Segmentasi Citra Menggunakan Pendekatan Trial and Error dan Metode Otsu untuk Identifikasi Objek

Abstract

Segmentasi citra merupakan tahapan penting dalam pengolahan citra digital untuk memisahkan objek dari latar belakang agar analisis visual menjadi lebih efektif. Penelitian ini membandingkan dua metode segmentasi citra, yaitu trial and error thresholding dan metode Otsu, dalam mengidentifikasi objek pada citra aurora. Dataset yang digunakan berupa citra RGB aurora yang dikonversi ke grayscale, kemudian disegmentasi menggunakan kedua metode tersebut. Metode trial and error menentukan nilai ambang secara manual berdasarkan histogram, sedangkan metode Otsu secara otomatis menghitung nilai ambang optimal dengan memaksimalkan varians antar kelas. Hasil analisis menunjukkan bahwa metode Otsu lebih unggul dengan akurasi segmentasi sebesar 92% dan waktu pemrosesan 1,2 detik, dibandingkan metode trial and error yang menghasilkan akurasi 85% dan waktu 2,5 detik. Dengan demikian, metode Otsu dinilai lebih efisien dan konsisten untuk segmentasi citra alami, meskipun masih memerlukan teknik pra-pemrosesan tambahan pada citra dengan noise tinggi.