Diajukan Untuk Melengkapi Sebagai Syarat Memperoleh Gelar ...
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar ...
Transcript of Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar ...
i
IMPLEMENTASI SEGMENTASI CITRA DOKUMEN TEKS
SASTRA JAWA MENGGUNAKAN ALGORITMA WATERSHED
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Teknik
Jurusan Teknik Informatika
Oleh :
Kartono Pinaryanto
055314067
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2009
i
THE SEGMENTATION IMPLEMENTATIONS
OF THE JAVANESE LITERATURE DOCUMENT TEXT IMAGE
USING ALGORITHM WATERSHED
A THESIS
Presented as a Partial Fulfillment of the Requirements To Obtain Sarjana Teknik Degree
In Informatics Engineering
By :
Kartono Pinaryanto
055314067
INFORMATICS ENGINEERING STUDY PROGRAM
INFORMATICS ENGINEERING DEPARTMENT
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2009
ii
iii
iv
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak
memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan
dan daftar pustaka, sebagaimana layaknya karya ilmiah.
Yogyakarta, 29 Juli 2009
Penulis
Kartono Pinaryanto
v
ABSTRAK
Dokumen teks sastra jawa merupakan akar budaya bangsa Indonesia yang perlu
dilestarikan. Pengenalan huruf pada sebuah citra dokumen teks sastra Jawa adalah salah
satu cara untuk melestarikan kebudayaan tersebut. Segmentasi adalah salah satu proses
dalam pengolahan citra pada citra dokumen teks yang bertujuan untuk memisahkan obyek-
obyek yang ada pada citra dokumen teks. Hasil pemisahan obyek tersebut akan digunakan
sebagai masukan untuk proses pengenalan huruf citra dokumen teks sastra Jawa.
Pada tugas akhir ini dibuat perangkat lunak untuk melakukan segmentasi citra
dokumen teks sastra Jawa menggunakan algoritma watershed. Algoritma watershed
menganggap sebuah citra merupakan bentuk tiga dimensi yaitu posisi x, posisi y dan
tinggi dengan tingkat warna piksel paling gelap menjadi dasarnya. Data masukan untuk
perangkat lunak ini adalah sebuah file gambar dengan format *.jpg. Perangkat lunak ini
dikembangkan dengan menggunakan bahasa pemrograman Java dan bahasa
pemrograman MATLAB 6.5 yang dihubungkan dengan JMATLink.
Berdasarkan pengujian terhadap 10 citra dokumen teks sastra Jawa, diperoleh
segmentasi obyek watershed dengan rata-rata prosentase kebenaran dan rata-rata
prosentase akurasi masing-masing sebesar 97,123% dan 84,932% sehingga dapat
disimpulkan bahwa pemilihan metode segmentasi obyek ini relatif baik. Untuk
segmentasi karakter watershed rata-rata prosentase kebenaran sebesar 57,443% sehingga
dapat disimpulkan bahwa pemilihan metode segmentasi karakter ini kurang baik dan rata-
rata waktu yang dibutuhkan adalah 39,7267 detik yang menjelaskan bahwa metode
segmentasi yang digunakan relatif singkat.
vi
ABSTRACT
The Javanese literature texts are the roots of Indonesian people’s culture which
need to be preserved. Knowing the image document texts of the Javanese litetures is one
of the methods to process image in the image document texts which is inteded to split the
objects on the image document text. The result of the splitting the objects would be used
as the entry for the process to know the letters of image document texts in the Javanese
literature texts.
In this final project, a software was made to do the segmenting of the image
document texts from the Javanese literature documents using Watershed algorithm.
Watershed algorithm considers an image as a tridemtional form of X position, Y position
and its height with the deepest cell colour as its background. The entry of this software
was an image file with .jpg format. This software was developed using Java language
programing and MATLAB 6.5 language programming which was linked to JMATLink.
Based on the test result on the 10 document image texts of the Javanese
literatures, the watershed object segmentation achieved the average of 97,123% validity
and average of 84,932% accuration which then concluded that this selection of the object
segmentation method was quite good. Because the average accuration of Watershed
segmentation carachter achieved 57,443% it was concluded that the choice of character
segmentation method was not really good and the average time needed was 39,7267
seconds which showed that this used segmentation method was quite short.
vii
LEMBAR PERNYATAAN PERSETUJUAN
PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN KAMPUS
Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma :
Nama : Kartono Pinaryanto
NIM : 055314067
Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan
Universitas Sanata Dharma karya ilmiah saya yang berjudul:
”Implementasi Segmentasi Citra Dokumen Teks Sastra jawa menggunakan algoritma
watershed ” Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya
memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan,
mengalihkan, dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data,
mendistribusikannya secara terbatas, dan mempublikasikannya di internet dan media lain
untuk kepentingan akademis tanpa perlu minta izin dari saya maupun memberikan royalti
kepada saya selama tetap mencantumkan nama saya sebagai penulis.
Demikian pernyataan ini saya buat dengan sebenarnya.
Yogyakarta, 29 Juli 2009
Penulis,
Kartono Pinaryanto
viii
KATA PENGANTAR
Puji syukur ke hadirat Tuhan Yang Maha Esa atas berkat dan kasihnya sehingga
penulis dapat menyelesaikan skripsi ini.
Skripsi ini ditulis untuk memenuhi salah satu syarat dalam memperoleh gelar
Sarjana Teknik, Program Studi Teknik Informatika di Fakultas Sains dan Teknologi
Universitas Sanata Dharma Yogyakarta.
Dalam penulisan skripsi ini penulis menyadari banyak pihak yang telah
memberikan sumbangan baik pikiran, waktu, tenaga, bimbingan dan dorongan kepada
penulis sehingga akhirnya skripsi ini dapat selesai. Oleh karena itu pada kesempatan ini
penulis menyampaikan ucapan terimakasih kepada :
1. Anastasia Rita Widiarti, S.Si., M.Kom. selaku dosen pembimbing yang telah
memberikan bimbingan, arahan dan petunjuk selama penulisan skripsi.
2. Yosef Agung Cahyanta, S.T., M.T. selaku Dekan Fakultas Sains dan Teknologi.
3. Puspaningtyas Sanjoyo Adi, S.T., M.T. selaku Kepala Program Studi Teknik
Informatika.
4. Eko Hari Parmadi, S.Si., M.Kom selaku dosen penguji yang telah memberikan
masukan, saran dan kritik yang membangun untuk skripsi ini.
5. Drs. C. Kuntoro Adi, SJ, MA, M.Sc.,Ph.D. selaku dosen penguji yang telah
memberikan masukan, saran dan kritik yang membangun untuk skripsi ini.
6. Sri Hartati Wijono, S.Si., M.Kom. yang telah membantu penulis dalam penulisan
skripsi ini.
ix
7. Papa (alm), Mama, Kakak-kakakku dan Keponakanku yang telah banyak
memberikan dukungan secara moril maupun materi kepada penulis selama
penyusunan skripsi ini.
8. Teman-temanku angkatan 2005 yang telah memberikan semangat kepada penulis
selama penyusunan skripsi ini.
Penulis menyadari bahwa skripsi ini masih banyak kekurangan dan jauh dari
kesempurnaan, sehingga segala kritik dan saran yang bersifat membangun sangat penulis
harapkan demi perbaikan skripsi ini. Akhirnya dengan segala kekurangan yang ada,
penulis berharap agar skripsi ini masih dapat diambil manfaatnya.
Yogyakarta, 29 Juli 2009
Penulis
Kartono Pinaryanto
x
DAFTAR ISI
HALAMAN JUDUL ………………………………………………………………….. i
HALAMAN PERSETUJUAN PEMBIMBING ………………………………………. ii
HALAMAN PENGESAHAN ………………………………………………………… iii
PERNYATAAN KEASLIAN KARYA …………………..…………………..……..... iv
ABSTRAK …………………..…………………..…………………..………………... v
ABSTRACT …………………..…………………..…………………..………………... vi
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI .................................... vii
KATA PENGANTAR …………………..…………………..…………………..…...... viii
DAFTAR ISI …………………..…………………..…………………..…………….... x
DAFTAR GAMBAR …………………..…………………..…………………..……... xiv
DAFTAR TABEL …………………..…………………..…………………..………... xvii
DAFTAR LAMPIRAN …………………..…………………..…………………........ xix
BAB I PENDAHULUAN …………………..…………………..…………………... 1
1.1 Latar Belakang Masalah …………………..…………………..…………....... 1
1.2 Rumusan Masalah …………………..…………………..………………….... 2
1.3 Batasan Masalah …………………..…………………..…………………...... 2
1.4 Tujuan dan Manfaat Penelitian …………………..…………………..…….... 3
1.4.1 Tujuan Penelitian …………………..…………………..…………….. 3
1.4.2 Manfaat Penelitian …………………..…………………..………….... 3
1.5 Metode Penelitian …………………..…………………..………………….... 4
1.6 Sistematika Penulisan …………………..…………………..……………….. 6
xi
BAB II LANDASAN TEORI …………………..…………………..………………... 7
2.1 Pengertian Citra …………………..…………………..…………………...... 7
2.2 Citra Dokumen Teks …………………..…………………..………………... 9
2.3 Grayscaling …………………..…………………..…………………......…... 10
2.4 Binerisasi …………………..…………………..…………………..………... 11
2.5 Morphological Processing …………………..…………………..………....... 15
2.5.1 Dilasi ...................................................................................................... 17
2.5.2 Erosi ....................................................................................................... 19
2.5.3 Morphological Gradient ......................................................................... 21
2.6 Segmentasi Citra ………..……………..……………..……………..………... 22
2.7 Morphologi Watershed ………..……………..……………..……………...... 23
2.7.1 Pembentukan Dam ………..……………..……………..…………….. 25
2.7.2 Algoritma Morphologi Watershed ………..……………..…………… 27
2.7.3 Contoh Algoritma Morphologi Watershed ………..……………..…… 30
2.8 Huruf Jawa ………..……………..……………..……………...………..…… 34
2.8.1 Aksara Jawa ………..……………..……………..……………...……. 34
2.8.2 Aksara Pasangan ………..……………..……………..……………..... 34
2.8.3 Aksara Murda ………..……………..……………..……………......… 34
2.8.4 AksaraWilangan ………..……………..……………..……………...... 35
2.8.5 Aksara Swara ………..……………..……………..…………….......... 35
2.8.6 Tanda Baca (Sandangan) ………..……………..……………..…...…. 35
2.9 Matlab ………..……………..……………..……………...………..……….. 36
2.10 Java ………..……………..……………..……………...………..…….......... 36
xii
2.11 JMATLink ………..……………..……………..……………...………......... 37
2.12 Kompleksitas Waktu Asimptotik ………..……………..……………........... 37
BAB III ANALISA DAN PERANCANGAN SISTEM ………..……………............ 39
3.1 Analisa Sistem ………..……………..……………..……………................. 39
3.1.1 Gambaran Sistem secara Umum ………..……………..………......... 39
3.1.2 Pre-processing ………..……………..……………..…………........... 42
3.1.2.1 Proses Binerisasi ………..……………..……………......... 42
3.1.2.2 Proses Morphological Gradient ………..…………............ 43
3.1.2.2.1 Proses Dilasi ………..……………..….............. 43
3.1.2.2.2 Proses Erosi ………..……………..…............... 44
3.1.3 Proses Segmentasi ………..……………..…....………..……............ 44
3.2 Perancangan Sistem ………..……………..…....………..……………......... 45
3.2.1 Perancangan Halaman Utama ………..……………..…....……........ 46
3.2.2 Perancangan Halaman Segmentasi Citra ………..……………......... 47
3.2.3 Perancangan Halaman Daftar Data Hasil Segmentasi ....................... 48
3.2.4 Perancangan Halaman Tentang Program ………..……………......... 49
3.2.5 Perancangan Halaman Bantuan ………..……………..….................. 49
3.2.6 Perancangan Halaman Keluar ………..……………..…....……........ 50
3.3 Perancangan Cara Pengujian ………..……………..…....………..……........ 51
3.4 Spesifikasi Hardware dan Software ………..……………..…....………........ 52
3.4.1 Hardware ………..……………..…....………..……………..…......... 52
3.4.2 Software ………..……………..…....………..……………..….......... 52
BAB IV IMPLEMENTASI ………..……………..…....………..……………..…....... 53
xiii
4.1 Tampilan Halaman Utama ………..……………..…....………..………....... 53
4.2 Tampilan Halaman Segmentasi ………..……………..…....………............. 54
4.3 Tampilan Halaman Daftar Data Hasil Segmentasi ......................................... 55
4.4 Tampilan Tentang Program ………..……………..…....………..…….......... 56
4.5 Tampilan Halaman Bantuan ………..……………..…....………..……......... 57
4.6 Tampilan Halaman Keluar ………..……………..…....………..………....... 58
BAB V HASIL DAN PEMBAHASAN ………..……………..…....………..…....... 59
5.1 Data Masukan ………..……………..…....………..……………..…............ 59
5.2 Pengujian Data Masukan ………..……………..…....………..………......... 60
5.3 Analisa Kompleksitas Waktu ........................................................................ 67
5.4 Analisa Hasil Proses Pengujian ..................................................................... 82
5.5 Analisa Hasil Segmentasi ………..……………..…....………..………........ 85
5.6 Rangkuman Hasil Segmentasi ………..……………..…....………..…......... 110
5.7 Kelemahan Sistem ………..……………..…....………..……………........... 114
BAB VI KESIMPULAN DAN SARAN ………..……………..…....………............. 115
6.1 Kesimpulan ………..……………..…....………..……………..…................ 115
6.2 Saran ………..……………..…....………..……………..…....……….......... 116
DAFTAR PUSTAKA ………..……………..…....………..……………..…............... 117
LAMPIRAN ………..……………..…....………..……………..…....………............. 118
xiv
DAFTAR GAMBAR
Gambar 1.1 Model Waterfall ………..……………..…....………..……………..…...... 4
Gambar 2.1 Citra biner dan representasinya dalam data digital ………..…………….. 8
Gambar 2.2 Citra skala keabuan dan representasinya dalam data digital ………..…... 8
Gambar 2.3 Citra warna dan representasinya dalam data digital ………..….……....... 9
Gambar 2.4 Citra dokumen teks ………..……………..…....………..……………...... 10
Gambar 2.5 Contoh perubahan data digital citra warna menjadi citra grayscale .......... 11
Gambar 2.6 Contoh perubahan data digital citra warna menjadi citra baru .................. 14
Gambar 2.7 Contoh citra warna sebelum mengalami proses binerisasi ........................ 15
Gambar 2.8 Contoh citra warna setelah mengalami proses binerisasi ........................... 15
Gambar 2.9 Moore Neighborhood ………..……………..…....………..………............ 16
Gambar 2.10 Titik Terisolasi, Titik Ujung dan Titik Batas ………..…………….......... 17
Gambar 2.11 Contoh perubahan data digital citra baru menjadi citra dilasi .................. 18
Gambar 2.12 Contoh citra baru sebelum mengalami proses dilasi ………...……......... 19
Gambar 2.13 Contoh citra baru setelah mengalami proses dilasi ………..…….…....... 19
Gambar 2.14 Contoh perubahan data digital citra baru menjadi citra erosi .................. 20
Gambar 2.15 Contoh citra baru sebelum mengalami proses erosi …….…..………..... 21
Gambar 2.16 Contoh citra baru setelah mengalami proses erosi ………..……..…...... 21
Gambar 2.17 Hasil operasi Morphological Gradient dalam bentuk data digital ……... 22
Gambar 2.18 Contoh hasil operasi Morphological Gradient dalam bentuk citra …..… 22
Gambar 2.19 Konsep dasar Morphological Watershed ………..…….……….….......... 25
Gambar 2.20 Pembentukan Dam ………..……………..…....………..……………...... 27
xv
Gambar 2.21 Contoh digital algoritma Watershed Langkah 1 ………..…………….... 30
Gambar 2.22 Contoh digital algoritma Watershed Langkah 2 ………..………….…... 31
Gambar 2.23 Contoh digital algoritma Watershed Langkah 3 ………..………….…... 32
Gambar 2.24 Contoh digital algoritma Watershed Langkah 4 ………..…………….... 33
Gambar 2.25 Aksara Jawa ………..……………..…....………..……………..…......... 34
Gambar 2.26 Aksara Pasangan ………..……………..…....………..……………......... 34
Gambar 2.27 Aksara Murda ………..……………..…....………..……………..…....... 34
Gambar 2.28 Aksara Wilangan ………..……………..…....………..……………........ 35
Gambar 2.29 Aksara Swara ………..……………..…....………..……………..…........ 35
Gambar 2.30 Tanda Baca (Sandangan) ………..……………..…....………..……….... 35
Gambar 3.1 Diagram Konteks ………..……………..…....………..……………..….... 40
Gambar 3.2 DFD Level 1 ………..……………..…....………..……………..…........... 40
Gambar 3.3 DFD Level 2 Proses 1 ………..……………..…....………..……………... 41
Gambar 3.4 Diagram proses Binerisasi ………..……………..…....………..……….... 42
Gambar 3.5 Diagram proses Morphological Gradient ………..……………..…....…... 43
Gambar 3.6 Diagram proses Dilasi ………..……………..…....………..…………….. 43
Gambar 3.7 Diagram Proses Erosi ………..……………..…....………..……………... 44
Gambar 3.8 Diagram proses Segmentasi Watershed ………..……………..…..……... 45
Gambar 3.9 Perancangan Halaman Utama ………..……………..…....……..……...... 46
Gambar 3.10 Perancangan Halaman Segmentasi Citra ………..………………........... 47
Gambar 3.11 Perancangan Halaman Daftar Data Hasil Segmentasi ............................. 48
Gambar 3.12 Perancangan Halaman Tentang Program ……..…..…………..…........... 49
Gambar 3.13 Perancangan Halaman Bantuan ………..……………..…....................... 49
xvi
Gambar 3.14 Perancangan Halaman Keluar ………..……………..…....………..……. 50
Gambar 4.1 Halaman Utama ………..……………..…....………..……………..…...... 53
Gambar 4.2 Halaman Segmentasi ………..……………..…....………..…………….... 54
Gambar 4.3 Halaman Daftar Data Hasil Segmentasi .................................................... 55
Gambar 4.4 Halaman Tentang Program ………..……………..…....………..………... 56
Gambar 4.5 Halaman Bantuan ………..……………..…....………..……………..….... 57
Gambar 4.6 Halaman Keluar ………..……………..…....………..……………..…...... 58
Gambar 5.1 Citra dokumen 1 ………..……………..…....………..……………..…...... 60
Gambar 5.2 Citra dokumen 1 hasil proses binerisasi ………..……………..…............. 60
Gambar 5.3 Citra dokumen 1 hasil proses dilasi ………..……………..…....……….... 61
Gambar 5.4 Citra dokumen 1 hasil proses erosi ………..……………..…....………..... 61
Gambar 5.5 Citra dokumen 1 hasil proses Morphological Gradient ……….................. 62
Gambar 5.6 Potongan citra Morphological Gradient dokumen 1 ………..…....…….... 63
Gambar 5.7 Data digital potongan citra Morphological Gradient dokumen 1 ……....... 63
Gambar 5.8 Inisialisasi daerah minima-minima baru pada data digital Potongan citra
morphological gradient dokumen 1 ………..…....………..….................... 64
Gambar 5.9 Proses segmentasi pada data digital potongan citra Morphological Gradient
dokumen 1 ………..…....………..…....………..…....………..….............. 65
Gambar 5.10 Hasil segmentasi potongan citra Morphological Gradient dokumen 1 ...... 66
Gambar 5.11 Citra dokumen 1 hasil proses segmentasi ………..…....………..….......... 66
xvii
DAFTAR TABEL
Tabel 2.1 Perbandingan pertumbuhan T(n) dengan n2 ………..…....………..…....….. 37
Tabel 5.1 Kriteria citra dokumen masukan …..…....………..…....……..…....……….. 59
Tabel 5.2 Daftar Data Hasil Segmentasi Citra Dokumen 1 …..…....………..…....…... 82
Tabel 5.3 Waktu Proses awal dan proses segmentasi watershed …..…....………..….. 86
Tabel 5.4 Besar file Proses awal dan proses segmentasi watershed …..…....……….... 87
Tabel 5.5 Hasil obyek citra dokumen 1 proses segmentasi watershed ..…....………… 89
Tabel 5.6 Hasil obyek citra dokumen 2 proses segmentasi watershed ..…....………… 90
Tabel 5.7 Hasil obyek citra dokumen 3 proses segmentasi watershed ..…....………... 91
Tabel 5.8 Hasil obyek citra dokumen 4 proses segmentasi watershed ..…....………… 92
Tabel 5.9 Hasil obyek citra dokumen 5 proses segmentasi watershed ..…....………… 93
Tabel 5.10 Hasil obyek citra dokumen 6 proses segmentasi watershed ..…....……….. 94
Tabel 5.11 Hasil obyek citra dokumen 7 proses segmentasi watershed ..…....……….. 95
Tabel 5.12 Hasil obyek citra dokumen 8 proses segmentasi watershed ..…....……….. 96
Tabel 5.13 Hasil obyek citra dokumen 9 proses segmentasi watershed ..…....……….. 97
Tabel 5.14 Hasil obyek citra dokumen 10 proses segmentasi watershed ..…....……… 98
Tabel 5.15 Hasil karakter citra dokumen 1 proses segmentasi watershed ..…....…….. 99
Tabel 5.16 Hasil karakter citra dokumen 2 proses segmentasi watershed ..…....…….. 100
Tabel 5.17 Hasil karakter citra dokumen 3 proses segmentasi watershed ..…....…….. 101
Tabel 5.18 Hasil karakter citra dokumen 4 proses segmentasi watershed ..…....……... 102
Tabel 5.19 Hasil karakter citra dokumen 5 proses segmentasi watershed ..…....……... 103
Tabel 5.20 Hasil karakter citra dokumen 6 proses segmentasi watershed ..…....……... 104
xviii
Tabel 5.21 Hasil karakter citra dokumen 7 proses segmentasi watershed ..…....…….. 105
Tabel 5.22 Hasil karakter citra dokumen 8 proses segmentasi watershed ..…....…….. 106
Tabel 5.23 Hasil karakter citra dokumen 9 proses segmentasi watershed ..…....…….. 107
Tabel 5.24 Hasil karakter citra dokumen 10 proses segmentasi watershed ..…....…… 108
Tabel 5.25 Hasil percobaan proses penyaringan hasil segmentasi citra ....................... 109
Tabel 5.26 Rangkuman hasil segmentasi obyek dan bukan obyek ..…....………......... 110
Tabel 5.27 Rangkuman hasil Analisis segmentasi obyek ..…....……… ..…....……… 111
Tabel 5.28 Rangkuman hasil Analisis segmentasi karakter ..…....……….. .…....…… 112
xix
DAFTAR LAMPIRAN
Lampiran 1 Listing Program ..…....……….. ..…....……….. ..…....…………………. 118
Lampiran 2 Data Citra Dokumen Masukan dan Hasil ..…....……….. ..…....………... 133
Lampiran 3 Daftar Data Hasil Segementasi Obyek ..…....……….. ..…....…………... 144
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Kota Yogyakarta kaya akan budaya-budaya karya sastra Jawa (aksara
Jawa) yang merupakan akar budaya bangsa Indonesia dan mempunyai kekuatan
untuk menyaring pengaruh kebudayaan asing serta meningkatkan kehidupan
masyarakat Jawa khususnya dan bangsa Indonesia umumnya. Namun dengan
berubahnya zaman, dimana sastra Jawa hanya sebagai pendukung bahasa dan
budaya nasional, maka tradisi penerjemahan sastra Jawa perlu dihidupkan kembali.
Penerjemah ini diharapkan mampu mengambil unsur yang dapat mengembangkan
peradaban Jawa dalam sastra Indonesia atau sastra asing.
Seiring dengan perkembangan teknologi di bidang komputer khususnya
dalam penerapan pengolahan citra maka untuk menerjemahkan huruf aksara Jawa
menjadi bahasa latin memerlukan beberapa proses awal (pre-processing) yang
harus dilalui. Salah satu proses yang harus dilalui adalah proses segmentasi. Proses
segmentasi merupakan proses untuk membagi sebuah gambar (citra) menjadi
obyek-obyek berdasarkan karakteristik tertentu dan kemudian masing-masing
obyek dapat digunakan sebagai input bagi proses yang lain. Sebagai contoh, pada
proses pengenalan jenis obyek, proses segmentasi diperlukan untuk melakukan
pemisahan masing-masing obyek terhadap latar sehingga pada saat proses
pengenalan, bagian latar tidak ikut terproses. Begitu pula untuk proses pengenalan
huruf pada sebuah citra teks, diperlukan juga proses segmentasi untuk mendapatkan
huruf yang akan dikenali. Mengingat pentingnya proses segmentasi tersebut sebagai
2
proses awal, maka dibutuhkan algoritma segmentasi yang dapat melakukan
pemisahan obyek dengan akurat, salah satunya adalah algoritma watershed.
Menurut penelitian (Adipranata,dkk, 2008) algoritma watershed adalah algoritma
yang menganggap sebuah citra merupakan bentuk tiga dimensi yaitu posisi x, posisi
y dan tinggi dengan tingkat warna piksel (gray-scale) yang dimiliki, dan dari hasil
penelitian mereka diperoleh informasi bahwa algoritma watershed baik digunakan
untuk melakukan segmentasi citra gambar. Dari sini maka dalam penulisan tugas
akhir ini, penulis akan mencoba menggunakan algoritma watershed untuk menguji
apakah algoritma watershed baik digunakan untuk melakukan segmentasi pada citra
dokumen teks sastra Jawa.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang dikemukakan, timbul permasalahan yang
ingin dibahas yaitu :
1. Bagaimana cara kerja dan implementasi algoritma Watershed pada segmentasi ?
2. Bagaimana cara menguji unjuk kerja algoritma Watershed pada segmentasi citra
dokumen teks sastra Jawa ?
1.3 Batasan Masalah
Agar penulisan laporan tugas akhir ini lebih terarah, maka Penulis membatasi
masalah :
1. Pembuatan program yang hanya dapat mengimplementasikan segmentasi citra
dengan menggunakan algoritma Watershed.
3
2. Data sumber citra yang digunakan adalah citra dokumen teks sastra Jawa yang
telah mengalami proses menghilangkan noise dan pengisian atau penebalan
piksel.
3. Citra yang dapat diproses adalah citra dokumen teks sastra Jawa dengan
ekstensi jpg dan memiliki ukuran baris diantara 285 sampai dengan 310 piksel
dan ukuran kolom diantara 1270 sampai dengan 1300 piksel.
4. Menggunakan Sistem Operasi Windows XP.
5. Menggunakan bahasa pemrograman Java (NetBeans IDE 5.5) dan bahasa
pemrograman MATLAB 6.5 yang dihubungkan dengan JMATLink.
1.4 Tujuan dan Manfaat Penelitian
1.4.3 Tujuan Penelitian
Tujuan Penelitian dalam penulisan laporan tugas akhir ini adalah :
1. Memahami konsep dasar membuat program aplikasi segmentasi citra dengan
algoritma Watershed.
2. Menguji unjuk kerja algoritma Watershed pada segmentasi citra dokumen teks
sastra Jawa.
1.4.4 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat bermanfaat untuk kepentingan
perkuliahan Teknologi Citra dan perkembangan sistem informasi dalam hal
komputasi serta memberikan program yang dapat digunakan oleh umum guna
melakukan manipulasi dan mengolah citra.
4
1.5 Metode Penelitian
Metode penelitian yang ditempuh penulis adalah sebagai berikut :
1. Studi pustaka tentang teknik segmentasi citra dengan algoritma Watershed
melalui buku-buku pendukung, browsing di internet, handout dari materi kuliah
Teknologi Citra.
2. Mengembangkan sistem segmentasi sebagai alat bantu pengujian perangkat
lunak, yang menggunakan metode “Waterfall” ( Pressman, 1992).
Tahapan metode ini meliputi :
a. System Engineering (Rekayasa Sistem)
Pada tahap rekayasa sistem ditentukan tujuan dari perangkat lunak
yang akan dibuat. Setelah menentukan tujuan perangkat lunak barulah dapat
menentukan kebutuhan-kebutuhan dari perangkat lunak yang akan dibuat,
kemudian mengalokasikan kebutuhan-kebutuhan tersebut ke dalam
pembentukan perangkat lunak. Perangkat lunak dalam tugas akhir ini dibuat
dengan tujuan untuk melakukan segmentasi citra. Kebutuhan-kebutuhan
5
dari perangkat lunaknya adalah teori-teori dasar yang berhubungan dengan
topik (segmentasi citra), metode yang digunakan prosedure, perangkat
lunak, dan perangkat keras.
b. Analysis (Analisis)
Pada tahap analisis ini dilakukan penentuan spesifikasi sistem yang
akan dikembangkan.
c. Design (Perancangan)
Pada tahap perancangan dilakukan perancangan prosedure detil
dan karakteristik antarmuka pemakai. Dalam penulisan tugas akhir ini tahap
perancangan dimulai dari perancangan perangkat lunak yang terdiri dari
perancangan proses detil dan perancangan antarmuka pemakai.
d. Code (Penulisan Program)
Pada tahap penulisan program ini, perangkat lunak diterjemahkan
ke dalam bentuk program komputer. Didalam tugas akhir ini hasil dari
rancangan perangkat lunak diterjemahkan ke dalam bentuk program
menggunakan bahasa pemrograman Matlab dan Java yang dihubungkan
dengan JMatLink.
e. Testing (Pengujian)
Pada tahap pengujian dilakukan pencarian segala kemungkinan
kesalahan dan memeriksa apakah hasil segmentasi sudah sesuai dengan
tujuan penelitian.
6
1.6 Sistematika Penulisan
Sistematika penulisan skripsi ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini secara umum menjelaskan mengenai latar belakang masalah,
rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode
penelitian, serta sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini membahas teori – teori mengenai pengertian citra, pengertian dan
tujuan segmentasi, metode-metode segmentasi, algoritma watershed dan
metode yang akan digunakan dalam pengembangan perangkat lunak.
BAB III ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas analisa dan perancangan sistem secara umum,
rancangan proses serta rancangan antar muka yang akan digunakan.
BAB IV IMPLEMENTASI
Bab ini membahas implementasi dalam bentuk program berdasarkan
analisa dan perancangan yang telah dilakukan
BAB V HASIL DAN PEMBAHASAN
Bab ini berisi mengenai analisa hasil implementasi segmentasi citra
dokumen teks sastra Jawa serta pembahasannya.
BAB VI. KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dan saran dari hasil analisa, perancangan, dan
implementasi sistem.
7
BAB II
LANDASAN TEORI
Pada bab ini membahas teori–teori mengenai pengertian citra, pengertian dan
tujuan segmentasi, metode-metode pre-processing dan segmentasi, algoritma watershed
dan metode yang akan digunakan dalam pengembangan perangkat lunak.
2.1 Pengertian Citra
Citra merupakan suatu gambar pada bidang dua dimensi (Achmad dan
Firdausy, 2004). Secara umum citra dapat dikelompokkan menjadi citra tampak
seperti foto keluarga dan citra tak tampak seperti data gambar dalam file yang
sering disebut citra digital. Dari antara kelompok citra tersebut, hanya citra digital
yang dapat diolah menggunakan komputer.
Citra digital tersusun atas kumpulan titik atau elemen-elemen gambar yang
disebut piksel (picture element). Piksel merupakan elemen terkecil dari sebuah citra
digital, dengan jumlah total piksel adalah M x N, dimana M merupakan width (nilai
lebar citra digital) dan N merupakan height (nilai tinggi citra digital). Setiap piksel
memiliki nilai berupa angka digital yang mempresentasikan informasi yang
mewakili piksel tersebut.
Format nilai piksel (Achmad dan Firdausy, 2004) ditentukan oleh format
citra digital antara lain :
1. Citra Biner
Citra biner biasanya juga disebut citra monokrom. Pada citra biner,
setiap titik bernilai 0 atau 1, masing-masing merepresentasikan warna tertentu
8
(misalnya : warna hitam bernilai 0 dan warna putih bernilai 1). Setiap titik pada
citra hanya membutuhkan 1 bit, sehingga setiap byte dapat menampung
informasi 8 titik.
Gambar 2.1 Citra biner dan representasinya dalam data digital
(Achmad dan Firdausy, 2004)
2. Citra Skala Keabuan
Citra skala keabuan biasanya juga disebut citra gray-level. Gray-level
adalah tingkat warna abu-abu dari sebuah piksel, dapat juga dikatakan tingkat
cahaya dari sebuah piksel. Maksudnya nilai yang terkandung dalam piksel
menunjukkan tingkat terangnya piksel tersebut dari hitam ke putih. Biasanya
ditetapkan nilainya antara 0 hingga 255 (untuk 256 gray-level), dengan 0 adalah
hitam dan 255 adalah putih. Karena hanya terbatas 1 byte saja maka untuk
mempresentasikan nilai piksel cukup 8 bit saja. Grayscale adalah citra yang
memiliki gray-level sebagai nilai dari tiap piksel-nya.
Gambar 2.2 Citra skala keabuan dan representasinya dalam data digital
(Achmad dan Firdausy, 2004)
9
3. Citra Warna
Pada citra warna, setiap titik mempunyai warna yang spesifik yang
merupakan kombinasi dari tiga warna dasar, yaitu : merah, hijau dan biru.
Format citra seperti ini sering disebut sebagai citra RGB (red-green-blue).
Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8
bit), misalnya warna kuning merupakan kombinasi warna merah dan hijau
sehingga nilai RGB-nya adalah 255.255.0. Dengan demikian setiap tiitk pada
citra warna membutuhkan data 3 byte.
Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224
atau lebih dari 16 juta warna, dengan demikian bisa dianggap mencakup semua
warna yang ada.
Gambar 2.3 Citra warna dan representasinya dalam data digital
(Achmad dan Firdausy, 2004)
2.2 Citra Dokumen Teks
Dokumen teks merupakan sebuah tulisan yang memuat informasi
(Anonim, 2009). Biasanya dokumen ditulis atau dicetak diatas kertas dan
informasinya ditulis menggunakan tinta baik menggunakan tangan ataupun media
elektronik seperti komputer.
10
Sama halnya dengan dokumen teks, citra dokumen teks merupakan suatu
citra yang berisi kumpulan teks atau tulisan, namun dalam format digital. Citra
dokumen teks masukan yang diperlukan dalam proses segmentasi adalah berupa
citra dokumen keabuan atau citra dokumen biner. Jika citra masukan berupa citra
berwarna, maka citra tersebut akan diproses dan diubah menjadi citra keabuan
(melalui proses grayscaling) atau menjadi citra biner (melalui proses binerisasi).
Gambar 2.4 Citra dokumen teks
2.3 Grayscaling
Grayscaling adalah proses perubahan nilai piksel dari warna (RGB)
menjadi gray-level (Gonzales and Woods, 2002). Pada dasarnya proses ini
dilakukan dengan mencari nilai rerata dari ketiga nilai elemen warna, sehingga nilai
keabuan yang merepresentasikan intensitas dapat dihitung (Achmad dan Firdausy,
2004) dengan rumus :
Ri + Gi + Bi K0 = 3 (2-1)
11
Gambar 2.5 Contoh perubahan data digital citra warna menjadi citra grayscale
Untuk gambar 2.5 (a) adalah representasi citra warna yang terdiri dari 3 keping
warna yaitu keping I (red), keping II (green) dan keping III (blue) yang digunakan
adalah citra warna seperti gambar 2.3. Berdasarkan 3 keping warna tersebut maka
dicari nilai rata-ratanya sehingga akan menghasilkan representasi citra grayscale
seperti gambar 2.5 (b).
Pada proses grayscaling yang merupakan metode asli dari segmentasi
watershed (Adipranata dkk, 2008), tetapi untuk penulisan tugas akhir ini, Penulis
tidak menggunakan proses grayscaling melainkan menggunakan proses binerisasi.
2.4 Binerisasi
Proses binerisasi adalah proses perubahan format skala keabuan menjadi
citra biner, yang hanya memiliki 2 buah nilai (0 dan 1). Dalam proses binerisasi
pertama kali akan mencari nilai ambang (thersholding), selanjutnya titik dengan
nilai rentang nilai keabuan tertentu diubah menjadi berwarna hitam (0) dan sisanya
menjadi putih (1) (Achmad dan Firdausy, 2004). Untuk penulisan tugas akhir ini,
12
penulis memodifikasi nilai warna putih menjadi nilai 255. Sehingga akan dihasilkan
citra baru yang telah mengalami proses binerisasi.
Dalam proses binerisasi menggunakan metode otsu. Tujuan dari metode
otsu adalah membagi histogram citra gray level kedalam dua daerah yang berbeda
secara otomatis tanpa membutuhkan bantuan user untuk memasukkan nilai ambang
(Darma Putra, 2009). Pendekatan yang dilakukan oleh metode otsu adalah dengan
melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat
membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis
Diskriminan akan memaksimumkan variabel tersebut agar dapat membagi objek
latardepan (foreground) dan latarbelakang (background).
Formulasi dari metode otsu adalah sebagai berikut :
Nilai Ambang yang akan dicari dari suatu citra gray level dinyatakan dengan k.
Nilai berkisar antara 1 sampai dengan L, dengan nilai L = 255. Probabilitas setiap
pixel pada level ke i dapat dinyatakan:
Pi = ni / N (2-2)
Keterangan : ni menyatakan jumlah pixel pada level ke i dan N menyatakan total
jumlah pixel pada citra.
Nilai Zeroth cumulative moment, First cumulative moment, dan total nilai mean
berturut-turut dapat dinyatakan dengan rumus berikut.
k
ω(k) = ∑ Pi i=1
(2-3)
k
µ(k) = ∑ i . Pi i=1
(2-4)
13
L
µT = ∑ i . Pi i=1
(2-5)
Nilai ambang k dapat ditentukan dengan memaksimumkan persamaan :
σ2B (k*) = max σ2
B (k) 1≤k<L
(2-6)
Dengan
[µTω(k) - µ(k)]2 σ
2B(k) =
ω(k)[1 - ω(k)] (2-7)
14
Gambar 2.6 Contoh perubahan data digital citra warna menjadi citra baru
Pada gambar 2.6 (a) citra warna keping I, II dan III diubah menjadi citra grayscale
seperti gambar 2.6 (b). Selanjutnya citra grayscale diubah menjadi citra baru
dengan menggunakan Threshold yang didapatkan dari proses perhitungan metode
Otsu. Nilai piksel citra baru akan bernilai 0 jika nilai piksel citra grayscale kurang
dari nilai Threshold dan nilai piksel citra baru akan bernilai 255 jika nilai piksel
15
citra grayscale lebih dari nilai Threshold seperti gambar 2.6 (c). Pada gambar 2.7
adalah citra warna sebelum mengalami proses binerisasi dan gambar 2.8 merupakan
citra warna yang telah mengalami proses binerisasi.
Gambar 2.7 Contoh citra warna sebelum mengalami proses binerisasi
Gambar 2.8 Contoh citra warna setelah mengalami proses binerisasi
2.5 Morphological Processing
Operasi morfologi adalah teknik pengolahan citra yang didasarkan pada
bentuk segmen atau region dalam citra ( - , Morphologi.pdf, 2008). Operasi ini
difokuskan pada bentuk obyek, maka operasi ini biasanya diterapkan pada citra
biner. Biasanya segmen tadi didasarkan pada obyek yang menjadi perhatian.
Segmentasi dilakukan dengan membedakan antara obyek dan latar, antara lain
dengan memanfaatkan operasi pengambangan yang mengubah citra warna dan
skala keabuan menjadi citra biner. Nilai biner dari citra hasil merepresentasikan 2
keadaan: obyek dan latar. Meskipun lebih banyak dipakai pada citra biner, operasi
morfologi sering pula digunakan pada citra skala keabuan dan warna. Hasil operasi
16
morfologi dapat dimanfaatkan untuk pengambilan keputusan dengan analisis lebih
lanjut. Operasi ini antara lain meliputi: dilasi, erosi dan morphologi gradient.
Operasi morfologi biasanya didasarkan pada nilai-nilai dari tetangga
langsung di sekeliling titik obyek yang ditinjau (Moore neighborhood). Untuk
operasi terhubung-4 (4-connected) maka tetangga yang diperhatikan hanya yang
langsung bersebelahan, yaitu titik di sebelah kiri, kanan, atas dan bawah, sedangkan
untuk operasi terhubung-8 (8-connected) tetangga diagonalnya diikutsertakan
(Gambar 2.9).
Gambar 2.9 Moore Neighborhood
( - , Morphologi.pdf, 2008)
Beberapa definisi yang dipakai dalam operasi morfologi (- ,Morphologi.pdf, 2008) :
• Titik obyek, adalah titik yang merupakan bagian dari obyek (p1 = obyek)
• Titik latar, adalah titik yang merupakan bagian dari latar (p1 = latar)
• B(p1) = banyaknya tetangga dari p1 yang merupakan titik obyek A(p1) =
banyaknya pola “latar, obyek” untuk urutan p2-p4-p6-p8-p2 pada operasi
terhubung-4 atau urutan p2-p3-p4-p5-p6-p7-p8-p9-p2 pada operasi terhubung-8.
• Titik terisolasi, adalah titik obyek yang semua tetangganya adalah titik latar.
B(p1)= 0.
17
• Titik ujung, adalah titik obyek yang mempunyai tepat sebuah tetangga yang
merupakan titik obyek juga. B(p1) = 1.
• Titik batas, adalah titik obyek yang salah satu atau lebih tetangganya adalah titik
latar. B(p1) < 4 pada operasi terhubung-4 dan B(p1) < 8 pada operasi
terhubung-8. Apabila semua titik tetangganya adalah titik obyek maka dapat
dipastikan titik tersebut berada di dalam obyek (bukan titik batas).
• Titik simpel, adalah titik obyek yang jika diubah menjadi titik latar maka tidak
mengubah kondisi hubungan antar titik-titik obyek tetangganya.
Gambar 2.10 Titik terisolasi, titik ujung dan titik batas
( - , Morphologi.pdf, 2008)
2.5.1 Dilasi Operasi dilasi berfungsi untuk menghaluskan gambar sehingga lebih
mudah untuk disegmentasi. Operasi ini dilakukan untuk memperbesar
ukuran segmen obyek dengan menambah lapisan di sekeliling obyek ( - ,
Morphologi.pdf, 2008). Cara kerja operasi ini yaitu dengan mengubah
semua titik di sekeliling titik obyek menjadi titik obyek.
18
Algoritma untuk operasi dilasi adalah sebagai berikut :
� Untuk semua titik dalam citra, cek apakah titik tersebut adalah titik
obyek :
� Jika ya maka ubah semua tetangganya menjadi titik obyek
� Jika tidak maka lanjutkan ke titik berikutnya.
Gambar 2.11 Contoh perubahan data digital citra baru menjadi citra dilasi
19
Berdasarkan algoritma operasi dilasi maka proses perubahan data digital
citra baru menjadi citra dilasi dapat dilihat pada gambar 2.11. Karena proses
dilasi adalah proses mengubah titik tetangga menjadi titik obyek maka
proses pemeriksaan nilai piksel (nilai obyek) akan dimulai dari nilai obyek
yang terkecil sampai nilai obyek yang terbesar. Pada gambar 2.12 dan
gambar 2.13 adalah contoh citra baru sebelum dan setelah mengalami proses
dilasi.
Gambar 2.12 Contoh citra baru sebelum mengalami proses dilasi
Gambar 2.13 Contoh citra baru setelah mengalami proses dilasi
2.5.2 Erosi Operasi erosi berfungsi untuk menghaluskan gambar sehingga lebih
mudah untuk disegmentasi. Operasi ini adalah kebalikan dari operasi dilasi.
Pada operasi ini, ukuran obyek diperkecil dengan mengikis sekeliling obyek
( - , Morphologi.pdf, 2008). Cara kerja operasi ini yaitu dengan mengubah
semua titik di sekeliling titik latar menjadi titik latar.
20
Algoritma untuk operasi erosi adalah sebagai berikut :
� Untuk semua titik dalam citra, cek apakah titik tersebut adalah titik latar :
� Jika ya maka ubah semua tetangganya menjadi titik latar
� Jika tidak maka lanjutkan ke titik berikutnya.
Gambar 2.14 Contoh perubahan data digital citra baru menjadi citra erosi
21
Berdasarkan algoritma operasi erosi maka proses perubahan data digital
citra baru menjadi citra erosi dapat dilihat pada Gambar 2.14. Karena proses
erosi adalah proses mengubah titik tetangga menjadi titik latar maka proses
pemeriksaan nilai piksel (nilai obyek) akan dimulai dari nilai latar yang
terbesar sampai nilai latar yang terkecil. Pada gambar 2.15 dan gambar 2.16
adalah contoh citra baru sebelum dan setelah mengalami proses erosi.
Gambar 2.15 Contoh citra baru sebelum mengalami proses erosi
Gambar 2.16 Contoh citra baru setelah mengalami proses erosi
2.5.3 Morphological Gradient
Morphological gradient merupakan salah satu aplikasi
morphological processing yang melibatkan dilasi dan erosi. Morphological
gradient adalah proses yang menghasilkan output berupa citra yang didapat
dari pengurangan hasil dilasi citra asli dengan hasil erosi citra asli
(Adipranata dkk, 2008), dan didefinisikan sebagai berikut :
22
g = (f b)-( f θ b) (2-8)
Gambar 2.17 Hasil operasi morphological gradient dalam bentuk data digital
Berdasarkan definisi morphological gradient maka proses perubahan data
digital pada citra hasil dilasi dan citra hasil erosi menjadi data digital citra
morphological gradient dapat dilakukan dengan menggunakan proses
pengurangan kedua nilai citra tersebut (gambar 2.17). Contoh hasil akhir
citra operasi morphological gradient dapat dilihat pada gambar 2.18.
Gambar 2.18 Contoh hasil operasi morphological gradient dalam bentuk citra
2.6 Segmentasi Citra
Segmentasi citra adalah pemisahan obyek yang satu dengan obyek yang lain
dalam suatu citra (Adipranata,dkk, 2008). Ada 2 macam segmentasi, yaitu full
segmentation dan partial segmentation (Adipranata,dkk, 2008). Full segmentation
adalah pemisahan suatu obyek secara individu dari latar dan diberi ID (label) pada
23
tiap-tiap segmen. Partial segmentation adalah pemisahan sejumlah data dari latar
dimana data yang disimpan hanya data yang dipisahkan saja untuk mempercepat
proses selanjutnya.
Ada 3 tipe dari segmentasi (Adipranata,dkk, 2008) yaitu:
1 Classification-based yaitu segmentasi berdasarkan kesamaan suatu ukuran dari
nilai piksel. Salah satu cara paling mudah adalah thresholding. Thresholding
ada 2 macam yaitu global dan lokal. Pada thresholding global, segmentasi
berdasarkan pada sejenis histogram. Pada thresholding lokal, segmentasi
dilakukan berdasarkan posisi pada citra, citra dibagi menjadi bagian-bagian
yang saling melengkapi.
2 Edge-based yaitu mencari garis yang ada pada citra, dan garis tersebut
digunakan sebagai pembatas dari tiap segmen.
3 Region-based yaitu segmentasi dilakukan berdasarkan kumpulan piksel yang
memiliki kesamaan (tekstur, warna atau tingkat warna abu-abu) dimulai dari
suatu titik ke titik-titik lain yang ada disekitarnya.
2.7 Morphologi Watershed
Konsep morphologi watershed adalah dengan menganggap sebuah citra
merupakan bentuk tiga dimensi yaitu posisi x dan y dengan tingkat warna piksel
yang dimilikinya (Adipranata dkk, 2008). Posisi x dan y merupakan bidang dasar
dan tingkat warna piksel, yang dalam hal ini adalah gray-level merupakan
ketinggian dengan anggapan nilai yang makin mendekati warna putih mempunyai
24
ketinggian yang semakin tinggi. Dengan anggapan bentuk topografi tersebut, maka
didapat tiga macam titik yaitu : (a) titik yang merupakan minimum regional, (b)
titik yang merupakan tempat dimana jika setetes air dijatuhkan, maka air tersebut
akan jatuh hingga ke sebuah posisi minimum tertentu, dan (c) titik yang merupakan
tempat dimana jika air dijatuhkan, maka air tersebut mempunyai kemungkinan
untuk jatuh ke salah satu posisi minimum (tidak pasti jatuh ke sebuah titik
minimum, tetapi dapat jatuh ke titik minimum tertentu atau titik minimum yang
lain). Untuk sebuah minimum regional tertentu, sekumpulan titik yang memenuhi
kondisi (b) disebut sebagai catchment basin, sedangkan sekumpulan titik yang
memenuhi kondisi (c) disebut sebagai garis watershed.
Dari penjelasan diatas, segmentasi dengan metode watershed ini mempunyai
tujuan untuk melakukan pencarian garis watershed. Ide dasar untuk cara kerja
segmentasi ini adalah diasumsikan terdapat sebuah lubang yang dibuat pada
minimum regional dan kemudian seluruh topografi dialiri air yang berasal dari
lubang tersebut dengan kecepatan tetap. Ketika air yang naik dari dua catchment
basin hendak bergabung, maka dibangun sebuah dam untuk mencegah
penggabungan tersebut. Aliran air akan mencapai tingkat yang diinginkan dan
berhenti mengalir ketika hanya bagian atas dari dam yang terlihat. Tepi dam yang
terlihat inilah yang disebut dengan garis watershed dan garis watershed inilah yang
merupakan hasil dari segmentasi, dengan anggapan bahwa garis watershed tersebut
merupakan tepi dari obyek yang hendak disegmentasi. Untuk lebih jelas mengenai
penggambaran dapat dilihat pada gambar dibawah ini.
25
Gambar 2.19 Konsep dasar morphological watershed
(Adipranata,dkk, 2005)
Pada gambar 2.19 (a) ditampilkan gambar dua dimensi dari konsep
transformasi watershed dimana dua bagian yang berwarna gelap adalah dua buah
catchment basin dan bagian di tengah kedua catchment basin merupakan daerah
dimana garis watershed akan berada, sedangkan pada gambar 2.19 (b) ditampilkan
gambar tiga dimensi dari konsep transformasi watershed.
2.7.1 Pembentukan Dam
Pembentukan dam atau garis watershed adalah hal yang paling
penting dalam proses transformasi watershed. Pembuatan dam didasarkan
pada citra biner, yang merupakan anggota dari ruang integer dua dimensi Z2.
Cara termudah untuk membuat dam adalah dengan menggunakan
morphological dilation (operasi dilasi). Dasar pembentukan dam
digambarkan pada gambar 2.20. Gambar 2.20 (a) menunjukan dua bagian
catchment basin pada langkah aliran air n-1, sedangkan gambar 2.20 (b)
menunjukan hasil aliran air pada langkah n. Air telah bergabung dari satu
kolom (basin) ke kolom yang lain, sehingga perlu dibangun sebuah dam
untuk mencegah bergabungnya air tersebut. Terdapat M1 dan M2 yang
26
merupakan kumpulan koordinat titik pada dua regional minima. Terdapat
pula sekumpulan koordinat titik pada catchment basin yang berasosiasi
dengan dua regional minima tersebut pada tahap n-1 aliran air dan diberi
tanda Cn-1 (M1) dan Cn-1 (M2). Bagian ini ditandai dengan warna hitam pada
gambar 2.20 (a).
Union dari dua kumpulan tersebut diberi tanda C[n-1] . Terdapat dua
komponen terkoneksi pada gambar 2.20 (a) dan hanya satu komponen
terkoneksi pada gambar 2.20 (b). Perubahan dari dua komponen menjadi
satu komponen terkoneksi mengindikasikan bahwa air antara dua catchment
basin telah bergabung pada langkah ke n. Komponen yang terkoneksi ini
diberi simbol q. Dua komponen dari langkah n-1 dapat diambil dari q
dengan menggunakan operasi AND q∩C[n-1] . Semua titik individu lain
yang terdapat pada catchment basin juga membentuk sebuah komponen
terkoneksi.
Diasumsikan bahwa setiap komponen terkoneksi pada gambar 2.20
(a) telah dilakukan dilasi menggunakan matriks 3x3 oleh elemen yang
terdapat pada gambar 2.20 (c) dengan dua kondisi :
1) Dilasi harus dibatasi oleh q dan
2) Dilasi tidak dapat dilakukan pada titik yang dapat menyebabkan
kumpulkan titik yang satu dengan kumpulan titik yang lain menjadi
bergabung.
Maka hasilnya terdapat pada gambar 2.20 (d) dimana pada dilasi pertama
menyebabkan tepi komponen terkoneksi menjadi berkembang dan pada
27
dilasi kedua, beberapa titik tidak dapat memenuhi kondisi (1) yang
disyaratkan, sehingga menyebabkan terputusnya perimeter seperti
ditunjukkan pada gambar tersebut. Dengan demikian, maka hanya titik pada
q yang dapat memenuhi dua kondisi di atas dan tebal q adalah satu piksel
dan merupakan dam yang dibentuk.
Gambar 2.20 Pembentukan dam
(Adipranata,dkk, 2008)
2.7.2 Algoritma Morphologi Watershed
Diketahui M1, M2, M3,……, MR adalah kumpulan koordinat titik
dalam regional minima sebuah gambar g(x,y). Terdapat C(M1) yang
merupakan kumpulan koordinat pada catchment basin dan berhubungan
dengan daerah minimum Mi. Notasi min dan max digunakan untuk
menandai nilai minimum dan nilai maksimum dari g(x,y). Kemudian
dianggap T[n] adalah kumpulan koordinat (s,t) di mana g(s,t) < n, sehingga
dapat didefinisikan :
T[n]={(s,t) | g(s,t) < n} (2-9)
28
Secara geometri, T[n] adalah kumpulan koordinat dari titik yang berada
pada g(x,y) dan terletak di bawah bidang g(x,y) = n.
Topografi akan dialiri dengan penambahan integer mulai dari n =
min hingga n = max+1. Pada setiap penambahan n, algoritma perlu
mengetahui jumlah titik yang berada di bawah kedalaman aliran. Pada
umumnya, daerah yang berada di bawah g(x,y) = n diberi warna hitam atau
nilai 0 dan yang berada diatasnya diberi warna putih atau nilai 1.
Kemudian diasumsikan Cn(Mi) merupakan kumpulan koordinat titik
didalam catchment basin yang berhubungan dengan minimum Mi yang
dialiri pada tahap n. Cn(Mi) dapat dilihat sebagai gambar pada tahap n.
Cn(Mi) dapat dilihat sebagai gambar biner dengan menggunakan persamaan :
Cn(Mi)=C(Mi) ∩ T[n] (2-10)
Dengan kata lain Cn(Mi) = 1 terletak pada lokasi (x,y) jika (x,y) є
T[n] , selain itu maka nilai Cn(Mi)= 0. Berikutnya, diasumsikan C[n]
merupakan gabungan dari aliran di catchment basin pada tahap n :
C[n] = R
U Cn(Mi) i=1
(2-11)
dan C[max + 1] adalah gabungan dari semua catchment basin.
C[max+1] = R
U C(Mi) i=1
(2-12)
C[n-1] adalah subset dari C[n] dan C[n] adalah subset dari T[n] maka C[n-
1] adalah subset dari T[n]. Dari sini didapatkan bahwa tiap komponen
29
terkoneksi dari C[n-1] terdapat pada persis satu komponen terkoneksi dari
T[n]. Algoritma untuk mencari garis watershed pertama kali diinisialisasi
dengan :
C[min+1] = T[min+1] (2-13)
Algoritma tersebut akan diproses secara rekursif dengan asumsi pada tahap
n maka C[n-1] telah terbentuk. Prosedur untuk mendapatkan C[n] dari C[n-
1] adalah sebagai berikut. Diasumsikan Q merupakan kumpulan komponen
terkoneksi dalam T[n] . Maka untuk tiap komponen terkoneksi qEQ[n],
terdapat tiga kemungkinan :
a. q∩C[n-1] adalah kosong.
b. q∩C[n-1] mempunyai 1 komponen terkoneksi dari C[n-1]
c. q∩C[n-1] mempunyai lebih dari 1 komponen terkoneksi dari C[n-1] .
Jika kondisi c terjadi maka pengisian lebih lanjut akan menyebabkan air di
catchment basin yang berbeda menjadi bergabung, sehingga perlu dibangun
dam di dalam q untuk mencegah mengalirnya air di antara catchment basin
yang berbeda. Dam dengan tebal satu piksel dapat dibangun dengan
melakukan dilasi q∩C[n-1] dengan elemen 3x3.
30
2.7.3 Contoh algoritma morphologi watershed
Langkah 1
Gambar 2.21 Contoh digital algoritma watershed langkah 1
Terdapat 3 Citra yaitu citra morphological gradient (MG), citra T[n] dengan nilai seluruh piksel adalah 1 dan citra C[n] dengan nilai
seluruh piksel adalah 0 yang masing-masing citra memiliki ukuran matrik 10 X 10 piksel. Citra MG adalah hasil proses awal
sedangkan citra T[n] dan citra C[n] berguna untuk membantu dalam pembentukan garis dam (watershed).
31
Langkah 2
Gambar 2.22 Contoh digital algoritma watershed langkah 2
Untuk nilai minimum piksel pada citra MG adalah n=0 maka citra MG dengan nilai piksel 0 akan dialiri air sehingga akan terendam
air. Untuk selanjutnya citra T[0] akan diganti dengan nilai 0 (sesuai dengan posisi citra MG (n=0)) dan citra C[0] (masih dalam
proses inisialisasi daerah minima) akan membentuk daerah-daerah baru. Untuk tahap ini, citra C[0] akan membentuk 2 daerah
minima.
32
Langkah 3
Gambar 2.23 Contoh digital algoritma watershed langkah 3
Citra MG Dialiri aliran dengan nilai n=255 (maksimum) maka citra MG dengan nilai piksel 255 akan terendam aliran n. Untuk
selanjutnya citra T[255] akan diganti dengan nilai 0 (sesuai dengan posisi citra MG (n=255)) dan jika T[255] dan C[0] kosong maka
akan membuat daerah baru, jika mengandung 1 komponen dari C[0] maka buat titik tersebut menjadi minima yang telah ada dan jika
mengandung lebih dari 1 komponen maka buat menjadi dam (X). Hasil pembentukan dam (n=255) dapat dilihat pada citra C[255].
33
Langkah 4
Gambar 2.24 Contoh digital algoritma watershed langkah 4
Setelah selesai dalam proses aliran air (maksimum n=255) maka akan terbentuk citra watershed hasil segmentasi. Dimana citra ini
menghasilkan 3 daerah minima dan terlihat hasil bendungannya yang berupa nilai “X” dengan ketebalan 1 piksel.
34
2.8 Huruf Jawa
2.8.7 Aksara Jawa
Aksara Jawa (caraka) adalah abjad atau alat tulis yang digunakan oleh suku Jawa.
Jumlah aksara atau huruf pada hanacaraka berjumlah 20 buah. Aksara tersebut dapat
dilihat pada gambar 2.25.
Gambar 2.25 Aksara Jawa
(Ayo-belajar-nulis-aksara-jawa, 2008)
2.8.8 Aksara Pasangan
Aksara pasangan memiliki fungsi untuk menghubungkan suku kata yang tertutup
(diakhiri) konsonan dengan suku kata berikutnya.
Gambar 2.26 Aksara Pasangan
(Ayo-belajar-nulis-aksara-jawa, 2008)
2.8.9 Aksara Murda
Aksara murda digunakan untuk huruf awal penulisan nama kota atau nama orang
yang dihormati, yaitu
Gambar 2.27 Aksara Murda
(Ayo-belajar-nulis-aksara-jawa, 2008)
35
2.8.10 AksaraWilangan
Untuk penulisan bilangan dalam bahasa Jawa,
yaitu angka 1 s/d 10 dalam aksara Jawa.
Gambar 2.28 Aksara Wilangan
(Ayo-belajar-nulis-aksara-jawa, 2008)
2.8.11 Aksara Swara
Biasanya untuk huruf awal penulisan nama kota atau nama
orang yang dihormati yang diawali dengan huruf hidup,
yaitu : A, I, U, E, O.
Gambar 2.29 Aksara Swara
(Ayo-belajar-nulis-aksara-jawa, 2008)
2.8.12 Tanda Baca (Sandangan)
Merupakan tanda baca yang biasa digunakan, huruf vokal
serta huruf konsonan yang biasa dipakai dalam bahasa sehari-hari,
yaitu tanda : koma, titik, awal kalimat, dan lain-lain.
Gambar 2.30 Tanda Baca (Sandangan)
(Ayo-belajar-nulis-aksara-jawa, 2008)
36
2.9 Matlab
Dalam proses segmentasi citra ini dibutuhkan Bahasa pemrograman yang dapat
melakukan komputasi matematis. Salah satunya adalah bahasa pemrograman Matlab.
Bahasa pemrograman Matlab ini memiliki kemampuan antara lain :
• Mengolah data dan menyimpan informasi matematis yang rumit, seperti penanganan
array dan matriks, linear algebra, komputasi geometri, sistem koordinat Cartesian, dsb.
• Mampu menangani pengolahan citra hingga ke skala piksel.
• Mampu membangun hasil olahan data ke dalam visualisasi 2D maupun 3D yang
interaktif.
• Multiplatform, yang artinya dapat dijalankan pada Sistem Operasi berbeda.
2.10 Java
Java merupakan bahasa pemrograman yang memiliki keunggulan antara lain:
• Berbasis GUI yaitu Java bisa membuat tampilan berbasis grafik (Graphic User
Interface/GUI) untuk memudahkan pemakai berinteraksi dengan program.
• Berorientasi obyek yaitu Java merupakan salah satu bahasa yang memiliki dukungan
penuh terhadap konsep pemrograman berorientasi obyek.
• Multiplatform yaitu Java dapat dijalankan pada komputer dengan platform yang
berbeda.
• Keamanan yaitu Java tepat digunakan untuk menangani kebutuhan aplikasi enterprise
(keampuhannya dalam soal keamanan).
37
• Mendukung software Mission-Critical yaitu Java bisa digunakan untuk pengembangan
software dimana tingkat error yang terjadi sangat diperhatikan, dimana sebuah error
pada eksekusi program bisa mengakibatkan kerusakan fatal.
2.11 JMATLink
Dalam menghubungkan bahasa pemrograman Java dan Matlab yang berjalan secara
bersamaan dibutuhkan alat bantu yaitu JMatLink. JMatLink merupakan metode native
untuk memampukan mesin komputasi Matlab bekerja di dalam aplikasi Java yang berupa
applet maupun servlet.
2.12 Kompleksitas Waktu Asimptotik
Dalam praktek, kompleksitas waktu dihitung berdasarkan jumlah operasi abstrak
yang mendasari suatu algoritma, dan memisahkan analisisnya dari implementasi (Suryadi,
1995). Kompleksitas waktu asimptotik biasanya diberi dengan Notasi “O” disebut notasi
“O-Besar” atau (Big-O).
Tinjau T(n) = 2n2 + 6n + 1
Tabel 2.1 Perbandingan pertumbuhan T(n) dengan n2
N T(n) = 2n2 + 6n + 1 n2
10
100
1000
10.000
261
20.601
2.006.001
200.060.001
100
10.000
1.000.000
100.000.000
38
Keterangan :
� Untuk n yang besar, pertumbuhan T(n) sebanding dengan n2. Pada kasus ini, T(n)
tumbuh seperti n2 tumbuh.
� T(n) tumbuh seperti n2 tumbuh saat n bertambah. Kita katakan bahwa T(n) berorde
n2 dan kita tuliskan T(n) = O(n2).
39
BAB III
ANALISA DAN PERANCANGAN SISTEM
Pada bab ini membahas analisa dan perancangan sistem secara umum, rancangan proses,
rancangan antar muka yang akan digunakan serta rancangan cara pengujian.
3.1 Analisa Sistem
Pada analisa sistem ini penulis hanya menggunakan proses binerisasi sebagai proses
awal untuk melakukan segmentasi, sedangkan untuk proses grayscaling pada metode asli
segmentasi watershed tidak digunakan dalam perancangan sistem ini. Hal ini dikarenakan
data citra masukan pada metode asli adalah citra berupa gambar (memiliki obyek besar)
sedangkan untuk penulisan tugas akhir ini menggunakan citra dokumen teks sastra jawa
(memiliki obyek kecil), selain itu karena adanya pertimbangan bahwa citra yang diproses
secara grayscaling memiliki intensitas warna piksel antara 0 sampai dengan 255, sehingga
akan menghasilkan segmentasi yang tidak akurat atau berlebihan karena ketidak akuratan
hasil segmentasi akan mempengaruhi proses selanjutnya yaitu proses pengenalan karakter.
3.1.1 Gambaran Sistem secara Umum
Sistem yang dibangun akan dipakai untuk melakukan segmentasi citra dokumen
teks sastra Jawa menggunakan algoritma watershed. Sistem menerima masukan berupa
file citra dokumen teks sastra Jawa dengan ekstensi *.jpg. Pada citra dokumen yang
diinputkan kemudian dilakukan pre-processing yang meliputi binerisasi, dilasi, erosi dan
morphological gradient. Tahap pre-processing berfungsi untuk menyederhanakan
representasi citra teks sastra jawa, sehingga akan mempermudah dalam proses
40
segmentasi. Setelah dilakukan pre-processing tahap selanjutnya adalah melakukan
segmentasi citra sehingga menghasilkan citra hasil segmentasi. Secara umum gambaran
sistem ditunjukkan pada Gambar 3.1.
� DFD Level 0 / Diagram Konteks
Gambar 3.1 Diagram Konteks
Pada Gambar 3.1 terdapat proses sistem segmentasi watershed dimana dalam
proses tersebut mempunyai masukan berupa citra dokumen teks sastra jawa dan
menghasilkan keluaran berupa citra segmentasi watershed, waktu proses segmentasi
watershed, ukuran citra dokumen teks sastra jawa citra baru, waktu proses binerisasi,
citra erosi, waktu proses erosi, citra dilasi, waktu proses dilasi, citra morphological
gradient dan waktu proses morphological gradient.
� DFD Level 1
Gambar 3.2 DFD Level 1
Pada Gambar 3.2 terdapat proses pre-processing dan proses segmentasi
watershed. Citra masukan untuk proses pre-processing adalah citra dokumen teks sastra
jawa dan menghasilkan citra morphological gradient yang akan dijadikan input untuk
proses segmentasi watershed. Hasil proses segmentasi watershed adalah citra segmentasi
41
watershed, waktu proses segmentasi watershed, ukuran citra dokumen teks sastra jawa,
citra baru, waktu proses binerisasi, citra erosi, waktu proses erosi, citra dilasi, waktu
proses dilasi, citra morphological gradient, dan waktu proses morphological gradient.
� DFD Level 2 Proses 1
Gambar 3.3 DFD Level 2 Proses 1
Pada Gambar 3.3 DFD Level 2 Proses 1 menjelaskan bahwa pada proses pre-
processing (Proses 1 dalam DFD Level 1) dipecah lagi menjadi 4 proses yaitu proses
binerisasi, proses dilasi, proses erosi dan proses morphological gradient. Citra dokumen
teks sastra jawa akan masuk dalam proses binerisasi. Hasil proses binerisasi yang berupa
citra baru dan waktu proses binerisasi akan dijadikan masukan untuk proses dilasi dan
proses erosi. Pada proses dilasi akan menghasilkan citra dilasi dan waktu proses dilasi
sedangkan pada proses erosi akan menghasilkan citra erosi dan waktu proses erosi. Dari
hasil kedua proses tersebut maka akan dijadikan input untuk proses selanjutnya yaitu
proses morphological gradient dan hasil proses ini adalah citra morphological gradient.
Hasil citra morphological gradient ini akan dijadikan input untuk proses segmentasi
watershed.
42
3.1.2 Pre-processing
Pre-processing merupakan kumpulan dari proses yang digunakan untuk
menyederhanakan dan menghasilkan segmentasi yang baik. Tahap pre-processing terdiri
dari proses binerisasi, proses dilasi, proses erosi dan proses morphological gradient yang
menghasilkan citra morphological gradient.
3.1.2.1 Proses Binerisasi
Proses binerisasi adalah proses untuk mengubah citra berwarna atau citra skala
keabuan menjadi citra biner (hitam dan putih). Untuk penulisan tugas akhir ini citra biner
akan diganti namanya menjadi citra baru karena nilai piksel yang dihasilkan adalah 0 dan
255. Pada gambar 3.4 dijelaskan bagaimana cara kerja proses binerisasi dalam bentuk
diagram proses.
Gambar 3.4 Diagram proses binerisasi
Pada citra asli akan dicari nilai Threshold. Selanjutnya citra asli diubah menjadi
citra baru dengan menggunakan nilai Threshold. Nilai piksel citra baru akan bernilai 0
(hitam) jika nilai piksel citra asli kurang dari nilai Threshold dan nilai piksel citra baru
akan bernilai 255 (putih) jika nilai piksel citra asli lebih dari nilai Threshold.
43
3.1.2.2 Proses Morphological Gradient
Proses morphological gradient adalah proses di mana citra baru yang dihasilkan
merupakan hasil selisih dari proses dilasi dengan proses erosi. Gambar 3.5 menjelaskan
bagaimana cara kerja algoritma morphological gradient.
Gambar 3.5 Diagram proses morphological gradient
Proses ini memerlukan hasil dari proses erosi dan dilasi. Proses dilasi dan erosi
dapat dilihat pada gambar 3.6 dan gambar 3.7.
3.1.2.2.1 Proses Dilasi
Proses dilasi berfungsi untuk menghaluskan gambar sehingga lebih mudah
untuk disegmentasi. Gambar 3.6 menjelaskan bagaimana cara kerja algoritma dilasi.
Gambar 3.6 Diagram proses dilasi
44
Citra temp1 adalah sebuah citra hasil proses binerisasi (citra baru). Se adalah
elemen 3X3 yang berguna untuk melakukan dilasi dan imdilate adalah fungsi matlab
yang berguna untuk melakukan proses dilasi.
3.1.2.2.2 Proses Erosi
Proses erosi berfungsi untuk menghaluskan gambar sehingga lebih mudah untuk
disegmentasi. Gambar 3.7 menjelaskan bagaimana cara kerja algoritma dari erosi.
Gambar 3.7 Diagram proses erosi
Citra temp2 adalah sebuah citra hasil proses binerisasi (citra baru). Se adalah
elemen 3X3 yang berguna untuk melakukan erosi dan imerode adalah fungsi matlab
yang berguna untuk melakukan proses erosi.
3.1.3 Proses Segmentasi
Proses segmentasi dengan menggunakan morphological watershed dijelaskan
lengkap pada gambar 3.8. Min dan max di sini adalah nilai minimum dan maksimum dari
piksel-piksel pada gambar. Ini digunakan untuk mempersingkat waktu, sehingga tidak
diperlukan untuk memulai dari 0 hingga 255. Penentuan daerah dan garis dicek mulai
dari piksel dengan nilai minimum hingga maksimum. Seperti yang dijelaskan pada
45
gambar jika piksel tersebut merupakan daerah minimum atau tidak memiliki irisan
dengan kumpulan piksel yang terhubung pada n-1 maka piksel tersebut membentuk
daerah baru. Jika irisan dengan kumpulan piksel yang terhubung pada n-1 hanya 1
komponen atau daerah maka piksel menjadi milik komponen atau daerah tersebut. Jika
lebih dari 1 maka menjadi dam atau watershed lines.
Gambar 3.8 Diagram proses segmentasi watershed
3.2 Perancangan Sistem
Dalam perancangan sistem ini tersedia 5 pilihan pada menubar, yaitu :
1. Menu ”Halaman Utama” merupakan tampilan halaman utama atau tampilan pertama
kali program dijalankan.
2. Menu ”Segmentasi Citra” berguna untuk melakukan segmentasi citra dokument teks
sastra jawa menggunakan algoritma watershed.
46
3. Menu ”Tentang Program” berguna untuk menampilkan informasi mengenai program
yang sedang dijalankan.
4. Menu ”Bantuan” berguna untuk menampilkan informasi mengenai cara menggunakan
program sehingga memudahkan pengguna dalam menggunakan program ini.
5. Menu ”Keluar” berguna untuk keluar dari program.
Berikut ini adalah rancangan antarmuka dari program yang akan dibangun :
3.2.1 Perancangan Halaman Utama
Gambar 3.9 Perancangan Halaman Utama
Halaman utama berguna untuk menampilkan judul dan pembuat program aplikasi ini.
Halaman utama ini akan ditampilkan ketika program pertama kali dijalankan.
47
3.2.2 Perancangan Halaman Segmentasi Citra
Gambar 3.10 Perancangan Halaman Segmentasi Citra
Dalam menu segmentasi citra terdapat tiga bagian yaitu :
1. Bagian input berguna untuk memasukkan file citra document teks sastra jawa.
2. Bagian detail proses berguna untuk menampilkan waktu proses awal citra dan hasil
segmentasi citra yaitu waktu dan jumlah proses segmentasi.
3. Bagian tampilan citra berguna untuk menampilkan hasil proses segmentasi citra.
Pada menu segmentasi citra terdapat tiga tombol dan satu dropdown yaitu :
1. Tombol “Pilih file” yang digunakan untuk menginputkan file citra.
2. Tombol ”Segmentasi Citra” digunakan untuk melakukan segmentasi citra dengan
menggunakan algoritma watershed. Dari proses ini akan dihasilkan waktu proses
awal, waktu segmentasi dan jumlah segmentasi obyek citra pada bagian detail proses.
3. Tombol ”Bersihkan semua” berfungsi untuk menghapus tampilan citra. Tombol
”Bersihkan semua” akan ditampilkan ketika sudah ada file citra yang ditampilkan.
48
4. Tombol “Detail data segmentasi” berfungsi untuk menampilkan halaman daftar data
hasil segmentasi. Tombol “Detail data segmentasi” akan ditampilkan ketika sudah
mengalami proses segmentasi.
3.2.3 Perancangan Halaman Daftar Data Hasil Segmentasi
Gambar 3.11 Perancangan Halaman Daftar Data Hasil Segmentasi
Halaman ini berfungsi untuk menampilkan daftar data hasil segmentasi citra dokumen teks
sastra Jawa dalam bentuk tabel. Dalam halaman ini terdapat sebuah tombol ”Kembali” yang
berfungsi untuk kembali ke Halaman segmentasi citra.
49
3.2.4 Perancangan Halaman Tentang Program
Gambar 3.12 Perancangan Halaman Tentang Program
Pada halaman Tentang program akan menjelaskan informasi tentang program yang
sedang dijalankan.
3.2.5 Perancangan Halaman Bantuan
Gambar 3.13 Perancangan Halaman Bantuan
Pada menu halaman bantuan terdapat lima tombol bantuan yaitu :
1. Tombol ”Halaman utama” akan menampilkan bantuan untuk halaman utama.
50
2. Tombol ”Segmentasi citra” akan menampilkan bantuan untuk halaman segmentasi
citra.
3. Tombol ”Tentang program” akan menampilkan bantuan untuk halaman tentang
program.
4. Tombol ”Bantuan” akan menampilkan bantuan untuk halaman bantuan.
5. Tombol ”Keluar” akan menampilkan bantuan untuk halaman keluar.
Setiap tombol yang telah ditekan maka akan di disable (tombol tidak dapat ditekan) dan
sebaliknya tombol yang lain akan di enable (tombol dapat ditekan).
3.2.6 Perancangan Halaman Keluar
Gambar 3.14 Perancangan Halaman Keluar
Pada halaman Keluar terdapat dua tombol yaitu :
1. Tombol ”Yes” yang berguna untuk keluar dari program.
2. Tombol ”No” yang akan kembali ke halaman utama.
51
3.3 Perancangan Cara Pengujian
Pada rancangan pengujian diperlukan untuk mengetahui apakah algoritma watershed yang
digunakan baik untuk segmentasi suatu citra dokumen teks sastra Jawa. Pada pengujian
dilakukan dengan cara :
1. Memasukkan 10 citra asli dokumen teks sastra Jawa.
2. Menghitung jumlah obyek dan jumlah karakter:
a. Citra asli (secara manual),
b. Hasil segmentasi citra (dari program),
c. Hasil segmentasi citra yang utuh (secara manual),
3. Menghitung prosentase kebenaran (correct) segmentasi obyek dan segmentasi
karakter citra :
(3-1)
4. Menghitung prosentase akurasi (accuracy) segmentasi obyek citra :
(3-2) Keter
angan :
H = jumlah obyek atau jumlah karakter hasil segmentasi citra yang utuh (perhitungan
secara manual)
I = jumlah bukan obyek dan jumlah obyek yang tidak utuh.
N = jumlah obyek atau jumlah karakter citra asli (perhitungan secara manual)
52
3.4 Spesifikasi Hardware dan Software
Berikut adalah spesifikasi hardware dan software yang digunakan untuk membangun
program segmentasi citra dokumen teks sastra Jawa :
3.4.1 Hardware
• AMD Sempron(tm) Processor 2800+ 1.61GHz
• DDR 1024MB Visipro
• HDD 40GB Maxtor
3.4.2 Software
• Microsoft Windows XP Professional Service Pack 2
• Matlab 6.5
• Netbean Java 5.5
• Microsoft Paint
53
BAB IV
IMPLEMENTASI
Pada bab ini membahas implementasi dalam bentuk program berdasarkan analisa dan
perancangan yang telah dilakukan.
4.1 Tampilan Halaman Utama
Implementasi tampilan antar muka Halaman Utama adalah sebagai berikut :
Gambar 4.1 Halaman Utama
Tampilan menu awal ini merupakan tampilan menu utama. Pada bagian atas
program ini terdapat lima menu, yaitu menu Halaman Utama, menu Segmentasi Citra, menu
Tentang Program, menu Bantuan dan menu Keluar. Masing-masing menu dapat diaktifkan
dengan menekan menu yang dimaksud. Untuk masuk ke Halaman Utama maka pilihlah
menu Halaman Utama.
54
4.2 Tampilan Halaman Segmentasi
Implementasi tampilan antar muka Halaman Segmentasi adalah sebagai berikut :
Gambar 4.2 Halaman Segmentasi
Tampilan Halaman Segmentasi akan ditampilkan ketika memilih menu Segmentasi
Citra. Pada tampilan ini dibagi menjadi tiga bagian, yaitu bagian input, bagian detail proses
dan bagian tampilan citra.
Pada bagian input berguna untuk memasukkan file citra dokumen sastra jawa. Pada
bagian ini terdapat dua tombol, yaitu tombol Pilih File dan tombol Segmentasi Citra. Untuk
tombol Pilih File berguna untuk menginputkan file yang akan disegmentasi, sedangkan
tombol Segmentasi Citra berguna untuk melakukan segmentasi.
Pada bagian detail proses berguna untuk menampilkan ukuran citra yang telah
diinputkan, waktu proses binerisasi, waktu proses dilasi, waktu proses erosi, waktu proses
morphological gradient, waktu proses segmentasi dan hasil jumlah segmentasi.
55
Pada bagian tampilan citra berguna untuk menampilkan citra yang telah diinputkan
dan citra hasil proses segmentasi. Pada bagian ini terdapat dua tombol, yaitu tombol
Bersihkan Semua dan tombol Detail Data Segmentasi. Tombol Bersihkan Semua berguna
untuk menghapus semua tampilan sehingga akan kembali ke kondisi semula dan tombol
Detail Data Segmentasi berguna untuk menampilkan halaman daftar data hasil segmentasi
citra dokumen teks sastra Jawa.
4.3 Tampilan Halaman Daftar Data Hasil Segmentasi
Implementasi tampilan antar muka Halaman Daftar Data Hasil Segmentasi adalah sebagai
berikut :
Gambar 4.3 Halaman Daftar Data Hasil Segmentasi
56
Tampilan Halaman Daftar Data Hasil Segmentasi akan ditampilkan ketika menekan
tombol Detail Data Segmentasi yang berasal dari halaman segmentasi. Pada tampilan ini
akan menampilkan informasi daftar data hasil segmentasi yaitu jumlah daerah minima, nama
file dan koordinat hasil segmentasi citra dokumen teks sastra Jawa..
4.4 Tampilan Tentang Program
Implementasi tampilan antar muka Halaman Tentang Program adalah sebagai berikut:
Gambar 4.4 Halaman Tentang Program
Tampilan Halaman Tentang Program akan ditampilkan ketika memilih menu
Tentang Program. Pada tampilan ini akan menampilkan informasi tentang program yang
sedang dijalankan.
57
4.5 Tampilan Halaman Bantuan
Implementasi tampilan antar muka Halaman Bantuan adalah sebagai berikut :
Gambar 4.5 Halaman Bantuan
Tampilan Halaman Bantuan akan ditampilkan ketika memilih menu Bantuan. Pada
tampilan ini terdapat lima tombol, yaitu tombol Halaman Utama, tombol Segmentasi Citra,
tombol Tentang Program, tombol Bantuan dan tombol Keluar. Untuk tombol Halaman
Utama berguna untuk menampilkan bantuan tentang halaman utama, tombol Segmentasi
Citra berguna untuk menampilkan bantuan tentang halaman segmentasi citra, tombol
Tentang program berguna untuk menampilkan bantuan tentang halaman tentang program,
tombol Bantuan berguna untuk menampilkan bantuan tentang halaman bantuan, dan tombol
Keluar berguna untuk menampilkan bantuan tentang halaman keluar.
58
Setiap tombol yang telah ditekan maka akan di disable (tombol tidak dapat ditekan)
dan sebaliknya tombol yang lain akan di enable (tombol dapat ditekan).
4.6 Tampilan Halaman Keluar
Implementasi tampilan antar muka Halaman Keluar adalah sebagai berikut :
Gambar 4.6 Halaman Keluar
Tampilan Halaman Keluar akan ditampilkan ketika memilih menu Keluar. Pada
halaman keluar terdapat dua tombol, yaitu tombol Yes dan tombol No. Untuk tombol Yes
berguna untuk keluar dari program, sedangkan untuk tombol No berguna untuk kembali
program dan secara otomatis akan menuju ke halaman utama.
59
BAB V
HASIL DAN PEMBAHASAN
Pada bab ini berisi mengenai analisa hasil implementasi segmentasi citra dokumen teks
sastra Jawa serta pembahasannya.
5.1 Data Masukan
Data masukan untuk pengujian adalah citra dokumen teks sastra jawa yang telah
dilakukan proses pengisian piksel dan proses menghilangkan noise. Data masukan untuk
pengujian sistem sebanyak 10 data citra dokumen. Kriteria citra dokumen masukan dapat
dilihat pada tabel berikut :
Tabel 5.1 Kriteria citra dokumen masukan
No Nama File Dokumen Ukuran panjang dan
lebar Citra (piksel )
Besar File
1. Dokumen 1.JPG 307 X 1300 76,4 KB
2. Dokumen 2.JPG 310 X 1300 75,6 KB
3. Dokumen 3.JPG 310 X 1295 78,3 KB
4. Dokumen 4.JPG 310 X 1270 80,0 KB
5. Dokumen 5.JPG 310 X 1292 74,6 KB
6. Dokumen 6.JPG 291 X 1300 76,6 KB
7. Dokumen 7.JPG 291 X 1300 78,9 KB
8. Dokumen 8.JPG 287 X 1300 84,9 KB
9. Dokumen 9.JPG 291 X 1300 105,0 KB
10. Dokumen 10.JPG 298 X 1300 82,5 KB
60
5.2 Pengujian Data Masukan
Format file citra yang diuji adalah file citra yang berektension *.JPG. Selanjutnya
file citra yang diuji akan dimasukan kedalam sistem yang melalui menu pilih file citra.
Untuk selanjutnya file citra yang diuji akan dilakukan proses awal dan hasil proses awal
akan dilakukan proses segmentasi.
Gambar 5.1 Citra dokumen 1
1. Proses binerisasi
Dari hasil pengujian proses binerisasi untuk citra dokumen 1 diperoleh nilai thershold
132. Artinya piksel dengan intensitas warna kurang dari atau sama dengan nilai 132
diganti dengan nilai 0 dan intensitas warna yang lebih dari 132 diganti dengan nilai 255.
Gambar 5.2 Citra dokumen 1 hasil proses binerisasi
Berikut ini adalah potongan listing program binerisasi
citra = imread(gambar);
thresh=graythresh(citra);
binerisasi=im2bw(citra,thresh);
binerisasi = binerisasi*255;
61
2. Proses dilasi
Dari hasil pengujian proses dilasi dengan citra hasil binerisasi untuk citra dokumen 1
diperoleh dengan mengubah semua titik di sekeliling titik obyek menjadi titik obyek.
Gambar 5.3 Citra dokumen 1 hasil proses dilasi
Berikut ini adalah potongan listing program dilasi
temp1 = double(temp1);
se = strel('square',3);
temp1 = imdilate(temp1,se);
citra_dilasi = temp1;
3. Proses erosi
Dari hasil pengujian proses erosi dengan citra hasil binerisasi untuk citra dokumen 1
diperoleh dengan mengubah semua titik di sekeliling titik latar menjadi titik latar.
Gambar 5.4 Citra dokumen 1 hasil proses erosi
62
Berikut ini adalah potongan listing program erosi
temp2 = double(temp2);
se = strel('square',3);
temp2 = imerode(temp2,se);
citra_erosi=temp2;
4. Proses morphological gradient
Dari hasil pengujian proses morphological gradient dengan citra hasil binerisasi untuk
citra dokumen 1 diperoleh dengan melakukan proses pengurangan hasil dilasi dengan
hasil erosi.
Gambar 5.5 Citra dokumen 1 hasil proses morphological gradient
Berikut ini adalah potongan listing program morphological gradient
temp1 = double(citra_dilasi);
temp2 = double(citra_erosi);
MG = temp1-temp2;
citra_MG = MG;
5. Proses segmentasi watershed
Proses segmentasi diawali dengan melakukan proses inisialisasi daerah minima-minima
baru pada citra dengan nilai minimum piksel. Berikut adalah contoh potongan citra
morphological gradient dokumen 1 (Gambar 5.6).
63
Gambar 5.6 Potongan citra morphological gradient dokumen 1
Berikut ini adalah representsi data digital potongan citra morphological gradient
dokumen 1 (Gambar 5.7) dan tahap inisialisasi daerah minima-minima baru pada
potongan citra morphological gradient dokumen 1 (Gambar 5.8) adalah sebagai berikut :
Gambar 5.7 Data digital potongan citra morphological gradient dokumen 1
64
Gambar 5.8 Inisialisasi daerah minima-minima baru pada data digital potongan
citra morphological gradient dokumen 1
Hasil pada tahap proses inisialisasi daerah minima-minima baru pada citra dengan nilai
minimum piksel yaitu 0. Pada tahap ini membentuk empat daerah minima. Karena
pemberian urutan daerah minima berdasarkan dari posisi atas ke bawah dan dari kiri ke
kanan maka hasil daerah minima pertama dan berikutnya akan dimulai dari posisi paling
atas dan paling kiri citra (hasil segmen obyek tidak berurutan). selanjutnya akan
dilakukan proses segmentasi dengan nilai maksimum piksel yaitu 255, dimana tahap ini
akan membentuk :
awal daerah 1 awal daerah 2 awal daerah 3 awal daerah 4
65
a. Dam (garis watershed) jika terdapat dua atau lebih daerah yang berbeda
b. Daerah Mi jika mengandung 1 daerah komponen Mi.
c. Daerah baru jika tidak mengandung daerah-daerah komponen.
Gambar 5.9
Proses segmentasi pada data digital potongan citra morphological gradient dokumen 1
Selanjutnya akan dilakukan perendaman daerah nilai piksel maksimum yaitu 255.
sehingga untuk daerah 1 sampai dengan daerah 4 akan semakin menyebar luas sedangkan
pertemuan antara dua daerah atau lebih akan membentuk dam atau garis waterhed. Nilai
dam ditandai dengan nilai -2.
Garis watershed
66
Pada gambar 5.10 merupakan hasil segmentasi potongan citra morphological gradient
dokumen1 sebagai berikut :
Gambar 5.10 Hasil segmentasi potongan citra morphological gradient dokumen 1
Pada gambar 5.10(a) adalah hasil gabungan seluruh hasil citra segmentasi. Sedangkan
gambar 5.10(b) sampai dengan gambar 5.10(e) adalah hasil segmentasi dimana gambar
5.10(b) dan gambar 5.10(e) adalah hasil segmentasi bukan obyek dan gambar 5.10(c) dan
gambar 5.10(d) adalah hasil segmentasi obyek.
Berikut merupakan Citra dokumen hasil segmentasi watershed.
Gambar 5.11 Citra dokumen 1 hasil proses segmentasi
5.3 Analisa Kompleksitas Waktu
67
Untuk menghitung kompleksitas waktu asimptotik, terdapat beberapa teorema-
teorema dalam perhitungan kompleksitas waktu asimptotik sebagai berikut : Misalkan T1(n)
= O(f(n)) dan T2(n) = O(g(n)), maka :
(a) T1(n) + T2(n) = O(f(n)) + O(g(n)) = O(max(f(n), g(n))
(b) T1(n)T2(n) = O(f(n))O(g(n)) = O(f(n)g(n))
(c) O(cf(n)) = O(f(n)), c adalah konstanta
(d) f(n) = O(f(n))
Berikut ini adalah potongan listing program segmentasi watershed
1. Tahap inisialisasi pembentukan daerah-daerah minima
Pada tahap inisialisasi pembentukan daerah-daerah minima terdapat 2 tahap yaitu tahap
perendaman daerah minimum dan tahap pembentukan daerah-daerah minima baru.
A. Tahap perendaman daerah minimum
temp1 = double(citra_MG); O(1) panjang = size(temp1,1); O(1) lebar = size(temp1,2); O(1) TN = ones(panjang,lebar); O(1) O(1) minimum = min(min(temp1)); O(1) maximum = max(max(temp1)); O(1) awal_counter = 0; O(1) for x=1:panjang, O(panjang) copy = find(temp1(x,1:lebar)==minimum); O(lebar) awal_counter = awal_counter + length(copy); O(1) O(lebar) for y=1 : length(copy), O(length(copy)) TN(x,copy(y)) = 0; O(1) end end CM = TN * -1; O(1)
Waktu kompleksitas tahap perendaman daerah minimum =
= O(1) + panjang O(lebar) + O(1) (b)
68
= O(1) + O(panjang x lebar) + O(1) = O(max (1,(panjang x lebar),1 )) (a)
= O(panjang x lebar)
Jadi kompleksitas waktu asimptotik pada tahap perendaman daerah minimum adalah
O(panjang x lebar) atau O(n2) dimana n adalah jumlah lebar citra atau jumlah panjang
citra.
B. Tahap pembentukan daerah-daerah minima baru
status_counter = 1; O(1) minima = 0; O(1) O(1) cek_counter = awal_counter; O(1) while awal_counter > 0, O(awal_counter) if(status_counter == 1) O(1) cek_awal_minima = 1; O(1) O(1) minima = minima + 1; O(1) while cek_awal_minima == 1 O(tidak bisa dihitung) � O(panjang x lebar) for x=1:panjang, O(panjang) for y=1:lebar, O(lebar) if(CM(x,y) == 0 && cek_awal_minima == 1) O(1) CM(x,y) = minima; O(1) O(panjang x=panjang; O(1) x lebar) y=lebar; O(1) cek_awal_minima = 0; O(1) end end end end status_counter = 0; O(1) cek_counter = awal_counter; O(1) O(1) awal_counter = awal_counter-1; O(1) else for x=1:panjang, O(panjang) for y=1:lebar, x lebar) %% awal proses Dilasi sampai dengan akhir proses dilasi memiliki kompleksitas %% waktu adalah O(1) sehingga kompleksitas waktu maksimumnya adalah O(1) %% awal proses Dilasi untuk mengetahui daerah-daerah baru O(1) if (CM(x,y) == minima)
69
if(((x > 1) && (x<panjang)) && ((y > 1) && (y<lebar))) if(CM(x-1,y-1) == 0) CM(x-1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y-1) == 0) CM(x+1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x,y-1) == 0) CM(x,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y) == 0) CM(x-1,y) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y) == 0) CM(x+1,y) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y+1) == 0) CM(x-1,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x,y+1) == 0) CM(x,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y+1) == 0) CM(x+1,y+1) = minima; awal_counter = awal_counter-1; end elseif((x == panjang) && ((y > 1) && (y < lebar))) %2 if(CM(x-1,y-1) == 0) CM(x-1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y) == 0) CM(x-1,y) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y+1) == 0) CM(x-1,y+1) = minima; awal_counter = awal_counter-1; end
70
if(CM(x,y-1) == 0) CM(x,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x,y+1) == 0) CM(x,y+1) = minima; awal_counter = awal_counter-1; end elseif((x == 1) && ((y > 1) && (y < lebar))) %3 if(CM(x,y-1) == 0) CM(x,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x,y+1) == 0) CM(x,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y-1) == 0) CM(x+1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y) == 0) CM(x+1,y) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y+1) == 0) CM(x+1,y+1) = minima; awal_counter = awal_counter-1; end elseif(((x > 1) && (x<panjang)) && (y==1)) %4 if(CM(x-1,y+1) == 0) CM(x-1,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x,y+1) == 0) CM(x,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y+1) == 0) CM(x+1,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y) == 0) CM(x-1,y) = minima; awal_counter = awal_counter-1; end
71
if(CM(x+1,y) == 0) CM(x+1,y) = minima; awal_counter = awal_counter-1; end elseif(((x > 1) && (x<panjang)) && (y==lebar)) %5 if(CM(x-1,y-1) == 0) CM(x-1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y-1) == 0) CM(x+1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x,y-1) == 0) CM(x,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y) == 0) CM(x-1,y) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y) == 0) CM(x+1,y) = minima; awal_counter = awal_counter-1; end elseif((x == 1) && (y == 1)) %6 if(CM(x+1,y) == 0) CM(x+1,y) = minima; awal_counter = awal_counter-1; end if(CM(x+1,y+1) == 0) CM(x+1,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x,y+1) == 0) CM(x,y+1) = minima; awal_counter = awal_counter-1; end elseif((x == 1) && (y == lebar)) %7 if(CM(x,lebar-1) == 0) CM(x,lebar-1) = minima; awal_counter = awal_counter-1; end if(CM(x+1,lebar-1) == 0) CM(x+1,lebar-1) = minima; awal_counter = awal_counter-1;
72
end if(CM(x+1,lebar) == 0) CM(x+1,lebar) = minima; awal_counter = awal_counter-1; end elseif((x == panjang) && (y == 1)) % 8 if(CM(x-1,y) == 0) CM(x-1,y) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y+1) == 0) CM(x-1,y+1) = minima; awal_counter = awal_counter-1; end if(CM(x,y+1) == 0) CM(x,y+1) = minima; awal_counter = awal_counter-1; end elseif((x==panjang) && (y==lebar)) % 9 if(CM(x,y-1) == 0) CM(x,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y-1) == 0) CM(x-1,y-1) = minima; awal_counter = awal_counter-1; end if(CM(x-1,y) == 0) CM(x-1,y) = minima; awal_counter = awal_counter-1; end end end %% akhir proses dilasi end end if(cek_counter == awal_counter) O(1) status_counter = 1; O(1) O(1) end O(1) cek_counter = awal_counter; O(1) end end
Waktu kompleksitas tahap pembentukan daerah-daerah minima baru =
73
= O(1) + awal_counter { max(O(1) + O(panjang x lebar) + O(1) , O(panjang x lebar) +
O(1)) + O(1) } (a)
= O(1) + awal_counter { max(O(panjang x lebar), O(panjang x lebar) + O(1) }(a)
= O(1) + awal_counter { O(panjang x lebar) + O(1) } = O(1) + awal_counter O(max(
(panjang x lebar), 1)) (a)
= O(1) + awal_counter O(panjang x lebar) (b)
= O(1) + O(awal_counter x panjang x lebar) =O(max(1, (awal_counter x panjang x
lebar))) (a)
= O(awal_counter x panjang x lebar)
Jadi kompleksitas waktu asimptotik pada tahap pembentukan daerah-daerah minima baru
adalah O(awal_counter x panjang x lebar) atau O(n3) dimana n adalah jumlah lebar citra
atau jumlah panjang citra.
Waktu kompleksitas tahap inisialisasi pembentukan daerah-daerah minima adalah
waktu kompleksitas tahap perendaman daerah minimum ditambah dengan Waktu
kompleksitas tahap pembentukan daerah-daerah minima baru sehingga hasilnya adalah
sebagai berikut :
= O(n2) + O(n3)
= O(max (n2, n3)) (a)
= O(n3)
74
Jadi kompleksitas waktu asimptotik pada tahap Inisialisasi pembentukan daerah-daerah
minima adalah O(n3).
2. Tahap pembentukan dam (watershed), daerah-daerah baru dan daerah lama
n = double(minimum(1,1,1)+255); O(1) while n < double(maximum(1,1,1))+1 O(1) CN = TN; O(1) counter = 0; O(1) O(1) for x=1:panjang, O(panjang) copy = find(temp1(x,1:lebar)==n); O(lebar) for y=1 : length(copy), O(length(copy)) O(panjang x lebar) TN(x,copy(y)) = 0; O(1) end counter = counter+length(copy); O(1) end n = n + 1; O(1) status_counter = 0; O(1) O(1) hasil = TN == CN; O(1) while counter > 0 O(counter) inc =0; O(1) old_counter = counter; O(1) O(1) for x=1:panjang, O(panjang x lebar) for y=1:lebar, if(hasil(x,y)==0) jumlah_komponen = 0; old_komponen = -1; %% awal proses Dilasi sampai dengan akhir proses dilasi memiliki kompleksitas %% waktu adalah O(1) sehingga kompleksitas waktu maksimumnya adalah O(1) %% awal proses Dilasi if(((x>1)&&(x<panjang))&&((y>1)&&(y<lebar))) if(CM(x,y-1) > 0) if(CM(x,y-1) ~= old_komponen) old_komponen = CM(x,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y) > 0) if(CM(x-1,y) ~= old_komponen) old_komponen = CM(x-1,y); jumlah_komponen = jumlah_komponen + 1;
75
end end if(CM(x-1,y-1) > 0) if(CM(x-1,y-1) ~= old_komponen) old_komponen = CM(x-1,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y+1) > 0) if(CM(x-1,y+1) ~= old_komponen) old_komponen = CM(x-1,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x,y+1) > 0) if(CM(x,y+1) ~= old_komponen) old_komponen = CM(x,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y) > 0) if(CM(x+1,y) ~= old_komponen) old_komponen = CM(x+1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y-1) > 0) if(CM(x+1,y-1) ~= old_komponen) old_komponen = CM(x+1,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y+1) > 0) if(CM(x+1,y+1) ~= old_komponen) old_komponen = CM(x+1,y+1); jumlah_komponen = jumlah_komponen + 1; end end elseif((x==panjang)&&((y>1)&&(y<lebar))) %2 if(CM(x,y-1) > 0) if(CM(x,y-1) ~= old_komponen) old_komponen = CM(x,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x,y+1) > 0) if(CM(x,y+1) ~= old_komponen)
76
old_komponen = CM(x,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y) > 0) if(CM(x-1,y) ~= old_komponen) old_komponen = CM(x-1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y-1) > 0) if(CM(x-1,y-1) ~= old_komponen) old_komponen = CM(x-1,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y+1) > 0) if(CM(x-1,y+1) ~= old_komponen) old_komponen = CM(x-1,y+1); jumlah_komponen = jumlah_komponen + 1; end end elseif((x==1)&&((y>1)&&(y<lebar))) %3 if(CM(x,y-1) > 0) if(CM(x,y-1) ~= old_komponen) old_komponen = CM(x,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x,y+1) > 0) if(CM(x,y+1) ~= old_komponen) old_komponen = CM(x,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y) > 0) if (CM(x+1,y) ~= old_komponen) old_komponen = CM(x+1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y-1) > 0) if (CM(x+1,y-1) ~= old_komponen) old_komponen = CM(x+1,y-1); jumlah_komponen = jumlah_komponen + 1; end end
77
if(CM(x+1,y+1) > 0) if (CM(x+1,y+1) ~= old_komponen) old_komponen = CM(x+1,y+1); jumlah_komponen = jumlah_komponen + 1; end end elseif(((x>1)&&(x<panjang))&&(y==1)) %4 if(CM(x-1,y) > 0)%%% if(CM(x-1,y) ~= old_komponen) old_komponen = CM(x-1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x,y+1) > 0) if(CM(x,y+1) ~= old_komponen) old_komponen = CM(x,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y) > 0) if(CM(x+1,y) ~= old_komponen) old_komponen = CM(x+1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y+1) > 0) if (CM(x-1,y+1) ~= old_komponen) old_komponen = CM(x-1,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y+1) > 0)%%% if(CM(x+1,y+1) ~= old_komponen) old_komponen = CM(x+1,y+1); jumlah_komponen = jumlah_komponen + 1; end end elseif(((x>1)&&(x<panjang))&&(y==lebar)) %5 if(CM(x,y-1) > 0) if(CM(x,y-1) ~= old_komponen) old_komponen = CM(x,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y) > 0) if(CM(x-1,y) ~= old_komponen) old_komponen = CM(x-1,y);
78
jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y) > 0) if(CM(x+1,y) ~= old_komponen) old_komponen = CM(x+1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y-1) > 0) if(CM(x-1,y-1) ~= old_komponen) old_komponen = CM(x-1,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y-1) > 0) if(CM(x+1,y-1) ~= old_komponen) old_komponen = CM(x+1,y-1); jumlah_komponen = jumlah_komponen + 1; end end elseif((x==1)&&(y==1)) %6 if(CM(x,y+1) > 0) if(CM(x,y+1) ~= old_komponen) old_komponen = CM(x,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y) > 0) if(CM(x+1,y) ~= old_komponen) old_komponen = CM(x+1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,y+1) > 0) if(CM(x+1,y+1) ~= old_komponen) old_komponen = CM(x+1,y+1); jumlah_komponen = jumlah_komponen + 1; end end elseif((x == 1) && (y == lebar)) %7 if(CM(x,lebar-1) > 0) if(CM(x,lebar-1) ~= old_komponen) old_komponen = CM(x,lebar-1); jumlah_komponen = jumlah_komponen + 1; end end
79
if(CM(x+1,lebar-1) > 0) if(CM(x+1,lebar-1) ~= old_komponen) old_komponen = CM(x+1,lebar-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x+1,lebar) > 0) if(CM(x+1,lebar) ~= old_komponen) old_komponen = CM(x+1,lebar); jumlah_komponen = jumlah_komponen + 1; end end elseif((x == panjang) && (y == 1)) % 8 if(CM(x-1,y) > 0) if(CM(x-1,y) ~= old_komponen) old_komponen = CM(x-1,y); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x,y+1) > 0) if(CM(x,y+1) ~= old_komponen) old_komponen = CM(x,y+1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y+1) > 0) if(CM(x-1,y+1) ~= old_komponen) old_komponen = CM(x-1,y+1); jumlah_komponen = jumlah_komponen + 1; end end elseif((x==panjang) && (y==lebar)) % 9 if(CM(x,y-1) > 0) if(CM(x,y-1) ~= old_komponen) old_komponen = CM(x,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y-1) > 0) if(CM(x-1,y-1) ~= old_komponen) old_komponen = CM(x-1,y-1); jumlah_komponen = jumlah_komponen + 1; end end if(CM(x-1,y) > 0) if(CM(x-1,y) ~= old_komponen) old_komponen = CM(x-1,y);
80
jumlah_komponen = jumlah_komponen + 1; end end end %% akhir proses dilasi if (jumlah_komponen == 1) O(1) counter = counter -1; O(1) CM(x,y) = old_komponen; O(1) hasil(x,y)=1; O(1) elseif (jumlah_komponen >= 2) O(1) counter = counter -1; O(1) CM(x,y) = -2; O(1) hasil(x,y)=1; O(1) else if(status_counter == 1) O(1) inc = inc-1; % O(1) minima = minima + 1; O(1) status_counter = 0; O(1) O(1) counter = counter -1; O(1) CM(x,y) = minima; O(1) hasil(x,y)=1; O(1) end end if (old_counter == counter) O(1) inc = inc+1; O(1) end end end end if(inc==old_counter) O(1) status_counter =1; O(1) O(1) end end end
Waktu kompleksitas tahap pembentukan dam (watershed), daerah-daerah baru dan daerah
lama
= O(1) + 1 { max(O(1) + O(panjang x lebar) + O(1) , counter { max(O(1) + O(panjang x
lebar) + O(1) + O(1)) } )} (a)
= O(1) + 1 { max( O(panjang x lebar), counter { O(panjang x lebar) } )} (b)
81
= O(1) + 1 { max( O(panjang x lebar), O(counter x panjang x lebar))} (a)
= O(1) + 1 { O(counter x panjang x lebar) } (b)
= O(1) + O(counter x panjang x lebar) = O(max(1, (counter x panjang x lebar))) (a)
= O(counter x panjang x lebar)
Jadi kompleksitas waktu asimptotik pada tahap pembentukan dam (watershed), daerah-
daerah baru dan daerah lama adalah O(counter x panjang x lebar) atau O(n3) dimana n adalah
jumlah lebar citra atau jumlah panjang citra.
Total waktu kompleksitas segmentasi watershed adalah waktu kompleksitas tahap inisialisasi
pembentukan daerah-daerah minima ditambah dengan Waktu kompleksitas tahap
pembentukan dam (watershed), daerah-daerah baru dan daerah lama sehingga hasilnya
adalah sebagai berikut :
= O(n3) + O(n3)
= O(max(n3, n3)) (a)
= O(n3)
Jadi kompleksitas waktu asimptotik segmentasi watershed adalah O(n3).
Waktu running program hasil segmentasi pada sebuah citra dokumen teks sastra Jawa
yang berukuran 100X100 piksel adalah 0,25 detik. Sedangkan waktu running program hasil
segmentasi pada sebuah citra dokumen teks sastra Jawa yang berukuran 2 kalinya yaitu
200X200 piksel adalah 1,531 detik. Dari hasil percobaan ini maka didapatkan bahwa waktu
82
running program pada citra ukuran 100X100 piksel yaitu 0,25 detik dan waktu running
program citra ukuran 200X200 piksel yaitu 1,531 detik yang artinya relatif sama dengan
O(n3), sehingga bila n = 100 maka waktu pelaksanaan algoritma adalah 1.000.000. Bila n
dinaikkan menjadi dua kali semula, waktu pelaksanaan algoritma meningkat menjadi delapan
kali semula.
5.4 Analisa Hasil Proses Pengujian
Berdasarkan pengujian hasil segmentasi obyek pada citra dokumen 1 maka diperoleh
tabel 5.2 sebagai berikut :
Tabel 5.2 Daftar Data Hasil Segmentasi Citra Dokumen 1
Daerah Minima X0 X1 Y0 Y1 Nama File 1 148 189 2 26 Dokumen 1_Segmen1.JPG 2 582 645 16 86 Dokumen 1_Segmen2.JPG 3 714 735 16 37 Dokumen 1_Segmen3.JPG 4 830 839 21 39 Dokumen 1_Segmen4.JPG 5 1066 1077 21 45 Dokumen 1_Segmen5.JPG 6 1201 1245 26 50 Dokumen 1_Segmen6.JPG 7 26 124 27 93 Dokumen 1_Segmen7.JPG 8 38 71 28 55 Dokumen 1_Segmen8.JPG 9 149 184 30 53 Dokumen 1_Segmen9.JPG 10 232 276 30 52 Dokumen 1_Segmen10.JPG 11 197 221 31 95 Dokumen 1_Segmen11.JPG 12 287 299 31 54 Dokumen 1_Segmen12.JPG 13 311 352 31 97 Dokumen 1_Segmen13.JPG 14 50 66 32 50 Dokumen 1_Segmen14.JPG 15 364 398 32 55 Dokumen 1_Segmen15.JPG 16 411 446 33 56 Dokumen 1_Segmen16.JPG 17 497 543 35 59 Dokumen 1_Segmen17.JPG 18 196 199 36 51 Dokumen 1_Segmen18.JPG 19 464 487 36 100 Dokumen 1_Segmen19.JPG 20 556 568 37 59 Dokumen 1_Segmen20.JPG 21 608 642 37 64 Dokumen 1_Segmen21.JPG 22 653 692 38 105 Dokumen 1_Segmen22.JPG
83
23 753 799 39 64 Dokumen 1_Segmen23.JPG 24 705 740 40 66 Dokumen 1_Segmen24.JPG 25 815 850 43 66 Dokumen 1_Segmen25.JPG 26 861 896 43 66 Dokumen 1_Segmen26.JPG 27 908 941 44 66 Dokumen 1_Segmen27.JPG 28 921 962 45 108 Dokumen 1_Segmen28.JPG 29 1005 1042 47 70 Dokumen 1_Segmen29.JPG 30 1099 1137 48 72 Dokumen 1_Segmen30.JPG 31 1146 1194 48 74 Dokumen 1_Segmen31.JPG 32 1055 1088 49 73 Dokumen 1_Segmen32.JPG 33 1252 1288 51 75 Dokumen 1_Segmen33.JPG 34 1204 1240 53 76 Dokumen 1_Segmen34.JPG 35 762 805 66 89 Dokumen 1_Segmen35.JPG 36 317 342 69 92 Dokumen 1_Segmen36.JPG 37 783 800 91 107 Dokumen 1_Segmen37.JPG 38 75 97 96 117 Dokumen 1_Segmen38.JPG 39 197 220 96 119 Dokumen 1_Segmen39.JPG 40 255 278 97 119 Dokumen 1_Segmen40.JPG 41 397 439 98 125 Dokumen 1_Segmen41.JPG 42 260 272 102 114 Dokumen 1_Segmen42.JPG 43 610 653 105 129 Dokumen 1_Segmen43.JPG 44 735 765 108 131 Dokumen 1_Segmen44.JPG 45 740 752 113 125 Dokumen 1_Segmen45.JPG 46 19 57 118 142 Dokumen 1_Segmen46.JPG 47 1010 1073 118 187 Dokumen 1_Segmen47.JPG 48 67 109 122 144 Dokumen 1_Segmen48.JPG 49 114 132 122 143 Dokumen 1_Segmen49.JPG 50 176 223 122 146 Dokumen 1_Segmen50.JPG 51 294 329 122 147 Dokumen 1_Segmen51.JPG 52 235 282 123 145 Dokumen 1_Segmen52.JPG 53 340 375 123 145 Dokumen 1_Segmen53.JPG 54 386 433 123 148 Dokumen 1_Segmen54.JPG 55 443 484 125 193 Dokumen 1_Segmen55.JPG 56 491 508 130 150 Dokumen 1_Segmen56.JPG 57 552 600 130 154 Dokumen 1_Segmen57.JPG 58 661 709 131 156 Dokumen 1_Segmen58.JPG 59 612 646 133 156 Dokumen 1_Segmen59.JPG 60 782 825 133 157 Dokumen 1_Segmen60.JPG 61 719 767 134 159 Dokumen 1_Segmen61.JPG 62 829 875 135 159 Dokumen 1_Segmen62.JPG 63 892 917 138 203 Dokumen 1_Segmen63.JPG
84
64 925 972 138 162 Dokumen 1_Segmen64.JPG 65 1081 1128 139 165 Dokumen 1_Segmen65.JPG 66 983 995 140 162 Dokumen 1_Segmen66.JPG 67 1034 1069 140 162 Dokumen 1_Segmen67.JPG 68 1107 1151 140 206 Dokumen 1_Segmen68.JPG 69 1191 1227 144 168 Dokumen 1_Segmen69.JPG 70 1238 1286 144 208 Dokumen 1_Segmen70.JPG 71 385 431 152 172 Dokumen 1_Segmen71.JPG 72 609 650 162 200 Dokumen 1_Segmen72.JPG 73 448 472 165 188 Dokumen 1_Segmen73.JPG 74 76 120 186 210 Dokumen 1_Segmen74.JPG 75 210 232 189 212 Dokumen 1_Segmen75.JPG 76 273 284 190 212 Dokumen 1_Segmen76.JPG 77 316 338 190 213 Dokumen 1_Segmen77.JPG 78 214 226 194 206 Dokumen 1_Segmen78.JPG 79 466 489 194 217 Dokumen 1_Segmen79.JPG 80 561 604 195 219 Dokumen 1_Segmen80.JPG 81 1099 1110 205 229 Dokumen 1_Segmen81.JPG 82 1075 1097 208 232 Dokumen 1_Segmen82.JPG 83 21 66 211 236 Dokumen 1_Segmen83.JPG 84 77 112 213 236 Dokumen 1_Segmen84.JPG 85 123 169 213 237 Dokumen 1_Segmen85.JPG 86 1079 1091 213 226 Dokumen 1_Segmen86.JPG 87 740 750 214 223 Dokumen 1_Segmen87.JPG 88 182 197 215 270 Dokumen 1_Segmen88.JPG 89 201 237 215 240 Dokumen 1_Segmen89.JPG 90 249 295 215 240 Dokumen 1_Segmen90.JPG 91 305 343 216 240 Dokumen 1_Segmen91.JPG 92 400 447 216 241 Dokumen 1_Segmen92.JPG 93 141 149 218 231 Dokumen 1_Segmen93.JPG 94 356 374 218 239 Dokumen 1_Segmen94.JPG 95 458 494 219 243 Dokumen 1_Segmen95.JPG 96 505 552 219 245 Dokumen 1_Segmen96.JPG 97 562 597 223 247 Dokumen 1_Segmen97.JPG 98 608 643 224 248 Dokumen 1_Segmen98.JPG 99 523 531 225 245 Dokumen 1_Segmen99.JPG 100 676 694 225 247 Dokumen 1_Segmen100.JPG 101 773 807 225 251 Dokumen 1_Segmen101.JPG 102 522 547 226 280 Dokumen 1_Segmen102.JPG 103 657 670 226 280 Dokumen 1_Segmen103.JPG 104 722 762 226 249 Dokumen 1_Segmen104.JPG
85
105 819 852 228 252 Dokumen 1_Segmen105.JPG 106 865 900 228 252 Dokumen 1_Segmen106.JPG 107 958 1006 229 253 Dokumen 1_Segmen107.JPG 108 912 946 230 253 Dokumen 1_Segmen108.JPG 109 1015 1057 231 255 Dokumen 1_Segmen109.JPG 110 1062 1109 234 258 Dokumen 1_Segmen110.JPG 111 1203 1237 236 266 Dokumen 1_Segmen111.JPG 112 1190 1290 236 301 Dokumen 1_Segmen112.JPG 113 621 633 237 244 Dokumen 1_Segmen113.JPG 114 1124 1149 237 256 Dokumen 1_Segmen114.JPG 115 74 120 239 270 Dokumen 1_Segmen115.JPG 116 516 552 244 287 Dokumen 1_Segmen116.JPG 117 604 650 252 282 Dokumen 1_Segmen117.JPG
Pada tabel 5.2 hasil pengujian citra dokumen 1 menghasilkan 117 segmen dengan koordinat yang
ditunjukan pada kolom X0, X1, Y0 dan Y1. Pada kolom daerah minima menunjukkan urutan
daerah obyek hasil segmentasi citra dokumen 1, untuk kolom posisi X0 menunjukkan koordinat
posisi awal baris citra, untuk kolom posisi X1 menunjukkan koordinat posisi akhir baris citra,
untuk kolom posisi Y0 menunjukkan koordinat posisi awal kolom citra, untuk kolom posisi Y1
menunjukkan koordinat posisi akhir kolom citra, sedangkan untuk kolom Nama file adalah hasil
file segmentasi.
Hal yang sama dilakukan untuk 9 citra dokumen masukan yang lain dan hasilnya dapat
dilihat dalam lampiran 3.
5.5 Analisa Hasil Segmentasi
Dari proses pengujian citra dokumen masukan diperoleh hasil segmentasi berupa citra
obyek penyusun citra dokumen. Analisa hasil segmentasi ini berfungsi untuk menganalisa
waktu proses awal dan segmentasi, besar file hasil proses awal dan segmentasi serta
membandingkan banyaknya citra obyek penyusun hasil proses segmentasi dengan banyaknya
86
citra obyek penyusun citra asli, sehingga dapat diperoleh rata-rata prosentase kebenaran dan
prosentase akurasi segmentasi obyek citra dokumen.
Hasil segmentasi citra dokumen teks sastra jawa haruslah berupa karakter, sedangkan
karakteristik algoritma segmentasi watershed adalah melakukan segmentasi berdasarkan
daerah maka hasil segmen yang didapat bukanlah karakter melainkan obyek. Untuk itu selain
Penulis menganalisa hasil obyek segmentasi juga akan menganalisa hasil karakter citra yang
terbentuk dari daerah obyek-obyek tersebut, sehingga dapat diperoleh rata-rata prosentase
kebenaran segmentasi karakter citra dokumen.
Berikut ini adalah hasil segmentasi dan analisis untuk proses awal dan segmentasi watershed
yaitu :
1. Waktu proses awal dan proses segmentasi watershed
Waktu yang diperlukan untuk melakukan proses binerisasi, proses dilasi, proses
erosi, proses morphological gradient dan proses segmentasi watershed untuk setiap data
citra dokumen dapat dilihat dalam tabel 5.3 :
Tabel 5.3 Waktu Proses awal dan proses segmentasi watershed
Citra
Dokumen
Waktu Proses (detik) Jumlah
Waktu Proses
(detik)
Binerisasi Dilasi Erosi
Morphological
Gradient
Segmentasi
1 0,375 0,297 0,36 0,078 44,297 45,407
2 0,375 0,297 0,36 0,078 41,875 42,985
3 0,375 0,297 0,359 0,078 43,266 44,375
87
4 0,375 0,297 0,359 0,078 37,547 38,656
5 0,375 0,297 0,36 0,078 37,5 38,61
6 0,36 0,281 0,344 0,079 38,531 39,595
7 0,359 0,281 0,344 0,078 34,562 35,624
8 0,359 0,281 0,344 0,078 36,968 38,03
9 0,36 0,281 0,344 0,078 35,906 36,969
10 0,375 0,281 0,36 0,078 35,922 37,016
Rata-rata waktu proses 39,7267
Dari tabel 5.3 secara keseluruhan diperoleh rata-rata waktu yang dibutuhkan untuk proses
awal dan proses segmentasi watershed yaitu 39,7267 detik, sehingga metode segmentasi
yang digunakan relatif singkat.
2. Besar file proses awal dan proses segmentasi watershed
Besar file hasil proses awal dan proses segmentasi watershed dapat dilihat pada
tabel 5.4 berikut ini :
Tabel 5.4 Besar file Proses awal dan proses segmentasi watershed
Citra
Dokumen
Besar File Hasil (KB) Prosentase
kenaikan
ukuran file
segmentasi
Binerisasi Dilasi Erosi Morphological
Gradient
Segmentasi
1 68,7 61,3 69,2 82,7 88,9 16,3
2 69,9 62,7 70,8 85,3 90,9 20,2
3 68,9 62,3 69,7 84,3 87,8 12,1
4 67,2 59,8 67,9 81,3 86,8 8,5
5 68,8 61,4 69,3 84,0 88,5 18,6
6 66,4 59,4 66,9 81,0 88,8 15,9
88
7 66,2 59,1 67,1 80,5 86,5 9,6
8 69,9 62,1 71,1 85,3 92,5 8,9
9 67,9 60,8 68,3 82,8 89,7 -8,5
10 65,9 59,2 66,6 80,8 84,1 1.9
Rata-rata ukuran file segmentasi 10,35
Dari tabel 5.4 secara keseluruhan diperoleh rata-rata prosentase kenaikan ukuran file
segmentasi yaitu 10,35%, sehingga dilihat dari segi ukuran file hasil segmentasi bahwa
metode segmentasi yang digunakan kurang baik.
3. Hasil segmentasi obyek
Hasil segmentasi obyek pada citra dokumen masukan adalah hasil segmentasi
titik (piksel) yang memiliki perbedaan keabuan yang cukup besar dengan titik
tetangganya (Ahmad dan Firdausy, 2004). Jadi citra dokumen yang memiliki nilai piksel
0 adalah obyek dan citra dokumen yang memiliki nilai piksel 255 adalah latar. Sehingga
diharapkan hasil segmentasi obyek pada citra dokumen masukan adalah obyek yang
memiliki nilai atau arti pada saat akan dilakukan tahap selanjutnya yaitu tahap
pengenalan karakter.
Pada tabel 5.5 s/d tabel 5.14 adalah hasil segmentasi obyek pada citra dokumen
masukan 1 s/d 10 yang dihitung dengan rumus prosentase kebenaran segmentasi obyek
citra dokumen (3-1) dan rumus prosentase akurasi segmentasi obyek citra dokumen (3-2).
Berikut ini adalah hasil segmentasi obyek :
89
Hasil obyek citra dokumen 1 proses segmentasi dapat dilihat pada tabel 5.5
berikut ini :
Tabel 5.5 Hasil obyek citra dokumen 1 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
105 117 104 ada 1 obyek yang terpisah menjadi 2
obyek.
ada 11 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.5, diperoleh 105 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
117 obyek dan hasil segmentasi obyek yang sama ada sebanyak 104 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 94,04% yang
diperoleh dari (104/105) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 86,67% yang diperoleh dari (104-13/105) x 100%.
90
Hasil obyek citra dokumen 2 proses segmentasi dapat dilihat pada tabel 5.6
berikut ini :
Tabel 5.6 Hasil obyek citra dokumen 2 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
108 119 108 ada 11 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.6, diperoleh 108 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
119 obyek dan hasil segmentasi obyek yang sama ada sebanyak 108 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 100% yang
diperoleh dari (108/108) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 89,81% yang diperoleh dari (108-11/108) x 100%.
91
Hasil obyek citra dokumen 3 proses segmentasi dapat dilihat pada tabel 5.7
berikut ini :
Tabel 5.7 Hasil obyek citra dokumen 3 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
104 113 103 ada 1 obyek yang terpisah menjadi 2
obyek.
ada 8 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.7, diperoleh 104 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
113 obyek dan hasil segmentasi obyek yang sama ada sebanyak 103 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 99,03% yang
diperoleh dari (103/104) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 89,42% yang diperoleh dari (103-10/104) x 100%.
92
Hasil obyek citra dokumen 4 proses segmentasi dapat dilihat pada tabel 5.8
berikut ini :
Tabel 5.8 Hasil obyek citra dokumen 4 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
104 115 99 ada 5 obyek yang terpisah menjadi 2
obyek.
Ada 6 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.8, diperoleh 104 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
115 obyek dan hasil segmentasi obyek yang sama ada sebanyak 99 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 95,19% yang
diperoleh dari (99/104) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 79,80% yang diperoleh dari (99-16/104) x 100%.
93
Hasil obyek citra dokumen 5 proses segmentasi dapat dilihat pada tabel 5.9
berikut ini :
Tabel 5.9 Hasil obyek citra dokumen 5 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
107 116 104 ada 3 obyek yang terpisah menjadi 2
obyek.
menghasilkan 6 bukan obyek hasil
sisa segmentasi.
Dari hasil segmentasi watershed pada tabel 5.9, diperoleh 107 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
116 obyek dan hasil segmentasi obyek yang sama ada sebanyak 104 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 97,19% yang
diperoleh dari (104/107) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 85,98% yang diperoleh dari (104-12/107) x 100%.
94
Hasil obyek citra dokumen 6 proses segmentasi dapat dilihat pada tabel 5.10
berikut ini :
Tabel 5.10 Hasil obyek citra dokumen 6 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
103 118 100 ada 3 obyek yang terpisah menjadi 2
obyek.
ada 12 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.10, diperoleh 103 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
118 obyek dan hasil segmentasi obyek yang sama ada sebanyak 100 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 97,08% yang
diperoleh dari (100/103) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 79,61% yang diperoleh dari (100-18/103) x 100%.
95
Hasil obyek citra dokumen 7 proses segmentasi dapat dilihat pada tabel 5.11
berikut ini :
Tabel 5.11 Hasil obyek citra dokumen 7 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
107 117 100 ada 5 obyek yang terpisah menjadi 2
obyek.
ada 7 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.11, diperoleh 107 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
117 obyek dan hasil segmentasi obyek yang sama ada sebanyak 100 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 93,45% yang
diperoleh dari (100/107) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 77,57% yang diperoleh dari (100-17/107) x 100%.
96
Hasil obyek citra dokumen 8 proses segmentasi dapat dilihat pada tabel 5.12
berikut ini :
Tabel 5.12 Hasil obyek citra dokumen 8 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
110 124 109 ada 1 obyek yang terpisah menjadi 2
obyek.
ada 13 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.12, diperoleh 110 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
124 obyek dan hasil segmentasi obyek yang sama ada sebanyak 109 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 99,09% yang
diperoleh dari (109/110) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 85,45% yang diperoleh dari (109-15/110) x 100%.
97
Hasil obyek citra dokumen 9 proses segmentasi dapat dilihat pada tabel 5.13
berikut ini :
Tabel 5.13 Hasil obyek citra dokumen 9 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
106 118 103 ada 3 obyek yang terpisah menjadi 2
obyek.
ada 9 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5. 13, diperoleh 106 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
118 obyek dan hasil segmentasi obyek yang sama ada sebanyak 103 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 97,16% yang
diperoleh dari (103/106) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek
citra dokumen yaitu sebesar 83,01% yang diperoleh dari (103-15/106) x 100%.
98
Hasil obyek citra dokumen 10 proses segmentasi dapat dilihat pada tabel 5.14
berikut ini :
Tabel 5.14 Hasil obyek citra dokumen 10 proses segmentasi watershed
Banyaknya Obyek Obyek
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
100 106 99 ada 1 obyek yang terpisah menjadi 2
obyek.
ada 5 bukan obyek hasil sisa
segmentasi.
Dari hasil segmentasi watershed pada tabel 5.14, diperoleh 100 obyek dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
106 obyek dan hasil segmentasi obyek yang sama ada sebanyak 99 obyek. Sehingga
prosentase kebenaran segmentasi obyek citra dokumen yaitu sebesar 99% yang diperoleh
dari (99/100) x 100%. Sedangkan hasil prosentase akurasi segmentasi obyek citra
dokumen yaitu sebesar 92% yang diperoleh dari (99-7/100) x 100%.
4. Hasil segmentasi karakter
Berdasarkan pengujian citra dokumen masukan maka penulis akan
mengelompokan karakter berdasarkan daerah obyek, sehingga pada citra dokumen
masukan akan terdapat 1 karakter citra yang memiliki 1 daerah obyek contoh , 1
99
karakter citra yang memiliki 2 daerah obyek contoh dan 1 karakter citra yang
memiliki 3 daerah obyek contoh .
Pada tabel 5.15 s/d tabel 5.24 adalah hasil segmentasi karakter pada citra
dokumen masukan 1 s/d 10 yang dikelompokan berdasarkan banyaknya daerah obyek.
Berikut ini adalah hasil segmentasi karakter yang dihitung dengan rumus prosentase
kebenaran segmentasi karakter citra dokumen (3-1) :
Hasil karakter citra dokumen 1 proses segmentasi dapat dilihat pada tabel 5.15
berikut ini :
Tabel 5.15 Hasil karakter citra dokumen 1 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 44 56 43 Ada 1 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 11 bukan karakter hasil
sisa segmentasi
2 23 46 0 Ada 23 karakter yang terpisah
menjadi 2 daerah obyek
3 5 15 0 Ada 5 karakter yang terpisah
menjadi 3 daerah obyek
Jumlah 72 117 43 -
Dari hasil segmentasi watershed pada tabel 5.15, diperoleh 72 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
117 karakter dan hasil segmentasi karakter yang sama ada sebanyak 43 karakter.
100
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 59,72%
yang diperoleh dari (43/72) x 100%.
Hasil karakter citra dokumen 2 proses segmentasi dapat dilihat pada tabel 5.16
berikut ini :
Tabel 5.16 Hasil karakter citra dokumen 2 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 43 54 43 Ada 11 bukan karakter hasil
sisa segmentasi
2 25 50 0 Ada 25 karakter yang terpisah
menjadi 2 daerah obyek
3 5 15 0 Ada 5 karakter yang terpisah
menjadi 3 daerah obyek
Jumlah 73 119 43 -
Dari hasil segmentasi watershed pada tabel 5.16, diperoleh 73 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
119 karakter dan hasil segmentasi karakter yang sama ada sebanyak 43 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 58,90%
yang diperoleh dari (43/73) x 100%.
101
Hasil karakter citra dokumen 3 proses segmentasi dapat dilihat pada tabel 5.17
berikut ini :
Tabel 5.17 Hasil karakter citra dokumen 3 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 40 48 40 Ada 8 bukan karakter hasil
sisa segmentasi
2 26 53 0 Ada 25 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 1 karakter yang terpisah
menjadi 3 daerah obyek
3 4 12 0 Ada 4 karakter yang terpisah
menjadi 3 daerah obyek
Jumlah 70 113 40 -
Dari hasil segmentasi watershed pada tabel 5.17, diperoleh 70 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
113 karakter dan hasil segmentasi karakter yang sama ada sebanyak 40 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 57,14%
yang diperoleh dari (40/70) x 100%.
102
Hasil karakter citra dokumen 4 proses segmentasi dapat dilihat pada tabel 5.18
berikut ini :
Tabel 5.18 Hasil karakter citra dokumen 4 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 40 50 36 Ada 4 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 6 bukan karakter hasil sisa
segmentasi
2 26 52 0 Ada 26 karakter yang terpisah
menjadi 2 daerah obyek
3 4 13 0 Ada 3 karakter yang terpisah
menjadi 3 daerah obyek dan
ada 1 karakter yang terpisah
menjadi 4 daerah obyek
Jumlah 70 115 36 -
Dari hasil segmentasi watershed pada tabel 5.18, diperoleh 70 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
115 karakter dan hasil segmentasi karakter yang sama ada sebanyak 36 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 51,42%
yang diperoleh dari (36/70) x 100%.
103
Hasil karakter citra dokumen 5 proses segmentasi dapat dilihat pada tabel 5.19
berikut ini :
Tabel 5.19 Hasil karakter citra dokumen 5 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 44 51 43 Ada 1 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 6 bukan karakter hasil sisa
segmentasi
2 27 56 0 Ada 25 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 2 karakter yang terpisah
menjadi 3 daerah obyek
3 3 9 0 Ada 3 karakter yang terpisah
menjadi 3 daerah obyek
Jumlah 74 116 43 -
Dari hasil segmentasi watershed pada tabel 5.19, diperoleh 74 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
116 karakter dan hasil segmentasi karakter yang sama ada sebanyak 43 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 58,10%
yang diperoleh dari (43/74) x 100%.
104
Hasil karakter citra dokumen 6 proses segmentasi dapat dilihat pada tabel 5.20
berikut ini :
Tabel 5.20 Hasil karakter citra dokumen 6 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 39 53 37 Ada 2 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 12 bukan karakter hasil
sisa segmentasi
2 29 59 0 Ada 28 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 1 karakter yang terpisah
menjadi 3 daerah obyek
3 2 6 0 Ada 2 karakter yang tiap
karakter terpisah menjadi 3
daerah obyek
Jumlah 70 118 37 -
Dari hasil segmentasi watershed pada tabel 5.20, diperoleh 70 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
118 karakter dan hasil segmentasi karakter yang sama ada sebanyak 37 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 52,85%
yang diperoleh dari (37/70) x 100%.
105
Hasil karakter citra dokumen 7 proses segmentasi dapat dilihat pada tabel 5.21
berikut ini :
Tabel 5.21 Hasil karakter citra dokumen 7 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 49 55 46 Ada 3 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 3 bukan karakter hasil sisa
segmentasi
2 20 43 0 Ada 17 karakter yang tiap
karakter terpisah menjadi 2
daerah obyek dan ada 3
karakter yang terpisah
menjadi 3 daerah obyek
3 6 19 0 Ada 5 karakter yang tiap
karakter terpisah menjadi 3
daerah obyek dan ada 1
karakter yang terpisah
menjadi 4 daerah obyek
Jumlah 75 117 46 -
Dari hasil segmentasi watershed pada tabel 5.21, diperoleh 75 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
117 karakter dan hasil segmentasi karakter yang sama ada sebanyak 46 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 61,33%
yang diperoleh dari (46/75) x 100%.
106
Hasil karakter citra dokumen 8 proses segmentasi dapat dilihat pada tabel 5.22
berikut ini :
Tabel 5.22 Hasil karakter citra dokumen 8 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 44 58 43 Ada 1 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 13 bukan karakter hasil
sisa segmentasi
2 24 48 0 Ada 24 karakter yang tiap
karakter terpisah menjadi 2
daerah obyek
3 6 18 0 Ada 6 karakter yang tiap
karakter terpisah menjadi 3
daerah obyek
Jumlah 74 124 43 -
Dari hasil segmentasi watershed pada tabel 5.22, diperoleh 74 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
124 karakter dan hasil segmentasi karakter yang sama ada sebanyak 43 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 58,10%
yang diperoleh dari (43/74) x 100%.
107
Hasil karakter citra dokumen 9 proses segmentasi dapat dilihat pada tabel 5.23
berikut ini :
Tabel 5.23 Hasil karakter citra dokumen 9 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 45 56 43 Ada 2 karakter yang terpisah
menjadi 2 daerah obyek dan
ada 9 bukan karakter hasil sisa
segmentasi
2 23 46 0 Ada 23 karakter yang tiap
karakter terpisah menjadi 2
daerah obyek
3 5 16 0 Ada 4 karakter yang tiap
karakter terpisah menjadi 3
daerah obyek dan ada 1
karakter yang terpisah
menjadi 4 daerah obyek
Jumlah 73 118 43 -
Dari hasil segmentasi watershed pada tabel 5.23, diperoleh 73 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
118 karakter dan hasil segmentasi karakter yang sama ada sebanyak 43 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 58,90%
yang diperoleh dari (43/73) x 100%.
108
Hasil karakter citra dokumen 10 proses segmentasi dapat dilihat pada tabel 5.24
berikut ini :
Tabel 5.24 Hasil karakter citra dokumen 10 proses segmentasi watershed
Daerah
Obyek
Banyaknya Karakter Karakter
yang
sama
Keterangan
Citra
Dokumen
Hasil
Segmentasi
1 40 45 40 Ada 5 bukan karakter hasil
sisa segmentasi
2 27 55 0 Ada 26 karakter yang tiap
karakter terpisah menjadi 2
daerah obyek dan ada 1
karakter yang terpisah
menjadi 3 daerah obyek
3 2 6 0 Ada 2 karakter yang tiap
karakter terpisah menjadi 3
daerah obyek
Jumlah 69 106 40 -
Dari hasil segmentasi watershed pada tabel 5.24, diperoleh 69 karakter dalam citra
dokumen, secara keseluruhan melalui proses segmentasi citra dokumen menghasilkan
106 karakter dan hasil segmentasi karakter yang sama ada sebanyak 40 karakter.
Sehingga prosentase kebenaran segmentasi karakter citra dokumen yaitu sebesar 57,97%
yang diperoleh dari (40/69) x 100%.
5. Hasil segmentasi jumlah obyek dan bukan obyek
Hasil segmentasi pada citra dokumen teks sastra Jawa selain berupa obyek juga
berupa bukan obyek. Mula-mula total hasil segmentasi obyek dan bukan obyek, sebelum
109
mengalami proses penyaringan masing-masing berjumlah 1079 dan 692, karena total
hasil segmentasi bukan obyek cukup tinggi maka diperlukan suatu proses penyaringan
segmen bukan obyek. Untuk melakukan proses penyaringan, penulis menggunakan daftar
tabel data hasil segmentasi sehingga tiap segmen yang bukan obyek akan dihilangkan dan
total hasil segmentasi bukan obyek akan menurun.
Dalam proses penyaringan akan dilakukan proses perhitungan jumlah piksel
hitam (0) pada tiap segmen (sesuai dengan koordinat daftar data hasil segmentasi).
Setelah mendapatkan hasil jumlah piksel hitam maka dilakukan penyaringan yang
dimana didapatkan hasil percobaan yang dapat dilihat pada tabel 5.25 berikut ini :
Tabel 5.25 Hasil percobaan proses penyaringan hasil segmentasi citra
Jumlah
piksel hitam
Hasil
jumlah obyek
Hasil jumlah
bukan obyek
keterangan
<= 51 1075 39 Hilang 4 obyek
<= 45 1078 66 Hilang 1 obyek
<= 42 1078 80 Hilang 1 obyek
<= 41 1079 86 -
<= 40 1079 88 -
Karena batas antara obyek dan bukan obyek cukup tipis (dari jumlah piksel hitam
41 ke 42) maka kemungkinan hilangnya obyek cukup besar (dapat dilihat pada jumlah
piksel hitam 51, 45 dan 42), sehingga penulis melakukan penyaringan obyek yang
dilakukan melalui program dengan nilai jumlah piksel hitam yang relatif lebih kecil yaitu
110
<=40. Sehingga informasi hasil jumlah obyek masih akan tetap sama atau tidak hilang
yaitu 1079 dan hasil jumlah bukan obyek akan berkurang menjadi 88.
5.6 Rangkuman Hasil Segmentasi
Berdasarkan hasil analisa segmentasi untuk semua data citra dokumen teks sastra
jawa, maka dapat dirangkum dan disimpulkan seberapa besar hasil sisa segmentasi bukan
obyek dan hasil prosentase kebenaran dan prosentase akurasi pada segmentasi obyek dan
segmentasi karakter citra. Hasil rangkuman tersebut dapat dilihat dalam tabel 5.26 sampai
dengan tabel 5.28 sebagai berikut :
Tabel 5.26 Rangkuman hasil segmentasi obyek dan bukan obyek
Citra
Dokumen
Jumlah Segmentasi
Obyek
Jumlah Segmentasi
Bukan Obyek
1 106 11
2 108 11
3 105 8
4 109 6
5 110 6
6 106 12
7 110 7
8 111 13
9 109 9
10 101 5
Total 1079 88
Berdasarkan tabel 5.26 diperoleh total hasil segmentasi obyek sebanyak 1079 dan
total hasil segmentasi bukan obyek sebanyak 88. Hal ini disebabkan karena segmentasi
watershed melakukan segmentasi berdasarkan wilayah dan citra yang diproses pada saat
111
segmentasi adalah citra morphological gradient. Sehingga hasil segmentasi ini akan
mengganggu proses selanjutnya yaitu proses pengenalan karakter.
Tabel 5.27 Rangkuman hasil Analisis segmentasi obyek
Citra
Dokumen
Jumlah Obyek Obyek
yang sama
Prosentase
kebenaran
Prosentase
akurasi Citra
Dokumen
Citra Hasil
Segmentasi
1 105 117 104 94,04 86,67
2 108 119 108 100 89,81
3 104 113 103 99,03 89,42
4 104 115 99 95,19 79,80
5 107 116 104 97,19 85,98
6 103 118 100 97,08 79,61
7 107 117 100 93,45 77,57
8 110 124 109 99,09 85,45
9 106 118 103 97,16 83,01
10 100 106 99 99 92
Rata-rata Prosentase Keberhasilan 97,123 84,932
Berdasarkan hasil rangkuman seluruh citra data masukan pada analisa segmentasi
obyek rata-rata prosentase kebenaran dan rata-rata prosentase akurasi masing-masing sebesar
97,123% dan 84,932%. Hal ini menjelaskan bahwa pemilihan metode segmentasi obyek yang
digunakan relatif baik.
112
Tabel 5.28 Rangkuman hasil Analisis segmentasi karakter
Citra
Dokumen
Jumlah Karakter Karakter yang
sama
Prosentase
kebenaran Citra
Dokumen
Citra Hasil
Segmentasi
1 72 195 43 59,72
2 73 188 43 58,90
3 70 199 40 57,14
4 70 178 36 51,42
5 74 176 43 58,10
6 70 168 37 52,85
7 75 175 46 61,33
8 74 178 43 58,10
9 73 157 43 58,90
10 69 157 40 57,97
Rata-rata Prosentase Keberhasilan 57,443
Berdasarkan hasil rangkuman seluruh citra data masukan pada analisa segmentasi
karakter rata-rata prosentase kebenaran sebesar 57,443%. Nilai prosentase yang kecil ini
disebabkan oleh sifat segmentasi watershed yang melakukan segmentasi berdasarkan wilayah
sehingga sebuah karakter akan terpisah menjadi beberapa karakter (1 karakter citra yang
memiliki 2 atau 3 daerah obyek). Hal ini menjelaskan bahwa pemilihan metode segmentasi
karakter yang digunakan kurang baik.
Karena hasil segmentasi karakter kurang baik sedangkan hasil segmentasi obyek
relatif baik maka sistem segmentasi watershed ini perlu dilakukan perbaikan dengan 2
113
alternatif yaitu alternatif pertama menggunakan daftar tabel data hasil segmentasi (koordinat
X0, X1, Y0 dan Y1) untuk menggabungkan obyek-obyek menjadi karakter yang terurut atau
alternatif kedua yaitu melakukan kombinasi dengan metode segmentasi yang lain seperti
metode profil proyeksi. Misalnya pada awal segmentasi dilakukan kombinasi antara metode
profil proyeksi citra dan metode segmentasi wateshed dimana dalam metode profil proyeksi
citra akan melakukan profil proyeksi horizontal dan profil proyeksi vertikal. Profil proyeksi
horizontal adalah banyaknya piksel hitam yang tegak lurus dengan sumbu x, yaitu :
(5-1)
Sedangkan profil proyeksi vertikal adalah banyaknya piksel hitam yang tegak lurus
dengan sumbu y (Hadi,Setiawan, 2009), yaitu :
(5-2)
Keterangan :
S = Citra
Pv = Profil proyeksi vertikal
Ph = Profil proyeksi horizontal
M = Kolom atau lebar citra
N = Baris atau tinggi citra
i = indek untuk baris (1,2,3……..,N)
j = indek untuk kolom (1,2,3..........,M)
setelah didapatkan potongan karakter penyusun citra hasil dari profil proyeksi (karakter yang
sudah terurut), maka selanjutnya dilakukan proses segmentasi watershed pada potongan tiap
114
karakter tersebut dan akan dihasilkan potongan obyek citra yang tiap karakternya telah
terurut.
5.7 Kelemahan Sistem
Berikut ini adalah beberapa kelemahan dari sistem yang telah dibangun:
1. Pada obyek yang terhubung satu atau dua piksel akan terputus obyeknya pada saat
dilakukan segmentasi, sedangkan untuk obyek yang terhubung lebih dari tiga piksel
(minimal tiga piksel) akan utuh obyeknya pada saat dilakukan segmentasi.
2. Hasil segmentasi watershed tidak terurut dengan baik karena karakteristik segmentasi
watershed ini adalah melakukan segmentasi berdasarkan daerah, (dari kiri ke kanan dan
atas ke bawah).
3. Berdasarkan perhitungan kompleksitas waktu segmentasi dan rata-rata waktu proses
awal dan segmentasi sekitar 39,7267 detik. Hal ini disebabkan karena sistem
dipengaruhi oleh banyaknya jumlah obyek dan besarnya citra. Sehingga semakin
banyaknya obyek dan semakin besarnya citra yang diproses, semakin lama pula proses
berlangsung.
4. Berdasarkan dari pengujian, jumlah hasil segmentasi bukan obyek cukup besar
sehingga akan mengganggu proses selanjutnya yaitu proses pengenalan karakter.
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
115
Dari hasil pengujian terhadap 10 citra dokumen teks sastra jawa, diperoleh
kesimpulan sebagai berikut :
1. Hasil analisa segmentasi berupa obyek terhadap citra dokumen teks sastra jawa dengan
rata-rata prosentase kebenaran dan rata-rata prosentase akurasi masing-masing sebesar
97,123% dan 84,932%. Nilai prosentase ini menjelaskan bahwa pemilihan metode
segmentasi obyek watershed yang digunakan relatif baik.
2. Dari hasil analisa segmentasi berupa karakter terhadap citra dokumen teks sastra jawa
dengan rata-rata prosentase kebenaran sebesar 57,443%. Nilai prosentase ini menjelaskan
bahwa pemilihan metode segmentasi karakter watershed yang digunakan kurang baik.
3. Kompleksitas waktu Asimptotik untuk proses segmentasi watershed adalah O(n3) dengan
rata-rata waktu segmentasi adalah 39,7267 detik sehingga metode segmentasi yang
digunakan relatif singkat.
4. Besar file proses segmentasi diperoleh rata-rata prosentase kenaikan ukuran file
segmentasi yaitu 10,35%, sehingga metode segmentasi yang digunakan kurang baik.
6.2 Saran
Di bawah ini adalah saran-saran bagi para peneliti yang ingin menerapkan sistem
segmentasi yang serupa:
116
1. Perlu penelitian lanjut untuk memperbaiki proses awal seperti proses penebalan piksel
dan proses normalisasi orientasi karena diharapkan dapat meningkatkan prosentase
kebenaran dan prosentase akurasi segmentasi citra.
2. Perlu penelitian lanjut untuk menggabungkan algoritma watershed dengan algoritma
profil proyeksi yang diharapkan dapat meningkatkan prosentase kebenaran dan
prosentase akurasi segmentasi citra.
3. Perlu dilakukan penangan khusus untuk hasil segmentasi bukan obyek sehingga
diharapkan dapat mempercepat dalam proses pengenalan karakter.
4. Perlu dicoba menggunakan daftar tabel data hasil segmentasi (koordinat X0, X1, Y0 dan
Y1) untuk menggabungkan obyek-obyek menjadi karakter sehingga diharapkan dapat
memperoleh hasil yang lebih optimal.
5. Perlu dicoba citra dokumen yang lain seperti citra tulisan tangan.
DAFTAR PUSTAKA
Achmad, Balza M.Sc.E Ir. & Firdausy, Kartika S.T., M.T. (2004). Teknik Pengolah CITRA
DIGITAL menggunakan Delphi. Yogyakarta : Ardi Publishing
117
Adipranata, Rudy dkk (2008). Perancangan dan Pembuatan Aplikasi Segmentasi Gambar
Dengan Menggunakan Metode Morphological Watershed. http://
fportfolio.petra.ac.id/user_files/94-14/Perancangan%20dan%20Pembuatan%
20Aplikasi%20Segmentasi%20Gambar%20Dengan%20Menggunakan%20
Metode%20Morphological%20Watershed.pdf (15 september 2008)
Anonim, (2009), Dokumen, http://id.wikipedia.org/wiki/Dokumen (20 Februari 2009)
Darma Putra, (2009), Binerisasi Citra Tangan Dengan Metode OTSU (25 April 2009)
Gonzalez, Rafael C. & Woods, Richard E. (2002). Digital Image Processing. Second Edition. - :
Prentice-Hall
Pressman, Roger S. (1992). Software Engineering A Practitioner’s Approach. USA : McGraw-
Hill, Inc.
Hadi, Setiawan. (2009), Pengembangan Metode Pendeteksian Banyak Wajah Pada Citra Dijital
Kompleks Menggunakan Pendekatan Multiaspek (4 Juni 2009)
Suryadi, (1995). Pengantar Analisis Algoritma. Jakarta: Gunadharma. (4 Juni 2009)
- . (2008). BAB 9. OPERASI MORFOLOGI. http://balzach.staff.ugm.ac.id/Pengolahan
Citra/Morfologi.pdf (17 september 2008)
- . (2008). Ayo-belajar-nulis-aksara-jawa.http://nindityo.wordpress.com/2008/04/12/ ayo-
belajar-nulis-aksara-jawa/ (25 september 2008)
Lampiran 1
Listing Program
118
1. Listing Program Binerisasi
function [citra_biner,waktu_biner] = Binerisasi(gambar);
tic;
citra = imread(gambar);
thresh=graythresh(citra);
binerisasi=im2bw(citra,thresh);
binerisasi = binerisasi*255;
if(strfind(gambar,'.jpg') > 1)
path_file_copy = strrep(gambar,'.jpg','_binerisasi.JPG');
else
path_file_copy = strrep(gambar,'.JPG','_binerisasi.JPG');
end
imwrite(binerisasi,path_file_copy);
citra_biner = binerisasi;
waktu_biner = toc;
2. Listing Program Dilasi
function [citra_dilasi,waktu_dilasi] = Dilasi(gambar,temp1);
tic;
temp1 = double(temp1);
se = strel('square',3);
temp1 = imdilate(temp1,se);
citra_dilasi = temp1;
temp1 = uint8(temp1);
if(strfind(gambar,'.jpg') > 1)
path_file_copy = strrep(gambar,'.jpg','_dilasi.JPG');
else
path_file_copy = strrep(gambar,'.JPG','_dilasi.JPG');
end
imwrite(temp1,path_file_copy);
waktu_dilasi = toc;
3. Listing Program Erosi
function [citra_erosi,waktu_erosi] = Erosi(gambar,temp2);
tic;
temp2 = double(temp2);
se = strel('square',3);
temp2 = imerode(temp2,se);
citra_erosi=temp2;
temp2 = uint8(temp2);
if(strfind(gambar,'.jpg') > 1)
119
path_file_copy = strrep(gambar,'.jpg','_erosi.JPG');
else
path_file_copy = strrep(gambar,'.JPG','_erosi.JPG');
end
imwrite(temp2,path_file_copy);
waktu_erosi = toc;
4. Listing Program Morphological Gradient
function [citra_MG,waktu_MG] = Morphological_Gradient(gambar,citra_dilasi,citra_erosi);
tic;
temp1 = double(citra_dilasi);
temp2 = double(citra_erosi);
MG = temp1-temp2;
citra_MG = MG;
MG = uint8(MG);
if(strfind(gambar,'.jpg') > 1)
path_file_copy = strrep(gambar,'.jpg','_gradient.JPG');
else
path_file_copy = strrep(gambar,'.JPG','_gradient.JPG');
end
imwrite(MG,path_file_copy);
waktu_MG = toc;
5. Listing Program Segmentasi Watershed
function [save_file,temp_hist,temp_waktu_jumlah_watershed,CM] =
Binerisasi_watershed_asli(gambar,citra_MG,citra_biner);
tic;
temp_waktu_jumlah_watershed = zeros(2,1);
temp1 = double(citra_MG);
panjang = size(temp1,1);
lebar = size(temp1,2);
TN = ones(panjang,lebar);
minimum = min(min(temp1));
maximum = max(max(temp1));
awal_counter = 0;
for x=1:panjang,
copy = find(temp1(x,1:lebar)==minimum);
awal_counter = awal_counter + length(copy);
for y=1 : length(copy),
TN(x,copy(y)) = 0;
end
end
CM = TN * -1;
status_counter = 1;
minima = 0;
120
cek_counter = awal_counter;
while awal_counter > 0,
if(status_counter == 1)
cek_awal_minima = 1;
minima = minima + 1;
while cek_awal_minima == 1
for x=1:panjang,
for y=1:lebar,
if(CM(x,y) == 0 && cek_awal_minima == 1)
CM(x,y) = minima;
x=panjang;
y=lebar;
cek_awal_minima = 0;
end
end
end
end
status_counter = 0;
cek_counter = awal_counter;
awal_counter = awal_counter-1;
else
for x=1:panjang,
for y=1:lebar,
if (CM(x,y) == minima)
if(((x > 1) && (x<panjang)) && ((y > 1) && (y<lebar)))
if(CM(x-1,y-1) == 0)
CM(x-1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y-1) == 0)
CM(x+1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y-1) == 0)
CM(x,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y) == 0)
CM(x-1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y) == 0)
CM(x+1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y+1) == 0)
CM(x-1,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y+1) == 0)
121
CM(x,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y+1) == 0)
CM(x+1,y+1) = minima;
awal_counter = awal_counter-1;
end
elseif((x == panjang) && ((y > 1) && (y < lebar)))
if(CM(x-1,y-1) == 0)
CM(x-1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y) == 0)
CM(x-1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y+1) == 0)
CM(x-1,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y-1) == 0)
CM(x,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y+1) == 0)
CM(x,y+1) = minima;
awal_counter = awal_counter-1;
end
elseif((x == 1) && ((y > 1) && (y < lebar)))
if(CM(x,y-1) == 0)
CM(x,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y+1) == 0)
CM(x,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y-1) == 0)
CM(x+1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y) == 0)
CM(x+1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y+1) == 0)
CM(x+1,y+1) = minima;
awal_counter = awal_counter-1;
end
elseif(((x > 1) && (x<panjang)) && (y==1))
if(CM(x-1,y+1) == 0)
122
CM(x-1,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y+1) == 0)
CM(x,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y+1) == 0)
CM(x+1,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y) == 0)
CM(x-1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y) == 0)
CM(x+1,y) = minima;
awal_counter = awal_counter-1;
end
elseif(((x > 1) && (x<panjang)) && (y==lebar))
if(CM(x-1,y-1) == 0)
CM(x-1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y-1) == 0)
CM(x+1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y-1) == 0)
CM(x,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y) == 0)
CM(x-1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y) == 0)
CM(x+1,y) = minima;
awal_counter = awal_counter-1;
end
elseif((x == 1) && (y == 1))
if(CM(x+1,y) == 0)
CM(x+1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,y+1) == 0)
CM(x+1,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y+1) == 0)
CM(x,y+1) = minima;
123
awal_counter = awal_counter-1;
end
elseif((x == 1) && (y == lebar))
if(CM(x,lebar-1) == 0)
CM(x,lebar-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,lebar-1) == 0)
CM(x+1,lebar-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x+1,lebar) == 0)
CM(x+1,lebar) = minima;
awal_counter = awal_counter-1;
end
elseif((x == panjang) && (y == 1))
if(CM(x-1,y) == 0)
CM(x-1,y) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y+1) == 0)
CM(x-1,y+1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x,y+1) == 0)
CM(x,y+1) = minima;
awal_counter = awal_counter-1;
end
elseif((x==panjang) && (y==lebar))
if(CM(x,y-1) == 0)
CM(x,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y-1) == 0)
CM(x-1,y-1) = minima;
awal_counter = awal_counter-1;
end
if(CM(x-1,y) == 0)
CM(x-1,y) = minima;
awal_counter = awal_counter-1;
end
end
end
end
end
if(cek_counter == awal_counter)
status_counter = 1;
end
cek_counter = awal_counter;
end
end
124
n = double(minimum(1,1,1)+255);
while n < double(maximum(1,1,1))+1
CN = TN;
counter = 0;
for x=1:panjang,
copy = find(temp1(x,1:lebar)==n);
for y=1 : length(copy),
TN(x,copy(y)) = 0;
end
counter = counter+length(copy);
end
n = n + 1;
status_counter = 0;
hasil = TN == CN;
while counter > 0
inc =0;
old_counter = counter;
for x=1:panjang,
for y=1:lebar,
if(hasil(x,y)==0)
jumlah_komponen = 0;
old_komponen = -1;
if(((x > 1) && (x<panjang)) && ((y > 1) && (y<lebar)))
if(CM(x,y-1) > 0)
if(CM(x,y-1) ~= old_komponen)
old_komponen = CM(x,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y) > 0)
if(CM(x-1,y) ~= old_komponen)
old_komponen = CM(x-1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y-1) > 0)
if(CM(x-1,y-1) ~= old_komponen)
old_komponen = CM(x-1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y+1) > 0)
if(CM(x-1,y+1) ~= old_komponen)
old_komponen = CM(x-1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x,y+1) > 0)
if(CM(x,y+1) ~= old_komponen)
125
old_komponen = CM(x,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y) > 0)
if(CM(x+1,y) ~= old_komponen)
old_komponen = CM(x+1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y-1) > 0)
if(CM(x+1,y-1) ~= old_komponen)
old_komponen = CM(x+1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y+1) > 0)
if(CM(x+1,y+1) ~= old_komponen)
old_komponen = CM(x+1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif((x == panjang) && ((y > 1) && (y < lebar)))
if(CM(x,y-1) > 0)
if(CM(x,y-1) ~= old_komponen)
old_komponen = CM(x,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x,y+1) > 0)
if(CM(x,y+1) ~= old_komponen)
old_komponen = CM(x,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y) > 0)
if(CM(x-1,y) ~= old_komponen)
old_komponen = CM(x-1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y-1) > 0)
if(CM(x-1,y-1) ~= old_komponen)
old_komponen = CM(x-1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y+1) > 0)
if(CM(x-1,y+1) ~= old_komponen)
old_komponen = CM(x-1,y+1);
jumlah_komponen = jumlah_komponen + 1;
126
end
end
elseif((x == 1) && ((y > 1) && (y < lebar)))
if(CM(x,y-1) > 0)
if(CM(x,y-1) ~= old_komponen)
old_komponen = CM(x,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x,y+1) > 0)
if(CM(x,y+1) ~= old_komponen)
old_komponen = CM(x,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y) > 0)
if (CM(x+1,y) ~= old_komponen)
old_komponen = CM(x+1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y-1) > 0)
if (CM(x+1,y-1) ~= old_komponen)
old_komponen = CM(x+1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y+1) > 0)
if (CM(x+1,y+1) ~= old_komponen)
old_komponen = CM(x+1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif(((x > 1) && (x<panjang)) && (y==1))
if(CM(x-1,y) > 0)%%%
if(CM(x-1,y) ~= old_komponen)
old_komponen = CM(x-1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x,y+1) > 0)
if(CM(x,y+1) ~= old_komponen)
old_komponen = CM(x,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y) > 0)
if(CM(x+1,y) ~= old_komponen)
old_komponen = CM(x+1,y);
jumlah_komponen = jumlah_komponen + 1;
end
127
end
if(CM(x-1,y+1) > 0)
if (CM(x-1,y+1) ~= old_komponen)
old_komponen = CM(x-1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y+1) > 0)%%%
if(CM(x+1,y+1) ~= old_komponen)
old_komponen = CM(x+1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif(((x > 1) && (x<panjang)) && (y==lebar))
if(CM(x,y-1) > 0)
if(CM(x,y-1) ~= old_komponen)
old_komponen = CM(x,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y) > 0)
if(CM(x-1,y) ~= old_komponen)
old_komponen = CM(x-1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y) > 0)
if(CM(x+1,y) ~= old_komponen)
old_komponen = CM(x+1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y-1) > 0)
if(CM(x-1,y-1) ~= old_komponen)
old_komponen = CM(x-1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y-1) > 0)
if(CM(x+1,y-1) ~= old_komponen)
old_komponen = CM(x+1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif((x == 1) && (y == 1))
if(CM(x,y+1) > 0)
if(CM(x,y+1) ~= old_komponen)
old_komponen = CM(x,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
128
if(CM(x+1,y) > 0)
if(CM(x+1,y) ~= old_komponen)
old_komponen = CM(x+1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,y+1) > 0)
if(CM(x+1,y+1) ~= old_komponen)
old_komponen = CM(x+1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif((x == 1) && (y == lebar))
if(CM(x,lebar-1) > 0)
if(CM(x,lebar-1) ~= old_komponen)
old_komponen = CM(x,lebar-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,lebar-1) > 0)
if(CM(x+1,lebar-1) ~= old_komponen)
old_komponen = CM(x+1,lebar-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x+1,lebar) > 0)
if(CM(x+1,lebar) ~= old_komponen)
old_komponen = CM(x+1,lebar);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif((x == panjang) && (y == 1))
if(CM(x-1,y) > 0)
if(CM(x-1,y) ~= old_komponen)
old_komponen = CM(x-1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x,y+1) > 0)
if(CM(x,y+1) ~= old_komponen)
old_komponen = CM(x,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y+1) > 0)
if(CM(x-1,y+1) ~= old_komponen)
old_komponen = CM(x-1,y+1);
jumlah_komponen = jumlah_komponen + 1;
end
end
elseif((x==panjang) && (y==lebar))
129
if(CM(x,y-1) > 0)
if(CM(x,y-1) ~= old_komponen)
old_komponen = CM(x,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y-1) > 0)
if(CM(x-1,y-1) ~= old_komponen)
old_komponen = CM(x-1,y-1);
jumlah_komponen = jumlah_komponen + 1;
end
end
if(CM(x-1,y) > 0)
if(CM(x-1,y) ~= old_komponen)
old_komponen = CM(x-1,y);
jumlah_komponen = jumlah_komponen + 1;
end
end
end
if (jumlah_komponen == 1)
counter = counter -1;
CM(x,y) = old_komponen;
hasil(x,y)=1;
elseif (jumlah_komponen >= 2)
counter = counter -1;
CM(x,y) = -2;
hasil(x,y)=1;
else
if(status_counter == 1)
inc = inc-1; %
minima = minima + 1;
status_counter = 0;
counter = counter -1;
CM(x,y) = minima;
hasil(x,y)=1;
end
end
if (old_counter == counter)
inc = inc+1;
end
end
end
end
if(inc==old_counter)
status_counter =1;
end
end
end
temp_waktu_jumlah_watershed(1,1) = toc;
130
if(strfind(gambar,'.jpg') > 1)
path_file_copy = strrep(gambar,'.jpg','_Segmen');
else
path_file_copy = strrep(gambar,'.JPG','_Segmen');
end
nama_file = findstr(path_file_copy,'\');
panjang_nama_file = length(nama_file);
save_file = path_file_copy(nama_file(panjang_nama_file)+1:length(path_file_copy));
simpan = ones(panjang,lebar)*255;
citra = double(imread(gambar));
save_segmentasi = zeros(panjang,lebar);
hist = zeros(minima,5);
hist(1:minima,3) = panjang;
hist(1:minima,4) = lebar;
tambahkolom = zeros(2,lebar);
tambahbaris = zeros(panjang+4,2);
save_segmentasi = [save_segmentasi;tambahkolom];
save_segmentasi = [tambahkolom;save_segmentasi];
save_segmentasi = [tambahbaris save_segmentasi];
save_segmentasi = [save_segmentasi tambahbaris];
for i=2 : minima
x=1;
while(x<panjang)
if(length(find(CM(x,1:lebar)==i))==0)
hist(i,1)=x;
else
x=panjang;
end
x=x+1;
end
x=panjang;
while(x>1)
if(length(find(CM(x,1:lebar)==i))==0)
hist(i,3)=x;
else
x=1;
end
x=x-1;
end
y=1;
while(y<lebar)
if(length(find(CM(1:panjang,y)==i))==0)
hist(i,2)=y;
else
y=lebar;
end
131
y=y+1;
end
y=lebar;
while(y>1)
if(length(find(CM(1:panjang,y)==i))==0)
hist(i,4)=y;
else
y=1;
end
y=y-1;
end
hist(i,5)=length(find(citra_biner(hist(i,1):hist(i,3),hist(i,2):hist(i,4))==0));
end
counter_minima = 0;
for i=1 : minima
if(hist(i,5) > 40)
counter_minima = counter_minima+1;
temp_hist(counter_minima,1) = hist(i,1);
temp_hist(counter_minima,2) = hist(i,2);
temp_hist(counter_minima,3) = hist(i,3);
temp_hist(counter_minima,4) = hist(i,4);
simpan = [];
simpan = ones(hist(i,3)-hist(i,1),hist(i,4)-hist(i,2))*255;
koorx = 1;
for x = hist(i,1) : hist(i,3)
koory =1;
for y =hist(i,2) : hist(i,4)
save_segmentasi(x,y) = citra(x,y);
if(CM(x,y)==i)
simpan(koorx,koory) = citra(x,y);
end
koory = koory+1;
end
koorx=koorx+1;
end
for z=hist(i,1) : hist(i,1)+1
for w=hist(i,2) : hist(i,4)+4
save_segmentasi(z,w)=0;
end
end
for z=hist(i,3)+3 : hist(i,3)+4
for w=hist(i,2) : hist(i,4)+4
save_segmentasi(z,w)=0;
end
end
for z=hist(i,1)+2 : hist(i,3)+2
132
for w=hist(i,2) : hist(i,2)+1
save_segmentasi(z,w)=0;
end
for w=hist(i,4)+3 : hist(i,4)+4
save_segmentasi(z,w)=0;
end
end
imwrite(uint8(simpan),strcat(path_file_copy,num2str(counter_minima),'.JPG'));
end
end
save_segmentasi(panjang+1:panjang+2,:)=[];
save_segmentasi(:,lebar+1:lebar+2) = [];
save_segmentasi(1:2,:)=[];
save_segmentasi(:,1:2)=[];
save_segmentasi = uint8(save_segmentasi);
if(strfind(gambar,'.jpg') > 1)
path_file_copy = strrep(gambar,'.jpg','_All_Segmentasi.JPG');
else
path_file_copy = strrep(gambar,'.JPG','_All_Segmentasi.JPG');
end
imwrite(save_segmentasi,path_file_copy);
temp_waktu_jumlah_watershed(2,1) = counter_minima;
Lampiran 2
Data Citra Dokumen Masukan dan Hasil
133
1. Citra Dokumen 2
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
134
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
2. Citra Dokumen 3
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
135
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
3. Citra Dokumen 4
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
136
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
4. Citra Dokumen 5
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
137
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
5. Citra Dokumen 6
138
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
139
6. Citra Dokumen 7
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
140
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
7. Citra Dokumen 8
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
141
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
8. Citra Dokumen 9
Citra Dokumen Masukan
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
142
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
9. Citra Dokumen 10
Citra Dokumen Masukan
143
Citra Dokumen Masukan Hasil Proses Binerisasi
Citra Dokumen Masukan Hasil Proses Dilasi
Citra Dokumen Masukan Hasil Proses Erosi
Citra Dokumen Masukan Hasil Proses Morphological Gradient
Citra Dokumen Masukan Hasil Proses Segmentasi Watershed
144
Lampiran 3
Daftar Data Hasil Segementasi Obyek
1. Citra Dokumen 2
Daerah Minima X0 X1 Y0 Y1 Nama File 1 170 181 6 29 Dokumen 2_Segmen1.JPG
2 1009 1030 25 46 Dokumen 2_Segmen2.JPG
3 1066 1087 25 47 Dokumen 2_Segmen3.JPG
4 1013 1025 29 42 Dokumen 2_Segmen4.JPG
5 35 134 31 97 Dokumen 2_Segmen5.JPG
6 49 82 32 58 Dokumen 2_Segmen6.JPG
7 156 193 33 97 Dokumen 2_Segmen7.JPG
8 203 237 33 57 Dokumen 2_Segmen8.JPG
9 898 942 33 91 Dokumen 2_Segmen9.JPG
10 60 76 36 53 Dokumen 2_Segmen10.JPG
11 280 314 36 62 Dokumen 2_Segmen11.JPG
12 267 366 36 100 Dokumen 2_Segmen12.JPG
13 375 409 37 61 Dokumen 2_Segmen13.JPG
14 421 453 39 60 Dokumen 2_Segmen14.JPG
15 466 519 39 63 Dokumen 2_Segmen15.JPG
16 293 308 40 58 Dokumen 2_Segmen16.JPG
17 523 570 40 63 Dokumen 2_Segmen17.JPG
18 583 621 40 64 Dokumen 2_Segmen18.JPG
19 627 672 40 64 Dokumen 2_Segmen19.JPG
20 683 729 44 66 Dokumen 2_Segmen20.JPG
21 740 774 45 67 Dokumen 2_Segmen21.JPG
22 786 830 46 67 Dokumen 2_Segmen22.JPG
23 842 887 46 68 Dokumen 2_Segmen23.JPG
24 956 993 49 114 Dokumen 2_Segmen24.JPG
25 1003 1037 50 72 Dokumen 2_Segmen25.JPG
26 910 944 51 72 Dokumen 2_Segmen26.JPG
27 1049 1092 51 72 Dokumen 2_Segmen27.JPG
28 1106 1139 52 75 Dokumen 2_Segmen28.JPG
29 1191 1223 53 76 Dokumen 2_Segmen29.JPG
30 1236 1280 55 118 Dokumen 2_Segmen30.JPG
31 1153 1168 56 74 Dokumen 2_Segmen31.JPG
32 1253 1261 59 73 Dokumen 2_Segmen32.JPG
33 102 110 76 92 Dokumen 2_Segmen33.JPG
34 1056 1101 76 104 Dokumen 2_Segmen34.JPG
35 334 343 80 96 Dokumen 2_Segmen35.JPG
145
36 1073 1079 80 96 Dokumen 2_Segmen36.JPG
37 47 76 99 120 Dokumen 2_Segmen37.JPG
38 198 220 100 122 Dokumen 2_Segmen38.JPG
39 246 267 101 122 Dokumen 2_Segmen39.JPG
40 385 406 104 126 Dokumen 2_Segmen40.JPG
41 146 158 111 121 Dokumen 2_Segmen41.JPG
42 900 921 114 135 Dokumen 2_Segmen42.JPG
43 956 977 116 137 Dokumen 2_Segmen43.JPG
44 1122 1163 118 141 Dokumen 2_Segmen44.JPG
45 89 123 121 151 Dokumen 2_Segmen45.JPG
46 30 77 123 146 Dokumen 2_Segmen46.JPG
47 794 804 124 133 Dokumen 2_Segmen47.JPG
48 134 167 125 147 Dokumen 2_Segmen48.JPG
49 181 225 125 148 Dokumen 2_Segmen49.JPG
50 236 270 125 148 Dokumen 2_Segmen50.JPG
51 297 340 125 189 Dokumen 2_Segmen51.JPG
52 280 317 126 147 Dokumen 2_Segmen52.JPG
53 374 411 126 151 Dokumen 2_Segmen53.JPG
54 422 457 128 150 Dokumen 2_Segmen54.JPG
55 469 502 129 152 Dokumen 2_Segmen55.JPG
56 513 547 131 154 Dokumen 2_Segmen56.JPG
57 614 661 131 154 Dokumen 2_Segmen57.JPG
58 1067 1076 131 139 Dokumen 2_Segmen58.JPG
59 558 603 132 155 Dokumen 2_Segmen59.JPG
60 672 717 133 155 Dokumen 2_Segmen60.JPG
61 697 738 134 196 Dokumen 2_Segmen61.JPG
62 781 815 136 159 Dokumen 2_Segmen62.JPG
63 823 861 137 159 Dokumen 2_Segmen63.JPG
64 874 885 139 188 Dokumen 2_Segmen64.JPG
65 892 926 140 162 Dokumen 2_Segmen65.JPG
66 938 983 141 163 Dokumen 2_Segmen66.JPG
67 996 1009 141 197 Dokumen 2_Segmen67.JPG
68 1020 1041 142 202 Dokumen 2_Segmen68.JPG
69 1054 1087 143 166 Dokumen 2_Segmen69.JPG
70 1213 1259 143 167 Dokumen 2_Segmen70.JPG
71 331 334 145 173 Dokumen 2_Segmen71.JPG
72 1099 1110 145 166 Dokumen 2_Segmen72.JPG
73 1123 1156 145 167 Dokumen 2_Segmen73.JPG
74 1169 1202 145 180 Dokumen 2_Segmen74.JPG
75 1239 1280 145 205 Dokumen 2_Segmen75.JPG
76 132 176 150 181 Dokumen 2_Segmen76.JPG
146
77 614 659 159 182 Dokumen 2_Segmen77.JPG
78 187 208 190 212 Dokumen 2_Segmen78.JPG
79 234 275 191 214 Dokumen 2_Segmen79.JPG
80 472 494 194 216 Dokumen 2_Segmen80.JPG
81 426 447 195 215 Dokumen 2_Segmen81.JPG
82 553 615 205 267 Dokumen 2_Segmen82.JPG
83 1001 1011 209 228 Dokumen 2_Segmen83.JPG
84 1206 1237 211 234 Dokumen 2_Segmen84.JPG
85 77 111 213 236 Dokumen 2_Segmen85.JPG
86 32 65 214 237 Dokumen 2_Segmen86.JPG
87 122 168 215 239 Dokumen 2_Segmen87.JPG
88 178 214 216 239 Dokumen 2_Segmen88.JPG
89 225 270 218 239 Dokumen 2_Segmen89.JPG
90 317 351 218 241 Dokumen 2_Segmen90.JPG
91 361 397 218 241 Dokumen 2_Segmen91.JPG
92 283 305 219 279 Dokumen 2_Segmen92.JPG
93 409 454 220 243 Dokumen 2_Segmen93.JPG
94 466 499 221 246 Dokumen 2_Segmen94.JPG
95 579 612 223 244 Dokumen 2_Segmen95.JPG
96 624 658 223 246 Dokumen 2_Segmen96.JPG
97 513 529 224 245 Dokumen 2_Segmen97.JPG
98 669 702 225 249 Dokumen 2_Segmen98.JPG
99 715 761 226 288 Dokumen 2_Segmen99.JPG
100 770 805 227 249 Dokumen 2_Segmen100.JPG
101 816 849 228 250 Dokumen 2_Segmen101.JPG
102 830 871 229 290 Dokumen 2_Segmen102.JPG
103 896 933 231 293 Dokumen 2_Segmen103.JPG
104 942 980 231 293 Dokumen 2_Segmen104.JPG
105 988 1022 233 258 Dokumen 2_Segmen105.JPG
106 1034 1070 233 297 Dokumen 2_Segmen106.JPG
107 1080 1116 235 297 Dokumen 2_Segmen107.JPG
108 1130 1143 236 289 Dokumen 2_Segmen108.JPG
109 1148 1192 236 259 Dokumen 2_Segmen109.JPG
110 1001 1012 237 246 Dokumen 2_Segmen110.JPG
111 1204 1237 237 260 Dokumen 2_Segmen111.JPG
112 1046 1064 238 256 Dokumen 2_Segmen112.JPG
113 76 118 240 272 Dokumen 2_Segmen113.JPG
114 1252 1278 240 260 Dokumen 2_Segmen114.JPG
115 462 503 246 285 Dokumen 2_Segmen115.JPG
116 621 665 249 278 Dokumen 2_Segmen116.JPG
117 637 644 253 266 Dokumen 2_Segmen117.JPG
147
118 987 1029 258 289 Dokumen 2_Segmen118.JPG
119 1201 1245 263 301 Dokumen 2_Segmen119.JPG
2. Citra Dokumen 3
Daerah Minima X0 X1 Y0 Y1 Nama File 1 129 150 3 26 Dokumen 3_Segmen1.JPG
2 175 196 6 27 Dokumen 3_Segmen2.JPG
3 132 145 7 21 Dokumen 3_Segmen3.JPG
4 356 388 7 30 Dokumen 3_Segmen4.JPG
5 465 487 10 32 Dokumen 3_Segmen5.JPG
6 563 574 26 36 Dokumen 3_Segmen6.JPG
7 14 50 27 50 Dokumen 3_Segmen7.JPG
8 58 96 27 52 Dokumen 3_Segmen8.JPG
9 1228 1250 28 50 Dokumen 3_Segmen9.JPG
10 111 154 31 55 Dokumen 3_Segmen10.JPG
11 248 283 31 54 Dokumen 3_Segmen11.JPG
12 293 328 31 56 Dokumen 3_Segmen12.JPG
13 877 890 31 42 Dokumen 3_Segmen13.JPG
14 167 201 32 55 Dokumen 3_Segmen14.JPG
15 214 236 32 94 Dokumen 3_Segmen15.JPG
16 399 446 33 99 Dokumen 3_Segmen16.JPG
17 1232 1245 33 45 Dokumen 3_Segmen17.JPG
18 342 388 34 57 Dokumen 3_Segmen18.JPG
19 454 492 35 59 Dokumen 3_Segmen19.JPG
20 502 539 35 66 Dokumen 3_Segmen20.JPG
21 546 584 38 63 Dokumen 3_Segmen21.JPG
22 457 463 39 56 Dokumen 3_Segmen22.JPG
23 699 747 40 65 Dokumen 3_Segmen23.JPG
24 594 634 41 106 Dokumen 3_Segmen24.JPG
25 642 689 41 64 Dokumen 3_Segmen25.JPG
26 756 792 41 66 Dokumen 3_Segmen26.JPG
27 771 815 41 103 Dokumen 3_Segmen27.JPG
28 909 947 44 69 Dokumen 3_Segmen28.JPG
29 864 899 45 68 Dokumen 3_Segmen29.JPG
30 961 973 47 100 Dokumen 3_Segmen30.JPG
31 977 1013 47 71 Dokumen 3_Segmen31.JPG
32 1023 1071 48 72 Dokumen 3_Segmen32.JPG
33 1082 1117 49 73 Dokumen 3_Segmen33.JPG
34 1130 1151 51 111 Dokumen 3_Segmen34.JPG
35 1163 1209 51 75 Dokumen 3_Segmen35.JPG
36 20 55 52 91 Dokumen 3_Segmen36.JPG
148
37 1217 1257 52 77 Dokumen 3_Segmen37.JPG
38 1268 1285 55 76 Dokumen 3_Segmen38.JPG
39 453 498 61 89 Dokumen 3_Segmen39.JPG
40 654 689 68 92 Dokumen 3_Segmen40.JPG
41 666 683 74 90 Dokumen 3_Segmen41.JPG
42 1217 1264 77 119 Dokumen 3_Segmen42.JPG
43 70 91 95 117 Dokumen 3_Segmen43.JPG
44 115 161 95 123 Dokumen 3_Segmen44.JPG
45 74 86 102 112 Dokumen 3_Segmen45.JPG
46 416 480 106 173 Dokumen 3_Segmen46.JPG
47 14 49 119 145 Dokumen 3_Segmen47.JPG
48 58 96 120 146 Dokumen 3_Segmen48.JPG
49 105 154 122 146 Dokumen 3_Segmen49.JPG
50 164 200 123 147 Dokumen 3_Segmen50.JPG
51 303 338 123 149 Dokumen 3_Segmen51.JPG
52 209 246 124 147 Dokumen 3_Segmen52.JPG
53 256 292 124 147 Dokumen 3_Segmen53.JPG
54 1222 1284 124 193 Dokumen 3_Segmen54.JPG
55 441 477 126 152 Dokumen 3_Segmen55.JPG
56 350 369 127 149 Dokumen 3_Segmen56.JPG
57 489 524 129 151 Dokumen 3_Segmen57.JPG
58 534 582 132 156 Dokumen 3_Segmen58.JPG
59 593 642 133 198 Dokumen 3_Segmen59.JPG
60 703 749 133 157 Dokumen 3_Segmen60.JPG
61 656 692 134 157 Dokumen 3_Segmen61.JPG
62 760 809 135 198 Dokumen 3_Segmen62.JPG
63 823 865 136 203 Dokumen 3_Segmen63.JPG
64 884 927 136 200 Dokumen 3_Segmen64.JPG
65 869 905 137 161 Dokumen 3_Segmen65.JPG
66 968 1006 139 162 Dokumen 3_Segmen66.JPG
67 1017 1052 141 164 Dokumen 3_Segmen67.JPG
68 1066 1114 141 166 Dokumen 3_Segmen68.JPG
69 1125 1161 142 167 Dokumen 3_Segmen69.JPG
70 1176 1211 142 166 Dokumen 3_Segmen70.JPG
71 1248 1282 145 168 Dokumen 3_Segmen71.JPG
72 254 292 153 175 Dokumen 3_Segmen72.JPG
73 486 533 155 188 Dokumen 3_Segmen73.JPG
74 1176 1219 170 211 Dokumen 3_Segmen74.JPG
75 829 852 175 197 Dokumen 3_Segmen75.JPG
76 66 89 188 210 Dokumen 3_Segmen76.JPG
77 276 320 190 215 Dokumen 3_Segmen77.JPG
149
78 395 426 194 218 Dokumen 3_Segmen78.JPG
79 438 500 199 269 Dokumen 3_Segmen79.JPG
80 243 254 204 213 Dokumen 3_Segmen80.JPG
81 946 968 205 227 Dokumen 3_Segmen81.JPG
82 971 978 205 226 Dokumen 3_Segmen82.JPG
83 477 488 209 219 Dokumen 3_Segmen83.JPG
84 950 962 209 223 Dokumen 3_Segmen84.JPG
85 131 177 213 279 Dokumen 3_Segmen85.JPG
86 1202 1233 213 236 Dokumen 3_Segmen86.JPG
87 12 50 214 280 Dokumen 3_Segmen87.JPG
88 60 94 214 239 Dokumen 3_Segmen88.JPG
89 105 152 214 238 Dokumen 3_Segmen89.JPG
90 1254 1276 214 236 Dokumen 3_Segmen90.JPG
91 216 265 218 241 Dokumen 3_Segmen91.JPG
92 276 312 218 242 Dokumen 3_Segmen92.JPG
93 323 369 218 282 Dokumen 3_Segmen93.JPG
94 380 426 219 243 Dokumen 3_Segmen94.JPG
95 1259 1271 219 231 Dokumen 3_Segmen95.JPG
96 464 499 222 244 Dokumen 3_Segmen96.JPG
97 511 530 224 245 Dokumen 3_Segmen97.JPG
98 576 615 225 249 Dokumen 3_Segmen98.JPG
99 626 662 225 249 Dokumen 3_Segmen99.JPG
100 673 708 226 252 Dokumen 3_Segmen100.JPG
101 722 757 226 250 Dokumen 3_Segmen101.JPG
102 821 868 228 253 Dokumen 3_Segmen102.JPG
103 776 809 229 252 Dokumen 3_Segmen103.JPG
104 885 926 230 254 Dokumen 3_Segmen104.JPG
105 929 976 231 253 Dokumen 3_Segmen105.JPG
106 989 1016 233 253 Dokumen 3_Segmen106.JPG
107 1077 1111 234 264 Dokumen 3_Segmen107.JPG
108 1064 1163 234 301 Dokumen 3_Segmen108.JPG
109 1186 1234 238 261 Dokumen 3_Segmen109.JPG
110 1246 1281 239 263 Dokumen 3_Segmen110.JPG
111 579 619 249 290 Dokumen 3_Segmen111.JPG
112 628 663 253 279 Dokumen 3_Segmen112.JPG
113 1132 1140 280 295 Dokumen 3_Segmen113.JPG
3. Citra Dokumen 4
Daerah Minima X0 X1 Y0 Y1 Nama File 1 240 270 9 31 Dokumen 4_Segmen1.JPG
150
2 384 405 12 34 Dokumen 4_Segmen2.JPG
3 388 400 17 29 Dokumen 4_Segmen3.JPG
4 704 746 17 41 Dokumen 4_Segmen4.JPG
5 829 860 20 44 Dokumen 4_Segmen5.JPG
6 342 349 25 33 Dokumen 4_Segmen6.JPG
7 1020 1042 25 46 Dokumen 4_Segmen7.JPG
8 475 485 28 40 Dokumen 4_Segmen8.JPG
9 1233 1256 29 56 Dokumen 4_Segmen9.JPG
10 14 76 30 54 Dokumen 4_Segmen10.JPG
11 88 134 32 55 Dokumen 4_Segmen11.JPG
12 146 180 33 54 Dokumen 4_Segmen12.JPG
13 192 226 34 71 Dokumen 4_Segmen13.JPG
14 239 272 34 57 Dokumen 4_Segmen14.JPG
15 283 319 34 59 Dokumen 4_Segmen15.JPG
16 331 364 37 58 Dokumen 4_Segmen16.JPG
17 376 411 37 61 Dokumen 4_Segmen17.JPG
18 427 451 39 104 Dokumen 4_Segmen18.JPG
19 461 495 40 64 Dokumen 4_Segmen19.JPG
20 507 520 40 64 Dokumen 4_Segmen20.JPG
21 529 576 41 64 Dokumen 4_Segmen21.JPG
22 706 740 43 68 Dokumen 4_Segmen22.JPG
23 751 797 43 68 Dokumen 4_Segmen23.JPG
24 648 694 44 67 Dokumen 4_Segmen24.JPG
25 587 604 45 64 Dokumen 4_Segmen25.JPG
26 815 860 46 69 Dokumen 4_Segmen26.JPG
27 869 910 46 113 Dokumen 4_Segmen27.JPG
28 967 1001 48 71 Dokumen 4_Segmen28.JPG
29 917 954 49 108 Dokumen 4_Segmen29.JPG
30 1012 1048 50 74 Dokumen 4_Segmen30.JPG
31 1058 1093 50 73 Dokumen 4_Segmen31.JPG
32 1072 1117 50 115 Dokumen 4_Segmen32.JPG
33 1160 1206 52 78 Dokumen 4_Segmen33.JPG
34 1216 1262 55 80 Dokumen 4_Segmen34.JPG
35 142 187 57 99 Dokumen 4_Segmen35.JPG
36 1171 1187 57 75 Dokumen 4_Segmen36.JPG
37 282 321 58 98 Dokumen 4_Segmen37.JPG
38 327 372 62 93 Dokumen 4_Segmen38.JPG
39 704 747 68 110 Dokumen 4_Segmen39.JPG
40 79 100 98 119 Dokumen 4_Segmen40.JPG
41 313 376 104 175 Dokumen 4_Segmen41.JPG
42 444 465 106 127 Dokumen 4_Segmen42.JPG
151
43 723 785 114 184 Dokumen 4_Segmen43.JPG
44 920 951 114 137 Dokumen 4_Segmen44.JPG
45 11 59 121 144 Dokumen 4_Segmen45.JPG
46 1235 1257 122 143 Dokumen 4_Segmen46.JPG
47 70 111 123 146 Dokumen 4_Segmen47.JPG
48 117 151 124 147 Dokumen 4_Segmen48.JPG
49 159 197 124 148 Dokumen 4_Segmen49.JPG
50 207 243 125 149 Dokumen 4_Segmen50.JPG
51 253 272 126 148 Dokumen 4_Segmen51.JPG
52 339 373 126 152 Dokumen 4_Segmen52.JPG
53 383 421 128 194 Dokumen 4_Segmen53.JPG
54 435 471 129 155 Dokumen 4_Segmen54.JPG
55 483 528 131 155 Dokumen 4_Segmen55.JPG
56 543 590 132 157 Dokumen 4_Segmen56.JPG
57 1185 1195 132 142 Dokumen 4_Segmen57.JPG
58 750 784 134 159 Dokumen 4_Segmen58.JPG
59 607 630 136 200 Dokumen 4_Segmen59.JPG
60 641 686 136 159 Dokumen 4_Segmen60.JPG
61 795 841 136 161 Dokumen 4_Segmen61.JPG
62 818 864 136 202 Dokumen 4_Segmen62.JPG
63 696 709 137 159 Dokumen 4_Segmen63.JPG
64 772 779 139 159 Dokumen 4_Segmen64.JPG
65 965 1002 139 162 Dokumen 4_Segmen65.JPG
66 639 643 140 158 Dokumen 4_Segmen66.JPG
67 904 951 141 164 Dokumen 4_Segmen67.JPG
68 1019 1053 141 164 Dokumen 4_Segmen68.JPG
69 1065 1110 142 207 Dokumen 4_Segmen69.JPG
70 1126 1161 143 172 Dokumen 4_Segmen70.JPG
71 968 973 144 162 Dokumen 4_Segmen71.JPG
72 1171 1205 145 167 Dokumen 4_Segmen72.JPG
73 1216 1262 146 169 Dokumen 4_Segmen73.JPG
74 1082 1090 147 163 Dokumen 4_Segmen74.JPG
75 992 998 148 163 Dokumen 4_Segmen75.JPG
76 491 534 156 180 Dokumen 4_Segmen76.JPG
77 966 1006 162 202 Dokumen 4_Segmen77.JPG
78 1018 1052 167 191 Dokumen 4_Segmen78.JPG
79 1168 1213 171 202 Dokumen 4_Segmen79.JPG
80 19 40 188 209 Dokumen 4_Segmen80.JPG
81 976 998 207 229 Dokumen 4_Segmen81.JPG
82 1003 1008 207 219 Dokumen 4_Segmen82.JPG
83 73 115 213 275 Dokumen 4_Segmen83.JPG
152
84 11 46 214 237 Dokumen 4_Segmen84.JPG
85 56 93 214 237 Dokumen 4_Segmen85.JPG
86 138 175 215 238 Dokumen 4_Segmen86.JPG
87 187 210 215 237 Dokumen 4_Segmen87.JPG
88 208 221 215 238 Dokumen 4_Segmen88.JPG
89 232 265 217 240 Dokumen 4_Segmen89.JPG
90 279 325 217 242 Dokumen 4_Segmen90.JPG
91 336 382 218 241 Dokumen 4_Segmen91.JPG
92 392 438 219 242 Dokumen 4_Segmen92.JPG
93 418 459 221 283 Dokumen 4_Segmen93.JPG
94 498 520 223 282 Dokumen 4_Segmen94.JPG
95 532 578 224 248 Dokumen 4_Segmen95.JPG
96 591 603 226 282 Dokumen 4_Segmen96.JPG
97 611 644 226 250 Dokumen 4_Segmen97.JPG
98 687 734 227 251 Dokumen 4_Segmen98.JPG
99 655 679 228 292 Dokumen 4_Segmen99.JPG
100 813 847 228 252 Dokumen 4_Segmen100.JPG
101 745 757 229 251 Dokumen 4_Segmen101.JPG
102 769 803 229 252 Dokumen 4_Segmen102.JPG
103 857 905 230 253 Dokumen 4_Segmen103.JPG
104 915 957 231 255 Dokumen 4_Segmen104.JPG
105 609 615 232 249 Dokumen 4_Segmen105.JPG
106 962 1007 233 256 Dokumen 4_Segmen106.JPG
107 1018 1047 234 255 Dokumen 4_Segmen107.JPG
108 1106 1139 236 263 Dokumen 4_Segmen108.JPG
109 1093 1192 236 302 Dokumen 4_Segmen109.JPG
110 141 179 238 279 Dokumen 4_Segmen110.JPG
111 1215 1261 238 262 Dokumen 4_Segmen111.JPG
112 1117 1134 240 259 Dokumen 4_Segmen112.JPG
113 189 222 242 263 Dokumen 4_Segmen113.JPG
114 336 381 245 269 Dokumen 4_Segmen114.JPG
115 1159 1168 281 297 Dokumen 4_Segmen115.JPG
4. Citra Dokumen 5
Daerah Minima X0 X1 Y0 Y1 Nama File 1 73 95 8 29 Dokumen 5_Segmen1.JPG
2 77 90 13 25 Dokumen 5_Segmen2.JPG
3 505 527 17 38 Dokumen 5_Segmen3.JPG
4 419 429 26 35 Dokumen 5_Segmen4.JPG
5 1111 1145 27 52 Dokumen 5_Segmen5.JPG
6 18 53 30 54 Dokumen 5_Segmen6.JPG
153
7 1184 1205 30 51 Dokumen 5_Segmen7.JPG
8 1231 1252 30 51 Dokumen 5_Segmen8.JPG
9 1146 1156 31 52 Dokumen 5_Segmen9.JPG
10 112 175 32 56 Dokumen 5_Segmen10.JPG
11 248 281 33 56 Dokumen 5_Segmen11.JPG
12 65 99 34 58 Dokumen 5_Segmen12.JPG
13 188 211 34 56 Dokumen 5_Segmen13.JPG
14 200 234 34 56 Dokumen 5_Segmen14.JPG
15 260 304 34 98 Dokumen 5_Segmen15.JPG
16 1235 1247 35 47 Dokumen 5_Segmen16.JPG
17 347 395 36 99 Dokumen 5_Segmen17.JPG
18 453 486 38 63 Dokumen 5_Segmen18.JPG
19 404 441 39 103 Dokumen 5_Segmen19.JPG
20 498 532 41 65 Dokumen 5_Segmen20.JPG
21 545 567 42 102 Dokumen 5_Segmen21.JPG
22 577 613 43 65 Dokumen 5_Segmen22.JPG
23 624 664 44 68 Dokumen 5_Segmen23.JPG
24 671 706 45 68 Dokumen 5_Segmen24.JPG
25 718 751 46 69 Dokumen 5_Segmen25.JPG
26 833 866 46 70 Dokumen 5_Segmen26.JPG
27 767 784 48 68 Dokumen 5_Segmen27.JPG
28 878 911 48 71 Dokumen 5_Segmen28.JPG
29 929 975 49 72 Dokumen 5_Segmen29.JPG
30 986 1032 49 72 Dokumen 5_Segmen30.JPG
31 1044 1090 50 73 Dokumen 5_Segmen31.JPG
32 1103 1148 55 78 Dokumen 5_Segmen32.JPG
33 1163 1210 55 79 Dokumen 5_Segmen33.JPG
34 1224 1257 56 78 Dokumen 5_Segmen34.JPG
35 1269 1287 57 78 Dokumen 5_Segmen35.JPG
36 985 1032 77 101 Dokumen 5_Segmen36.JPG
37 1053 1097 77 119 Dokumen 5_Segmen37.JPG
38 1220 1262 83 122 Dokumen 5_Segmen38.JPG
39 166 208 100 124 Dokumen 5_Segmen39.JPG
40 400 443 105 129 Dokumen 5_Segmen40.JPG
41 725 747 112 135 Dokumen 5_Segmen41.JPG
42 678 700 113 134 Dokumen 5_Segmen42.JPG
43 729 742 117 130 Dokumen 5_Segmen43.JPG
44 1100 1143 120 144 Dokumen 5_Segmen44.JPG
45 14 54 123 189 Dokumen 5_Segmen45.JPG
46 626 637 124 134 Dokumen 5_Segmen46.JPG
47 1249 1291 124 148 Dokumen 5_Segmen47.JPG
154
48 63 98 125 149 Dokumen 5_Segmen48.JPG
49 108 155 126 148 Dokumen 5_Segmen49.JPG
50 213 247 127 151 Dokumen 5_Segmen50.JPG
51 167 201 128 151 Dokumen 5_Segmen51.JPG
52 262 275 128 179 Dokumen 5_Segmen52.JPG
53 280 298 129 150 Dokumen 5_Segmen53.JPG
54 343 388 130 192 Dokumen 5_Segmen54.JPG
55 446 481 132 156 Dokumen 5_Segmen55.JPG
56 400 435 134 157 Dokumen 5_Segmen56.JPG
57 491 529 134 198 Dokumen 5_Segmen57.JPG
58 542 555 135 185 Dokumen 5_Segmen58.JPG
59 561 598 135 200 Dokumen 5_Segmen59.JPG
60 613 647 137 160 Dokumen 5_Segmen60.JPG
61 660 683 138 160 Dokumen 5_Segmen61.JPG
62 671 705 138 160 Dokumen 5_Segmen62.JPG
63 717 753 138 160 Dokumen 5_Segmen63.JPG
64 766 795 140 163 Dokumen 5_Segmen64.JPG
65 854 888 140 167 Dokumen 5_Segmen65.JPG
66 840 938 140 206 Dokumen 5_Segmen66.JPG
67 963 1011 143 166 Dokumen 5_Segmen67.JPG
68 1022 1057 143 167 Dokumen 5_Segmen68.JPG
69 1023 1079 144 211 Dokumen 5_Segmen69.JPG
70 866 882 145 159 Dokumen 5_Segmen70.JPG
71 1090 1136 147 170 Dokumen 5_Segmen71.JPG
72 1147 1193 147 171 Dokumen 5_Segmen72.JPG
73 1205 1239 148 171 Dokumen 5_Segmen73.JPG
74 116 163 151 192 Dokumen 5_Segmen74.JPG
75 1252 1286 151 175 Dokumen 5_Segmen75.JPG
76 715 756 168 204 Dokumen 5_Segmen76.JPG
77 1201 1246 174 217 Dokumen 5_Segmen77.JPG
78 145 175 195 218 Dokumen 5_Segmen78.JPG
79 241 263 195 217 Dokumen 5_Segmen79.JPG
80 148 161 199 212 Dokumen 5_Segmen80.JPG
81 537 559 202 224 Dokumen 5_Segmen81.JPG
82 860 881 209 230 Dokumen 5_Segmen82.JPG
83 1182 1204 216 237 Dokumen 5_Segmen83.JPG
84 15 49 217 240 Dokumen 5_Segmen84.JPG
85 59 98 218 282 Dokumen 5_Segmen85.JPG
86 111 123 219 273 Dokumen 5_Segmen86.JPG
87 128 174 220 244 Dokumen 5_Segmen87.JPG
88 187 221 220 243 Dokumen 5_Segmen88.JPG
155
89 277 314 220 244 Dokumen 5_Segmen89.JPG
90 1187 1198 220 233 Dokumen 5_Segmen90.JPG
91 233 266 222 244 Dokumen 5_Segmen91.JPG
92 326 360 223 245 Dokumen 5_Segmen92.JPG
93 481 518 224 247 Dokumen 5_Segmen93.JPG
94 374 392 225 246 Dokumen 5_Segmen94.JPG
95 424 469 225 248 Dokumen 5_Segmen95.JPG
96 1012 1021 227 234 Dokumen 5_Segmen96.JPG
97 1142 1153 227 237 Dokumen 5_Segmen97.JPG
98 581 615 228 251 Dokumen 5_Segmen98.JPG
99 530 564 229 252 Dokumen 5_Segmen99.JPG
100 628 674 230 253 Dokumen 5_Segmen100.JPG
101 725 759 231 254 Dokumen 5_Segmen101.JPG
102 691 714 232 296 Dokumen 5_Segmen102.JPG
103 770 817 233 257 Dokumen 5_Segmen103.JPG
104 828 840 233 256 Dokumen 5_Segmen104.JPG
105 897 944 233 257 Dokumen 5_Segmen105.JPG
106 849 886 234 258 Dokumen 5_Segmen106.JPG
107 923 966 234 299 Dokumen 5_Segmen107.JPG
108 996 1033 239 261 Dokumen 5_Segmen108.JPG
109 1045 1079 239 262 Dokumen 5_Segmen109.JPG
110 1093 1115 240 303 Dokumen 5_Segmen110.JPG
111 1128 1161 241 263 Dokumen 5_Segmen111.JPG
112 1174 1208 241 266 Dokumen 5_Segmen112.JPG
113 1221 1284 242 267 Dokumen 5_Segmen113.JPG
114 279 317 244 286 Dokumen 5_Segmen114.JPG
115 285 313 251 282 Dokumen 5_Segmen115.JPG
116 480 525 252 283 Dokumen 5_Segmen116.JPG
5. Citra Dokumen 6
Daerah Minima X0 X1 Y0 Y1 Nama File 1 881 892 4 27 Dokumen 6_Segmen1.JPG
2 1187 1209 5 27 Dokumen 6_Segmen2.JPG
3 1033 1055 6 28 Dokumen 6_Segmen3.JPG
4 1092 1114 6 28 Dokumen 6_Segmen4.JPG
5 818 839 7 29 Dokumen 6_Segmen5.JPG
6 1096 1108 10 24 Dokumen 6_Segmen6.JPG
7 1225 1288 10 80 Dokumen 6_Segmen7.JPG
8 821 834 13 24 Dokumen 6_Segmen8.JPG
9 1242 1286 31 55 Dokumen 6_Segmen9.JPG
10 919 956 32 56 Dokumen 6_Segmen10.JPG
156
11 969 1003 32 55 Dokumen 6_Segmen11.JPG
12 1073 1120 32 54 Dokumen 6_Segmen12.JPG
13 1178 1215 32 54 Dokumen 6_Segmen13.JPG
14 798 845 33 56 Dokumen 6_Segmen14.JPG
15 1016 1062 33 55 Dokumen 6_Segmen15.JPG
16 407 455 34 58 Dokumen 6_Segmen16.JPG
17 858 904 34 57 Dokumen 6_Segmen17.JPG
18 1133 1150 34 54 Dokumen 6_Segmen18.JPG
19 307 351 35 58 Dokumen 6_Segmen19.JPG
20 364 404 35 59 Dokumen 6_Segmen20.JPG
21 526 560 35 58 Dokumen 6_Segmen21.JPG
22 536 583 35 101 Dokumen 6_Segmen22.JPG
23 641 664 35 97 Dokumen 6_Segmen23.JPG
24 674 720 35 58 Dokumen 6_Segmen24.JPG
25 754 787 35 57 Dokumen 6_Segmen25.JPG
26 244 298 36 60 Dokumen 6_Segmen26.JPG
27 467 513 36 59 Dokumen 6_Segmen27.JPG
28 1240 1245 36 50 Dokumen 6_Segmen28.JPG
29 83 125 37 100 Dokumen 6_Segmen29.JPG
30 153 186 37 59 Dokumen 6_Segmen30.JPG
31 198 232 37 60 Dokumen 6_Segmen31.JPG
32 734 747 37 87 Dokumen 6_Segmen32.JPG
33 10 34 38 60 Dokumen 6_Segmen33.JPG
34 22 56 38 62 Dokumen 6_Segmen34.JPG
35 69 102 38 60 Dokumen 6_Segmen35.JPG
36 20 38 43 60 Dokumen 6_Segmen36.JPG
37 601 610 43 55 Dokumen 6_Segmen37.JPG
38 807 854 59 91 Dokumen 6_Segmen38.JPG
39 418 464 63 93 Dokumen 6_Segmen39.JPG
40 824 832 64 78 Dokumen 6_Segmen40.JPG
41 434 441 67 82 Dokumen 6_Segmen41.JPG
42 541 556 82 96 Dokumen 6_Segmen42.JPG
43 985 1007 100 122 Dokumen 6_Segmen43.JPG
44 369 391 103 125 Dokumen 6_Segmen44.JPG
45 620 641 103 124 Dokumen 6_Segmen45.JPG
46 1166 1233 103 171 Dokumen 6_Segmen46.JPG
47 67 110 105 129 Dokumen 6_Segmen47.JPG
48 33 43 107 128 Dokumen 6_Segmen48.JPG
49 522 531 108 126 Dokumen 6_Segmen49.JPG
50 624 636 108 120 Dokumen 6_Segmen50.JPG
51 242 307 109 178 Dokumen 6_Segmen51.JPG
157
52 1130 1139 113 122 Dokumen 6_Segmen52.JPG
53 861 908 124 150 Dokumen 6_Segmen53.JPG
54 1195 1229 124 149 Dokumen 6_Segmen54.JPG
55 919 966 125 148 Dokumen 6_Segmen55.JPG
56 1025 1062 125 191 Dokumen 6_Segmen56.JPG
57 1073 1107 125 148 Dokumen 6_Segmen57.JPG
58 1116 1159 125 149 Dokumen 6_Segmen58.JPG
59 1240 1289 125 189 Dokumen 6_Segmen59.JPG
60 979 1013 126 149 Dokumen 6_Segmen60.JPG
61 737 839 127 194 Dokumen 6_Segmen61.JPG
62 362 397 128 153 Dokumen 6_Segmen62.JPG
63 451 497 128 150 Dokumen 6_Segmen63.JPG
64 556 590 128 151 Dokumen 6_Segmen64.JPG
65 751 784 128 155 Dokumen 6_Segmen65.JPG
66 269 303 129 152 Dokumen 6_Segmen66.JPG
67 602 648 129 152 Dokumen 6_Segmen67.JPG
68 114 148 130 154 Dokumen 6_Segmen68.JPG
69 316 350 130 152 Dokumen 6_Segmen69.JPG
70 415 441 130 195 Dokumen 6_Segmen70.JPG
71 508 543 130 153 Dokumen 6_Segmen71.JPG
72 663 689 130 149 Dokumen 6_Segmen72.JPG
73 163 177 132 185 Dokumen 6_Segmen73.JPG
74 762 778 132 147 Dokumen 6_Segmen74.JPG
75 11 56 133 199 Dokumen 6_Segmen75.JPG
76 64 103 133 155 Dokumen 6_Segmen76.JPG
77 183 198 135 152 Dokumen 6_Segmen77.JPG
78 27 36 137 153 Dokumen 6_Segmen78.JPG
79 319 355 152 193 Dokumen 6_Segmen79.JPG
80 459 504 157 184 Dokumen 6_Segmen80.JPG
81 111 156 158 187 Dokumen 6_Segmen81.JPG
82 475 483 160 176 Dokumen 6_Segmen82.JPG
83 806 815 173 189 Dokumen 6_Segmen83.JPG
84 862 884 194 217 Dokumen 6_Segmen84.JPG
85 1048 1070 194 215 Dokumen 6_Segmen85.JPG
86 736 758 197 219 Dokumen 6_Segmen86.JPG
87 760 769 198 218 Dokumen 6_Segmen87.JPG
88 740 753 202 215 Dokumen 6_Segmen88.JPG
89 71 82 213 224 Dokumen 6_Segmen89.JPG
90 1093 1156 218 243 Dokumen 6_Segmen90.JPG
91 1248 1290 218 282 Dokumen 6_Segmen91.JPG
92 1041 1075 219 243 Dokumen 6_Segmen92.JPG
158
93 1232 1266 219 242 Dokumen 6_Segmen93.JPG
94 841 890 220 243 Dokumen 6_Segmen94.JPG
95 902 936 220 257 Dokumen 6_Segmen95.JPG
96 954 981 220 285 Dokumen 6_Segmen96.JPG
97 995 1029 220 242 Dokumen 6_Segmen97.JPG
98 1174 1220 220 243 Dokumen 6_Segmen98.JPG
99 282 327 221 287 Dokumen 6_Segmen99.JPG
100 675 716 221 244 Dokumen 6_Segmen100.JPG
101 148 197 222 248 Dokumen 6_Segmen101.JPG
102 266 302 222 246 Dokumen 6_Segmen102.JPG
103 369 403 222 246 Dokumen 6_Segmen103.JPG
104 611 658 222 246 Dokumen 6_Segmen104.JPG
105 208 256 223 247 Dokumen 6_Segmen105.JPG
106 416 450 223 247 Dokumen 6_Segmen106.JPG
107 514 548 223 246 Dokumen 6_Segmen107.JPG
108 565 599 224 247 Dokumen 6_Segmen108.JPG
109 721 769 224 248 Dokumen 6_Segmen109.JPG
110 781 797 224 243 Dokumen 6_Segmen110.JPG
111 11 46 225 255 Dokumen 6_Segmen111.JPG
112 100 138 225 248 Dokumen 6_Segmen112.JPG
113 466 503 225 286 Dokumen 6_Segmen113.JPG
114 55 92 226 249 Dokumen 6_Segmen114.JPG
115 107 143 249 290 Dokumen 6_Segmen115.JPG
116 526 544 250 255 Dokumen 6_Segmen116.JPG
117 162 197 252 273 Dokumen 6_Segmen117.JPG
118 512 556 253 279 Dokumen 6_Segmen118.JPG
6. Citra Dokumen 7
Daerah Minima X0 X1 Y0 Y1 Nama File 1 855 877 9 31 Dokumen 7_Segmen1.JPG
2 924 934 10 34 Dokumen 7_Segmen2.JPG
3 968 989 10 30 Dokumen 7_Segmen3.JPG
4 762 784 11 34 Dokumen 7_Segmen4.JPG
5 172 216 12 40 Dokumen 7_Segmen5.JPG
6 332 354 12 34 Dokumen 7_Segmen6.JPG
7 972 984 14 26 Dokumen 7_Segmen7.JPG
8 765 778 15 29 Dokumen 7_Segmen8.JPG
9 1205 1215 24 31 Dokumen 7_Segmen9.JPG
10 900 946 34 58 Dokumen 7_Segmen10.JPG
11 959 994 34 58 Dokumen 7_Segmen11.JPG
159
12 1237 1283 34 57 Dokumen 7_Segmen12.JPG
13 1074 1110 35 57 Dokumen 7_Segmen13.JPG
14 1123 1171 35 99 Dokumen 7_Segmen14.JPG
15 1179 1226 35 58 Dokumen 7_Segmen15.JPG
16 644 691 36 60 Dokumen 7_Segmen16.JPG
17 799 837 36 59 Dokumen 7_Segmen17.JPG
18 1012 1029 36 55 Dokumen 7_Segmen18.JPG
19 278 317 37 100 Dokumen 7_Segmen19.JPG
20 326 360 37 61 Dokumen 7_Segmen20.JPG
21 588 633 37 60 Dokumen 7_Segmen21.JPG
22 709 745 37 103 Dokumen 7_Segmen22.JPG
23 753 790 37 61 Dokumen 7_Segmen23.JPG
24 173 208 38 61 Dokumen 7_Segmen24.JPG
25 218 266 38 61 Dokumen 7_Segmen25.JPG
26 372 419 38 60 Dokumen 7_Segmen26.JPG
27 495 540 38 60 Dokumen 7_Segmen27.JPG
28 552 576 38 99 Dokumen 7_Segmen28.JPG
29 849 890 38 59 Dokumen 7_Segmen29.JPG
30 13 45 41 63 Dokumen 7_Segmen30.JPG
31 58 104 41 106 Dokumen 7_Segmen31.JPG
32 115 161 41 64 Dokumen 7_Segmen32.JPG
33 433 448 41 59 Dokumen 7_Segmen33.JPG
34 172 216 68 106 Dokumen 7_Segmen34.JPG
35 327 349 104 126 Dokumen 7_Segmen35.JPG
36 385 406 105 127 Dokumen 7_Segmen36.JPG
37 481 502 105 127 Dokumen 7_Segmen37.JPG
38 431 454 106 128 Dokumen 7_Segmen38.JPG
39 280 302 107 128 Dokumen 7_Segmen39.JPG
40 388 401 110 122 Dokumen 7_Segmen40.JPG
41 485 497 110 123 Dokumen 7_Segmen41.JPG
42 8 57 113 177 Dokumen 7_Segmen42.JPG
43 36 46 123 132 Dokumen 7_Segmen43.JPG
44 966 1012 126 150 Dokumen 7_Segmen44.JPG
45 814 850 127 152 Dokumen 7_Segmen45.JPG
46 1110 1158 127 151 Dokumen 7_Segmen46.JPG
47 1228 1262 127 151 Dokumen 7_Segmen47.JPG
48 919 931 128 150 Dokumen 7_Segmen48.JPG
49 1026 1059 128 151 Dokumen 7_Segmen49.JPG
50 1078 1102 128 192 Dokumen 7_Segmen50.JPG
51 1169 1181 128 151 Dokumen 7_Segmen51.JPG
52 1273 1285 128 150 Dokumen 7_Segmen52.JPG
160
53 596 693 129 196 Dokumen 7_Segmen53.JPG
54 943 954 129 151 Dokumen 7_Segmen54.JPG
55 1194 1219 129 193 Dokumen 7_Segmen55.JPG
56 720 768 130 153 Dokumen 7_Segmen56.JPG
57 863 888 130 195 Dokumen 7_Segmen57.JPG
58 897 920 130 151 Dokumen 7_Segmen58.JPG
59 216 250 131 155 Dokumen 7_Segmen59.JPG
60 322 356 131 154 Dokumen 7_Segmen60.JPG
61 474 509 131 156 Dokumen 7_Segmen61.JPG
62 611 644 131 157 Dokumen 7_Segmen62.JPG
63 264 309 132 155 Dokumen 7_Segmen63.JPG
64 428 461 132 155 Dokumen 7_Segmen64.JPG
65 781 806 132 195 Dokumen 7_Segmen65.JPG
66 133 169 133 157 Dokumen 7_Segmen66.JPG
67 380 415 133 156 Dokumen 7_Segmen67.JPG
68 523 549 133 152 Dokumen 7_Segmen68.JPG
69 368 393 134 155 Dokumen 7_Segmen69.JPG
70 182 206 135 195 Dokumen 7_Segmen70.JPG
71 622 638 135 149 Dokumen 7_Segmen71.JPG
72 23 58 136 160 Dokumen 7_Segmen72.JPG
73 70 87 137 156 Dokumen 7_Segmen73.JPG
74 974 1020 152 184 Dokumen 7_Segmen74.JPG
75 1023 1069 155 183 Dokumen 7_Segmen75.JPG
76 471 512 156 199 Dokumen 7_Segmen76.JPG
77 322 360 157 200 Dokumen 7_Segmen77.JPG
78 336 362 181 191 Dokumen 7_Segmen78.JPG
79 931 953 197 218 Dokumen 7_Segmen79.JPG
80 579 601 198 222 Dokumen 7_Segmen80.JPG
81 672 694 199 220 Dokumen 7_Segmen81.JPG
82 394 416 200 222 Dokumen 7_Segmen82.JPG
83 399 410 206 218 Dokumen 7_Segmen83.JPG
84 986 996 210 219 Dokumen 7_Segmen84.JPG
85 1057 1103 219 243 Dokumen 7_Segmen85.JPG
86 1232 1265 219 243 Dokumen 7_Segmen86.JPG
87 1246 1288 219 282 Dokumen 7_Segmen87.JPG
88 1187 1219 221 244 Dokumen 7_Segmen88.JPG
89 574 607 222 245 Dokumen 7_Segmen89.JPG
90 812 856 222 245 Dokumen 7_Segmen90.JPG
91 869 903 222 244 Dokumen 7_Segmen91.JPG
92 1139 1173 222 243 Dokumen 7_Segmen92.JPG
93 618 655 223 247 Dokumen 7_Segmen93.JPG
161
94 763 798 223 246 Dokumen 7_Segmen94.JPG
95 919 962 223 246 Dokumen 7_Segmen95.JPG
96 974 1009 223 247 Dokumen 7_Segmen96.JPG
97 1115 1126 223 244 Dokumen 7_Segmen97.JPG
98 222 269 224 247 Dokumen 7_Segmen98.JPG
99 667 701 224 246 Dokumen 7_Segmen99.JPG
100 1022 1048 224 288 Dokumen 7_Segmen100.JPG
101 279 326 225 248 Dokumen 7_Segmen101.JPG
102 309 349 225 282 Dokumen 7_Segmen102.JPG
103 433 467 225 248 Dokumen 7_Segmen103.JPG
104 480 514 225 248 Dokumen 7_Segmen104.JPG
105 526 561 225 248 Dokumen 7_Segmen105.JPG
106 11 57 226 250 Dokumen 7_Segmen106.JPG
107 375 422 226 249 Dokumen 7_Segmen107.JPG
108 71 105 227 250 Dokumen 7_Segmen108.JPG
109 164 210 227 250 Dokumen 7_Segmen109.JPG
110 116 151 228 251 Dokumen 7_Segmen110.JPG
111 721 729 233 244 Dokumen 7_Segmen111.JPG
112 571 617 250 280 Dokumen 7_Segmen112.JPG
113 662 709 250 279 Dokumen 7_Segmen113.JPG
114 221 268 252 276 Dokumen 7_Segmen114.JPG
115 12 59 254 277 Dokumen 7_Segmen115.JPG
116 678 686 254 269 Dokumen 7_Segmen116.JPG
117 73 105 255 277 Dokumen 7_Segmen117.JPG
7. Citra Dokumen 8
Daerah Minima X0 X1 Y0 Y1 Nama File 1 838 860 2 24 Dokumen 8_Segmen1.JPG
2 272 295 7 29 Dokumen 8_Segmen2.JPG
3 333 354 7 28 Dokumen 8_Segmen3.JPG
4 842 855 7 20 Dokumen 8_Segmen4.JPG
5 336 348 12 24 Dokumen 8_Segmen5.JPG
6 68 116 14 78 Dokumen 8_Segmen6.JPG
7 147 211 15 80 Dokumen 8_Segmen7.JPG
8 611 621 17 26 Dokumen 8_Segmen8.JPG
9 472 482 18 27 Dokumen 8_Segmen9.JPG
10 894 936 26 89 Dokumen 8_Segmen10.JPG
11 1168 1216 26 88 Dokumen 8_Segmen11.JPG
12 1226 1260 26 48 Dokumen 8_Segmen12.JPG
13 692 727 27 51 Dokumen 8_Segmen13.JPG
14 879 913 27 50 Dokumen 8_Segmen14.JPG
162
15 956 1003 27 51 Dokumen 8_Segmen15.JPG
16 1063 1097 27 51 Dokumen 8_Segmen16.JPG
17 1109 1155 27 50 Dokumen 8_Segmen17.JPG
18 456 494 28 53 Dokumen 8_Segmen18.JPG
19 786 820 28 52 Dokumen 8_Segmen19.JPG
20 1015 1052 28 90 Dokumen 8_Segmen20.JPG
21 506 540 30 53 Dokumen 8_Segmen21.JPG
22 587 633 30 52 Dokumen 8_Segmen22.JPG
23 740 777 30 91 Dokumen 8_Segmen23.JPG
24 833 866 30 52 Dokumen 8_Segmen24.JPG
25 1246 1254 30 45 Dokumen 8_Segmen25.JPG
26 1273 1288 30 47 Dokumen 8_Segmen26.JPG
27 172 207 31 55 Dokumen 8_Segmen27.JPG
28 553 579 31 95 Dokumen 8_Segmen28.JPG
29 220 251 32 55 Dokumen 8_Segmen29.JPG
30 374 408 32 53 Dokumen 8_Segmen30.JPG
31 648 683 32 93 Dokumen 8_Segmen31.JPG
32 316 362 33 55 Dokumen 8_Segmen32.JPG
33 9 59 34 99 Dokumen 8_Segmen33.JPG
34 268 303 34 57 Dokumen 8_Segmen34.JPG
35 129 143 35 85 Dokumen 8_Segmen35.JPG
36 82 116 36 60 Dokumen 8_Segmen36.JPG
37 425 434 37 50 Dokumen 8_Segmen37.JPG
38 225 258 55 98 Dokumen 8_Segmen38.JPG
39 694 726 56 78 Dokumen 8_Segmen39.JPG
40 324 370 59 88 Dokumen 8_Segmen40.JPG
41 717 730 78 95 Dokumen 8_Segmen41.JPG
42 1203 1225 94 116 Dokumen 8_Segmen42.JPG
43 1257 1279 94 117 Dokumen 8_Segmen43.JPG
44 1281 1290 94 117 Dokumen 8_Segmen44.JPG
45 725 747 97 119 Dokumen 8_Segmen45.JPG
46 1207 1219 98 111 Dokumen 8_Segmen46.JPG
47 1261 1273 99 112 Dokumen 8_Segmen47.JPG
48 204 226 101 123 Dokumen 8_Segmen48.JPG
49 357 378 101 123 Dokumen 8_Segmen49.JPG
50 729 742 101 115 Dokumen 8_Segmen50.JPG
51 263 284 102 124 Dokumen 8_Segmen51.JPG
52 310 331 103 124 Dokumen 8_Segmen52.JPG
53 157 179 104 125 Dokumen 8_Segmen53.JPG
54 209 221 105 118 Dokumen 8_Segmen54.JPG
55 361 374 106 118 Dokumen 8_Segmen55.JPG
163
56 1116 1152 119 142 Dokumen 8_Segmen56.JPG
57 802 836 120 145 Dokumen 8_Segmen57.JPG
58 929 963 120 143 Dokumen 8_Segmen58.JPG
59 1184 1230 120 142 Dokumen 8_Segmen59.JPG
60 1244 1289 120 144 Dokumen 8_Segmen60.JPG
61 871 918 121 145 Dokumen 8_Segmen61.JPG
62 978 1001 121 184 Dokumen 8_Segmen62.JPG
63 1012 1046 121 144 Dokumen 8_Segmen63.JPG
64 1118 1173 121 187 Dokumen 8_Segmen64.JPG
65 638 686 122 147 Dokumen 8_Segmen65.JPG
66 654 710 122 188 Dokumen 8_Segmen66.JPG
67 1057 1104 122 145 Dokumen 8_Segmen67.JPG
68 469 572 123 189 Dokumen 8_Segmen68.JPG
69 766 789 123 184 Dokumen 8_Segmen69.JPG
70 847 859 123 145 Dokumen 8_Segmen70.JPG
71 482 516 124 151 Dokumen 8_Segmen71.JPG
72 596 631 124 189 Dokumen 8_Segmen72.JPG
73 717 753 124 147 Dokumen 8_Segmen73.JPG
74 349 383 126 149 Dokumen 8_Segmen74.JPG
75 594 618 126 147 Dokumen 8_Segmen75.JPG
76 105 139 127 148 Dokumen 8_Segmen76.JPG
77 199 233 127 151 Dokumen 8_Segmen77.JPG
78 305 338 127 150 Dokumen 8_Segmen78.JPG
79 399 427 127 147 Dokumen 8_Segmen79.JPG
80 45 92 128 152 Dokumen 8_Segmen80.JPG
81 148 185 129 151 Dokumen 8_Segmen81.JPG
82 244 291 129 151 Dokumen 8_Segmen82.JPG
83 494 510 129 143 Dokumen 8_Segmen83.JPG
84 11 38 130 194 Dokumen 8_Segmen84.JPG
85 800 845 146 187 Dokumen 8_Segmen85.JPG
86 104 147 150 193 Dokumen 8_Segmen86.JPG
87 349 391 150 193 Dokumen 8_Segmen87.JPG
88 198 239 153 196 Dokumen 8_Segmen88.JPG
89 151 194 155 185 Dokumen 8_Segmen89.JPG
90 109 135 156 186 Dokumen 8_Segmen90.JPG
91 538 547 168 184 Dokumen 8_Segmen91.JPG
92 470 492 192 214 Dokumen 8_Segmen92.JPG
93 1220 1229 192 209 Dokumen 8_Segmen93.JPG
94 517 539 193 214 Dokumen 8_Segmen94.JPG
95 474 486 196 209 Dokumen 8_Segmen95.JPG
96 521 533 197 210 Dokumen 8_Segmen96.JPG
164
97 180 202 198 220 Dokumen 8_Segmen97.JPG
98 1267 1278 201 211 Dokumen 8_Segmen98.JPG
99 959 1005 212 236 Dokumen 8_Segmen99.JPG
100 985 1029 213 277 Dokumen 8_Segmen100.JPG
101 1250 1288 213 236 Dokumen 8_Segmen101.JPG
102 867 900 214 237 Dokumen 8_Segmen102.JPG
103 819 853 215 237 Dokumen 8_Segmen103.JPG
104 913 947 215 237 Dokumen 8_Segmen104.JPG
105 1079 1103 215 278 Dokumen 8_Segmen105.JPG
106 1111 1159 215 238 Dokumen 8_Segmen106.JPG
107 1171 1197 215 279 Dokumen 8_Segmen107.JPG
108 1207 1240 215 250 Dokumen 8_Segmen108.JPG
109 621 655 216 239 Dokumen 8_Segmen109.JPG
110 668 702 216 240 Dokumen 8_Segmen110.JPG
111 714 760 216 238 Dokumen 8_Segmen111.JPG
112 772 808 216 238 Dokumen 8_Segmen112.JPG
113 417 451 217 241 Dokumen 8_Segmen113.JPG
114 463 499 218 241 Dokumen 8_Segmen114.JPG
115 358 406 219 242 Dokumen 8_Segmen115.JPG
116 511 544 219 241 Dokumen 8_Segmen116.JPG
117 557 575 219 237 Dokumen 8_Segmen117.JPG
118 13 47 221 245 Dokumen 8_Segmen118.JPG
119 59 93 221 245 Dokumen 8_Segmen119.JPG
120 74 117 221 285 Dokumen 8_Segmen120.JPG
121 313 347 221 243 Dokumen 8_Segmen121.JPG
122 218 265 223 245 Dokumen 8_Segmen122.JPG
123 278 304 223 286 Dokumen 8_Segmen123.JPG
124 161 207 225 247 Dokumen 8_Segmen124.JPG
8. Citra Dokumen 9
Daerah Minima X0 X1 Y0 Y1 Nama File 1 1038 1059 2 23 Dokumen 9_Segmen1.JPG
2 715 737 3 26 Dokumen 9_Segmen2.JPG
3 560 592 5 27 Dokumen 9_Segmen3.JPG
4 458 480 6 27 Dokumen 9_Segmen4.JPG
5 1042 1054 6 19 Dokumen 9_Segmen5.JPG
6 987 996 7 25 Dokumen 9_Segmen6.JPG
7 719 732 8 21 Dokumen 9_Segmen7.JPG
8 407 417 9 29 Dokumen 9_Segmen8.JPG
9 564 576 9 21 Dokumen 9_Segmen9.JPG
10 1227 1290 9 75 Dokumen 9_Segmen10.JPG
165
11 1194 1205 16 25 Dokumen 9_Segmen11.JPG
12 663 671 17 25 Dokumen 9_Segmen12.JPG
13 513 520 20 27 Dokumen 9_Segmen13.JPG
14 752 790 26 51 Dokumen 9_Segmen14.JPG
15 770 814 26 91 Dokumen 9_Segmen15.JPG
16 1252 1287 26 50 Dokumen 9_Segmen16.JPG
17 912 948 27 51 Dokumen 9_Segmen17.JPG
18 1075 1112 27 50 Dokumen 9_Segmen18.JPG
19 1019 1065 28 50 Dokumen 9_Segmen19.JPG
20 1178 1216 28 51 Dokumen 9_Segmen20.JPG
21 855 905 29 92 Dokumen 9_Segmen21.JPG
22 961 1006 29 51 Dokumen 9_Segmen22.JPG
23 549 592 30 54 Dokumen 9_Segmen23.JPG
24 603 638 30 53 Dokumen 9_Segmen24.JPG
25 652 685 30 53 Dokumen 9_Segmen25.JPG
26 695 743 30 53 Dokumen 9_Segmen26.JPG
27 440 487 31 54 Dokumen 9_Segmen27.JPG
28 1128 1143 31 48 Dokumen 9_Segmen28.JPG
29 499 537 32 99 Dokumen 9_Segmen29.JPG
30 394 431 33 96 Dokumen 9_Segmen30.JPG
31 18 53 34 59 Dokumen 9_Segmen31.JPG
32 226 274 34 58 Dokumen 9_Segmen32.JPG
33 256 297 34 91 Dokumen 9_Segmen33.JPG
34 335 385 34 98 Dokumen 9_Segmen34.JPG
35 167 215 35 58 Dokumen 9_Segmen35.JPG
36 110 157 36 59 Dokumen 9_Segmen36.JPG
37 64 97 37 58 Dokumen 9_Segmen37.JPG
38 804 806 37 77 Dokumen 9_Segmen38.JPG
39 970 1016 53 95 Dokumen 9_Segmen39.JPG
40 986 995 57 72 Dokumen 9_Segmen40.JPG
41 169 216 64 87 Dokumen 9_Segmen41.JPG
42 594 636 96 120 Dokumen 9_Segmen42.JPG
43 799 821 96 118 Dokumen 9_Segmen43.JPG
44 312 321 101 124 Dokumen 9_Segmen44.JPG
45 287 310 103 126 Dokumen 9_Segmen45.JPG
46 291 304 107 121 Dokumen 9_Segmen46.JPG
47 884 927 119 144 Dokumen 9_Segmen47.JPG
48 1013 1048 119 144 Dokumen 9_Segmen48.JPG
49 1163 1210 119 142 Dokumen 9_Segmen49.JPG
50 1248 1290 119 184 Dokumen 9_Segmen50.JPG
51 837 874 120 143 Dokumen 9_Segmen51.JPG
166
52 1105 1152 120 143 Dokumen 9_Segmen52.JPG
53 1220 1267 120 143 Dokumen 9_Segmen53.JPG
54 751 781 121 144 Dokumen 9_Segmen54.JPG
55 967 1008 121 188 Dokumen 9_Segmen55.JPG
56 1060 1093 121 143 Dokumen 9_Segmen56.JPG
57 689 735 122 145 Dokumen 9_Segmen57.JPG
58 793 828 122 144 Dokumen 9_Segmen58.JPG
59 933 958 122 187 Dokumen 9_Segmen59.JPG
60 616 631 123 145 Dokumen 9_Segmen60.JPG
61 640 677 123 147 Dokumen 9_Segmen61.JPG
62 396 491 124 191 Dokumen 9_Segmen62.JPG
63 506 539 124 148 Dokumen 9_Segmen63.JPG
64 551 584 124 146 Dokumen 9_Segmen64.JPG
65 596 616 124 145 Dokumen 9_Segmen65.JPG
66 409 443 125 152 Dokumen 9_Segmen66.JPG
67 15 65 128 191 Dokumen 9_Segmen67.JPG
68 226 267 128 153 Dokumen 9_Segmen68.JPG
69 272 319 128 152 Dokumen 9_Segmen69.JPG
70 332 358 128 147 Dokumen 9_Segmen70.JPG
71 75 108 130 152 Dokumen 9_Segmen71.JPG
72 122 155 130 152 Dokumen 9_Segmen72.JPG
73 167 214 130 153 Dokumen 9_Segmen73.JPG
74 421 437 130 144 Dokumen 9_Segmen74.JPG
75 505 508 130 147 Dokumen 9_Segmen75.JPG
76 1163 1209 148 171 Dokumen 9_Segmen76.JPG
77 596 641 149 180 Dokumen 9_Segmen77.JPG
78 547 594 150 180 Dokumen 9_Segmen78.JPG
79 973 997 160 183 Dokumen 9_Segmen79.JPG
80 1154 1198 187 210 Dokumen 9_Segmen80.JPG
81 614 645 190 215 Dokumen 9_Segmen81.JPG
82 347 369 193 215 Dokumen 9_Segmen82.JPG
83 394 416 193 214 Dokumen 9_Segmen83.JPG
84 235 278 195 219 Dokumen 9_Segmen84.JPG
85 25 47 197 218 Dokumen 9_Segmen85.JPG
86 351 364 197 210 Dokumen 9_Segmen86.JPG
87 671 682 203 213 Dokumen 9_Segmen87.JPG
88 871 918 213 236 Dokumen 9_Segmen88.JPG
89 978 1012 213 236 Dokumen 9_Segmen89.JPG
90 1076 1099 213 275 Dokumen 9_Segmen90.JPG
91 1110 1151 213 278 Dokumen 9_Segmen91.JPG
92 1251 1265 213 270 Dokumen 9_Segmen92.JPG
167
93 762 798 214 237 Dokumen 9_Segmen93.JPG
94 1021 1058 214 237 Dokumen 9_Segmen94.JPG
95 1157 1190 214 237 Dokumen 9_Segmen95.JPG
96 1204 1237 214 237 Dokumen 9_Segmen96.JPG
97 602 648 215 240 Dokumen 9_Segmen97.JPG
98 705 751 215 239 Dokumen 9_Segmen98.JPG
99 930 964 215 238 Dokumen 9_Segmen99.JPG
100 1270 1287 215 235 Dokumen 9_Segmen100.JPG
101 499 545 216 283 Dokumen 9_Segmen101.JPG
102 554 589 217 240 Dokumen 9_Segmen102.JPG
103 660 694 217 240 Dokumen 9_Segmen103.JPG
104 811 827 218 236 Dokumen 9_Segmen104.JPG
105 329 376 219 243 Dokumen 9_Segmen105.JPG
106 388 422 219 242 Dokumen 9_Segmen106.JPG
107 284 318 221 244 Dokumen 9_Segmen107.JPG
108 12 51 222 245 Dokumen 9_Segmen108.JPG
109 64 98 222 245 Dokumen 9_Segmen109.JPG
110 133 160 222 286 Dokumen 9_Segmen110.JPG
111 167 214 222 245 Dokumen 9_Segmen111.JPG
112 224 271 222 245 Dokumen 9_Segmen112.JPG
113 437 452 222 240 Dokumen 9_Segmen113.JPG
114 113 128 223 275 Dokumen 9_Segmen114.JPG
115 978 1013 239 280 Dokumen 9_Segmen115.JPG
116 611 656 242 273 Dokumen 9_Segmen116.JPG
117 385 427 244 287 Dokumen 9_Segmen117.JPG
118 1115 1139 251 273 Dokumen 9_Segmen118.JPG
9. Citra Dokumen 10
Daerah Minima X0 X1 Y0 Y1 Nama File 1 1148 1158 7 29 Dokumen 10_Segmen1.JPG
2 1215 1237 8 30 Dokumen 10_Segmen2.JPG
3 462 483 13 35 Dokumen 10_Segmen3.JPG
4 430 493 18 88 Dokumen 10_Segmen4.JPG
5 466 479 18 31 Dokumen 10_Segmen5.JPG
6 590 600 26 35 Dokumen 10_Segmen6.JPG
7 806 853 33 57 Dokumen 10_Segmen7.JPG
8 870 917 33 55 Dokumen 10_Segmen8.JPG
9 1042 1088 33 57 Dokumen 10_Segmen9.JPG
10 1203 1241 33 58 Dokumen 10_Segmen10.JPG
11 1253 1287 33 56 Dokumen 10_Segmen11.JPG
12 759 794 34 58 Dokumen 10_Segmen12.JPG
168
13 927 975 34 58 Dokumen 10_Segmen13.JPG
14 1101 1123 34 91 Dokumen 10_Segmen14.JPG
15 1136 1170 34 58 Dokumen 10_Segmen15.JPG
16 1182 1194 34 57 Dokumen 10_Segmen16.JPG
17 957 1000 35 97 Dokumen 10_Segmen17.JPG
18 659 707 37 61 Dokumen 10_Segmen18.JPG
19 626 651 38 101 Dokumen 10_Segmen19.JPG
20 725 752 38 101 Dokumen 10_Segmen20.JPG
21 446 491 39 62 Dokumen 10_Segmen21.JPG
22 373 420 40 64 Dokumen 10_Segmen22.JPG
23 567 591 40 62 Dokumen 10_Segmen23.JPG
24 578 613 40 62 Dokumen 10_Segmen24.JPG
25 9 47 41 65 Dokumen 10_Segmen25.JPG
26 306 344 41 104 Dokumen 10_Segmen26.JPG
27 356 370 41 89 Dokumen 10_Segmen27.JPG
28 259 296 42 106 Dokumen 10_Segmen28.JPG
29 503 521 42 60 Dokumen 10_Segmen29.JPG
30 107 129 43 104 Dokumen 10_Segmen30.JPG
31 141 188 43 66 Dokumen 10_Segmen31.JPG
32 202 250 43 107 Dokumen 10_Segmen32.JPG
33 60 93 44 66 Dokumen 10_Segmen33.JPG
34 871 917 61 84 Dokumen 10_Segmen34.JPG
35 13 49 67 110 Dokumen 10_Segmen35.JPG
36 150 196 70 99 Dokumen 10_Segmen36.JPG
37 1020 1051 101 123 Dokumen 10_Segmen37.JPG
38 896 917 103 124 Dokumen 10_Segmen38.JPG
39 1024 1036 105 118 Dokumen 10_Segmen39.JPG
40 509 531 107 131 Dokumen 10_Segmen40.JPG
41 758 822 109 176 Dokumen 10_Segmen41.JPG
42 203 225 111 134 Dokumen 10_Segmen42.JPG
43 139 161 112 134 Dokumen 10_Segmen43.JPG
44 207 219 116 130 Dokumen 10_Segmen44.JPG
45 1121 1167 126 150 Dokumen 10_Segmen45.JPG
46 836 876 127 193 Dokumen 10_Segmen46.JPG
47 1068 1110 127 150 Dokumen 10_Segmen47.JPG
48 784 819 128 151 Dokumen 10_Segmen48.JPG
49 889 923 128 151 Dokumen 10_Segmen49.JPG
50 942 988 128 151 Dokumen 10_Segmen50.JPG
51 1007 1052 128 151 Dokumen 10_Segmen51.JPG
52 1218 1266 128 152 Dokumen 10_Segmen52.JPG
53 1276 1289 128 151 Dokumen 10_Segmen53.JPG
169
54 1185 1211 129 193 Dokumen 10_Segmen54.JPG
55 705 740 130 154 Dokumen 10_Segmen55.JPG
56 448 485 131 157 Dokumen 10_Segmen56.JPG
57 504 538 131 156 Dokumen 10_Segmen57.JPG
58 654 688 131 154 Dokumen 10_Segmen58.JPG
59 326 428 132 201 Dokumen 10_Segmen59.JPG
60 589 636 132 156 Dokumen 10_Segmen60.JPG
61 556 580 134 196 Dokumen 10_Segmen61.JPG
62 339 372 135 162 Dokumen 10_Segmen62.JPG
63 13 60 136 160 Dokumen 10_Segmen63.JPG
64 79 113 137 160 Dokumen 10_Segmen64.JPG
65 130 173 138 162 Dokumen 10_Segmen65.JPG
66 245 271 138 157 Dokumen 10_Segmen66.JPG
67 185 231 139 161 Dokumen 10_Segmen67.JPG
68 350 367 140 158 Dokumen 10_Segmen68.JPG
69 851 873 196 218 Dokumen 10_Segmen69.JPG
70 1184 1205 196 218 Dokumen 10_Segmen70.JPG
71 518 540 199 225 Dokumen 10_Segmen71.JPG
72 1187 1200 200 213 Dokumen 10_Segmen72.JPG
73 300 344 201 225 Dokumen 10_Segmen73.JPG
74 368 389 203 224 Dokumen 10_Segmen74.JPG
75 668 733 203 272 Dokumen 10_Segmen75.JPG
76 1131 1142 207 217 Dokumen 10_Segmen76.JPG
77 12 59 211 275 Dokumen 10_Segmen77.JPG
78 1047 1092 220 285 Dokumen 10_Segmen78.JPG
79 960 1007 221 244 Dokumen 10_Segmen79.JPG
80 1019 1066 221 244 Dokumen 10_Segmen80.JPG
81 1166 1214 221 244 Dokumen 10_Segmen81.JPG
82 1244 1291 221 244 Dokumen 10_Segmen82.JPG
83 741 775 222 245 Dokumen 10_Segmen83.JPG
84 836 881 222 247 Dokumen 10_Segmen84.JPG
85 1119 1153 222 245 Dokumen 10_Segmen85.JPG
86 1227 1240 222 275 Dokumen 10_Segmen86.JPG
87 584 629 223 289 Dokumen 10_Segmen87.JPG
88 788 822 223 246 Dokumen 10_Segmen88.JPG
89 895 909 223 275 Dokumen 10_Segmen89.JPG
90 913 956 223 246 Dokumen 10_Segmen90.JPG
91 694 728 224 247 Dokumen 10_Segmen91.JPG
92 511 545 225 249 Dokumen 10_Segmen92.JPG
93 454 499 226 249 Dokumen 10_Segmen93.JPG
94 556 602 226 249 Dokumen 10_Segmen94.JPG
170
95 347 394 227 252 Dokumen 10_Segmen95.JPG
96 405 440 227 250 Dokumen 10_Segmen96.JPG
97 185 221 229 254 Dokumen 10_Segmen97.JPG
98 232 281 229 291 Dokumen 10_Segmen98.JPG
99 289 336 229 252 Dokumen 10_Segmen99.JPG
100 73 119 230 254 Dokumen 10_Segmen100.JPG
101 100 142 230 292 Dokumen 10_Segmen101.JPG
102 25 60 233 255 Dokumen 10_Segmen102.JPG
103 981 1026 247 275 Dokumen 10_Segmen103.JPG
104 740 787 249 280 Dokumen 10_Segmen104.JPG
105 510 554 252 283 Dokumen 10_Segmen105.JPG
106 467 503 253 294 Dokumen 10_Segmen106.JPG