PENDAHULUAN

Ruang publik, ruang terbatas maupun ruang khusus sangat mutlak memerlukan keamanan, kenyamanan sehingga untuk penjagaan dan perlindungan diperlukan ekstra ketat, pengamanan tidak hanya dengan menempatkan petugas, atau dengan mendeteksi pengunjung menggunakan metal detector bahkan sampai menggunakan mesin x-ray. Ruang publik tersebut diantaranya tempat pembelanjaan, ruang sidang MK, Rumah Tahanan Salemba Jakarta dan lokasi pengaman kegiatan pejabat tinggi termasuk Presiden dan Wakil Presiden.

PERMASALAHAN

 Kekurangan pada proses pemindaian menggunakan mesin x-ray dimana barang berbahaya seperti pisau belum dapat diidentifikasi secara otomatis karena hanya mengangandalkan kejelian dari pengamatan petugas. Dari perma-salahan tersebut peneliti mengusulkan sebuah penelitian sistem deteksi perangkat lunak yang dapat mengidentifikasi pisau dari citra mesin x-ray. Petugas Lapas Narkotika Cipinang melakukan pengamatan pendeteksian secara langsung pengunjung menggunakan mesin x-ray dengan tujuan untuk mempermudah pengamanan lapas, untuk mendeteksi segala bentuk benda terlarang yang akan diselundupkan ke dalam lapas. Gedung Mahkamah Konstitusi juga termasuk dalam area yang steril oleh karena itu menggunakan mesin x-ray sebagai pelengkap pengamanan, seperti pengamanan di bandar udara dan pengamanan pejabat tinggi seperti Presiden. Dalam komputer vision, deteksi tepi berperan didalam praprocessing dan segmentasi. Asumsi dasar yang digunakan dalam komputer vision adalah bahwa bagian tepi ditandai dengan nilai yang besar didalam intensitas, oleh karena itu turunan pertama dari fungsi intensitas harus maksimal atau turunan kedua harus memiliki persimpangan yang bernilai nol, hal tersebut merupakan dasar untuk merancang dasar teknik deteksi tepi. Segmentasi citra adalah proses membagi sebuah gambar ke berbagai daerah sehingga setiap daerah adalah homogen. Segmentasi untuk deteksi tepi adalah salah satu teknik yang banyak digunakan untuk segmentasi citra dengan pendekatan, partisi atau sub-divisi dari suatu gambar berdasarkan pada beberapa perubahan mendadak pada tingkat intensitas gambar (Khaparde, 2007). Mendeteksi tepi antara daerah tingkat abu-abu (grey level) yang berbeda dapat diterapkan untuk mendeteksi lebar berbagai tepi tekstur, di mana dua daerah berbeda yang berhubungan dengan nilai rata-rata beberapa properti lokal. Memang, jika proses pertama suatu gambar dengan menghitung nilai properti lokal pada setiap titik, hasilnya adalah gambar baru di daerah yang berbeda dalam gray level. Objek dalam suatu gambar tidak dapat secara akurat terdeteksi karena adanya noise, sehingga masing-masing operator deteksi tepi memiliki keunggulan dan kecepatan proses. Sebuah deteksi tepi dapat didefinisikan sebagai diskontinuitas lokal asalkan nilai-nilai pixel yang melebihi ambang batas tertentu. Tujuannya adalah untuk mengukur ukuran objek dalam gambar, untuk mengisolasi objek tertentu dari latar belakang mereka, untuk mengenali atau mengklasifikasikan objek.  

PENUTUP

Berdasarkan hasil uji coba dan analisis pada perangkat lunak yang menggunakan proses segmentasi berbasis citra, proses filterisasi menggunakan operasi morphologi dan pengukuran RV dan jumlah Piksel sebagai bahan rekomendasi pengambilan keputusan adalah 1) penentuan nilai threshold yang paling tepat untuk digunakan mendeteksi pisau yang bersumber dari citra x-ray sebesar T = 142; 2) pelatihan data latih (data training) untuk kelas pisau dengan cara mengukur dimensi objek menggunakan batasan nilai rentang Round Value (RV) antara 0.13 s/d 0.47; 3) pelatihan data pada jumlah Piksel dengan rentang nilai sebesar 1,151 s/d 4,889; 4) sistem mampu mendeteksi pisau dari bahan logam dengan posisi objek yang diubah-ubah dengan informasi “Objek Terdeteksi sebagai : PISAU’; 5) sistem mampu mendeteksi bahan logam dan bukan logam kecuali pisau informasi “Objek Terdeteksi : BUKAN PISAU’; 6) berdasarkan hasil eksperiman selama uji coba aplikasi didapatkan hasil sebesar 96% dengan objek sampel sebanyak 27 citra berhasil mendeteksi 59 objek dari total objek terdeteksi sebanyak 63 buah.

DAFTAR PUSTAKA

Acharjya, P. P., Das, R., & Ghoshal, D. (2012). Study and comparison of different edge detectors for image segmentation. Global Journal of Computer Science and Technology, 12(13-F).

Arif, I., Purnama, I., & Hariadi, M. (2012). Identifikasi Objek Pisau pada Citra X-ray di Bandara. Semantik 2012, 576-582.

Khaparde, A., Reddy, S., & Ravipudi, S. (2007). Face Detection Using Color Based Segmentation and Morphological Processing – A Case