Area - Pengenalan Bentuk Dan Ukuran

BAB II : Dasar Teori

2.3. Pengenalan Bentuk Dan Ukuran

2.3.1. Area

Area merupakan banyaknya pixel pada suatu benda (luas benda). Benda pada citra biner direpresentasikan degan warna putih. Nilai pixel citra berwarna putih pada area tersebut bernilai 1. Jumlah pixel (yang bernilai 1) pada suatu benda dalam citra digital adalah nilai areanya.

Jumlah pixel area dari setiap benda berbeda-beda, misalkan benda bundar nilai areanya adalah 1250 pixel, sedangkan benda persegi adalah 2150 pixel. Perbedaan nilai area benda ini digunakan dalam perhitungan thinness ratio untuk menentukan bentuk suatu benda dalam citra digital [7]. Untuk mengenali ukuran dari suatu benda bisa menggunakan rumus area sebagai berikut :

𝑨_𝒊= ∑ ∑ 𝑶_𝒊(𝒙, 𝒚)

𝑵

𝒚=𝟏 𝑴

𝒙=𝟏

(2.4)

Keterangan :

𝐴_𝑖 = jumlah pixel dari luas benda (area) M = Kolom pixel

N = Baris pixel

𝑂_𝑖 = Benda dalam sebuah citra

Gambar 2.10 menunjukkan contoh gambar area

Gambar 2.10. Area benda segitiga.

Berdasarkan informasi yang didapat dari gambar 2.10 dapat diketahui nilai area dengan menggunakan persamaan 2.5. nilai area benda adalah 9, didapatkan dari penjumlahan tiap pixel pada citra benda.

2.3.2. Thinness Ratio

Thinness ratio merupakan perbandingan banyaknya pixel area dengan banyaknya pixel perimeter dari suatu benda dalam citra digital. Setiap bentuk benda memiliki nilai thinness ratio yang berbeda-beda. Nilai tersebut digunakan sebagai perbandingan untuk menentukan bentuk benda yang diamati. Untuk benda yang bentuknya sama tapi ukurannya berbeda, nilai thinness rationya tetap sama, hal ini dikarenakan perbandingan jumlah pixel area dan pixel perimeternya tetap sama[7]. Rumus thinness ratio adalah :

𝑻

_𝒊

=

^𝟒𝝅𝑨^𝒊

𝑷_𝒊^𝟐 (2.5)

Keterangan : 𝑇_𝑖 = thinness ratio

𝐴_𝑖 = jumlah pixel dari luas benda (area)

Pi =jumlah pixel dari keliling benda (perimeter)

2.3.3. Perimeter

Perimeter merupakan banyaknya pixel pada boundary atau tepi benda. Perimeter sendiri didapatkan dari hasil deteksi tepi suatu benda dalam citra digital. Jumlah pixel perimeter dari setiap benda berbeda. Perbedaan nilai perimeter dari benda digunakan dalam perhitungan thinnes ratio untuk menentukan bentuk suatu benda pada citra digital, jumlah pixel dihitung berdasarkan pixel (yang bernilai 1) pada tepi suatu benda [7]. Contoh gambar perimeter dapat dilihat pada gambar 2.11.

(a) Benda (b) perimeter benda Gambar 2.11. Perimeter benda persegi.

Berdasarkan gambar 2.11, dapat diketahui nilai perimeter benda segitiga tersebut adalah 9. Nilai perimeter ini didapatkan dari jumlah pixel yang bernilai 1 pada tepi benda.

BAB III

PERANCANCANGAN PENELITIAN

3.1. Proses Pencacah Benda Berdasarkan Bentuk Dan Ukuran

Proses perancangan software pencacah benda terdiri dari beberapa proses, yaitu pengambilan citra, preprocessing, klarifikasi bentuk dan ukuran benda. Proses perancangan pencacah benda berdasarkan bentuk dan ukuran dapat di lihat pada gambar 3.1.

Gambar 3.1. Blok Diagram Proses Pengenalan Benda 2 D.

Berdasarkan gambar blok diagram di atas proses pengambilan gambar dilakukan dengan menggunakan webcam, pada tahap preprocessing terlebih dahulu mengubah citra hasil capturing webcam menjadi citra RGB. Kemudian citra RGB tersebut diubah ke citra grayscale, kemudian citra grayscale tersebut diubah ke citra biner(0 dan 1). Langkah berdasarkan bentuk dan ukuran

Pengenalan

selanjutnya melakukan labeling pada tiap-tiap benda dalam citra. Labeling pada benda bertujuan untuk menghitung jumlah benda yang akan di kenali bentuk dan posisinya dalam citra biner. Masing-masing benda yang sudah diberi label kemudian disegmentasi untuk memisahkan antara benda dengan backgroundnya. Selanjutnya merupakan proses pengenalan bentuk di mana setiap benda akan dikenali bentuknya. setelah pengenalan benda tahap selanjutnya mencari nilai luasan dan menghitung jumlah benda berdasarkan bentuk dan ukurannya.

3.2. Perancangan Perangkat Lunak 3.2.1. Akuisisi Citra

Proses akuisisi citra merupakan proses menangkap (capture) suatu citra analog sehingga memperoleh citra digital. Tahap awal akuisisi citra dilakukan dengan menghidupkan kan web camera, dan pada proses capture sistem akan mengambil citra benda. Gambar yang di hasilkan webcam berupa citra RGB. Flowchart akuisisi citra dapat dilihat pada gambar 3.2.

Output : Citra RGB

Capture Camera On

Mulai

Selesai

Gambar 3.2. Flowchart Akuisisi Citra.

3.2.2. Image Preprocessing

Image preprocessing dilakukan untuk mendapatkan citra benda yang baik sehingga citra tersebut dapat diolah demi mendapatkan nilai-nilai yang diinginkan. Seperti untuk mencari bentuk dan ukuran dari suatu benda. Image preprocessing memiliki beberapa tahapan yaitu mengubah citra RGB ke citra grayscale yang dapat dilihat pada persamaan (2.1), sedangkan program pada matlab yang digunakan untuk mengubah RGB ke citra biner adalah rgb2gray. Kemudian citra grayscale tersebut akan diubah ke citra biner. Untuk mendapatkan citra Biner dapat menggunakan rumus persamaan (2.2), sedangkan program pada matlab menggunakan im2bw. tahap selanjutnya merupakan proses median filtering yang bertujuan untuk mengurangi noise atau gangguan pada citra. Untuk proses median filtering dapat menggunakan persamaan (2.3), sedangkan program yang digunakan pada matlab adalah medfilt2. setelah melewati tahapan median filtering, maka akan didapatkan output citra biner. Proses preprocessing dapat dilihat pada gambar 3.3.

Input Citra RGB

Konversi citra grayscale ke citra

biner

Median Filtering

Output : Citra Biner

Mulai

Selesai Konversi citra RGB

ke citra grayscale

Gambar 3.3. Flowchart Image Preprocessing.

3.2.3. Labeling Dan Segmentasi

Labeling merupakan proses pelabelan benda yang bertujuan untuk memberikan identitas pada masing-masing citra benda. Segmentasi bertujuan untuk memisahkan setiap citra benda sesuai dengan label yang sudah diberikan. Program pada matlab yang digunakan untuk labeling benda yaitu program bwlabel. Selanjutnya citra benda akan di hitung jumlahnya. proses selanjutnya merupakan segmentasi citra yang bertujuan untuk memisahkan setiap citra benda sesuai dengan hasil labeling agar mempermudah dalam proses pengidentifikasian citra benda. Untuk segmentasi dapat dilihat pada contoh gambar (2.8). Ouput citra hasil segmentasi berupa cell Array yang akan digunakan untuk mencari bentuk dan ukuran benda. Flowchart labeling dan segmentasi dapat di lihat pada gambar 3.4.

Input : Citra Biner

Labeling Benda

Menghitung Jumlah Benda Mulai

Ouput : Cell Array Segmen

Segmentasi Benda

Selesai

Gambar 3.4. Flowchart Labeling dan Segmentasi.

3.2.4. Perhitungan Luas

Proses perhitungan luas dilakukan dengan masukan matriks segmen. Pada tahap Cell Array, citra benda akan dipisah menjadi beberapa bagian agar nantinya dapat mempermudah ke proses selanjutnya. Untuk proses segmentasi dapat dilihat pada contoh gambar (2.9). setelah citra benda dipisah menjadi beberapa bagian, tahap selanjutnya adalah menghitung luas. Perhitungan luas dilakukan pada citra benda hasil segmentasi yang sudah di pisah menjadi beberapa bagian, sehingga pada masing-masing citra benda hasil segmentasi mempunyai nilai luasannya. Untuk perhitungan nilai luas dapat dilihat pada persamaan (3.5).

Input:

Cell Array Segmen

Luasan (k) = Luas Benda

Output : Matriks Luasan

k = Jumlah Segmentasi k= k+1

Selesai

Ya Tidak

k = 1

Ambil Segmen {k}

Hitung Luas Benda Mulai

Gambar 3.5. Flowchart perhitungan luas pada matlab.

3.2.5. Pengenalan Bentuk

Pada tahap ini proses pengenalan benda dilakukan dengan mencari nilai area, perimeter dan thinnes ratio dari masukan Cell Array segmen. Untuk mendapatkan nilai area pada matlab , nilai area dicari menggunakan persamaan (2.4). Setelah mendapatkan nilai area, tahap selanjutnya mencari nilai perimeter dari citra benda. Untuk mendapatkan nilai perimeter dapat dilihat pada contoh gambar (2.11). Sedangkan program pada matlab yang digunakan untuk mencari nilai perimeter yaitu program bwperim. Tahap selanjutnya adalah mencari nilai thinnes ratio. Nilai thinnes ratio dicari dari perbandingan antara nilai area dan perimeter. Nilai thinnes ratio ini yang akan digunakan sebagai dasar penentuan bentuk benda. Untuk mendapatkan nilai thinnes ratio pada matlab digunakan rumus pada persamaan 2.5. nilai thinnes ratio disimpan dalam Tr. Nilai yang tersimpan di variabel Tr akan dibandingkan dengan nilai yang tersimpan di x1(benda lingkaran), x2(benda persegi).

Nilai yang terdapat pada x1, x2, merupakan nilai tetap yang mewakili nilai thinnes ratio dari masing-masing benda. Misalkan untuk mendapatkan nilai thinnes ratio benda bundar yang tersimpan pada x1, nantinya akan di lakukan dua belas pengambilan data pada benda bundar, persegi dan segitiga. Dari hasil pengambilan data akan mendapatkan dua belas nilai thinnes ratio dari masing-masing benda, kemudian dari dua belas nilai tersebut akan di ambil nilai rata-ratanya. Setelah mendapatkan nilai rata-rata dari masing-masing benda, Selanjutnya akan di lakukan penjumlahan antara nilai rata-rata benda bundar dan benda persegi kemudian di bagi dua, hasilnya akan menjadi nilai tetap yang akan di simpan pada x1.

Sedangkan untuk mendapatkan nilai yang tersimpan pada x2, akan dilakukan penjumlahan antara nilai rata-rata benda persegi dan nilai rata-rata benda segitiga kemudian di bagi dua, hasilnya akan menjadi nilai tetap yang akan di simpan pada x2. Proses pengenalan bentuk benda pada matlab dapat dilihat pada gambar 3.6.

Hitung Area dan

Gambar 3.6. Flowchart pengenalan bentuk pada matlab.

3.2.6. Perhitungan Jumlah Benda Berdasarkan Bentuk Dan Ukuran

Perhitungan jumlah benda berdasarkan bentuk dan ukuran di mulai dengan masukan berupa Cell Array dan matriks luasan. Proses ini dilakukan dengan mencari nilai area masing-masing benda dari citra hasil segmentasi. Nilai area dapat dicari menggunakan persamaan 2.4. untuk mencari area terlebih dahulu Benda pada citra biner direpresentasikan degan warna putih. Nilai pixel citra berwarna putih pada area tersebut bernilai 1. Jumlah pixel (yang bernilai 1) pada suatu benda dalam citra digital adalah nilai areanya.

Jumlah pixel area dari setiap benda berbeda-beda. Nilai tersebut disimpan dalam sebuah variabel bentuk {k} dan akan dibandingkan dengan nilai yang tersimpan pada x1 sampai dengan z2 Untuk menentukan ukuran benda. Nilai yang tersimpan pada x1 sampai z2 merupakan nilai tetap. Untuk mendapatkan nilai batas yang tersimpan pada x1 sampai z2, misalkan akan di cari nilai yang tersimpan pada x1, maka akan dilakukan dua belas

pengambilan data untuk masing-masing benda segitiga besar, segitiga sedang dan segitiga kecil. Dari hasil pengambilan data akan didapatkan dua belas nilai luasan dari masing-masing benda. Dari hasil nilai-nilai tersebut nantinya akan di cari nilai rata-ratanya. Setelah mendapatkan nilai rata-rata dari masing-masing benda, Selanjutnya akan dilakukan penjumlahan antara nilai rata-rata benda segitiga besar dan segitiga sedang kemudian dibagi dua, hasilnya akan menjadi nilai tetap yang akan disimpan pada x1. Sedangkan untuk mendapatkan nilai yang tersimpan pada x2, akan dilakukan penjumlahan antara nilai rata-rata benda segitiga sedang dan nilai rata-rata-rata-rata segitiga kecil kemudian di bagi dua, hasilnya akan menjadi nilai tetap yang akan di simpan pada x2. Untuk mendapatkan nilai yang tersimpan pada y1sampai z2, maka akan dilakukan cara yang sama seperti proses mendapatkan nilai yang tersimpan pada x1 dan x2.

Dari hasil perbandingan maka akan di dapatkan ukuran dari masing-masing benda di antaranya : Segitiga Sb( segitiga besar), Ss(Segitiga sedang), Sk(Segitiga kecil), persegi Pb(Persegi besar), Ps(Persegi sedang), Pk(Persegi kecil), Bundar Bb(Bundar besar), Bs(Bundar sedang), Bk(Bundar kecil). Proses perhitungan jumlah benda berdasarkan bentuk dan ukuran di tunjukan pada gambar 3.7.

Input:

Cell Array Bentuk dan Matriks Luasan

Bentuk {k} : Bundar ?

Luasan(k)> z1 Luasan(k) > z2 Bk = Bk+1

Bb = Bb+1 Bs = Bs+1

Gambar 3.7. Flowchart proses perhitungan jumlah benda berdasarkan bentuk dan ukuran.

Bentuk {k} :

Jumlah benda berdasarkan bentuk dan ukuran

Selesai

Gambar 3.7. (lanjutan) Flowchart proses perhitungan jumlah benda berdasarkan bentuk dan ukuran.

3.3 Perancangan GUI Matlab

GUI (Graphical User Interface ) memiliki peran yang sangat penting karena dengan adanya GUI, pengguna dapat melihat apa yang terjadi didalam program seperti proses capture, pemrosesan dan lain-lain. Tujuan dari pembuatan GUI adalah membuat program terlihat lebih praktis sehingga dapat mempermudah pengguna memahami apa yang dibuat.

GUI yang dibuat didesain untuk menampilkan informasi berupa data dari proses identifikasi benda, yaitu citra biner hasil capturing webcam, citra biner serta bentuk dan ukuran benda.

OBJEK PENCACAH BENDA BERDASARKAN BENTUK DAN

UKURAN

Persegi

Bundar

Jumlah Jumlah

Jumlah Jumlah Jumlah

Jumlah Jumlah Jumlah Besar Sedang Kecil

Bentuk Ukuran

Gambar 3.8. Perancangan GUI pada matlab.

Mulai

Tombol capture ditekan

Ambil gambar dan ditampilkan pada kolom hasil capture

Tombol proses ditekan

Hasil capture diubah ke citra biner untuk dikenali bentuk dan

ukurannya

Hasil keluaran citra biner akan di tampilkan pada kolom citra biner

Hasil pengenalan bentuk dan ukuran akan ditampilkan pada

kolom jumlah Camera on

Tombol exit ditekan

Selesai

Gambar 3.9. Flowchart proses kerja GUI.

Tabel 3.1. Keterangan GUI.

Nama Bagian Keterangan

Tombol “camera on” Berfungsi untuk menghidupkan kamera Tombol “capture” Berfungsi untuk mengambil citra benda Tombol “proses” Untuk memulai proses pengenalan benda

Tombol “exit” Berfungsi untuk mengembalikan ke program awal Benda Berfungsi untuk menampilkan citra secara langsung

dari webcam

Hasil capture Berfungsi untuk menampilkan citra grayscale Citra Biner Berfungsi untuk menghasilkan citra biner

Ukuran Berfungsi untuk menampilkan ukuran benda

3.3.1. Flowchart Tombol Camera ON

Tombol camera on (kamera aktif) berfungsi untuk menghubungkan webcam dengan matlab yang terdapat pada laptop yang akan ditampilkan dalam proses pengenalan benda bentuk dan ukuran. Flowchart tombok kamera aktif dapat dilihat pada gambar 3.10.

Mulai

Tombol camera on ditekan

Tombol =1 ?

Memulai proses menanpilkan video, lebar, panjang, resolusi

Selesai

Tidak

Gambar 3.10. Flowchart tombol camera on.

3.3.2. Flowchart Tombol Capture

Tombol capture yang terdapat pada tampilan GUI digunakan untuk mengambil gambar yang akan di tampilkan pada hasil capture. Gambar 3.11 memperlihatkan diagram alir pada tombol capture.

Mulai

Tombol Capture ditekan

Tombol =1 ?

Ambil gambar dan di tampilkanpada hasil capture

Selesai

Tidak

Gambar 3.11. Flowchart tombol capture.

3.3.3. Flowchart Tombol Proses

Tombol proses yang terdapat pada tampilan GUI digunakan memulai proses pengenalan benda. Gambar 3.12 memperlihatkan diagram alir pada tombol proses.

Mulai

Tombol proses ditekan

Tombol =1 ?

Memulai proses mengubah hasil capture ke citra biner serta perhitungan bentuk dan ukuran

Selesai

Tidak

Gambar 3.12. Flowchart diagram alir tombol proses.

3.3.4. Flowchart Tombol Exit

Program tombol exit berfungsi untuk mengembalikan tampilan awal program apabila terjadi kesalahan atau error pada saat proses pengenalan berlangsung. Gambar 3.12 menunjukkan diagram alir tombol exit.

Mulai

Tombol exit ditekan

Tombol =1 ?

Proses mengembalikan ke tampilan awal program

Selesai

Tidak

Gambar 3.13. Flowchart diagram alir tombol exit.

BAB IV

HASIL DAN PEMBAHASAN

4.1. Pengujian Tanpa Rotasi

Pengujian tanpa rotasi dilakukan untuk mencari nilai area dan Thinness ratio menggunakan variasi translasi, dan skala terhadap tingkat pengenalan benda berdasarkan bentuk dan ukuran dengan metode area, perimeter, dan Thinnes ratio. Dalam pengujian tanpa rotasi menggunakan variasi translasi berkaitan dengan perpindahan peletakan benda dari satu posisi ke posisi yang lain, sedangkan untuk skala berkaitan dengan ukuran benda yang merupakan ukuran besar, sedang, dan kecil. Masukan data di dapatkan dari benda 2D yakni bundar, persegi, dan segitiga yang telah di buat dengan bentuk dan ukuran yang telah di tentukan pada batasan masalah. Untuk pengujian variasi translasi dan skala, benda akan diatur pada posisi awal terlebih dahulu. Mula-mula benda diletakan pada posisi 5(posisi tengah, dengan jarak antar kamera dan benda 15 cm) yang merupakan posisi awal. Dari pengujian ini dapat diperoleh nilai-nilai variasi translasi dan skala dari setiap benda yang berupa nilai area, dan Thinnes ratio.

Pengujian variasi Translasi dan skala dilakukan dengan mengatur resolusi kamera 640x480 piksel dengan jarak 15 cm. Pengujian translasi dan skala ini menggunakan 2 posisi peletakan yakni area peletakan a(untuk benda berukuran sedang dan kecil) dan area peletakan b(untuk benda berukuran besar) yang dapat di lihat pada Gambar 4.1.

(a) (b)

Gambar 4.1. Area peletakan a, sebagai tempat peletakan benda berukuran

sedang dan kecil dan (B). area peletakan b, sebagai tempat peletakan benda berukuran besar.

peletakan a, di mana benda yang berukuran sedang dan kecil akan di letakan pada posisi tengah(5), posisi sudut kiri atas(1), sudut kiri bawah(7), sudut kanan atas(3), dan sudut kanan bawah(3). Sedangkan untuk benda yang berukuran besar terdapat 4 variasi pada peletakan b, di mana benda akan di letakan pada posisi sudut kiri atas(1), sudut kanan atas(2), sudut kiri bawah(3), dan sudut kanan bawah(4). Data yang diperoleh berupa nilai area dan thinness ratio dari masing-masing bentuk dan ukuran benda yang nantinya nilai tersebut akan diolah menjadi nilai pengenalan bentuk dan ukuran dengan mencari nilai rerata dari 5 kali pengambilan data untuk masing-masing bentuk dan ukuran. untuk data hasil pengujian tanpa rotasi menggunakan variasi translasi dan skala dapat di lihat pada Lampiran 1.

Berdasarkan hasil pengujian pada Lampiran 1, pengujian dilakukan dari benda dengan skala ukuran besar sampai skala ukuran kecil, dimana ada 5 kali pengambilan data untuk masing-masing benda besar, sedang, dan kecil dengan 5 translasi atau perpindahan posisi dari posisi satu ke posisi yang lain. Dari setiap perpindahan posisi tersebut memiliki nilai area, dan thinnes ratio, kemudian masing-masing nilai area dan thinness ratio akan jumlah lalu di bagi 5 untuk mendapat nilai reratanya. Setelah mendapat nilai rerata area dan thinness ratio dari masing-masing benda, nilai rerata area di masukan dalam perhitungan untuk mencari nilai X1,X2 dan Y1,Y2 dan Z1,Z2 seperti yang sudah dibahas pada BAB III, sebagai penentuan ukuran benda, sedangkan nilai rerata thinness ratio di masukan dalam perhitungan untuk mencari nilai x1 dan x2 sebagai penentuan bentuk benda. Perhitungan penentuan bentuk dan ukuran dapat dilihat pada lampiran 2.

4.1.1. Pengujian Keberhasilan Pencacah Benda Berdasarkan Bentuk Dan Ukuran

Pengujian keberhasilan pencacah bentuk berdasarkan bentuk dan ukuran di lakukan sebanyak 90 kali percobaan. Percobaan dilakukan dengan kombinasi bentuk, jumlah, dan ukuran dari benda yang akan di letakan pada peletakan a maupun peletakan b. Tahap awal dilakukan percobaan 1 benda, untuk setiap masing-masing bentuk dan ukuran dengan 3 translasi yang berbeda, kemudian di lanjutkan dengan percobaan untuk 2 benda dengan kombinasi 3 translasi untuk bentuk dan ukuran benda yang berbeda, selanjutnya dilakukan percobaan dengan 3 benda dengan kombinasi 3 translasi untuk bentuk dan ukuran benda yang berbeda-beda, dan

terakhir dilakukan percobaan untuk 4 benda dengan kombinasi 3 translasi bentuk dan ukuran yang berbeda. Ketika sistem mengenali bentuk dan ukuran, maka matlab berupa tampilan GUI akan menampilkan jumlah bentuk dan ukuran yang berapa pada area peletakan a maupun peletakan b. Dari pengujian ini diperoleh 90 hasil data di mana program dapat mengenali bentuk dan ukuran dari pengujian yang dilakukan. Untuk pengujian keberhasilan pencacah benda berdasarkan bentuk dan ukuran di lakukan pengujian dengan 1 benda yang dapat dilihat pada tabel 4.1. kemudian 2 benda yang dapat dilihat pada tabel 4.2. kemudian percobaan 3 benda yang dapat dilihat pada tabel 4.3. lalu pengujian terakhir dengan 4 benda yang dapat dilihat pada tabel 4.4.

Tabel 4.1. Pengujian dengan 1 benda.

Pengujian Posisi Bentuk objek

1 b 1 Bundar besar √

Gambar 4.2. Pengujian dengan 1 benda.

Tabel 4.2. Pengujian dengan 2 benda.

Pengujian Posisi Bentuk objek

28 b 2 Bundar besar √

Tabel 4.2. (Lanjutan) Pengujian dengan 2 benda.

Gambar 4.3. Pengujian dengan 2 benda.

39 a 9 Bundar sedang √

b 1 Segitiga besar √

40 a 8 Bundar sedang √

a 2 Segitiga sedang √

41 a 1 Bundar sedang √

a 7 Segitiga sedang √

42 a 7 Bundar sedang √

a 1 Segitiga sedang √

43 a 1 Bundar sedang √

a 9 Segitiga kecil √

44 a 9 Bundar sedang √

a 1 Segitiga kecil √

45 a 1 Bundar sedang √

a 5 Segitiga kecil √

Pengujian Posisi Bentuk objek

46 b 1 Bundar besar √

Tabel 4.3.(Lanjutan) Pengujian dengan 3 benda.

70 a 3 Bundar kecil √

Gambar 4.4. Pengujian dengan 3 benda.

Tabel 4.4. Pengujian dengan 4 benda.

Pengujian Posisi Bentuk objek

82 a 3 Bundar sedang √

Gambar 4.5. Pengujian dengan 4 benda.

87 a 3 Persegi kecil √

a 7 Persegi kecil √

a 1 Bundar sedang √

a 9 Segitiga sedang √

88 a 2 Segitiga sedang √

a 8 Segitiga sedang √

a 6 Bundar sedang √

a 4 Persegi sedang √

89 a 1 Segitiga sedang √

a 3 Segitiga sedang √

a 5 Bundar kecil √

a 2 Persegi kecil √

90 b 3 Segitiga besar √

b 1 Segitiga besar √

a 1 Bundar kecil √

4.2. Pengujian Pengaruh Rotasi

Pengujian pengaruh rotasi dilakukan dengan mengatur resolusi kamera 640 x 480 piksel serta jarak 15 cm dengan posisi benda tanpa pergeseran. Pada tahap pengujian ini terdapat 7 variasi rotasi yang di gunakan, yaitu 0⁰, 15⁰, 30⁰, 45⁰, 60⁰, 75⁰, 𝑑𝑎𝑛 90⁰. Data yang diperoleh berupa nilai area, perimeter, dan thinness ratio yang dapat menjadi persentase tingkat pengenalan benda berdasarkan bentuk dan ukuran. pengujian pengaruh rotasi pada semua skala ukuran benda mulai dari benda yang terbesar sampai benda yang terkecil di mana nilai dari setiap sudut pergeseran benda akan di bandingkan dengan nilai thinness ratio pengenalan bentuk dan nilai area pengenalan ukuran. data hasil pengujian pengaruh rotasi berupa nilai area dapat di lihat pada tabel 4.5. untuk nilai perimeter dapat di lihat pada tabel 4.6, dan nilai thinness ratio dapat dilihat pada tabel 4.7.

Tabel 4.5. Nilai Area hasil pengujian pengaruh rotasi.

Bentuk

Area Rotasi

0⁰ 15⁰ 30⁰ 45⁰ 60⁰ 75⁰ 90⁰

Segitiga besar 35715 35931 35977 35877 36284 36104 36026 Segitiga sedang 17603 17632 17653 17621 17687 17690 17776

Segitiga kecil 7461 7447 7443 7422 7456 7341 7474

Persegi besar 79236 78419 78419 78726 78796 78729 78773 Persegi sedang 40416 40417 40327 40137 40191 40193 40197 Persegi kecil 14621 14631 14572 14545 14568 14554 14547 Bundar besar 64564 63744 63542 63439 63422 63432 63466 Bundar sedang 32385 32564 32252 32344 32631 32475 32360 Bundar kecil 10844 10743 10765 11322 10365 10524 10798

Tabel 4.7. Nilai Thinness ratio hasil pengujian pengaruh rotasi.

Dari data hasil pengujian di atas dapat di lihat bahwa nilai dari setiap pergeseran rotasi benda mempunyai nilai yang berbeda baik untuk nilai area, perimeter, dan thinness ratio.

Semakin besar sudut variasi rotasi akan mempengaruhi tingkat pengenalan bentuk dan ukuran.

hal ini di buktikan dengan besarnya sudut 75⁰ pada segitiga kecil, 45⁰, 75⁰ untuk persegi besar dan persegi sedang, dan 30⁰, 45⁰, 75⁰ untuk persegi kecil, di mana pada sudut rotasi tersebut benda di kenali sebagai bentuk yang lain. Hal ini dapat terjadi pada benda segitiga dan persegi

karena Pengaruh dari rotasi yang menyebabkan naiknya nilai thinness ratio. Naiknya nilai thinness ratio disebabkan turunnya nilai perimeter. Turunnya nilai perimeter disebabkan keterbatasan kemampuan dari fungsi bwperim yang digunakan. Dari data tersebut dapat

Dalam dokumen PENCACAH BENDA BERDASARKAN BENTUK DAN UKURAN (Halaman 29-0)