ISSN No. 2085 - 0859 · PDF filedari aki ke inverter dan lampu indikator DC ke AC : Gambar 4....

Jurnal Teknika Vol.4 No.2 September 2012 212

ISSN No. 2085 - 0859

PEMANFAATAN DAN PEMBUATAN ALAT PENYEDIAAN DAYA LISTRIK SECARAOTOMATIS DENGAN MENGGUNAKAN INVERTER 12V DC MENJADI 220V AC

Suharijanto1

1)Dosen Fakultas Teknik Prodi Elektro Universitas Isalam Lamongan

ABSTRAKSI

Penelitian ini dilatarbelakangi oleh keinginan penulis pada masalah pemadaman listrik yang seringterjadi di daerah pedesaan, Belum adanya komplain dari masyarakat pedesaan menyebabkan banyakkerusakan alat pada PLN yang menyebabkan pemadaman di limpahkan ke pedesaan.

Lokasi penelitian dilakukan di laboratorium Fakultas Teknik Universitas Islam Lamongan, dengankondisi masih seringnya terjadi pemadaman listrik di desa-desa kecamatan Babat Lamongan, dimana dari haldiatas membuat penulis untuk mencoba membuat alat yang secara otomatis bisa menyala bila terjadipemadaman arus listrik. Tujuan pembuatan alat ini agar masyarakat di pedesaan bisa menyalakan peralatanyang menggunakan listrik atau minimal bisa menyalakan penerangan dengan menggunakan listrik(lampu).Dari hasil penelitian didapatkan bahwa bila menggunakan accu 5AH dan diberi beban sebesar 100VA alat inibisa bertahan kurang lebih 30-40 menit.

Kata Kunci : alat penyedian daya,otomatis, inverter

I. PENDAHULUANSejalan dengan perkembangan ilmu

pengetahuan dan teknologi pada masa sekarangini khususnya pada bidang keleistrikkanmembawa banyak perubahan dalam pemakaiantenaga listrik. Kebutuhan akan listrik tidak hanyadibutuhkan dikita saja tetapi didesa-desa jugamembutuhkannya. Kebutuhan listrik tidak hanyadibutuhkan oleh industri tetapi juga oleh nonindustri (rumah tangga).

Di pedesaan sering terjadi pemadamanaliran listrik dibandingkan diperkotaan.Disamping di pedesaan banyak pepohonan jugakarena tadak ada komplain dari masyarakat.Sehingga bila terjadi kerusakan pada pembangkitatau pada jaringan yang dipadamkan adalahpedesaan. Sehingga dengan itu penulis bermaksuduntuk membuat inverter ini.

Pembuatan alat ini dimaksudkan agarmasyarakat pedesaan tidak lagi bingung mencaripenerangan apabila terjadi pemadaman listrik dariPLN secara tiba-tiba untuk beberapa waktu.Peralatan ini dirancang dengan otomatismaksudnya bila listrik mati alat ini akan bekerjadengan sendirinya.II. Tinjauan Pustaka2.1. Inverter

Inverter berfungsi sebagai pengubahtegangan dari DC 12V menjadi AC 220V, sebagaipengubah tegangan inverter harus menghasilkanbentuk gelombang sinus yang baik denganf r e k u e n s i 5 0 H z a t a u 6 0 H z .2.1.2. Rangkaian Flip-Flop

Rangkain Flip-Flop merupakan suaturangkaian yang mempunyai dua keadaan yangberlainan dan stabil pada saat yang sama.Biasanya rangkaian Flip=Flop ini dipergunakansebagai rangkain memori, pembagi frekuensi ataupenghitung.

Adapun jenis=jenis Flip-Flop ini adaempat macam, yaitu SR Flip-Flop, T Flip_Flop, DFlip-Flop, dan JK Flip-Flop. Keempat macamrangkaian ini dibangun dengan menggunakankomponen logic, seperti AND gate, NOR gate,serta kombinasi dari komponen logic tersebut.

Dalam inverter ini menggunakan rangkainD Flip-Flop. Tujuannya untuk menghindarkankemungkinan terjadinya keadaan output yang takmenentu, seperti terjadi SR Flip-Flop, makadigunakan input D yang diberikan pada AND gateI , sedangkan AND gate II diberikan informasi Dyangf sudah melalui inverter terlebih dahuluseperti ditunjukkan pada gambar dibawah ini.

.

Gambar 1. Rangkaian D Flip-Flop

D input tersebut berfungsi sebagaipengontrol input yang menentukan bekerjanyaFlip-Flop tersebut.Tabel kebenaran dari gambar 1dapat dilihat di bawah ini.


ISSN No. 2085 - 0859

Tabel 1. Tabel kebenaran D Flip-Flop

Input OuputD Q Q0 0 11 1 0

2.1.3. Rangkaian PenguatRangkaian penguat adalah rangkaian yang

terdiri dari beberapa transistor yang dirangkaiaparallel dan dalam rangkaian inverter in berfungsisebagai penguat daya pada transistor switching.

Gambar 2. Rangkaian Penguat Paralel

2.1.4. Switching TransistorTransistor Switching dapat dibentuk oleh

transistor bipolar (BJT) atau transistor efek medan(MOSFET). Dalam rancangan ini menggunakanswitching tegangan dengan transistor bipolar(BJT).

Karakteristik ideal digambarkan padagambar sebagai berikut :

Vcc

0 t1 t2

Gambar 3. Karakteristik Ideal SaklarTransistor

Dari t0 ke t1 transistor dalam kondidi ON,melewatkan arus ke beban secara ideal, tidak adayang jatuh pada transistor, sehingga tidakm terjadidisipasi daya. Pada t1 transistor menjadi OFF.Transistor merespon dengan cepat menjadikeadaan OFF dengan waktu yang dapat diabaikan.Atur wakty t1 dan t2 transistor dalam keadaan OFF(benar0benar OFF), tidak terdapat arus padatransistor, jadi walaupun tegangan masukan penuhdilewatkan pada transistor, transistor tidakterpengaruh oleh daya. Padan waktu t2 transistormenjadi ON kembali.

Pada frekuensi rendah, transistor bipolarmemiliki sfisiensi yang lebih tinggi. Bila frejuensinaik, switching ON dan OFF bertambah. FETmemiliki kemampuan switching yang lebih cepatdari bipolar. Untuk aplikasi 100 KHz, lebih

efisien menggunakan FET, tetapi untuk frekuensiyang lebih rendah dapat digunakan bipolar.

Berikut ini adalah gambar rangkaianinverter yang tidak dilengkapi pengotomatisandari aki ke inverter dan lampu indikator DC keAC :

Gambar 4. Rangkaian Inverter

2.2. BateraiBaterai sebagai sumber arus listrik searah

(DC) dapat dikelompokkan menjadi dua macam,yaitu baterai elemen kering dan elemen basah.Baterai dapat disebut juga dengan istilah accu atauaccumulator yang berarti menghimpun.

Baterai adalah suatu peralatan yang dapatmenghasilkan energy listrik dengan melaluiproses kimia. Baterai mempunyai 2 elektrodayaitu elektroda positif dan elektroda negatif. Suatubeban apabila terhubung dengan elektroda-elektroda baterai, maka akan timbul reaksi elektrokimia dan terjadilah aliran arus listrik dari kutubpositif menuju negatif.

2.2.1. Konstruksi AkiAki adalah baterai yang banyak di

gunakan untuk kendaraan bermotor. Aki menjadipilihan yang praktis karena dapat menghasilkanlistrik cukup besar dan dapat diisi kembali.

Sel aki terdiri atas anoda pb (timbal =timah hitam) dan katoda pbO2 (timbal dioksida),keduanya merupakan zat padat, yang dicelupkandalam larutan asam sulfat (lihat gambar). Keduaelektroda tersebut, juga hasil reaksinya, tidak larutdalam larutan asam sulfat, sehingga perlumemisahkan anoda dan katoda dan dengandemikian tidak diperlukan jembatan garam, Yangperlu dijaga sampai kedua elektroda tersebutsaling bersentuhan.


ISSN No. 2085 - 0859

Gambar 5. Baterai/Aki yang terdiri atassel-sel yang dihubungkan seri

2.2.2. Rangkaian pengisi AkiRangkain ini berfungsi sebagai pengisan

aki yang akan digunakan untukmmenyuplaiinverter. Rangkain ini menggunakan SCR sebagaipengotomatisasi. Rangkaian ini bekerja menyuplaiaki jika tegangan aki bekerja dibawah tegangannominalnya dan akan memutuskan suplai jikategangan aki telah mencapai tegangannominalnya.

Sumber dari rangkaian ini adalah jala-jalaPLN satu fasa yang tegangannya diturunkan olehtrafon step down dan disearahkan oleh rangkaianrectifier yang outputnya adalah 12 Volt, hal inidikarenakan tegangan nominal pada aki adalah12V.

Gambar 6. Rangkaian Pengisi Aki/Baterai

2.3. RelayRelay merupak piranti untuk membuka

dan menutupnnya kontak atau bisa sebagai saklaroromatis.

III. METODOLOGI3.1. Metodologi

Metode perancangan ini, akan dibahaslangkah-langkah dalam pembuatan alat padapenyediaan daya listrik secara otomatis denganmenggunakan inverter 12V DC menjadi 220V ACyang terdiri dari : perancangan alat, pembuatanalat dan pengujian alat. Perancangan alat meliputi:(1) pembuatan diagram blok alat penyediaan dayalistrik secara otomatis dengan inverter 12V DCmenjadi 220V AC, dan sekaligus menjelaskanfungsi atau kegunaan dari masing-masing blokdiagram tersebut.

Pada pembuatan alat, meliputi: (1)pembuatan skema rangkaian tiap diagram blok,dan (2) pembuatan skema rangkain keseluruhanalat penyediaan daya listrik otomatis. Untukpengujian alat, meliputi: pengujian untukmengetahui bekerjanya suatu alat penyediaandaya secara otomatis, baik secara per blokrangkaian maupun secara keseluruhan.

3.2. Blok Diagram

Gambar 8. Blok diagram sistem penyediaandaya secara otomatis dengan

inverter DC 12V menjadi AC 220V

out

PLN

Inverter

Trafo step-up

Suplemenrelay

Trafostep-down

steep

PengisianAki

Relay

Aki


ISSN No. 2085 - 0859

3.3. Pembuatan AlatTahap yang kedua setelah kita merancang

membuat diagram blok adalah sekarang kitamembuat skema rangkaian tiap blok diagram alatdan skema rangkaian keseluruhan, sertapembuatan alat jadinya. Pada tahap pembuatanalat pembuatan skema rangkaian ini meliputi : (1)rangkaian inverter, (2) rangkaian penyearah dan(3) rangkaian keseluruhan

3.3.1. Pembuatan Skema RangkaianInverter

Gambar 9. Skema Rangkain Inverter

Rangkaian inverter, digunakan untukmengubah sinyal DC menjadi sinyal AC. Adapunbentuk skema rangkaian diperlihatkan sepertipada gambar di atas.

Daftar komponen :R1 = 10 kΩL1 = 1μHR2 = 100 kΩR3 = 100 ΩR4 = VR 50 kΩC1, C2 = 0,1 μfC3 = 0,01 μfC4 = 2700 μf/25 voltQ1, Q2 = TIP 41AQ3, Q4 = TIP 42ATrafo step up

3.3.1. Pambuatan Skema RangkaianPenyearah Tegangan

Rangkaian ini diperguinakan untukmengubah arus AC menjadi arus DC, yangnantinya dipergunakan untuk menghidupkanmotor.

Gambar 10. Skema Rangkaian Penyearah

IV. HASIL PENELITIAN DANPEMBAHASAN

4.1. Pengujian inverter

Tabel 2. Pengujian inverter tanpa beban

Pengujian inverter

TeganganDaya

220v>1000VA

Tabel 3. Pengujian inverter denganbeban lampu

Beban(VA)

Tegangan(V)

Lama /waktu

20 220 3 jam 20menit

40 220 2 jam 10menit

60 220 1 jam 7menit

80 220 50 menit100 220 40 menit

Keterangan :Hasil pengujian diatas diambil dengan aki 5AHdan apabila menggunakan aki yang lebih besar(20AH - 60AH) dan kondisi aki yang masihbagus, maka waktunya akan lebih lama.

4.2. PembahasanPembuatan sistem penyediaan daya secara

otomatis dengan menggunakan inverter DC 12V


ISSN No. 2085 - 0859

menjad AC 220V ini memanfaatkan kontak relayyang sebenarnya disesuaikan dengan teganganmasukan pada coilnya sehingga mampu untukmenghubungkan dan memutuskan kontak.

Pada sistem penyediaan daya secaraotomatis dengan menggunakan inverter DC 12Vmenjadi AC 22oV ini menggunakan seumbertegangan dari aki. Sebagai pengisian pada akimenggunakan sistem pengisian otomatis yangmendapat suplai dari PLN dan akan berhentimengisi apabila teganmgan baterai kembalimenjadi tegangan nominal.

Untuk rangkaian inverter sebagaipengubah tegangan dari DC 12V menjad AC220V menggunakan IC 4013 yang bekerja secaraFlip=Flop dan transistor 2N3005 sebagai saklarpenguat yang kemudian tegangan AC yangdihasilkan oleh inverter akan dinaikkan oleh trafostep up 10A.

Proses pengujian pada sistem penyediaandaya otomatis ini tegangan yang dihasilkan olehaki setelah melalui inverter adalah 220V AC dandaya yang kurang lebih 100VA selama 1-2 jam(menggunakan aki 25AH), hal ini terjadi karenakemampuan arus dari aki sangat kecil, selain ituarus dari beban juga saling mendukung terhadaplamanya alat yang digunakan.

Perlunya sistem penyediaan daya secaraotomatis di pedesaan, sehingga pada waktu listrikPLN mati, maka orang pedesaan tidak perlubingung untuk mencari penerangan dalam waktu 2– 3 jam. Di samping itu orang yang beradadipedesaan tidak perlu repot mencari penerangandengan menggunakan minyakm tanah atau lilin.

V. PENUTUP5.1. Kesimpulan

Setelah melakukan pembuatan danpengujian alat, maka dapat disimpulkan :1. Alat in (inverter) berfungsi untuk

menghasilkan tegangan listrik sebesar 220VAc dan dapat bekerja secara otomatis jikalistrik PLN padam.

2. Pembuatan alat penyediaan daya listrik secaraotomatis dapat dilakukan dengan caramenyiapkan bahan/alat yang dibutuhkan,meranncang rangkaian/skema alat yang akandibuat, merakit bahan/alat yang sudahdisiapkan dan pengujian alat yang akandirakit.

3. Cara kerja alat penyediaan daya listrik secaraotomatis dengan menggunakan invertersebagai pemindah/transfer beban apabilalistrik disediakan PLN padam dan aki sebagaisumbernya.

5.2. Saran.Dari uraian diatas pasti banyak sekali

kekurangan disana-sini, yang disebabkan olehketerbatasan penulis dalam proses pembuatan alatpenyediaan daya secara otomatis ini. Oleh karenaitu, penulis berharap demi berkembangnya ilmupengetahuan dan teknologi dalam bidangelektroniak, nantinya ada orang-orang yang dapatmengembangkan alat ini agar lebih sempurna,baik cara kerja alat atau daya yang dihasilkan olehalat itu sendiri.

DAFTAR PUSTAKABird, Tong. 1987. Kimia Fisika UntukUniversitas, Jakarta: PT. GranediaIsmail, A. 1991. Rangkaian Elektyronika jilid II.Jakarta : PT. GramediaLister, Eugene C. 1989, Mesin Dan RangkaianListrik, Jakarta : EdomediaMalvino, 1996, Prinsip-Prinsip Elektronika JilidII, Jakarta : ErlanggaOmron smart otomation control, 1995, SingapuraPurba, M. Hidayat, S. 1993, Ilmu Kimia TentangBaterai<, Jakarta : ErlanggaPurwanto, A. 1998, Hobi elektronika, Jakarta :GramediaPanjaitan, R. 1998. Mesin Listrik Arus Searah,Bandung : Widjaya KaryaSumanto, 1989, Mesin-Mesin Arus Listrik Searah,semarang : Karya WinataWibisono, A. Hendro. 1991. Baterai SebagaiSumber tenaga DC di GI Sawahan, Surabaya :FTI ITATS


ISSN No. 2085 - 0859

Membandingkan Metode Trapesium Satu Pias, Banyak Pias Dan Koreksi Ujung

Ulul Ilmi 1)

1) Dosen Fakultas Teknik Prodi Teknik Elektro Universitas Islam Lamongan

AbstrakSalah satu persoalan yang dihadapi persoalan perhitungan dunia metode numerik adalah

mencari metode yang terbaik dalam penyelesaian sebuah kasus. Dalam kasus ini masalahdihadapi adalah menyelesaikan persoalan integral e pangkat x dx, di mana x dimulai dari 0,1,2, ...dan seterusnya.

Untuk menyelesaikan persoalan tersebut maka digunakan metode trapesium satu pias,banyak bias dan koreksi ujung. Hal ini bertujuan untuk membandingkan hasil akhir dari keduametode tersebut.

Berdasarkan hasil penelitian dapat disimpulkan bahwa metode trapesium satu piasmemiliki tingkat kesalahan perhitungan lebih besar jika dibandingkan dengan metode trapesiumbanyak pias. Sedangkan metode trapesium banyak pias memiliki tingkat kesalahan perhitunganlebih besar jika dibandingkan dengan metode trapesium koreksi ujung. Dengan demikian metode

trapesium koreksi ujung lebih cocok digunakan untuk penyelesaian persoalan dxen

x0

. Hal ini

disebabkan metode ini memiliki tingkat kesalahan perhitungan terkecil jika dibandingkan denganmetode trapesium satu pias dan banyak pias.

Kata Kunci : Metode trapesium satu pias, metode trapesium banyak pias, metodetrapesium koreksi ujung.

PendahuluanIntegrasi suatu fungsi adalah operator

matematik yang penting dan dipresentasikan dalambentuk :

I= b

a

dxx)( (1)

yang merupakan integral suatu fungsi f(x) terhadapvariabel x yang dihitung antara batas bawah x = asampai batas atas x = b. Seperti yang ditunjukkandalam persamaan (1), yang dimaksud denganintegrasi adalah nilai total atau luasan yang dibatasioleh fungsi f(x) dan sumbu x, serta antara batasbawah x = a dan batas atas x = b.

Integrasi analitis suatu fungsi telah banyakdipelajari dalam mata kuliah kalkulus. Dalampenelitian ini akan dibahas tentang integrasi numerikyang merupakan metode pendekatan dari integrasianalitis.

Metode trapesium satu piasMetode trapesium satu pias merupakan

metode untuk penyelesaian integrasi numerik.Integrasi numerik dilakukan apabila :1. Integral tidak dapat diselesaikan secara analitis.

2. Fungsi yang diintegralkan tidak diberikan dalambentuk analitis, tetapi secara numerik dalambentuk angka (tabel).

Metode integrasi numerik merupakanintegral tertentu yang didasarkan pada hitunganperkiraan. Hitungan dilakukan dengan membagiluasan dalam sejumlah pias keci. Luas total adalahjumlah dari semua pias.

Metode integrasi numerik dapat dibedakandalam dua kelompok, yaitu metode Newton-cotesdan metode gauss. Metode Newton-Cotes didasarkanpada penggantian fungsi yang kompleks atau tabeldata dengan fungsi polinomial sederhana sehinggamudah diintegrasikan. Metode Newton-Cotesmembagi absis dalam jarak interval yang tetap. Salahsatu metode Newton-Cotes adalah metode trapesiumsatu pias.

Metode tranpesium merupakan metodeNewton-Cotes orde pertama. Dalam metode ini kurvalengkung dari fungsi f(x) digantikan oleh garis lurus.Luasan bidang di bawah fungsi f(x) antara x = a danx = b didekati oleh luas trapesium di bawah garislurus yang menghubungkan antara f(a) dan f(b).

Menuru rumus geometri, luas trapesiumadalah lebar kali tinggi rerata,


ISSN No. 2085 - 0859

I = (b-a)2

)()( bfaf (2)

Penggunaan garis lurus untuk mendekati garislengkung menyebabkan terjadinya kesalahan sebesarluasan yang tidak diarsir. Besarnya kesalahan yangterjadi dapat diperkirakan dari persamaan berikut :

E = ))((''12

1 abf (3)

Dengan adalah titik yang terletak di dalam intervala dan bPersamaan (3) menunjukkan bahwa apabila fungsiyang diintegralkan adalah linear, maka metodetrapesium akan memberikan nilai eksak karenaturunan kedua dari fungsi linear adalah nol.Sebaliknya untuk fungsi dengan derajat dua ataulebih, penggunaan metode trapesium akanmemberikan kesalahan.

Metode trapesium dengan banyak piasMetode trapesium banyak pias digunakan

sama seperti halnya metode trapesium satu pias.Tetapi metode trapesium banyak pias memilikisebuah kelebihan jika dibandingkan dengan metodetrapesium satu pias.

Kelebihannya adalah mentode trapesiumbanyak pias ternyata mampu mengurangi tingkatkesalahan yang terjadi pada perhitungan dari metodetrapesium satu pias. Caranya adalah kurva lengkungyang terbentuk pada perhitungan dari metodetrapsium satu pias didekati oleh sejumlah garis lurus,sehingga terbentuk banyak pias. Luas bidang adalahjumlah dari beberapa pias tersebut. Semakin kecilpias yang digunakan, hasil yang didapatkan menjadisemakin teliti.

Adapun rumus yang digunakan dalammetode trapesium banyak pias adalah :

I =

1

)](2)()([2

n

ixifbfafx

(4)

Besarnya kesalahan yang terjadi pada penggunaan banyakpias adalah :

Et = )('')(12

2

fabx

(5)

Sedangkan persamaan untuk metode trapesium dengankoreksi ujung adalah :I = )](')('[

12])(2)()([

2

21

1afbfxxifbfafx n

i

(6)

Perancangan PenelitianPada bagian ini akan dijelaskan tentang

perencanaan penelitian seperti terlihat padaGambar 3.

Gambar 1. Rencana Penelitian

Mula-mula diperoleh persoalan integraldalam bentuk e pangkat x dx. Dari data ini makadapat digunakan sebagai data input untukdimasukkan ke dalam rumus metode trapesium.Berdasarkan hasil perhitungan dengan memakaimetode trapesium maka didapatkan hasil akhirperhitungan dan tingkat kesalahan. Dari ketigatingkat kesalahan tersebut maka dapat disimpulkanmetode trapesium yang mana yang menghasilkantingkat kesalahan terendah.

Analisa DataAdapun persoalan yang akan dianalisa dalam

penelitian ini adalah :

I= dxe x6

1

dimana untuk menyelesaikan persoalan

integral tersebut digunakan tiga metode yaitu metodetrapesium satu pias, metode trapesium banyak piasdan metode trapesium koreksi ujung.dengan perubahan deret geometri. Berikut akandisajikan hasil perhitungan antara ketiga metodetersebut.1.Metode trapesium satu pias

Hitung I = 6

3

dxe x

PenyelesaianSoal tersebut bisa diselesaikan secara analitis,I= e 6 – e 3 = 403,429 – 20,086 = 383, 343Dengan memakai integral numerik didapatkan :

I = (6-3) 2

36 ee(3) .

2086,20429,403

=

635,2725

HASILNYADIBANDINGKANTINGKATKESALAHANNYA

I= b

a

x dxeAPLIKASIMETODE

TRAPESIUMHASILNYADIBANDINGKANTINGKATKESALAHANNYA


ISSN No. 2085 - 0859

Kesalahan perhitungan dari metode trapesium piassatu adalah :

= %100343,383

2725,635343,383 x= -65, 719 %

2.Metode trapesium banyak piasDimana dalam soal ini ada 3 pias x = 1.

I= )](2[21 5463 eeee =

)]413,148598,54(2429,403086,20[21

=

414,7685

Kesalahan dari metode trapesium banyak piasadalah :

= %100343,383

7685,414343,383 x= -8,197%

3. Metode trapesium dengan koreksi ujung

I = 414,7685 - )(121 36 ee = 383,82325

Kesalahan dari metode trapesium koreksi ujungadalah : = (383, 343 - 383,82325) x 100% / 383,343 =0,135 %

KesimpulanBerdasarkan hasil percobaan dapat

disimpulkan bahwa (1) dari ketiga metode di atasmaka metode trapesium koreksi ujung memilikitingkat kesalahan perhitungan yang terkecil jikadibandingkan dengan metode trapesium satu pias danbanyak pias (2) hal ini dapat dilihat dari nilaikesalahan perhitungan ketiga metode tersebut yaitutingkat kesalahan dari metode trapesium koreksiujung sebesar 0,135 %, kesalahan metode trapesiumbanyak pias sebesar -8,197 %, sedangkan kesalahandari metode trapesium satu pias adalah -65, 719 %.

DAFTAR PUSTAKA

Ames. 2002, Numerical Methods for PartialDifferential Equations. New York :

Academic Press.Bambang Triatmodjo. 2001. Metode Numerik.Yogyakarta : Beta Offset

Cheney. 2003. Numerical Mathematics andComputing. California : Prentice-Hall.Dummairy. 2002, Matematika Terapan untuk Bisnisdan Ekonomi. Yogyakarta

: BPFEDwi. 2004. Analisis Real. Jurusan Matematika, FKIP,Universitas

Muhammadiyah Malang.Forsythe. 2001. Computer Methods forMathematichal Computation. New York :

Prentice-Hall.Murray . 2007. Matematika Dasar. Jakarta :Erlangga


ISSN No. 2085 - 0859


ISSN No. 2085 - 0859

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

Nur Nafi’iyah1, Yuliana Melita, S.Kom, M.Kom2

Program Pascasarjana Sekolah Tinggi Teknik SurabayaEmail: [email protected], [email protected]

ABSTRAKSegmentasi citra merupakan suatu teknik pengelompokkan (clustering) untuk citra. Dengan kata lain, merupakansuatu proses pembagian citra ke dalam wilayah (region) yang mempunyai kesamaan fitur antara lain : tingkatkeabuan (grayscale), teksture (texture), warna (color), gerakan (motion). Integral projection merupakan salahsatu metode yang cukup baik untuk mendapatkan suatu objek hasil segmentasi. Sebelum melakukan transformasiperlu dilakukan suatu pre processing dan salah satu teknik yang digunakan adalah thresholding. Dalam penelitianini dikembangkan suatu penggabungan antara preprocessing citra dan integral projection untuk menghasilkansegmentasi dengan kualitas yang lebih baik.

Kata kunci: Segmentasi, Radigraph Dental Panoramic, Transformasi Integral Projection

PENDAHULUANBaru-baru ini, perancangan dan pembuatanAutomated Dental Identification System (ADIS)untuk pengidentifikasian manusia denganmenggunakan dental radiograph telah dilakukan.ADIS adalah sebuah sistem automatisasi prosesuntuk pengidentifikasian PM yang telah didesainuntuk mencapai hasil pengidentifikasian yangakurat dan tepat waktu dengan interfensi manusiayang minimum. ADIS memanfaatkan dentalradiograph yang telah didigjitalkan untukmemberikan sebuah daftar pendek dari citra yangcocok untuk ahli forensik gigi. Namun demikian,dental radiograph yang digunakan oleh ADISadalah citra bitewing yang sulit untuk didapatkanPM dari korban. Pada penelitian ini, citra gigi yangdigunakan adalah citra dental panoramicradiograph.

Citra Masukkan Citra Hasil Enhacement

Gambar 1. Citra Hasil Proses Image Enhancement.Tahapan untuk identifikasi manusia untukkebutuhan forensik adalah: preprocessing citra gigi,ekstrasi fitur, klasifikasi dan matching.Pada penelitian ini akan dibahas tahapan awal daricitra gigi, yaitu preprocessing citra gigi yang terdiridari image enhancement (perbaikan citra),binarisasi citra, dan pemisahan gigi.

PERBAIKAN CITRATujuan dari proses perbaikan citra (imageenhancement) adalah mengganti nilai piksel daritambalan gigi yang terlalu tinggi daripada nilaipiksel gigi sekitarnya, dengan tujuan agar tidakmengacaukan proses binarisasi.Pada tahap ini, metode yang digunakan adalahmetode image thresholding untuk mengganti

intensitas nilai piksel yang terlalu tinggi, top-bottom hat morphological operation untukmempertajam kontras citra antara gigi danbackground, dan Contrast-Limited AdaptiveHistogram Equalization (CLAHE) untuk melakukanekualisasi histogram dalam tingkat lokal.Proses thresholding dapat ditunjukkan padapersamaan.g (x,y) = 1 if f(x,y) > Tg (x,y) = 0 if f(x,y) ≤ T

BINARISASI CITRACitra yang telah diperbaiki melalui proses imageenhancement telah siap untuk dilakukan binarisasimenjadi hitam dan putih dengan menggunakanmetode threshold canny dan iterative thresholding.Edge Canny detection adalah algoritma pedeteksiantepi dari suatu object. Tujuan dari pengguanaan dariedge canny detection adalah untuk mengetahuitingkat kekontrasan pada kontur gigi. Proses edgecanny detection digabungkan dengan proses dilasidengan square constructing objek sebesar 2. Setelahproses dilasi, tahap selanjutnya adalah denganmelakukan proses masking dengan citra originaluntuk mendapatkan nilai gray pada edge. Sehinggadidapatkan nilai threshold dari nilai rata-rata maskedge.

KAJIAN TEORI1. Pengolahan Citra DigitalPemrosesan citra digital memerlukan satu prosespre processing yang selanjutnya akan digunakanuntuk proses yang lain. Proses tersebut adalahsegmentasi. Segmentasi merupakan langkahpertama dan menjadi kunci yang penting dalamsuatu pengenalan objek (object recognition). Prosessegmentasi merupakan suatu proses untukmemisahkan antara satu obyek dengan obyeklainnya.Dengan proses segmentasi masing-masing obyekpada citra dapat diambil secara terpisah sehinggadapat digunakan sebagai masukan proses yang lain.

mailto:[email protected]



ISSN No. 2085 - 0859

Segmentasi citra merupakan suatu teknikpengelompokkan (clustering) untuk citra. Dengankata lain, merupakan suatu proses pembagian citrake dalam wilayah (region) yang mempunyaikesamaan fitur antara lain : tingkat keabuan (grayscale), teksture (texture), warna (color), gerakan(motion).

2. SegmentasiTerdapat dua pendekatan utama dalam segmentasicitra yaitu didasarkan pada tepi (edge-based) dandidasarkan pada wilayah (region-based).Segmentasi didasarkan pada tepi membagi citraberdasarkan diskontinuitas di antara sub-wilayah(sub-region), sedangkan segmentasi yangdidasarkan pada wilayah bekerjanya berdasarkankeseragaman yang ada pada sub-wilayah tersebut.Hasil dari segmentasi citra adalah sekumpulanwilayah yang melingkupi citra tersebut, atausekumpulan kontur yang diekstrak dari citra (padadeteksi tepi).Segmentasi wilayah merupakan pendekatanlanjutan dari deteksi tepi. Dalam deteksi tepisegmentasi citra dilakukan melalui identifikasibatas-batas objek (boundaries of object). Batasmerupakan lokasi dimana terjadi perubahanintensitas. Dalam pendekatan didasarkan padawilayah, maka identifikasi dilakukan melaluiwilayah yang terdapat dalam objek tersebut.Pemisahan gigi adalah memisahkan gigi menjadigigi tunggal sehingga fitur-fitur dapat diekstrasidari tiap gigi.Terdapat dua buah proses untuk mendapatkanobyek gigi tunggal. Proses pertama menggunakanHorizontal Integral Projection untuk memisahkanantara rahang atas (maxilla) dan rahang bawah(mandible). Selanjutnya, pemotongan pada gigidilakukan dengan menggunakan Vertical IntegralProjection pada masing-masing citra maxilla danmandible sehingga didapatkan gigi-gigi tunggalyang terpisah dari gigi tetangganya. Setelahdilakukan proses tersebut, garis-garis pembatasantargigi dapat diperoleh. Nilai piksel pada gambaryang terletak pada garis pembatas antargigi akandiubah menjadi 0, kemudian dipertebal denganproses erosi menggunakan structuring elementpersegi berukuran tiga piksel.

2.1. Integral ProjectionUntuk memisahkan antara rahang atas dan rahangbawah digunakan horizontal projection denganrumusan sebagai berikut:H(i) = ∑ ( , )Horizontal integral projection adalah penjumlahanmatrik citra dari baris ke m sampai pada kolom ken. Atau dengan kata lain penjumlahan matrik citradengan arah baris. Horizontal projection bertujuanuntuk mencari posisi initial baris yang palingminimum atau global minimal. Posisi baris tersebutdigunakan untuk membuat garis pembatas antara

rahang atas dengan rahang bawah. Kemudianproses penentuan garis pemisah pada stripse(20x100) ditentukan dengan melakukanpenjumlahan secara baris pada masing-masingstripse. Untuk menyatukan digunakanlah fungsispline untuk menyatukan garis yang terdapat padatiap stripse.

2.2. Vertical ProjectionUntuk memisahkan tiap gigi digunakan cara yangsama dengan pemisahan antara rahang atas denganrahang bawah. Pemisahan tiap gigi dapat dilakukandengan menggunakan vertical projection. Denganrumusan sebagai berikut:V(i) = ∑ ( , )Vertical projection adalah penjumlahan matrik citradari kolom ke n sampai baris ke m. Atau dengankata lain penjumlahan matik citra dari arah kolom.Hal yang ingin dicapai pada vertical projectionadalah mencari nilai local minimal pada kurvapenjumlahan kolom.Seperti terlihat di bawah ini:

Gambar 2 Citra hasil vertical projection

Proses pemisahan gigi pada masing-masing rahangmemiliki kompleksitas yang lebih tinggi jikadibandingkan dengan proses pemisahan rahang. Halini dikarenakan pada pemisahan rahang hanyaterdapat sebuah garis pemotong.Sedangkan pada proses pemisahan gigi, palingtidak terdapat tiga sampai dengan enam garispemotong.Oleh karena itu, proses pemisahan gigi diperlukantambahan proses, yaitu proses mencari gariskandidat pemotong gigi, proses seleksi terhadapgaris kandidat pemotong gigi, dan pembentukangaris pemotong antar gigi. Ketiga proses tersebutakan dijelaskan pada subbab berikut.Proses Mencari Garis Kandidat Pemotong GigiProses pencarian garis kandidat pemotong gigidilakukan dengan menjumlahkan piksel kolom padamasing-masing rahang atas dan rahang bawah.Terdapat perbedaan antara proses penjumlahanpiksel baris pada rahang atas dan rahang bawah.Khusus pada rahang bawah yang umumnya terdapatakar gigi bercabang yang dapat mengacaukanproses pemisahan, penjumlahan hanya dilakukanpada 3/5 bagian dari atas citra rahang bawah


ISSN No. 2085 - 0859

sehingga piksel pada akar gigi tidak ikutdijumlahkan.Grafik histogram dibuat dari hasil penjumlahanpiksel baris ini. Setelah itu, proses smoothingdilakukan pada grafik histogram tersebut dengannilai smoothing point 12. Jumlah maksimum iterasiuntuk smoothing adalah 30 kali. Selain itu iterasiakan berhenti hanya jika jumlah minimumsmoothing point pada grafik histogram kurang dariatau sama dengan 5 ataupun iterasi telah mencapaibatas maksimum. Koordinat minimum smoothingpoint yang tersisa akan digunakan sebagaikoordinat untuk kandidat garis pemotong antar gigi.Kemudian, seleksi terhadap kandidat garispemotong dilakukan sehingga hanya tersisa garispemotong antar gigi.Proses Seleksi pada Garis Kandidat PemotongGigi dengan Menggunakan Integral Projectionyang DimodifikasiKandidat garis pemotong antar gigi yangdidapatkan diseleksi dalam beberapa tahapsehingga hasil akhir dari proses ini didapatkan garispemotong antar gigi.Proses seleksi pertama dilakukan dengan caramembandingkan koordinat y atau tinggi dari posisigaris kandidat pemotong dengan nilai batasantertentu. Terdapat perbedaan nilai pembatas untukmaxilla dan mandible. Pada maxilla nilai batasditentukan dengan mengambil 80 % dari tinggimaksimal penjumlahan nilai piksel secara vertikalpada citra maxilla. Sedangkan untuk mandible,dikarenakan hanya diambil 3/5 bagian dari citramaxilla, maka nilai batas hanya diambil 50% daritotal penjumlahan nilai piksel secara vertikal padacitra mandible.Garis kandidat pemotong gigi yang memilikikoordinat y lebih besar dari nilai batasan, ataudengan kata lain terletak diatas nilai batas, akandihilangkan karena dianggap tidak termasuk dalamgaris pemotong antar gigi.Selanjutnya, proses seleksi kedua dilakukan dengancara mengurutkan posisi koordinat x dari gariskandidat yang telah lolos dalam seleksi pertama.Kemudian menghitung selisih jarak antara gariskandidat pemotong satu dengan tetangganya. Padapenelitian ini, nilai threshold ditetapkan sebesar 55piksel sebagai anggapan bahwa gigi paling pendekminimal berukuran panjang 55 piksel. Sedangkanantara garis kandidat pemotong gigi satu denganyang lain tidak boleh berdekatan. Jika terdapat gariskandidat yang memiliki jarak kurang dari 55 pikseldengan tetangga kanannya, maka tetanggakanannya akan dibuang. Kemudian, jarak dengantetangga sebelah kanannya dihitung lagi sampaidiperoleh jarak antar garis pemotong gigi dantetangga sebelah kanannya lebih dari 55 piksel.Proses Pembentukan Garis Pemotong AntarGigi

Tahap terakhir dari proses pemisahan gigiadalah proses pembentukan garis pemotong antar

gigi. Proses pembentukan garis pemotong antar gigimemiliki alur yang sama dengan prosespemotongan rahang.

Pada proses ini garis pemotong antargigi yangtelah didapatkan dijadikan garis inisial pemotongantargigi. Kemudian, pemecahan citra dilakukandisepanjang garis inisial tersebut yang disebutdengan stripe. Stripe berbentuk persegi panjangdengan panjang 80 piksel dan lebar 50 piksel. Daritiap stripe, proses penjumlahan baris secaraVertical Integral Projection dilakukan. Kemudian,titik dipilih pada stripe yang memiliki nilai palingminimum. Titik yang dipilih ini akan menjadi titikpemotong antar gigi.

Selanjutnya, koordinat dari beberapa titikpemotong antar gigi dihubungkan dengan metodespline untuk menjadi garis pemotong antar gigi.Bagian citra yang terletak pada koordinat garispemotong antar gigi akan diubah nilai pikselnyamenjadi nol sehingga gigi satu dengan tetangganyaakan terpisah.

PEMBAHASANProses perbaikan citra dilakukan dengan tujuanmempertajam kontras citra asli dengan background,dan menghilangkan piksel yang memiliki intensitasterlalu tinggi. Uji coba juga dilakukan dengantujuan untuk membandingkan secara visual antaracitra asli dengan citra hasil proses perbaikan citra.Proses uji coba akan mendapatkan hasil yang baik,jika kontras antara gigi dan latar belakangnyasemakin tajam. Hasil uji coba ditunjukkan padaGambar berikut :

Gambar 3 citra asli

Gambar 4 citra hasil perbaikan

Proses binarisasi citra digunakan untuk mengetahuikemampuan sistem dalam memisahkan antarabagian obyek gigi dengan latar belakangnya sesuaidengan rancangan dan implementasi yang telahditerapkan. Uji coba juga dilakukan dengan tujuanuntuk menbandingkan citra secara visual, antaracitra hasil perbaikan citra dengan citra hasil prosesbinarisasi. Hasil uji coba proses binarisasi citradapat dilihat pada Gambar 5.


ISSN No. 2085 - 0859

Gambar 5 citra hasil binarisasi

Citra uji coba yang digunakan pada penelitian initerdiri dari citra Panoramic Dentalg sesuai padaGambar 6 dan Gambar 7:

Gambar 6 Citra Panoramic Dental

Gambar 7 Citra hasil crop

Untuk data panoramic pada tahap uji coba adalah 5data. Sedangkan data hasil crop digunakansebanyak 10 data. Tahapan proses yang dilakukanpada kedua data tersebut adalah dengan melakukanproses segmentasi diawali dengan thresholdkombinasi, untuk memisahkan antara rahang atasdengan rahang bawah digunakan horizontalprojection dan untuk memisahkan gigi digunakanvertical projection.Uji coba yang dilakukan pada horizontal projectionadalah kemampuan dalam melakukan prosespemisahan antara rahang atas dengan rahangbawah. Uji coba dilakukan pada pada 10 citra hasilcrop dan 5 citra panoramic. Proses yang dilakukanadalah dengan melakukan proses perubahan warna,jika yang ditampilkan adalah rahang atas makarahang bawah yang dirubah menjadi warna hitam,untuk menampilkan rahang bawah, maka rahangatas yang dirubah menjadi warna hitam. Hasil ujicoba dari horizontal projection dapat dilihat padaGambar berikut:

Citra Rahang Atas Rahang Bawaha.jpg

b.jpg

Pada uji coba vertical projection juga digunakancitra yang sama seperti pada uji coba horizontalprojection. Untuk hasil vertical projection dapatdilihat pada Gambar di bawah ini:

Citra Rahang Atas Rahang Bawaha.jpg

b.jpg

PENUTUP1. KesimpulanDari hasil uji coba yang didapatkan, beberapasimpulan sebagai berikut:a. Proses segmentasi foreground dan background

pada citra sinar-x gigi dapat dilakukanmenggunakan threshold kombinasi (gabunganmetode Edge Canny & Iterative Thresholding).

b. Berdasarkan uji coba, nilai parameterthresholding yang optimal adalah 0,9.

c. Proses pemisahan antara rahang atas denganrahang bawah dapat dilakukan denganmenggunakan algoritma horizontal projection88%

d. Untuk melakukan proses segmentasi pada tiapgigi dapat dilakukan dengan algoritma verticalprojection. Hasil akurasi dari vertical projection80%

2. SaranOleh karena itu diperlukan adanya percobaanmenggunakan metode yang lain pada tahap imageenhancement, dan segmentasi karena metode yangsaat ini diterapkan kurang optimal dalammemisahkan citra dental radiography denganbagian tulang rahang, yang memiliki intensitasyang hampir sama.Dan saya sampaikan terima kasih kepada RumahSakit Ibnu Sina Gresik yang memberikan dataDental Panoramic.

DAFTAR PUSTAKAAhmad, Usman. 2005. Pengolahan Citra Digital.Yogyakarta: Graha Ilmu.Basuki, Achmad. 2005. Pengolahan Citra DigitalMenggunakan Visual Basic. Yogyakarta: GrahaIlmu.


ISSN No. 2085 - 0859

Fadlisyah. 2007. Computer Vision dan PengolahanCitra. Yogyakarta: Andi.Murni, Aniati. 1992. Pengantar Pengolahan Citra.Jakarta: Gramedia.Putra, Darman. 2010. Pengolahan Citra Digital.Yogyakarta: Andi.Wijaya, Marvin Ch. 2007. Pengolahan CitraDigital Menggunakan Matlab. Bandung:Informatika.Yuniarti, Anny. 2012. Classification andNumbering of Dental Radiographs for anAutomated Human Identification System.Telkomnika. Vol.10, 137-146


ISSN No. 2085 - 0859

Pengenalan Image Wajah Dengan Menggunakan Metode Template Matching

Moh. Khayat Subkhan1, Yuliana Melita Pranoto2

1Mahasiswa Magister Teknologi Informasi, Sekolah Tinggi Teknik Surabaya2Dosen Magister Teknologi Informasi, Sekolah Tinggi Teknik Surabaya

[email protected], [email protected]

Abstraksi

Dewasa ini pengolahan citra menjadi trend baru dalam dunia kecerdasan buatan, kemampuannya dalammenginterprestasikan sebuah image dinilai sangat memudahkan aktifitas manusia. Salah satunya imageprocessing dalam pengenalan wajah. Metode template matching merupakan salah satu metode pengenalancitra yang populer saat ini. Komputasinya yang relative sederhana dan akurasinya yang cukup baik,membuat metode ini banyak digunakan. Dalam penelitian ini, dengan sampling wajah sekitar 60 imagedidapatkan hasil ketepatan mencapai 85%. Faktor jarak, pencahayaan dan pose obyek sangatmempengaruhi hasil dari pengenalan image wajah. Template matching menghasilkan sebuah angka yangakan diperbandingkan jaraknya dengan image training yang sudah dipersiapkan sebelumnya. Jarakeigenvalue dari image testing yang terpendek akan direkomendasikan sebagai image yang paling mendekatifaktor kecocokannya.

Keyword : Pengolahan citra, image processing, template matching, eigenvalue

PENDAHULUANDalam teknologi informasi, biometrics biasanyamerujuk kepada teknologi untuk mengukur danmenganalisa karakteristik tubuh manusia sepertisidik jari, retina, mata, pola suara dan pola wajahyang terutama sekali digunakan untuk prosesotentikasi.Pengenalan wajah manusia mendapatkan banyakperhatian beberapa tahun terakhir ini. Hal inidisebabkan banyak aplikasi yang menerapkannya.Proses pengenalan wajah yang dilakukan olehkomputer tidak semudah dan secepat dengan prosespengenalan yang dilakukan oleh manusia. Manusiadengan mudah dapat mengenali wajah seseorangdengan cepat tanpa rasa harus berpikir. Manusiajuga tidak terpengaruh oleh orientasi wajah orangtersebut. Kesulitan dalam pembuatan proses polapun terutama adalah karena kekompleksan darikondisi wajah, yaitu dalam hal kualitas gambaryang ditangkap, dari segi warna, pencahayaan,hingga posisi gambar yang tertangkap, maupundalam hal perubahan geometrinya. Untukmengetahui kemampuan sebuah metode, baik ataukurangnya sebuah metode tidak hanya dilihat darisisi teoritis, namun diperlukan pengujian dan akanlebih baik jika metode tersebut dilakukanpembanding dengan metode lain yang memilikikemampuan untuk digunakan dalam sistempengenalan pola wajah.

Menurut Achmad Basuki, Jozua F. Palandi danFatchurrochman (2005 : 1), pengolahan citra (imageprocessing) merupakan suatu sistem dimana prosesdilakukan dengan masukan berupa citra (image).Pada awalnya pengolahan citra ini dilakukan untukmemperbaiki kualitas citra, namun denganberkembangnya dunia komputasi yangmemungkinkan manusia dapat mengambilinformasi dari suatu citra, maka image processingtidak dapat dilepaskan dengan bidang computervisionDalam perkembangan lebih lanjut dari ilmukomputasi yang memanfaatkan pengolahan citra,ternyata untuk mengidentifikasikan seseorang tidakhanya dengan sidik jari, tetapi juga dilakukandengan pengenalan wajah (face recognition) ataupengenalan iris pada mata (iris recognition). Dalammodel pengenalan wajah dan pengenalan iris,proses pengolahan citra yang dilakukan menjaditidak sederhana, baik dari sisi capture ataupengambilan citra, sampai pada ekstraksi cirinya.




ISSN No. 2085 - 0859

Template Matching

Menurut Darma Putra (2010 : 227), TemplateMatching adalah proses mencari suatu objek(template) pada keseluruhan objek yang berasaldalam suatu citra. Template dibandingkan dengan

keseluruhan objek yang belum diketahui pada citratersebut maka objek tersebut ditandai sebagaitemplate. Perbandingan antara template dengankeseluruhan objek pada citra dapat dilakukandengan menghitung selisih jaraknya, seperti berikut.

D(m,n) = [ f (j,k) – T(j-m,k-n) ]Dengan f(j,k) menyatakan citra tempat objek yangakan dibandingkan dengan template T(j,k)sedangkan D(m,n) menyatakan jarak antaratemplate dengan objek pada citra. Pada umumnyaukuran template jauh lebih kecil dari ukuran citra.Secara ideal, template dikatakan cocok denganobjek pada citra bila D(m,n) = 0, namun kondisiseperti ini sulit dipenuhi apalagi bila templatemerupakan suatu citra grayscale. Oleh karena itu,aturan yang digunakan untuk menyatakan templatecocok dengan objek adalah bila D(m,n) < (m,n)dengan (m,n) merupakan nilai Threshold.Euclidean Distance

Menurut Darma Putra (2010 : 311), Jarak digunakanuntuk menentukan tingkat kesamaan (similiaritydegree) atau ketidaksamaan (dismiliarity degree)dua vektor fitur. Tingkat kesamaan berupa suatunilai (score) dan berdasarkan skor tersebut duavektor fitur akan dikatakan mirip atau tidak.Euclidean distance adalah metrika yang palingseraing digunakan untuk menghitung kesamaan 2vektor. Euclidean distance menghitung akar darikuadrat perbedaan 2 vektor (root of squaredifferences between 2 vectors).

Rumus dari Euclidean distance

Contoh :

Terdapat 2 vektor ciri berikut.A = [0, 3, 4, 5]B = [7, 6, 3, -1]Euclidean distance dari vektor A dan B adalah :

Euclidean distance adalah kasus istimewa dari Minskowski distance dengan λ = 2

Eigenvalue, Eigenvektor dan EigenfaceMenurut Hanif Al Fatta (2009 : 10), Transformasiruang seperti translasi, rotasi, refleksi, strechtingdan kompresi atau kombinasi dari transformasi ini,dapat divisualisasikan dengan efek yang dihasilkanpada vektor. Vektor divisualisasikan sebagai panahyang menunjuk 1 titik ke titik yang lain.

Eigenvector dari suatu transformasi adalah vektor-vektor yang tidak mengalami perubahan atau hanyadikalikan dengan scalevector setelah transformasi.Eigenvalue dari suatu eigenvector adalahscalevector dimana eigenvector dikalikan.Misalnya akan menghitung eigenvalue dari suatumatriks yang diberikan. Jika matriks yang diberikankecil, maka dapat menghitungnya secara simbolisdengan karakteristik polynomial. Akan tetapiini mustahil untuk matriks dengan ukuran yang


ISSN No. 2085 - 0859

lebih besar. Pada penelitian ini akan digunakanmetode numerik.

Mencari EigenvalueSalah satu tool penting dalam mendeskripsikaneigenvalue dari suatu matriks bujursangkar adalah

polynomial karakteristik : jika λ adalah eigenvaluedari A maka akan ekuivalen dengan persamaanlinear (A - λI) v = 0 (dimana I adalah matriksidentitas) yang memiliki pecahan non zero v (suatueigenvector), sehingga akan ekuivalen dengandeterminan :

det (A - λI) = 0Fungsi p(λ) = det (A - λI) adalah sebuah polynomialdalam λ karena determinan dengan perhitungan sumof product. Semua eigenvalue dari suatu matriks Adapat dihitung dengan menyelesaikan persamaan

pA(λ) = 0. Jika A adalah matriks ukuran n x n,maka pA memiliki derajat n dan A paling banyak nbuah eigenvalue.

Mencari EigenvectorKetika eigenvalue λ diketahui, eigenvector dapatdicari dengan memecahkan : (A - λI)v = 0. Dalam

beberapa kasus bisa dijumpai beberapa matrikstanpa eigenvalue misalnya A:

Dimana karekteristik polinomialnya adalah λ2 + 1sehingga eigenvalue-nya adalah bilangan kompleksi, -i. Eigenvector yang berasosiasi juga tidak riil.

Perhatikan lagi contoh berikut ini. Jika diberikanmatriks A :

Maka polynomial karakteristiknya dapat dicari sebagai berikut

det(2 − ) − 10 (3 − ) = − 5 + 6 = 0

Ini adalah persamaan kuadrat. Akarnya adalah λ = 2 dan λ = 3 yaitu:

= (2 . -λ) . (3 . λ) – (0 . -1)= (2 . 3) + (2 . -λ) + (-λ . 3) + (-λ . - λ) – (0)= 6 - 2λ - 3λ + λ2 – 0= 6 - 5λ + 6 – 0= - 5λ + 6 = 0

Adapun eigenvector yang bisa didapat ada 2 buah.Eigenvector pertama dicari dengan mensubsitusikanλ = 3 ke dalam persamaan. Misalnya Yo adalah

eigenvector yang berasosiasi dengan eigenvalue λ =3. Set Yo dengan nilai:

Subsitusikan Yo dengan v pada persamaan:

(A - λI) v = 0

maka akan mendapatkan:


ISSN No. 2085 - 0859

Kita bisa sederhanakan menjadi:

Atau bisa disederhanakan menjadi:

Sehingga eigenvector untuk eigenvalue = 3 adalah

Eigenface

Eigenface adalah kumpulan dari eigenvector yangdigunakan untuk masalah computer vision padapengenalan wajah manusia. Banyak penulis lebihmenyukai istilah eigenimage. Teknik ini telahdigunakan pada pengenalan tulisan tangan,pembacaan bibir, pengenalan suara dan pencitraanmedis. Dalam istilah layman, eigenface adalahsekumpulan standardized face ingredient yangdiambil dari analisis statistik dari banyak gambarwajah. Suatu wajah manusia dapat dipandangsebagai kombinasi dari wajah-wajah standar ini.Wajah seseorang bisa saja terdiri dari 10% dari

wajah 1, 20% wajah 2, dan seterusnya sehinga jikaingin merekam wajah seseorang untuk pengenalanwajah maka biasa digunakan jauh lebih sedikit fiturdari pada yang ditangkap oleh foto digital.Untuk menghasilkan eigenface, sekumpulan besarcitra digital dari wajah manusia diambil dari kondisipencahayaan yang sama kemudian dinormalisasisetelah itu diolah pada resolusi yang sama(misalnya m x n), dan kemudian diperlakukansebagai vector dimensi mn dimana komponennyadiambil dari nilai pikselnya. Untuk menentukaneigenface dari sekumpulan citra wajah, banyakalternatif cara yang digunakan.

BAHAN DAN METODE PENELITIAN

Analisis Komponen Sistem

Sistem pengenalan wajah ini terdiri daribeberapa komponen yang dapat digambarkan dalamsuatu model seperti pada gambar dibawah ini :

Gambar 1. Model Sistem Pengenalan Wajah

a. Komponen Webcam : piranti masukan yangdigunakan dalam sistem dengan 2 fungsi yaitu :1. Digunakan untuk melengkapi data personal

dengan foto, dimana foto ini akan disimpan

dalam database, yang nantinya digunakanuntuk proses pencocokan dengan citrawajah yang di-capture.

=


ISSN No. 2085 - 0859

2. Digunakan untuk meng-capture citra wajahpersonal. Dengan menggunakan webcamcitra wajah ini akan disimpan dalam bentukfile pada harddisk.

b. Komponen capture citra : ini berfungsi untukmelakukan mekanisme pengambilan citra wajahdengan media webcam, baik untuk disimpandalam bentuk file citra wajah maupun untukcitra wajah yang digunakan sebagai input.

c. Komponen antarmuka : komponen ini berfungsiuntuk menjembatani komunikasi antarapengguna dengan sistem pengenalan wajah,

baik untuk proses input data personal ataupunproses pengenalannya.

Subsistem Pengenalan Wajah : pengenalan wajahdilakukan dengan mencocokkan citra wajah yangdi-capture webcam dengan citra wajah yang adapada database personal.

Proses Identifikasi Citra wajah

Langkah-langkah pencocokkan citra wajah yang di-capture dengan data citra yang terdapat dalamdatabase dapat dilihat pada gambar 2 berikut:

Gambar 2. Langkah-langkah proses identifikasi citra wajahKeterangan gambar :

1. Citra wajah di-capture menggunakan webcam. Hasil dari capturing ini adalah file gambar yangbertipe .bmp

2. Citra wajah ini kemudian dinormalisasi dengan beberapa tahapan. Pertama, citra diturunkankualitas warnanya menjadi grayscale. Ukuran dari citra wajah juga diseragamkan, menjadiberukuran 80x80 piksel.

3. Setelah didapatkan citra wajah yang ternormalisasi, hitung nilai eigen dari citra wajah tersebut,misalnya diperoleh nilai x.

4. Pada data personal juga terdapat file citra wajah yang telah disimpan pada folder images.Dengan itu masing-masing citra dikalkulasi nilai eigen-nya dan dikumpulkan dalam vektor yangdinamakan eigenvector. Misalkan nilai yang didapatkan (x1, x2, x3,….xn).

Proses matching dilakukan dengan mencocokkannilai x dengan nilai-nilai pada eigenvector danmencari nilai yang paling mendekati. Jika nilai yang

mendekati sudah ditemukan, cari data personal yangberkorespondensi dengan nilai tadi.

Proses Pemasukan Data ke dalam Database

Proses pemasukan data/citra wajah personal kedalam database dapat duraikan dengan algoritmaberikut. Inisialisasi webcam

Proses ini adalah dengan melakukan penginstalandriver kamera yang akan digunakan. Setelahmelakukan penginstalan driver kamera akandikenali PC sehingga kamera dapat digunakan.Setting resolusi webcam dengan ukuran resolusi160 x 120 piksel. Proses capture obyek wajah


ISSN No. 2085 - 0859

Pada proses ini obyek wajah akan di capture dengancara wajah menghadap kamera dan posisi tegaklurus dengan kamera. Crop citra

Proses ini untuk penyeragaman dengan file yangada pada database dengan meng-crop citra wajahmenjadi ukuran 80 x 80 pixel. Proses Grayscale

Proses merubah citra wajah normal diturunkan nilaiintensitas warnanya menjadi citra berwarnagrayscale (keabuan). Pemasukan citra dalam database

Citra yang telah dinormalisasi atau proses dari cropcitra dan grayscale akan dimasukkan dalamdatabase dalam bentuk file berformat .jpg ke dalamfolder image.

Untuk lebih jelasnya keterangan dapat dilihat pada gambar 3 berikut

Selesai

Mulai

Database

Capture wajah

Inisialisasiwebcam

Grayscale

Crop citra 80x80 pixel

Gambar 3. Flowchart pemasukan data citra ke databaseProses EuclideanPada proses ini citra wajah yang di-capture berupafile .bmp akan diproses menjadi matrik dan akandikalkulasi menggunakan metode Eigenface dan

Euclidean Distance.Adapun algoritmanya dimulai dengan membuatmatriks kolom dari wajah yang diinput ke dalamdatabase. Rata-rata vector citra (mean) dari matrikskolom dihitung dengan cara membaginya dengan

jumlah banyaknya citra yang disimpan di dalamdatabase.Contoh perhitungan eigenvalue 2 (dua) citra:

a.) Penyusunan flatvector matriks citraSeperti pada pembahasan sebelumnya telahdijelaskan langkah-langkah pengenalan wajahdengan pendekatan eigenvalue dan eigenvector,representasikan semua matriks training menjadimatriks dengan bentuk n × 1 atau matriks linierseperti yang ditunjukkan berikut ini :


ISSN No. 2085 - 0859

Wajah training-1

Wajah training-2

Dari kedua matriks training tersebut, diperoleh matriks n × 1 dari matriks A dan matriks B sebagai berikut:+ = 2 2 2 2 2 2 2 2 24 4 4 4 4 4 4 4 4b.) Perhitungan rataan flatvector (mean) matrikscitraDari flatvector yang diperoleh, jumlahkan seluruhbarisnya sehingga diperoleh matriks berukuran 1 x(W x H). Setelah itu bagi matriks dengan jumlah

citra (N) yang dalam contoh adalah dua untukmendapatkan rataan flatvector (mean) sebagaiberikut:Dari kedua matriks tersebut akan diperoleh matriksψ yang diperoleh dengan cara :

= A + B2= 2 2 2 2 2 2 2 2 24 4 4 4 4 4 4 4 4 ÷ 2

= 6 6 6 6 6 6 6 6 62= 3 3 3 3 3 3 3 3 3

Jadi mean flatvector adalah = (3 3 3 3 3 3 3 3 3)

Nilai flatvector citra akan digunakan untuk menghitung nilai eigenface citra wajah untuk training(pembelajaran).


ISSN No. 2085 - 0859

c.) Perhitungan Nilai EigenfaceDengan memakai nilai mean citra di atas nilaieigenface untuk matriks flatvector yang sudahdisusun tersebut dapat dihitung dengan mengurangi

baris-baris pada matriks flatvector dengan nilaimean flatvector. Jika diperoleh nilai negatif, makaganti nilainya dengan 0 (nol). Perhitungan nilaieigenface adalah sebagai berikut:

0 0 0 0 0 0 0 0 0

1 1 1 1 1 1 1 1 1

Matriks x-1 sampai matriks x-2 digabung untuk mendapatkan matriks eigenface untuk pembelajaran(training) dalam proses pengenalan.d.) Penghitungan Euclidean DistanceUntuk mengenali citra tes (testface), langkahidentifikasinya adalah hitung nilai eigenface untuk

matriks testface dengan cara sebelumnya untukpenentuan nilai eigenface dan flatvector citranya.

(4 4 4 4 1 4 4 4 4)

Citra testface-1

(5 5 5 5 5 5 5 5 5)

Citra testface-2

Selanjutnya flatvector yang diperoleh testface dikurangi dengan mean flatvector :

Matriks yangberkorespondensi

Matriks citra wajah -1Mean flat vector

Matriks x -1

Matriks citra wajah -2Mean flat vector

Matriks x -2

Citra tesface-1

Citra tesface-2

Matriks yangberkorespondensi


ISSN No. 2085 - 0859

1 1 1 1 0 1 1 1 1

2 2 2 2 2 2 2 2 2

Jadi nilai eigen dari testface-1 adalah 111101111.Sedangkan nilai eigen dari testface-2 adalah 222222222.Citra testface-1 dan testface-2 merupakan citra capture,citra testface-2 adalah citra yang belum ada di dalamdatabase. Nilai eigen (eigenvalue) dari testfacedigunakan untuk identifikasi dengan menentukan jarak

terpendek dengan eigenface dari eigenvector trainingdengan cara menentukan nilai absolut dari penguranganbaris i pada matriks eigenface training citra denganeigenface dari testface dan jumlahkan dengan elemenpenyusun vector yang dihasilkan dari pengurangan dandidapat jarak d indeks i dan cari nilai d yang paling kecil.

Perhitungan jarak pada testface-1

Perhitungan jarak antara Citra Wajah-1 dengan testface-1 :

0 0 0 0 0 0 0 0 01 1 1 1 0 1 1 1 1

-1 -1 -1 -1 0 -1 -1 -1 -1

1 1 1 1 0 1 1 1 1 = 8

Perhitungan jarak antara Citra Wajah-2 dengan testface-1:1 1 1 1 1 1 1 1 11 1 1 1 0 1 1 1 1

-0 0 0 0 1 0 0 0 0

0 0 0 0 1 0 0 0 0 = 1

Dari perhitungan tersebut diperoleh :a. Jarak citra-1 dengan testface-1 = 8b. Jarak citra-2 dengan testface-1 = 1

0 0 0 0 0 0 0 00

1 1 1 1 1 1 1 1

1 1 1 1 1

Eigenvalue citra wajah-1

Eigenvalue citra wajah-2

Eigenface training

Nilai eigenvalue citra tesface-2

Nilai eigenvalue citra tesface-1


ISSN No. 2085 - 0859

Perhitungan jarak pada testface-2


0 0 0 0 0 0 0 0 0

2 2 2 2 2 2 2 2 2

-2 -2 -2 -2 -2 -2 -2 -2 -2

2 2 2 2 2 2 2 2 2 = 18


1 1 1 1 1 1 1 1 1

2 2 2 2 2 2 2 2 2

-1 -1 -1 -1 -1 -1 -1 -1 -1

1 1 1 1 1 1 1 1 1 = 9

Dari perhitungan tersebut diperoleh :

a. Jarak citra-1 dengan testface-2 = 18b. Jarak citra-2 dengan testface-2 = 9

Proses Template matching

Dilakukan pencocokan hasil citra wajah yang telahdi-capture dan diubah bentuk matrik dengandatabase yang awalnya capture wajah berupa file.bmp menjadi matrik. Pada proses ini terdapatproses pencocokkan antara hasil capture wajah

dengan database yaitu dengan dari hasilperhitungan, diperoleh jarak citra wajah-1 danwajah-2 memiliki nilai yang terkecil. Citra yangpaling mirip dengan testface-1 dan testface-2 adalahcitra wajah wajah-2, ambil citra tersebut sebagaicitra wajah yang paling mirip dengan citra testfaceseperti pada gambar berikut:

.

Gambar Citra wajah yang paling mirip dengancitra testface-1 dan testface-2

IMPLEMENTASI DAN EVALUASIPada pengujian ini dilakukan percobaan individualdengan menggunakan database yang terdiri dari 60citra wajah. Pada pengetesan ini jarak subjekdengan kamera dibuat konstan yaitu 30 sampai 35cm.

Dengan percobaan yang telah dilakukan didapatkanbeberapa analisis sebagai berikut:1. Perubahan pose tidak terlalu mempengaruhi

akurasi pengenalan wajah.2. Pengenalan pada pencahayaan yang kurang

memberikan hasil yang lebih baik, inidisebabkan pada pencahayaan yang tinggi,detail wajah yang lebih jelas, sehingga


ISSN No. 2085 - 0859

kompleksitas warna wajah lebih tinggi.Kompleksitas ini menyebabkan sensitivitaspengenalan meningkat karena algoritmaeigenface menitikberatkan pada ciri warna dariobjek sehingga muncul citra wajah lain ataudata lain dengan nilai yang paling mendekati.

3. Pengenalan pada pencahayaan yang normalternyata memberikan hasil yang lebih baik,

Dari sini bisa ditentukan hasil analisisnya, yaitubahwa keberhasilan pengenalan dipengaruhibeberapa hal, diantaranya:1. Jarak antara subjek dan kamera

Untuk pengenalan yang baik, jarak antarasubjek dan kamera sebaiknya dibuat konstan.

2. PencahayaanPencahayaan yang terlalu tinggi akan membuatdetail gambar yang lebih rumit, mengakibatkanmatriks dari gambar menjadi lebih kompleks,sehingga pengenalan menjadi lebih sensitif danmenurunkan kualitas pengenalan wajah.

3. Pose WajahUntuk pengenalan pose wajah dari diam keekspresif dan aksesoris seperti kacamata tidakterlalu mempengaruhi hasil pengenalan.Sedangkan distorsi pose (menghadap ke kiriatau ke kanan 45° dan ke atas atau ke bawah),jika sudut kemiringan cukup banyak, akanmenurunkan kualitas pengenalan wajah.

DAFTAR PUSTAKA1) R. C. Gonzales and R. E. Woods, Digital

Image Processing (third edition), Reading,Massachusetts:Addision-Wesley, 1992.

2) Torralba A, Fergus, W. T. Freeman. 80million tiny images: a large dataset for non-parametric object and scene recognition. Inpress, IEEE Transaction on Pattern Analysisand Machine Intellligence, 2008.

3) Riyanto Sigit, Sistem Pengenalan EkspresiWajah Secara Real Time, Tesis, TeknikInformatika ITS, 2005.

4) Quoc Le, Morgan Quigley and Andrew Y.Ng. Visual Servoing by Template Matching.

5) Http://www.google.com/Image preprocessing

.

Http://www.google.com/Image


ISSN No. 2085 - 0859

Pengenalan Tanaman Sayuran Melalui Bentuk Daun Dengan MenggunakanMetode Transformasi Hough

Retno Wardhani1, Yuliana Melita2

1, Mahasiswa Pascasarjana Teknik Informatika STTS Surabaya2, Dosen Pascasarjana Teknik Informatika STTS Surabaya

ABSTRAKMetode transformasi Hough mampu mendeteksi bentuk berbagai objek dalam citra dengan memanfaatkanedge-edge objek tersebut. Lebih awamnya, metode ini mampu mengenali garis pada objek, dan dalampengembangannya sudah mampu pula mengenali bentuk elips dan lingkaran pada objek citra.Dalam penelitian ini akan menggunakan transformasi hough untuk mendeteksi atau mengenali bentuk daunpada beberapa sayuran. Image daun sayuran akan diubah dahulu ke grayscale dengan nilai threshold tertentuuntuk mendapat pola tulang daun. Dari hasil thresholding, dengan menggunakan detektor tepi sobel akandiperoleh pixel-pixel tertentu untuk kemudian diolah menggunakan transformasi hough yang akanmenghasilkan nilai-nilai yang bisa digunakan untuk mengenali pola bentuk daun di tanaman-tanamansayuran tertentu.

Kata kunci: citra digital,threshold, detektor tepi sobel, transformasi hough

PENDAHULUANDaun merupakan bagian dari tumbuh-

tumbuhan yang mempunyai fungsi dan peranpenting untuk melangsugkan kelangsungan hiduptumbuh-tumbuhan itu sendiri. Ciri khas dari daunsalah satunya adalah bentuk daun itu sendiri.Dengan melihat bentuk dan pola tulang daunnya,kita bisa menentukan daun dari tanaman apakahitu. Tetapi tidk menutup kemungkinan juga bilabentuk dan pola tulang daun antara satu tanamandengan tanaman lain hampir memiliki kesamaansehingga kadang susah menentukan daun daritanaman apakah itu. Terlebih lagi, apabila daunyang perlu kita kenali adalah berbentuk gambardaun.

Penggunaan teknik pengolahan citra dalambidang pertanian telah banyak digunakan.Penerapan pada berbagai sistem pertanian, baik

Analisis citra bertujuan mengidentifikasiparameter-parameter yang diasosiasikan denganciri (feature) dari objek dalam citra, untukselanjutnya parameter tersebut digunakan dalammenginterpretasi citra. Analisis citra pada dasarnyaterdiri dari tiga tahapan : ekstraksi ciri (featureextraction), segmentasi dan klasifikasi. Adabeberapa metode yang digunakan untukmendeteksi untuk menentukan posisi titik pusattarget. Metode yang paling konvensional adalahdengan mengukur atau mendigitasi pada mediacetak kertas (hardcopy). Metode HoughTransform, metode yang populer dalam

penghampiran (approximation) kurva. Metode inidikenal memiliki keunggulan dala mendeteksikeberadaan objek yang memiliki pola tertentuwalaupun tidak diketahui posisinya, serta relatiftidak terpengaruh oleh derau (noise) maupun datayang tidak lengkap atau hilang. Kemampuannyadalam melakukan deteksi objek bahkan menyamaitemplate matching, tetapi jauh lebih cepat.

RUANG LINGKUPDalam penelitian ini, daun sayuran yang akandijadikan sample data hanya lima jenis sayuran,yaitu : daun bayam, daun sawi hijau, daunkangkung, dan daun ketela pohon. Semua sampledaun yang diambil adalah sample daun yangberkeadaan baik atau daun sehat. Hal ini dilakukanuntuk memudahkan dalam pengidentifikasiantulang daunpada masing-masing sample datanya.Untuk metode-metode yang akan digunakan adalahthresholding, detektor tepi canny, dan transformasihough.Sedangkan dalam pengindentifikasi termasuktanaman sayuran apa daun tersebut, akandigunakan teori plant morphology yang membahastentang ciri-ciri tanaman berdasarkan keadaanfisiknya. Keadaan fisik tanaman antara lainmeliputi batang, daun, akar, dan bunga.


ISSN No. 2085 - 0859

TINJAUAN PUSTAKAThresholdingThresholding merupakan salah satu tekniksegmentasi yang digunakan untuk citra denganperbedaan nilai intensitas yang signifikan antaralatar belakangdan objek utama (Katz,2000). Dalampelaksanaannya Thresholding membutuhkan suatunilai yang digunakan sebagai nilai pembatas antaraobjek utama dengan latarbelakang, dan nilaitersebut dinamakan dengan threshold. Thresholdingdigunakan untuk mempartisi citra denganmengatur nilai intensitas semua piksel yang lebihbesar dari nilai threshold Tsebagai latar depan dan yanglebih kecil dari nilai threshold T sebagai latarbelakang. Biasanya pengaturan nilaithreshold dilakukan berdasarkan histogram grayscale(Gonzales danWoods, 2002; Fisher, dkk, 2003;Xiaoyi dan Mojon, 2003).Fungsi T pada thresholding:

, dimanaadalah gray level titik (x,y) dan p(x,y)menunjukkan beberapa local property pada titikini. Batasan image g(x,y):

pixel yang diberi label 1 mengacu pada objectsedangkan yang berlabel 0 merupakan background.

Deteksi Tepi Canny

Deteksi tepi Canny diperkenalkan oleh John Cannypada tahun 1986. Deteksi tepi Canny didesainuntuk memenuhi tiga kriteria untuk deteksi tepi:(1) error rate deteksi yang rendah (2) Lokalisasitepi dan (3) respon tunggal. Algoritma tidakseharusnya mengembalikan lebih dari satu tepi jikahanya ada satu tepi (McAndrew 2004).Metode ini pertama kali akan menghaluskan citramenggunakan filter Gaussian dengan standardeviasi σ untuk mengurangi noise. Kemudiandengan Gradien lokal,

dan arah tepi,

dihitung pada setiaptitik. Setelah titik ditentukan, akan memberikan

kemunculan terhadap pertemuan dua permukaanyang melereng (ridge) dalam jarak gradien citra.

Transformasi HoughKemampuan dari transformasi ini untukmendeteksi garis dari yang terpendek hinggaterpanjang menjadikannya sebagai solusi tepatuntuk melakukan filter garis pada citra.Transformasi ini pada perkembangannya dapatdigunakan untuk mendeteksi kurva pada citra,dengan demikian dia juga bisa digunakan untukmendeteksi lingkaran. Transformasi hough bekerjadengan memproyeksikan objek dari koordinat xdan y ke koordinat lingkaran. Sehingga sebuahgaris bisa diwakilkan oleh 2 komponen, yakni jari-jari (rho) dan sudut (theta). Dengankemampuannya mengembalikan 2 variabel ini kitabisa juga menggunakannya untuk rekonstruksicitra yakni perbaikan geometri kemiringan (tilt).

HASIL DAN PEMBAHASAN

Proses Pengolahan SampleDalam penelitian ini, alur kerja yang akandilaksanakan adalah sebagai berikut :

Im age Asli D aunSayuran Sehat

Proses T hresho ld ing

Proses de teksi tep iSobe l

Proses T ransfo rm asi H ough

H asil d iagram transfo rm asihough

Gambar 1. Alur kerja penelitian

Hal pertama yang dilakukan dalam penelitian iniadalah pengambilan image data sample, yaitu fotodaun sayuran bayam, kangkung, sawi dan ketela.Dari image asli akan dilakukan proses thresholdingdengan nilai threshold antara 100-125 tergantung


ISSN No. 2085 - 0859




Deteksi Tepi Canny


dan arah tepi,














ISSN No. 2085 - 0859




Deteksi Tepi Canny


dan arah tepi,














ISSN No. 2085 - 0859

image aslinya, untuk pemaksimalan dalam langkahdeteksi tepi selanjutnya.Deteksi tepi sobel dipilih karena kemampuannyadalam mengurangi noise sebelum pendeteksiannyadilakukan. Setelah dilakukan deteksi tepi, akandilakukan proses transformasi hough.

Hasil Pengolahan SampleDari proses yang telah dilakukan, berikut hasilyang diperoleh dari penelitian ini :

Daun Bayam

Daun Kangkung

Daun Ketela

Daun Sawi

Dengan menggunakan rho dan theta yang samauntuk transformasi hough pada keempat datasample daun diatas, diperoleh diagramtransformasi hough sebagai berikut :

Bagan 1. Transformasi Hough pada daunbayam

Bagan 2. Transformasi Hough pada daunkangkung

Bagan 3. Transformasi Hough pada daun ketela

Bagan 4. Transformasi Hough pada daun sawi


ISSN No. 2085 - 0859

Dari keempat diagram transformasi hough di atasdiketahui bahwa pengenalan garis untuk masing-masing daun terdapat perbedaan untuk setiapimage yang dikenalinya.

KESIMPULAN DAN SARAN

Transformasi Hough untuk pendeteksiangaris akan bekerja lebih baik pada image yangtanpa noise dan pada citra dengan bi-level yangjelas. Oleh karena itu, digunakan dahulu deteksitepi sobel karena deteksi ini mampu menguranginoise daripada deteksi tepi yang lain.

Dengan menggunakan rho serta theta yangsama, diagram yang dihasilkan pada prosestransformasinya menghasilkan pola yang berbedaantara satu daun sayuran dengan daun lainnya.

DAFTAR PUSTAKAEko Prasetyo; ‘Pengolahan Citra Digital danAplikasinya Menggunakan Matlab’; ANDIYogyakarta; 2011.

Iqbal Saputra; ‘Pengembangan Sensor WarnaDaun Untuk Pemetaan Kepadatan SeranganGulma Pada Lahan Terbuka’; Fakultas TeknologiPertanian Institut Pertanian Bogor; 2011.

Jyotismita Chaki, Ranjan Parekh; ‘Plant LeafRecognition Using Shape Based Features andNeural Network Classifier’; International Journalof Advanced Computer Science and Applications;2011.


ISSN No. 2085 - 0859

Halaman ini sengaja dikosongi


ISSN No. 2085 - 0859

Simulasi dan Analisis Transient Hibrid Diesel dan Tenaga Surya

Zainal Abidin *)*) Dosen Teknik pada Program Studi Teknik Elektro Universitas Islam Lamongan

email : [email protected]

ABSTRAKArtikel ini menyajikan simulasi Matlab dari sistem hibrid pembangkit tenaga surya dengan diesel.

Keduanya dioperasikan pararel. Sistem ini lebih efektif daripada sistem generator diesel bekerja sendiri. Agarsebuah integrasi sistem yang efektif dari tenaga surya pada sistem, dianjurkan menggunakan metodepengaturan operasi dengan inverter. Besarnya daya tergantung dari jaringan yang dipantau dan pengaturansudut dan magnitude sinyal tegangan inverter.

Simulasi ini memantau perubahan perubahan beban akibat beban yang berbeda. Sebaiknya, untukmembangun sistem yang lebih baik diperlukan kontrol digital untuk menyediakan kecepatan dan respondinamik yang stabil dari sistem daya hibrid.

Kata kunci : transient, hibrid, beban, inverter

I. PendahuluanAnalisis dari sebuah sistem hibrid dan sistem

kontrol secara bersamaan akan membutuhkanwaktu dan mahal tanpa menggunakan sebuahmodel dan simulasi. Dari sebuah simulasi terdapataturan penting dalam sebuah desain dan analisissistem tenaga, converter dan pengendalinya.

Simulink, adalah software modeling dinamispada program Matlab yang khusus diciptakanuntuk mendesain simulasi sistem dinamik [1].Matlab merupakan paket software untukkomputasi matrik dengan penampilan yang tinggi.Pada Simulink, model-model dibangun dari blokdiagram dengan interface grafik dan satu set blokdengan interkoneksi sinyal yang dimanipulasikansebuah sistem. Pustaka blok sistem dapat denganmudah dibuat sistem yang dinamis. Dengansimulink akan terasa mudah melakukan studitentang sistem yang dinamis.

Dalam tulisan ini penulis mencoba melakukanpemodelan dan studi simulasi hibrid sel suryadengan pembangkit tenaga diesel. Konversitegangan DC ke AC dan diesel generatordioperasikan secara pararel, yang dapat dianalisisaliran beban dan pembagian beban dari sistemdaya, karena harganya relatif murah dibandingkansebuah generator diesel yang beroperasi sendiri.Karena generator diesel adalah produk komersial,maka memiliki kontrol kecepatan sendiri dan tidakdapat diakses secara eksternal. Pengendalian suatusistem terpadu terbukti sangat menarik untukdikaji. Simulasi ini adalah untuk mengetahuiperilaku perubahan perilaku beban yang berbeda.Sehingga sangat perlu dikembangkan pengendali

digital canggih untuk memberikan respon dinamikcepat dan stabil dari sebuah sistem hibrid.

2. Model Komponen SistemModel yang tepat digunakan untukmensimulasikan sel surya dengan diesel yangumum dan mampu memberikan hasil yang akurat.Untuk selanjutnya dijelaskan untuk masing-masing sistem baik inverter sel surya maupundiesel generator.2.1. Model Diesel

Untuk mensimulasikan dinamika lengkapdari sistem mesin diesel, diperlukan model urutanyang kompleks. Namun untuk sebagian besar studitentang dinamika kecepatan mesin pembakaraninternal, itu sudah cukup untuk menggunakanmodel orde yang lebih rendah. Pendekatan serupatelah diadopsi dalam studi simulasi mesin diesel[2, 3, 4].Model matematis dari tipe diesel kecil yangdikendalikan prime over ditunjukkan pada gambar1, dimana input ke sistem adalah sinyal kontrol keaktuator, output dari model adalah kecepatan,0.035 ≤ α ≤ 0.2 detik, 0= 0.04 , 0.1 ≤α≤ 2kecepatan per detik, 0.01 ≤≤ 0.1, dan beban = 0atau 1. Waktu akhir θ pada Gambar 1 merupakanwaktu murni terkait dengan mesin. Kali ini batasakhir adalah hasil dari kerja beberapa silinder.Tidak semua silinder akan berada dalam posisiuntuk menerima lebih banyak bahan bakar padasuatu saat tertentu. Waktu akhir θ sebagian besarterdiri dari waktu yang dibutuhkan untuk semuasilinder menuju posisi yang akan diisi denganbahan bakar lebih atau kurang. Parameter ini tetap



ISSN No. 2085 - 0859

dalam model ini, dan ditetapkan untuk 0,04 detik.Sebuah kontroler PID self-tuning telahdikembangkan untuk mesin diesel berukuran kecildan genset dan terbukti bekerja dengan baik.

Gambar 1. Blok diagram diesel

2.2. Generator SinkronPersaman generator sinkron didapatkan dari

persamaan Park [6]. Yang paling penting dalamrangkaian ini adalah transient pada statordiabaikan dibandingkan ke rotor. Dalampresentasi model rotor mesin sinkron terdiri dari 3lilitan. Sebuah medan dan kumparan redam padaporos langsung memperhitungkan transient dansub transient masing-masing. Kumparan redamberada pada sumbu quadrature juga memilikiwaktu transient dan subtransient konstan.Persamaan stator dihitung menggunakan per unit.

Persamaan diferensial pada kumparan dinamisrotor diformulasikan dalam per unit :

Persamaan torsi elektromagnetik dalam pu :

2.3. Model InverterInverter terdiri atas induktor, kapasitor,

transformator dan komponen elektronika dayaseperti IGBTs, MOSFETs. Masing-masingrangkaian switch jembatan dari inverterdioperasikan oleh sinyal PWM (pulse widthmodulation). Perangkat elektronika dayamenyalakan sinyal dari sumber daya. Fungsi dariinverter adalah mengubah tegangan DC menjadigelombang sinus AC. Input DC diasumsikansebuah sumber konstan (baterai dengan kapasitasbesar). Transfer daya antara sumber inverter DCdan sumber AC dapat dicapai dengan mengatursudut fase () dan magnitude dari tegangan outputinverter. Sebuah kontroler juga digunakan untukmemantau seluruh sistem. Pada kondisi normal,inverter menghasilkan secara paralel teganganoutput dan harus disimpan disinkronkan dengansistem listrik.

2.4. Aliran BebanGenetarot Diesel dan sebuah konverterdihubungkan secara pararel untuk mensuplaybeban. Diesel dan konverter sumber tegangandipisahkan dengan induktor Xm. Aliran daya dapatdijelaskan dengan referensi pada rangkaianekivalen single line pada gambar 2 berikut :

Gambar 2. Rangkaian ekivalen single line hibridsolar dan diesel

Daya aktif (PM) dan daya reaktif (QM)dapat dihitung :


ISSN No. 2085 - 0859

Dimana 'δ' adalah sudut fase antara duasumber tegangan, sudut fase berhubungan dengantegangan diesel bervariasi untuk aliran listrik. Halini dapat dilihat bahwa daya yang disediakan olehinverter dari baterai atau dipasok ke baterai dapatdikendalikan dengan mengendalikan 'δ' sudut fase.Tegangan konverter secara terpisah dikendalikanoleh indeks modulasi PWM.

Sistem kerja hibrid tergantung dari beban.Pada beban rendah, generator diesel dimatikan.Listrik dari baterai dan sel surya ditransfer kebeban melalui inverter. Untuk beban menengah,generator diesel akan memasok beban langsung.Kelebihan daya dari generator diesel yangdigunakan untuk mengisi baterai melalui inverterbi-directional. Oleh karena generator diesel

beroperasi dalam kapasitas optimum 80% -100%kapasitas beban. Saat beban puncak, generatordiesel berjalan secara paralel dengan inverter yangmengubah listrik DC dari baterai ke daya AC.

Gambar 3. Model Simulasi SIMULINK hibrid solar cell dan diesel

3. Model SimulasiMatlab Simulink digunakan untuk memodelkan

sistem dan membagi produksi listrik antara inverterdan generator mesin diesel. Secara umum, modelSimulink dapat digunakan untuk mempelajari kinerjadari setiap sistem tenaga hibrid. Dengan Simulinkuntuk sumber energi terbarukan, operasi dinamis danstrategi sistem kontrol dapat dengan mudahdimasukkan ke dalam sistem model hibrid powerlistrik yang ada untuk mempelajari kinerja sistemsecara keseluruhan. Simulasi dilakukan inverter danmesin diesel generator yang berbagi beban aliran danrespon dinamis. Hasil simulasi digunakan untukmerancang sistem kontrol yang komprehensif dan

memprediksi dampak sistem tenaga untukmengintegrasikan sistem listrik tenaga surya dandiesel.

Sebuah model dari sistem pembangkit listriktenaga diesel dan inverter dibangun menggunakanMatlab Simulink. Model Simulink dikembangkansehingga dapat digunakan untuk mempelajari kinerjasistem beban aliran daya. Dengan Simulink, blok-blokdibangun mewakili komponen sistem dapat denganmudah dimasukkan ke dalam model daya sistemhibrid. Simulink juga memungkinkan operasi dinamisdan strategi kontrol yang akan


ISSN No. 2085 - 0859










ISSN No. 2085 - 0859










ISSN No. 2085 - 0859

Model Simulasi 10 KVA power konverter :

Gambar 4. Regulator tegangan sub sistem

Model 8 KVA generator set diesel :

Gambar 5. Governor dan mesin diesel

Gambar 6. Sub sistem Tegangan danKontrol Kecepatan

Blok mesin sinkron dapat dioperasikan dalammode generator. Rangkaian setara model diwakilidalam kerangka acuan rotor (qd). Semua parameterrotor dan jumlah listrik yang dilihat dari stator danmodel parameter yang ditetapkan.

4. Simulasi dan HasilTegangan utama dari sistem hibrid adalah 400

Volt (single fase 230 volt rms). Diasumsikan bahwategangan DC dari sistem konverter adalah sumbertegangan DC konstan. Generator diesel mensuplai 7kW beban resistif setelah 0.5 detik saat mesin stabil.Generator diesel secara konstan bertegangan 220 volt.Pada frekuensi stabil 50 Hz konverter dan dieselsecara sinkron pada waktu 7.1 detik dan aruskonverter bergeser 31. Saat beban resistif 5 KW naik

merubah beban pada 10 detik yang ditunjukkan padagambar 8, 9 dan 10. Arus utama dari konverter naikselama perubahan beban dan membutuhkan waktusekitar 6 siklus hingga mencapai kondisi steady state.Demikian pula, ketika tegangan kembali ke normal,arus konverter masih mempertahankan sepertiditunjukkan pada Gambar. 8b. Karena beban 5 kWditarik dari sistem daya, konverter juga mengurangidaya tetapi generator tetap mempertahankan tingkatyang sama seperti gambar 9.

Gambar 7. (a) Output daya generator (pu), (b)Tegangan Eksitasi (pu), (c) Kecepatan mesin/ frekuensi

(pu)

Gambar 8. (a) Vab Output PWM inverter , (b)Vab Tegangan Inverter, (c) Arus Inverter,

(d) Indeks Modulasi


ISSN No. 2085 - 0859











(pu)


(d) Indeks Modulasi


ISSN No. 2085 - 0859











(pu)


(d) Indeks Modulasi


ISSN No. 2085 - 0859

Gambar 9. (a) daya output inverter, (b) dayaoutput generator diesel, (c) konsumsi beban

5. KesimpulanSimulasi hibrid solar energi dan diesel dengan

Simulink Matlab telah dimodelkan dan dilakukanpengujian dengan beberapa langkah simulasi. Hasilsimulasi untuk membantu dan mengevaluasi perilakutransien aliran daya dalam sistem. Investigasi telahdikhususkan untuk mempelajari perilaku dinamisdalam perubahan beban normal dan langkah dalamkondisi berbeban. Oleh karena itu, osilasi dalam dayadan frekuensi terjadi dengan periode yangditimbulkan oleh sumber dengan konstanta waktuterbesar.

Osilasi ini mungkin berlebihan untukpengoperasian sistem daya. Osilasi danketidakstabilan dapat dihindari dengan menggunakaninverter dengan kontrol digital yang lebih baik.

Pustaka[1] “MATLAB Simulink, dynamic system simulation

software”. The Maths Works Inc., 1994-2005[2] S. Roy, O. P. Malik and G. S. Hope, An adaptive

control scheme for speed control of diesel driven

power plants, IEEE Transactions on EnergyConversion, Vol.6., No.4, 1991.

[3] S. Roy, O. P. Malik and G. S. Hope, A k-steppredictive scheme for speed control of dieseldriven power plants, IEEE Transactions onIndustry Applications, Vol. 29, No. 2, 1993.

[4] B. Kuang, Y. Wang and Y.L. Tan, An H∞Controller Design for Diesel Engine Systems,IEEE Transactions on Industry Applications,Vol., No., 2000.

[5] D. W. Augustine and K.S. P. Kumar, A methodfor self-tuning a PID controller for control ofsmall to medium sized diesel engines, IEEEInternational Conference on System Engineering,P.85-88 1-3 Aug. 1991.

[6] Paul C. Krause, Analysis of Electric Machinery,McGraw Hill, 1987.

[7] Ashari M., Nayar C.V., Islam S., Steady-stateperformance of a grid interactive voltage sourceinverter, IEEE Power Engineering SocietySummer Meeting, 2001. Vol. 1, P.650 – 655 July2001

[8] Nayar C.V., Ashari M., Keerthipala, W.W.L., Agrid-interactive photovoltaic uninterruptiblepower supply system using battery storage and aback up diesel generator, IEEE Transaction onEnergy Conversion, Vol. 15, Issue 3, Ps. 348 –353, Sept. 2000


ISSN No. 2085 - 0859
















ISSN No. 2085 - 0859
















ISSN No. 2085 - 0859

Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median FilterUntuk Optimalisasi Kualitas Citra Digital

Nurul Fuad1, Yuliana Melita2

Magister Teknologi InformasiInstitut Saint Terapan & Teknologi Surabaya

[email protected], [email protected]

ABSTRAKFiltering merupakan proses awal yang digunakan untuk mengurangi bagian – bagian yang tidak

diperlukan (noise) pada citra untuk proses berikutnya. Low-Pass filter merupakan salah satu filtering linearyang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai pixel tersebut dengan nilaipixel-pixel tetangganya. Sedangkan median filter merupakan salah satu teknik peningkatan kualitas citradalam domain spasial, median filtering ini merupakan kategori non linier filtering. Perbaikan citra tidakmeningkatkan kandungan informasi dari citra tersebut, melainkan memperlebar jangkauan dinamik darisuatu fitur sehingga bisa dideteksi atau diamati dengan lebih mudah dan tepat. Pada saat ini informasisangat penting dan diperlukan, terutama yang terdapat dalam suatu citra. Walaupun demikian, seringkalicitra yang kita miliki mengandung noise seperti bercak putih dan hitam.

Dari noise tersebut, dapat dilakukan penghalusan citra sehingga citra dapat lebih mudahdiinterpretasikan oleh mata manusia untuk pengenalan objek. Metode penghalusan citra yang digunakandalam Penelitian ini adalah metode Low-Pass Filter dan Median Filter. Dari hasil penelitian, gambar yangdihasilkan dengan metode Median Filter memiliki kualitas citra yang lebih baik dibandingkan metode Low-Pass Filter . Dari analisa hasil penelitian ini, gambar yang dihasilkan dengan metode Median Filter memilikikualitas citra yang lebih baik dibandingkan metode Low-Pass Filter baik secara subjektif (memiliki nilaisubjektif rata-rata yaitu 4 (baik) untuk metode Median Filter dan nilai 3 (cukup) untuk metode Low-PassFilter) maupun menggunakan perhitungan PSNR (nilai rata-rata yang dihasilkan untuk Median filter yaitu15,115291 db dan Low-Pass filter yaitu 12,286619 db).

Kata Kunci : filtering, noise, Low-pass filter, median filter

1. PendahuluanPada saat ini sebuah Informasi tidak hanya

disajikan dalam bentuk data teks tetapi juga dapatberupa gambar, audio, dan video. Informasi padasaat ini sangat penting dan sangat diperlukan,begitu pula informasi yang terdapat pada sebuahcitra. Citra mempunyai karakteristik yang tidakdimiliki data teks yaitu citra kaya denganinformasi, namun seringkali citra yang kita milikimengalami penurunan mutu atau pada umunyamengandung derau (noise). Derau pada umumnyaberupa variasi intensitas (derajat keabuan) suatupixel yang tidak bekaitan dengan titik-titiktetangganya. Derau ini mudah dilihat oleh mata,karena tampak sangat berbeda dengan titik-titiktetangganya, seperti citra yang mengalamigangguan berupa bercak-bercak putih atau hitam.Gangguan tersebut biasanya muncul sebagai akibatpencuplikan (Image Sampling) yang tidak bagusatau akibat saluran transmisi (pada pengirimandata). Oleh sebab itu perbaikan citra dibutuhkan,dengan meningkatkan kualitas suatu citra dapatlebih mudah diinterpretasikan oleh mata manusia.

Dalam sebuah citra, intensitas atau tingkatkecerahan atau derajat keabuan merupakaninformasi yang sangat penting. Melalui derajatkeabuan ini kita dapat melakukan berbagai macammetode untuk melakukan proses pengolahan citraseperti Low-Pass Filter dan Median Filter. Melaluimetode ini kualitas citra masukan dapat diperbaikidan diharapkan dapat lebih mudah mendekatibentuk aslinya. Dan membandingkan diantarakedua filter tersebut mana yang lebih baikdigunakan.

2. Dasar Teori2.1 Pengertian Citra Digital

Citra digital adalah citra yang dinyatakansecara diskrit (tidak kontinu), baik untuk posisikoordinatnya maupun warnanya. Dengandemikian, citra digital dapat digambarkan sebagaisuatu matriks, dimana indeks baris dan indekskolom dari matriks menyatakan posisi suatu titik didalam citra dan harga dari elemen matriksmenyatakan warna citra pada titik tersebut. Dalamcitra digital yang dinyatakan sebagai susunan




ISSN No. 2085 - 0859

matriks seperti ini, elemen-elemen matriks tadidisebut juga dengan istilah piksel yang berasal darikata picture element. Citra juga dapatdidefenisikan fungsi dua variabel, f(x,y), di mana xdan y adalah koordinat spasial sedangkan nilaif(x,y) adalah intensitas citra pada koordinattersebut. Ilustrasi citra digital dapat dilihat padaberikut.

Gambar 2.1 Illustrasi Citra

Citra digital merupakan suatu matriks dimanaindeks baris dan kolomnya menyatakan suatu titikpada citra tersebut dan elemen matriksnya (yangdisebut sebagai elemen gambar/ piksel/ pixel/picture element) menyatakan tingkat keabuan/warna pada titik tersebut. Citra digital dinyatakandengan matriks berukuran N x M (baris/ tinggi =N, kolom/ lebar = M). Setiap titik memilikikoordinat dan biasanya dinyatakan dalambilangan bulat positif, yaitu 0 atau 1bergantung pada sistem yang digunakan. Formatnilai piksel sama dengan formatcitra keseluruhan. Pada kebanyakan sistempencitraan, nilai ini biasanya berupabilangan bulat positif juga. Citra digital dinyatakandengan matriks berukuran N xM dapat dilihat pada Gambar 2.2 dan Ilustrasisistem koordinat piksel dilihatpada Gambar 2.3.

2.2 Perbaikan Kualitas CitraPerbaikan kualitas citra merupakan suatu

proses yang dilakukan untuk mendapatkan kondisitertentu pada citra. Proses tersebut dilakukandengan menggunakan berbagai macam metodetergantung pada kondisi yang diharapkan padacitra, seperti mempertajam bagian tertentu padacitra, menghilangkan noise atau gangguan,manipulasi kontras dan skala keabuan, dansebagainya. Secara umum metode-metode yangdigunakan dapat digolongkan kedalam duakelompok yaitu metode domain frekuensi danmetode domain spasial.

Pada metode domain frekuensi, teknikpemrosesannya berdasarkan pada transformasiFourier terhadap nilai pixel. Sedangkan padametode domain spasial prosesnya dioperasikanlangsung terhadap pixel, dimana untuk memprosessebuah pixel harus mengikut sertakan pixel-pixeltetangganya. Fungsi matematis dari metodedomain spasial adalah sebagai berikut :

g (x,y) = T [f (x,y)] (2.1)f (x,y) adalah fungsi citra masukan, g (x,y) adalahcitra hasil atau keluaran, sedangkan T adalahoperator atas f, yang didefinisikan terhadapkumpulan tetangga-tetangga (x,y). Contoh darimetode ini adalah operasi filtering citra yaitupenghalusan citra dengan cara menghilangkannoise pada citra.

2.3 Metode Low-Pass FilterMetode Low-Pass filter adalah satu teknik

filtering yang bekerja dengan cara menggantikanintensitas suatu pixel dengan rata-rata nilai pixeldari pixel-pixel tetangganya. Jika suatu citra f(x,y)yang berukuran M x N dilakukan proses filteringdengan penapis h(x,y) maka akan menghasilkancitra g(x,y), dimana penapis h(x,y) merupakanmatrik yang berisi nilai 1/ukuran penapis. Secaramatematis proses tersebut dapat dinyatakansebagai berikut:

g(x,y) = f(x,y) * h(x,y) (2.2) (2.7)Operasi diatas dipandang sebagai konvolusi antaracitra f(x,y) dengan penapis h(x,y), dimana *menyatakan operator konvolusi dan prosesnyadilakukan dengan menggeser penapis konvolusipixel per pixel.

2.4 Metode Median FilterMetode median filter ini merupakan filter

non-linear yang dikembangkan Tukey, padamedian filter ini berfungsi untuk menghaluskandan mengurangi noise atau gangguan pada citra.Dikatakan nonlinear karena cara kerja penapis ini


ISSN No. 2085 - 0859

tidak termasuk kedalam kategori operasikonvolusi. Operasi nonlinear dihitung denganmengurutkan nilai intensitas sekelompok pixel,kemudian menggantikan nilai pixel yang diprosesdengan nilai tertentu.

Pada median filter suatu window ataupenapis yang memuat sejumlah pixel ganjil digesertitik per titik pada seluruh daerah citra. Pada setiappergeseran dibuat window baru, titik tengah danwindow ini diubah dengan nilai median dariwindow tersebut.

Jika suatu window ditempatkan pada suatubidang citra, maka nilai pixel pada pusat bidangwindow dapat dihitung dengan mencari nilaimedian dari nilai intensitas sekelompok pixel yangtelah diurutkan. Secara matematis dapatdirumuskan sebagai berikut:

G(x,y)= Median f(x-i, y-j),(i,j)€ w

dimana g(x,y) merupakan citra yang dihasilkan daricitra f(x,y) dengan w sebagai window yangditempatkan pada bidang citra dan (i,j) elemen dariwindow tersebut.

3. Penilaian Kualitas CitraUntuk mendapatkan nilai kualitas citra

dilakukan dengan cara penilaian secara objektifdengan menggunakan besaran MSE dan PSNRkedua besaran tersebut membandingkan pixel-pixelpada posisi yang sama dari dua citra yangberlainan.

3.1 MSE (Mean Square Error)Secara matematis rata-rata kuadrat nilai

kesalahan antara citra asli dengan citra hasilpengolahan didapat sebagai berikut:

3.2 PSNR (Peak Signal to Noise Ratio)untuk nilai perbandingan antara harga

maksimum warna pada citra hasil filtering dengankuantitas gangguan (noise) didapat dengan PSNR,yang dinyatakan dalam satuan desibel (dB), Bercak(noise) yang dimaksud adalah akar rata-ratakuadrat nilai kesalahan ( MSE ). Secaramatematis, nilai PSNR dapat dirumuskan sebagaiberikut:

4.Algoritma Penghalusan CitraCitra masukan adalah citra RGB dengan

format bitmap. Pemrosesan dilakukan denganmenggunakan perangkat lunak VB 6.0

Gb 4.1 Blok Diagram Proses Penghalusan citra

Langkah–langkah Low-Pass Filter :1. Gambar terlebih dahulu dikonversi dari RGB

ke YCbCr dan menghasilkan Y dan CbCr.2. Setelah dikonversi data gambar (Y) ditambah

dengan noise3. Hasil data gambar (Y dengan noise) yang akan

diproses dengan metode Low-Pass Filter4. Setelah dilakukan proses Low-Pass Filter maka

akan dihasilkan data Gambar Y’5. Data Gambar Y’ dan CbCr akan dikonversi

kembali ke RGB

5. Konversi RGB Ke YCbCrModel warna RGB (red, green, blue)

digunakan dengan luminance yang terdapat dalamdivice seperti tabung televisi dan monitorkomputer. Model warna RGB mencampur warnaprimer yaitu merah, hijau dan biru untukmenciptakan seluruh kemungkinan warna. Denganmencampur 100% semua warna RGBmenghasilkan warna putih, sebaliknya jika tidakada warna yng digunakan akan menghasilkanwarna hitam.

Konversi RGB ke YCbCr merupakanproses pemisahan warna berdasarkan tingkatkecerahan luminance (Y) dan pemisahanberdasarkan komponen warna crominance, dimanaCb adalah crominance terhadap warna biru dan Cradalah crominance terhadap warna merah.

Konversi warna RGB ke dalam YCbCr,warna luminance atau dikenal dengan istilah grayscale yaitu gambar dengan derajat keabuan yangmemiliki instensitas 0 sampai 255, dimana 0adalah untuk merepresentasikan warna hitam dan255 warna putih. Karena mata manusia lebihsensitive pada warna luminance (Y) dibandingkanwarna Chrominance (CbCr) sehingga informasiwarna chrominance tidak diikut sertakan padaproses Low Pass filter dan Median Filter dan hanya

RGBke

YCbCrY Ditambah

NoiseY

Noise Low-Pass Filter Y'

YCbCrke

RGBCbCr CbCr

Gambar Asli

Gambar Hasil

MSE

PSNR 25510log20

1

0

1

0

2),(),((1 M

x

N

yyxgyxf

MNMSE


ISSN No. 2085 - 0859

warna luminance (Y) yang selanjutnya di prosessebagai masukan gambar.

Warna YCbCr diperoleh denganmenggunakan transformasi sebagai berikut:Y = 0,299 * R + 0,587 * G + 0,114*BCb = 0,1687 * R – 0,3312 * G + 0,5 * BCr = 0,5 * R – 0,4183 * G – 0,0816 * B

Untuk membentuk kembali warna YCbCrke warna RGB digunakan transformasi sebagaiberikut:R = Y +1,4022 * CrG = Y – 0,3456 * Cb -0,7145 * CrB = Y + 1,7710 * Cb

6.Perancangan SistemDiagram Alir Sistem

Flowchart merupakan suatu cara untukmenggambarkan langkah-langkah kerja programyang meliputi input, proses, dan output. UntukMengintegrasikan metode–metode yang sudahditentukan untuk proses Low–Pass Filter maupunMedian Filter dapat digambarkan alir prosesdengan diagram alir sebagai berikut :

Gambar 4.1. menjelaskan tahap–tahap Low–Pass Filter yang dilakukan di dalam sistem, tahap–tahap Low–Pass Filter itu sebagai berikut:

1. Pertama masukan gambar lalu dibaca per pixeluntuk di proses

2. Gambar yang dibaca dikonversi ke YCbCr3. Hasil konversi dalam bentuk gray scale,

kemudian gambar di tambah noise.4. Gray scale gambar dengan noise yang akan

diproses ke Low-Pass Filter5. Setelah Low-Pass Filter dilakukan proses

konversi dari YCbCr ke RGB6. Hasil Low – Pass Filter disimpan ke file7. Setelah proses penyimpanan selanjutnyatahapan proses kembali lagi ke tahap awal untukmengambil pixel gambar yang akan diproses Low–Pass Filter, begitu seterusnya sampai semua pixeldiproses.

Mulai

Masukan Gambar

Baca Gambar per pixel

RGB ke YCbCr

Ambil Komponen Y

Tambah Noise

Low-pass filter

YCbCr ke RGB

Tulis Kefile

EOF?

Selesai

Tidak

Ya

Gambar 4.1. Flowcart Low – Pass Filter


ISSN No. 2085 - 0859

Gambar 4.2 Flowchart Median Filter

7.Analisis HasilDari hasil yang diperoleh dari penghalusan

citra dapat dilihat bahwa metode low-pass filterdan median filter menghaluskan citra yangmengalami noise (derau). Secara kasat mata dapatdilihat bahwa dengan menggunakan metode low-pass filter suatu citra yang mengalami noise(derau) dapat diperbaiki walaupun gambar yangdihasilkan kabur. Sedangkan dengan median filtergambar yang dihasilkan lebih baik dibandingkanmenggunakan low-pass filter.

Ada dua kriteria yang digunakan untukmengevaluasi kualitas citra, yaitu subjektif danperhitungan PSNR. Kriteria subjektif berdasarkankelas skala tertentu ( dari kelas baik sekali sampaidengan buruk sekali ). Berikut ini tabel skala yangsering digunakan dalam kriteria subjektif :

Tabel 4.1. Skala Kriteria Subjektif KualitasCitra

Skala Kriteria Subjektif

Excelent ( Baik sekali)

Good (Baik)

Fair (Cukup)

Poor (Buruk)

Unsatisfactory (Buruk Sekali)

(5)

(4)

(3)

(2)

(1)

Analisis yang dilakukan secara subjektif yaitudengan membuat angket untuk diberikanpenilaian terhadap metode Median filter danLow-Pass Filter dengan 6 buah gambarberformat bmp.

Dari hasil penelitian memperlihatkan bahwametode Median Filter memiliki rata-rata nilaiskala kriteria subjektif kualitas citra adalah 4(Baik) sedangkan Low-Pass Filter memilikirata-rata nilai skala Kriteria subjektif kualitascitra adalah 3 (Cukup).

Dari hasil ini dapat dilihat bahwa metodeMedian filter merupakan metode yang dapatmenghaluskan citra lebih baik dibandingkandengan Low-Pass Filter.

Namun secara perhitungan dapat dihitungdengan menggunakan PSNR (Peak Signal toNoise Ratio). Parameter ini dipahami sebagaitingkat kemiripan antara citra terekonstruksidengan citra asli. PSNR memanfaatkanpersamaan galat terkuadrat rerata (meansquared error /MSE). Jika MSE antara citraterekonstruksi dengan citra asli semakin kecilmaka sebaliknya PSNR akan bertambah besar.Perhitungan PSNR dapat dilihat padapersamaan (4.1) dan (4.2).

1

0

1

0),(),('1

25510M

x

N

yyxfyxf

MN

LogPSNR

1

1

1

0),(),('1 M

N

N

yyxfyxf

MNMSE

dimana,M menyatakan baris dari suatu citraN menyatakan kolom dari suatu citraf’(x,y) menyatakan citra asli dengan dimensi

MxNf(x,y) menyatakan citra terkonstruksi

2

2

Mulai

Masukan Gambar

Baca Gambar per pixel

RGB ke YCbCr

Ambil Komponen Y

Tambah Noise

Median filter

YCbCr ke RGB

Tulis Kefile

EOF?

Selesai

Tidak

Ya


ISSN No. 2085 - 0859

Dari hasil keluaran sistem dapat dilihatbahwa PSNR untuk citra yang telah diprosesdengan citra asli, penghalusan citra dengan metodemedian filter memiliki nilai PSNR yang lebihbesar dibandingkan dengan menggunakan metodelow-pass filter. Jika PSNR bernilai besar makakualitas citra semakin bagus jika dibandingkandengan citra asli.

KESIMPULANSetelah mempelajari metode Low - Pass

Filter dan Median Filter dalam penghalusan citrayang digunakan untuk perbaikan kualitas citra danjuga mengimplementasikan metode Low - PassFilter dan Median Filter menjadi sebuah programdan dari hasil analisis keluaran program makadapat diambil kesimpulan sebagai berikut :1. Metode Low – Pass Filter dan Median Filter

merupakan metode yang mampu dalammenghaluskan citra yang mengalami noise(derau).

2. Metode Low-Pass Filter walaupun mampudalam menghaluskan citra dalammenghilangkan derau namun gambar yang dihasilkan kabur.

3. Metode Median Filter merupakan metode yanglebih baik digunakan dalam menghaluskan citrabaik secara kasat mata maupun secaramatematis dibandingkan dengan Low-PassFilter.

4. Metode Median Filter merupakan metode yanglebih baik jika dibandingkan dengan Low-PassFilter karena memiliki rata-rata nilai subjektif

yang lebih besar yaitu 4 (Baik) sedangkan Low-Pass filter adalah 3 (Cukup).

5. dengan perhitungan PSNR pun dapat dilihatmetode Median Filter memikil nilai PSNRlebih besar yaitu 15.115291 db sedangkan Low-Pass Filter yaitu 12.2.86619 db.

DAFTAR PUSTAKA

1. A.K.Jain, Fundamentals of Digital ImageProcessing, Prentice-Hall International,Inc.,1989

2. M.Agus. J. Alam, Belajar sendiri MengolahDatabase dengan Borland Delphi 7 MenjadiMahir Tanpa Guru, Elex mediakomputindo., 2003

3. Priatiningrum, Tantri, ImplementasiPengubahan Derajat Keabuan denganTeknik Penyamaan Histogram (HistrogamEqualization) Untuk Peningkatan KualitasCitra (Image Enhancement), Skripsi TeknikInformatika, Universitas KomputerIndonesia., 2004

4. Munir, Renaldi, Pengolahan Citra Digitaldengan Pendekatan Algoritmik, Informatika,Bandung.,2004

5. Wibisono, Gunawan, ImplementasiKompresi Gambar dengan Format JPEG,Teknik Informatika, Universitas KomputerIndonesia., 2003

6. http://en.wikipedia.org/wiki/peak_signal-to-noise_ratio

http://en.wikipedia.org/wiki/peak_signal-to-


ISSN No. 2085 - 0859

Petunjuk bagi (Calon) Penulis TEKNIKa

1. Artikel yang ditulis untuk TEKNIKa meliputi hasil pemikiran dan hasil penelitian atau kajianpustaka yang mempunyai kontribusi baru di bidang Teknik. Naskahdiketik degan huruf TimesNew Roman, ukuran 11 pts, dengan spasi ganda, dicetak pada kertas HVS kuarto sepanjang maksimum15 halaman, dan diserahkandalam bentuk print-out sebanyak 3 eksemplar beserta disketnya. Berkas(file) dibuat dengan Microsoft word. Pengiriman file juga dapat dilakukan sebagaiattacment e-mail kealamat: [email protected]

2. Nama penulis artikel dicantumkan tanpa gelar akademik dan ditempatkan dibawah judul artikel. Jikapenulis terdiri 4 orang atau lebih, yang dicantumkan dibawah judul artikel adalah nama penulis utama;nama penulis-penulis lainnya dicantumkan pada catatan kaki halaman pertama naskah. Dalam halnaskah ditulisoleh tim, penyunting hanya berhubungan dengan penulis utama atau penulis yangnamanya tercantum pada urutan pertama. Penulis dianjurkan mencantumkanalamat e-mail untukmemudahkan komunikasi.

3. Artikel ditulis dalam bahasa Indonesia atau Inggris dengan format esai, disertai judul pada masingmasingbagian artikel, kecuali bagian pendahuluan yangdisajikan tanpa judul bagian. Judul artikeldicetak dengan huruf besar ditengah-tengah, dengan huruf sebesar 14 poin. Peringkat judul bagian dinyatakan denganjenis huruf yang berbeda (semua judul bagian dan sub-bagian dicetak tebal atautebal dan miring), dan tidak menggunakan angka/nomor pada judulbagian:PERINGKAT 1 (HURUF BESAR SEMUA, TEBAL, RATA TEPI KIRI)Peringkat 2 (Huruf Besar Kecil, Tebal, Rata Tepi Kiri)Peringkat 3 (HurufBesar Kecil, Tebal-Miring, Rata Tepi Kiri)

4. Sistematika artikel hasil pemikiran adalah: judul; nama penulis (tanpa gelar akademik); abstrak(maksimum 200 kata); kata kunci; pendahuluan (tanpa judul)yang berisi latar belakang dan tujuan atauruang lingkup tulisan; bahasan utama (dapat dibagi ke dalam beberapa sub-bagian); penutup ataukesimpulan; daftarrujukan (hanya memuat sumber-sumber yang dirujuk).

5. Sistematika artikel hasil penelitian adalah: judul; nama penulis (tanpa gelar akademik); abstrak(maksimum 200 kata) yang berisi tujuan, metode dan hasilpenelitian; kata kunci; pendahuluan (tanpajudul) yang berisi latar belakang, sedikit tinjauan pustaka, dan tujuan penelitian; metode; hasil;pembahasan;kesimpulan dan saran; daftar rujukan (hanya memuat sumber-sumber yang dirujuk)

6. Sumber rujukan sedapat mungkin merupakan pustaka-pustaka terbitan 10 tahun terakhir. Rujukan yangdiutamakan adalah sumber-sumber primer berupa laporanpenelitian (termasuk skripsi, tesis, disertasi)atau artikel-artikel penelitian dalam jurnal dan/atau majalah ilmiah.

7. Perujukan dan pengutipan menggunakan teknik rujukan berkurang (nama, tahun). Pencantuman sumberpada kutipan langsung hendaknya disertai keterangantentang nomor halaman tempat asal kutipan.Contoh: (Davis, 2003: 47).

8. Daftar Rujukan disusun dengan tata cara seperti contoh berikut dan diurutkan secara alfabetis dankronologis.Buku:Anderson, D, W., Vault, V. D. & Dickson, C. E. 1999. Problem and Prospects for the Decades Ahead:Competency Based Teacher Education. Berkeley: McCutchan Publising Co.Buku kumpulan artikel:Saukah, A. & Waseso, M.G. (Eds.). 2002. Menulis Artikel untuk Jurnal Ilmiah (Edisi ke-4, cetakan ke-1). Malang: UM Press.Artikel dalam buku kumpulan artikel:Russel, T. 1998. An Alternative Conception: Representing Represensation. Dalam P.J. Black & A.Lucas (Eds), Children’s Informal Ideas in Science (hlm. 62-84). London: Routledge.Artikel dalam jurnal atau majalah:Kansil, C.L. 2002. Orientasi Baru Penyelenggaraan Pendidikan Program Profesional dalam Memenuhikebutuhan Dunia Industri. Transpor, XX (4): 57-61.Artikel dalam koran:Pitunov, B. 13 Desember, 2002. Sekolah Unggulan ataukah Sekolah Pengunggulan? Majapahit Pos,hlm. 4 & 11.Tulisan/berita dalam koran (tanpa nama pengarang):Jawa Pos. 22 April, 1995. Wanita Kelas Bawah Lebih Mandiri, hlm. 3.Dokumen resmi:Pusat Pembinaan dan Pengembangan Bahasa. 1978. Pedoman Penulisan Laporan Penelitian. Jakarta:Depdikbud. Undang-undang Republik Indonesia Nomor 2 Tentang Sistem Pendidikan Nasional.1990. Jakarta: PT. Armas Duta Jaya.Buku terjemahan:Ary, D., Jacobs, L.C. & Razavieh, A. 1976. Pengantar Penelitian Pendidikan. Terjemahan oleh AriefFurchan. 1982. Surabaya: Usaha Nasional.Skripsi, Tesis, Disertasi, Laporan Penelitian:Kuncoro, T. 1996. Pengembangan Kurikulum Pelatihan Magang di STM Nasional Malang JurusanBangunan, Program Studi Bangunan Gedung: Suatu Studi Berdasarkan Kebutuhan DuniaUsaha Jasa Konstruksi. Tesis tidak diterbitkan. Malang: PPS IKIP MALANG.Makalah seminar, lokakarya, penataran:Waseso, M.G 2001. Isi dan Format Jurnal Ilmiah. Makalah disajikan dalam Seminar LokakaryaPenulisan Artikel dan Pengelolaan Jurnal Ilmiah, Universitas Lambungmangkurat, Banjarmasin,9-11 Agustus.Internet (karya individual)Hitchcock, S., Carr, L. & Hall, W. 1996. A Survey of STM Online Journals, 1990-1995 : The Calmbefore the Storm, (Online), (http://journal.ecs.soton.ac.uk/survey/survey.html, diakses 12 Juni1996)Internet (artikel dalam jurnal online):Kumaidi. 1998. Pengukuran Bekal Awal Belajar dan Pengembangan Tesnya. Jurnal Ilmu Pendidikan.(Online), jilid 5,No. 4,(http://www.malang.ac.id, diakses 20 Januari 2000).Internet (bahan diskusi):Wilson, D. 20 November 1995. Summary of Citing Internet sites. NETTRAIN Discussion List,(Online), ([email protected], diakses 22 November 1995).Internet (e-mail pribadi):Naga, D.S ([email protected]). 1 Oktober 1997. Artikel Untuk JIP. E-mail kepada Ali Saukah([email protected]).

9. Tata cara penyajian kutipan, table, dan gambar mencontoh langsung tata cara yang digunakan dalam artikel yang telah dimuat. Artikel berbahasa Indonesiamenggunakan Pedoman Umum Ejaan BahasaIndonesia yang Disempurnakan (Depdikbud, 1987). Artikel bahasa Inggris menggunakan ragam baku.

10. Semua naskah ditelaah secara anonim oleh mitra bestari reviewers yang ditunjuk oleh penyunting menurut bidang kepakarannya. Penulis artikel diberikesempatan untuk melakukan perbaikan (revisi) naskah atas dasar rekomendasi/saran dari mitra bestari atau penyunting, kepastian pemuatan atau penolakannaskah akan diberitahukan secara tertulis.

11. Pemeriksaan dan penyuntingan cetak-coba dikerjakan oleh penyunting dan/atau dengan melibatkan penulis. Artikel yang sudah dalam bentuk cetak-coba dapatdibatalkan pemuatannya oleh penyunting jika diketahui bermasalah. Segala sesuatu yang menyangkut perjanjian pengutipan atau penggunaan software komputeruntuk pembuatan naskah atau ihwal lain yang terkait dengan HAKI yang dilakukan oleh penulis artikel, berikut konsekuensi hukum yang mungkin timbulkarenanya, menjadi tanggung jawab penuh penulis artikel tersebut.


http://journal.ecs.soton.ac.uk/survey/survey.html

http://www.malang.ac.id




ISSN No. 2085 - 0859 · PDF filedari aki ke inverter dan lampu indikator DC ke AC : Gambar 4....

Documents

Transcript of ISSN No. 2085 - 0859 · PDF filedari aki ke inverter dan lampu indikator DC ke AC : Gambar 4....