Andika Muhamad - 50419749 - R1

UNIVERSITAS GUNADARMA
FAKULTAS TEKNOLOGI INDUSTRI
TULISAN ILMIAH
PERBANDINGAN DETEKSI TEPI (EDGE DETECTION) CITRA DIGITAL DENGAN MENGGUNAKAN

GUI MATLAB
Nama : Andika Muhamad
NPM : 50419739
Jurusan : Informatika
Pembimbing : Nurul Adhayanti, SKOM., MMSI.
Diajukan Guna Melengkapi Sebagai Syarat

Dalam Mencapai Gelar Setara Sarjana Muda
UNIVERSITAS GUNADARMA
2023
i
PERNYATAAN ORIGINALITAS DAN PUBLIKASI
Saya yang bertanda tangan di bawah ini,

NPM : 50419739
Judul PI : PERBANDINGAN DETEKSI TEPI (EDGE
DETECTION) CITRA DIGITAL DENGAN
MENGGUNAKAN GUI MATLAB
Tanggal Sidang : 28 Februari 2023
Tanggl Lulus :-
Menyatakan bahwa tulisan ini adalah merupakan hasil karya saya sendiri dan
dapat dipublikasikan sepenuhnya oleh Universitas Gunadarma. Segala
kutipan dalam bentuk apa pun telah mengikuti kaidah dan etika yang
berlaku. Mengenai isi dan tulisan adalah merupakan tanggung jawab
Penulis, bukan Universitas Gunadarma.
Demikian pernyataan ini dibuat dengan sebenarnya dan dengan penuh

kesadaran.
Depok,28 Februari 2023
(Andika Muhamad)
ii
LEMBAR PENGESAHAN
Judul PI : PERBANDINGAN DETEKSI TEPI (EDGE

DETECTION) CITRA DIGITAL DENGAN
MENGGUNAKAN GUI MATLAB
NPM : 50419739
Tanggal Sidang : 28 Februari 2023
Tanggal Lulus :-
Menyetujui,
Pembimbing Kepala Subbagian Sidang PI FTI
(Nurul Adhayanti, SKOM., MMSI.) (Dr. Achmad Fahrurozi, S.Si., M.Si.)
Ketua Jurusan Informatika
(Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc.)
iii
ABSTRAK
Andika Muhamad, 50419739

PERBANDINGAN DETEKSI TEPI (EDGE DETECTION) CITRA
DIGITAL DENGAN MENGGUNAKAN GUI MATLAB.
Penulisan Ilmiah. Jurusan Informatika, Fakultas Teknologi Industri,
Universitas Gunadarma, 2023.
kata kunci: Deteksi Tepi, Pengolahan Citra, Citra, Matlab.
(xiii + 77 + lampiran)
Penggunaan deteksi tepi berkembang pesat sejalan dengan kemajuan teknologi

komputer untuk pengolahan citra. Deteksi tepi menjadi penting karena manusia
dalam mengenali objek suatu citra akan memperhatikan tepi yang terdapat dalam
citra. Dengan adanya tepi dari suatu objek, mata manusia akan dengan mudah
mengenali objek apa yang ditampilkan dalam citra tersebut. Citra merupakan
istilah lain untuk gambar yang memegang peranan penting sebagai salah satu
komponen multimedia dalam bentuk informasi visual. Namun, dalam pengolahan
citra khususnya deteksi tepi terdapat banyak cara / metode dalam pengolahannya
antara lain : Metode Robert, Metode Sobel, Metode Prewitt, Metode Laplacian of
Gauss (LoG), dan Metode Canny. Berdasarkan permasalahan tersebut muncul ide
peneliti untuk melakukan "PERBANDINGAN DETEKSI TEPI (EDGE
DETECTION) CITRA DIGITAL DENGAN MENGGUNAKAN GUI
MATLAB", hal ini bertujuan untuk menemukan metode dengan performa terbaik
dalam melakukan deteksi tepi.
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa

Atas Segala Karunia-Nya serta Rahmat-Nya sehingga dapat
menyelesaikan penulisan ilmiah ini dengan judul “Perbandingan Deteksi
Tepi (Edge Detection) Citra Digital Dengan Menggunakan GUI
MATLAB”. Penulisan ilmiah ini dapat selesai pada tepat waktu dan
tujuan pembuatan penulisan ini disusun untuk melengkapi salah satu
syarat untuk mendapatkan gelar S1 pada jurusan Informatika Fakultas
Teknologi Industri Universitas Gunadarma.
Dengan segala kerendahan hati, penulis menyadari bahwa tulisan

ilmiah ini masih jauh dari sempurna karena keterbatasan kemampuan
penulis. Namun demikian diharapkan agar tulisan ini dapat memenuhi
syarat yang diperlukan. Tulisan ilmiah ini dapat terwujud berkat
bimbingan, saran, serta bantuan dari berbagai pihak. Untuk itu pada
kesempatan ini perkenankanlah penulis menyampaikan terima kasih yang
sebesar-besarnya kepada:
1. Ibu Prof. Dr. E.S. Margianti, SE., MM., selaku Rektor Universitas
Gunadarma.
2. Bapak Prof. Dr. Ing. Adang Suhendra, SSi., SKom., MSc., selaku
Dekan Fakultas Teknologi Industri.
3. Ibu Dr. Lintang Yuniar Banowosari, SKom., M.Sc., selaku Ketua
Jurusan Informatika.
4. Bapak Dr. Achmad Fahrurozi, SSi., MSi., selaku Kepala
Subbagian Sidang Penulisan Ilmiah Fakultas Teknologi Industri.
5. Ibu Nurul Adhayanti, SKom., MMSI., selaku Dosen Pembimbing
yang telah dengan sabar memberikan bimbingan serta masukan
sehingga penulis dapat menyelesaikan penulisan ini dengan baik.
6. Orang tua penulis Bapak Mada, Ibu Mimin dan Kakak Yolla
Amanda yang selalu memberikan dorongan, motivasi, semangat
dan doa kepada penulis dalam menempuh pendidikan.
7. Teman-teman kelas 4IA20 serta teman-teman Angkatan 2019
yang telah memberikan dukungan, bantuan serta memberikan
masukan dalam penulisan ilmiah ini sehingga pengerjaan ini
selesai tepat waktu.
8. Seluruh keluarga besar yang tidak dapat disebutkan namanya satu
per satu, terima kasih atas bantuan kritik, saran, arahan dan semua
semangat yang telah diberikan.
Penulis ingin mengucapkan terimakasih kepada semua pihak yang

tidak dapat disebutkan satu persatu, atas bantuan dan saran yang telah
diberikan kepada penulis.`Oleh karena itu penulis sangat menghargai
kritik maupun saran yang berguna bagi kesempurnaan penyusunan
penulisan ilmiah ini. Akhir kata penulis berharap semoga penulisan
ini dapat bermanfaat bagi para pembaca.
Depok, 16 Februari 2023
Andika Muhamad
DAFTAR ISI
Halaman
COVER....................................................................................................................i
PERNYATAAN ORIGINALITAS DAN PUBLIKASI......................................ii
LEMBAR PENGESAHAN..................................................................................iii
ABSTRAK.............................................................................................................iv
KATA PENGANTAR............................................................................................v
DAFTAR ISI........................................................................................................vii
DAFTAR GAMBAR.............................................................................................ix
DAFTAR TABEL................................................................................................xii
DAFTAR LAMPIRAN.......................................................................................xiii
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Batasan Masalah........................................................................................2
1.3 Rumusan Masalah.....................................................................................2
1.4 Tujuan Penelitian.......................................................................................3
1.5 Metode Penelitian......................................................................................3
1.6 Sistematika Penulisan................................................................................5
BAB II LANDASAN TEORI................................................................................7
2.1 Penelitian Terkait......................................................................................7
2.2 Pengertian Citra Digital.............................................................................8
2.3 Pengolahan Citra digital..........................................................................10
2.4 Operasi-operasi pada Pengolahan Citra..................................................11
2.5 Deteksi Tepi............................................................................................12
2.6 Struktur Navigasi.....................................................................................19
2.7 Flowchart.................................................................................................21
2.8 Matlab......................................................................................................25
BAB III PERANCANGAN DAN IMPLEMENTASI.......................................26
3.1 Gambaran Umum Aplikasi......................................................................27
3.2 Kebutuhan Sistem....................................................................................27
3.3 Perancangan.............................................................................................29
3.4 Struktur Navigasi.....................................................................................30
3.5 Flowchart.................................................................................................30
3.6 Data Set...................................................................................................31
3.7 Rancangan Tampilan Aplikasi................................................................31
3.8 Pembuatan GUI Deteksi Tepi..................................................................32
3.9 Uji Coba..................................................................................................36
3.10 Hasil dari data edge detection..............................................................71
3.11 Implementasi Interface pada system....................................................76
BAB IV KESIMPULAN DAN SARAN.............................................................76
4.1 Kesimpulan..............................................................................................76
4.2 Saran........................................................................................................76
DAFTAR PUSTAKA...........................................................................................77
LAMPIRAN............................................................................................................1
DAFTAR GAMBAR
Gambar 1.1 Diagram Alur SDLC Pada Metode Penelitian .................................. 4

Gambar 2.1 Citra Biner ........................................................................................ 9
Gambar 2.2 Citra Skala Keabuan ......................................................................... 9
Gambar 2.3 Citra Warna True Color ....................................................................10
Gambar 2.4 Model Tepi Satu Dimensi .................................................................13
Gambar 2.5 Jenis Jenis Tepi Curam .....................................................................13
Gambar 2.6 Struktur Navigasi Linear ..................................................................20
Gambar 2.7 Struktur Navigasi Hirarki .................................................................20
Gambar 2.8 Struktur Navigasi Non-Linier ...........................................................21
Gambar 2.9 Struktur Navigasi Campuran ............................................................21
Gambar 3.1 Alur Penelitian ..................................................................................26
Gambar 3.2 Diagram Alur Identifikasi Citra ........................................................29
Gambar 3.3 Folder Data Latih Dan Data Uji .......................................................31
Gambar 3.4 Rancangan Tampilan Aplikasi ..........................................................32
Gambar 3.5 Tampilan Awal Aplikasi Matlab ......................................................32
Gambar 3.6 Tampilan Pemilihan Design Awal ....................................................33
Gambar 3.7 Pembuatan Tampilan GUI ................................................................33
Gambar 3.8 Codingan Button Buka Citra ............................................................34
Gambar 3.9 Codingan Radio Button Group Deteksi Tepi ...................................35
Gambar 3.10 Tampilan Run Aplikasi ...................................................................35
Gambar 3.11 Hasil Deteksi Tepi Sobel Menggunakan Citra 1 Objek .................36
Gambar 3.12 Hasil Deteksi Tepi Prewitt Menggunakan Citra 1 Objek ...............37
Gambar 3.13 Hasil Deteksi Tepi Roberts Menggunakan Citra 1 Objek ..............37
Gambar 3.14 Hasil Deteksi Tepi Canny Menggunakan Citra 1 Objek ................38
Gambar 3.15 Hasil Deteksi Tepi Log Menggunakan Citra 1 Objek ....................38
Gambar 3.16 Hasil Deteksi Tepi Sobel Menggunakan Citra Banyak Objek .......39
Gambar 3.17 Hasil Deteksi Tepi Prewitt Menggunakan Citra Banyak Objek .....40
Gambar 3.18 Hasil Deteksi Tepi Roberts Menggunakan Citra Banyak Objek ....40
Gambar 3.19 Hasil Deteksi Tepi Canny Menggunakan Citra Banyak Objek ......41
ix
Gambar 3.20 Hasil Deteksi Tepi Log Menggunakan Citra Banyak Objek ..........41
Gambar 3.21 Hasil Deteksi Tepi Sobel Menggunakan Citra Kontras Rendah ....42
Gambar 3.22 Hasil Deteksi Tepi Prewitt Menggunakan Citra Kontras Rendah ..42
Gambar 3.23 Hasil Deteksi Tepi Roberts Menggunakan Citra Kontras Rendah . 43
Gambar 3.24 Hasil Deteksi Tepi Canny Menggunakan Citra Kontras Rendah ...43
Gambar 3.25 Hasil Deteksi Tepi Log Menggunakan Citra Kontras Rendah .......44
Gambar 3.26 Hasil Deteksi Tepi Sobel Menggunakan Citra Kontras Tinggi ......44
Gambar 3.27 Hasil Deteksi Tepi Prewitt Menggunakan Citra Kontras Tinggi . . .45
Gambar 3.28 Hasil Deteksi Tepi Roberts Menggunakan Citra Kontras Tinggi ...45
Gambar 3.29 Hasil Deteksi Tepi Canny Menggunakan Citra Kontras Tinggi .....46
Gambar 3.30 Hasil Deteksi Tepi Log Menggunakan Citra Kontras Tinggi .........47
Gambar 3.31 Hasil Deteksi Tepi Sobel dari Data Uji 1 .......................................48
Gambar 3.32 Hasil Deteksi Tepi Prewit dari Data Uji 1 ......................................49
Gambar 3.33 Hasil Deteksi Tepi Roberts dari Data Uji 1 ....................................49
Gambar 3.34 Hasil Deteksi Tepi Canny dari Data Uji 1 ......................................50
Gambar 3.35 Hasil Deteksi Tepi Log dari Data Uji 1 ..........................................50
Gambar 3.37 Hasil Deteksi Tepi Prewitt dari Data Uji 2 .....................................51
x
Gambar 3.65 Hasil Deteksi Tepi Log dari Data Uji 7...........................................66
xi
DAFTAR TABEL
Tabel 2.1 Tabel Flowchart ....................................................................................22

Tabel 2.2 Processing Symbols ..............................................................................23
Tabel 2.3 Input-Output Symbol ............................................................................24
Tabel 3.1 Hasil Analisa Dari Data Edge Detection ..............................................72
xii
DAFTAR LAMPIRAN
Lampiran Listing Program .....................................................................L-1
xiii
BAB I
PENDAHULUAN
1.1 Latar Belakang

Citra merupakan istilah lain untuk gambar yang memegang peranan
penting sebagai salah satu komponen multimedia dalam bentuk informasi
visual. Citra digital adalah citra yang diubah ke bentuk digital agar dapat
disimpan dalam memori komputer atau media lain. Proses mengubah citra
ke bentuk digital bisa dilakukan dengan device. Ketika sebuah citra sudah
diubah ke dalam bentuk digital (citra digital), terdapat bermacam-macam
proses pengolahan citra yang dilakukan terhadap citra tersebut.
Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah
diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Pengolahan citra
telah menggunakan sistem komputer yang diaplikasikan pada sejumlah bidang,
seperti pada bidang kedokteran, biologi, hukum, dan keamanan.
Teknik pengolahan citra mentransformasikan citra menjadi
citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra,
tetapi citra keluarannya harus mempunyai kualitas lebih baik daripada
citra masukan. Operasi pengolahan citra dapat diklasifikasikan dalam
beberapa jenis yaitu perbaikan kualitas citra, pemugaran citra, segmentasi
citra, analisis citra, dan rekonstruksi citra.
Penggunaan deteksi tepi berkembang pesat sejalan dengan kemajuan
teknologi komputer untuk pengolahan citra. Pemanfaatan pendeteksian tepi
diantaranya adalah: pengenalan hasil pola produksi yang membedakan dengan
background pada bidang teknologi industry, pengenalan sidik jari, iris mata pada
bidang keamanan, dan pada bidang kehidupan lainnya. Deteksi tepi menjadi
penting karena manusia dalam mengenali objek suatu citra akan memperhatikan
tepi yang terdapat dalam citra. Dengan adanya tepi dari suatu objek, mata manusia
akan dengan mudah mengenali objek apa yang ditampilkan dalam citra tersebut.
Hal ini diperkuat dengan adanya teori yang dikemukakan oleh McCane (2001)
yang menyatakan bahwa system penglihatan manusia (Human Visual System)
1
2
menunjukkan beberapa urutan dari deteksi tepi terlebih dahulu sebelum

pengenalan warna atau intensitas citra.
Salah satu metode dalam pengolahan citra adalah deteksi tepi (edge
detection) (Yudiyanto, 2014). Deteksi tepi digunakan untuk meningkatkan
penampakan garis batas suatu daerah atau objek didalam citra (Letelay, 2019).
Proses deteksi tepi akan menggambarkan bentuk dari suatu objek dan
mengidentifikasi garis – garis yang mendasari objek – objek tersebut
(Sukoco,2016).
Berdasarkan paparan di atas, memunculkan sebuah permasalahan bagaimana
perbandingan hasil dari metode deteksi tepi terhadap citra yang objek dan latarnya
berupa perpaduan warna yang berdekatan atau saling komplementer/kontras untuk
beberapa format file.
Penelitian ini akan menggunakan menggunakan metode edge detection untuk
mendeteksi tepi citra terhadap citra pada model warna RGB yang disimpan
menggunakan format file JPEG.
1.2 Batasan Masalah

Batasan masalah yang terdapat pada penelitian kali ini ,adalah :
1. Pemrosesan Pengolahan citra hanya menggunakan simulasi dengan
software dengan MATLAB 2021a.
2. Pengambilan data gambar menggunakan kamera digital dengan resolusi
yang disesuaikan yaitu minimal 800x800 piksel.
3. Pengujian dilakukan dengan membagi 2 klasifikasi yaitu data latih dan
data uji. Data yang digunakan sebanyak 13 citra yang dibagi menjadi 4
data latih dan 9 data uji.
1.3 Rumusan Masalah

Berdasarkan latar belakang, dapat diketahui permasalahan yang akan diselesaikan
dalam penelitian ini, adalah :
 Bagaimana aplikasi GUI dapat melakukan deteksi tepi?
 Apa saja hambatan yang terjadi dalam proses pendeteksian?
3
1.4 Tujuan Penelitian

Tujuan dari penelitian ini, yaitu:
 Menerapkan metode edge detection dalam melakukan pengujian.
 Melakukan komparasi dalam melakukan pengujian dengan menggunakan
metode edge detection.
1.5 Metode Penelitian

Metode Penelitian dalam Penulisan Ilmiah yaitu dengan menggunakan Metode
SDLC (Software Development Life Cycle) dengan model waterfall. Metode ini
memiliki beberapa tahapan diantaranya yaitu :
a. Tahap Pengumpulan Data
1. Studi Literatur
Pada tahap ini dilakukan pengumpulan bahan referensi mengenai deteksi
tepi pada citra, dan Metode Deteksi edge detection pada citra digital dari
berbagai buku, jurnal, artikel dan beberapa sumber referensi lainnya.
2. Observasi
Observasi dalam penelitian ini adalah mengumpulkan beberapa citra
dengan format jpeg. Kemudian di klasifikasikan menjadi 2 jenis data
yaitu data latih dan data uji.
b. Tahap Pembuatan Sistem

1. Analisis Kebutuhan Sistem
Analisis kebutuhan bertujuan untuk mengetahui kebutuhan-kebutuhan
dalam melakukan deteksi tepi.
2. Perancangan Sistem
Perancangan adalah penggambaran perencanaan sistem agar lebih
terstruktur dan memudahkan peneliti dalam implementasi sistem.
Rancangan yang dibuat meliputi diagram alur proses sistem
menggunakan flowchart dan desain tampilan antarmuka sistem.
4
3. Implementasi Sistem
Implementasi merupakan langkah untuk mengaplikasikan hasil studi
literatur sebagai solusi atas permasalahan yang ditemukan. Langkah ini
meliputi memasukan data citra digital, pemrosesan data, dengan keluaran
berupa hasil deteksi dari pemrosesan data yang dilakukan.
4. Pengujian
Pengujian dilakukan untuk memastikan apakah aplikasi dapat berjalan
dengan baik, sehingga dapat mendeteksi tepi pada citra untuk
membandingkan edge detection.
Tahap Pengumpulan Data
Analisis
Perancangan
Implementasi
Pengujian
Gambar 1.1 Diagram Alur SDLC Pada Metode Penelitian
1. Tahap pengumpulan data : mengumpulkan data citra digital penulis Setelah itu
dilakukan klasifikasi terhadap citra, yaitu membagi dua folder yang berisikan citra
5
data latih dan data uji

2. Analisis : dilakukan dilakukan tahapan preprocessing, menghilangka n noise
pada citra agar terlihat lebih jelas (filtering).
3. Perancangan : dilakukan proses perancangan gui pada matlab berupa edge

detection.
4. Impelementasi : proses pembuatan gui edge detection.
5. Pengujian : dilakukan pengujian citra pada gui edge detection.
1.6 Sistematika Penulisan

Sistematika penulisan dari Penulisan Ilmiah ini terdiri dari empat bagian
utama sebagai berikut.
BAB 1 : PENDAHULUAN
Bab ini berisi latar belakang dari penelitian yang dilaksanakan, rumusan masalah,
tujuan penelitian, batasan masalah, manfaat penelitian, metodologi penelitian,
sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini berisi teori-teori yang diperlukan untuk memahami permasalahan yang
dibahas pada penelitian ini. Teori yang berhubungan dengan pendeteksian tepi
pada citra.
BAB 3 : PERANCANGAN DAN IMPLEMENTASI
Bab ini menjabarkan tentang perancangan sistem, pembuatan flowchart,

pembuatan GUI, pendektesian tepi, dan uji coba aplikasi.
6
BAB 4 : PENUTUP
Berisi penjelasan tentang kesimpulan dan saran-saran yang di peroleh dari hasil
analisis, dan pengujian deteksi tepi.
BAB II
LANDASAN TEORI
2.1 Penelitian Terkait

Pada penelitian ini, beberapa rujukan penelitian untuk menentukan deteksi
tepi menggunakan matlab diuraikan sebagai berikut :
Deteksi Tepi merupakan langkah pertama untuk melengkapi informasi di
dalam Citra dimana tepi mencirikan batas- batas objek dan karena itu tepi berguna
untuk proses segmentasi dan identifikasi objek dalam citra. Ada banyak operator
dalam deteksi tepi, diantaranya yaitu operator Sobel dan operator Canny untuk
deteksi tepi objek pada citra. Dalam penelitian ini akan diterapkan kedua operator
tersebut mengggunakan software Matlab untuk menghasilkan penampakan garis
batas suatu objek dalam citra. Tujuan dan manfaat penelitian ini adalah untuk
mengetahui hasil deteksi tepi menggunakan kedua operator tersebut pada bentuk
objek dan untuk memperoleh informasi awal mengenai fitur deteksi tepi untuk
pengenalan objek bagi penelitian selanjutnya. Image yang diteliti berjenis image
JPG sebanyak 5 macam objek dimana nantinya dapat membandingkan hasil
pengenalan bentuk dari kedua operator yang diterapkan. Hasil penelitian ini akan
menyimpulkan dari kedua operator mengenai kelebihan dan kekuarangan saja.
(Nurullah, 2014).
Identifikasi batas tepi obyek pada suatu citra digital berkembang pesat
sejalan dengan kemajuan teknologi komputer untuk pengolahan citra. Deteksi tepi
menjadi penting karena manusia dalam mengenali obyek suatu citra akan
memperhatikan tepi yang terdapat dalam citra. Dengan adanya tepi dari suau
obyek, mata manusia akan dengan mudah mengenali obyek apa yang ditampilkan
dalam citra tersebut. Namun dalam kehidupan sehari-hari sering ditemukan citra
yang kurang baik, sehingga dibutuhkan proses pengolahan citra digital. Oleh
karena itu, penelitian ini bertujuan untuk mengetahui pengaruh komposisi warna
pada suatu format file JPEG dan PNG terhadap hasil deteksi tepi dengan
menggunakan metode Sobel dan Prewitt. Metode yang dipakai yakni metode
Sobel dengan matriks ukuran 3x3 piksel untuk perhitungan gradien yang berada
7
8
tepat ditengah. Metode Prewitt menggunakan persamaan yang sama dengan

metode Sobel dengan konstanta c yang digunakan bernilai 1. Format JPEG adalah
format gambar yang telah mengalami kompresi semaksimal mungkin untuk
kepentingan sharing dan preview. Format PNG adalah suatu format file yang
dikembangan untuk alternatif dari format GIF (Graphic Interchange Format) yang
menggunakan algoritma kompresinya. Hasil penelitian ini menunjukkan adanya
pengaruh komposisi warna pada format file JPEG dan PNG terhadap deteksi tepi
sehingga mendapatkan hasil yang berbeda dari setiap warna dan menunjukkan
bahwa hasil deteksi tepi metode Sobel lebih baik jika dibandingkan dengan
metode Prewitt. (Agung,2018).
2.2 Pengertian Citra Digital

Citra digital merupakan suatu larik dua dimensi atau suatu matriks yang
elemen-elemennya menyatakan tingkat keabuan dari elemen gambar; jadi
informasi yang terkandung bersifat diskret. Citra digital tidak selalu merupakan
hasil langsung data rekaman suatu sistem. Kadang-kadang hasil rekaman data
bersifat kontinu seperti gambar pada monitor televisi, foto sinar-X, dan lain
sebagainya. Dengan demikian untuk mendapatkan suatu citra digital diperlukan
suatu proses konversi, sehingga citra tersebut selanjutnya dapat diproses dengan
komputer. Citra digital dihasilkan dengan proses digitalisasi terhadap citra
kontinu. Sama halnya Proses digitalisasi dalam bentuk data lain, proses
digitalisasi pada citra juga merupakan proses pengubahan suatu bentuk data citra
dari yang bersifat analog ke digital. Yang mana proses ini dihasilkan dari
peralatan digital yang langsung bisa diproses oleh komputer. Proses ini dapat
dijelaskan sebagai berikut. Ada sebuah objek yang akan diambil gambarnya untuk
dijadikan citra digital. Sumber cahaya diperlukan untuk menerangi objek, yang
berarti ada intensitas cahaya (brightness) yang diterima oleh objek. Oleh objek,
intensitas cahaya ini sebagian diserap dan sebagian lagi dipantulkan ke
lingkungan sekitar objek secara radikal. Sistem pencitraan (imaging) menerima
sebagian dari intensitas cahaya yang dipantul oleh objek tadi. Di dalam sistem
pencitraan terdapat sensor optik yang digunakan untuk mendeteksi intensitas
9
cahaya yang masuk ke dalam sistem. Keluaran dari sistem ini berupa arus yang
besarnya sebanding dengan intensitas cahaya yang mengenainya. Arus tersebut
kemudian dikonversi menjadi data digital yang kemudian dikirimkan ke unit
penampil atau unit pengolah lainnya.
Citra digital biasanya berbentuk persegi panjang, secara visualisasi
dimensi ukurannya dinyatakan sebagai lebar x tinggi. Ukurannya dinyatakan
dalam titik atau piksel (pixel = picture element) dan dapat pula dinyatakan dalam
satuan panjang (mm = milimeter atau inc = inch).
Berdasarkan format penyimpanan nilai warnanya, citra terdiri atas empat
jenis (Hestiningsih,Halaman 45, 2008), yaitu:
1. Citra biner atau monokrom
Pada citra jenis ini, setiap titik atau piksel hanya bernilai 0 atau 1.Dimana
setiap titik membutuhkan media penyimpana sebesar 1 bit. Gambar 2.1
merupakan contoh citra biner.
Gambar 2.1 Citra Biner
2. Citra skala keabuan

Citra skala keabuan mempunyai kemungkinan warna antara hitam
(minimal) dan putih (maksimal). Jumlah maksimum warna sesuai dengan bit
penyimpanan yang digunakan. Misal: Suatu citra dengan skala keabuan 4 bit,
memiliki jumlah kemungkinan warna 24 = 16 warna. Gambar 2.3 memperlihatkan
citra skala keabuan 4 bit.
10
Gambar 2.2 Citra Skala Keabuan
3. Citra warna (true color)

Setiap titik (piksel) pada citra warna mewakili warna yang
merupakan kombinasi dari tiga warna dasar yaitu merah, hijau dan biru yang
dikenal sebagai citra RGB (Red, Green, Blue). Setiap warna dasar
mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit).
Red = warna minimal putih, warna maksimal merah
Green = warna minimal putih, warna maksimal hijau
Blue = warna minimal putih, warna maksimal biru
Setiap titik pada citra warna membutuhkan data 3 byte Jumlah kemungkinan
kombinasi warna untuk citra warna adalah 224 = lebih dari 16 juta warna, disebut
true color karena dianggap mencakup semua warna yang ada. Gambar 2.3
memperlihatkan contoh citra warna.
Gambar 2.3 Citra Warna True Color
2.3 Pengolahan Citra digital

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu
objek. Citra yang berupa output dari sistem perekaman data dapat bersifat optik
berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada
monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu
media penyimpanan (Sutoyo et al, 2009:9).
2.3.1 Citra Grayscale

11
Citra grayscale adalah warna-warna pixel yang berada dalam rentang

gradasi warna hitam dan putih. Citra graycscale digunakan untuk menyetarakan
intensitas warna. Pada intensitas warna merah, hijau dan biru, citra grayscale
mempunyai nilai pixel yang sama.
2.3.2 Citra Biner
Dalam citra biner setiap pixel hanya mempunyai dua kemungkinan

nilai yaitu 0 dan 1. Umumnya, angka nol mewakili warna hitam dan angka satu
mewakili warna putih. Citra biner diperoleh melalui proses pemisahan pixelpixel
berdasarkan skala keabuan yang dimilikinya. Pixel yang memiliki skala keabuan
lebih kecil dari nilai batas yang ditentukan diberikan nilai 0, sementara pixel yang
memiliki skala keabuan yang lebih besar dari batas diubah menjadi bernilai 1. Jadi
untuk gambar yang biasanya berwarna hitam putih, nilainya 0 dan 1 .
2.3.3 Citra Warna (RGB)
Citra berwarna merupakan gabungan dari beberapa lapis citra kanal warna
yang bertumpuk. Masing-masing lapisan merepresentasikan nilai intensitas warna
tertentu terhadap warna gelap sehingga pada citra berwarna setiap pixel
mempunyai informasi warna tertentu yang merupakan gabungan warna-warna
dari citra kanal warna. Misalnya RGB (Red Green Blue) mempunyai warna dasar
merah, hijau dan biru digabungkan dalam membentuk suatu susunan warna yang
luas.
2.4 Operasi-operasi pada Pengolahan Citra
Operasi-operasi yang dilakukan pada pengolahan citra secara umum dapat

dikelompokkan dalam beberapa jenis, yaitu: (Sigit, 2005)
1. Perbaikan Kualitas (Image Enchancement)

12
Operasi perbaikan kualitas citra bertujuan untuk memperbaiki kualitas

citra dengan cara memanipulasi parameter-parameter citra. Melalui
operasi ini, ciri-ciri khusus yang terdapat di dalam citra dapat lebih
ditonjolkan. Beberapa operasi perbaikan citra antara lain: perbaikan
kontras gelap / terang, perbaikan tepian objek, penajaman, pemberian
warna semu.
2. Kompresi Citra (Image Compression)

Operasi kompresi citra bertujuan untuk dapat merepresentasikan citra
dalam bentuk yang lebih kompak sehingga memerlukan memori yang
lebih sedikit. Yang menjadi perhatian penting dalam kompresi citra
adalah mempertahankan kualitas citra agar tetap baik.
3. Segmentasi Citra (Image Segmentation)

Operasi segmentasi citra bertujuan untuk memecah suatu citra ke dalam
beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini
berkaitan erat dengan pengenalan pola.
4. Analisis Citra (Image Analysis)

Operasi analisis citra bertujuan untuk menghitung besaran kuantitatif
dari citra untuk menghasilkan deskripsinya. Teknik analisis citra adalah
mengekstraksi ciri-ciri tertentu yang sangat membantu dalam. identifikasi objek.
Proses segmentasi juga diperlukan untuk melokalisasi objek dari sekelilingnya.
Contoh dari operasi analisis citra yaitu pendeteksian tepi objek, ekstraksi batas,
dan representasi daerah.
5. Rekonstruksi Citra (Image Reconstruction)

Operasi rekonstruksi citra bertujuan untuk membentuk ulang objek dari
beberapa citra hasi proyeksi. Operasi rekonstruksi citra banyak digunakan di
dalam bidang medis.
13
2.5 Deteksi Tepi

Tepi adalah perubahan nilai intensitas derajat keabuan yang
mendadak (besar) dalam jarak yang dekat. Suatu titik (x,y) dikatakan
sebagai tepi bila titik tersebut mempunyai perbedaan nilai piksel yang
tinggi dengan nilai piksel tetangganya. Gambar 2.4 menunjukkan salah
satu model tepi untuk satu dimensi.
Gambar 2.4 Model Tepi Satu Dimensi
Adapun terdapat tiga macam tepi didalam citra digital, yaitu:
a. Tepi Curam
Tepi curam adalah tepi dengan perubahan intensitas yang tajam. Arah tepi
berkisar 90 0 Gambar 2.5 menunjukan deteksi tepi tipe tepi curam.
Gambar 2.5 Jenis Jenis Tepi Curam
b. Tepi Landai
Tepi landai yaitu tepi dengan sudut arah yang kecil. Tepi landai dapat
14
dianggap terdiri dari sejumlah tepi-tepi lokal yang lokasinya berdekatan.

Gambar 2.5 menunjukan deteksi tepi tipe tepi landai.
c. Tepi yang mengandung derau

Umumnya tepi yang terdapat pada aplikasi visi komputer mengandung
derau. Operasi peningkatan kualitas citra dapat dilakukan terlebih dahulu sebelum
pendektesian tepi. Gambar 2.5 menunjukan deteksi tepi tipe tepi curam dengan
derau. Faktor kunci dalam mengekstraksi ciri adalah kemampuan mendeteksi
keberadaan tepi (edge) dari objek di dalam citra. Pendeteksian dengan operator
gradient citra.
2.5.1 Metode Robert
Metode Robert menggunakan operator gradien dengan dua buah matriks

berukuran 2x2 piksel pada persamaan (1) . Proses yang dilakukan adalah
mengkonvolusi citra grayscale dengan matriks kernel Robert arah horizontal
(1)
Konvolusi dilakukan seperti pada persamaan (2) dan Persamaan (3)
(2)
(3)
(4)
15
dengan:
G = Nilai gradien pada piksel
Gx = Nilai gradien Robert arah horizontal
Gy = Nilai gradien Robert arah vertikal
2.5.2 Metode Sobel
Metode sobel merupakan pengembangan dari metode Robert yang

menggunakan operator gradien, akan tetapi matriks yang digunakan berukuran
3x3 piksel yang ditunjukkan pada persamaan (5). Metode sobel dilakukan dengan
cara mengkonvulusi citra grayscale dengan matriks Sobel arah horizontal (H) dan
vertikal (V).
(5)
Piksel diubah ke dalam matriks seperti pada persamaan (6):
(6)
16
Konvolusi matriks metode Sobel dilakukan dengan persamaan (7) dan persamaan
(8):
(7)
(8)
Selanjutnya dihitung besaran gradien dengan persamaan (9):
(9)
2.5.3 Metode Perwitt
Metode Prewitt tidak jauh berbeda dengan metode Sobel yang

menggunakan operator gradien dengan matriks berukuran 3x3 piksel pada
persamaan (10). Metode Prewitt dilakukan dengan cara mengkonvolusi citra
grayscale dengan matriks Prewitt arah horizontal (H) dan vertical (V).
(10)
Konvolusi matriks metode Prewitt dilakukan dengan persamaan (11) dan

persamaan (12):
17
(11)
(12)
Selanjutnya, dihitung besaran gradien dengan persamaan (13):
(13)
2.5.4 Metode Laplacian of Gauss (LoG)
Metode Laplacian of Gauss (LoG) dilakukan dengan menentukan bagian

tepi citra menggunakan orde turuan kedua. Operator Laplace menghasilkan
kepekaan terhadap noise pada tiap bagian piksel. Persamaan (14) untuk turunan
f(x,y) adalah :
(14)
Sehingga didapatkan turunan kedua dari f(x,y) dengan persamaan (15):
(15)
Persamaan (16) dihasilkan dengan melakukan konvulasi matriks Laplacian pada

persamaan (17):
18
(16)
Kemudian dilakukan filter Gaussian dengan persamaan (17):
(17)
Fungsi dari filter Gaussian untuk mengaburkan citra dan menghilangkan noise.
Sehingga operator Laplacian of Gauss didapatkan dari konvolusi persamaan (18):
(18)
2.5.5 Metode Canny
Metode Canny dimulai dari memasukan citra berupa grayscale dan

kemudian melakukan proses filtering gaussian dengan = 1,4. Ini bertujuan untuk
menyaring noise dari citra awal agar mendapatkan hasil tepi citra yang halus.
Selanjutnya dilakukan konvulasi dengan persamaan (19):
(19)
19
Kemudian dihitung gradient magnitude dengan menggunakan persamaan (20)

berikut:
(20)
Dan untuk menentukan arah tepian digunakan persamaan (21):
(21)
Selanjutnya dilakukan proses penghilangan nilai-nilai yang tidak

maksimum (non maxima suppression). Jika nilai intensitas tidak maksimum,
maka akan dilakukan penurunan nilai piksel menjadi 0. Tahapan selanjutnya
dilakukan proses pengambangan (thresholding) dengan menggunakan dua nilai
ambang yaitu threshold (threshold nilai rendah) dan (threshold nilai tinggi) seperti
pada persamaan (22).
(22)
Kemudian dari hasil proses thresholding didapat bentuk tepi citra dari
metode deteksi tepi menggunakan metode Canny.
2.6 Struktur Navigasi
Struktur navigasi adalah alur yang digunakan dalam aplikasi yang dibuat.
Sebelum menyusun aplikasi multimedia kedalam sebuah software, kita harus
menentukan terlebih dahulu alur apa yang akan digunakan dalam aplikasi yang
dibuat. Bentuk dasar dari struktur navigasi yang biasa digunakan dalam proses
pembuatan aplikasi multimedia ada empat macam, yaitu struktur navigasi linier,
hirarki, non linier dan campuran.
20
2.6.1 Struktur Navigasi Linier
Struktur navigasi linier merupakan struktur yang mempunyai satu

rangkaian cerita berurutan. Struktur ini menampilkan satu demi satu tampilan
layer secara berurutan menurut aturannya.
Gambar 2.6 Struktur Navigasi Linear
2.6.2 Struktur Navigasi Hirarki
Struktur navigasi hirarki sering disebut struktur navigasi bercabang, yaitu

merupakan suatu struktur yang mengandalkan percabangan untuk menampilkan
data atau gambar pada layer dengan kriteria tertentu.
Tampilan pada menu utama disebut master page (halaman utama satu),
halaman tersebut mempunyai halaman percabangan yang disebut slave page
(halaman pendukung) dan jika dipilih akan menjadi halaman kedua, begitu
seterusnya.
Gambar 2.7 Struktur Navigasi Hirarki

21
2.6.3 Struktur Navigasi Non-Linier
Struktur navigasi non linier (tidak terurut) merupakan pengembangan dari

struktur navigasi linier, hanya saja pada struktur ini diperkenankan untuk
membuat percabangan. Percabangan pada struktur non linier berbeda dengan
percabangan pada struktur hirarki, pada struktur ini kedudukan semua page sama,
sehingga tidak dikenal adanya master atau slave page.
Gambar 2.8 Struktur Navigasi Non-Linier
2.6.4 Stuktur Navigasi Campuran
Struktur navigasi campuran (composite) merupakan gabungan dari struktur

sebelumnya dan disebut juga struktur navigasi bebas, maksudnya adalah jika
suatu tampilan membutuhkan percabangan maka dibuat percabangan. Struktur ini
paling banyak digunakan dalam pembuatan aplikasi multimedia.
Gambar 2.9 Struktur Navigasi Campuran
2.7 Flowchart
22
Flowchart adalah representasi secara simbolik dari suatu algoritma atau

prosedur untuk menyelesaikan suatu masalah, dengan menggunakan flowchart
akan memudahkan pengguna melakukan pengecekan bagian-bagian yang
terlupakan dalam analisis masalah, disamping itu flowchart juga berguna sebagai
fasilitas untuk berkomunikasi antara pemrogram yang bekerja dalam tim suatu
proyek.
Tabel 2.1 Tabel Flowchart
Simbol Fungsi
Permulaan sub program
Perbandingan, pernyataan,
penyeleksian data yang
memberikan pilihan untuk
langkah selanjutnya
Penghubung bagian- bagian

flowchart yang berada pada
satu halaman.
Penghubung bagian- bagian

flowchart yang berada pada
halaman berbeda
Permulaan/akhir program
23
Arah aliran program
Proses inisialisasi / pemberian

harga awal
Proses penghitung/ proses

pengolahan data
Proses input/output data
2.7.1 Processing Symbols
Processing Symbols merupakan symbol yang menunjukkan jenis operasi

pengolahan dalam suatu proses/prosedur. Berikut adalah contoh dari processing
symbols pada tabel 2.2.
Tabel 2.2 Processing Symbols
Simbol Nama Fungsi
Proses/Process Simbol yang

menunjukkan suatu
proses yang dilakukan
komputer
Decision Simbol untuk kondisi

tertentu yang
menghasilkan beberapa
kemungkinan
24
Predefined Process Simbol untuk

menyimpanan yang akan
digunakan sebagai
tempat pengolahan
Terminal Simbol untuk awal atau

akhir dari suatu program
Manual Input Simbol untuk

memasukkan data secara
manual
2.7.2 Input-Output Symbols
Input-Output Symbols merupakan jenis simbol peralatan yang digunakan

sebagai media input atau output. Berikut beberapa Input-Output symbols pada
tabel 2.3.
Tabel 2.3 Input-Output Symbol
Simbol Nama Fungsi
Proses / Process Simbol yang

menyatakan input atau
output tanpa tergantung
jenis peralatannya
Document Simbol yang

menyatakan bahwa input
berasal dari dokumen
dalam bentuk kertas atau
ouput dicetak dikertas
25
Disk and On-line Simbol untuk

storage menyatakan input
berasal dari disk atau
output disimpan ke disk
2.8 Matlab
Matrix Laboratory (Matlab) adalah perangkat lunak yang menggunakan

dasar matrix dalam pemanfaatannya. Matrix yang digunakan pada Matlab
terbilang sederhana sehingga dapat dengan mudah digunakan. Matlab merupakan
bahasa pemrograman level tinggi yang dikhususkan untuk kebutuhan komputasi
teknis, visualisasi dan pemrograman seperti komputasi matematik, analisis data,
pengembangan algoritma, simulasi dan pemodelan dan grafik-grafik perhitungan.
Matlab secara umum yaitu untuk :
a) Matematika dan komputasi;
b) Pengembangan dan algoritma;
c) Permodelan, simulasi dan pembuatan prototype;
d) Analisa data, eksplorasi dan visualisasi;
e) Pembuatan aplikasi termasuk pembuatan GUI (Graphical User Interface).

BAB III
PERANCANGAN DAN IMPLEMENTASI
Pada bab ini akan membahas tentang implementasi edge detection

terhadap identifikasi citra digital. Pada bab ini juga membahas tentang Studi
pustaka, Identifikasi Kebutuhan, Pengumpulan Requiretment, Pengumpulan Data,
dan terakhir Analisis terhadap metode edge detection, dan pengimplementasikan
hasil dari klasifikasi edge detection pada citra digital.
Akuisisi
Analisis
Preprocessing
Segmentasi
Identifikasi edge
detection
Gambar 3.1 Alur Penelitian
26
27
3
Penjelasan Terhadap alur diagram diatas
Akuisisi : didapat data citra digital. Data yang dimiliki adalah data pribadi penulis.
Analisis : dilakukan Pengelompokkan citra di dalam folder. Data di bagi 2 di
dalam folder yaitu data citra latih, dan data citra uji.
Preprocessing :dilakukan filtering agar citra terlihat dengan jelas.
Segmentasi : citra yang dilakukan pengujian akan dilakukan segmentasi yaitu

pengubahan citra rgb menjadi citra grayscale agar bisa terlihat data histogramnya,
histogram citra adalah grafik yang menggambarkan penyebaran nilai- nilai
intensitas piksel dari suatu citra atau bagian tertentu di dalam citra.
Identifikasi edge detection : adalah suatu metode yang digunakan yang bertujuan
mengidentifikasikan titik-titik pada citra digital dimana tingkat kecerahan
(brightness) berubah drastis atau terjadi diskontinuitas pada citra yang mau
diambil datanya.
3.1 Gambaran Umum Aplikasi
Aplikasi yang dibangun adalah aplikasi yang dapat mendeteksi garis tepi dari
suatu objek pada data citra digital yang berupa data JPEG atau JPG. Ada beberapa
proses yang dilakukan pada aplikasi ini, yaitu pengambilan data citra digital,
pemrosesan citra, proses pendeteksian objek, dan kemudian hasil dari
pendeteksian objek yang ditemukan.
3.2 Kebutuhan Sistem
Pada prinsipnya penggunaan komputer sebagai alat pembangun aplikasi

adalah terdiri dari beberapa fasilitas pendukung yang harus diperhatikan dan harus
memenuhi aspek teknis yang dibutuhkan oleh sistem pembangun aplikasi.
Fasilitas pendukung ini terdiri dari 2 spesifikasi, yaitu:
28
1) Perangkat keras (hardware)
2) Perangkat lunak (software)
Berikut ini adalah aspek teknis spesifikasi kebutuhan perangkat keras maupun
perangkat lunak yang digunakan.
1) Spesifikasi Kebutuhan Perangkat Keras (Hardware)
Perangkat keras yang digunakan sebagai alat pendukung untuk membuat

program aplikasi pada penelitian ini memiliki spesifikasi sebagai berikut:
1) Processor Intel Core I5-3570.
2) Harddisk dengan kapasitas 500 Gb.
3) Memori RAM yang digunakan 16 Gb.
4) Mouse dan keyboard
5) Kamera Digital Canon dengan resolusi 18 MP.
6) Kamera Smartphone dengan resoulsi 12MP.
2) Spesifikasi Perangkat Lunak (Software)
Sedangkan perangkat lunak (software) yang dibutuhkan untuk menunjang

aktivitas berjalannya program aplikasi yang dapat dikembangkan dengan baik
adalah:
1) Matlab versi 2021a.
2) Sistem operasi Windows 8.1 Enterprise

29
3.3 Perancangan
Identifikasi edge detection
Mulai
Capture image
dan masukkan
gambar
Melakukan
segmentasi grayscale
Melakukan
deteksi edge
detection
Pelatihan analisis
edge detection
Pengujian analisis
edge detection
Gambar 3.2 Diagram Alur Identifikasi Citra
Memulai dengan melakukan pengambilan gambar melalui internet dan data

gambar pribadi milik penulis. Setelah gambar dimasukkan, kemudian dilakukan
segmentasi pada gambar citra rgb menjadi grayscale. Setelah didapatkan citra
30
grayscale kemudian dilakukan metode edge detection pada citra grayscale. Setelah
melakukan metode edge detection dilakukan analisis untuk mencari perbedaan
dalam melakukan pengujian menggunakan edge detection.
3.4 Struktur Navigasi
Struktur navigasi yang digunakan dalam perancangan aplikasi ini adalah

struktur navigasi linier. Berikut adalah struktur navigasi linear aplikasi.
Input Gambar Memilih metode Output (Hasil deteksi

Pemrosesan Citra
(Citra RGB) edge detection tepi)
3.5 Flowchart
Flowchart dibuat untuk memudahkan saat membuat aplikasi, agar jalannya

aplikasi dapat terlihat jelas mulai dari awal dijalankan hingga aplikasi selesai
digunakan.
MULAI
Buka
Aplikasi
Masukan
data
Lakukan
Pengolahan Apakah data Tidak
data terdeteksi terdeteksi
N
Y
31
Terdeteksi Selesai
3.6 Data Set
Gambar 3.3 Folder Data Latih dan Data Uji
Terdapat 2 folder yang berisikan data latih dan data uji, yang berisikan 10
data citra di tiap foldernya. Citra disimpan didalam file yang bernama C:\Users\
OneDrive\Gambar\Citra deteksi tepi.
3.7 Rancangan Tampilan Aplikasi
Gambar 3.4 Rancangan Tampilan Aplikasi

Dari gambar 3.4 Rancangan Tampilan Aplikasi diatas dapat dilihat pada
gambar tersebut terdapat menu Buka Citra yang merupakan menu dari Button1.
Button1 tersebut memiliki fungsi untuk mencari dan melakukan input data yang
telah disiapkan pada folder data uji maupun data latih. Kemudian, pada menu
32
radio button group merupakan menu dari deteksi tepi yang berfungsi untuk
melakukan identifikasi titik-titik pada citra digital dimana tingkat kecerahan
(brightness) berubah drastis atau terjadi diskontinuitas menggunakan segmentasi
citra grayscale pada data yang sudah dimasukkan dari Button1. Lalu pada
program diatas terdapat kotak putih yaitu merupakan komponen Axes yang
berfungsi untuk menampilkan sebuah input atau output data. Pada gambar diatas
terdapat dua komponen axes yang memiliki fungsi berbeda, yaitu jika pada axes
yang pertama memiliki fungsi untuk menampilkan citra data input berupa RGB.
Kemudian pada axes yang kedua berfungsi untuk menampilkan hasil data yang
sudah di proses edge detection pada data tersebut, yang kemudian akan terlihat
apakah data menampilkan output deteksi tepi.
3.8 Pembuatan GUI Deteksi Tepi

Menjalankan Program matlab R2021a
Gambar 3.5 Tampilan Awal Aplikasi Matlab
Dari gambar 3.5 diatas dapat dilihat tampilan awal ketika menjalankan program
matlab. Kemudian untuk membuat tampilan GUI y a i t u dengan melakukan
“klik ikon new lalu pilih app designer” pada comment window, kemudian pilih
Blank APP dan tekan ok. Seperti tampilan pada gambar 3.6 dibawah ini.
33
Gambar 3.6 Tampilan Pemilihan Design Awal
Setelah melakukan langkah langkah sebelumnya kemudian langkah selanjutnya

yaitu membuat tampilan GUI sesuai yang diinginkan.
Gambar 3.7 Pembuatan Tampilan GUI
Seperti pada Gambar 3.7 diatas, dapat dilihat tampilan GUI yang sudah dibuat
dengan satu Button, 5 button radio button group, dan dua menu axes.
34
Setelah membuat tampilan GUI seperti pada gambar 3.7 diatas , maka langkah
selanjutnya memberi codingan terhadap Button1 buka citra. Berikut codingan
yang digunakan untuk dimasukkan terhadap Button1 buka citra pada Gambar 3.8
Gambar 3.8 Codingan Button Buka Citra

35
Kemudian memberi kodingan terhadap radio button group.
Gambar 3.9 Codingan Radio Button Group Deteksi Tepi
Berikut tampilan hasil GUI ketika di run, sebelum melakukan pendeteksian data
dapat dilihat pada Gambar 3.10
Gambar 3.10 Tampilan Run Aplikasi

36
3.9 Uji Coba

Uji Coba dilakukan dengan mengumpulkan 13 citra yang berbeda,
kemudian diklasifikasikan menjadi 4 citra data latih dan 9 citra data uji. Data latih
yang di uji terdiri dari citra yang memiliki 1 objek, citra dengan banyak objek,
citra dengan kontras rendah, dan citra dengan kontras tinggi. Uji coba pertama
dilakukan pada citra data latih yang didalamnya terdapat 1 objek.
Gambar 3.11 Hasil Deteksi Tepi Sobel Menggunakan Citra 1 Objek
Deteksi ini dilakukan dengan menggunakan edge detection. Hasil dari deteksi tepi
sobel menggunakan citra 1 objek terilihat pada output gambar 3.11
37
Gambar 3.12 Hasil Deteksi Tepi Prewitt Menggunakan Citra 1 Objek
prewitt menggunakan citra 1 objek terilihat pada output gambar 3.12
Gambar 3.13 Hasil Deteksi Tepi Roberts Menggunakan Citra 1 Objek
roberts menggunakan citra 1 objek terilihat pada output gambar 3.13
38
Gambar 3.14 Hasil Deteksi Tepi Canny Menggunakan Citra 1 Objek
canny menggunakan citra 1 objek terilihat pada output gambar 3.14
Gambar 3.15 Hasil Deteksi Tepi Log Menggunakan Citra 1 Objek
log menggunakan citra 1 objek terilihat pada output gambar 3.15
39
Uji coba kedua dilakukan pada citra data latih yang didalamnya terdapat banyak
objek.
Gambar 3.16 Hasil Deteksi Tepi Sobel Menggunakan Citra Banyak Objek
sobel menggunakan citra banyak objek terilihat pada output gambar 3.16
40
Gambar 3.17 Hasil Deteksi Tepi Prewitt Menggunakan Citra Banyak Objek
prewitt menggunakan citra banyak objek terilihat pada output gambar 3.17
Gambar 3.18 Hasil Deteksi Tepi Roberts Menggunakan Citra Banyak Objek
roberts menggunakan citra banyak objek terilihat pada output gambar 3.18
41
Gambar 3.19 Hasil Deteksi Tepi Canny Menggunakan Citra Banyak Objek
canny menggunakan citra banyak objek terilihat pada output gambar 3.19
Gambar 3.20 Hasil Deteksi Tepi Log Menggunakan Citra Banyak Objek
log menggunakan citra banyak objek terilihat pada output gambar 3.20
42
Uji coba ketiga dilakukan pada citra data latih yang memiliki kontas rendah.
Gambar 3.21 Hasil Deteksi Tepi Sobel Menggunakan Citra Kontras Rendah
sobel menggunakan citra kontras rendah terlihat pada output gambar 3.21
43
Gambar 3.22 Hasil Deteksi Tepi Prewitt Menggunakan Citra Kontras Rendah
prewitt menggunakan citra kontras rendah terlihat pada output gambar 3.22
Gambar 3.23 Hasil Deteksi Tepi Roberts Menggunakan Citra Kontras Rendah
roberts menggunakan citra kontras rendah terlihat pada output gambar 3.23
44
Gambar 3.24 Hasil Deteksi Tepi Canny Menggunakan Citra Kontras Rendah
canny menggunakan citra kontras rendah terlihat pada output gambar 3.24
Gambar 3.25 Hasil Deteksi Tepi Log Menggunakan Citra Kontras Rendah
log menggunakan citra kontras rendah terlihat pada output gambar 3.25
45
Uji coba keempat dilakukan pada citra data latih yang memiliki kontas tinggi.
Gambar 3.26 Hasil Deteksi Tepi Sobel Menggunakan Citra Kontras Tinggi
sobel menggunakan citra kontras tinggi terlihat pada output gambar 3.26
46
Gambar 3.27 Hasil Deteksi Tepi Prewitt Menggunakan Citra Kontras Tinggi
prewitt menggunakan citra kontras tinggi terlihat pada output gambar 3.27
Gambar 3.28 Hasil Deteksi Tepi Roberts Menggunakan Citra Kontras Tinggi
roberts menggunakan citra kontras tinggi terlihat pada output gambar 3.28
47
Gambar 3.29 Hasil Deteksi Tepi Canny Menggunakan Citra Kontras Tinggi
canny menggunakan citra kontras tinggi terlihat pada output gambar 3.29
Gambar 3.30 Hasil Deteksi Tepi Log Menggunakan Citra Kontras Tinggi
log menggunakan citra kontras tinggi terlihat pada output gambar 3.30
48
Setelah melakukan uji coba menggunakan data latih, uji coba berikutnya
merupakan uji coba dari data uji yang terdiri dari 9 citra campuran antara citra
dengan satu objek, citra dengan banyak objek, citra dengan kontras rendah, dan
citra kontras tinggi.
Gambar 3.31 Hasil Deteksi Tepi Sobel dari Data Uji 1
sobel data uji 1 terlihat pada output gambar 3.31
49
Gambar 3.32 Hasil Deteksi Tepi Prewit dari Data Uji 1
prewitt data uji 1 terlihat pada output gambar 3.32
Gambar 3.33 Hasil Deteksi Tepi Roberts dari Data Uji 1
roberts data uji 1 terlihat pada output gambar 3.33
50
Gambar 3.34 Hasil Deteksi Tepi Canny dari Data Uji 1
canny data uji 1 terlihat pada output gambar 3.34
Gambar 3.35 Hasil Deteksi Tepi Log dari Data Uji 1
log data uji 1 terlihat pada output gambar 3.35
51
Gambar 3.37 Hasil Deteksi Tepi Prewitt dari Data Uji 2
52
robert data uji 2 terlihat pada output gambar 3.38
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70

71
3.10 Hasil dari data edge detection

Tabel 3.1 Hasil Analisa Dari Data Edge Detection
Metode ini
mengambil
prinsip dari
fungsi
laplacian
dan
gaussian
yang dikenal
sebagai
fungsi untuk
membangkit
kan HPF.
Kelebihan
dari metode
Sobel ini
adalah
kemampuan
untuk
mengurangi
noise
sebelum
melakukan
perhitungan
deteksi tepi
72
Metode
Prewitt
adalah
pengembang
an dari
metode
sobel
dengan
menggunaka
n filter HPF
yang
diberi satu
angka nol
penyangga.
Metode ini
mengambil
prinsip dari
fungsi
laplacian
dan gaussian
yang
dikenal
sebagai
fungsi untuk
membangkit
kan HPF.
Kelebihan
dari metode
prewitt ini
adalah
kemampuan
73
untuk
mengurangi
noise
sebelum
melakukan
perhitungan
deteksi tepi
Metode
Robert
bekerja
dengan
mendeteksi
tepi bagian
vertikal dan
mendeteksi
tepi bagian
horizontal
terhadap
citra
berwarna
yang sudah
diubah
menjadi
citra
grayscale,
kemudian
hasil deteksi
tepi dari
kedua
bagian
74
tersebut
dijumlahkan
sebagai hasil
akhir
Deteksi tepi
canny
memiliki
kemampuan
dalam
deteksi tepi,
ada empat
tahapan
dasar pada
deteksi tepi
canny yaitu
filtering,
menentukan
nilai
gradient,
penekanan
nilai
gradient dan
menghubung
kan setiap
tepi pada
citra.
75
Laplacian of
Gaussian
adalah salah
satu operator
deteksi tepi
yang
dikembangk
an dari
turunan
kedua.
Laplacian of
Gaussian
terbentuk
dari proses
Gaussian
yang diikuti
operasi
laplace.
Fungsi
Gaussian
akan
mengurangi
derau
sedangkan
Laplacian
mask
meminimalis
asi
kemungkina
n kesalahan
deteksi tepi.
76
3.11 Implementasi Interface pada system

Pada bagian bab ini saya menjelaskan tentang hasil pengujian pada citra deteksi
tepi.
1. Pengujian dilakukan dengan mengumpulkan 13 data citra digital, 4 data
latih dan 9 data uji.
2. Dari ke 5 data setelah dilakukan deteksi tepi terdapat perbedaan yang
siginifikan terhadap beberapa metode deteksi tepi.
3. Metode canny dan metode log dinyatakan dapat menghasilkan output yang
jelas terhadap pendeteksian tepi dari 3 metode lainnya. Pada hasil dari data
metode canny dan log terlihat tepi tekstur dan batas batas pada citra output
sangat jelas.
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Adapun beberapa kesimpulan yang ditemukan pada penulisan ilmiah ini setelah
melakukan implementasi dan menguji citra deteksi tepi maka diperoleh, yaitu :
1. Perbandingan citra deteksi tepi menggunakan GUI MATLAB berjalan

dengan baik, seperti mengubah citra RGB menjadi grayscale sehingga
mudah melakukan deteksi tepi.
2. Pengujian dinyatakan berhasil untuk mengklasifikasi citra dengan kelima
metode edge detection yang berbeda.
3. Dari jumlah 13 jumlah data, didapatkan hasil pada metode Canny dan
metode LoG output lebih jelas terhadap pendeteksian tepi dari ketiga
metode lainnya. Kesimpulan dapat ditarik berdasarkan uji coba
menggunakan citra 1 objek berkontras rendah, hal ini karena tekstur tepi
dan batas-batas pada citra output terlihat jelas.
4.2 Saran
Saran yang dapat penulis berikan untuk pengembangan Aplikasi GUI MATLAB,
yaitu :
1. Aplikasi GUI pada MATLAB bisa dikembangkan dalam perangkat
mobile.
2. Diharapkan GUI agar bisa menampilkan perhitungan Hue Saturation
Value (HSV) pada deteksi tepi.
3. Diharapkan GUI bisa mengenali objek yang beresolusi rendah.
76
DAFTAR PUSTAKA
 Agung Handika Dicky Admajaya.,2018, Pebandingan Deteksi Tepi (Edge

Detection) citra digital berdasarkan pengaruh kombinasi warna
menggunakan metode sobel dan prewitt. Universitas Negeri Yogyakarta.
 Letelay, Kornelis., 2019, Perbandingan Kinerja Metode Deteksi Tepi Pada
Citra.
Jurnal Komputer dan Informatika. 7(1): 1-9.
 Muhammad Nurullah., 2014, Studi pembanding deteksi tepi (Edge
Detection) citra jpeg dengan operator sobel dan operator canny
menggunakan software matlab. Universitas Islam Negeri Syarif
Hidayatullah.
 Sukoco, D., Handoko, L., 2016, Kamera Sekuriti System Dengan Mode
Detektor Gerakan Untuk Pengaman Rumah. Politeknik Perkapalan
Negeri Surabaya. 01: 286-291.
 Sutoyo, T, et al. 2009. Teori Pengolahan Citra Digital. Yogyakarta: ANDI
dan UDINUS Semarang.
 Yudiyanto, A., Murinto., 2014, Implementasi Metode Canny Untuk
Deteksi Tepi Mutu Daun Tembakau. Jurnal Sarjana Teknik Informatika.
2(3): 231-243.
77
LAMPIRAN
classdef deteksitepi < matlab.apps.AppBase
% Properties that correspond to app components

properties (Access = public)
UIFigure matlab.ui.Figure
DeteksiTepiButtonGroup matlab.ui.container.ButtonGroup
LogButton matlab.ui.control.RadioButton
CannyButton matlab.ui.control.RadioButton
RobertsButton matlab.ui.control.RadioButton
PrewittButton matlab.ui.control.RadioButton
SobelButton matlab.ui.control.RadioButton
BukaCitraButton matlab.ui.control.Button
UIAxes_2 matlab.ui.control.UIAxes
UIAxes matlab.ui.control.UIAxes
end
properties (Access = public)

Property % Description
end
% Callbacks that handle component events

methods (Access = private)
% Button pushed function: BukaCitraButton

function BukaCitraButtonPushed(app, event)
[nama_file,nama_folder] = uigetfile('*.*');
L-1
drawnow
figure(app.UIFigure)
if ~isequal(nama_file,0)
Img = imread(fullfile(nama_folder,nama_file));
imshow(Img,'Parent',app.UIAxes)
title(app.UIAxes,'Citra RGB')
app.Property.Img = Img;
end
end
% Selection changed function: DeteksiTepiButtonGroup

function DeteksiTepiButtonGroupSelectionChanged(app, event)
selectedButton = app.DeteksiTepiButtonGroup.SelectedObject;
Img = app.Property.Img;
Img_gray = rgb2gray(Img);
switch selectedButton.Text
case 'Sobel'
bw = edge(Img_gray,'sobel');
case 'Prewitt'
bw = edge(Img_gray,'Prewitt');
case 'Roberts'
bw = edge(Img_gray,'roberts');
case 'Canny'
bw = edge(Img_gray,'canny');
case 'Log'
bw = edge(Img_gray,'log');
end
imshow(bw,'Parent',app.UIAxes_2)
title(app.UIAxes_2,'Hasil Deteksi Tepi')
end
L-2
end
% Component initialization
methods (Access = private)
% Create UIFigure and components

function createComponents(app)
% Create UIFigure and hide until all components are created

app.UIFigure = uifigure('Visible', 'off');
app.UIFigure.Position = [100 100 640 480];
app.UIFigure.Name = 'MATLAB App';
% Create UIAxes
app.UIAxes = uiaxes(app.UIFigure);
app.UIAxes.XTick = [];
app.UIAxes.YTick = [];
app.UIAxes.Position = [242 248 300 185];
% Create UIAxes_2
app.UIAxes_2 = uiaxes(app.UIFigure);
app.UIAxes_2.XTick = [];
app.UIAxes_2.YTick = [];
app.UIAxes_2.Position = [242 61 300 185];
% Create BukaCitraButton
app.BukaCitraButton = uibutton(app.UIFigure, 'push');
L-3
app.BukaCitraButton.ButtonPushedFcn = createCallbackFcn(app,
@BukaCitraButtonPushed, true);
app.BukaCitraButton.Position = [78 411 100 22];
app.BukaCitraButton.Text = 'Buka Citra';
% Create DeteksiTepiButtonGroup
app.DeteksiTepiButtonGroup = uibuttongroup(app.UIFigure);
app.DeteksiTepiButtonGroup.SelectionChangedFcn =
createCallbackFcn(app, @DeteksiTepiButtonGroupSelectionChanged, true);
app.DeteksiTepiButtonGroup.Title = 'Deteksi Tepi';
app.DeteksiTepiButtonGroup.Position = [78 245 123 138];
% Create SobelButton
app.SobelButton = uiradiobutton(app.DeteksiTepiButtonGroup);
app.SobelButton.Text = 'Sobel';
app.SobelButton.Position = [11 92 58 22];
app.SobelButton.Value = true;
% Create PrewittButton
app.PrewittButton = uiradiobutton(app.DeteksiTepiButtonGroup);
app.PrewittButton.Text = 'Prewitt';
app.PrewittButton.Position = [11 70 65 22];
% Create RobertsButton
app.RobertsButton = uiradiobutton(app.DeteksiTepiButtonGroup);
app.RobertsButton.Text = 'Roberts';
app.RobertsButton.Position = [11 48 65 22];
L-4
% Create CannyButton
app.CannyButton = uiradiobutton(app.DeteksiTepiButtonGroup);
app.CannyButton.Text = 'Canny';
app.CannyButton.Position = [11 26 57 22];
% Create LogButton
app.LogButton = uiradiobutton(app.DeteksiTepiButtonGroup);
app.LogButton.Text = 'Log';
app.LogButton.Position = [11 3 42 22];
% Show the figure after all components are created

app.UIFigure.Visible = 'on';
end
end
% App creation and deletion

methods (Access = public)
% Construct app
function app = deteksitepi
% Create UIFigure and components

createComponents(app)
% Register the app with App Designer

registerApp(app, app.UIFigure)
L-5
if nargout == 0
clear app
end
end
% Code that executes before app deletion

function delete(app)
% Delete UIFigure when app is deleted

delete(app.UIFigure)
end
end
end
L-6

Andika Muhamad - 50419749 - R1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Andika Muhamad - 50419749 - R1

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSITAS GUNADARMA

FAKULTAS TEKNOLOGI INDUSTRI

PERBANDINGAN DETEKSI TEPI (EDGE DETECTION) CITRA DIGITAL DENGAN MENGGUNAKAN

Nama : Andika Muhamad

Pembimbing : Nurul Adhayanti, SKOM., MMSI.

Diajukan Guna Melengkapi Sebagai Syarat

Saya yang bertanda tangan di bawah ini,

Nama : Andika Muhamad

Demikian pernyataan ini dibuat dengan sebenarnya dan dengan penuh

Depok,28 Februari 2023

Judul PI : PERBANDINGAN DETEKSI TEPI (EDGE

Pembimbing Kepala Subbagian Sidang PI FTI

(Nurul Adhayanti, SKOM., MMSI.) (Dr. Achmad Fahrurozi, S.Si., M.Si.)

Ketua Jurusan Informatika

(Dr. Lintang Yuniar Banowosari, S.Kom., M.Sc.)

Andika Muhamad, 50419739

kata kunci: Deteksi Tepi, Pengolahan Citra, Citra, Matlab.

Penggunaan deteksi tepi berkembang pesat sejalan dengan kemajuan teknologi

Puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa

Dengan segala kerendahan hati, penulis menyadari bahwa tulisan

Penulis ingin mengucapkan terimakasih kepada semua pihak yang

Depok, 16 Februari 2023

Gambar 1.1 Diagram Alur SDLC Pada Metode Penelitian .................................. 4

Tabel 2.1 Tabel Flowchart ....................................................................................22

Lampiran Listing Program .....................................................................L-1

1.1 Latar Belakang

menunjukkan beberapa urutan dari deteksi tepi terlebih dahulu sebelum

1.2 Batasan Masalah

1.3 Rumusan Masalah

1.4 Tujuan Penelitian

1.5 Metode Penelitian

b. Tahap Pembuatan Sistem

Tahap Pengumpulan Data

Gambar 1.1 Diagram Alur SDLC Pada Metode Penelitian

data latih dan data uji

3. Perancangan : dilakukan proses perancangan gui pada matlab berupa edge

4. Impelementasi : proses pembuatan gui edge detection.

5. Pengujian : dilakukan pengujian citra pada gui edge detection.

1.6 Sistematika Penulisan

BAB 2 : LANDASAN TEORI

BAB 3 : PERANCANGAN DAN IMPLEMENTASI

Bab ini menjabarkan tentang perancangan sistem, pembuatan flowchart,

2.1 Penelitian Terkait

tepat ditengah. Metode Prewitt menggunakan persamaan yang sama dengan

2.2 Pengertian Citra Digital

Gambar 2.1 Citra Biner

2. Citra skala keabuan

Gambar 2.2 Citra Skala Keabuan

3. Citra warna (true color)

Gambar 2.3 Citra Warna True Color

2.3 Pengolahan Citra digital

2.3.1 Citra Grayscale

Citra grayscale adalah warna-warna pixel yang berada dalam rentang

2.3.2 Citra Biner

Dalam citra biner setiap pixel hanya mempunyai dua kemungkinan

2.3.3 Citra Warna (RGB)

2.4 Operasi-operasi pada Pengolahan Citra

Operasi-operasi yang dilakukan pada pengolahan citra secara umum dapat

1. Perbaikan Kualitas (Image Enchancement)

Operasi perbaikan kualitas citra bertujuan untuk memperbaiki kualitas

2. Kompresi Citra (Image Compression)

3. Segmentasi Citra (Image Segmentation)

4. Analisis Citra (Image Analysis)