BAB 5 KESIMPULAN DAN SARAN
5.2. Saran
Meskipun metode ini membutuhkan sumberdaya yang cukup besar, namun dapat bekerja dengan baik dengan kondisi tertentu. Penggabungan metode SURF dengan metode lain seperti Optical Character Recognition atau OCR dapat meningkatkan akurasi dari pendeteksian objek.
BIODATA PENULIS
1. Data Pribadi
Nama : Lutfia Rahmanda
Jenis Kelamin : Laki-Laki
Tempat, Tanggal Lahir : Bandung, 19 November 1993
Kewarganegaraan : Indonesia
Status Perkawinan : Belum Menikah
Agama : Islam
Alamat Lengkap : Komp GBI-3 H7/1B Ciwastra,Bandung.
Telepon, HP : 081313167569
Email : [email protected]
2. Riwayat Pendidikan
1999 - 2005 : SDN 031 Tanah Grogot
2005 - 2008 : SMP 01 Tanah Grogot
2008 - 2011 : SMAN 01 Tanah Grogot
2011 - 2015 : Program Strata Satu (S1) Program Studi Teknik
Informatika, Universitas Komputer Indonesia
Demikian riwayat hidup ini saya buat dengan sebenar-benarnya dalam keadaan sadar dan tanpa paksaan.
Bandung, 19 Agustus 2015
PEMBANGUNAN SISTEM PENGENALAN OBJEK PADA
PERMAINAN MONOPOLI MENGGUNAKAN ALGORITMA
SPEEDED UP ROBUST FEATURES
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
LUTFIA RAHMANDA
10111173
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
2015
iv
DAFTAR ISI
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... iv
DAFTAR GAMBAR ... x
DAFTAR TABEL ... xiv
DAFTAR SIMBOL ... xvi
DAFTAR LAMPIRAN ... xxi
BAB 1 PENDAHULUAN ... 1
1.1. Latar Belakang Masalah ... 1
1.2. Identifikasi Masalah ... 3
1.3. Maksud dan Tujuan ... 3
1.4. Batasan Masalah ... 3
1.5. Metodologi Penelitian ... 4
1.5.1. Metode Pengumpulan Data ... 4
1.5.2. Metode Pembangunan Perangkat Lunak ... 5
1.6. Sistematika Penulisan ... 5
BAB 2 LANDASAN TEORI ... 7
2.1. Game ... 7 2.2. Monopoli ... 7 2.2.1. Gameplay ... 8 2.3. Citra ... 10 2.3.1. Pengolahan Citra ... 10 2.4. Kecerdasan Buatan ... 11
v
2.5. Pengenalan Objek ... 11
2.5.1. Pengenalan Karakter Optik (Optical Character Recognition) ... 11
2.5.2. Pencocokan Sampel ... 20
2.5.3. Pendeteksian Berbasis Feature ... 20
2.6. Speeded Up Robust Feature (SURF) ... 23
2.6.1. Integral Image ... 24
2.6.2. Key Point Detection ... 27
2.6.3. Descriptor Key Point ... 31
2.7. Fast Library for Approximate Nearest Neighbors(FLANN) ... 32
2.8. Unified Modelling Languange (UML) ... 32
2.8.1. DiagramUse Case ... 32
2.8.2. DiagramSequence ... 33
2.8.3. DiagramActivity ... 33
2.8.4. Digram Class ... 33
2.9. Emgu CV ... 34
2.10. Arduino ... 34
BAB 3 ANALISIS DAN PERANCANGAN SISTEM ... 35
3.1. Analisis Masalah ... 35 3.2. Analisis Metode ... 35 3.2.1. Image ... 36 3.2.2. Grayscale ... 37 3.2.3. SURF ... 38 3.2.3.1. Integral Image ... 38
3.2.3.2. Key Point Detection ... 39
vi
3.2.4. FLANN ... 53
3.3. Analisis Kebutuhan Non-Fungsional ... 54
3.3.1. Analisis Kebutuhan Perangkat Keras ... 54
3.3.2. Analisis Kebutuhan Perangkat Lunak ... 55
3.3.3. Analisis Pengguna ... 55
3.4. Analisis Kebutuhan Fungsional ... 55
3.4.1. DiagramUse Case ... 56
3.4.2. Skenario Use Case Mengatur Lokasi Penyimpanan Gambar Sampel ... 56
3.4.3. Skenario Use Case Mengatur Petak dan Lokasi Papan Permainan 58 3.4.4. Skenario Use Case Mengatur Pemain ... 61
3.4.5. Skenario Use Case Deteksi Kepemilikan Properti ... 63
3.4.6. Skenario Use Case Kalibrasi Posisi Papan Permainan ... 66
3.4.7. Skenario Use Case Mengatur Kamera dan Port Arduino ... 68
3.4.8. Skenario Use Case Mengatur Kecepatan dan Test Koordinat Alat Bantu... 69
3.4.9. Skenario Use Case Deteksi Petak ... 70
3.4.10. ActivityDiagram ... 73
3.4.10.1. Activity Diagram Mengatur Lokasi Penyimpanan Gambar Sample ... 73
3.4.10.2. Activity Diagram Mengatur Petak dan Lokasi Papan Permainan ... 74
3.4.10.3. Activity Diagram Mengatur Pemain ... 75
3.4.10.4. Activity Diagram Deteksi Kepemilikan Properti ... 76
3.4.10.5. Activity Diagram Kalibrasi Posisi Papan Permainan ... 77
vii
3.4.10.7. Activity Diagram Mengatur Kecepatan dan Test Koordinat Alat
Bantu ... 79
3.4.10.8. Activity Diagram Deteksi Petak ... 80
3.4.11. SequenceDiagram ... 81
3.4.11.1. Sequence Diagram Mengatur Lokasi Penyimpanan Gambar Sampel ... 81
3.4.11.2. Sequence Diagram Mengatur Petak dan Lokasi Papan Permainan ... 83
3.4.11.3. Sequence Diagram Mengatur Pemain ... 84
3.4.11.4. Sequence Diagram Deteksi Kepemilikan Properti ... 85
3.4.11.5. Sequence Diagram Mengatur Lokasi Penyimpanan Gambar Sampel ... 87
3.4.11.6. Sequence Diagram Mengatur Kamera dan Port Arduino ... 89
3.4.11.7. Sequence Diagram Mengatur Kecepatan dan Test Koordinat . 89 3.4.11.8. Sequence Diagram Deteksi Petak ... 91
3.4.12. ClassDiagram ... 93
3.5. Perancangan Sistem ... 95
3.5.1. Rancangan Antar Muka ... 95
3.5.1.1. Rancangan Menu Awal Pengenalan Objek ... 95
3.5.1.2. Rancangan Menu Pengaturan Petak ... 96
3.5.1.3. Rancangan Menu Pengaturan Pemain ... 99
3.5.2. Perancangan Pesan ... 100
3.5.3. Jaringan Semantik ... 101
3.5.4. Perancangan Prosedural ... 101
3.5.4.1. Flowchart Mengatur Lokasi Penyimpanan Gambar Sample.. 102
viii
3.5.4.3. Flowchart Mengatur Pemain ... 104
3.5.4.4. Flowchart Deteksi Kepemilikan Properti ... 105
3.5.4.5. Flowchart Kalibrasi Posisi Papan Permainan ... 106
3.5.4.6. Flowchart Mengatur Kamera dan Port Arduino ... 107
3.5.4.7. Flowchart Mengatur Kecepatan dan Test Koordinat ... 107
3.5.4.8. Flowchart Deteksi Petak ... 109
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 111
4.1. Implementasi ... 111
4.1.1. Implementasi Perangkat Keras ... 111
4.1.2. Implementasi Perangkat Lunak ... 112
4.1.3. Implementasi Antarmuka ... 112
4.1.4. Implementasi Antarmuka Tampilan Menu Utama ... 113
4.1.5. Implementasi Antarmuka Tampilan Menu Pengaturan Petak dan Lokasi Papan Permainan ... 113
4.1.6. Implementasi Antarmuka Tampilan Menu Pengaturan Pemain ... 113
4.2. Pengujian Sistem ... 113
4.2.1. Pegujian Alpha... 113
4.2.2. Skenario Pengujian Alpha ... 114
4.2.3. Pengujian Black Box ... 114
4.2.3.1. Pengujian Mengatur Petak ... 115
4.2.3.2. Pengujian Mengatur Pemain ... 127
4.2.3.3. Pengujian Kecepatan dan Test Koordinat Alat Bantu ... 135
4.2.3.4. Pengujian Mengatur Tempat Penyimpanan Gambar Sampel . 137 4.2.3.5. Pengujian Mengatur Kamera dan Port Arduino ... 138
ix
4.2.4.1. Pengujian Deteksi Petak ... 139
4.2.5. Pengujian Deteksi Petak pada Data Uji ... 169
4.2.6. Pengujian Multiplayer ... 170
4.2.7. Kesimpulan Pengujian Alpha ... 173
BAB 5 KESIMPULAN DAN SARAN ... 175
5.1. Kesimpulan ... 175
5.2. Saran ... 175
176
DAFTAR PUSTAKA
[1] T. Morelli, "Object Recognition in Video Games," 2005.
[2] Andre, Tutorial Belajar PHP Part 11: Pengertian Variabel dan Cara Penulisan Variabel PHP, http://www.duniailkom.com/pengertian-variabel-dan-cara-penulisan-variabel-php/, 6 April 2015.
[3] M. Guerrero, "A Commparative Study of Three Image Matching Algorithms : SIFT , Surf ,Fast," All Graduate Theses and Dissertations, p. 1040, 2011. [4] C. Evans, "Notes on OpenSURF Library," 2009.
[5] M. Muja and D. Lowe, FLANN - Fast Library for Approximate Nearest Neighbors User Manual, https://www.cs.ubc.ca/research/FLANN/uploads/
FLANN/FLANN_manual-1.8.4.pdf%3D10.1.1.192.5378%26rep%3Drep1
%26type%3Dpdf&ei=eSvRVdyhPIS_uASE, 05 April 2015. [6] M. Nazir, Metodologi Penelitian, Bogor: Ghalia Indonesia, 2005.
[7] R. S.Pressman, Rekayasa Perangkat Lunak Pendekatan Praktis, Yogyakarta: Andi, 2012.
[8] Prayudi, Pengertian Game Komputer, https://www.scribd.com/doc/8994707 7/Pengertian-Game-Komputer, 19 April 2015.
[9] S. Usman, Pengertian Game Menurut Para Ahli, http://www.mandalamaya. com/pengertian-Game-menurut-para-ahli, 20 April 2015.
[10] Syahsiyah, "Pengaruh Penggunaan Permainan Monopoli Sebagai Media Pengajaran Matematika Terhadap Minat Belajar Matematika Siswa Sekolah Dasar (Studi Eksperimen di SDIT AL-Hikmah Pela Mampang Kelas V Pada Pokok Bahasan Bangun Datar )," 2008.
[11] Parker Brothers, "Monopoly Parker Brothers Real Estate Trading Game". [12] I. Agustian, Definisi Citra, http://te.unib.ac.id/lecturer/indraagustian/2013
/06/defnisi-citra/, 23 April 2015.
[13] D. Putra, Pengolahan Citra Digital, Yogyakarta: C.V Andi OFFSET, 2010. [14] S. Kusrini, Sistem Pakar Teori dan Aplikasi, Yogyakarta: C.V ANDI
OFFSET, 2006.
[15] R. K. B. G. Ramesh Jain, Object Recognition, McGraw-Hill, 1995.
[16] C. Woodford, Optical Character Recognition(OCR), http://www.explai nthatstuff.com/how-ocr-works.html, 9 April 2015.
[17] R. Holley, "How good can it get Analysing and Improving OCR Accuracy in Large Scale Historic Newspaper Digitisation Programs," D-Lib Magazine, vol. 15, no. 3/4, 2009.
[18] C. Bisel, The DPI You Should Be Scanning Your Paper Photographs, http:// www.scanyourentirelife.com/dpi-should-be-scanning-your-paper-photogra phs/, 4 March 2015.
[19] Abbyy, OCR - Optimal Image Resolution, http://www.abbyy-developers.eu/
en:tech:insideocr:images_resolution_size, 4 march 2015.
[20] Oracle, Oracle Distributed Document Capture / Oracle Document Capture Administrator Guide, http://docs.oracle.com/cd/E10316_01/capture/capture _help/html_ododd/odc_c_overview.htm, 13 April 2014.
[21] freesourcecode, Template Matching Matlab Code, http://freesourcecode.net/ matlabprojects/58494/template-matching-matlab-code#.VdA-jvmqoSU, 19 April 2015.
[22] D. Chetverikov, Template Matching and Feature detection, http://www.inf.u -szeged.hu/ssip/2001/handouts/chetverikov/, 19 April 2015.
[23] A. Mordvintsev and A. K. Last, Template Matching, http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_imgproc/py_template_ma tching/py_template_matching.html, 6 June 2015.
[24] H.Kandil and A. Atwan, "A Comparative Study between SIFT-Particle and SURF-Particle Video Tracking ALgorithms," International Journal of Signal Processing, Image Processing and Pattern Recognition, vol. 5, no. 3, 2012. [25] E. Weisstein, Extremum, http://mathworld.wolfram.com/Extremum.html, 30
April 2015.
[26] H. Prabowo Pudjo Widodo, Menggunakan uml, Bandung: informatika, 2011.
[27] Emgu CV, Main Page, http://www.emgu.com/wiki/index.php/Main_Page, 19 April 2015.
[28] Arduino, What is Arduino, https://www.Arduino.cc/, 19 April 2015. [29] G. e. chun, How does EMGU CV convert an RGB image to Grayscale?,
http://stackoverflow.com/questions/22315838/how-does-emgu-cv-convert-an-rgb-image-to-Grayscale, 15 April 2015.
[30] TutorialsPoint, Grayscael to RGB Conversion, http://www.tutorialspoint. com/dip/Grayscale_to_RGB_Conversion.htm, 15 April 2015.
[31] Jscience, Class GreyscaleFilter, http://jscience.org/experimental/javadoc/ org/jscience/computing/ai/vision/GreyscaleFilter.html, 15 April 2015. [32] Had2Know, How to Convert RGB to Grayscale, http://www.had2know.com/
iii
KATA PENGANTAR
Asalamualaikum Wr.WbDengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Panyayang, puji dan syukur penulis panjatkan kehadirat Allah S.W.T karena dengan rahmat dan karunia-nya shingga penulis dapat menyelesaikan penyusunan skripsi yang berjudul “PEMBANGUNAN SISTEM PENGENALAN OBJEK PADA PERMAINAN MONOPOLI MENGGUNAKAN ALGORITMA SPEEDED UP ROBUST FEATURES” sebagai syarat untuk menyelesaikan studi jenjang strata satu (S1) di Program Studi Teknik Informatika, Universitas Komputer Indonesia.
Penulisan skripsi ini tidak lepas dari bantuan dan dukungan seluruh pihak, untuk itu penulis ingin mengucapkan banyak terima kasih kepada :
1. Kedua orang tua dan segenap keluarga, Bapak Drh Boy Sustanto dan Ibu Cucu Astri Yulani serta adik adik Safira Nabila Putri dan Sandrina Yasmina yang telah memberikan motivasi dan dukungan moral sehingga penulis dapat menyelesaikan penulisan skripsi ini.
2. Bapak Irfan Maliki, S.T., M.T., selaku dosen pembimbing yang telah memberikan bimbingan dan pengarahan kepada penulis selama penulisan skripsi ini.
3. Bapak Eko Budi Setiawan, S.Kom., M.T., selaku dosen reviewer dan penguji yang telah memberikan masukan dan saran kepada penulis.
4. Seluruh dosen di Universitas Komputer Indonesia khususnya pada Program Studi Teknik Informatika yang telah memberikan ilmu pengetahuan. 5. Teman-teman kelas IF-5 2011 yang telah membantu dan bekerjasama
selama masa perkuliahan dan masa penulisan skripsi.
Akhir kata penulis mengharapkan semoga skripsi ini dapat bermanfaat serta menambah wawasan pengetahuan baik bagi penulis dan umumnya dapat bermanfaat bagi para pembaca.
Wasalamualaikum Wr.Wb. Bandung, Agustus 2015