Arsitektur Umum

ANALISIS DAN PERANCANGAN SISTEM

3.3 Arsitektur Umum

Gambar 3.1. Arsitektur Umum

Pada gambar 3.1 dapat dilihat proses dimulai dari input yakni pengambilan gambar, kemudian sebelum dilakukan proses, dilakukan pre processing terlebih dahulu dengan mengekstraksi fitur dan grayscalling, kemudian akan di proses dengan canny edge detection, contour tracing, filter contouring & cropping & kalibrasi perhitungan. Setelah itu didapatkan output ukuran panjang telapak kaki & rekomendasi ukuran sepatu standard Eu, UK, US, serta gambar pola telapak kaki. Untuk penjelasan dari system sebagai berikut :

3.3.1 Input

Pengambilan citra adalah berupa gambar objek telapak kaki atau dari tumit kaki hingga ujung jari kaki tampak jelas dan koin (koin Rp.500,- tahun emisi 2003) dengan

menggunakan kamera pada smartphone android, user mengarahkan kamera pada satu bagian kaki yang jelas terlihat dan tanpa menggunakan alas kaki, serta posisi koin diletakkan di samping telapak kaki dengan sama rendah dan pijakan telapak kaki sejajar.

Posisi memegang kamera konstan atau statis, kamera diarahkan pada objek koin dan telapak kaki, serta pencahayaan yang baik.

Pada layar smartphone akan terlihat sebuah lingkaran merah, maka user mengarahkan kamera pada koin sehingga koin melingkupi atau berada di dalam posisi lingkaran tersebut. Kemudian user mensejajarkan kaki pada garis siku- siku yang terlihat pada layar guna agar kaki tegak lurus, Lalu menyentuh layar dimana posisi objek telapak kaki berada, maka pada layar kamera akan muncul sebuah kotak merah dimana posisi telapak kaki sebagai penanda objek. Selanjutnya user melakukan screenshot untuk mendapatkan output. Penggunaan koin sebagai objek referensi (pembanding / jarak sebenarnya) untuk pengolahan citra yang mudah didapatkan setiap orang dan ukurannya yang tetap.

Gambar 3.2 Pengambilan Gambar

3.3.2 Proses

Proses dari sistem ini di mulai ketika user menyentuh layar smartphone pada objek, lalu dilakukan tahap :

a. Ekstraksi Fitur ( Exraction Feature )

Proses pengambilan ciri (feature) dari suatu bentuk dan warna yang nantinya nilai yang didapatkan akan dianalisis untuk proses selanjutnya, hasil dari proses ini untuk mengenali daerah fitur yang signifikan pada gambar objek telapak kaki.

Proses ini dilakukan dengan menghitung nilai RGB yang ditemui disetiap titik yang ditemui dalam setiap pengecekan, dimana pengecekan dilakukan dalam berbagai arah tracing pengecekan pada koordinat kartesian dari citra yang dianalisis.

Tabel 3.2 Contoh Matriks citra RGB ukuran 3 x 3 piksel b. Grayscalling

Proses ini bertujuan untuk mengurangi parameter yang akan digunakan untuk proses berikutnya sehingga mempercepat proses-proses selanjutnya. Citra berwarna yang mempunyai nilai matriks RGB (Red,Green,Blue) akan diubah ke dalam citra keabuan. Untuk perhitungan konversi nilai RGB menjadi nilai keabuan (Gray) melalui proses grayscaling dengan menggunakan persamaan berikut : 𝐼𝐵𝑊(𝑥, 𝑦) = 𝐼𝑅(𝑥,𝑦)+ 𝐼𝐺(𝑥,𝑦)+ 𝐼𝐵(𝑥,𝑦)

3

𝐼𝐵𝑊(1, 1) = 119 + 93 + 78

3 = ²⁹⁰

3 = 97 (3.1)

Dengan melakukan perhitungan yang sama pada semua piksel citra RGB, maka didapatkan hasil seperti berikut :

97 71 92

Tabel 3.3 Hasil konversi matriks citra keabuan

Gambar 3.3 Hasil Citra Grayscale c. Edge Detection Canny

Untuk mengelompokkan objek – objek dalam citra lebih lanjut, menghilangkan noise maka tahap selanjutnya adalah pendeteksian tepi dengan metode Canny.

Hasil pendeteksian ini adalah garis – garis tepi objek yang akan menggambarkan batasan dari tepi objek. Pertama dilakukan penapisan terhadap citra dengan menghilangkan noise. Setelah penghalusan gambar, selanjutnya mendapatkan kekuatan tepi dengan menghitung arah tepi dan menghubungkan arah tepi dengan sebuah arah yang dapat dilacak. Deteksi tepi dilakukan dengan membaca setiap pixelpada citra dengan cara membaca dari pixel paling kiri atas (timur utara) dan bergerak paling kanan bawah (barat selatan). Oleh karena itu, untuk membantu penelusuran tepi, gradient Gx dan Gy masing – masing dengan matriks operator canny matriks 3x3. Contoh perhitungan :

Tabel 3.2 Contoh matriks Deteksi Tepi Canny

Gx

1 0 -1

Gy

-1 -1 -1

1 0 -1 0 0 0

1 0 -1 1 1 1

Gambar 3.4 Hasil deteksi tepi canny d. Contour Tracing

Pada proses contour tracing dilakukan pelacakan setiap kontur dalam gambar, garis tepi yang membentuk suatu bangun datar (kontur). Proses ini memisahkan objek dari latar belakang, untuk mengklasifikasikan bentuk dan menemukan titk fitur objek dan menggunakan informas kontur untuk menyimpan bentuk objek.

Contoh hasil pendeteksian kontur dapat dilihat pada gambar 3.5.

Gambar 3.5. Citra dengan kontur yang terdeteksi

e. Filter Contour

Setelah contour diperoleh, diperlukan proses filter pada masing – masing contour untuk menyeleksi lengkungan yang terdapat pada setiap contour yang saling terhubung merupakan objek yang akan di analisis.pada proses ini dilakukan pengisian sehingga diperoleh kontur yang solid. Setelah objek terdeteksi dilakukan drawing kotak, lalu tahap cropping untuk membuang gambar yang tidak diinginkan, hasil citra cropping adalah seluas area telapak kaki.

Gambar 3.6. Citra filter kontur yang terdeteksi

f. Chessboard

Proses ini digunakan untuk menentukan jumlah piksel dari objek yang diamati.

Perhitungan ukuran panjang dan lebar dengan koin merupakan selisih antara piksel tertinggi (y max) dan terendah (y min). dari batas tepi yang sudah ada lalu proses perhitungan dilakukan. Piksel yang yang diproses adalah piksel dari batas tepi objek kaki.

g. Kalibrasi

Proses ini untuk mencari ukuran jumlah piksel dari garis citra acuan. Proses ini melakukan perhitungan konversi piksel ke centimeter dari objek yang akan

dihitung panjangnya. Hasilnya menyimpan jumlah piksel per centimeter. Berikut kita lakukan perhitungan pada objek koin dengan menggunakan persamaan :

Jumlah piksel per centimeter

= Height objek (pixel)

Height Objek (Cm) (3.2)

Jumlah piksel per centimeter

= __43__

2,7 cm

= 16

Proses konversi piksel ke centimeter tersebut merupakan proses perbandingan antar jumlah piksel denga nilai kalibrasi. Selanjutnya akan dilakukan perhitungan untuk mendapatkan ukuran objek telapak kaki.

Perhitungan dapat dihitung dengan membagi jumlah piksel (weidth) dengan jumlah hasil konversi. Dengan persamaan berikut :

Panjang kaki(cm) = Height (pixel)

Jumlah piksel / Cm (3.3)

Lebar kaki(cm) = Width (pixel) Jumlah piksel / Cm

Selanjutnya dikalkulasikan pada ukuran standard sepatu di Indonesia (EU), UK, dan US. Table dapat dilihat pada Tabel 3.1.

3.3.3 Output

Output dari sistem ini berupa hasil ukuran panjang & lebar telapak kaki dalam

centimenter (cm) dan ukuran sepatu standard di Indonesia menggunakan Europe (Eu), Amerika (US), dan Inggris (UK). Dengan begitu user akan lebih efisien mendapatkan ukuran sepatu. Untuk penempahan sepatu, sistem akan menghasilkan gambar pola telapak kaki, ukuran panjang & lebar (cm) dalam format jpg.