISTEM Berisi analisis terhadap penulisan yang dilakukan dan algoritma yang digunakan dan berisi gambaran secara jelas perancangan sistem yang akan dibuat nantinya. BAB 4. IMPLEMENTASI DAN EKSPERIMEN Berisi penjelasan mengenai implementasi terhadap aplikasi yang dibuat serta dijabarkan eksperimen yang dilakukan penulis dan hasil dari eksperimen tersebut. BAB 5. SIMPULAN DAN SARAN Berisi kesimpulan dan saran yang diajukan penulis guna pengembangan aplikasi lebih lanjut.

Metode Penelitian Prototype adalah sebuah model skala kecil, representatif atas persyaratan atau desain yang diusulkan pengguna untuk membuat sebuah aplikasi informasi. Prinsip dasar di balik prototyping adalah para pengguna mengetahui apa yang mereka inginkan ketika mereka melihat prototype bekerja. Dalam Rapid Application Development (RAD), sebuah prototype pada akhirnya berkembang menjadi sistem informasi final (Whitten, 2004:10). Tahapan-tahapan prototype adalah : 1) Pengumpulan Kebutuhan Pengguna dan pengembang bersama-sama mendefinisikan format dan kebutuhan keseluruhan perangkat lunak serta mengidentifikasi semua kebutuhan dan garis besar sistem yang akan dibuat. 2) Membangun Prototyping Membangun prototyping dengan membuat perancangan sementara yang berpusat pada penyajian kepada pengguna. Misalnya dengan membuat input dan contoh outputnya.

3) Evaluasi Prototyping Evaluasi ini dilakukan oleh pengguna apakah prototype yang sudah dibangun sudah sesuai dengan keinginan pengguna. Jika sudah sesuai, langkah keempat akan diambil. Jika tidak, prototype diperbaiki dengan mengulang langkah 1, 2, dan 3. 4) Mengkodekan Aplikasi Dalam tahap ini prototype yang sudah disepakati diterjemahkan ke dalam bahasa pemograman yang sesuai.

5) Menguji Aplikasi Setelah aplikasi sudah menjadi suatu perangkat lunak yang siap pakai, aplikasi harus diuji terlebih dahulu sebelum digunakan . 6) Evaluasi Aplikasi Pengguna mengevaluasi apakah aplikasi sudah sesuai dengan yang diharapkan. Jika sudah, langkah ketujuh ini dilakukan. Jika belum, harus mengulangi langkah pengkodean dan pengujian aplikasi. 7) Menggunakan Aplikasi Perangkat lunak yang telah diuji dan diterima pengguna siap untuk digunakan.

Hasil Dan Pembahasan Untuk dapat menjawab tujuan dari penelitian ini, dilakukan beberapa ekperimen terkait yang hasil dari eksperimen tersebut akan dijelaskan secara bertahap. Dalam eksperimen ini, digunakan data citra foto udara. Kemudian dari citra tersebut, dilakukan eksperimen kembali dengan proses segmentasi region growing dan metode edge detection. Berikut merupakan citra yang digunakan dalam eksperimen ini :

Tabel 1 Hasil Eksperimen Edge Detection pada Objek Geografis Kela s Rum ah

Region Growing Pada Foto Udara

Sobel

Hasil Edge Detection Kirsch

T = 10 Laha n Terb uka

T=5 Kebu n Cam pur

T = 15 Evaluasi Kuantitatif Tabel 2 Data Kuantitatif dengan Sampel Rumah Operator Garis penghubung Noise sekitar Sobel 4 garis tepi 2 garis panjang Prewitt 3 garis tepi 3 garis panjang Kirsch 2 garis tepi > 3 garis panjang

Prewitt

Tabel 3 Data Kuantitatif dengan Sampel Lahan Terbuka Operator Hijau Sobel 4 gelombang hijau Prewitt 1 gelombang hijau Kirsch < 4 gelombang hijau

Tabel 4 Data Kuantitatif dengan Sampel Kebun Campur Operator Sobel Prewitt Kirsch

Hijau > 4 garis panjang 4 Garis hijau panjang 3 Garis hijau panjang

Noise sekitar 1 garis panjang 3 garis panjang > 4 garis panjang

Untuk dapat menjawab tujuan dari penelitian segmentasi dengan seed yang bekerja secara otomatis, maka dilakukan beberapa ekperimen terkait. Dalam eksperimen ini digunakan data citra foto udara dalam format bitmap.

Tabel 5 Hasil Eksperimen Automatic Seed Point pada Objek Geografis Kelas

Thresho

Hasil Eksperimen

Keterangan

ld Ruma h

T = 10

Rumah dapat tersegmenta si

secara

ototmatis dengan warna putih.

Lahan

T=5

Kelas

Terbu

lahan

ka

terbuka dapat tersegment asi

secara

otomatis oleh aplikasi GeoSeg.

Kebun Camp ur

T=5

Kelas kebun campur tersegmenta si

secara

otomatis oleh aplikasi walaupun masih

ada

hasil segmentasi yang menyimpan g

sehingga

tanah lapang ikut tersegmenta si.

Simpulan dan Saran Simpulan Penelitian ini dapat menyimpulkan beberapa hal, antara lain : 1) Hasil pendekatan automatic seed point memberikan kemudahan bagi pengguna dalam menggunakan fitur region growing untuk melakukan segmentasi objek pada foto udara di dalam aplikasi Geoseg. 2) Fitur filter yang menggunakan algoritma edge detection dengan operator Sobel mengahasikan gambar lebih baik daripada operator Kirsch dan Prewitt. Hal ini dapat dilihat dari hasil nilai kuantitas. 3) Nilai treshold automatic seed point terbaik untuk sebagian besar kelas objek pada foto udara yang dipakai di penelitian adalah T = 5. 4) Aplikasi sudah mampu melakukan proses klasifikasi pengenalan kelas objek. 5) Desain dari aplikasi GeoSeg sudah bersifat user friendly

Saran Melengkapi penelitian ini, penulis menyarankan untuk melakukan beberapa hal yang dapat meningkatkan hasil segmentasi citra untuk klasifikasi tutupan lahan dan mengembangkan fitur baru yang dapat memenuhi kebutuhan para ahli dalam ruang lingkup sistem informasi geografi. Berikut fitur-fitur yang disarankan oleh penulis untuk penelitian selanjutnya: 1) Fitur Labeling dapat dimunculkan di pengembangan selanjutnya untuk memenuhi kebutuhan akan informasi objek pada citra foto udara akan lebih mudah didapatkan. 2) Dengan berkembangnya kebutuhan akan fitur digitasi di dalam sistem informasi geografi maka disarankan untuk mengembangkan fitur konversi dari data raster ke data vector. 3) Dengan adanya fitur Georeference aplikasi dapat menunjukkan titik koordinat yang benar-benar dibutuhkan bagi para ahli di bidang sistem informasi geografi.

Referensi Bin, L. Mehdi Samiei yeganeh,“. Comparison for Image Edge Detection Algorithms,” IOSR Journal of Computer Engineering (IOSRJCE) ISSN, 2278-0661. Burger, W., & Burge, M. J. (2009). Digital image processing: an algorithmic introduction using Java. Springer. Burrough, P. A., McDonnell, R., Burrough, P. A., & McDonnell, R. (1998).Principles of geographical information systems (Vol. 333). Oxford: Oxford university press. Charles & Sylvianto. (2012). Segmentasi Citra Spasial Multi Resolusi untuk Klasifikasi Tutupan Lahan Menggunakan Algoritma Region Growing. Skripsi S1.Universitas Bina Nusantara, Jakarta. Gonzalez, R. C. (2008). Wintz P (1987) Digital Image Processing. Reading, MA, Addison-Waley. Ian, H. (2002). An introduction to geographical information systems. New Jersey:Prentice-Hall Irwansyah, E. Sistem Informasi Geografis: Prinsip Dasar dan Pengembangan Aplikasi. DigiBook Yogyakarta. Jain, A. K. (1989). Fundamentals of digital image processing. New York: Prentic-Hall, Inc.. Kulkarni, A. D. (2001). Computer vision and fuzzy-neural systems. Prentice Hall PTR. Lilesand,T.M, Kiefer, R.W, & Chipman, J.W. (1993). Remote Sensing and Image Interpretation. United States of America : Addison-Wesley. Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2004). Remote sensing and image interpretation (No. Ed. 5). John Wiley & Sons Ltd. Lusiana, Veronica.(2013) Deteksi Tepi pada Citra Digital menggunakan Metode Kiirch dan Robinson. Shapiro, L., & Stockman, G. C. (2001). Computer Vision. 2001. ed: Prentice Hall. Tjiharjadi, Semuil.(2011). Watermarking Citra Digital menggunakan Teknik Aplitude Modulation.Jurnal Informatika,2(2):pp-109

Riwayat Penulis