PERBANDINGAN PERFORMA DETEKSI TEPI BERBASIS GRADIENT (SOBEL, PREWITT) DAN LAPLACIAN OF GAUSSIAN (LoG) PADA CITRA TERCEMAR NOISE IMPULSIF DENGAN EVALUASI METRIK F-MEASURE

Abstract

Deteksi tepi merupakan teknik fundamental dalam pengolahan citra digital yang berfungsi mengidentifikasi batas antar objek pada citra. Dalam kondisi nyata, citra seringkali tercemar noise impulsif (salt & pepper) yang menyebabkan tepi palsu sehingga menurunkan akurasi deteksi. Permasalahan ini terjadi karena metode berbasis gradien seperti Sobel dan Prewitt sangat sensitif terhadap gangguan piksel ekstrem, sedangkan kemampuan Laplacian of Gaussian (LoG) dalam kondisi tersebut belum dikaji secara kuantitatif secara bersamaan. Penelitian ini bertujuan membandingkan performa tiga metode deteksi tepi, yaitu Sobel, Prewitt, dan LoG, pada citra yang tercemar noise impulsif dengan densitas 2%, 5%, dan 10%. Metode yang digunakan meliputi eksperimen pada lima citra benchmark standar (cameraman, lena, circuit, rice, coins) menggunakan MATLAB R2020a, dengan evaluasi metrik F-Measure, PSNR, dan MSE terhadap ground truth dari algoritma Canny, membentuk 45 skenario uji faktorial penuh. Hasil penelitian menunjukkan bahwa LoG mengungguli Sobel dan Prewitt berdasarkan F-Measure rata-rata pada seluruh tingkat noise (0,413 pada noise 2%), sementara Sobel dan Prewitt menghasilkan PSNR lebih tinggi karena peta tepi yang lebih bersih. Pemilihan metode deteksi tepi yang optimal bergantung pada karakteristik citra dan tingkat noise yang dihadapi