Perbandingan Algoritma Sobel dan Canny untuk Deteksi Tepi Citra Daun Lidah Buaya
Article Sidebar
Main Article Content
Abstract
Penyakit daun yang umum terjadi pada tanaman lidah buaya, seperti busuk daun, busuk akar, infeksi bakteri, dan serangan virus, dapat menimbulkan kerusakan yang cukup parah. Identifikasi penyakit-penyakit tersebut masih mengandalkan pengalaman petani dan seringkali menimbulkan interpretasi yang salah. Solusi modern telah ditemukan melalui penerapan teknologi informasi, khususnya di bidang pengolahan citra digital. Dengan menggunakan metode ini, diagnosis penyakit pada daun lidah buaya dapat ditingkatkan melalui deteksi tepi objek pada gambar daun. Hasil deteksi tepi ini memungkinkan mengidentifikasi gejala penyakit dengan lebih akurat. Dalam konteks ini, algoritma Canny dan Sobel, dua algoritma yang umum digunakan untuk deteksi tepi pada gambar, terbukti menjadi pilihan yang efektif. Dengan menggunakan metode tersebut, gambar tepi daun lidah buaya dapat diidentifikasi secara akurat. Ini adalah langkah penting dalam mendukung petani dalam diagnosis dini penyakit dan mengambil tindakan tepat waktu untuk mengatasi masalah ini. Penelitian ini bertujuan untuk mendapatkan algoritma terbaik pendeteksian tepi daun lidah buaya berdasarkan nilai Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR). Hasil pengujian menunjukkan bahwa algoritma Sobel memberikan hasil yang lebih baik dengan rata-rata pengukuran MSE sebesar 2781.88 dan rata-rata PSNR sebesar 14.04, sedangkan algoritma Canny memiliki rata-rata MSE sebesar 3542.02 dan rata-rata PSNR sebesar 12.92.
Article Details
Section
Penulis yang menerbitkan dengan jurnal ini setuju pada persyaratan berikut ini:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama, dengan pekerjaan 6 bulan setelah penerbitan secara simultan dengan lisensi di bawah: Creative Commons Attribution License yang memudahkan yang lain untuk berbagi karya dengan pengakuan penerbitan awal dan kepenulisan karya di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non-ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
How to Cite
References
A. Zalukhu, “Implementasi Metode Canny Dan Sobel Untuk Mendeteksi Tepi Citra,” Jurikom), vol. 3, no. 6, pp. 25–29, 2016.
A. A. R. Andi Sofyan Anas, “Deteksi Tepi dalam Pengolahan Citra Digital,” Semin. Nas. TIK dan Ilmu Sos., pp. 1–6, 2017.
N. K. A. W. Putu Teguh Krisna Putra, “Pengolahan Citra Digital Deteksi Tepi Untuk Membandingkan Metode Sobel, Robert dan Canny,” MERPATI, vol. 2, no. 2, pp. 253–261, 2014.
Wahyu Supriyatin, “Perbandingan Metode Sobel, Prewitt, Robert dan Canny pada Deteksi Tepi Objek Bergerak,” ILKOM, vol. 12, no. 2, pp. 112–120, 2020.
Edy Winarno, “Aplikasi Deteksi Tepi pada Realtime Video menggunakan Algoritma Canny Detection,” J. Teknol. Inf. Din., vol. 16, no. 1, pp. 44–49, 2011.
Kaggle, “Aloe Vera,” Kaggle.
J. W. Yodha and A. W. Kurniawan, “Pengenalan Motif Batik Menggunakan Deteksi Tepi Canny Dan K-Nearest Neighbor,” Techno.COM, vol. 13, no. 4, November, pp. 251–262, 2014.
Teresa, “Pewarnaan Citra Grayscale ke dalam Citra Berwarna dengan Menggunakan Pseudocoloring berbasis Palet Warna,” 2019.
K. Fitriya and M. H. Kom, “Segmentasi Region of Interest ( Roi ) Garis Telapak Tangan,” J. Explor. It!, vol. 11, no. 1, pp. 29–40, 2019.
C. Mauludin, “DETEKSI TEPI TINGKAT TRANSPARAN BATU PERMATA,” vol. 6, no. 01, pp. 45–50, 2017.
A. N. Hermana and S. Juerman, “Implementasi Algoritma Canny dan Backpropagation dalam Pengenalan Pola Rumah Adat.”
Y. Ningsih, “Implemtasi Metode Canny Edge Detection Untuk Identifikasi Defect Solder,” vol. II, pp. 39–46, 2021.
E. Budianita, D. Muliani, F. Yanto, and Pizaini, “Penerapan Algoritma Canny Dan LVQ 3 Untuk Klasifikasi Jenis Tanaman Mangga,” Ejournal.Uin-Suska.Ac.Id, vol. 12, no. November, pp. 1–12, 2019.
N. P., K. Kusrini, and M. P. Kurniawan, “Segmentasi Citra Ikan Arwana Super Red Berdasarkan Deteksi Tepi Menggunakan Algoritma Canny,” J. Teknol. Inf., vol. 3, no. 2, p. 200, 2019, doi: 10.36294/jurti.v3i2.1092.
V. A. Effendy and F. Maspiyanti, “Perbandingan Algoritma Canny Edge Detection Dan Prewitt Pada Deteksi Stadium Diabetik Retinopati,” J. Ilm. Inform., vol. 9, no. 02, pp. 87–94, 2021, doi: 10.33884/jif.v9i02.3762.
A. Mustafid and S. ’Uyun, “Segmentasi Citra Sapi Berbasis Deteksi Tepi Menggunakan Algoritma Canny Edge Detection,” J. Buana Inform., vol. 8, no. 1, pp. 27–36, 2017, doi: 10.24002/jbi.v8i1.1074.
K. Letelay, “Perbandingan Kinerja Metode Deteksi Tepi Pada Citra,” J-Icon, vol. 7, no. 1, pp. 1–8, 2019.
B. Sinaga, J. Manurung, M. H. Silalahi, and S. Ramen, “Deteksi Tepi Citra Dengan Metode Laplacian of Gaussian Dan Metode Canny,” J. Sains Komput. Inform., vol. 5, no. 2, pp. 1066–1084, 2021, [Online]. Available: https://tunasbangsa.ac.id/ejurnal/index.php/jsakti