BAB III PERANCANGAN
3.5. Pengujian Citra Perangkat Elektronika
3.5.2. Pengujian Data Secara Langsung
Berdasarkan Gambar 3.12. untuk menjalankan sistem secara langsung pengguna harus menekan tombol “Camera On”. Selanjutnya webcam akan mengambil gambar perangkat elektronika setelah pengguna menekan tombol “Capture”. Pengujian data secara langsung dilakukan dengan cara mengambil gambar 7 perangkat elektronika, data tersebut digunakan sebagai basis data maupun sebagai pengujian secara tidak langsung. Masing – masing perangkat akan mewakili koefisien Fourier deskriptor. Setiap perangkat akan menghasilkan data sesuai dengan jumlah koefisien yang diinginkan, adapun koefisien Fourier deskriptor yang telah ditentukan yaitu 50, 25, 10, 5 dan 2. Hasil pengambilan gambar ini dapat diubah nilai koefisiennya, setelah pengguna menentukan nilai koefisien.
Kemudian citra akan diteruskan ke tahap preprocessing yaitu tahap konversi citra RGB ke biner. Tahap selanjutnya yaitu tahap ekstraksi ciri beberapa tahapan yang digunakan yaitu operasi opening, deteksi kontur dan deskriptor Fourier. Kemudian tahap akhir sistem yang akan ditampilkan adalah hasil proses penentuan keluaran berupa teks pada layar monitor.
Sebagai tambahan pengujian terhadap translasi, skala dan rotasi yaitu dilakukan dengan meletakan perangkat sejauh 2 cm dan 5 cm ke kanan atau ke kiri dari posisi awal untuk pengujian terhadap translasi, untuk pengujian terhadap skala digunakan variasi ketinggian yaitu 50 cm, 57 cm dan 64,5 cm antara perangkat dengan webcam sedangkan untuk pengujian terhadap rotasi perangkat diputar dengan variasi sudut putaran yang digunakan yaitu 0°, 45° dan 135°.
41
BAB IV
HASIL DAN PEMBAHASAN
Bab ini akan membahas mengenai pengujian program software yang telah dirancang, pembahasan mengenai interface serta membahas mengenai hasil pengujian sistem program pengenalan perangkat elektronika. Pengujian bertujuan untuk mengetahui sistem yang telah dirancang dapat bekerja dengan baik sesuai perancangan.
4.1. Implementasi Program 4.1.1. Tombol Camera On
Tombol Camera On (Kamera Aktif) berfungsi untuk menghubungkan webcam dengan Matlab yang terdapat pada laptop yang akan ditampilkan dalam proses pengenalan perangkat elektronika. Program tombol kamera aktif dapat dilihat pada Gambar 4.1.
Sintaks imaqhwinfo digunakan untuk memastikan adapter kamera terbaca dengan baik.
Program ‘winvideo’ digunakan untuk menampilkan informasi dari webcam dan informasi tersebut akan diinisialisasi didalam program agar webcam dengan software dapat saling berhubungan. Dalam proses ini yang akan ditampilkan ialah video, lebar, panjang, resolusi, port webcam dan band dari video. Perintah program preview akan berjalan apabila diperoleh Handles Image. Preview berfungsi untuk menampilkan video pada saat program kamera aktif dijalankan
Gambar 4.1. Program Kamera Aktif
function CameraOn_Callback(hObject, eventdata, handles)
% hObject handle to CameraOn (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA) global camvid;
4.1.2. Tombol Capture
Tombol Capture (Ambil Gambar) berfungsi untuk mengambil gambar perangkat elektronika yang akan dikenali. Mengacu pada Gambar 3.3. program ambil gambar dapat dilihat pada Gambar 4.2.
Gambar 4.2. Program Ambil Gambar
Sintaks global digunakan untuk mendeklarasikan variabel agar dapat digunakan dalam fungsi yang lain dalam file yang sama sedangkan sintaks getdata berfungsi untuk mengambil citra pada saat kondisi webcam aktif. Citra tersebut kemudian akan diinisialisasi menggunakan handles agar dapat dipanggil dalam file figure dan file.m serta akan ditampilkan pada axes 1 (Gambar 3.12). Sintaks imwrite digunakan untuk menyimpan gambar yang telah diambil menggunakan webcam.
4.1.3. Popupmenu
Popupmenu digunakan agar pengguna dapat memilih variasi koefisien yang diinginkan, pada bagian popupmenu ini terdiri dari 5 variasi koefisien, yaitu koefisien 50, 25, 10, 5 dan 2. Gambar Program popupmenu dapat dilihat pada Gambar 4.3.
Gambar 4.3. Program Popupmenu
function popupmenu1_Callback(hObject, eventdata, handles) indeks=get(handles.popupmenu1,'value');
function Capture_Callback(hObject, eventdata, handles)
% hObject handle to Capture (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA) global picture;
Gambar 4.3. (lanjutan) Program Popupmenu
Berdasarkan Gambar 4.3. pengguna dapat memilih nilai koefisien yang akan digunakan misalkan program yang tertulis “koef=50” artinya koefisien yang digunakan adalah 50, begitu juga pada “koef=25” artinya koefisien yang digunakan adalah 25 dan seterusnya. Sintaks “handles.koef” berfungsi agar nilai variasi koefisien dapat dipanggil diprogram lain.
4.1.4. Tombol Process
Tombol Process (Proses) merupakan tombol yang berfungsi untuk menjalankan proses pengenalan perangkat elektronika yang terdiri dari beberapa program mulai dari program pembanding basis data, program preprocessing yaitu program konversi RGB ke biner, program ekstraksi ciri yang terdiri dari beberapa program yaitu operasi opening, deteksi kontur dan deskriptor Fourier, program jarak Euclidean dan hasil keluaran berupa teks pada GUI Matlab.
4.1.4.1. Program Pembanding Basis Data
Program ini berfungsi untuk membandingkan data sesuai dengan koefisien yang dipilih oleh pengguna pada proses popupmenu.
Gambar 4.4. Program Basis Data
%DATABASE
Gambar 4.4. merupakan program yang digunakan untuk mengeluarkan data yang terdapat pada basis data yang akan dibandingkan dengan jarak Euclidean. Setelah pengguna memilih koefisien yang diinginkan misalnya koefisien 50 pada proses popupmenu, maka data tersebut akan dibandingkan dengan data pada “dbkoef50” begitu juga apabila pengguna memilih koefisien yang lainnya.
4.1.4.2. Program Konversi RGB ke Biner
Program ini berfungsi untuk mengubah citra RGB ke biner. Berdasarkan diagram alir tahap preprocessing Gambar 3.4. program RGB ke biner dapat dilihat pada gambar 4.5.
Gambar 4.5. Program Konversi Citra RGB ke Biner
Setelah proses capture dilakukan data berupa gambar citra perangkat elektronika akan dipanggil lagi menggunakan sintaks imread . Kemudian untuk mengubah citra RGB ke citra berskala keabuan dapat menggunakan persamaan 2.2 adapun implementasi pada matlab dapat menggunakan sintaks “rgb2gray”. Sintaks “graythresh” merupakan implementasi dari metode otsu (persamaan 2.3 sampai dengan persamaan 2.8) digunakan untuk mencari nilai ambang secara otomatis. Kemudian nilai tersebut akan dikonversi ke citra biner menggunakan sintaks “im2bw” sedangkan sintaks “not” pada program diatas berfungsi untuk membalikan nilai biner yang bernilai 0 menjadi 1 dan sebaliknya. Contoh hasil program konversi RGB ke biner dapat dilihat pada Gambar 4.6.
%PROSES KONVERSI RGB KE BINER x = rgb2gray(imread(’coba.jpg’));
level = graythresh(x);
A = im2bw(x,level);
B = not(A);
4.1.4.3. Program Operasi Opening
Program ini berfungsi untuk memperhalus kontur citra serta menghilangkan lubang – lubang kecil pada citra. Operasi ini terdiri dari dua tahapan yaitu erosi dan dilasi. Pada proses ini diperlukan elemen penstruktur untuk menentukan hasil erosi dan dilasi. Adapun bentuk elemen penstruktur yang digunakan yaitu ones pada masing – masing tahapan.
Ukuran dan hasil dari elemen penstruktur ditunjukkan pada Gambar 4.7.
Gambar 4.7. Ukuran Elemen Penstruktur (a)
(b)
(a) Erosi = 1 & Dilasi = 15
(c) Erosi = 1 & Dilasi = 5 (b) Erosi = 1 & Dilasi = 25
(d) Erosi = 2 & Dilasi = 10 (f) Erosi = 2 & Dilasi = 20 (e) Erosi = 2 & Dilasi = 25 Gambar 4.6. Konversi Citra RGB ke Biner (a) Citra Masukkan (b) Citra Hasil Konversi
Dalam Bentuk Citra Grayscale dan Biner.
Berdasarkan Gambar 4.7. citra perangkat elektronika yang digunakan yaitu multimeter. Perangkat tersebut digunakan karena memiliki lubang yang lebih besar dibandingkan perangkat lainnya. Beberapa ukuran elemen penstruktur yang ditunjukkan pada Gambar 4.7. didapat dengan menggunakan ukuran matrik 2x2 pada tahap erosi dan 25x25 pada dilasi mampu mengurangi noise pada citra dan menutupi lubang – lubang kecil pada citra tersebut. Untuk lebih jelas mengenai ukuran elemen penstruktur dapat dilihat pada lampiran. Berdasarkan diagram alir Gambar 3.4 program operasi opening dapat dilihat pada Gambar 4.8.
4.1.4.5. Ekstraksi Ciri
Pada bagian ini program berfungsi untuk mengekstrak data agar data yang digunakan menjadi lebih sedikit. Berdasarkan diagram alir tahap ekstraksi ciri Gambar 3.5 program ekstraksi ciri dapat dilihat pada Gambar 4.9. Fungsi program “deteksikontur” merupakan program untuk mendeteksi tepi (kontur) objek perangkat elektronika. Selanjutnya fungsi program “koefisienDF” digunakan untuk mendapatkan nilai koefisien Fourier deskriptor pada citra. Fungsi program “mekanismepenurunan” digunakan untuk menurunkan nilai koefisien Fourier deskriptor sesuai yang diinginkan sedangkan fungsi program
“normalisasi” digunakan agar supaya citra invarian terhadap rotasi, translasi dan skala.
Program “koefisienDF”, “mekanismepenurunan” dan “normalisasi” merupakan program deskriptor Fourier.
Gambar 4.9. Program Ekstraksi Ciri
%EKSTRAKSI CIRI
KM = deteksikontur(E);
F = koefisienDF(KM);
I = mekanismepenurunan(F, koef);
K = normalisasi(I);
axes(handles.axes2) imshow(A)
axes(handles.axes3) bar(K);
Gambar 4.8. Program Operasi Opening
% OPERASI OPENING C = ones(2);
C1 = ones(25);
D = imerode(B, C);
E = imdilate(D, C1);
Hasil keluaran dari ekstraksi ciri yaitu K akan ditampilkan dalam bentuk diagram batang dengan setiap batang merupakan perwakilan setiap elemen dalam K. Contoh hasil keluaran ekstraksi ciri citra perangkat elektronika multimeter dengan koefisien yang digunakan yaitu 5 dapat dilihat pada Gambar 4.10.
Gambar 4.10. Diagram Batang
Berdasarkan Gambar 4.10 sumbu mendatar merupakan jumlah koefisien Fourier deskriptor yang digunakan sedangkan sumbu vertikal merupakan nilai Fourier hasil dari ekstraksi ciri.
4.1.4.6. Program Pembanding Jarak Euclidean
Program jarak ini menggunakan jarak Euclidean sebagai pembanding antara hasil ekstraksi ciri dengan basis data. Berdasarkan diagram alir jarak euclidean Gambar 3.9.
program yang digunakan dapat dilihat pada Gambar 4.11.
Gambar 4.11. Program Pembanding Jarak Euclidean
Program pada Gambar 4.11. digunakan untuk memanggil fungsi jarak Euclidean yang akan dibandingkan dengan ekstraksi ciri yaitu “K” dengan basis data yaitu “P1”
sampai dengan “P6”. Sintaks “minr” merupakan nilai terkecil dari hasil perhitungan jarak.
Nilai tersebut akan dinyatakan sebagai keluaran dari sistem pengenalan perangkat elektronika.
%FUNGSI JARAK r(1)=jarak(K,P1);
r(2)=jarak(K,P2);
r(3)=jarak(K,P3);
r(4)=jarak(K,P4);
r(5)=jarak(K,P5);
r(6)=jarak(K,P6);
minr=min(r);
Jumlah Koefisien Fourier deskriptor
Nilai Fourier
4.1.4.7. Program Keluaran
Program keluaran digunakan sebagai penampil dari hasil pengenalan perangkat elektronika berupa teks. Berdasarkan diagram alir penentuan keluaran Gambar 3.10 program yang digunakan dapat dilihat pada Gambar 4.12.
Gambar 4.12. Program Keluaran
Program diatas merupakan program untuk menampilkan hasil pengenalan perangkat elektronika berupa teks. Terdapat 6 pengenalan perangkat elektronika yang mewakili masing-masing perangkat.
4.1.5. Tombol Reset
Program tombol Reset berfungsi digunakan untuk mengembalikan tampilan awal program apabila terdapat kesalahan atau error pada saat proses pengenalan berlangsung.
Program yang digunakan sebagai berikut.
Gambar 4.13. Program Reset
%KELUARAN TEKS if (minr==r(1))
z1 ={'Multimeter'};
set(handles.edit1,'string',z1);
elseif(minr==r(2)) z2={'Solder'};
set(handles.edit1,'string',z2);
elseif(minr==r(3)) z3={'Tang kupas'};
set(handles.edit1,'string',z3);
elseif(minr==r(4))
z4={'Tang potong'};
set(handles.edit1,'string',z4);
elseif(minr==r(5)) z5={'Bor'};
set(handles.edit1,'string',z5);
elseif(minr==r(6))
z6={'Penyedot timah'};
set(handles.edit1,'string',z6);
end
4.1.6. Tombol End
Program End (Keluar) digunakan untuk mengakhiri program tampilan GUI pengenalan perangkat elektronika. Program yang digunakan dapat dilihat pada Gambar 4.14.
Gambar 4.14. Program End
4.2. Pengujian Program Pengenalan Perangkat Elektronika Secara Tidak Langsung
Pengujian ini dilakukan untuk mengetahui apakah sistem dapat bekerja sesuai dengan perancangan yang telah dibuat sebelumnya. Pengujian sistem ini dilakukan secara manual dengan memasukkan satu persatu data citra perangkat elektronika yang telah disimpan. Kemudian data tersebut akan diproses dan hasil berupa teks ditampilkan pada GUI Matlab. Dibawah ini merupakan proses untuk menjalankan program pengenalan perangkat elektronika secara tidak langsung.
1. Membuka software Matlab dengan cara klik kiri dua kali pada gambar matlab.
2. Setelah muncul tampilan utama, langkah selanjutnya untuk menjalankan program pengenalan perangkat elektronika dapat mengganti Current Folder dengan Directory tempat program pengenalan disimpan.
3. Kemudian ketik “tidaklangsunggui” pada command window Matlab untuk memunculkan tampilan jendela pengenalan perangkat elektronika. Kemudian tekan tombol “Enter” pada keyboard untuk menjalankan program.
4. Setelah program berjalan akan muncul tampilan pada layar monitor seperti pada Gambar 4.15.
Pada Gambar 4.15. terdapat beberapa pushbutton (tombol) yang digunakan, serta 1 popupmenu.
function End_Callback(hObject, eventdata, handles)
% hObject handle to End (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA) close
Gambar 4. 15. Interface Program Tidak Langsung
Berikut penjelasan tentang fungsi tombol dan popupmenu yang digunakan pada GUI.
a. Tombol “Process”: Untuk menampilkan hasil preprocessing, ekstraksi ciri (extraction Fourier descriptor), dan keluaran teks (text).
b. Tombol “Reset”: Untuk mengembalikan setiap axes, popupmenu, dan edit seperti semula.
c. Tombol “Keluar”: Untuk menutup GUI.
d. Popupmenu “Coefficient Fourier”: Untuk memilih vaariasi koefisien yang diiginkan apakah variasi koefisien 50, 25, 10, 5 dan 2.
Berdasarkan Gambar 4.15. untuk menjalankan sistem pengenalan secara tidak langsung pengguna harus memasukkan nama file citra perangkat elektronika yang telah pada program m.file. Kemudian pengguna memilih variasi koefisien yang diinginkan (50, 25, 10, 5 dan 2). Setelah itu, pengguna menekan tombol process. Hasil pengujian secara tidak langsung dapat dilihat pada Gambar 4.16.
Gambar 4. 16. Contoh ketika GUI Dijalankan untuk Perangkat Pengujian Obeng Trim dengan koefisien Fourier Deskriptor = 5
4.3. Pengujian Program Pengenalan Perangkat Elektronika Secara Langsung
Secara garis besar proses pengujian sistem secara langsung sama dengan pengujian secara tidak langsung hanya saja pada pengujian ini data citra perangkat elektronika diambil secara langsung. Kemudian data tersebut akan diproses dan ditampilkan pada GUI Matlab.
Pengujian diawali dengan mengulangi langkah 1 dan 2 pada pengujian secara tidak langsung (non real time). Namun nama file program yang digunakan secara langsung (real time) ini ialah “Pengenalan”. Setelah program berjalan akan muncul tampilan pada layar monitor seperti Gambar 4.17. Keterangan pushbutton (tombol) pada Gambar 4.17 dapat dilihat pada Tabel 3.1. Berdasarkan diagram alir Gambar 3.13 pengguna mengambil gambar citra perangkat elektronika secara langsung sebagai masukkan. Kemudian pengguna memilih koefisien Fourier deskriptor yang pada popupmenu. Setelah itu pengguna dapat menekan tombol process. Hasil berupa teks ditampilkan pada GUI matlab dapat dilihat pada Gambar 4.18. Kondisi pengujian secara langsung dapat dilihat pada Gambar 4.19.
Gambar 4.17. Interface Program Secara Langsung
Gambar 4.18. Contoh GUI dijalankan untuk Pengujian Perangkat Tang Kupas dengan Koefisien Fourier Deskriptor = 10
Pengujian secara langsung dan tidak langsung dilakukan diruang Tugas Akhir Teknik Elektro. Kondisi cahaya pada saat pengambilan citra secara langsung dan tidak langsung diusahakan tidak ada bayangan sehingga proses pengujian dapat berjalan dengan baik. Hasil dari pengujian secara langsung dapat dilihat pada Gambar 4.18
Gambar 4.19. Kondisi Pengambilan Citra Perangkat Elektronika
4.4. Analisis Hasil Data Pengujian secara Tidak Langsung
Pengujian secara tidak langsung (non real time) menggunakan gambar perangkat elektronika sebanyak 35 gambar (7 perangkat elektronika x 5 variasi koefisien) dengan pengulangan sebanyak 5 kali. Pengujian secara tidak langsung dilakukan dengan mengubah nilai koefisien Fourier deskriptor yang diinginkan. Tujuan pengujian secara tidak langsung yaitu untuk mengetahui apakah sistem berjalan dengan baik dan meneliti pengaruh variasi koefisien terhadap tingkat pengenalan perangkat elektronika serta mencari nilai koefisien terkecil dengan tingkat pengenalan terbaik.
Tahap pertama dalam pengujian secara tidak langsung yaitu memberi nama setiap gambar yang diperoleh dari masing-masing perangkat elektronika. Kemudian menentukan nilai koefisien yang akan digunakan. Hasil dari pengenalan perangkat elektronika dapat diketahui dengan memproses gambar perangkat elektronika yang telah disimpan. Hasil akhir berupa teks akan ditampilkan pada GUI matlab. Pengaruh variasi koefisien Fourier deskriptor terhadap tingkat pengenalan secara tidak langsung dapat dilihat pada Tabel 4.1.
Jarak = 57 cm
Tabel 4.1.Pengaruh Variasi Koefisien Fourier Deskriptor Terhadap Tingkat Pengenalan
Berdasarkan data pada Tabel 4.1 dapat disimpulkan bahwa nilai koefisien Fourier deskriptor terkecil dengan tingkat pengenalan terbaik yaitu 5 koefisien Fourier deskriptor karena mampu mengenali perangkat elektronika dengan tingkat pengenalan sebesar 100%.
4.5. Analisis Hasil Data Pengujian secara Langsung
Pengujian secara langsung (real time) menggunakan gambar perangkat elektronika sebanyak 105 gambar dengan 5 kali pengulangan sehingga data yang diambil sejumlah 525 percobaan. Pengujian ini dilakukan di ruang Tugas Akhir Teknik Elektro. Intensitas cahaya pada pengujian ini diatur supaya tidak ada bayangan pada perangkat elektronika. Nilai parameter yang digunakan sesuai dengan batasan masalah yang telah ditetapkan yaitu 5 variasi koefisien 50, 25, 10, 5 dan 2 serta sebagai tambahan 3 variasi rotasi yaitu 0°, 45°
dan 135°, 3 variasi skala yaitu 50 cm, 57 cm dan 64,5 cm serta 2 variasi translasi yang digunakan yaitu 2 cm dan 5 cm ke kanan atau ke kiri dari posisi awal.
Tujuan dari pengujian secara langsung untuk mengetahui apakah program berjalan dengan baik serta mencari nilai koefisien Fourier deskriptor terkecil dengan tingkat pengenalan terbaik, sebagai tambahan meneliti pengaruh variasi rotasi, translasi dan skala terhadap tingkat pengenalan perangkat elektronika.
Pada pengujian ini posisi perangkat diletakan tepat dibawah webcam. Adapun hasil ekstraksi ciri deskriptor Fourier ditunjukkan pada Tabel 4.2. sampai dengan Tabel 4.4.
Dapat dilihat nilai Fourier pada data Tabel 4.2. sampai dengan Tabel 4.4. hampir identik satu sama lain meskipun perangkat elektronika yang digunakan berbeda. Hal ini dibuktikan menggunakan rumus kesamaan kosinus (cosine similarity)[15]. Kesamaan kosinus merupakan kesamaan dua vektor dalam ruang dimensi didapat dari perkalian dua vektor yang dibandingkan. Dua vektor dikatakan similar (mirip) apabila hasil perhitungan bernilai 1.
Tabel 4.2. Hasil Ekstraksi Ciri Koefisien Fourier Deskriptor sejumlah 10.
Multimeter Solder Obeng Trim
Tabel 4.3. Hasil Ekstraksi Ciri Koefisien Fourier Deskriptor sejumlah 5.
Multimeter Solder Obeng Trim
Tabel 4.4. Hasil Ekstraksi Ciri Koefisien Fourier Deskriptor sejumlah 2.
Multimeter Solder Obeng Trim
Adapun hasil perhitungan kesamaan kosinus ditunjukkan pada Tabel 4.5. sampai dengan Tabel 4.7. Perhitungan similaritas untuk nilai kesamaan kosinus 0,99
Similarity = 0,991 𝑥 100% = 99%
Tabel 4.5. Hasil Kesamaan Kosinus Koefisien Fourier Deskriptor Sejumlah 10.
Tabel 4.6. Hasil Kesamaan Kosinus Koefisien Fourier Deskriptor Sejumlah 5.
Tabel 4.7. Hasil Kesamaan Kosinus Koefisien Fourier Deskriptor Sejumlah 2.
M S OT TK TP PT B
Nilai ekstraksi perangkat elektronika yang satu dengan yang lainnya dapat dikatakan mirip apabila bernilai 0 sampai dengan 1. Jika bernilai 1 maka nilai ekstraksi perangkat elektronika dapat dikatakan mirip sedangkan jika bernilai 0 maka tidak mirip. Berdasarkan data pada Tabel 4.5 sampai dengan 4.7 dapat disimpulkan bahwa nilai ekstraksi antar perangkat elektronika mirip karena hasil kesamaan kosinus bernilai 1.
Nilai hasil ekstraksi ciri kemudian dibandingkan dengan basis data dengan menggunakan jarak euclidean. Semakin besar nilai jarak euclidean maka semakin mudah dalam membedakan citra perangkat elektronika yang satu dengan yang lainnya[1]. Adapun hasil pengujian secara langsung dapat dilihat pada Tabel 4.8.
Tabel 4.8. Pengaruh Variasi Koefisien Fourier Deskriptor Terhadap Tingkat Pengenalan Koefisien
Fourier Deskriptor
Tingkat Pengenalan(%)
50 100
25 100
10 100
5 100
2 28,571
Berdasarkan data pada Tabel 4.8. persentase tingkat pengenalan untuk koefisien Fourier deskriptor sejumlah 2 mencapai 28,571% sedangkan untuk koefisien Fourier deskriptor sejumlah 5, 10, 25 dan 50 persentase tingkat pengenalan sebesar 100%.
Sehingga dapat disimpulkan bahwa nilai koefisien Fourier deskriptor terkecil dengan tingkat pengenalan terbaik yaitu menggunakan 5 koefisien Fourier deskriptor dengan tingkat pengenalan sebesar 100%. Sebagai tambahan penelitian ini juga meneliti pengaruh variasi translasi, rotasi dan skala. Penelitian pertama yaitu pengujian variasi translasi.
Hasil pengujian variasi translasi dapat dilihat pada Tabel 4.9.
Tabel 4.9. Tingkat Pengenalan
Berdasarkan data pada Tabel 4.9. translasi berpengaruh jika perangkat elektronika digeser sejauh 5 cm kekanan sedangkan jika digeser sejauh 2cm ke kanan, 2 cm ke kiri dan 5 cm ke kiri translasi tidak akan berpengaruh. Hal tersebut dapat terjadi karena pada saat perangkat elektronika digeser 5 cm ke kanan hasil keluaran berupa teks tidak sesuai dengan perangkat elektronika sebenarnya melainkan perangkat elektronika lainnya. Ini dapat terjadi karena nilai ekstraksi ciri Fourier antar perangkat elektronika yang satu dengan lainnya mirip (Tabel 4.2. sampai dengan Tabel 4.4.).
Hal tersebut tentu saja akan berpengaruh pada perhitungan jarak euclidean (persamaan 2.12) sehingga keluaran yang dihasilkan tidak sesuai dengan perangkat elektronika yang sebenarnya. Contoh menggunakan koefisien Fourier deskriptor terkecil sejumlah 5 apabila multimeter digeser ke kanan 5 cm maka keluarannya bor. Hasil perhitungan jarak euclidean dapat dilihat pada Tabel 4.10.
Tabel 4.10. Hasil Perhitungan Jarak Euclidean Multimeter Solder Tang
Kupas
Berdasarkan data pada Tabel 4.10. nilai paling kecil (minimum) yaitu 0,0619 sehingga keluaran yang akan ditampilkan di GUI adalah bor. Pada pengujian secara langsung beberapa perangkat elektronika apabila digeser lebih dari 2 cm maka keluarannya tidak sesuai dengan perangkat elektronika yang sebenarnya. Namun ada daerah apabila perangkat elektronika diletakan di daerah tersebut maka keluarannya akan sesuai dengan perangkat elektronika yang sebenarnya. Daerah tersebut disebut dengan daerah bebas ditunjukkan pada Gambar 4.25.
Gambar 4.20. Daerah Bebas
Sehingga berdasarkan data pengaruh variasi translasi pada Tabel 4.9. dapat disimpulkan koefisien fourier terkecil dengan tingkat pengenalan terbaik yaitu sejumlah 5.
Selain meneliti pengaruh translasi dalam pengujian ini juga meneliti pengaruh variasi rotasi. Hasil pengujian pengaruh variasi rotasi dapat dilihat pada Tabel 4.11.
Tabel 4.11. Tingkat Pengenalan Pengaruh Variasi Rotasi
Rotasi Koefisien
0° 45° 135°
50 100% 100% 100%
25 100% 100% 100%
10 100% 100% 100%
5 100% 85,714% 100%
2 28,571% 28,571% 28,571%
Rata-rata 85,714% 82,857% 85,714%
Pada pengujian ini menggunakan variasi sudut putaran (rotasi) sesuai dengan batasan masalah yang telah ditetapkan yaitu 0°, 45° dan 135°. Berdasarkan data pada Tabel 4.11. rotasi tidak akan berpengaruh jika menggunakan koefisien fourier deskriptor sejumlah 10 sedangkan apabila menggunakan koefisien fourier deskriptor sejumlah 5 akan
Daerah bebas
mempengaruhi rotasi pada sudut 45°. Sehingga berdasarkan data pengaruh variasi rotasi pada Tabel 4.11. dapat disimpulkan koefisien fourier deskriptor terkecil dengan tingkat pengenalan terbaik yaitu sejumlah 10. Sedangkan hasil pengaruh variasi skala dapat dilihat pada Tabel 4.12.
Tabel 4.12. Tingkat Pengenalan Pengaruh Jarak (skala) Jarak
Koefisien 50 cm 57 cm 64,5 cm
50 100% 100% 100%
25 100% 100% 100%
10 100% 100% 100%
5 100% 100% 100%
2 28,571% 28,571% 57,142%
Rata-rata 85,714% 85,714% 92,428%
Pada pengujian ini nilai skala yang menjadi acuan yaitu pada jarak 57 cm. Karena pada jarak tersebut gambar citra perangkat elektronika disimpan dan dijadikan data untuk basis data. Nilai variasi skala yang digunakan sesuai dengan batasan masalah yang ditetapkan yaitu pada jarak 50 cm, 57 cm dan 64,5 cm. Berdasarkan data pada Tabel 4.12.
skala berpengaruh jika menggunakan koefisien fourier deskriptor sejumlah 2 sedangkan jika menggunakan koefisien fourier deskriptor terkecil sejumlah 5 maka variasi skala tidak akan berpengaruh. Sehingga berdasarkan data pengaruh variasi skala pada Tabel 4.12.
dapat disimpulkan koefisien fourier terkecil dengan tingkat pengenalan terbaik yaitu sejumlah 5. Adapun rata-rata pengaruh variasi translasi, rotasi dan skala terhadap tingkat pengenalan dapat dilihat pada Tabel 4.13.
Tabel 4.13. Rerata Pengaruh Variasi Translasi, Rotasi dan Skala Terhadap Tingkat Pengenalan
Variasi Tingkat
Pengenalan
Translasi 77,143%
Rotasi 84,762%
Skala 87,952%
Pada pengujian ini objek yang dikenali harus berwarna gelap (doff) karena latar belakang yang digunakan (background) berwarma terang. Apabila objek yang dikenali
berwarna terang akan mempengaruhi proses preprocessing dan program menjadi error.
berwarna terang akan mempengaruhi proses preprocessing dan program menjadi error.