Disusun oleh:
Disusun oleh:
Disusun oleh:
Mohamad Daffa Anugrah Pratama
H1A017013
Mengetahui:
Dekan Fakultas Teknik
ii
HALAMAN PERNYATAAN
Dengan ini saya menyatakan bahwa dalam Laporan Tugas Akhir 1 dengan
judul “DETEKSI LUAS RETAKAN PADA BETON MENGGUNAKAN
SEGMENTASI CITRA DIGITAL DENGAN METODE OTSU
THRESHOLDING” ini tidak terdapat karya yang pernah diajukan untuk
memperoleh gelar kesarjanaaan di suatu Perguruan Tinggi, dan sepanjang
pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau
diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan
disebutkan dalam daftar pustaka.
iii
HALAMAN MOTTO DAN PERSEMBAHAN
MOTTO
“Do what you love, love what you do. Don’t quit, because a quitter never
win and a winner never quit.”.
PERSEMBAHAN
Laporan Tugas Akhir ini dapat diselesaikan atas dorongan, saran, serta
bantuan pemikiran berbagai pihak. Pada kesempatan ini disampaikan ucapan
terima kasih kepada :
1. Allah Subhanahu Wa Ta’ala Yang Maha Esa, yang melimpahkan nikmat
yang tak pernah ada batas dari-Nya.
2. Kedua Orang Tua dan Saudara penulis atas dukungan baik moril maupun
materil selama pelaksanaan Tugas Akhir.
3. Ibu Farida Asriani, S.Si., M.T. selaku Ketua Jurusan Teknik Elektro
Unsoed dan dosen pembimbing Tugas Akhir.
4. Ibu Hesti Susilawati, S.T., MT. selaku dosen pembimbing Tugas Akhir.
5. Seluruh dosen dan tenaga pengajar Teknik Elektro di Fakultas Teknik
Universitas Jenderal Soedirman yang telah memberikan ilmunya dengan
penuh keikhlasan.
6. Novia Tri Nurhotimah yang turut memberikan dukungan penuh.
7. Seluruh rekan dan teman Teknik Elektro Unsoed yang selalu setia
menemani setiap saat dan selalu menjadi pendengar yang baik.
8. Seluruh rekan dan teman Wisma Nabil yang setia menemani.
9. Seluruh rekan dan teman di Sitdown Kopi yang selalu memberikan
dukungan penuh dalam segala hal dan juga sebagai tempat berdiskusi
untuk selalu memberi cara baru untuk memandang dunia.
iv
RINGKASAN
Keretakan pada beton adalah hal yang sangat sering ditemukan di semua
jenis struktur beton. Keretakan pada beton ini tentunya menjadi permasalahan
yang sering sekali ditemukan di sekitar. Berbagai metode telah dikembangkan
untuk mengidentifikasi keretakan untuk menjadi parameter utama prediksi
kelayakan beton di masa mendatang. Salah satu metode yang digunakan adalah
dengan menggunakan UPV (Ultrasonic Pulse Velocity). Namun, alat ini memiliki
keterbatasan pada mobilitas sehingga sulit untuk menjangkau area yang
membutuhkan mobilitas tinggi. Untuk mengatasi keterbatasan tersebut maka
harus menggunakan metode yang berbeda, salah satu nya adalah pengolahan citra.
Metode pengolahan citra ini memanfaatkan citra yang diambil dari
berbagai alat seperti kamera. Kamera memiliki mobilitas tinggi dan dapat
dipadukan dengan alat lain, contohnya dengan UAVs (Unmanned Aerial Vehicles).
UAV dapat menjangkau area yang membutuhkan mobilitas khusus untuk
mendapatkan citra dari keretakan beton. Citra yang di ambil akan diolah dengan
berbagai teknik pengolahahan citra. Metode yang diusulkan oleh penulis adalah
dengan menggunakan preprocessing citra dengan tuned tri-threshold fuzzy
intensification operators, lalu mengunakan metode otsu thresholding sebagai
processing utama, dan terakhir menggunakan postprocessing citra yaitu Deghost
dan Median filter.
Hasil dari proses pengolahan citra tersebut adalah luas area pixel
keretakan pada beton dan prosentase keretakan beton dengan dari keselurahan
citra itu sendiri. Hasil dari metode ini diharapkan menjadi parameter analisis
untuk pertimbangan kelayakan dari beton untuk di masa mendatang.
Kata kunci : Pengolahan Citra, Keretakan Beton, Otsu Thresholding, tuned tri-
threshold fuzzy intensification operators
v
SUMMARY
vi
PRAKATA
Puji syukur kehadirat Allah SWT karena atas segala berkah, rahmat, dan
hidayah-Nya penulis dapat menyelesaikan laporan Tugas Akhir dengan judul
“Deteksi Luas Retakan Pada Beton Menggunakan Segmentasi Citra Digital
Dengan Metode Otsu Thresholding” dengan baik dan tepat waktu.
Laporan Tugas Akhir ini disusun sebagai salah satu syarat mata kuliah
Tugas Akhir pada program studi Teknik Elektro - Universitas Jenderal Soedirman
pada tahun 2020 yang sedang penulis jalani. Laporan Tugas Akhir ini dapat
diselesaikan atas dorongan, saran, serta bantuan pemikiran berbagai pihak. Pada
kesempatan ini disampaikan ucapan terima kasih kepada : Kedua orang tua, Ibu
Farida Asriani, S.Si., M.T. selaku Ketua Jurusan Teknik Elektro Unsoed dan dosen
pembimbing Tugas Akhir, dan segenap rekan kerja selama Tugas Akhir yang telah
sabar membimbing dan banyak memberikan ilmu, sahabat-sahabat
yang selalu memberikan dukungan, semangat, motivasi, serta doa dan semua
pihak yang telah membantu dalam penelitian.
Akhir kata, Penulis menyadari bahwa masih banyak terdapat kekurangan
dalam laporan Tugas Akhir ini, maka kritik dan saran yang membangun sangat
diharapkan dari berbagai pihak. Akhir kata penulis berharap semoga Laporan ini
dapat bermanfaat bagi semua yang membutuhkannya, terutama bagi yang akan
menyusun Laporan Tugas Akhir terkait pada periode selanjutnya.
vii
DAFTAR ISI
HALAMAN JUDUL.............................................................................................................................i
HALAMAN PENGESAHAN..............................................................................................................ii
HALAMAN PERNYATAAN.............................................................................................................iii
HALAMAN MOTTO DAN PERSEMBAHAN.................................................................................iv
RINGKASAN.......................................................................................................................................v
SUMMARY..........................................................................................................................................vi
PRAKATA..........................................................................................................................................vii
DAFTAR ISI.....................................................................................................................................viii
DAFTAR TABEL................................................................................................................................xi
DAFTAR GAMBAR..........................................................................................................................xii
DAFTAR LAMPIRAN.....................................................................................................................xiii
DAFTAR ISTILAH DAN SINGKATAN..........................................................................................xiv
DAFTAR SIMBOL............................................................................................................................xv
BAB 1 PENDAHULUAN..................................................................................................................16
1.1 Latar Belakang....................................................................................................................16
1.2 Rumusan Masalah...............................................................................................................18
1.3 Batasan Masalah..................................................................................................................18
1.4 Tujuan Penelitian.................................................................................................................18
1.5 Manfaat Penelitian..............................................................................................................19
1.6 Sistematika Penulisan.........................................................................................................19
BAB 2 TINJAUAN PUSTAKA.........................................................................................................21
2.1 Penelitian Terdahulu............................................................................................................21
2.2 Beton...................................................................................................................................22
2.2.1 Retakan Beton.........................................................................................................23
2.3 Pengolahan Citra Digital.....................................................................................................24
2.3.1 Citra Warna.............................................................................................................25
2.3.2 Citra Grayscale.......................................................................................................25
2.3.3 Citra Biner..............................................................................................................25
2.3.4 Teknik Pengolahan Citra.........................................................................................25
2.4 Tuned Tri-threshold Fuzzy Intensification Operators.........................................................26
2.5 Segmentasi..........................................................................................................................28
2.5.1 Otsu Thresholding...................................................................................................29
viii
ix
2.6 Filter....................................................................................................................................30
2.6.1 Deghost...................................................................................................................31
2.6.2 Median Filter..........................................................................................................31
2.7 MATLAB............................................................................................................................32
BAB 3 METODE PENELITIAN.......................................................................................................33
3.1 Waktu dan Tempat...............................................................................................................33
3.2 Alat dan Bahan....................................................................................................................33
3.3 Alur dan Tahap Penelitian...................................................................................................34
3.3.1 Tahap Persiapan......................................................................................................35
3.3.2 Tahap Perencanaan.................................................................................................35
3.3.3 Tahap Pengumpulan Data.......................................................................................35
3.3.4 Tahap Desain Sistem...............................................................................................36
3.3.5 Tahap Uji dan evaluasi............................................................................................37
3.3.6 Tahap Laporan........................................................................................................38
3.3.7 Waktu dan Jadwal Penelitian..................................................................................38
3.3.8 Tahap Desain GUI..................................................................................................39
BAB 4 PEMBAHASAN....................................................................................................................40
4.1 Data Penelitian....................................................................................................................40
4.2 Preprocessing......................................................................................................................43
4.2.1 Resize Citra.............................................................................................................43
4.2.2 Citra Berskala Keabuan (Grayscale)......................................................................44
4.2.3 Tuned Tri-threshold Fuzzy Intensification Operators.............................................45
4.3 Segmentasi..........................................................................................................................48
4.4 Postprocessing....................................................................................................................50
4.4.1 Deghost...................................................................................................................50
4.4.2 Median Filter..........................................................................................................55
4.5 Perhitungan Luas dan Perhitungan Prosentase Retakan.....................................................56
4.6 Hasil Pengujian...................................................................................................................57
BAB 5 PENUTUP..............................................................................................................................66
5.1 Kesimpulan.........................................................................................................................66
5.2 Saran....................................................................................................................................67
DAFTAR PUSTAKA.........................................................................................................................68
LAMPIRAN.......................................................................................................................................70
Lampiran 1. Hasil Uji Data Primer...............................................................................................70
Lampiran 2. Hasil Uji Data Sekunder...........................................................................................78
BIODATA PENULIS.......................................................................................................................154
x
DAFTAR TABEL
xi
DAFTAR GAMBAR
xii
DAFTAR LAMPIRAN
xiii
DAFTAR ISTILAH DAN SINGKATAN
xiv
DAFTAR SIMBOL
xv
BAB 1
PENDAHULUAN
jenis struktur beton. Mengidentifikasi dan melacak keretakan pada beton adalah
hal yang sangat penting untuk memantau kondisi yang terjadi saat ini dan
Pemantauan keretakan pada beton telah menjadi salah satu cara untuk
rehabilitasi[1].
alat seperti, UPV (Ultrasonic Pulse Velocity). Alat ini dapat mengukur kedalaman
dan lebar keretakan pada beton dengan mendekatkan alat dan memancarkan
penerima[2]. Namun, untuk bisa mengukur keretekan beton pada area tertentu
yang sulit dijangkau seperti pada beton gedung luar di lantai yang cukup tinggi
pengukur terutama pada lokasi nya yang sulit dijangkau dan juga membutuhkan
menggunakan UAVs (Unmanned Aerial Vehicles). UAV adalah sebuah drone yang
menggunakan kamera, sensor ultrasonik, GPS yang dapat mengambil citra dari
keretakan beton yang sulit dijangkau. Hasil dari citra yang diambil akan melewati
16
17
beton[3].
UAV dan pengolahan citra digital menunjukan potensi yang besar untuk
untuk mengekstraksi informasi gambar secara ekfektif, salah satunya adalah pada
retakan beton. Deteksi tepi telah digunakan untuk memberikan batas antara
retakan dan latar belakang dari citra[5].Namun, tidak semua citra yang di ambil
bisa langusng di olah untuk menghasilkan output yang di inginkan. Pada saat
pengambilan citra akan ada banyak artefak yang tidak diinginkan yang dapat
efisien untuk membuat citra yang diambil lebih andal untuk interpretasi lebih
lanjut dari mulai pemrosesan rendah dan pemrosesan tinggi seperti fuzzy[6].
Pada penelitian ini, penulis akan melakukan deteksi keretakan pada citra
beton dengan cara melakukan segmentasi citra pada beton menggunakan metode
meningkatkan kualitas citra beton agar memiliki informasi citra yang cukup
sehingga menghasilkan output yang maksimal. Hasil dari penelitian ini adalah
berupa luas area retakan pada citra beton dalam piksel dan prosentase keretakanya
3. Data yang digunakan berupa data primer yang merupakan citra beton yang
Soedirman dan data sekunder yang berasal dari Özgenel, Ç.F., Gönenç
MATLAB R2019a.
citra.
3. Mendapatkan luas area retakan beton dan prosentase retakan beton dengan
sebagai berikut.
BAB I Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah,
Bab ini berisi tentang penelitian terdahulu serta teori-teori yang berkaitan
untuk penelitian.
Bab ini berisikan tentang implementasi dari perancangan sistem yang telah
dibuat dan hasil uji sistem yang telah dibuat melalui software MATLAB.
BAB V Penutup
Bab ini berisikan kesimpulan dari hasil penelitian yang telah didapat dan
BAB 2
TINJAUAN PUSTAKA
citra retakan dari beton sebelum diberi beban dan setelah diberi beban.
Variabel yang diamati adalah perubahan citra yang terjadi dari hasil
klasifikasi beton yang retak dan yang tidak retak. Akurasi deteksi
metode otsu thesholding dari 2 gambar, beton yang retak dan beton
yang tidak retak. Output dari penelitian ini adalah tingkat akurasi
dari penelitian terdahulu dan garis deteksi yang mengikuti alur retakan
beton[1].
terdahulu. Hal yang membedakan tersebut adalah, metode, hasil dan dataset yang
proses segmentasi lalu menggunakan metode Deghost dan Median Filter sebagai
postprocessing citra. Output yang dihasilkan adalah garis warna deteksi yang
mengikuti alur retakan serta luas area pixel dari keretakan beton dan prosentase
keretakan beton dengan bagian beton yang utuh. Program dibuat dengan konsep
user-friendly dengan interface GUI MATLAB agar mudah digunakan oleh semua
pihak.
2.2 Beton
Beton ialah salah satu bahan konstruksi yang universal digunakan untuk
bangunan gedung, jembatan, jalur, serta lain- lain. Beton ialah satu kesatuan yang
23
halus(pasir), agregat agresif(kerikil), ataupun tipe agregat lain serta air, dengan
semen portland ataupun semen hidrolik yang lain, dan terkadang dengan bahan
bonus( additif) yang bertabiat kimiawi maupun fisikal pada perbandingan tertentu,
menjadi semacam batuan. Pengerasan terjadi karena respon kimia antara semen
yang ditandai dengan munculnya keretakan yang memisahkan bagian beton secara
kecil hinnga besar. Retak pada permukaan beton merupakan salah satu indikasi
awal terjadinya degradasi struktur yang sangat penting untuk pemeliharaan serta
parah. Inspeksi manual adalah metode terkenal untuk inspeksi retak. Dalam
inspeksi manual, sketsa retakan dibuat secara manual, dan kondisi penyimpangan
disiplin ilmu yang menekuni tentang teknik-teknik mengolah citra. Citra yang
dimaksud disini merupakan foto diam (gambar) maupun gambar bergerak (yang
intensitas cahaya pada bidang dua dimensi. Supaya bisa diolah dengan komputer
digital, maka suatu citra harus dipresentasikan secara numerik dengan nilai-nilai
digitalisasi citra. Sebuah citra digital dapat diwakili oleh sebuah matriks dua
dimensi f(x,y) yang terdiri dari M kolom dan N baris, dimana perpotongan antara
25
kolom dan baris disebut piksel (pixel = picture element) atau elemen terkecil dari
sebuah citra[11].
warna dasar (RG8 = Red Green Blue). Setiap warna dasar menggunakan
sebanyak 255 warna. Berarti setiap piksel mempunyai kombinasi warna sebanyak
16 juta warna lebih. Itulah sebabnya format ini dinamakan true color karena
mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir
derajat keabuan. Citra grayscale ini terdiri dari 3 warna yaitu Red, Green, Blue.
Namun, 3 warna tersebut di bagi lagi dengan angka tengah dari masing masing
warna. Sehingga citra yang dihasilkan merupakan warna tengah dari warna
Tampilan dari citra biner ini adalah citra yang hanya memiliki 2 warna, yaitu
hitam dan putih. 1 menandakan untuk warna putih dan 0 menandakan untuk
warna hitam[12].
26
Berikut
yang lainnya.
nilai piksel dari saluran tertentu ke kisaran antara nol dan satu bergantung pada
nilai threshold[6]. Hasil perbandingan dari proses Fuzzy IO terdapat pada gambar
2.3.
Gambar 2.3 (a)Citra input (b)Histogram citra input (c)Citra output (d)Histogram
citra output[6]
Keunggulan dari metode ini adalah dapat meningkatkan visibilitas yang
citra yang kurang baik dengan menaikan kontras dari komponen warna peyusunya
yaitu, Red (Merah), Green (Hijau), dan Blue (Biru). Citra RGB ini akan
warna dikelompokan maka akan ditingkatkan masing masing kontras nya untuk
mendapat kualitas visual citra yang lebih baik. Warna yang telah ditingkatkan
mengekstrak dan menggabungkan warna menjadi warna citra keluaran. Proses ini
28
Dari histogram citra pada gambar 2.3, Histogram citra input diregangkan
tersebut adalah warna akan tergradasi secara merata dan menghasilkan warnca
citra yang lebih seimbang. Alur diagram dari metode ini dapat dilihat pada gambar
2.4.
memperjelas perbedaan warna dari retakan beton dengan warna beton yang tidak
retak.
29
2.5 Segmentasi
Segmentasi adalah tahap pemisahan citra menjadi bagian-bagian yang
berdasarkan kriteria tertentu antara derajat keabuan suatu piksel dengan derajat
foreground dengan background nya. Objek yang dipisahkan ini bertujuan untuk
memudahkan proses deteksi objek dan perhitungan luas objek. Citra grayscale
akan di rubah kedalam citra biner dengan memperhatikan derajat keabuan citra
untuk menentukan area mana yang menjadi = 1 (white) dan area mana yang
menjadi = 0 (black).
Otsu threshold adalah salah satu metode thresholding yang paling sering
segmentasi citra 2 dimensi. Hal ini dikarenakan metode ini memberikan hasil
metode ini sangat cocok dengan objek yang di deteksi oleh program, yaitu beton.
biasanya berwarna abu-abu. Warna ini ketika dirubah menjadi citra grayscale
tidak akan kehilangan informasi citra nya terlalu banyak, karena citra sebelumnya
Metode Otsu juga merupakan salah satu dari global thresholding terbaik
Kittler Illingworth’s method dan otsu method. Hasilnya adalah metode otsu
piksel dan piksel latar belakang. Metode ini memilih nilai thresholding
T −1 L−1
𝜔0(𝑇) = ∑ p(𝑖) ; 𝜔 (𝑇) = ∑ p(𝑖)
1
i=0 i=T
(2.2)
T −1 L−1
𝜇0 (𝑇) = ∑ ip (𝑖)/𝜔0 ; 𝜇1(𝑇) = ∑ ip(𝑖)/𝜔1
i=0 i=T
(2.3)
T −1
p(i)
𝜎02(𝑇)=∑ ¿ ¿i-𝜇 (T)] ω 0(T )
0
2
i=0
(2.4)
T −1
p(i)
𝜎12(𝑇)=∑ ¿ ¿i-𝜇 (T)] ω 1(T )
1
2
i=T
(2.5)
Dengan :
31
Angka antara 0 dan 255 ditetapkan ke (T) dan varian instar-kelas yang
sesuai dihitung menggunakan rumus di atas. Nilai (T) yang sesuai dengan varian
intra kelas maksimum adalah nilai thresholding yang disebut nilai Otsu
thresholding.
2.6 Filter
Filter berfungsi sebagai saringan atau tapis untuk mereduksi derau yang
dapat menganggu informasi dari suatu citra. Citra yang telah di segmentasi akan
diproses untuk membersihkan citra dari noise hasil dari segmentasi tanpa
2.6.1 Deghost
Metode Deghost adalah filter yang akan menghapus area/objek
“hantu/ghost” pada citra hasil segmentasi. Objek yang dimaksud adalah objek
“sisa” seperti titik titik kecil hasil binerisasi. Objek seperti ini harus dihilangkan
untuk mendapatkan hasil yang maksimal[18]. Hasil perbandingan dari metode ini
mengurangi noise. Median filter bekerja dengan cara mengurutkan nilai piksel dan
filter adalah filter terbaik yang dikenal dalam jenis order statistic filter. Cara kerja
Filter ini adalah dengan menggantikan nilai sebuah piksel dengan nilai median
2.7 MATLAB
Matlab adalah singkatan dari Matrices Laboratory yang dikembangkan oleh
BAB 3
METODE PENELITIAN
sebagai berikut.
d) RAM 4 GB
34
penulisan laporan.
perancangan, dan pengujian seperti yang terdapat pada Gambar 3.1 sebagai
berikut.
35
keretakan pada beton. Selain itu, kegiatan yang dilakukan adalah persiapan alat
dan bahan berupa laptop untuk melakukan penulisan laporan, pengolahan data
serta menyiapkan alat dan bahan yang akan digunakan agar penelitian berjalan
Sipil dengan menggunakan hasil uji beton yang digunakan untuk penelitian
Teknik sipil. Data sekunder didapat dari dataset retakan beton www.mendeley.com
Berlin.
3.3.4 Tahap Desain Sistem
Pada tahap ini akan diuraikan alur kerja dari sistem yang dibangun. Alur
diagram ini berfungsi untuk mempermudah dalam memahami dari alur bagaimana
sistem yang dibangun bekerja. Alur data diagram yang dibangun ditampilkan pada
gambar 3.2
Request USER
Preprocessing
Telusuri Citra Fuzzy Intensification
Operator
Resized Data Citra Reset
Citra Dimuat
Processing
Otsu Thresholding
Postprocessing
Deghost
Resize Citra Median Filter
Output Citra
memasukan citra yang akan diproses. Setelah citra akan di resize menjadi
37
langsung memasuki tahap processing yaitu dengan menggunakan metode Otsu
Thresholding. Citra yang telah selesai diolah kemudian akan masuk pada tahap
postprocessing. Pada tahap ini, citra akan memasuki 2 tahapan, yaitu tahap
DeGhost dan Median filter. Dari hasil postprocessing tersebut akan muncul hasil
Hasil akhir dari proses pengolahan ini adalah mendapatkan luas area pixel
keretakan dengan menggunakan metode dari fungsi MATLAB yaitu bwarea dan
prosentase keretakanya dalam bentuk pixel yang didapat dari hasil fungsi bwarea
lalu dibagi dengan baris dan kolom kemudian dikali dengan 100.
dibuat. Sistem akan diuji secara keseluruhan apakah sudah sesuai yang diharapkan
atau belum. Sistem akan diuji apakah kemampuan dari metode otau thresholding
dalam melakukan segmentasi luas retakan beton, jumlah pixel, dan prosentase
keretakan beton sudah sesuai yang diinginkan atau belum. Apabila sistem belum
dapat bekerja dengan baik, maka akan dilakukan pembenahan dan pengkajian
38
Digital Dengan Metode Otsu Thresholding”. Penulisan laporan dilakukan dengan
bulan dimulai dari bulan September 2020 sampai dengan November 2020 dengan
1 2 3 4 1 2 3 4 1 2 3 4
1. Studi Pustaka
2. Pengumpulan Data
3. Perancangan Sistem
Pengujian dan
4. Evaluasi sistem.
5. Pembuatan Laporan
(GUI) dari tool yang telah disediakan oleh MATLAB. GUI ini berfungsi sebagai
39
User akan dimudahkan dengan adanya GUI ini. Desain GUI ini ditampilkan pada
gambar 3.3.
BAB 4
PEMBAHASAN
dengan menggunakan beton dari hasil penelitian mahasiswa Teknik sipil yaitu uji
plus yang berjumlah 30 citra dengan yang menghasilkan citra dengan spesifikasi
40
citra resolusi tinggi (3024x3024 pixel) dan memiliki kerapatan 72 dpi (dots per
inch). Lalu menggunakan data sekunder dari gedung kampus METU ( Middle
East Technical University ) yang terletak di Ankara, Turki. Data ini berbentuk
dataset citra retakan beton yang dihasilkan dari citra resolusi tinggi (4032x3024
menjadi citra RGB berukuran 227x227 pixel. Sampel yang digunakan pada
penelitian berjumlah 30 citra data primer, dan 300 citra data sekunder yang di
ambil dari berbagai kategori retakan agar bisa mewakili berbagai macam
keretakan pada dataset. Beberara sample data dapat dilihat pada Tabel 2 untuk
1 IMG_0845
41
2 IMG_0852
3 IMG_0850
4 IMG_0855
5 IMG_0840
1 0001
2 00026
42
3 00107
4 18505_1
5 17783_1
4.2 Preprocessing
Preprocessing merupakan tahap awal yang dilakukan dalam pengolahan
citra untuk menormalisasi ukuran citra, grayscale untuk merubah citra berwarna
ukuran citra agar lebih seragam dan jika dideteksi lebih akurat. Algoritma yang
43
Algoritma 4.1 Resize
1. Start
2. Membaca ukuran citra
3. Menentukan ukuran matriks resize citra
4. Setiap baris dan kolom discan. Jika jumlah baris melebihi kolom, maka ukuran baris
akan diturunkan ke ukuran matriks yang ditentukan dan ukuran kolom akan mengikuti,
begitu pula sebaliknya
5. End
ukuran citra lebih seragam dan tidak banyak informasi citra yang tebuang dan
dapat menyesuaikan citra yang memiliki panjang dan lebar yang berbeda-beda.
menggunakan citra diluar dari dataset, maka proses ini akan mempercepat proses
berwarna (RGB) menjadi bentuk grayscale atau tingkat keabuan (dari hitam ke
putih). Proses ini dilakukan karena segmentasi otsu thresholding dapat bekerja
secara optimal pada citra berskala keabuan. Algoritma yang digunakan merubah
citra RGB menjadi citra berskala keabuan bisa dilihat pada Algoritma 4.2
Perandingan citra grayscale dengan citra asli dapat dilihat pada table 3.
44
Tabel 4 Perbandingan citra grayscale
No Nama Citra Asli Citra Grayscale
1 IMG_0845
2 IMG_0852
3 IMG_0850
4 IMG_0855
5 IMG_0840
algoritma atau metode yang berfungsi untuk meningkatkan kontras dari citra
45
Metode ini bekerja dengan cara melakukan ekualisasi histogram grayscale dan
mempertajam hasilnya, sehingga dapat terlihat jelas warna dari citra retakan dan
citra beton yang tidak retak. Proses ini menghasilkan objek yang gelap akan
semakin gelap dan objek yang terang akan semakin terang sehingga bagian-bagian
algoritma 4.3.
2. Membaca citra dan mendapatkan nilai tingkat keabuan dari setiap pixel penyusunnya
4. Membuat histogram citra asal dan menyimpan frekuensi derajat keabuan pada array
6. Mencari nilai tingkat keabuan dari citra baru hasil ekualisasi dengan menggunakan
histogram ekualisasinya
7. Masing-masing nilai matriks baru dihitung dari histogram ekualisasi berdasarkan nilai
matriks citra lama
9. End
Hasil histogram dari proses Tuned tri-threshold Fuzzy Intensification
46
Gambar 4.10 Histogram citra grayscale
Perbandingan citra grayscale dengan citra fuzzy io dapat dilihat pada Tabel 5.
Contrast citra
ditingkatkan
1 0001
sehingga hasil nya
lebih terang
47
Contrast citra
ditingkatkan
2 00026
sehingga hasil nya
lebih terang
Contrast citra
ditingkatkan
3 00107
sehingga hasil nya
lebih terang
Contrast citra
ditingkatkan
4 18505_1
sehingga hasil nya
lebih terang
Contrast citra
ditingkatkan
5 17783_1
sehingga hasil nya
lebih terang
4.3 Segmentasi
Segmentasi pada citra retakan dilakukan dengan menggunakan metode
otsu thresholding. Pada metode ini, sampel akan dipisahkan antara foreground
dengan background nya. Objek yang dipisahkan ini bertujuan untuk memudahkan
proses deteksi objek dan perhitungan luas objek. Citra grayscale akan di rubah
menentukan area mana yang menjadi = 1 (white) dan area mana yang menjadi = 0
(black). Warna putih yang di segmentasi oleh metode ini adalah area retakan pada
beton, yang selanjutnya menjadi masukan untuk perhitungan area pixel retakan,
48
dan persentase retakan. Sedangkan warna hitam yang muncul adalah warna dari
beton yang tidak retak sekaligus menjadi latar belakang citra beton.
Pada proses segmentasi ini, tidak terjadi proses masking atau proses
pemilihan titik titik area tertentu pada citra untuk di segmentasi. Citra yang di
segmentasi merupakan citra yang utuh sesuai citra input dan merupakan output
citra dari preprocessing. Algoritma dari segmentasi otsu thresholding bisa dilihat
di Algoritma 4.4.
4. Melakukan proses iteratif, dengan menguji coba sejumlah nilai threshold sampai
menemukan nilai yang maksimum
6. Merubah warna citra menjadi putih apabila nilai nya ada diatas nilai threshold dan
merubah warna citra menjadi hitam apabila nilainya ada dibawah nilai threshold
8. End
1 0001
49
2 00026
3 00107
4 18505_1
5 17783_1
4.4 Postprocessing
Hasil citra segmentasi dengan metode otsu thresholding masih terdapat
postprocessing agar kualitas citra lebih baik dan untuk menampilkan informasi
yang terdapat pada citra hasil segmentasi. Pada penelitian ini, postprocessing
4.4.1 Deghost
Deghost merupakan metode eliminasi derau atau noise yang terdapat
pada citra hasil segmentasi. Pada hasil segmentasi citra sisa-sisa objek yang dapat
50
mengganggu hasil perhitungan area piksel. Sisa-sisa objek yang tertinggal ini
disebut dengan istilah ghost atau “hantu”. Metode ini bekerja dengan cara
menghitung nilai gradien rata-rata di tepi setiap objek yang ditampilkan. Objek
yang memiliki gradien rata-rata di bawah threshold point akan diberi label
Algoritma 4.5
4. Menghitung besarnya gradien citra dari gambar yang dihaluskan serta menggunakan
deteksi tepi sobel untuk mendeteksi objek
6. Menghapus komponen objek yang memiliki nilai gradient tepi dibwah rata-rata ambang
TP.
7. End
Berikut adalah hasil deghost, ditujukan pada Tabel 6.
1 0001
51
2 00026
3 00107
4 18505_1
5 17783_1
Pada hasil diatas, sampel yang diuji hampir tidak terlihat perbedaan yang
dihasilkan oleh metode deghost. Hal ini disebabkan karena hasil preprocessing
bekerja dengan baik untuk menghilangkan cukup banyak noise yang mengganggu
citra dan dataset yang digunakan juga memiliki citra beton dengan noise kecil.
Namun, apabila citra yang di uji diambil dari data primer karena
memiliki kekasaran yang cukup besar, maka metode ini cukup memperlihatkan
hasil yang signifikan. Citra yang diolah dapat dilihat pada Tabel 7.
52
Bercak putih
dihilangkan
1 IMG_0852
sehingga citra lebih
bersih
Bercak putih
dihilangkan
3 IMG_0855
sehingga citra lebih
bersih
Bercak putih
dihilangkan
4 IMG_0849
sehingga citra lebih
bersih
Bercak putih
dihilangkan
5 IMG_0848
sehingga citra lebih
bersih
objek yang kecil dan yang tidak terhubung dengan yang lain akan di hilangkan
karena dianggap sebagai objek hantu. Metode deghost ini bekerja sangat baik
untuk menghilangkan objek yang tidak diinginkan. Metode ini bekerja dengan
terhubung 1 dengan yang lain dan akan mengeliminasi pixel yang tidak terhubung
53
dengan parameter tertentu. Set dari citra biner yang memiliki kelompok pixel
yang saling terhubung disebut dengan object atau connected component. Dari set
tersebut maka terbentuk citra yang dapat kita lihat. Parameter yang digunakan
dengan syarat dua pixel yang berdampingan adalah bagian dari objek yang sama
jika keduanya berada dan terhubung sepanjang arah horizontal atau vertikal.
Namun, hal ini bisa mengakibatkan hasil yang tidak sesuai, yaitu apabila pada saat
retakan terlalu tipis dan kecil, maka retakan akan dianggap sebagai noise,
sehingga hasil akhirnya retakan tidak terdeteksi atau terpotong karena pixel dari
citra yang telah di segmentasi renggang, dan tidak bersentuhan satu sama lain
sesuai parameter yang di set dalam metode deghost maka akan dianggap sebagai
noise. Contoh dari retakan citra yang tidak terdeteksi dapat dilihat pada gambar
4.4.
54
Hasil Segmentasi Hasil Deghost Hasil Akhir
Gambar 4.13 Retakan yang tidak terdeteksi
tengahnya. Sama seperti Deghost metode ini berfungsi untuk menghaluskan citra
yang memiliki derau/noise yang dapat mengganggu hasil dari segmentasi. Metode
ini dapat dipanggil dengan menggunakan fungsi MATLAB yaitu medfilt2 Contoh
dari median filter ditujukan pada Gambar sebelah kanan pada Gambar 4.5
55
Perbandingan noise dapat dilihat pada objek yang dilingkar di gambar 4.5.
Noise citra yang tidak memiliki informasi retakan hilang karena dampak dari
median filter ini adalah menghaluskan citra dengan mengambil nilai median dari
nilai pixel citra tersebut. Median filter ini sangat cocok untuk mengurangi noise
yang bersifat “salt and pepper” yaitu noise yang berupa titik-titik hitam atau putih
yang tersebar dalam sebuah citra. Karena memiliki dampak untuk menghaluskan
citra, median filter ini juga menghaluskan sisi-sisi retakan pada citra, sehingga
daerah yang terkandung pada sebuah citra. Bwarea membantu visualisasi nilai
pixel dengan menghitung nilai wilayah. Wilayah yang dimaksud adalah wilayah
hasil postprocessing citra. Wilayah putih memiliki nilai pixel=1 dan wilayah
hitam memiliki nilai pixel=0. Fungsi ini akan mengakumulasi nilai pixel yang
terkandung pada citra. Contoh dari fungsi ini dapat dilihat pada Gambar 4.6.
56
Lalu untuk perhitungan prosentase retakan didapatkan dari area
retakan(bwarea) dibagi kolom dan baris citra dikali dengan 100. Untuk rumus
Nilai area retakan didapat dari fungsi bwarea. Area retakan ini akan di
bagi dengan baris dan kolom dari citra hasil, yaitu 1000x1000. Setelah itu dikali
dengan 100 sebagai standar perhitungan prosentase. Hasil dari perhitungan luas
area dan perhitungan prosentase retakan ini ditampilkan dalam bentuk string yaitu
tulisan pada axes.box yang ada pada GUI. Sehingga memudahkan pengguna untuk
Indterface ) MATLAB yang telah terdapat menu segmentasi dengan metode otsu
57
Gambar 4.17 Graphic User Interface
Pada GUI terdapat 3 buah histogram, 2 buah kolom output, dan 6 buah axes yang
code GUI.m dengan MATLAB untuk membuka GUI. Setelah itu, run source
code dan GUI akan terbuka seperti pada gambar 4.9. Untuk memilih citra beton
yang akan dideteksi maka arahkan cursor ke panel box “Buka Citra” di ujung kiri
atas GUI. Setelah itu, pilih citra yang akan dideteksi dan klik buka seperti yang
ditujukan pada Gambar 4.10. Setelah itu, tunggu beberapa saat sampai hasil akhir
citra muncul pada axes.box yang bernama “Hasil akhir” dan nilai luas area retakan
58
1
3
Gambar 4.19 Tampilan pemilihan citra pada GUI
Pada penelitian ini, parameter hasil yang didapatkan dari segmentasi
metode Otsu Thresholding adalah berupa luas area retakan (pixel) dan prosentase
area retakan (%) dengan citra keseluruhan. Setiap proses pengujian akan diamati
waktu proses nya dengan menggunakan stopwatch manual dari saat citra di input
59
hingga muncul pada hasil akhir. Citra yang telah terdeteksi keretakanya akan
diberikan highlight warna biru sebagai tanda lokasi dari keretakan. Hasil
Jenderal Soedirman yang berisi sampel beton yang retak dan yang tidak memiliki
retakan dan ditujukan pada Tabel 8 dan Tabel 9 lalu dataset Özgenel, Ç.F.,
60
4 IMG_0844 15682.3 15682.3 00.27,30
61
4 IMG_0852 48956 4.8956 00.29,56
62
4 18505_1 52884.4 5.28844 00.02,59
baik untuk mendeteksi keretakan. Highlight warna biru berada tepat pada posisi
retakan dan tidak mengarsir area yang tidak retak. Luas area dari retakan
didapatkan dari fungsi bwarea yang menghitung jumlah pixel yang muncul dalam
citra yang sudah di segmentasi. Contoh pixel yang tedeteksi dapat dilihat pada
gambar 4.11
dianggap pixel yang dideteksi. Sehingga, fungsi bwarea menggunakan pixel yang
63
di highlight biru dan dihitung luas pixel yang terdapat di area tersebut. Lalu pada
retakan(highlight biru) dibagi dengan baris dan kolom citra dan dikali dengan
100. Sehingga menghasilkan persentase luas area retakan dalam satuan pixel.
pengujian. Pada data primer proses pengujian beton memakan waktu sekitar 29
detik dan pada data sekunder proses pengujian hanya memakan waktu sekitar 3
detik. Hal ini disebabkan karena citra yang digunakan pada data primer
merupakan citra yang memiliki resolusi tinggi yaitu 3000x3000 pixel karena
merupakan citra mentah / raw images yang belum diolah serta memiliki informasi
citra yang tinggi. Pada data sekunder resolusi citra hanya 227x227 pixel karena
informasi citra yang cukup sehingga keretakan masih terdeteksi secara tepat. Hasil
Terjadi perbedaan rata-rata waktu yang signifikan pada data primer dan
data sekunder disebabkan pada saat proses resize citra. Citra akan di resize ke
ukuran 1000x1000 pixel agar citra yang diolah mendapatkan hasil yang seragam
tanpa kehilangan banyak informasi. Karena semakin besar resolusi pixel citra
yang diolah maka waktu pengolahan pun akan semakin banyak. Untuk citra
64
ukuran 3000x3000 px memili iterasi citra sebanyak 9000000 px dan harus di
memiliki iterasi citra 51529 pixel sehingga memiliki jangkauan lebih dekat
BAB 5
PENUTUP
5.1 Kesimpulan
Kesimpulan dalam penelitian ini adalah sebegai berikut.
1. Input citra yang memiliki tingkat noise rendah akan memberikan hasil
besar ukuran citra yang di input maka proses pengolahan citra akan
semakin lama.
65
3. Metode Tuned Tri-Threshold fuzzy intensification operators memiliki
namun objek berupa garis yang bukan retakan dapat ikut terdeteksi,
5.2 Saran
1. Untuk penelitian selanjutnya, diharapkan menggunakan computer dengan
yang berbeda-beda.
66
4. Penelitian selanjutnya, diharapkan dapat di konversi ke satuan scalar dan
akurasi perhitungan.
DAFTAR PUSTAKA
67
detection techniques for crack identification in bridges,” J. Comput. Civ.
Eng., vol. 17, no. 4, pp. 255–263, 2003, doi: 10.1061/(ASCE)0887-
3801(2003)17:4(255).
[6] Z. Al-Ameen, “Visibility enhancement for images captured in dusty
weather via tuned tri-threshold fuzzy intensification operators,” Int. J.
Intell. Syst. Appl., vol. 8, no. 8, pp. 10–17, 2016, doi:
10.5815/ijisa.2016.08.02.
[7] J. Hidayat, M. F. Siregar, and T. Abdilah, “ANALISA KERETAKAN
BETON DENGAN CITRA DIGITAL,” pp. 3–7, 2018.
[8] M. H. Fadhlullah, “Deteksi Keretakan Pada Struktur Beton.”
[9] Ahadi, “Pengertian Beton,” 24 September, 2010. [Online]. Available:
https://www.ilmusipil.com/pengertian-beton-adalah. [Accessed: 19-Sep-
2020].
[10] D. Sutoyo. T, Mulyanto . Edy, Suhartono. Vincent, Teknik Pengolahan
Citra Digital. Yogyakarta: Andi Yogyakarta, 2009.
[11] R. D. Kusmanto and A. Tomponu, “Pengolahan Citra Digital Untuk
Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi
RGB,” Stud. Environ. Sci., vol. 17, no. C, pp. 329–332, 1981, doi:
10.1016/S0166-1116(08)71924-1.
[12] M. R. Kumaseh, L. Latumakulita, and N. Nainggolan, “Segmentasi Citra
Digital Ikan Menggunakan Metode Thresholding,” J. Ilm. Sains, vol. 13,
no. 1, p. 74, 2013, doi: 10.35799/jis.13.1.2013.2057.
[13] M. Riadi, “Pengolahan Citra Digital,” 21 April, 2016. [Online]. Available:
https://www.kajianpustaka.com/2016/04/pengolahan-citra-digital.html.
[14] T. A. Wijaya and Y. Prayudi, “Implementasi Visi Komputer Dan
Segmentasi Citra Untuk Klasifikasi Robot,” Snati 2010, vol. 2010, no.
Snati, pp. 1–5, 2010.
[15] Z. Jun and H. Jinglu, “Image segmentation based on 2D Otsu method with
histogram analysis,” Proc. - Int. Conf. Comput. Sci. Softw. Eng. CSSE 2008,
vol. 6, no. 1, pp. 105–108, 2008, doi: 10.1109/CSSE.2008.206.
[16] B. Yu, A. K. Jain, and M. Mohiuddin, “Address block location on complex
mail pieces,” Proc. Int. Conf. Doc. Anal. Recognition, ICDAR, vol. 2, pp.
897–901, 1997, doi: 10.1109/icdar.1997.620641.
[17] ∅Osivind Due Trier and A. K. Jain, “Goal-Directed Evaluation of
Binarization Methods,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 17,
no. 12, pp. 1191–1201, 1995, doi: 10.1109/34.476511.
[18] J. Motl, “Remove ghosts from binarized images,” 2020. [Online].
Available: https://www.mathworks.com/matlabcentral/fileexchange/41786-
remove-ghosts-from-binarized-images. [Accessed: 20-Sep-2020].
[19] A. Sembiring, “Perbandingan Algoritma Mean Filter, Median Filter dan
Wiener Filter pada Aplikasi Restorasi Citra RGB Terdegradasi Impulse
Noise Menggunakan The Peak Signal To Noise Ratio (PSNR),” 2017, doi:
10.31227/osf.io/rt6we.
68
[20] I. Kurniawan, “Pengertian MATLAB,” 8 Desember, 2018. [Online].
Available: https://swanstatistics.com/pengertian-matlab/.
[21] Mathworks, “Pixel Connectivity.” [Online]. Available:
https://www.mathworks.com/help/images/pixel-connectivity.html.
[Accessed: 25-Jan-2020].
69
LAMPIRAN
Luas
Persentase Waktu
Nama Area
No Hasil Citra Area Pengujian
Citra Retakan
Retakan(%) (s)
(Pixel)
70
71
A. Identitas
Nama : Mohamad Daffa Anugrah Pratama
NIM : H1A017013
Tempat, tanggal lahir : Ciamis, 13 November 1998
Alamat : RT/RW 07/04 Dsn. Ciragama Ds. Ciharalang Kec. Cijeungjing,
Kabupaten Ciamis
No. Telp. : 082214950646
Alamat e-mail : Mohamad.pratama013@mhs.unsoed.ac.id
D. Prestasi
Tahun Tingkat Prestasi
2016 Regional Juara Umum Kumite Bandung Karate Club
138
139
E. Keahlian
Memiliki minat di bidang pemrograman dan elektronika. Mampu berkomunikasi
dengan Bahasa inggris secara fasih,. Terlibat secara aktif dalam kegiatan asistem
Laboratorium Teknik Elektro dan sebagai asisten praktikum Dasar Teknik Elektro.
Terlibat secara aktif dalam organisasi kepemimpinan internasional.