Detail Karya Ilmiah

  • Segmentasi Citra Berbasis Lokal Entropi Thresholding
    Penulis : Stevian Yudha Nugraha
    Dosen Pembimbing I : Dr. Arif Muntasa, S.Si, M.T.
    Dosen Pembimbing II :Rima Tri Wahyuningrum, S.T., M.T.
    Abstraksi

    Segmentasi Citra merupakan salah satu tahap operasi pada proses analisis dalam bidang pengolahan citra digital. Yaitu proses untuk memisahkan sebuah obyek citra dengan latar belakangnya. Penelitian ini mengimplementasikan metode Segmentasi Citra yang berbasis ambang batas obyek yaitu Metode Lokal Entropi Thresholding. Ada lima tahap dalam sistem ini. Pertama, Pre-processing yaitu mengubah citra RGB menjadi citra Grayscale. Kedua, melakukan Segmentasi Citra menggunakan Metode Lokal Entropi Thresholding untuk mencari nilai Threshold. Nilai Threshold ini yang digunakan untuk mengubah citra Grayscale menjadi citra Biner. Ketiga, proses Invert citra yaitu proses mengubah warna hitam menjadi putih dan warna putih menjadi hitam. Keempat, menghapus Noise pada citra hasil segmentasi. Proses terakhir yaitu menghitung akurasi hasil segmentasi dengan menggunakan metode Regionprops. Kemudian dibandingkan dengan citra Ground Truth berdasarkan hasil pengamatan langsung dari user. Berdasarkan hasil uji coba yang telah dilakukan pada 30 citra, metode ini berhasil mendeteksi obyek dengan prosentase 70%.

    Abstraction

    Image segmentation is one of the stages of the operation in the process of analysis in the field of digital image processing. Which is a process for separating an object with the background image. This research implements image segmentation method based on threshold object, that is Local Entropy Thresholding Method. There are five steps in this system. First, Pre-processing is to convert the RGB image into a grayscale image. Second, Image Segmentation using the Local Entropy Thresholding Method for searching for the value of thresholding. The value of thresholding is used to convert grayscale image into binary image. Third, the invert image processing is the process of changing the color image black to white and white to black. Fourth, remove noise in image segmentation results. The final process is calculate the accuracy of segmentation results using Regionprops. Then compared with the image of Ground Truth based on direct observation of user. Based on the results of research that have been performed on 30 images, this method successfully detects objects with a percentage of 70%.

Detail Jurnal