BAB I. Pendahuluan I.1 Latar Belakang

BAB I. Pendahuluan

I.1

Latar Belakang

Jalan merupakan salah satu sarana transportasi darat yang penting untuk menghubungkan berbagai tempat seperti pusat industri, lahan pertanian, pemukiman, serta sebagai sarana distribusi barang dan jasa untuk menunjang perekonomian. Jalan juga berfungsi sebagai pembatas (delineator) antar lokasi seperti blok bangunan, wilayah administrasi, dan peruntukan lahan. Peranan jalan di atas terkait dengan berbagai pekerjaan seperti manajemen transportasi, tata guna lahan, pembentukan wilayah administrasi baru, dan juga mitigasi bencana dimana dalam pelaksanaannya, diperlukan data jaringan jalan dalam bentuk peta jalan yang merupakan salah satu data dasar dari infrastruktur data spasial. Terkait dengan kuantitas dan kompleksitas jaringan jalan yang cukup tinggi terutama di area perkotaan, dalam dua dekade terakhir ini banyak dilakukan percobaan dan penelitian untuk memperoleh data jalan secara otomatis [Hintz dan Baumgartner, 2001] berdasarkan karakteristik geometrik dan fotometrik jalan pada citra inderaja

[Zhao et al, 2002]

mengingat proses pengadaan dan

pembaruan data jalan secara konvensional baik itu digitasi manual pada citra inderaja (foto udara dan citra satelit) maupun pengukuran langsung di lapangan membutuhkan waktu dan tenaga yang tidak sedikit. Salah satu metode ekstraksi jalan secara otomatis pada citra inderaja adalah deteksi tepi dari unsur-unsur geografis yang memiliki sifat linier. Garis tepi suatu unsur pada citra inderaja ditandai dengan tingkat perubahan atau variasi nilai piksel yang cukup tinggi yang terkait dengan resolusi citra. Unsur-unsur geografis pada suatu citra memiliki ukuran yang berbeda-beda sehingga tepi akan lebih

1

Created with Print2PDF. To remove this line, buy a license at: http://www.software602.com/

jelas pada resolusi tertentu. [Gonzales dan Woods, 2002]. Beberapa metode dasar deteksi tepi diantaranya adalah metode Robert, Prewitt, dan Sobel [Nixon dan Aguado, 2002]. Prosedur deteksi tepi yang pada saat ini dikenal secara luas diantaranya adalah deteksi tepi metode Canny. Pada metode ini terdapat rangkaian prosedur tambahan baik itu sebelum maupun sesudah pendeteksian tepi dilakukan (pre dan post-processing) untuk mendapatkan hasil yang lebih baik. Metode preprocessing yang diterapkan salah satunya adalah enhancement citra dengan penghalusan (smoothing) menggunakan metode gaussian untuk menghilangkan derau (noise) dan untuk menurunkan variasi dari kombinasi nilai piksel penyusun suatu unsur (yang sering disebut sebagai tekstur) yang ada pada citra [Nixon dan Aguado, 2002]. Proses deteksi tepi berkaitan dengan seluruh bagian citra sedangkan hasilnya diharapkan hanya pada unsur tertentu saja [Nixon dan Aguado, 2002].

Oleh

sebab itu selain proses deteksi tepi, pada ekstraksi unsur jalan dilakukan pula proses pemisahan antara piksel tepi jalan dengan piksel tepi yang bukan jalan yang biasa disebut proses pengenalan jalan [Chiang, et. al., 2001]. Beberapa metode pengenalan jalan adalah pembuatan koridor jalan menggunakan analisis Watershed [Gonzales dan Woods, 2002] dan analisis untaian piksel jalan menggunakan analisis ketetanggaan (neighborhood) [Chiang, et. al., 2001]. Sebagai masukan dalam proses ekstraksi unsur termasuk proses deteksi tepi, citra yang merupakan rekaman gelombang elektromagnetik pada berbagai variasi rentang dapat dianggap sebagai rekaman sinyal [Goswami dan Chan, 1999]. Variasi nilai piksel pada citra dapat ditinjau sebagai fluktuasi gelombang pada satuan waktu tertentu dari sinyal yang identik dengan frekuensinya [Bultheel, 2002]. Oleh sebab itu metode analisis terhadap sinyal dapat juga digunakan pada citra antara lain memanfaatkan transformasi Wavelet.

2


Transformasi Wavelet merupakan proses korelasi antara sinyal dengan suatu fungsi wavelet pada skala dan posisi tertentu [Mallat, 2005]. Pada Transformasi ini terjadi pemisahan (dekomposisi) frekuensi-frekuensi dari suatu sinyal ke sinyal-sinyal baru. Transformasi wavelet dapat dilakukan secara berulang terhadap sinyal hasil dekomposisi sebelumnya dan biasa disebut dekomposisi multi-level. Berdasarkan penelitian, transformasi Wavelet dapat menghilangkan derau [Cohen, 1997] dan juga dapat menurunkan variasi dari kombinasi nilai piksel penyusun tekstur [Mallat, 2005] yang terkait dengan proses penghalusan citra. Oleh sebab itu transformasi Wavelet pada penelitian ini dicoba digunakan sebagai metode pre-prosessing dalam proses pendeteksian tepi. I.2

Identifikasi Permasalahan

Hasil-hasil yang diperoleh dari proses ekstraksi jalan secara otomatis hingga kini masih jauh dari sempurna untuk dapat diaplikasikan dalam pekerjaan teknis [Mena, 2005], oleh sebab itu penelitian terhadap ekstraksi jalan masih diperlukan [Dal-Poz dan Do Vale, 2005]. Terkait dengan deteksi tepi pada ekstraksi unsur,

proses dekomposisi pada

transformasi Wavelet yang memisahkan sebagian variasi nilai piksel pada citra menghasilkan citra aproksimasi dengan skala yang lebih tinggi (atau resolusi yang lebih rendah). Cakupan (extent) pada citra aproksimasi sama dengan citra asli, sedangkan karakteristik unsurnya dipertahankan hingga level tertentu [Belman dan Shortis, 2002]. Cakupan dan karakteristik unsur pada citra aproksimasi ini berpotensi untuk dimanfaatkan dalam meninjau keterkaitan antara hasil ekstraksi unsur jalan dengan resolusinya.

3


I.3

Tujuan Dan Sasaran Penelitian

Ada beberapa kesimpulan dari penelitian yang telah dilakukan orang antara lain : 

Penelitian mengenai ekstraksi jalan secara otomatis masih perlu dilakukan [Dal-Poz dan Do Vale, 2005];



Penerapan transformasi Wavelet pada citra dapat menghilangkan derau [Cohen, 1997] dan dapat mengurangi variasi dari kombinasi nilai piksel penyusun tekstur [Mallat,2005];



Karakteristik unsur

dapat dipertahankan

hingga

level tertentu dari

dekomposisi [Belman dan Shortis, 2002] ; 

Deteksi tepi merupakan salah satu metode ekstraksi unsur yang berhubungan erat dengan skala atau resolusi citra [Gonzales dan Woods, 2002].

Sehubungan dengan hal-hal di atas, maka tujuan dari penelitian ini adalah untuk mengkaji seberapa jauh transformasi Wavelet yang menghasilkan citra aproksimasi pada berbagai resolusi dapat digunakan dalam proses ekstraksi unsur jalan secara otomatis dengan metode deteksi tepi. Kajian ini terkait dengan level dekomposisi atau resolusi dari citra aproksimasi yang digunakan untuk mengekstraksi unsur jalan. Adapun sasaran dari penelitian ini adalah ini adalah : 

Peninjauan terhadap perbedaan antara karakteristik citra aproksimasi hasil transformasi wavelet pada berbagai resolusi dengan karakteristik citra asli dengan menghitung selisih nilai piksel

di antara keduanya untuk

mendapatkan gambaran mengenai cara kerja transformasi wavelet dalam memisahkan variasi nilai piksel dari citra; 

Peninjauan terhadap keterkaitan antara skala atau resolusi dengan kualitas hasil ekstraksi jalan dengan membandingkan kualitas hasil-hasil ekstraksi jalan pada citra hasil dekomposisi dengan kualitas hasil ekstraksi jalan pada citra asli dengan menghitung nilai kelengkapan dan ketepatan kualitas hasil ekstraksi unsur jalan pada masing-masing skala.

4


I.4

Metodologi Penelitian

Metodologi yang diterapkan pada penelitian ini terdiri dari transformasi Wavelet, deteksi tepi jalan, dan pengenalan jalan pada hasil deteksi tepi jalan pelaksanaannya terbagi ke dalam

yang

tiga tahapan utama yaitu pra-pengolahan,

pengolahan citra dan tahap evaluasi hasil. I.4.1 Tahap Persiapan Pada tahap Persiapan dilakukan proses pemotongan dari citra induk

untuk

memperoleh citra dengan cakupan area studi sebagai sampel. Kemudian dilakukan penghitungan data georeferensi dari citra aproksimasi pada setiap level dekomposisi. Pada tahap ini dibuat data referensi jalan yang diperoleh melalui pendigitasian citra secara on-screen yang kemudian datanya dikonversi dari format vektor ke raster. I.4.2 Tahap Pengolahan Citra Dalam penelitian ini, diterapkan proses transformasi Wavelet pada citra input yang hasilnya berupa citra aproksimasi dan detail horisontal, vertikal, dan diagonal. Lihat Gambar I.1.

Gambar I.1 Diagram alir proses dekomposisi Proses dekomposisi ini dilakukan secara berulang pada level dekomposisi 1, 2, dan 3 dengan memanfaatkan citra aproksimasi sebagai citra input. Hasil dari dekomposisi ini menghasilkan citra aproksimasi dan data detail turunan baru yang merupakan komponen dari citra aproksimasi.

5


Kemudian pada citra aproksimasi yang dihasilkan, dilakukan proses ekstraksi unsur jalan secara otomatis dengan memanfaatkan deteksi tepi metode Canny. Karena deteksi tepi unsur terkait dengan keseluruhan citra, maka tepi jalan kemudian dipisahkan dari keseluruhan hasil deteksi tepi dengan proses pengenalan jalan secara otomatis. Pengenalan jalan yang dilakukan berdasarkan pada karakteristik unsur jalan pada citra [Baumgartner, et. al, 2001] terbagi menjadi analisis Watershed pada citra hasil dekomposisi [Gonzales dan Woods, 2003], serta eliminasi

piksel yang

bukan tepi berdasarkan kondisi keterhubungan dan ketetanggan antar piksel hasil deteksi tepi yaitu [Chiang et al, 2001]:  Eliminasi percabangan;  Eliminasi untaian piksel yang berubah arah dengan cepat;  Eliminasi segmen pendek. Alur metodologi penelitian kajian ekstraksi jalan tersebut di atas dapat dilihat pada Gambar I.2.

Gambar I.2 Diagram alir proses ekstraksi jalan

6


I.4.3 Tahap Analisis Pada tahap analisis dilakukan penghitungan selisih nilai piksel dari citra asli dengan citra aproksimasi. Untuk dapat melakukan operasi matematis pada citra aproksimasi, dilakukan rekonstruksi terhadap citra aproksimasi dari berbagai level dekomposisi untuk melihat sejauh mana perubahan karakteristik spektral yang disebabkan oleh dekomposisi terhadap citra. Kualitas hasil ekstraksi jalan yang pada umumnya dinyatakan dalam nilai kelengkapan (completeness) dan ketepatan (correctness) diperoleh dengan membandingkan data referensi dengan data hasil ekstraksi secara otomatis [Hu dan Tao, 2007]. Kemudian keterkaitan antara kualitas hasil ekstraksi jalan dengan resolusi citra, dikaji dengan melakukan ranking pada hasil-hasil analisis ekstraksi jalan pada citra aproksimasi dari setiap level dekomposisi. I.5

Batasan Penelitian

Area studi dalam penelitian difokuskan pada daerah perkotaan dengan mengambil sampel data area pemukiman di sekitar Jalan Sangkuriang, Kota Bandung. Sampel ini diperoleh dari foto udara area Bandung Utara dan sekitarnya yang terekam dalam format digital satu kanal dengan resolusi 0,2 meter. Dalam proses pengolahan citra sebagai sistem sinyal, transformasi Wavelet dilakukan menggunakan beberapa fungsi wavelet yaitu haar, daubechies3, dan symlet3. Proses dekomposisinya dibatasi hingga level 3 dimana akan diperoleh citra aproksimasi dengan resolusi hingga 0,25 kali resolusi data sampel. I.6

Struktur Penulisan Thesis

Penulisan Thesis ini dibagi kedalam bab-bab dengan urutan sebagai berikut : 

Bab I membahas mengenai latar belakang ekstraksi jalan dan transformasi wavelet. Dari sini kemudian diidentifikasi permasalahan-permasalahan yang

7


ada untuk menyusun metodologi penelitian berikut tujuan dan manfaatnya serta batasan-batasannya 

Bab II membahas penelitian, teori, dan konsep yang mendasari penelitian ini yaitu deteksi tepi, transformasi wavelet, dan beberapa analisis keteranggaan.



Bab III membahas secara detil mengenai pelaksanaan penelitian. Dalam hal ini tahapan-tahapan proses penelitian yang dilakukan terdiri dari dekomposisi wavelet, deteksi tepi canny, dan pengenalan jalan.



Bab IV membahas mengenai analisis terhadap citra aproksimasi dan hasil ekstraksi jalan pada citra aproksimasi tersebut untuk mendapatkan gambaran mengenai keterkaitan antara proses ekstraksi unsur jalan dengan level dekomposisi dari transformasi Wavelet.



Bab V memuat kesimpulan-kesimpulan dari hasil analisis dan saran-saran untuk penelitian lebih lanjut.

8


BAB I. Pendahuluan I.1 Latar Belakang

Recommend Documents