Pengujian dengan Objek Selain Elips dan Lingkaran

BAB IV ANALISIS HASIL SIMULASI

4.8 Pengujian dengan Objek Selain Elips dan Lingkaran

Dalam tugas akhir ini, untuk mengetahui tingkat efektifitas sistem dalam pendeteksian dengan metode standar deviasi untuk mengklasifikasikan objek, maka sistem juga diuji dengan menggunakan bangun selain elips dan lingkaran. Dalam pengujian ini digunakan poligon bangun segitiga, segiempat, segilima, segi sepuluh, dan segi dua belas.

Berikut adalah tabel hasil penelitian dengan objek poligon:

Tabel 4.9 Hasil Uji Objek Selain Lingkaran dan Elips

Menurut teori, poligon merupakan sebuah bangun geometri yang tersusun dari garis lurus dan membentuk bidang tertutup^[9]. Sedangkan elips dan lingkaran merupakan sebuah kurva yang tertutup membentuk bidang. Dalam analisis ini sistem hanya akan digunakan sampai tahap pendeteksian saja, hal ini dikarenakan rekonstruksi menggunakan Algoritma Transformasi Hough Modifikasi hanya bisa mendeteksi objek tertentu saja (lingkaran dan Elips). Hasil pemetaan citra poligon segitiga, segiempat, dan segilima terdapat dalam lampiran E.

Name(*.bmp) Maxima STDEV Segitiga 195 1,84527 Segiempat 169 3,66939 Segilima 139 1,41098 Segisepuluh 70 4,18936 Segiduabelas 68 4,09427

Dari hasil penelitian tersebut dapat dilihat standar deviasi yang dihasilkan berbeda-beda dan melebihi batas threshold lingkaran sehingga sistem akan mendeteksinya sebagai elips, oleh karena itu metode standar deviasi tidak dapat digunakan untuk mendeteksi objek selain lingkaran dan elips. Akan tetapi dapat dilihat juga untuk parameter Local Maxima, semakin banyak sisi dari poligon, maka Local Maxima akan semakin mengecil.

Hal ini dikarenakan garis yang terdapat pada objek semakin kecil. Sehingga bisa mendekati bentuk objek lingkaran. Untuk itu parameter Local Maxima dapat digunakan untuk mendeteksi objek yang memiliki garis lurus seperti poligon.

Pada penelitian sebelumnya oleh Dzikrina Khoirunnisak, titik tersebut akan digunakan untuk penelitian selanjutnya untuk proses rekonstruksi poligon. Sedangkan dalam pendeteksian lingkaran nilai puncak tersebar dalam sinusoidal yang terbentuk dalam domain hough. Hal ini disebabkan karena lingkaran terbentuk dari garis yang tidak lurus melainkan kurva yang teratur. Untuk Deteksi Elips, titik puncak terdeteksi di pinggir sinusoidal, karena elips yang dideteksi membentuk kurva yang tidak teratur seperti lingkaran melainkan mendekati sebuah garis.

Gambar 4.18 Hasil transformasi segi sepuluh kedalam domain Hough

Gambar 4.19 Hasil transformasi segi duabelas kedalam domain Hough

BAB V PENUTUP

5.1 Kesimpulan

Dari hasil analisis terhadap pengujian yang dilakukan pada sistem pendeteksi lingkaran dan elips pada bangun 2 dimensi dengan menggunakan Transformasi Hough berbasis pengolahan citra digital, maka dapat diambil kesimpulan sebagai berikut:

a. Metode standar deviasi dapat digunakan dalam membedakan hasil ekstraksi ciri Transformasi Hough standar dalam pendeteksian elips dan lingkaran. Akan tetapi untuk mendeteksi bangun selain elips dan lingkaran metode ini tidak lagi bisa digunakan karena hanya bangun lingkaran yang memiliki homogenitas data jarak piksel atas dan piksel bawah yang paling stabil. Sehingga apabila mendeteksi bangun selain elips dan lingkaran akan menghasilkan bangun elips.

b. Perbedaan dalam pendeteksian objek kurva tertutup dengan objek poligon (segi 3,4,5) dapat dilihat dari nilai puncak (local maxima) dari hasil algoritma Transformasi Hough standar. Nilai puncak bangun poligon rata-rata diatas 100, dikarenakan poligon terdiri dari garis-garis lurus.

c. Dalam mendeteksi jenis bangun lingkaran atau elips 2D, tingkat akurasi mencapai 100% untuk citra tidak berderau yang dibangkitkan dari komputer dan 81,84%

untuk citra yang di-capture oleh webcam. Sehingga akurasi total adalah 95,46%

dengan jumlah citra uji 108 buah.

d. Dalam mendeteksi posisi dan rekonstruksi bangun lingkaran dan elips, tingkat akurasi mencapai 100% untuk citra tidak berderau yang dibangkitkan dari komputer maupun citra yang di-capture oleh webcam dengan jumlah citra uji 108 buah.

e. Untuk pendeteksian objek sebenarnya yang di-capture melalui webcam, akurasi dalam mendeteksi jenis bangun mencapai 80%. Akurasi dalam merekonstruksi bangun mencapai 86,66% untuk keseluruhan citra uji 120 citra digital.

f. Semakin besar objek yang diteliti maka menyebabkan waktu komputasi Modified Hough Transform (MHT) untuk merekonstruksi objek akan semakin bertambah.

Pada penelitian ini MHT untuk mendeteksi elips lebih cepat daripada untuk mendeteksi lingkaran

g. Nilai batas ambang (threshold ) standar deviasi yang digunakan dalam penentuan bangun elips dan lingkaran dapat mempengaruhi proses pendeteksian. Dalam penelitian ini nilai batas ambang standar deviasi yang ditentukan adalah 0,8.

h. Untuk pengujian eksentrisitas elips, semakin besar eksentrisitas elips maka objek elips akan semakin pipih, sehingga hasil pendeteksian elips mencapai tingkat akurasi 100%. Semakin kecil eksentrisitas elips maka objek elips akan semakin mirip dengan lingkaran, sehingga akurasi dalam mendeteksi jenis bangun dengan eksentrisitas 0,2 adalah 0%, eksentrisitas 0,3 adalah 25%, dan eksentrisitas 0,4 adalah 91,67%. Elips dengan eksentrisitas 0,5 dan 0,8 memiliki kesalahan 0 dari masing-masing 12 kali percobaan, sehingga akurasi dalam mendeteksi elips sebesar 100%.

i. Untuk derau Poisson, akurasi deteksi jenis bangun lingkaran dan elips sebesar 100% dan akurasi dalam pendeteksian posisi dan rekonstruksi ( fitting ) mencapai 97%. Kesalahan fitting terdapat pada citra elips yang di-capture webcam karena citra tersebut sudah punya derau bayangan dan ditambah derau lagi sehingga objek yang telah melewati tahap preprocessing tidak sempurna lagi.

j. Untuk derau Speckle, Salt and Pepper, dan Gaussian, semakin besar kerapatan, mean atau variance-nya maka akan membuat sistem semakin tidak akurat.

Umumnya untuk citra yang dibangkitkan lewat komputer, mampu bertahan sampai variance/density sebesar 0.2, sedangkan citra yang di-capture lewat webcam rata-rata mampu bertahan sampai variance/density sebesar 0.05.

k. Kesalahan dalam memasukkan derau sering terjadi pada objek lingkaran. Karena semakin rapat derau, hasil pemrosesan awal terkadang menghasilkan objek lingkaran yang tidak sempurna hingga mengakibatkan sistem mendeteksinya sebagai elips.

5.2 Saran

Pengembangan yang dapat dilakukan pada tugas akhir ini antara lain sebagai berikut:

a. Perancangan sistem yang mampu mendeteksi keseluruhan jenis bangun, baik pendeteksian kurva tertutup maupun poligon.

b. Perancangan sistem preprocessing yang lebih baik sehingga dapat mendeteksi bangun dengan latar yang beragam atau adaptif terhadap berbagai derau.

c. Perancangan sistem algoritma Transformasi Hough dalam mendeteksi lingkaran yang lebih efisien agar waktu komputasi yang diperlukan tidak terlalu besar.

d. Dilakukan penelitian lebih lanjut dengan mengaplikasikan algoritma Transformasi Hough General agar mampu mendeteksi objek sembarang ataupun objek 3-D.

e. Dilakukan penelitian lebih lanjut dengan menggunakan software/platform yang berbeda sehingga dapat diaplikasikan kedalam kehidupan nyata.

DAFTAR PUSTAKA

[1] Atturmudzi, Aji. 2008. Eye Detection Menggunakan Template Matching, Algoritma Genetika, dan Hough Transform. Tugas Akhir Program Sarjana, Institut Teknologi Telkom

[2] Basca, C.A. et al. 2005. Randomized Hough Transform for Ellipse Detection with Result Clustering . University of Sibiu. Romania.

[3] Dembele, Fatoumata . Object Detection Using Circular Hough Transform. Michigan State University.

[4] Duda, R. O. and P. E. Hart. 1971. Use of the Hough Transformation to Detect Lines and Curves in Pictures. Artificial Intelligence Center.

[5] Herdiyeni, Yeni. 2008. Hough Transform. Institut Pertanian Bogor, Ilmu Komputer.

[6] Illingworth, J and Kittler, J. 1988. A Survey of the Hough Transform. Department of Electronics and Electrical Engineering, University of Surrey, Guildford. United Kingdom.

[7] Ji, Qiang and Xie, Yonghong. 2002. A New Efficient Ellipse Detection Method . IEEE.

[8] J.K. Pedersen, Simon. 2007. Circular Hough Transform. Aalborg University, Vision, Graphics, and Interactive System.

[9] Khoirunnisak, Dzikrina. 2011. Analisis Perbandingan Algoritma Transformasi Hough Dan Algoritma Transformasi Radon Untuk Deteksi Objek Planar Segi- N Berbasis Pengolahan Citra Digital. Tugas Akhir Program Sarjana, Institut

Teknologi Telkom.

[10] Lee, Kyewook. 2006. Application of the Hough Transform. University of Massachusetts. Lowel

[11] McAndrew, Alasdair. An Introduction to Digital Image Processing with Matlab.

School of Computer Science and Mathematics. Victoria University of Technology

[12] Prasasti, Anggunmeka L. 2012. Deteksi Dan Analisis Convex Dan Concave Polygon Pada Bangun Geometri 2-Dimensi Dengan Menggunakan Transformasi Radon Berbasis Pengolahan Citra Digital. Tugas Akhir Program Sarjana, Institut

Teknologi Telkom.

[13] Putra, Dharma. 2010. Pengolahan Citra Digital . Yogyakarta: Andi Publisher.

[14] Sa’diyah, Halimatus. 2008. Aplikasi Transformasi Hough Untuk Deteksi Garis Lurus. Tugas Akhir Program Sarjana, Universitas Diponegoro.

[15] Sembor, Dhiemas R.Y., et al. 2010. Pengenalan dan Pencarian Posisi Robot Dalam Pencarian Sumber Kebocoran Gas. Fakultas Ilmu Komputer, Universitas

Indonesia.

[16] Simonovsky, Martin. 2011. Ellipse Detection Using 1D Hough Transform.

Mathworks.

[17] Wijaya, M.C. dan Prijono A. 2007. Pengolahan Citra Digital Menggunakan Matlab. Bandung: Informatika.

[18] http://en.wikipedia.org/wiki/Hough_transform Tanggal akses 11 April 2012 [19] http://id.wikipedia.org/wiki/Lingkaran Tanggal 12 April 2012

[20] http://web-matematika.blogspot.com/2010/03/persamaan-elips.html Tanggal akses 12 April 2012

[21] http://en.wikipedia.org/wiki/Eccentricity_%28mathematics%29 Tanggal akses 12 April 2012

[22] http://www.mathworks.com/help/images/ref/hough.html Tanggal akses 12 April 2012

[23] http://homepages.inf.ed.ac.uk/rbf/HIPR2/hough.htm Tanggal akses 20 Oktober 2012 [24]

http://blog.ub.ac.id/rakamahendras/2012/03/14/mean-median-modus-dan-standar-deviasi/ Tanggal akses 23 Oktober 2012

[25] http://basic-eng.blogspot.com/2005/12/object-detection-using-hough-transform.html Tanggal akses 23 Oktober 2012

[26] http://www.mathworks.com/help/images/morphology-fundamentals-dilation-and-erosion.html#f18-24720?s_tid=doc_12b Tanggal akses 28 Desember 2012

DAFTAR LAMPIRAN

A.1 Data Citra Masukan Sistem (CorelDraw/Komputer) ... A-1 A.2 Data Citra Masukan Sistem (Webcam) ... A-2 A.3 Citra yang dibangkitkan Komputer (Lingkaran) ... A-5 A.4 Citra yang dibangkitkan komputer (Elips) ... A-6 A.5 Citra yang di-capture oleh webcam (Lingkaran) ... A-7 A.6 Citra yang Di-capture oleh Webcam (Elips) ... A-8 B.1 Data Citra Eksentrisitas Masukan Sistem (CorelDraw/Komputer) ... B-1 B.2 Data Citra Eksentrisitas Masukan Sistem (Webcam) ... B-2 B.3 Hasil Uji Deteksi Elips Eksentrisitas 0.2 (Komputer) ... B-3 B.4 Hasil Uji Deteksi Elips Eksentrisitas 0.3 (Komputer) ... B-3 B.5 Hasil Uji Deteksi Elips Eksentrisitas 0,4 (Komputer) ... B-3 B.6 Hasil Uji Deteksi Elips Eksentrisitas 0,5 (Komputer) ... B-3 B.7 Hasil Uji Deteksi Elips Eksentrisitas 0.8 (Komputer) ... B-4 B.8 Hasil Uji Deteksi Elips Eksentrisitas 0.2 (Webcam) ... B-4 B.9 Hasil Uji Deteksi Elips Eksentrisitas 0.3 (Webcam) ... B-4 B.10 Hasil Uji Deteksi Elips Eksentrisitas 0.4 (Webcam) ... B-4 B.11 Hasil Uji Deteksi Elips Eksentrisitas 0.5 (Webcam) ... B-5 B.12 Hasil Uji Deteksi Elips Eksentrisitas 0.8 (Webcam) ... B-5 C.1 Deteksi Jenis dan Rekonstruksi Elips dan Lingkaran pada Citra

Komputer dan Webcam dengan Derau Poisson ... C-1 C.2 Deteksi Jenis Elips dan Lingkaran pada Citra webcam dengan

Derau Speckle ... C-2 C.3 Rekonstruksi Elips dan Lingkaran pada Citra webcam dengan

Derau Speckle ... C-2 C.4 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan

Derau Speckle ... C-3 C.5 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan

Derau Speckle ... C-3 C.6 Deteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan

Derau Salt and Pepper ... C-4

C.7 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan

Derau Salt and Pepper ... C-4 C.8 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan

Derau Salt and Pepper ... C-5 C.9 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan

Derau Salt and Pepper ... C-5 C.10 Deteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan

Derau Gaussian (mean=0) ... C-6 C.11 Rekonstruksi Elips dan Lingkaran pada Citra Webcam dengan

Derau Gaussian (mean=0) ... C-6 C.12 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan

Derau Gaussian (mean=0) ... C-7 C.13 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan

Derau Gaussian (mean=0) ... C-7 C.14 Deteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan

Derau Gaussian (variance=0,01) ... C-8 C.15 Rekonstruksi Elips dan Lingkaran pada Citra Webcam dengan

Derau Gaussian (variance=0,01) ... C-8 C.16 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan

Derau Gaussian (variance=0,01) ... C-9 C.17 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan

Derau Gaussian (variance=0,01) ... C-9 D.1 Data Citra Masukan Sistem Objek Lingkaran Ukuran Kecil ... D-1 D.2 Data Citra Masukan Sistem Objek Lingkaran Ukuran Sedang ... D-1 D.3 Data Citra Masukan Sistem Objek Lingkaran Ukuran Besar ... D-2 D.4 Data Citra Masukan Sistem Objek Elips Ukuran Kecil ... D-3 D.5 Data Citra Masukan Sistem Objek Elips Ukuran Sedang ... D-3 D.6 Data Citra Masukan Sistem Objek Elips Ukuran Besar ... D-4 D.7 Hasil Uji Citra Objek Lingkaran Ukuran Kecil ... D-5 D.8 Hasil Uji Citra Objek Lingkaran Ukuran Sedang ... D-5 D.9 Hasil Uji Citra Objek Lingkaran Ukuran Besar ... D-6 D.10 Hasil Uji Citra Objek Elips Ukuran Kecil ... D-6 D.11 Hasil Uji Citra Objek Elips Ukuran Sedang ... D-7

E.1 Hasil Uji Citra Objek Elips Ukuran Besar ... D-7 E.2 Perbandingan Deteksi Kurva dengan Poligon ... E-1 F.1 Tampilan Program Utama ... F-1 F.2 Listing Program ... F-2

LAMPIRAN A

Data Uji Dan Hasil Deteksi

A.1 Data Citra Masukan Sistem (CorelDraw/Komputer)

bluecr60px_1 bluecr60px_2 bluecr60px_3 Bluecr90px_1 Bluecr90px_2

Bluecr90px_3 Bluecr120px_1 Bluecr120px_2 Bluecr120px_3 Greencr60px_1

Greencr60px_2 Greencr60px_3 Greencr90px_1 Greencr90px_2 Greencr90px_3

Greencr120p_1 Greencr120p_2 Greencr120p_3 Redcr60px_1 Redcr60px_2

Redcr60px_3 Redcr90px_1 Redcr90px_2 Redcr90px_3 redcr120px_1

Redcr120px_2 Redcr120px_3

Blue_El_a120b60_1 Blue_El_a120b60_1 Blue_El_a120b60_3 Blue_El_a180b60_1 Blue_El_a180b60_2

Blue_El_a180b60_3 Blue_El_a240b60_1 Blue_El_a240b60_2 Blue_El_a240b60 _3 Green_El_a120b60_1

Green_El_a120b60_2 Green_El_a120b60_3 Green_El_a180b60_1 Green_El_a180b60_2 Green_El_a180b60_2

Green_El_a240b60_1 Green_El_a240b60_2 Green_El_a240b60_3 Red_El_a120b60_1 Red_El_a120b60_2

Red_El_a120b60_3 Red_El_a180b60_1 Red_El_a180b60_2 Red_El_a180b60_3 Red_El_a240b60_1

Red_El_a240b60_2 Red_El_a240b60_1

A.2 Data Citra Masukan Sistem (Webcam)

bluecr4cm_1 bluecr4cm_2 bluecr4cm_3 Bluecr5cm_1 Bluecr5cm_2

Blue_El_a6b3_1 Blue_El_a6b3_2 Blue_El_a6b3_3 Blue_El_a9b3_1 Blue_El_a9b3_2

Blue_El_a9b3_3 Blue_El_a12b3_1 Blue_El_a12b3_2 Blue_El_a12b3_3 Green_El_a6b3_1 Bluecr5cm_3 Bluecr6cm_1 Bluecr6cm_2 Bluecr6cm_3 Greencr4cm_1

Greencr4cm_2 Greencr4cm_3 Greencr5cm_1 Greencr5cm_2 Greencr5cm_3

Greencr6cm_1 Greencr6cm_2 Greencr6cm_3 Redcr4cm_1 Redcr4cm_2

Redcr4cm_3 Redcr5cm_1 Redcr5cm_2 Redcr5cm_3 Redcr6cm_1

Redcr6cm_2 Redcr6cm_3

Green_El_a6b3_2 Green_El_a6b3_3 Green_El_a9b3_1 Green_El_a9b3_2 Green_El_a9b3_3

Green_El_a12b3_1 Green_El_a12b3_2 Green_El_a12b3_3 Green_El_a12b3_1 Green_El_a12b3_2

Green_El_a12b3_3 Green_El_a12b3_1 Green_El_a12b3_2 Green_El_a12b3_3 Red_El_a9b3_1

Red_El_a9b3_2 Red_El_a9b3_3

A.3 Citra yang dibangkitkan Komputer (Lingkaran)

Nama (*.bmp) M axima STDEV D ete ct Hough

Time (s) R Xo Yo Fitting bluecr60px_1 24 0.393875 Circle 2,88172 60 84 222 v bluecr60px_2 24 0.37109 Circle 3,09584 60 334 226 v bluecr60px_3 24 0.333584 Circle 2,86264 60 565 226 v bluecr90px_1 26 0.498437 Circle 4,91667 90 114 221 v bluecr90px_2 26 0.518863 Circle 4,91346 90 352 221 v bluecr90px_3 26 0.509848 Circle 4,81568 90 542 221 v bluecr120px_1 29 0.369244 Circle 5,91623 125 142 225 v bluecr120px_2 31 0.420916 Circle 6,40437 120 314 226 v bluecr120px_3 31 0.460813 Circle 6,16864 120 512 226 v greencr60px_1 25 0.319347 Circle 2,73354 60 100 226 v greencr60px_2 28 0.386872 Circle 2,93146 60 334 222 v greencr60px_3 24 0.241558 Circle 2,74707 60 565 226 v greencr90px_1 26 0.493775 Circle 4,85622 90 114 221 v greencr90px_2 28 0.498917 Circle 5,0988 90 360 221 v greencr90px_3 26 0.492019 Circle 4,98247 90 540 221 v greencr120px_1 37 0.44818 Circle 6,11197 120 133 226 v greencr120px_2 36 0.443273 Circle 6,18032 120 336 226 v greencr120px_3 36 0.432661 Circle 6,00264 120 507 226 v redcr60px_1 24 0.358759 Circle 2,60935 60 84 222 v redcr60px_2 24 0.258155 Circle 2,8611 60 332 222 v redcr60px_3 24 0.241558 Circle 2,73773 60 561 222 v redcr90px_1 26 0.49672 Circle 4,84964 90 114 221 v redcr90px_2 29 0.509848 Circle 4,92341 90 346 221 v redcr90px_3 29 0.501172 Circle 4,69682 90 536 221 v redcr120px_1 31 0.381892 Circle 5,90475 125 142 225.5 v redcr120px_2 38 0.423963 Circle 6,72569 125 336 225 v redcr120px_3 34 0.364805 Circle 6,03126 120 506 225 v

A.4 Citra yang dibangkitkan komputer (Elips) Nama (*.bmp) Maxima STDEV Detect Hough

Time (s) x0 y0 Major M inor Alpha Fitting Blue_El_a120b60_1 42 4,62561 Ellipse 0,293141 327 77 122,01 61 0.0613 v Blue_El_a120b60_2 42 4,59149 Ellipse 0,282632 327 241 122,02 63 0.0204 v Blue_El_a120b60_3 52 4,59821 Ellipse 0,269824 327 409 122,01 63 0.0613 v Blue_El_a180b60_1 75 9,11675 Ellipse 0,486872 327 80,5 182 63 -0.082 v Blue_El_a180b60_2 78 9,0722 Ellipse 0,484603 327,5 241 181,5 60 - 0.0055 v Blue_El_a180b60_3 72 9,06618 Ellipse 0,495971 327 405 182 63 0 v Blue_El_a240b60_1 88 12,7138 Ellipse 0,774286 327,5 68 237,5 49 0.0042 v Blue_El_a240b60_2 91 13,0592 Ellipse 0,793818 327 221,5 242 59 0.0020 v Blue_El_a240b60_3 95 13,0188 Ellipse 0,790804 327 401 241 55 0 v Green_El_a120b60_1 39 4,60964 Ellipse 0,276971 327 74 122,03 63 -0.024 v Green_El_a120b60_2 38 4,61374 Ellipse 0,267773 327 246 122,01 59 -0.016 v Green_El_a120b60_3 38 4,56823 Ellipse 0,274817 327 406,5 122,02 63 - 0.02 v Green_El_a180b60_1 54 9,13796 Ellipse 0,486753 327 82 182 60 0.0054 v Green_El_a180b60_2 62 9,03263 Ellipse 0,480435 327 247,5 182 63 - 0.0027 v Green_El_a180b60_3 62 9,05478 Ellipse 0,489086 327 406 182,01 63 0.0109 v Green_El_a240b60_1 90 13,0865 Ellipse 0,798998 323,5 97,5 236,54 50 0.019 v Green_El_a240b60_2 93 13,3505 Ellipse 0,774303 326 222,5 241,01 55 -0.010 v Green_El_a240b60_3 98 13,0146 Ellipse 0,799777 326,5 405 241,5 57 - 0.08 v Red_El_a120b60_1 41 4,62458 Ellipse 0,269198 327 76,5 122,05 63 0.0286 v Red_El_a120b60_2 41 4,63608 Ellipse 0,277272 327 240 122 60 0 v Red_El_a120b60_3 52 4,59015 Ellipse 0,270811 327 410,5 122 57 - 0.0040 v Red_El_a180b60_1 78 9,11606 Ellipse 0,486679 327,5 76,5 182 59 - 0.0027 v Red_El_a180b60_2 75 9,0604 Ellipse 0,489915 329 235,5 179,03 51 0.019 v Red_El_a180b60_3 61 9,08189 Ellipse 0,483894 327 406.5 182 58 - 0.0027 v Red_El_a240b60_1 92 12,5993 Ellipse 0,788611 323,5 65,5 234,52 47 -0.014 v Red_El_a240b60_2 95 13,0535 Ellipse 0,789415 326,5 211 236,5 48 0 v Red_El_a240b60_3 91 12,8783 Ellipse 0,766128 327 410.5 242,02 63 0.0144 v

A.5 Citra yang di-capture oleh webcam (Lingkaran) Nama (*.bmp) Maxima STDEV Detect Hough

Time (s) R X0 Y0 Fitting

bluecr4cm_1 36 0,67101 Circle 5,76711 110 149 196 V bluecr4cm_2 34 0,46305 Circle 5,17532 100 321 189 V bluecr4cm_3 36 0,5604 Circle 4,82186 95 430 224 V bluecr5cm_1 40 0,82391 Ellipse 0,440093 129,62/126 186 191,5 V bluecr5cm_2 33 0,69849 Circle 6,55902 125 293 248 V bluecr5cm_3 37 0,60061 Circle 6,34951 120 398 229 V bluecr6cm_1 37 0,81136 Ellipse 0,51657 144,33/141 181,5 196,5 V bluecr6cm_2 51 0,67686 Circle 7,12787 145 292 220 V bluecr6cm_3 36 0,85557 Ellipse 0,480189 140,48/137 413,5 230,5 V greencr4cm_1 38 0,65842 Circle 5,48206 100 165 181 V greencr4cm_2 34 0,46855 Circle 4,95569 95 305 211 V greencr4cm_3 34 0,52814 Circle 4,79566 90 454 238 V greencr5cm_1 38 0,76287 Circle 6,16207 125 178 209 V greencr5cm_2 44 0,50577 Circle 6,44107 130 296 219 V greencr5cm_3 41 0,7606 Circle 6,3867 130 428 225 V greencr6cm_1 36 0,55558 Circle 6,6007 150 204 204 V greencr6cm_2 36 0,52016 Circle 7,56232 150 295 251 V greencr6cm_3 41 0,78321 Circle 7,16592 150 385 268 V redcr4cm_1 36 0,82575 Ellipse 0,26927 97,37/93 137,5 194 V redcr4cm_2 37 0,65443 Circle 4,91597 95 292 249 V redcr4cm_3 29 0,50913 Circle 5,33332 95 431 202 V redcr5cm_1 48 1,02207 Ellipse 0,430528 129,47/125 166,5 227,5 V redcr5cm_2 45 0,53937 Circle 6,37088 120 299 223 V redcr5cm_3 38 0,69806 Circle 6,13225 125 425 214 V redcr6cm_1 49 0,73961 Circle 6,83328 150 185 192 V redcr6cm_2 45 0,5009 Circle 7,56268 150 255 232 V redcr6cm_3 43 0,77193 Circle 6,86339 140 408 231 V

A.6 Citra yang Di-capture oleh Webcam (Elips)

Nama (*.bmp) Maxima STDEV Detect Hough

Time (s) X0 Y0 major minor alpha Fitting Blue_El_a6b3_1 45 10,2063 Ellipse 0,408954 291 126 151,74 71 - 0,099 V Blue_El_a6b3_2 47 10,1821 Ellipse 0,381426 293 201 150,08 74 - 0,1202 V Blue_El_a6b3_3 57 10,5576 Ellipse 0,371209 270,5 334,5 150,3 71 -0,1033 V Blue_El_a9b3_1 72 19,693 Ellipse 0,67828 293 120 224,14 74 - 0,0356 V Blue_El_a9b3_2 77 19,8521 Ellipse 0,669184 310,5 199 223,5 74 -0,0089 V Blue_El_a9b3_3 62 19,8188 Ellipse 0,645903 309 318,5 222,01 66 -0,0112 V Blue_El_a12b3_1 106 28,1488 Ellipse 0,986363 300,5 111 289,64 73 -0,031 V Blue_El_a12b3_2 87 27,9297 Ellipse 0,993789 296,5 200,5 284,52 60 -0,0123 V Blue_El_a12b3_3 142 27,4525 Ellipse 0,902958 294,5 320 277,54 63 0,018 V Green_El_a6b3_1 46 9,66008 Ellipse 0,360079 300 127 144,12 74 -0,1252 V Green_El_a6b3_2 43 10,0618 Ellipse 0,359156 282 201 147,23 70 - 0,129 V Green_El_a6b3_3 48 10,2559 Ellipse 0,362627 258,5 324,5 145,41 68 -0,162 V Green_El_a9b3_1 87 19,5207 Ellipse 0,670796 305 136 222,02 70 -0,0135 V Green_El_a9b3_2 101 19,5672 Ellipse 0,670726 320,5 214 221,64 73 -0,0361 V Green_El_a9b3_3 88 19,1504 Ellipse 0,645477 281 344 215,03 64 - 0,018 V Green_El_a12b3_1 108 28,4225 Ellipse 1,03744 303,5 148,5 291,52 71 -0,912 V Green_El_a12b3_2 88 28,3227 Ellipse 0,983738 308 235,5 288,03 72 -0,0156 V Green_El_a12b3_3 101 29,1703 Ellipse 1,14505 316,5 359 295,5 62 0 V Red_El_a6b3_1 43 8,41993 Ellipse 0,302117 260 118,5 127,07 59 - 0,13 V Red_El_a6b3_2 43 8,47459 Ellipse 0,275336 267,5 238 124,46 63 -0,1776 V Red_El_a6b3_3 53 8,29114 Ellipse 0,26457 277,5 290,5 121,62 60 -0,136 V Red_El_a9b3_1 60 20,4521 Ellipse 0,688713 293 128 232,49 77 - 0,1467 V Red_El_a9b3_2 71 20,4809 Ellipse 0,688713 293 128 232,49 77 - 0,1467 V Red_El_a9b3_3 72 21,1312 Ellipse 0,711247 302,5 321,5 236,47 76 -0,129 V Red_El_a12b3_1 90 29,0112 Ellipse 1,03477 304 114 297,04 73 - 0,0168 V Red_El_a12b3_2 93 28,3614 Ellipse 1,01384 301 191,5 288,03 63 -0,0156 V Red_El_a12b3_3 96 26,6324 Ellipse 0,899447 298 343 269,03 63 0,0148 V

LAMPIRAN B Data Uji Eksentrisitas

B.1 Data Citra Eksentrisitas Masukan Sistem (CorelDraw/Komputer)

1(e=0,2) 2(e=0,2) 3(e=0,2) 4(e=0,2) 5(e=0,2)

5(e=0,2) 1(e=0,3) 2(e=0,3) 3(e=0,3) 4(e=0,3)

5(e=0,3) 6(e=0,3) 1(e=0,4) 2(e=0,4) 3(e=0,4)

4(e=0,4) 5(e=0,4) 6(e=0,4) 1(e=0,5) 2(e=0,5)

3(e=0,5) 4(e=0,5) 5(e=0,5) 6(e=0,5) 1(e=0,8)

2(e=0,8) 3(e=0,8) 4(e=0,8) 5(e=0,8) 6(e=0,8)

B.2 Data Citra Eksentrisitas Masukan Sistem (Webcam)

1(e=0,2) 2(e=0,2) 3(e=0,2) 4(e=0,2) 5(e=0,2)

6(e=0,2) 1(e=0,3) 2(e=0,3) 3(e=0,3) 4(e=0,3)

5(e=0,3) 6(e=0,3) 1(e=0,4) 2(e=0,4) 3(e=0,4)

4(e=0,4) 5(e=0,4) 6(e=0,4) 1(e=0,5) 2(e=0,5)

3(e=0,5) 4(e=0,5) 5(e=0,5) 6(e=0,5) 1(e=0,8)

2(e=0,8) 3(e=0,8) 4(e=0,8) 5(e=0,8) 6(e=0,8)

B.3 Hasil Uji Deteksi Elips Eksentrisitas 0.2 (Komputer)

B.4 Hasil Uji Deteksi Elips Eksentrisitas 0.3 (Komputer)

B.5 Hasil Uji Deteksi Elips Eksentrisitas 0,4 (Komputer)

B.6 Hasil Uji Deteksi Elips Eksentrisitas 0,5 (Komputer) Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 22 0,51905 Circle 2,6142 v 2.bmp 22 0,42489 Circle 2,91523 v 3.bmp 24 0,45115 Circle 3,33835 v 4.bmp 24 0.447919 Circle 4,28381 v 5.bmp 28 0,46305 Circle 4,30328 v 6.bmp 26 0,55838 Circle 6,02871 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 30 0,58353 Circle 2,53533 v 2.bmp 23 0,60284 Circle 2,78549 v 3.bmp 33 0,5814 Circle 3,4007 v 4.bmp 25 0,64235 Circle 2,4007 v 5.bmp 33 0,73178 Circle 4,97143 v 6.bmp 33 0,86585 Ellipse 0,401225 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 24 0,71673 Circle 2,41392 v 2.bmp 24 0,82373 Ellipse 0,15233 v 3.bmp 33 0,93707 Ellipse 0,17175 v 4.bmp 31 1,02987 Ellipse 0,212764 v 5.bmp 33 1,17927 Ellipse 0,270165 v 6.bmp 35 1,42376 Ellipse 0,3588 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 20 1,13527 Ellipse 0,107937 v 2.bmp 23 1,277 Ellipse 0,128783 v 3.bmp 23 1,34713 Ellipse 0,154081 v 4.bmp 25 1,59026 Ellipse 0,184467 v 5.bmp 26 1,79679 Ellipse 0,248539 v 6.bmp 28 2,20145 Ellipse 0,314857 v

B.7 Hasil Uji Deteksi Elips Eksentrisitas 0.8 (Komputer)

B.8 Hasil Uji Deteksi Elips Eksentrisitas 0.2 (Webcam)

B.9 Hasil Uji Deteksi Elips Eksentrisitas 0.3 (Webcam)

B.10 Hasil Uji Deteksi Elips Eksentrisitas 0.4 (Webcam) Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 27 3,17312 Ellipse 0,0915031 v 2.bmp 28 3,48287 Ellipse 0,107163 v 3.bmp 29 3,96278 Ellipse 0,123373 v 4.bmp 35 4,50895 Ellipse 0,167602 v 5.bmp 31 5,2522 Ellipse 0,201616 v 6.bmp 33 6,31676 Ellipse 0,266329 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 24 0,52449 Circle 2,25877 v 2.bmp 25 0,45058 Circle 2,75116 v 3.bmp 34 0,43507 Circle 3,26244 v 4.bmp 32 0,51318 Circle 3,90366 v 5.bmp 27 0,49726 Circle 4,72903 v 6.bmp 32 0,50115 Circle 5,41935 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 24 0,64721 Circle 2,32052 v 2.bmp 33 0,5489 Circle 2,68844 v 3.bmp 28 0,75816 Circle 3,19548 v 4.bmp 27 0,93556 Ellipse 0,215089 v 5.bmp 29 0,89008 Ellipse 0,253678 v 6.bmp 35 0,93513 Ellipse 0,289229 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 26 0,80933 Ellipse 0,10632 v 2.bmp 26 0,86437 Ellipse 0,141876 v 3.bmp 33 0,94308 Ellipse 0,16958 v 4.bmp 36 1,12416 Ellipse 0,212106 v 5.bmp 28 1,22534 Ellipse 0,243531 v 6.bmp 36 1,34053 Ellipse 0,277009 v

B.11 Hasil Uji Deteksi Elips Eksentrisitas 0.5 (Webcam)

B.12 Hasil Uji Deteksi Elips Eksentrisitas 0.8 (Webcam) Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 35 2,97807 Ellipse 0,093273 v

2.bmp 34 3,32669 Ellipse 0,113877 v 3.bmp 38 3,84651 Ellipse 0,140291 v 4.bmp 37 4,69523 Ellipse 0,17692 v 5.bmp 37 4,92724 Ellipse 0,192726 v 6.bmp 44 5,40672 Ellipse 0,237111 v

Nama Maxima STDEV Detect Hough

Time (s) Fitting 1.bmp 28 1,14126 Ellipse 0,113796 v 2.bmp 29 1,18404 Ellipse 0,141964 v 3.bmp 33 1,30725 Ellipse 0,179042 v 4.bmp 38 1,61854 Ellipse 0,202075 v 5.bmp 33 1,68852 Ellipse 0,246065 v 6.bmp 34 1,8615 Ellipse 0,279404 v

LAMPIRAN C

Data Uji dengan Derau MATLAB

C.1 Deteksi Jenis dan Rekonstruksi Elips dan Lingkaran pada Citra Komputer dan Webcam dengan Derau Poisson

Keterangan : V = Sesuai/Benar

X = Tidak Sesuai/Tidak benar

Tabel kiri merupakan citra hasil capture lewat webcam, tabel kanan citra hasil buatan komputer

No Nama (*.bmp) Jenis Fitting Waktu (s) No Nama (*.bmp) Jenis Fitting Waktu 1 bluecr4cm_2 v v 5,17873 1 bluecr60px_2 v v 2,65611 2 bluecr5cm_2 v v 6,45202 2 bluecr90px_2 v v 4,62348 3 bluecr6cm_2 v v 6,93096 3 bluecr120px_2 v v 5,89796 4 greencr4cm_2 v v 4,55676 4 greencr60px_2 v v 2,66683 5 greencr5cm_2 v v 6,11272 5 greencr90px_2 v v 4,69994 6 greencr6cm_2 v v 6,93015 6 greencr120px_2 v v 5,95945 7 redcr4cm_2 v v 4,81164 7 redcr60px_2 v v 2,68108 8 redcr5cm_2 v v 6,25321 8 redcr120px_2 v v 4,74378 9 redcr6cm_2 v v 6,83066 9 redcr180px_2 v v 5,94794 10 Blue_El_a6b3_2 v v 0,39579 10 Blue_El_a120b60_2 v v 0,24942 11 Blue_El_a9b3_2 v v 0,684234 11 Blue_El_a180b60_2 v v 0,45725 12 Blue_El_a12b3_2 v v 0,954356 12 Blue_El_a240b60_2 v v 0,74492 13 Green_El_a6b3_2 v v 0,347054 13 Green_El_a120b60_2 v v 0,25991 14 Green_El_a9b3_2 v v 0,62103 14 Green_El_a180b60_2 v v 0,45977 15 Green_El_a12b3_2 v X 0,869178 15 Green_El_a240b60_2 v v 0,73486 16 Red_El_a6b3_2 v v 0,283753 16 Red_El_a120b60_2 v v 0,24793 17 Red_El_a9b3_2 v v 0,697889 17 Red_El_a180b60_2 v v 0,45289 18 Red_El_a12b3_2 v v 0,982713 18 Red_El_a240b60_2 v v 0.714167

C.2 Deteksi Jenis Elips dan Lingkaran pada Citra webcam dengan Derau Speckle

C.3 Rekonstruksi Elips dan Lingkaran pada Citra webcam dengan Derau Speckle 0 0,05 0,1 0,2 0,3 0,4 0,5 0,6 0,7

C.4

C.4 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan DerauDeteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan Derau Speckle Speckle

C.5

C.5 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan DerauRekonstruksi Elips dan Lingkaran pada Citra Komputer dengan Derau Speckle Speckle 0

C.6

C.6 Deteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan DerauDeteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan Derau Salt and Salt and Pepper

Pepper

C.7

C.7 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan DerauRekonstruksi Elips dan Lingkaran pada Citra Komputer dengan Derau Salt Salt and Pepper

C.8

C.8 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan DerauDeteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan Derau Salt and Salt and Pepper

Pepper

C.9

C.9 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan DerauRekonstruksi Elips dan Lingkaran pada Citra Komputer dengan Derau Salt Salt and Pepper

C.10 Deteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan Derau Gaussian (mean=0)

C.11 Rekonstruksi Elips dan Lingkaran pada Citra Webcam dengan Derau Gaussian (mean=0)

C.12 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan Derau Gaussian (mean=0)

C.13 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan Derau Gaussian (mean=0)

C.14 Deteksi Jenis Elips dan Lingkaran pada Citra Webcam dengan Derau Gaussian (variance=0,01)

C.15 Rekonstruksi Elips dan Lingkaran pada Citra Webcam dengan Derau Gaussian (variance=0,01)

C.16 Deteksi Jenis Elips dan Lingkaran pada Citra Komputer dengan Derau Gaussian (variance=0,01)

C.17 Rekonstruksi Elips dan Lingkaran pada Citra Komputer dengan Derau Gaussian (variance=0,01)

LAMPIRAN D

Data Uji dengan Citra Objek Sebenarnya

D.1 Data Citra Masukan Sistem Objek Lingkaran Ukuran Kecil

cr_bluepin_1 cr_bluepin_2 cr_bluepin_3 cr_bluepin_4 cr_brownpin_1

cr_brownpin_2 cr_brownpin_3 cr_brownpin_4 cr_coin_1 cr_coin_2

cr_coin_3 cr_coin_4 cr_greencap_1 cr_greencap_2 cr_greencap_3

cr_greencap_4 cr_vicks_1 cr_vicks_2 cr_vicks_3 cr_vicks_4

D.2 Data Citra Masukan Sistem Objek Lingkaran Ukuran Sedang

cr_donut_1 cr_donut_2 cr_donut_3 cr_donut_4 cr_lulur_1

cr_lulur_2 cr_lulur_3 cr_lulur_4 cr_orangecap_

cr_orangecap_

cr_pinkcap_1 cr_pinkcap_2 cr_pinkcap_3

cr_pinkcap_4 cr_salicyl_1 cr_salicyl_2 cr_salicyl_3 cr_salicyl_4

D.3 Data Citra Masukan Sistem Objek Lingkaran Ukuran Besar

cr_basketball_1 cr_basketball_2 cr_basketball_3 cr_basketball_4 cr_basketball_1

cr_basketball_2 cr_basketball_3 cr_basketball_4 cr_redcap_1 cr_redcap_2

cr_redcap_3 cr_redcap_4 cr_redplate_1 cr_redplate_2 cr_redplate_3

Dalam dokumen Katakanlah (Muhammad), Inilah jalanku yang lurus, aku dan orang-orang yang mengikutiku mengajak (kamu) kepada Allah dengan ilmu. (QS Yusuf [12]: 108) (Halaman 64-0)