Professional Documents
Culture Documents
Abstrak Perkembangan dan kemajuan dibidang tersebut, misalnya representasi beserta deskripsi dari
teknologi dan informasi memberikan pengaruh yang jumlah fitur, klasifikasi obyek, pengenalan, dan
cukup besar dalam dunia analisis citra. Saat ini, masih banyak lagi. Begitu banyak metode
proses manipulasi citra menjadi semakin mudah segmentasi yang telah dikembangkan saat ini
dilakukan, salah satu penyebabnya adalah dengan berbagai kelebihan dan kekurangannya
munculnya berbagai macam metode segmentasi masing-masing. Namun, metode segmentasi yang
citra. Segmentasi citra merupakan langkah awal dilakukan melalui sebuah pendekatan neutrosophic
dalam melakukan pengolahan citra, pengenalan masih tergolong baru. Untuk itu pada Tugas Akhir
pola, visi komputer, dan mejadi faktor terpenting, ini akan diimplementasikan salah satu algoritma
karena hampir sebagian besar dari pengolahan segmentasi gambar menggunakan pendekatan
citra bergantung pada hasil dari segmentasi. neutrosophic dengan metode watershed.
Pada Tugas Akhir ini akan Neutroshophy sendiri merupakan salah satu
diimplementasikan salah satu metode segmentasi cabang dari philosophy yang terdiri dari empat
citra yang baru dikembangkan yaitu menggunakan macam bidang antara lain : philosophy, logics, set
pendekatan neutrosophic dengan metode theory dan probability/statistics. Neutrosophic dapat
Watershed. Neutrosophy digunakan untuk digunakan untuk menyelesaikan permasalahan yang
menentukan domain neutrosophic pada citra, tidak dapat diselesaikan dengan menggunakan fuzzy
sedangakan metode Watershed digunakan untuk logic dimana permasalahannya berkaitan dengan
proses segementasi citra pada domain neutrosophic. masalah ketidakpastian/ ambiguitas.
Evaluasi segmentasi menggunakan Dengan menggunakan Neutrosophy kondisi
domain neutrosophic dan metode Watershed yang tidak pasti akan direpresentasikan. Pada Tugas
terbutkti dapat menghasilkan hasil segmentasi yang Akhir ini, neutrosophy digunakan untuk membantu
lebih optimal dengan akurasi 64.04 jika menangani masalah pengolahan gambar yaitu dalam
dibandingkan dengan metode lainnya seperti menentukan domain neutrosophic gambar, setelah
segmentasi watershed menggunakan distance domain neutroshophic diketahui, langkah
transform, segmentasi watershed menggunakan selanjutnya adalah proses segmentasi menggunakan
gradien, segmentasi watershed menggunakan metode watershed yang dilakukan pada domain
operasi morfologi dan gradien, segmentasi neutrosophic.
watershed dengan marker-controlled, metode edge-
based (Sobel), dan metode region-based (mean- 2. Nutroshophic Set
shift).
Neutrosophy merupakan cabang dari ilmu
Kata kunci : Neutrosophy, Neutrosophic Set, filsafat yang mempelajari asal usul, sifat dan ruang
Watershed, Metode Watershed, Segmentasi lingkup neutralities. Ide neutrosophy ini
Gambar, S-function, Thresholding, diperkenalkan oleh Florentin Smarandache pada
Enhancement. tahun 1980. Terinspirasi dari permainan olahraga
(Menang, Kalah, atau Seri), dari kegiatan pemilihan
1. Pendahuluan suara (Pro, Kontra, Null atau Abstain), dari (Positif /
Negatif /Nilai nol), dari (Ya/ Tidak/ NA), dari
Salah satu proses utama dalam sebuah pengambilan keputusan dan kontrol teori (Membuat
pengolahan gambar adalah segmentasi. Segmentasi keputusan, Tidak membuat, atau Ragu-ragu), dari
gambar adalah proses mempartisi gambar menjadi (Diterima/Ditolak /Pending), dan lain-lain.
beberapa daerah atau obyek. Dengan adanya Istilah "neutrosophic" secara etimologis
segmentasi gambar maka obyek didalam suatu berasal dari kata "neutrosophy" dimana dalam
gambar akan lebih mudah dibedakan antara yang bahasa Perancis dari asal kata
satu dengan yang lain, dengan hal ini proses neutre, dan dalam bahasa Latin dari asal kata neuter,
pengelolaan gambar akan menjadi lebih mudah. yang artinya netral dan sophia dalam bahasa Yunani
Segmentasi gambar merupakan salah satu berarti keterampilan atau kebijaksanaan. Apabila
faktor yang sangat penting dalam pengolahan dirangkai neurtosophy berarti pengetahuan tentang
gambar, karena hasil segmentasi sangat berpengaruh pemikiran yang netral.
terhadap proses kelanjutan dari pengolahan gambar
1
Tugas Akhir Periode Juli 2010
Neutrosophy dapat juga dianggap sebagai salah satu posisi minimum (tidak pasti
sebuah proposisi, teori, kejadian atau peristiwa, jatuh ke sebuah titik minimum, tetapi
konsep ataupun entity, dimana “A” berelasi dengan dapat jatuh ke titik minimum tertentu
kebalikannya “Anti-A” dan berelasi dengan yang
atau titik minimum yang lain).
bukan A, “Non-A” dan berelasi dengan “Neut-A”
yaitu selain “A” yaitu “Anti-A”. Neutrosophy Untuk sebuah regional minimum tertentu,
merupakan basis dari neutrosophic logic, sekumpulan titik yang memenuhi kondisi (b) disebut
neutrosophic probability, neutrosophic set dan sebagai catchment basin, sedangkan sekumpulan
neutrosophic statistics. titik yang memenuhi kondisi(c) disebut sebagai
Merupakan generalisasi dari intuitionistic set, garis watershed[8].
classical set, fuzzy set, paraconsistent set, dialetheist Inti dari metode watershed yaitu bagaimana
set, paradoxist set, dan tautological set. Setiap
menentukan garis wateshed, dimana garis watershed
element x(T, I, F) termasuk dalam set : t true, i
indeterminate, dan f false, dimana t, i dan f adalah merupakan garis pembatas antar obyek dengan
nilai real yang diambil dari set T, I, dan F dengan background.
tanpa batasan pada T, I, dan F, atau penjumlahannya Pembentukan garis watershed atau dam dam
yaitu n = t+i+f. didasarkan pada citra biner, yang merupakan
Neutrosophic set mengeneralisasi : anggota dari ruang integer dua dimensi Z2. Cara
Intuitionistic set, mendukung set teori termudah untuk membangun dam adalah dengan
yang tidak lengkap (for 0<n<100, menggunakan operasi morfologi dilatasi
0<=t,i,f<= 100). (morphological dilation).
Fuzzy logic (for n=100, i=0 dan 0<=
t,i,f<= 100). 3.1 Dilasi
Boolean logic (for n=100, i=0, dan t,f
antara 0 atau 100). Operasi dilasi dilakukan untuk memperbesar
Multi-valued logic (for 0<= t,i,f<=100). ukuran segmen obyek dengan menambah lapisan di
Paraconsistent logic (for n>100, dan t,f sekeliling obyek. Terdapat dua cara untuk
<100). melakukan operasi ini, yaitu dengan cara mengubah
Dialetheism, mengatakan bahwa perpotongan semua titik latar belakang yang bertetangga dengan
dari beberapa disjoint set tidaklah kosong (for titik batas menjadi titik obyek, atau lebih mudahnya
t=f=100 dan i = 0, beberapa paradox dapat set setiap titik yang tetangganya adalah titik obyek
dinotasikan dengan ini). menjadi titik obyek.
Cara kedua yaitu dengan mengubah semua
titik di sekeliling titik batas menjadi titik obyek, atau
3. Watershed
lebih mudahnya set semua titik tetangga sebuah titik
obyek menjadi titik obyek[8].
Watershed merupakan salah satu metode
Misalkan A dan B adalah himpunan-
yang digunakan untuk segmentasi sebuah gambar. himpunan piksel. Dilasi A oleh B dinotasikan
Konsep yang terdapat pada watershed ini dengan dan didefinisikan sebagai berikut.
memvisualisasikan sebuah gambar dalam tiga
dimensi: dua koordinat ruang versus tingkat
keabuan (gray level). Koordinat ruang merupakan
posisi x dan y pada bidang datar dan tingkat Ini berarti bahwa untuk setiap titik x B, maka
dilakukan translasi atau penggeseran dan kemudian
keabuan merupakan ketinggiannya, semakin ke arah
menggabungkan seluruh hasilnya (union). Atau
warna putih maka ketinggiannya semakin besar. secara matematis dituliskan sebagai berikut :
Dengan anggapan bentuk topografi tersebut,
maka di didapatkan 3 macam titik yang
dipertimbangkan dalam metode ini :
Titik yang merupakan regional 4. Metode dan Impelementasi
minimum.
Proses segmentasi gambar menggunakan
Titik yang merupakan tempat dimana metode watershed akan di lakukan pada gambar
jika setetes air dijatuhkan, maka air yang telah mengalami prepocessing. Tujuan
tersebut akan jatuh hingga ke sebuah prepocessing yang di lakukan pada Tugas Akhir ini
posisi minimum tertentu. yaitu dengan mengubah domain gambar ke dalam
Titik yang merupakan tempat di mana domain neutrosophic. Berikut ini tahapan yang
harus dilakukan untuk merubah ke domain
jika air dijatuhkan, maka air tersebut
neutrosophic tersebut.
mempunyai kemungkinan untuk jatuh ke
2
Tugas Akhir Periode Juli 2010
Tahap pertama dari proses segmentasi ini edge yang ambigu atau kurang jelas dari suatu
yaitu mengubah gambar masukan menjadi gambar obyek.
gray scale. Tahap selanjutnya adalah mengubah gambar
Tahap kedua adalah memetakan gambar dan pada domain neutrosophic menjadi gambar biner.
menentukan nilai matrix gambar pada domain T dan Dan tahap yang terakhir yaitu menggunakan metode
matrix gambar pada domain F yang merupakan watershed untuk melakukan segmentasi gambar
komponen dari neutrosophic. pada gambar biner hasil dari proses sebelumnya.
Tahap ketiga adalah proses perbaikan Data masukan yang dibutuhkan oleh
gambar. Perbaikan gambar bertujuan untuk perangkat lunak ini adalah semua jenis gambar
mempertajam gambar untuk memudahkan proses namun yang lebih diutamakan adalah gambar yang
pada tahap selanjutnya. uniform dengan edge yang kurang jelas atau
Tahap keempat adalah menentukan threshold ambigu. Hal ini diutamakan karena metode
pada matrix gambar T dan F, gambar T merupakan watershed dapat bekerja lebih bagus pada gambar-
gambar yang merepresentasikan sebuah obyek, gambar yang uniform dan dengan edge yang
sedangkan gambar F merupakan gambar yang ambigu.
merepresentasikan background. Masing-masing
gambar ini akan ditentukan nilai threshold nya.
Start
Gambar 4.1 Diagram alir proses segmentasi gambar
Input:
Gambar Grayscale dengan
4.1. Grayscaling
blurry edge
Grayscaling adalah proses perubahan nilai
piksel dari warna (RGB) menjadi gray-level. Pada
Filtering dengan Mean filter
dasarnya proses ini dilakukan dengan meratakan
nilai piksel dari 3 nilai RGB menjadi 1 nilai. Untuk
memperoleh hasil yang lebih baik, nilai piksel tidak
Memetakan citra dan Menentukan {T,F} langsung dibagi menjadi 3 melainkan terdapat
persentasi dari masing-masing nilai. Salah satu
prosentase yang digunakan dalam fungsi Image
Enhancement Processing Toolbox adalah 29,9% dari warna merah
(Red), 58,7% dari warna hijau (Green), dan 11,4%
dari warna biru (Blue). Nilai piksel didapat dari
Menentukan tresholds pada T dan F jumlah prosentase dari 3 nilai tersebut. Secara
matematis dapat ditulis sebagaimana persamaan di
bawah ini :
Menetapkan homogeniety dari
intensitas domain dan menentukan {I}
Gray Scale : 0.2989*R+0.5870* G+0.1140*B
Mengubah menjadi citra biner Gambar Grayscale juga disebut gray-scale, gray
berdasarkan nilai dari {T,I,F} scale, atau gambar gray-level dan merupakan hasil
proses grayscaling. Grayscale adalah tingkat warna
keabuan dari sebuah piksel, dapat juga dikatakan
Menerapkan algoritma watershed tingkat cahaya dari sebuah piksel atau dengan kata
untuk mengubah citra biner
lain adalah nilai yang terkandung dalam piksel
menunjukan tingkat terangnya piksel tersebut dari
Output : Gambar hasil hitam ke putih.
tersegmentsi
Biasanya ditetapkan nilainya antara 0 hingga
255 (untuk 256-graylevel), dengan 0 adalah hitam
End dan 255 adalah putih. Karena hanya terbatas 1 byte
saja maka untuk memrepresentasikan nilai piksel
Gambar Error! No text of specified style in document..1 cukup 8 bit saja.
Diagram alir model secara umum
4.2. Pemetaan dan Penentuan{T,F}
Tahap kelima adalah menentukan Pada tahap kedua ini akan dilakukan
homogeneity pada domain I dan, I merupakan pemetaan dan penentuan matrix gambar pada
komponen neutrosophic yang merepresentasikan domain T serta domain F. Pemetaan gambar
dilakukan menggunakan mean filter dengan ukuran
3
Tugas Akhir Periode Juli 2010
window 20 x 20 sedangkan proses penentuan nilai T (7) Menghitung parameter b dengan menggunakan
dan T yang termasuk komponen dari neutrosophic prinsip maximum entropy sebagaimana
dilakukan menggunakan persamaan : persamaan 2.6.1 dan 2.6.2, Parameter nilai b
berada diantara nilai a dan nilai c. Untuk
mengetahui nilai b yang optimal, diperlukan
pengecekan terhadap seluruh kemungkinan nilai
b. Nilai b yang optimal akan menghasilkan nilai
maximum entropy H(X) yang terbesar.
Dimana :
Nilai intensitas dari gambar 4.3. Enhancement
hasil filtering.
Proses enhancement pada tahap ini bertujuan
a, b, dan c Parameter yang menentukan
untuk memperbaiki gambar pada domain baru.
bentuk dari S-function.
Metode yang digunakan untuk melakukan perbaikan
gambar Tugas Akhir ini yaitu menggunakan
transformasi intensitas atau biasanya disebut dengan
mapping intensitas. Berikut ini fungsi yang
Parameter nilai a, b, dan c dapat dihitung
digunakan untuk melakukan perbaikan gambar
menggunakan metode berdasar pada histogram
tersebut :
sebagai berikut :
4
Tugas Akhir Periode Juli 2010
Operator sobel yang digunakan pada Tugas Dimana dan merupakan hasil dari treshold
Akhir ini terdiri dari kernel berukuran 3x3, Kernel pada tahap ke-3 dan dalam percobaan yang
ini dirancang untuk merespon secara maksimal garis dilakukan penulis.
tepi yang bergerak secara vertikal dan horizontal Setelah piksel O, E, dan B didapatkan
relatif terhadap grid piksel, satu kernel untuk setiap selanjutnya gambar akan dipetakan menjadi gambar
orientasi tegak lulus (perpendicular orientation). biner. Pada gambar biner obyek dan background
Kernel dapat digunakan secara terpisah dipetakan sebagai 0 sedangkan edges dipetakan
dengan gambar masukannya untuk menghasilkan sebagai 1. Dibawah ini merupakan fungsi
pengukuran yang terpisah dari komponen gradien pemetaannya :
orientasinya (Gx dan Gy) komponen gradient ini
disebut juga Perkiraan derevative horisontal dan
vertikal. Besarnya gradien secara matematis dapat
dihitung dengan mengkonvolusikan antara operator
sobel dengan gambar masukannya.
4.7. Segmentasi dengan metode Watershed
Kemudian untuk mencari besarnya nilai
mutlak gradien pada setiap titik dan orientasi
gradien dilakukan penggabungan nilai Gx dan Gy, Watershed merupakan salah satu metode
besarnya nilai mutlak ini seringkali disebut dengan yang digunakan untuk segmentasi gambar. Konsep
discontinuity, berikut ini persamaannya : yang terdapat pada watershed ini yaitu dapat
5
Tugas Akhir Periode Juli 2010
6
Tugas Akhir Periode Juli 2010
(4) Segmentasi watershed menggunakan operasi a. Dari hasil uji coba pencarian parameter a, b,
morfologi dan gradient dan c pada proses pencarian parameter
(5) Segmentasi watershed dengan marker- maximum dari membership function dengan
controlled antara alternatif 1 yaitu metode berdasar
(6) Metode deteksi tepi menggunakan sobel. histogram yang dijelaskan pada makalah
utama[1], dan alternatif 2 yaitu metode berdasar
Dari Tabel 5.2 terbukti bahwa segmentasi histogram yang dijelaskan pada makalah
gambar menggunakan domain neutrosophic dan referensi[9] terbukti bahwa alternatif 2
metode watershed memiliki tingkat akurasi yang menghasilkan hasil segmentasi yang lebih
lebih baik jika dibandingkan dengan beberapa optimal dengan perbandingan rata-rata nilai
meode segmentasi yang lain sebagaimana yang telah akurasi 56,378 untuk alternatif 1 dan 56,583
disebutkan di atas. untuk alternatif 2.
Untuk perbandingan metode berbasis region b. Proses segmentasi citra menggunakan domain
yaitu mean-shift dapat dilihat dari hasil segmentasi neutrosophic dengan metode watershed dapat
yang dihasilkan oleh metode ini dengan metode menghasilkan hasil segmentasi yang optimal
yang diusulkan. Untuk metode means-shift dengan parameter lamda = 0.1 dan ukuran
parameter yang digunakan adalah bandwidth = 7, window = 3 berdasarkan hasil akurasinya
color = 3, minimum = 10, sedangkan pada metode 64,0413 %.
watershed dengan pendekatan neutrosophic c. Metode watershed dengan pendekatan pada
menggunakan parameter window berukuran 3x3 domain neutrosophic terbukti dapat
dengan nilai lamda 0.1. menghasilkan hasil segmentasi yang lebih
optimal dengan akurasi 64.04 jika dibandingkan
segmentasi watershed menggunakan gradien,
segmentasi watershed menggunakan operasi
morfologi dan gradien, segmentasi watershed
dengan marker-controlled, metode edge-based
(Sobel), metode region-based (mean-shift).
7. Daftar Pustaka
[1] Ming Zhang, Ling Zhang, H.D. Cheng,
2009, A neutrosophic approach to
image segmentation based on
watershed method, on Signal
Processing in ScienceDirect.
[2] Yanhui Guoa, H.D.Chenga, 2008, New
neutrosophic approach to image
segmentation, on Pattern Recognition in
ScienceDirect.
[3] Florentin Smarandache, 2000,
Neutrosophic Set – A Generalization
of the Intuitionistic Fuzzy Set., MSC
2000: 03B99, 03E99.
Gambar Error! No text of specified style in document..3 [4] Florentin Smarandache, 2005, A
Perbandingan dengan metode lain, (a) Gambar UNIFYING FIELD IN LOGICS:
Capitol asli (b) Segmentasi menggunakan mean-shift
NEUTROSOPHIC LOGIC.
(c) Segmentasi watershed dengan marker-controlled (d)
Segmentasi menggunakan menggunakan domain NEUTROSOPHY, NEUTROSOPHIC
neutrosophic dan metode watershed SET, NEUTROSOPHIC
PROBABILITY., ISBN 978-1-59973-
Dari Gambar 5.2 dapat dilihat hasil 080-6.
perbandingan antara metode yang diusulkan dengan [5] Haibin Wang, Florentin Smarandache,
metode segmentasi yang lain, dari gambar tersebut Yan-Qing Zhang, Ranshekhar
terlihat bahwa metode yang diusulkan menhasilkan Sunderraman, 2005, Interval
hasil segemntasi yang lebih baik dibandingakn Neutrosophic Set and Logic : Theory
dengan yang lain. and Apllications in Computing.
[6] Charles Ashbacher, 2002,
6. Simpulan INTRODUCTIONTO
Dari uji coba yang telah dilakukan dan NEUTROSOPHIC LOGIC.
setelah menganalisis hasil pengujian terhadap [7] Florentin Smarandache, 2005, N-norm
deteksi serat asing menggunakan segmentasi gambar and N-conorm in Neutrosophic Logic
dapat diambil beberapa kesimpulan antara lain:
7
Tugas Akhir Periode Juli 2010