Segmentasi Citra Tenun Menggunakan Metode Otsu Thresholding dengan Median Filter

Authors

  • Budiman Baso Universitas Timor
  • Darsono Nababan Universitas Timor
  • Risald risald Universitas Timor
  • Renaldi Yulvengki Kolloh Universitas Timor

DOI:

https://doi.org/10.34012/jutikomp.v5i1.2586

Keywords:

Segmentation, Citra Tenun, Otsu Thresholding , Median Filter

Abstract

Segmentasi citra tenun merupakan langkah yang dilakukan untuk memisahkan bagian area objek (foreground) dengan latar belakang (background) pada citra tenun, sehinggah objek tenun yang tersegmentasi berupa motif dapat diproses untuk keperluan lain seperti pengenalan pola. Hasil dari segmentasi harus akurat, jika tidak akurat dalam memisahkan objek yang ada pada citra maka akan mempengaruhi hasil proses selanjutnya. Pada penilitian ini segmentasi dilakukan menggunakan metode Otsu Thresholding pada citra tenun timor dengan terlebih dahulu melakukan preprocessing yaitu reduksi noise menggunakan Median Filter. Setelah mendapatkan citra hasil segmentasi menggunakan Otsu Thresholding dengan Median Filter, selanjutnya melakukan pengukuran performa, hasil segmentasi dari setiap pengujian dievaluasi dengan menggunakan RAE (relative foreground area error) dan ME (missclassification error). Terdapat dua skenario yang diimplementasikan dalam melakukan segmentasi citra tenun timor, skenario yang pertama yaitu melakukan segmentasi citra tenun timor dengan menggunakan metode Otsu Thresholding dan skenario kedua melakukan segmentasi citra tenun timor menggunakan metode Otsu Thresholding dengan penambahan Median Filter. Hasil segmentasi dari 16 citra tenun timor dari 8 motif yang ada menunjukkan bahwa, segmentasi citra tenun dengan menggunakan metode Otsu Thresholding dengan menambahkan Median Filter mendapatkan nilai rata-rata RAE terbaik yaitu 0.34 % dan nilai rata-rata ME sebesar 0.55 %.

References

B. Baso and N. Suciati, “Temu Kembali Citra Tenun Nusa Tenggara Timur Menggunakan Ekstraksi Fitur yang Robust Terhadap Perubahan Skala, Rotasi dan Pencahayaan.” pp. 349–358, 2020.

A. Wedianto, H. L. Sari, and Y. S. H, “Analisa Perbandingan Metode Filter Gaussian, Mean Dan Median Terhadap Reduksi Noise,” Jurnal Media Infotama, vol. 12, no. 1. 2016, doi: 10.37676/jmi.v12i1.269.

M. A. B. Siddique, R. B. Arif, and M. M. R. Khan, “Digital Image Segmentation in Matlab: A Brief Study on OTSU’s Image Thresholding,” 2018 International Conference on Innovation in Engineering and Technology, ICIET 2018. 2018, doi: 10.1109/CIET.2018.8660942.

M. Furqan, Sriani, and I. E. Y. Sari, “Penerapan Metode Otsu dalam Melakukan Segmentasi Citra pada Citra Naskah Arab.” p. Vol.20, No.1, 59~72, 2020.

M. R. Khilmawan and Aditya Akbar Riadi, “Implementasi Pengurangan Noise pada Citra Tulang Menggunakan Metode Median Filter dan Gaussian Filter.” pp. 116–121, 2018.

R. Kosasih, “Pendeteksian Kendaraan Menggunakan Metode Median Filter,” Jurnal Ilmiah Komputasi, vol. 20, no. 1. 2021, doi: 10.32409/jikstik.20.1.402.

I. G. A. Gunadi, “Analisis Perbandingan Metode Filter Mean, Median, Maximum, Minimum, Dan Gaussian Terhadap Reduksi Noise Gaussian, Salt&Papper , Speckle, Poisson, Dan Localvar,” Jurnal Ilmiah SINUS, vol. 17, no. 1. p. 15, 2019, doi: 10.30646/sinus.v17i1.392.

J. Maulida and N. Fadillah, “Analisa dan Perbandingan Metode Median dan Metode Konvolusi pada Gambar Bernoise.” 2019.

Yudianingsih and L. Listyalina, “Penentuan Kombinasi Kernel Terbaik Menggunakan Median Filter.” p. 2016.

C. Vertan, C. Florea, L. Florea, and M.-S. Badea, “Reusing the Otsu threshold beyond segmentation.” 2017.

M. A. Ansari and S. K. Mahraj, “A Robust Method for Identification of Paper Currency Using Otsu’s Thresholding.” 2018.

N. OTSU, “A Tlreshold Selection Method from Gray-Level Histograms.” 1979.

H. El Khoukhi, Y. Filali, and A. Yahyaouy, “A hardware Implementation of OTSU Thresholding Method for Skin Cancer Image Segmentation.” 2019.

B. Meidyani, L. S. Qolby, A. M. Fajrin, A. Z. Arifin, and D. A. Navastara, “Iterated Merging Region Based on The Average Grayscale Difference For Interactive Image Segmentation.” 2019.

A. Z. Arifin, R. Indraswari, N. Suciati, and E. R. Astuti, “Region Merging Strategy Using Statistical Analysis for Interactive Image Segmentation on Dental Panoramic Radiographs.” 2017.

Downloads

Published

2022-04-25

How to Cite

Baso, B., Nababan, D., risald, R., & Kolloh, R. Y. (2022). Segmentasi Citra Tenun Menggunakan Metode Otsu Thresholding dengan Median Filter. JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP), 5(1), 1-6. https://doi.org/10.34012/jutikomp.v5i1.2586

Issue

Vol. 5 No. 1 (2022): Jutikomp Volume 5 Nomor 1 April 2022

Section

Articles

License

Copyright (c) 2022 Budiman Baso, Darsono Nababan, Risald risald, Renaldi Yulvengki Kolloh

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

  • Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
  • Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada  Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Jurnal Teknologi dan Ilmu Komputer Prima sebagai media Publikasi pertama atas karya tersebut.
  • Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Jurnal Teknologi dan Ilmu Komputer Prima sebagai media publikasi pertama atas karya dimaksud.
  • Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.