ABSTRAK
Implementasi algoritma thinning pada citra untuk menilai posisi duduk seseorang dari segi
pencegahan penyakit tulang belakang.
Pembuatan aplikasi ini menggunakan algoritma thinning dan Matlab 7.8 dalam proses
klasifikasi posisi duduk seseorang tampak samping. Thinning merupakan salah satu algoritma
perubahan citra dalam morphological operation. Konsep morphological operation pada
pengolahan citra adalah operasi- operasi perubahan bentuk pada binary image. Hasil yang
didapat dari pembuatan aplikasi ini terdapat dua kondisi yaitu kondisi saat posisi duduk
memenuhi dan kondisi saat posisi duduk tidak memenuhi. Untuk melakukan proses klasifikasi
menggunakan hasil expert yang telah dilakukan oleh para ahli yaitu posisi duduk saat terbentuk
sudut 900 sampai 1100.
Pada penelitian ini hasil persentase keberhasilan yang didapat adalah 70%. Terdapat
beberapa faktor yang berpengaruh antara lain warna baju yang digunakan oleh objek, intensitas
cahaya, dan jumlah benda yang berada disekeliling objek.
Page 1
sinyal gambar yang terjadi akibat transmisi, serta untuk meningkatkan kualitas
penampakan gambar agar lebih mudah diinterprestasi oleh sistem penglihatan manusia,
dengan melakukan manipulasi dan juga analisis terhadap gambar. Kegiatan memperbaiki
kualitas citra agar mudah diinterprestasi oleh manusia atau komputer. Inputnya adalah
berupa citra digital dan keluarannya pun berupa citra digital tapi dengan kualitas yang
lebih baik dari citra input. Misalkan diinput citra yang memiliki warna kurang tajam,
kabur, dan mengandung noise (misal bintik- bintik putih), sehingga dilakukan suatu
pemrosesan untuk memperbaiki citra. Penelitian ini dilakukan dengan tujuan
menghasilkan suatu program yang dapat digunakan untuk menilai posisi duduk seseorang
saat sedang bekerja dari segi pencegahan gangguan penyakit tulang belakang dengan
menerapkan algoritma thinning.
METODE PENELITIAN
Implementasi Algoritma thinning untuk menilai posisi duduk seseorang dari segi
pencegahan penyakit tulang belakang sebuah program yang dapat melakukan klasifikasi
dengan menilai posisi duduk seseorang menggunakan hasil citra thinning. Untuk
mendapatkan citra hasil thinning melewati beberapa proses antara lain tahap grayscale,
background subtraction, segementasi, dan thinning. Diagram alur pada program ini
adalah:
Page 2
Tahap Grayscale
Pada tahap pertama preprocessing yaitu grayscale. Pada penelitian ini digunakan
fungsi dari matlab yaitu rgb2gray untuk mengubah citra RGB menjadi citra grayscale.
Sintak yang digunakan pada program ini adalah:
image1 = handles.image;
handles.abu=rgb2gray(image1);
axes(handles.axes2)
imshow(handles.abu);
guidata(hObject,handles);
title('Citra Grayscale');
Universitas Gunadarma
Page 3
ambang =75;
biner = zeros(tinggi, lebar);
for baris=1 : tinggi
for kolom=1 : lebar
if image2(baris,kolom)>=ambang
biner (baris,kolom)=1; %%background
else
biner (baris,kolom)=0; %objek
end
end
end
axes(handles.axes3)
imshow(biner);
handles.gambar_hitam = biner;
guidata(hObject,handles);
title('Citra Subtraction');
Universitas Gunadarma
Page 4
metode thinning berdasarkan Algoritma Zhang and Suen yaitu proses merubah bentuk
dari citra hasil dilasi dan erosi yang berbentuk citra biner menjadi citra yang menampilkan
batas- batas objek yang hanya setebal satu pixel. Diagram alur pada proses thinning
dibawah ini:
mulai
TIDAK
If piksel =0
Piksel =1
YA
Piksel =0
Iterasi hapus piksel
(8-tetangga)
TIDAK
YA
Simpan citra hasil
selesai
Universitas Gunadarma
Page 5
Universitas Gunadarma
Page 6
J=K;
for r=2:H-1
%% row
for c=2:W-1
%% column
if(J(r,c)==0)
%% find 8 neighborhood of pixel %%
P(9) = J(r-1,c-1);
P(2) = J(r-1,c);
P(3) = J(r-1,c+1);
P(8) = J(r,c-1);
P(1) = J(r,c);
P(4) = J(r,c+1);
P(7) = J(r+1,c-1);
P(6) = J(r+1,c);
P(5) = J(r+1,c+1);
%% COMPUTE B %%
B = 8-(P(2)+P(3)+P(4)+P(5)+P(6)+P(7)+P(8)+P(9));
%% COMPUTE A %%
A=0;
if ( P(2)==1
& P(3)==0
)A=A+1; end
if ( P(3)==1
& P(4)==0
)A=A+1; end
if ( P(4)==1
& P(5)==0
)A=A+1; end
if ( P(5)==1
& P(6)==0
)A=A+1; end
if ( P(6)==1
& P(7)==0
)A=A+1; end
if ( P(7)==1
& P(8)==0
)A=A+1; end
if ( P(8)==1
& P(9)==0
)A=A+1; end
if ( P(9)==1
& P(2)==0
)A=A+1; end
%% DECIDE IF PIXEL SHOULD BE DELETED %%
if( (B>=2) & (B<=6) & (A==1) & ((P(4)==1 &P(6)==1)|(P(2)==1) |
(P(8)==1)))K(r,c)=1;
CHANGE=CHANGE+1;
end
end
end
end
CHANGE %% output # of changes this iteration
%% swap J with K
J=K;
jml=jml+1;
end
z=J;
Universitas Gunadarma
Page 7
Tahap Klasifikasi
Pada tahap klasifikasi menggunakan operasi geometri yaitu pergeseran citra. Citra
yang digunakan pada proses klasifikasi ini adalah citra hasil thinning. Untuk menentukan
klasifikasi menggunakan nilai batas pixel. Nilai batas pixel didapat dari range sudut yang
terbentuk saat posisi duduk. Batasan sudut yang digunakan adalah 900 sampai 1100.
Penentuan nilai tersebut sudah dilakukan oleh para ahli di bidangnya sebelumnya.
Langkah pertama menentukan titik acuan misalkan yakni titik A dengan koordinat (x1,y1)
dan titik B dengan koordinat (x,y) yang dapat dilihat pada Gambar dibawah ini
( = 20 = 2,25)
Nilai 450 diambil dari sudut pada gambar dengan ukuran 20 x 20 pixel. Jadi setiap satu
pixel pergeseran posisi citra besaran sudut akan bergeser sebesar 2,25 0. Nilai batas
maksimal didapat dari hasil bagi selisih toleransi sudut dengan besaran pergeseran sudut.
(1100 900 )
200
Universitas Gunadarma
Page 8
selanjutnya yang dilakukan adalah menerapkan nilai tersebut kedalam sintak pada
program.
test = handles.image;
[jum_kolom, jum_baris] = size(test);
piksel_max = 8;
for p=1 : jum_kolom
for q=1 : jum_baris
if test(p,q) <= piksel_max;
handles.hasil1 = imread('normal.jpg');
else
handles.hasil1 = imread('abnormal.jpg');
end
end
end
axes(handles.axes2);
imshow(handles.hasil1);
guidata(hObject,handles);
Pada sintak tersebut dijelaskan bila nilai yang didapat kurang dari sama dengan 8 maka
hasil klasifikasi adalah memenuhi dan akan tampil gambar normal.jpg. Namun bila nilai
lebih dari 8 maka hasil klasifikasi adalah tidak memenuhi dan akan tampil gambar
abnormal.jpg.
Gambar normal bila hasil memenuhi Gambar abnormal bila hasil tidak memenuhi
HASIL UJI COBA
Pada percobaan kali ini digunakan 20 citra RGB dengan ukuran 30 x 30 pixel
dengan posisi orang duduk tampak samping. Dari 20 jumlah citra terdiri dari 10 citra
dengan posisi duduk memenuhi persyaratan dan 10 citra tidak memenuhi persyaratan.
Dalam proses tahapan background subtraction digunakan ambang batas nilai sebesar 75.
Selain itu di tentukan jumlah pixel maksimal pergeseran citra sejumlah 8 pixel. Bila
program dijalankan maka tampilannya akan seperti Gambar dibawah ini:
Universitas Gunadarma
Page 9
Universitas Gunadarma
Page 10
Jumlah keberhasilah = 14
Jumlah Keberhasilan
Persentase keberhasilan = ( Jumlah Citra
100%)
14
Universitas Gunadarma
Page 11