Anda di halaman 1dari 22

BAB IV

HASIL DAN PEMBAHASAN

4.1. Proses Pelaksanaan Penelitian

Proses pelaksanaan penelitian untuk mengimplementasikan

deteksi keretakan pipa ini menggunakan aplikasi (software) Microsoft

Paint, dan MATLAB 2016a.

4.1.1. Pengambilan Citra

Proses Pengambilan Citra dengan menggunakan sebuah alat

bantu pengambil gambar. Kamera maker Xiaomi dengan resolusi 5

megapixel digunakan untuk pengambilan citra. Representasi warna

citra yang diperoleh berupa citra warna asli (RGB).

4.1.2. Data Yang Diperoleh

Setelah Proses pengambilan citra dilakukan dan gambar telah

dipilih untuk objek penelitian, citra yang dipilih akan di input ke dalam

sistem. Dan citra yang diperoleh berupa citra awal warna (RGB)

dengan ukuran 4160x3120 piksel dengan format citra .jpg. Seperti

pada gambar :

31
32

Gambar : Citra Awal (RGB)

Gambar 4.1.1. Citra Awal

4.1.3. Praproses cropping dan scalling citra

Sebelum masuk ke tahap ekstraksi fitur citra dan

implementasi, akan dilakukan praproses terlebih dahulu dimana citra

pipa merupakan citra RGB. Selanjutnya akan dilakukan proses

cropping dan scalling. Cropping merupakan proses memotong dan

mengambil bagian dari citra yang dibutuhkan dan proses scalling

untuk menyeragamkan skala ukuran citra.

1. Cropping

Citra pipa yang diambil merupakan citra umum, artinya tidak

semua bagian dibutuhkan dalam sistem yang akan dirancang,

sehingga perlu proses cropping. Penerapan ini menggunakan

software Microsoft Paint seperti pada gambar.


33

Citra Awal (RGB) 4160x3120 piksel. Citra hasil Cropping 3177x461


piksel.
Gambar 4.1.2. proses cropping

Citra hasil cropping berukuran 2024x532 piksel, ukuran telah

disesuaikan untuk mengambil bagian yang hanya dibutuhkan.

2. Scalling

Setelah proses cropping citra hasil cropping dilakukan proses

scaling untuk menyeragamkan ukuran citra. Dimensi ukuran citra

setelah di cropping adalah 3177x461 Pixel, dengan proses

scalling diformulasikan sebagai berikut :

New_width = width* skala

New_hight = height* skala

Scalling dapat dilihat pada gambar :

72

500

Citra Cropping 3177x461 piksel Citra hasil Scalling 500x72 piksel

Gambar 4.1.3. Proses Scalling


34

Di dalam penelitian ini proses scalling dilakukan untuk

mengubah resolusi atau ukuran horizontal dan vertikal suatu

citra dimana ukuran maksimal untuk horizontal dan vertikal

ditentukan sebesar 500x72 piksel. Proses komputasi dimensi

matriks yang besar membutuhkan waktu proses yang lama

sehingga diperlukan reduksi dimensi citra untuk meminimalisir

waktu proses implementasi.

4.1.4. Konversi citra RGB Ke citra Grayscale

Proses konversi citra RGB ke citra Grayscale (abu-abu)

menggunakan proses implementasi aplikasi pemprograman

MATLAB versi 2016a. Citra perlu diubah tipenya menjadi grayscale

untuk mempermudah proses penelitian ini pada proses selanjutnya.

Citra setelah scalling di input ke sistem aplikasi Matlab

sebagai citra awal RGB dengan format citra bertipe *.jpg. Citra input

diberi nama ‘citra’ Untuk mengubah gambar RGB ke gambar di

grayscale MATLAB digunakan fungsi khusus yaitu

‘rgb2gray(matrik_gambar)’ .

Hasil Implementasi konversi RGB ke Grayscale adalah

sebagai berikut :
35

Input citra awal (Citra awal-RGB) Citra Grayscale.

Gambar 4.1.4. Konversi RGB ke Grayscale

Didapatkan nilai RGB adalah citra matriks 3 dimensi dengan

nilai ambang batas standar deviasi (255). matriks x-y yang berisi

nilai piksel pada gambar 4.1.4 input citra awal rgb dengan dimensi

citra 500x72x3 , sedangkan citra grayscale merupakan citra yang

terdiri dari dimensi warna Hitam dan Putih yang berarti citra

grayscale adalah citra dengan matriks 2 dimensi citra 500 x 72.

Deteksi tepi hanya dapat dilakukan menggunakan citra grayscale

atau citra 2 dimensi (2-D).

4.1.5. Implementasi Deteksi Tepi Canny

Hasil dari citra yang telah di konversi ke citra Grayscale,

langkah selanjutnya adalah mengimplementasikan deteksi tepi

dengan deteksi canny. Di Matlab proses pendeteksian tepi

dilakukan dengan perintah/fungsi edge.

Gambar hasil Implementasi deteksi canny adalah sebagai

berikut :
36

Citra Grayscale
Deteksi Tepi Canny

Gambar 4.1.5. Implementasi Deteksi Canny

Di dalam penelitian ini, implementasi deteksi tepi yang

dilakukan adalah untuk mendeteksi suatu keretakan pada pipa

dengan metode deteksi canny. Hasil pada gambar 4.5.

Implementasi deteksi canny terlihat sangat jelas, dan juga terlihat

noise pada gambar.

4.1.6. Proses Deteksi Keretakan Pipa

Sesuai dengan tujuan penelitian, yaitu implementasi deteksi

canny untuk deteksi keretakan pipa. Terlihat pada gambar 4.5.

implementasi deteksi canny, deteksi canny merupakan deteksi yang

sangat jelas dan hasil filter yang sedikit.

Masalah yang dihadapi untuk deteksi keretakan pipa adalah

adanya noise (sinyal-sinyal gangguan/derau) yang ada ketika

pengambilan citra, maka perlu dibersihkan/penyaringan terlebih

dahulu dengan menggunakan fungsi filter. Filter yang digunakan di


37

dalam penelitian ini adalah dengan operasi konvolusi (spatial

filter/Discret Convolution filter).

Tujuan dari konvolusi adalah untuk mendapatkan efek

memperhalus, menajamkan, blurring (Pengaburan) pada citra,

sehingga efek noise yang terjadi pada deteksi canny dapat disaring

oleh operasi konvolusi ini.

Berikut ini adalah hasil implementasi operasi konvolusi yang

dilakukan dari citra (grayscale ke konvolusi) dengan menentukan

gradient arah x dan y dengan persamaan kernel yang ditentukan

sebagai berikut :

0 −1 0 0 −1 0
Horizontal = 0 0 0 Vertikal = 0 0 0
0 1 0 0 1 0

Citra Grayscale Citra Konvolusi

Gambar 4.1.6. Citra Grayscale Ke Citra Konvolusi

Terlihat pada gambar 4.1.6., dari citra hasil konvolusi ini,

konvolusi menghasilkan efek bentuk tepian yang tajam,dan halus

pada objek gambar, dan sedikit blur, sehingga didapatkan bentuk

objek tepian.
38

4.2. Hasil Penelitian

Dari proses-proses penelitian didapatkan bahwa masalah

bagaimana untuk mendeteksi keretakan pipa dengan deteksi Canny

adalah dengan menggunakan pengolahan citra operasi konvolusi.

Dari proses-proses penelitian, di dapatkan proses sebagai berikut :

1. Input Citra, awal (RGB) di konversi ke citra Grayscale

2. Citra Grayscale ke Citra hasil konvolusi,

3. Citra hasil konvolusi ke deteksi canny (edge detection canny).

4. Hasil output citra Canny

Berikut ini adalah citra hasil implementasi deteksi canny untuk deteksi

keretakan pipa :

Deteksi Keretakan (canny)

Gambar 4.2.1.hasil keretakan deteksi tepi Canny


39

Hasil implementasi deteksi canny dengan menggunakan operasi filter

konvolusi, terlihat keretakan yang berada pada citra pipa melalui deteksi

tepi (canny).

Deteksi Canny Deteksi Keretakan Canny

Gambar 4.2.2. sebelum dan sesudah deteksi tepi keretakan canny

4.2.1. Citra Uji

Di dalam penelitian ini, ada 20 citra pipa uji yang di

implementasikan untuk mengetahui tingkat keberhasilan sistem

untuk menjawab keinginan pengguna. Berikut ini adalah tabel citra

uji :

No Nama Citra Citra Awal Crop&Scalling Deteksi Keretakan


Uji Canny
1 Inputcitra.jpg

500*72 piksel
40

2 Inputcitra2.jpg

142*600 piksel

3 Inputcitra3.jpg

105*300 piksel

4 Inputcitra4.jpg

200*700 piksel

5 Inputcitra5.jpg

109*300 piksel

6 Inputcitra6.jpg

141*600 piksel
7 Inputcitra7.jpg

48*300 piksel

8 Inputcitra8.jpg

136*300 piksel
41

9 Inputcitra9.jpg

66*300 piksel
10 Inputcitra10.jp

55*300 piksel

11 Inputcitra11.jp

g
72*300 piksel

12 Inputcitra12.jp

70*300 piksel

13 Inputcitra13.jp

80*700 piksel

14 Inputcitra14.jp

152*1000 piksel
42

15 Inputcitra15.jp

g
129*800 piksel

16 Inputcitra16.jp

218*600 piksel

17 Inputcitra17.jp

107*400 piksel

18 Inputcitra18.jp

76*400 piksel

19 Inputcitra19.jp

g
137*800 piksel

20 Inputcitra20.jp

g
147*600 piksel

Tabel 4.2.1. 20 Citra Pipa Uji

Hasil dari ke 20 citra yang di uji, citra akan di uji tingkat

keberhasilannya dengan menggunakan 3 parameter yaitu dengan

efektifitas Precission dan Recall, dan Accuracy.


43

4.2.2. Uji Precission, Recall, dan Accuracy

Precission adalah tingkat ketepatan antara informasi

yang diminta oleh pengguna dengan jawaban yang diberikan

oleh sistem. Sedangkan Recall adalah tingkat keberhasilan

sistem dalam menemukan kembali sebuah informasi. Dan

Accuracy di definisikan sebagai tingkat kedekatan antara nilai

prediksi dengan nilai yang actual.

Maka dengan kata lain precission dan recall adalah suatu

kesatuan yang terpisah oleh Accuracy, dalam arti bahwa Accuracy

bukan hasil dari Precission dan Recall.

Tingkat keberhasilan sistem mendeteksi keretakan pipa

dengan deteksi canny, telah di dapatkan 20 citra uji. Tujuan dari

penelitian ini adalah untuk mendeteksi keretakan pipa, dari 20 citra

yang di uji,sistem dapat menjawab ke 20 citra uji tersebut.

Dengan 13 citra yang relevan, 4 citra yang tidak relevan, dan

3 citra negatif di temukan. Maka di dapatkanlah hasil tersebut

dengan Precission sebesar 76%, Recall 81%, dan Accuracy

sebesar 65% yang di dapatkan dari perhitungan berikut ini.

Precission = Jumlah citra Pipa yang relevan

Jumlah citra pipa tidak relevan

Recall = jumlah citra pipa yang relevan

Jumlah citra pipa yang negative ditemukan


44

Rumus Precission dan Recall :

Precission = TP

TP + FP

Recall = TP

TP + FN

Rumus Accuracy :

𝐓𝐏 + 𝐓𝐍
𝑨𝒄𝒄𝒖𝒓𝒂𝒄𝒚 = =
𝐓𝐏 + 𝐓𝐍 + 𝐅𝐏 + 𝐅𝐍

Maka secara umum precission, recall dan accuracy

dirumuskan dalam tabel adalah sebagai berikut :

Nilai Nilai Sebenarnya

Prediksi TRUE FALSE

TRUE TP FP

(True Positive) (False Positive)

Hasil Yang Hasil yang tidak di

Benar/Relevan harapkan/tidak relevan

FALSE FN TN

(False Negative) (True Negative)

Hasil yang Tidak adanya hasil yang

hilang/negatif benar/ tidak ditemukan

ditemukan

Tabel 4.2.2. Rumus Precission,Recall dan Accuracy


45

Berikut adalah tabel 20 citra uji precission, recall, dan Accuracy

TP FP FN TN
(True (False (False (True
no nama citra positive) postive) negative) negative)
1 inputcitra 1
2 inputcitra2 1
3 inputcitra3 1
4 inputcitra4 1
5 inputcitra5 1
6 inputcitra6 1
7 inputcitra7 1
8 inputcitra8 1
9 inputcitra9 1
10 inputcitra10 1
11 inputcitra11 1
12 inputcitra12 1
13 inputcitra13 1
14 inputcitra14
1
15 inputcitra15 1
16 inputcitra16 1
17 inputcitra17 1
18 inputcitra18 1
19 inputcitra19 1
20 inputcitra20 1
Tabel 4.2.3. 20 citra uji Precission, Recall dan Accuracy

Maka dari tabel diatas didapatkan :

FP FN TN
TP (tidak (negatif (tidak
Ditemukan (Relevan) relevan) ditemukan) ditemukan)
20 13 4 3 0
Tabel 4.2.4. hitung 20 citra uji Precission, Recall dan Accuracy
46

𝟏𝟑
𝑷𝒓𝒆𝒄𝒊𝒔𝒔𝒊𝒐𝒏 = = 𝟎. 𝟕𝟔 = 𝟕𝟔%
𝟏𝟑 + 𝟒

𝟏𝟑
𝑹𝒆𝒄𝒂𝒍𝒍 = = 𝟎. 𝟖𝟔 = 𝟖𝟔%
𝟏𝟑 + 𝟐

𝟏𝟑 + 𝟎
𝑨𝒄𝒄𝒖𝒓𝒂𝒄𝒚 = = 𝟎. 𝟔𝟓 = 𝟔𝟓%
𝟏𝟑 + 𝟎 + 𝟒 + 𝟑

Maka hasil persentase tingkat keberhasilan yang di dapatkan dari

Precission, Recall dan Accuracy adalah :

Precission Recall Accuracy

(Tingkat (Tingkat (Tingkat nilai

keberhasilan keberhasilan sistem prediksi dengan nilai

jawaban diberikan menemukan actual)

sistem) informasi)

76 % 86 % 65 %

Tabel 4.2.5. hasil Precission, Recall, dan Accuracy

Hasil penelitian implementasi algoritma deteksi tepi canny untuk

deteksi keretakan pipa mencapai tingkat keberhasilan yang di

inginkan, yaitu lebih dari 50 % persentase. :

a. Precission = tingkat ketepatan antara informasi yang diminta

oleh pengguna dengan jawaban yang diberikan oleh sistem adalah

sebesar 76%
47

b. Recall = tingkat keberhasilan sistem dalam menemukan

kembali sebuah informasi yang diberikan adalah 86%

c. Accuracy = tingkat kedekatan antara nilai prediksi dengan nilai

yang actual yang diberikan oleh sistem adalah 65%.

4.3. Pembahasan

Pada hasil penelitian dan pengujian maka diperlukan pembahasan

agar dapat membantu pembaca atau pun pengembang memahami hasil

penelitian dan pengujian ini. Berikut ini adalah pembahasan pada saat

setelah penelitian melalui hasil pengujian sistem.

Penelitian telah banyak dilakukan, dan penulis mendapatkan hasil

bahwa saat pengambilan citra itu, sangat berpengaruh pada saat

pendeteksian tepi, yaitu efek gelap (bayangan) dan cahaya (kecerahan).

Pada saat pengambilan citra, citra dalam keadaan efek gelap

(terdapat bayangan) yang akan menghasilkan deteksi tepi yang kuat

dan meningkatnya suatu (noise) derau yang akan menghasilkan tepian

pada saat deteksi tepi. begitu pun sebaliknya, pada saat pengambilan

citra, hasil citra dengan keadaan efek (pencahayaan) kecerahan pada

seluruh citra dapat mengurangi efek noise. Dengan kata lain efek gelap

akan menghasilkan tepian yang kuat, sedangkan efek pencahayaan

dapat menghasilkan tepi yang lemah.

Maka dari itu efek pencahayaan (brightness) kecerahan membantu

penelitian ini, dengan mengatur sedikit kecerahan pada saat


48

pengambilan citra berlangsung. Berikut ini adalah penjelasan dari hasil

pengujian sistem.

4.3.1. Pengujian Sistem

Pada hasil penelitian maka diperlukan pengujian tingkat

keberhasilan sistem, yaitu dengan menggunakan efektifitas precission,

recall dan Accuracy. Hasil citra uji diambil sebanyak 20 citra yang akan

di uji agar mendapatkan tingkat persentase keberhasilan sistem

menjawab keinginan pengguna, dan hasil ke 20 citra uji ini sistem secara

aktual (fakta) berhasil dideteksi keretakan pada citra pipa (TN = tidak

adanya hasil yang benar) , dan yang membedakannya adalah pada hasil

yang diinginkan pengguna berbeda dengan hasil yang di jawab oleh

sistem.

Diketahui bahwa hasil pengujian didapatkan precission sebesar 76

%, recall sebesar 86% dan Accuracy sebesar 65% yang di dapatkan

dengan nilai Prediksi dan Actual (nilai sebenarnya) antara pengguna

dan sistem. Nilai prediksi dan actual didapatkan berdasarkan nilai TP

(nilai yang sebenarnya), FP (hasil yang tidak diinginkan), FN (hasil yang

hilang) dan TN (tidak adanya hasil yang benar).

Precission adalah tingkat jawaban yang diberikan oleh sistem, dan

sistem menjawab 13 citra TP dan 4 citra nilai FP ,nilai FP didapatkan

berdasarkan citra yang dideteksi mengandung sedikit noise pada citra,

antara nilai aktual dan prediksi dengan nilai precission sebesar 76%.
49

artinya keinginan jawaban yang diinginkan oleh pengguna sama dengan

jawaban yang diberikan oleh sistem, maka pada hasil pengujian

keinginan pengguna sistem menjawab dengan bentuk deteksi yang

jelas tanpa ada nilai FP dan Nilai FN. Dengan kata lain sistem menjawab

dengan nilai TP (nilai yang sebenarnya) dibagi dengan nilai FP.

Recall, hasil dari nilai Precission cenderung terbalik dari hasil nilai

Recall. Jika nilai Precission kecil, maka nilai Recall besar. Recall adalah

tingkat keberhasilan sistem menemukan informasi, nilai recall

didapatkan berdasarkan 13 citra nilai TP dan 2 citra Nilai FN, nilai FN

didapatkan berdasakan pada deteksi tepi yang menghasilkan deteksi

keretakan tidak sama persis dengan hasil deteksi tepi citra. Nilai recall

didapatkan sebesar 86%. Sistem menjawab dengan nilai TP dibagi

dengan Nilai FN.

Accuracy adalah tingkat keberhasilan prediksi dengan actual,

artinya nilai Precission dan Recall bukanlah hasil dari nilai Accuracy,

perbedaannya adalah tingkat kedekatan antara nilai prediksi dengan

nilai actual dari precission dan recall., peran nilai actual yaitu TP (nilai

yang sebenarnya) dan TN (tidak adanya hasil yang benar) dan nilai

prediksi nilai FP dan nilai FN dihitung berdasarkan nilai yang ditemukan,

nilai TN didapatkan 0, karena nilai aktual sistem yang berhasil menjawab

ke 20 citra, dan nilai prediksi berdasarkan jawaban yang diinginkan

pengguna, maka nilai hasil Accuracy sebesar 65%. Didapatkan

berdasarkan pertambahan nilai aktual dibagi dengan nilai prediksi.


50

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan penelitian yang telah dilakukan, maka dapat ditarik beberapa

kesimpulan yaitu :

1. Implementasi algoritma deteksi tepi canny untuk deteksi keretakan

pipa di permukaan air yang mana tujuan penelitian adalah mendeteksi

keretakan pipa, keretakan di deteksi melalui bentuk garis tepian yaitu

deteksi tepi dengan metode canny yang mana telah berhasil di deteksi.

2. Deteksi tepi Keretakan pipa menggunakan metode canny, sehingga

jika ada pengembangan yang dilakukan, deteksi tepi metode canny

sangat berpengaruh pada hasil filter (efek-efek derau) pada citra,

sehingga perlu adanya pengembangan sistem.

3. Deteksi tepi canny merupakan deteksi yang optimal dan baik, hasil

pada deteksi tepi canny sangat jelas, sehingga untuk mengambil deteksi

tepian keretakan pada pipa diperlukan Filter/penyaringan sinyal-sinyal

(noise) yang terjadi saat pengambilan gambar, yaitu dengan filter

konvolusi.

Filter konvolusi menghasilkan tepian yang nyata pada citra, sehingga

dari semua citra yang diambil, hasil pada deteksi canny menampilkan

bentuk deteksi tepian keretakan pada semua pipa, walaupun ke semua


51

pipa dapat di deteksi, ada beberapa citra yang menghasilkan citra yang

tidak di inginkan,seperti masih adanya sedikit noise yang terlihat dan

sedikit tepian hasil yang hilang.

5.2. Saran

Setelah melakukan penelitian dan pengujian deteksi tepi canny

untuk deteksi keretakan pada pipa ini, saran-saran yang sangat bermanfaat

bagi pembaca dan pengembangan yang akan datang antara lain :

1. Cropping dan scalling pada citra sangat berpengaruh dan membantu

dalam deteksi tepi, efek crop pada citra dapat mempersingkat waktu

untuk pendeteksian tepi, karena pembacaan matriks lebih sedikit

dilakukan, sedangkan efek scalling, yaitu penentuan skala horizontal

dan vertikal piksel pada citra dapat membantu bentuk tepi pada saat

deteksi tepi dilakukan.

Semakin kecil piksel pada citra, maka hasil deteksi tepi akan

semakin kurang baik, maka disarankan untuk menyeimbangkan piksel

scalling dengan mengambil titik tengah suatu piksel pada saat proses

cropping citra.

2. Deteksi tepi canny sangat berpengaruh pada saat pengambilan citra,

efek gelap (bayangan) dan pencahayaan saat citra diambil, membuat

citra saat di deteksi akan menghasilkan noise, dan bentuk tepi yang
52

tidak diinginkan (gelap/bayangan), sebaliknya jika pencahayaan

(kecerahan) tinggi maka efek noise dan bentuk tepian akan sedikit

hilang, efek pencahayaan saat pengambilan gambar sangat membantu

untuk mendeteksi tepi.

3. Untuk filtering citra, khususnya efek filter dengan konvolusi dapat

dilakukan dengan menggunakan kernel metode yang telah ada atau

dapat menentukan kernel pada saat pencarian, dan ini sangat

berpengaruh pada pembentukan sebuah tepi, dan menurut hasil

penelitian, operasi konvolusi membantu dengan baik untuk deteksi tepi

karena efek konvolusi mengatur pada titik piksel keseluruhan

(horizontal-vertikal) pada citra dengan menentukan matriks (kernel).