Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425

PERANCANGAN APLIKASI DETEKSI CITRA DIGITAL DENGAN

ALGORITMA SMALLEST UNIVALUE SEGMENT ASSIMILATING
NUCLEUS
Muhammad Luthfi (0911849)

Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan

Jl. Sisingamangaraja No. 338 Simpang Limun Medan
http:www.stmik-budidarma.ac.id / / Email ; luthfi_mhd@gmail.com

ABSTRAK
Deteksi tepi adalah hal yang umum dalam proses pengolahan citra digital karena merupakan salah satu
langkah awal dalam melakukan segmentasi citra, yang bertujuan untuk mempresentasikan objek-objek yang
terkandung dalam citra tersebut.
Deteksi tepi berfungsi untuk mengidentifikasikan garis batas dari suatu objek terhadap latar belakang
yang saling tumpang tindih. Dalam penelitian ini digunakan algoritma SUSAN.
Pada saat mendeteksi tepi pada citra yang mengandung noise algoritma SUSAN mampu melakukan
pendeteksian tepi. Secara objektif dapat dilihat nilai PSNR (Peak Signals Noise Ratio) yang dimiliki.

Kata Kunci : Deteksi Tepi, Susan, Citra Digital.

1. PENDAHULUAN untuk diterapkan pada citra. Smallest Univalue

1.1 Latar Belakang Masalah
` Mata merupakan salah satu panca indra
yang digunakan manusia untuk melihat. Namun mata
manusia memiliki keterbatasan dalam menangkap
sinyal elektromagnetik. Oleh karena itu,
diciptakanlah komputer atau mesin pencitraan yang
dapat menangkap hampir keseluruhan sinyal
elektromagnetik. Mesin pencitraan dapat bekerja
dengan citra dari sumber yang tidak sesuai, tidak
cocok, atau tidak dapat ditangkap dengan
penglihatan manusia. Hal inilah yang menyebabkan
pengolahan citra digital memiliki kegunaan yang
sangat luas.
Salah satu teknik pengolahan citra yang
digunakan adalah deteksi tepi (edge detection).
Deteksi tepi adalah hal yang umum dalam proses
pengolahan citra digital karena merupakan salah satu
langkah awal dalam melakukan segmentasi citra,
yang bertujuan untuk mempresentasikan objek-
objek yang terkandung dalam citra tersebut. Deteksi
tepi berfungsi untuk mengidentifikasikan garis batas
dari suatu objek terhadap latar belakang yang saling
tumpang tindih. Sehingga apabila garis tepi pada
citra dapat diidentifikasikan dengan akurat, semua
objek dapat ditemukan dan sifat dasar seperti area,
bentuk, dan ukuran objek dapat diukur. Tepian citra
adalah posisi dimana intensitas pixel dari citra
berubah dari nilai rendah ke nilai tinggi atau
sebaliknya. Saat ini telah ada beberapa metode yang
dapat digunakan untuk pendeteksian tepi, contohnya
adalah metode sobel, canny, prewitt, Smallest
Univalue Segment Assimilating Nucleus dan
SUSAN. Dalam penelitian ini diambil algoritma
Smallest Univalue Segment Assimilating Nucleus
untuk mendeteksi tepi (edge detection). Algoritma
Smallest Univalue Segment Assimilating
Nucleusmask ini berisi basis perhitungan vektor
Segment Assimilating Nucleusmenunjukkan
pendeteksian tepi yang terbaik dilakukan oleh
detektor tepi yang sederhana, diikuti dengan
penipisan dan menghubungkan proses untuk
mengoptimalkan garis tepi.Skripsi ini akan
memberikan gambaran mengenai penerapan metode
dalam mendeteksi tepi pada sebuah citra, serta
mengevaluasi kinerja masing-masing algoritma
1.2 Perumusan Masalah
Permasalahan yang dapat dirumuskan
berkaitan dengan latar belakang diatas adalah:
1. Apa yang dimaksud dengan citra digital,
kualitas resolusi citra,dan pendeteksian tepi
(edge detection) pada proses pengolahan citra
digital.
2. Bagaimana kinerja Algoritma Smallest
Univalue Segment Assimilating Nucleus
sebagai metode pendeteksi tepi yang digunakan
pada penelitian dalam melakukan pendeteksian
tepi terhadap suatu citra.
3. Bagaimana merancang aplikasi yang mampu
mendeteksi tipe citra dengan algoritma
Smallest Univalue Segment Assimilating
Nucleus dengan menggunakan bahasa
pemrograman Visual Basic.Net 2008?
1.3. Batasan Masalah
Batasan-batasan masalah yang dipakai dalam
penulisan skripsi ini adalah sebagai berikut :
1. Metode yang akan dianalisis adalah metode
pendeteksi tepi citra dengan algoritma Smallest
Univalue Segment Assimilating Nucleus.
2. Bahasa pemrograman yang digunakan adalah
Visual Basic.Net 2008 dengan citra yang akan
dijadikan objek penelitian adalah citra digital
dengan format *.jpg.

Perancangan Aplikasi Deteksi Citra Digital Dengan Algoritma Smallest Univalue Segment Assimilating 154
Nucleus. Oleh : Muhammad Luthfi
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425

3. Parameter yang akan diukur untuk mengetahui
hasil kinerja masing-masing metode pendeteksi
tepi adalah sensitivitas tiap-tiap metode
terhadap noise (sensitivity rate), morfologi garis
yang dihasilkan pada citra keluaran hasil
metode pendeteksi tepi, dan waktu yang
diperlukan untuk melakukan proses (timing
run).
1.4. Tujuan Dan Manfaat
1.4.1. Tujuan :
1. Untuk merancang suatu aplikasi yang mampu
membahas Algoritma Smallest Univalue
Segment Assimilating Nucleus dan hasil yang
di dapat pada objek image
2. Untuk melacak titik-titik pada citra yang
dianggap sebagai tepi dari suatu objek, yang
membatasi suatu wilayah objek satu dengan
yang lainnya
3. Menerapkan Algoritma Smallest Univalue
Segment Assimilating Nucleus dalam sebuah
prosedur program
1.4.2. Manfaat :
1. Membantu dalam melakukan pendeteksian
terhadap kerusakan garis tepi suatu Citra digital
khususnya citra digital dengan JPG.
2. Memberikan gambaran cara mendeteksi garis
tepi pada citra digital dengan Algoritma
Smallest Univalue Segment Assimilating
Nucleus.
3. Sebagai bahan referensi bagi peneliti lain yang
ingin merancang perangkat lunak
pendeteksi garis tepi suatu citra digital sejenis.
disimpan pada suatu media penyimpanan (Aniati
Murni, Pengantar Pengolahan Citra, 2012).
Citra dikelompokkan menjadi dua bagian
yaitu citra diam (still image) dan citra bergerak
(animated images). Cira diam adalah citra tunggal
yang tidak bergerak. Sebaliknya, citra bergerak
adalah rangkaian citra diam yang ditampilkan secara
beruntun (sekuensial) sehingga memberi kesan pada
mata sebagai gambar yang bergerak. Setiap citra di
dalam rangkaian itu disebut frame. Gambar-gambar
yang tampak pada film layar lebar atau televisi pada
hakekatnya terdiri dari ratusan sampai ribuan frame.
Citra dapat digolongkan menjadi dua jenis, yaitu
citra analog dan citra digital.
2.3. Algoritma SUSAN (Smallest Univalue
Segment Assmilating Nucleus)
Ide dibalik algoritma ini adalah dengan
menggunakan kesamaan nilai-nilai pixel
tetangganya abu-abu sebagai klasifikasi kriteria.
Daerah pada SUSAN berada pada maksimum
wilayah regional.
Lokal area SUSAN berisi informasi
mengenai struktur dari sebuah citra digital. Area ini
daerah efektif untuk mencari dalam skala kecil. Bisa
dilihat dalam gambar 2.24, area SUSAN berada pada
kondisi maksimum ketika nucleus berada pada
permukaan citra, jatuh ke setengah dari
maksimum pada saat dekat tepi lurus, dan jatuh
lebih jauh ketika di sudut. Area SUSAN tersebut
digunakan untuk menghasilkan tepi.

2. Landasan Teori
2.1. Kriptografi
Kriptografi saat ini telah menjadi salah satu
syarat penting dalam keamanan teknologi informasi
terutama dalam pengiriman pesan rahasia.
Pengiriman pesan rahasia sangat rentan terhadap
serangan yang dilakukan oleh pihak ketiga, seperti
penyadapan, pemutusan komunikasi, pengubahan
pesan yang dikirim dan lainnya. Kriptografi dapat Gambar 1 Circular masks dengan posisi yang
meningkatkan keamanan dalam pengiriman pesan berbeda pada sebuah citra
atau komunikasi data dengan cara menyandikan
pesan tersebut berdasarkan algoritma dan kunci
tertentu yang hanya diketahui oleh pihak-pihak yang
berhak atas data/informasi tersebut. Hal ini
menyebabkan pihak-pihak yang tidak berhak tidak
dapat mengerti isi pesan tersebut (Rinaldi Munir,
Kriptografi, 2006).

2.2. Teori Dasar Citra

Citra adalah suatu representasi
(gambaran), kemiripan, atau imitasi dari suatu objek.
Citra sebagai keluaran suatu sistem perekaman data
dapat bersifat optik berupa foto, bersifat analog Gambar 2. Empat circular masks dengan warna yang
berupa sinyal-sinyal video seperti gambar pada serupa
monitor televisi, atau bersifat digital yang dapat

Perancangan Aplikasi Deteksi Citra Digital Dengan Algoritma Smallest Univalue Segment Assimilating 155
Nucleus. Oleh : Muhammad Luthfi
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425

Dari area yg di deteksi tersebut

disebut SUSAN (Smallest Univalue Segment
Assimilating Nucleus). Karena Metode yang
digunakan berdasarkan tingkat
kecerahan(brightness) maka lebih efektif pada citra
yang mempunyai tingkat brightness yang tinggi. Jadi
pertama-tama citra diproyeksikan ke circular mask
SUSAN, lakukan perbandingan terhadap circular
mask dengan citra asli. Kemudian hasil dari
perbandingan tersebut di bandingkan dengan nilai
threshold, apabila lebih kecil menghasilkan nilai
piksel 1 dan sebaliknya akan menghasilkan nilai
0, sehingga deteksi tepi selesai dilakukan(Smith
S.M, 1997). Gambar 3. Citra Yang Diproses

2.3.1. Kriteria Penilaian Kualitas Citra 1. Konversikan citra yang akan di deteksi.
Pada bagian ini dibahas mengenai Adapun hasil konversi citra diatas adalah
kriteria-kriteria penilaian baik-buruknya kualitas seperti gambar dbawah ini
citra, yaitu kriteria penilaian secara obyektif dengan
menggunakan suatu ukuran tertentu dan kriteria 4 4 3 5 4
penilaian secara subyektif dengan berdasarkan
pengamatan mata manusia(Kaur Beant, 2011). 6 6 5 5 2
5 6 6 6 2
2.3.2. Mean Square Error (MSE) f(x,y) =
Semakin kecil nilai MSE semakin kecil 6 7 5 5 3
nilai error pada suatu citra. Rumus MSE dapat 3 5 2 4 4
dituliskan sebagai berikut
1
MSE = (f(x,y)-g(x,y) 2. Tentukan kernel yang digunakan untuk
N −1
M .N mendeteksi citra.
∑ M −1

y =0 ∑
x=0 g(x,y) =
0 -1 0

-1 4 -1
2.3.3. Peak Signal to Noise Ratio (PSNR)
Peak Signal to Noise Ratio (PSNR) 0 -1 0
adalah perbandingan antara nilai maksimum dari
sinyal yang diukur dengan besarnya derau yang 3. Hitung nilai perkalian antara matriks citra
berpengaruh pada sinyal tersebut. PSNR merupakan dengan matriks kernel dari citra tersebut
parameter standar untuk menilai kuali-
tas suatu citra secara obyektif dengan
membandingkan noise terhadap sinyal puncak. Pada
umumnya disajikan dengan angka desimal yaitu dua
angka dibelakang koma. Nilai nyata (actual value)
tidak sepenuhnya berarti, tetapi perbandingan dua Hasil Proses-1 = 3 Nilai ini dihitung dengan
nilai untuk citra rekonstruksi yang berbeda cara berikut :
memberikan satu nilai mutu. Semakin tinggi
nilainya, semakin tinggi mutunya (Kaur Beant, (0 x 4) + (-1 x 4) + (0 x 3) + (-1 x 6) + (-1 x
2011). PSNR biasanya diukur dalam satuan desibel, 5) + (0 x 5 ) +(-1 x 6) + (0 x 6) = 3
berikut persamaannya:
255
PSNR = 20.log 10 3
MSE

3. Pembahasan
Pada tahap ini akan dicontohkan proses
tepi citra dengan gambar yang digunakan berformat 4. Geser kernel satu pixel ke kanan, kemudian
JPEG. Adapun prosesnya dapat terlihat pada tahapan hitung nilai pixel pada posisi (0,0) dari kernel
dibawah ini.

Perancangan Aplikasi Deteksi Citra Digital Dengan Algoritma Smallest Univalue Segment Assimilating 156
Nucleus. Oleh : Muhammad Luthfi
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425

Hasil Proses-2 = 0
(0 x 4) + (-1 x 3) + (0 x 5) + (-1 x 6) + (4 x
5) + (-1 x 5) + (-1 x 6) + (0 x 6) + (-1 x 6) +
(0 x 6 )=0 Gambar 1. Form Utama Deteksi Tepi

3 0 2. Tampilan Form Open File

Form ini digunakan untuk mengambil foto mana
yang akan diuji deteksi tepi. Gambar yang digunakan
dalam pengujian ini menggunakan foto dengan
format JPG. Adapun form tersebut dapat dilihat pada
gambar 2 dibawah ini.
5. Geser kernel satu pixel ke kanan, kemudian
hitung nilai pixel pada posisi (0,0) dari kernel

Hasil Proses-3 = 2 Nilai ini dihitung

dengan cara berikut :

(0 x 3) + (-1 x 5) + (0 x 4) + (-1 x 5) + (4 x
5) + (-1 x 2) + (0 x 6) + (-1 x 6 ) + (0 x 2)=2
3 0 2 3.
Dengan cara yang sama seperti tadi, maka pixel-
pixel pada baris ke tiga diproses sehingga
menghasilkan :
Gambar 2. Open File
Tampilan Form Proses
Form ini digunakan untuk mengambil foto mana
yang akan diuji deteksi tepi. Gambar yang digunakan
dalam pengujian ini menggunakan foto dengan
format JPG. Adapun form tersebut dapat dilihat pada
gambar 3 dibawah ini.

3 0 2
0 2 6
6 0 2

4. Implementasi
Implementasi merupakan percobaan suatu
sistem yang telah jadi ke dalam permasalahan yang
Gambar 3. Form Pilih File
sebenarnya. Pengimplementasian suatu program
akan berpengaruh pada spesifikasi komputer yang
digunakan, agar program bisa berjalan dengan baik
maka spesifikasi perangkat keras dan perangkat
lunak harus sesuai.

1. Tampilan Menu Utama

Form menu utama merupakan form yang
berisi pilihan-pilihan menu utama atau tampilan
pertama saat program ini dijalankan.. Adapun form
tersebut dapat dilihat pada form 1 dibawah ini

Gambar 4. Form Hasil

Perancangan Aplikasi Deteksi Citra Digital Dengan Algoritma Smallest Univalue Segment Assimilating 157
Nucleus. Oleh : Muhammad Luthfi
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425

7. T. Sutoyo, S. Si., M. Kom, Teori Pengantar Citra

5. Kesimpulan Dan Saran Digital, Andi Offset, Jogyakarta, 2009.
5.1. Kesimpulan
Beberapa kesimpulan yang dapat ditarik
berdasarkan penelitian yang telah dilakukan
adalah sebagai berikut:
1. Algoritma yang digunakan yaitu algoritma
SUSAN berhasil memisahkan antara objek
dengan latar belakang sehingga objek yang
sesuai dengan citra hasilnya.
2. Makin besar ukuran citra maka waktu yang
dibutuhkan untuk melakukan pen- deteksian
tepi akan semakin lama.
3. Deteksi tepi menggunakan Algoritma SUSAN
menghasilkan titik-titik tepi yang halus.

5.2. Saran
Dalam pembuatan skripsi ini, masih terdapat
banyak kekurangan yang dapat diperbaiki untuk
pengembangan selanjutnya. Beberapa saran yang
dapat diberikan adalah:
1. Penelitian ini dapat dikembangkan dengan studi
kasus yang berbeda. Baik dari metode yang
digunakan, maupun dari permasalahan yang
ingin dipecahkan dengan memanfaatkan kinerja
metode pendeteksi tepi.
2. Untuk pengembangan selanjutnya dapat
dilakukan dengan menganalisa pengaruh
kualitas resolusi citra dengan format lain selain
*.jpg terhadap kinerja metode pendeteksi tepi.
3. Pengembangan juga dapat dilakukan dengan
mengkombinasikan beberapa pendeteksi tepi
untuk mendeteksi sebuah citra, kemudian
dianalisis hasilnya apakah semakin baik atau
semakin buruk.
4. Aplikasi yang dirancang masih memiliki menu
yang terbatas. Penambahan menu-menu akan
membantu penggunaan aplikasi yang lebih baik
5. Apabila masih banyak terdapat kekurangan dan
kesilapannya penyusun meminta maaf yang
sebesar-besarnya, dan apabila ada masukan
yang berguna dan bermanfaat bagi skripsi ini
penyusun bersedia menerimanya untuk
kelanjutan yang mungkin membuatnya menjadi
lebih sempurna dari sebelumnya.

DAFTAR PUSTAKA

1. Aniati Murni, Pengantar Pengolahan Citra, Andi

Offset, Jogyakarta, 2013.
2. Edi Purnomo, Pengantar Teknologi Informasi,
Salemba, Jakarta, 2003.
3. Jogiyanto H. M, Analisis dan Desain Sistem
Informasi, Andi Offset, Jogyakarta , 2011.
4. Rinaldi Munir, Pengolahan Citra Digital dengan
Pendekatan Algoritmik, 2004.
5. Rinaldi Munir, Kriptografi, Informatika
Bandung, 2006.
6. Rahmat Priyanto, Belajar Visual Basic.net 2008,
Graha Ilmu, Jakarta, 2009.

Perancangan Aplikasi Deteksi Citra Digital Dengan Algoritma Smallest Univalue Segment Assimilating 158
Nucleus. Oleh : Muhammad Luthfi