Korban kecelakaan yang diakibatkan oleh kondisi jalan rusak khususnya jalan berlubang memiliki prosentase yang tinggi yaitu rata rata 10% pertahun di Asia. Korban kecelakaan yang diakibatkan oleh jalan berlubang dapat melakukan ganti rugi dari pemerintah. Oleh karena itu pihak pemerintah harus segera memperbaiki jalan berlubang tersebut agar tidak terjadi korban kecelakaan lagi.
Dalam melakukan perbaikan pihak pemerintah harus mengetahui luas permukaan jalan berlubang, kedalaman jalan berlubang dan posisi jalan berlubang. Pada penelitian ini untuk mengetahui luas permukaan dan kedalaman pada jalan berlubang terlebih dahulu dilakukan proses preprosessing setelah itu dilakukan proses segmentasi.
Pada proses segmentasi dalam penelitian ini berdasarkan pada kesamaan antar piksel dalam suatu area. Metode segmentasi yang berdasarkan kesamaan piksel dalam satu area adalah metode watershed. Metode watershed dapat membagi citra menjadi beberapa region yang berbeda dengan menggambarkan citra sebagai relief topografi. Metode ini digunakan untuk segmentasi karena memiliki kelebihan dapat menunjukkan detail citra tetapi memiliki kekurangan over segmentation.
Pada penelitian ini akan memperbaiki metode watershed yang sudah diteliti sebelumnya yang rata rata memiliki akurasi dibawah 92%, masih terdapat over-segmentasi, rekontruksi gradien menggunakan metode Gaussian, method dalam pencarian flood minimal pada catchment basin masih menggunakan threshold atau masih manual. Metode perbaikan watershed dalam penelitian ini menggunakan a new watershed algorithm.
A new watershed algorithm memiliki tujuan untuk mendapatkan nilai akurasi yang tinggi dalam proses segmentasi. Hasil proses segmentasi tersebut untuk menginterpretasikan proses selanjutnya yaitu menghitung luas permukaan yang bergantung pada kualitas hasil proses segmentasi. Pada proses segmentasi yang menghasilkan nilai akurasi diatas 95% merupakan tahapan yang sangat penting.
Metode dan Hasil
Pada penelitian ini kami mencoba mengembangkan metode watershed. Algoritma watershed ini memiliki enam langkah meliputi langkah pertama melakukan penghalusan dengan metode improved highboost filter, langkah kedua menghitung nilai gradien, langkah ketiga menghitung flooding minimal secara otomatis, langkah keempat menggabungkan cathment basin, langkah kelima menghapus sisa garis watershed dan langkah terakhir membuat kurva watershed.
Metode segmentasi pada penelitian ini diterapkan pada 20 obyek gambar jalan berlubang di wilayah Surabaya dan dievaluasi dengan metode watershed lainnya yang sudah diteliti sebelumnya. Metode segmentasi ini diterapkan juga pada obyek yang lain yaitu 20 gambar apel, 20 gambar cortical bone dan 20 gambar burung untuk mengetahui keakuratan hasil akurasi dari Algoritma baru ini.
Tahap pertama hasil objek yang disegmentasi dengan metode watershed konvensional kemudian dilakukan smoothing dengan improved highboost filter. Tahap ke kedua menghitung gradien yang digunakan untuk mencari nilai gradient terendah dari common edge pada catchment basin yang bertetangga. Tujuannya adalah untuk mengidentifikasi arah dataran setiap pixel dalam citra.
Tahap ke tiga adalah menentukan flood minimal secara otomatis dengan tujuan untuk mengetahui citra watershed secara efisien yang dapat menggambarkan bentuk obyek image, dan tahap ke empat adalah menggabungkan dari catchment basin satu dengan yang lain dengan memberikan label yang sama pada dua atau lebih catchment basin yang memiliki bobot kurang dari flood minimal otomatis.
Tahap ini menghapus sisa watershed atas dan bawah karena sudah bergabung menjadi satu catchment basin dengan melakukan pengecekkan apakah catchment basin yang tergabung menjadi satu masih terdapat garis watershed apa tidak. Jika masih terdapat garis watershed di daerah yang telah bergabung maka dilakukan penghapusan garis watershed dengan menggunakan delapan matrik bertetangga.
Tahap ke enam adalah membuat kurva dari hasil pengembnagan watershed dengan tujuan untuk mengetahui sambungan batas segmentasi sesuai konsep catchment basin, garis watershed dan mengetahui secara jelas bentuk objek jalan berlubang. Kemudian dilakukan pengukuran hasil segmentasi dilakukan dengan menghitung Spesifisitas, Sensitivitas dan Akurasi.
Pada hasil penelitian ini bahwa Algoritma ini merupakan algoritma yang efektif mengurangi efek segmentasi yang berlebih dan merupakan suatu algoritma yang baik untuk mensegmentasi pada gambar jalan berlubang, karena menghasilkan akurasi yang tinggi yaitu 95,34% dibandingkan dengan metode watershed yang sudah ada.
Pada hasil akurasi rata rata memiliki keunggulan 14,31%, sensitivity memiliki ke unggulan rata rata 8,5% dan specificity memiliki keunggulan rata rata 15,8 %. Hal ini dikarenakan metode tujuan watershed melakukan perhitungan nilai gradien untuk menentukan nilai flood minimal sebagai acuan dan pencarian flood minimal dari 20 data tersebut dilakukan secara otmatis sehingga dapat mengurangi terjadinya over segmentasi.
Algoritma tujuan ini meskipun diterapkan pada segmentasi dengan kondisi obyek gambar yang redup atau kurang jelas dan kondisi obyek gambar yang terang atau jelas, tetap saja menghasilkan nilai akurasiyang lebih baik dibandingkan dengan metode watershed yang lain. Sehingga pada proses selanjutnya yaitu menghitung luas permukaan objek jalan berlubang yang bergantung pada kualitas hasil proses segmentasi, Algoritma tujuan ini dapat di terapkan.
Penulis: Tutuk Indriyani, S.T., M.Kom.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://sic.ici.ro/a-new-watershed-algorithm-for-pothole-image-segmentation/
Tutuk Indriyani, Mohammad Imam Utoyo, Riries Rulaningtyas, “A new watershed algorithm for pothole road image segmentation”
Studies in Informatics and Control, 2021, 30(3), pp. 131–139 https://doi.org/10.24846/v30i3y202112
