ANALISA PERBANDINGAN OBJECT COUNTING DENGAN ECOGNITION DAN PICTERRA

Authors

  • Adkha Yulianandha Mabrur Teknik Geodesi Institut Teknologi Nasional Malang

Abstract

Object Counting adalah proses menghitung objek berdasarkan konektivitasnya terhadapap piksel disekitarnya, bisa berdasarkan 4 piksel koneksi atau menggunakan 8 piksel koneksi. Object Counting digunakan untuk mengetahui jumlah suatu objek dengan cepat berdasarkan hasil dari ektraksi fitur secara otomatis. Penelitian ini dilakukan pada objek pohon kelapa sawit dengan menggunakan data Foto UAV. Penelitian ini dilakukan pada dua luasan yaitu luasan 5 hektare dan 15 hektare. Algoritma yang digunakan yaitu Template Matching, algoritma ini memungkinkan kita untuk menemukan bagian tertentu pada citra masukan yang sesuai dengan template yang dibuat Kemudian nilai threshold yang digunakan dalam proses Template matching sehingga menghasilkan jumlah perhitungan pohon kelapa sawit berdasarkan hasil dari kedua software tersebut. Hasil dari metode template maching pada eCognition dan Picterra akan dianalisa berdasarkan keakuratan jumlah pohon hasil ektraksi software tersebut, kemudian dilakukan validasi untuk menentukan hasil mana yang sesuai atau mendekati dengan data sesungguhnya. Berdasarkan hasil tersebut maka akan diketahui kemampuan dari kedua software dalam menghitung jumlah suatu object secara otomatis, cepat dan efisien, sehingga dapat memudahkan suatu pekerjaan seperti dalam perhitungan jumlah kelapa sawit, traffic light, lampu penerangan jalan, dan beberapa object yang memiliki karakteristik yang sama. Berdasarkan hasil menggunakan dua buah software yang berbeda terlihat bahwa ada beberapa area yang memang kurang akurat. Hal ini mungkin dipengaruhi dari pembuatan train detector yang digunakan identifikasi secara otomatis terkait objek yang akan diproses. Nilai persentase kesalahan pada perbandingan pohon secara otomatis dan manual yang terkecil diperoleh pada luasan 5 Ha sebesar 1.64%.

References

Alifia, T., Suprayogi, A., dan Sudarsono, B., 2017. Identifikasi Dan Estimasi Tingkat Produktivitas Kelapa Sawit Menggunakan Teknologi Lidar (Studi Kasus : Air Upas, Kabupaten Ketapang).

Destyningtias. H. S., dan Nurhayati., 2010. Segmentasi Citra Dengan Metode Pengambangan. Jurnal Elektrika. Vol.2, No.1, 2010: 39 – 49

Hashemi, S., Nazanin et, al., 2016. Template Matching Advances and Applications in Image Analysis. American Scientific Research Journal for Engineering, Technology, and Sciences.

Leksono, B et, al., 2011. Aplikasi Metode Template Matching Untuk Klasifikasi Sidik Jari. Semarang : Teknik Elektro Universitas Diponegoro.

Nadira, M et, al., 2007. Optical Character Recognition By Using Template Matching (Alphabet). National Conference on Software Engineering & Computer Systems 2007.

Mahalakshmi, T. R. M., dan Swaminathan, P., 2012. An overview of tem-plate matching technique in image processing. Jurnal penelitian dan Sains, Engineering and Technology.

Pratt, W. K., 1991. Digital Image Processing Second Edition. New York: John Wiley & Sons, Inc.

Prasetya, A., 2010. Distorsi Foto Udara (Fotogrametri).

Purwanto, T. H., 2017. Fotogrametri. Prodi Kartografi dan PJSIG dan Pengembangan Wilayah Fakultas Geografi Universitas Gadjah Mada, Yogyakarta

Tjahjadi, M. E., Handoko, F., dan S. Sai, S., 2017. Novel Image Mosaicking of UAV’s Imagery Using Collinearity Condition. Int. J. Electr. Comput. Eng., vol. 7(3), no. 3, pp. 1188–1196.

Tjahjadi, M. E., dan Handoko, F., 2017. Precise Wide Baseline Stereo Image Matching for Compact Digital Cameras. Proc. EECSI 2017, Yogyakarta, Indonesia, 19-21 September 2017.

Downloads

Published

2021-03-29

How to Cite

Mabrur, A. Y. (2021). ANALISA PERBANDINGAN OBJECT COUNTING DENGAN ECOGNITION DAN PICTERRA. Jurnal ENMAP, 2(1), 1–7. Retrieved from https://ejournal.undiksha.ac.id/index.php/ENMAP/article/view/33347