BAB I PENDAHULUAN
1.7. Sistematika Penulisan
Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut:
Bab 1: Pendahuluan
Bab ini berisi latar belakang, rumusan masalah, tujuan penelitan, batasan masalah, manfaat penelitian, metodologi penelitan dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi teori-teori yang diperlukan dalam penyelesaian permasalahan yang dibahas dalam penelitian ini.
Bab 3: Analisis dan Perancangan
Bab ini berisi arsitektur umum dan langkah-langkah tahapan teknologi wireless sensor, image processing dengan regresi linier dalam pendeteksian jumlah
kendaraan, jumlah gas, jumlah debu dan regresi linier dari jumlah kendaraan terhadap jumlah gas dan jumlah kendaraan terhadap jumlah debu .
Bab 4: Implementasi dan Pengujian
Bab ini berisi pembahasan tentang implementasi dari perancangan yang telah dijabarkan pada bab 3. Selain itu, hasil yang didapatkan dari pengujian yang dilakukan terhadap implementasi yang dilakukan juga akan dijabarkan pada bab ini.
Bab 5: Kesimpulan dan Saran
Bab ini berisi ringkasan kesimpulan dari rancangan yang telah dibahas pada bab 3, serta hasil penelitian yang dijabarkan pada bab 4. Bagian akhir dari bab ini memuat saran-saran yang diajukan untuk pengembangan penelitian selanjutnya.
8 BAB II
KAJIAN PUSTAKA
2.1. Tinjauan Pustaka 2.1.1. Sensor
Menurut D Sharon dkk sensor adalah suatu peralatan yang berfungsi untuk mendeteksi gejala-gejala atau sinyal-sinyal yang berasal dari perubahan suatu energy seperti energy listrik, energy fisika, energy kimia, energy biologi, energy mekanik dan sebagainya Sensor dalam teknik pengukuran dan pengaturan ini harus memenuhi persyaratan-persyaratan kualitas yakni:
a. Linieritas Sensor
Liniearitas sensor adalah hubungan antara besaran input menghasilkan besaran output dengan hubungan berbanding lurus dan dapat digambarkan secara grafik membentuk garis lurus.
Gambar 2.1 Grafik Keluaran dari sensor
Pada gambar 1.2 kita dapat melihat grafik {a} Tanggapan Linier dikarenakan setiap perubahan tegangan masukan diikuti oleh perubahan tegangan keluaran dan disebut sebagai persamaan garis lurus yang kontinyu , sedangkan yang {b} disebut tanggapan Non Linier, walaupun perubahan tegangan masukan diikuti oleh perubahan tegangan keluaran tetapi tidak membentuk persamaan garis lurus.
9 b. Sensitivitas Sensor
Sensitivitas sensor adalah perbandingan antara sinyal keluaran atau respon tranduser terhadap perubahan masukan atau variable yang diukur. Sensitivitas sensor akan menunjukkan seberapa jauh kepekaan sensor terhadap kuantitas yang diukur. Linieritas sensor juga mempengaruhi sensitivitas sensor, apabila tanggapannya Linier , maka sensitivitas akan sama untuk jangkauan pengukuran keseluruhan, dan apabila tanggapannya Non Linier kepekaan sensor akan lebih peka terhadap temperature yang tinggi daripada temperature yang rendah.
c. Tanggapan waktu sensor (Respon Time)
Tanggapan Waktu Sensor berarti seberapa cepat tanggapannya terhadap perubahan masukan.
Sensor secara umum berdasarkan fungsi dan penggunaannya dibagi menjadi 3 bagian yaitu, sensor thermal (panas), sensor mekanis, sensor optic(cahaya).
a. Sensor thermal adalah sensor yang digunakan untuk mendeteksi gejala perubahan / temperature/ suhu pada suatu dimensi benda atau dimensi ruang tertentu. Contohnya; bimetal, termistor, termokopel, RTD, photo transistor, photo dioda, photo multiplier, photovoltaik, infrared pyrometer, hygrometer, dan sebagainya.
b. Sensor Mekanis adalah sensor yang mendeteksi gerak mekanis, seperti pergerakan atau perpindahan posisi, gerak lurus dan melingkar, tekanan, aliran, level dsb. Contoh; strain gage, linear variable deferential transformer (LVDT), proximity, potensiometer, load cell, bourdon tube, dan sebagainya.
c. Sensor optic atau cahaya adalah sensor yang mendeteksi perubahan cahaya dari sumber cahaya, pantulan cahaya ataupun bias cahaya yang mengenai benda atau ruangan. Contoh; photo cell, photo transistor, photo diode, photo voltaic, photo multiplier, pyrometer optic, dan sebagainya.
10 Jenis sensor secara garis besar dibedakan menjadi 2 yaitu, Sensor fisika dan Sensor kimia.
a. Sensor Fisika adalah sensor yang mendeteksi suatu besaran berdasarkan hukum-hukum fisika , yang termasuk di dalam sensor fisika adalah:
1. Sensor Cahaya 2. Sensor Suara 3. Sensor Suhu 4. Sensor Gaya 5. Sensor percepatan
b. Sensor Kimia adalah sensor yang mendeteksi suatu besaran berdasarkan hokum-hukum kimia, yang termasuk di dalam sensor kimia adalah:
1. Sensor ph 2. Sensor Gas 3. Sensor Oksigen 4. Sensor Debu 5. Sensor Ledakan
2.1.2. Arduino
Gambar 2.2. Arduino UNO
Arduino adalah pengendali mikro single-board yang bersifat open-source, diturunkan dari Wiring platform, dirancang untuk memudahkan penggunaan elektronik dalam berbagai bidang. Hardwarenya memiliki
11 prosesor Atmel AVR dan softwarenya memiliki bahasa pemrograman sendiri.
Kelebihan Arduino adalah tidak perlu perangkat chip programmer karena didalamnya sudah ada bootloadder yang akan menangani upload program dari komputer. Memiliki modul yang siap pakai (Shield) yang bisa disambungkan dengan arduino. Contohnya Shield GPS, Ethernet, dan lain-lain.
2.1.3. GSM Shield Sim 908
Gambar 2.3. GSM Shield SIM908
GSM/GPRS Shield adalah modul ekspansi untuk Arduino yang memungkinkan Arduino dapat terhubung dengan jaringan seluler GSM.
Dengan modul ini, Arduino dapat menerima dan mengirim SMS, melakukan panggilan suara, serta dapat terhubung ke Internet dengan menggunakan port koneksi pada GSM/GPRS Shield. Pada dasarnya, fungsi GSM/GPRS Shield mirip dengan telepon genggam, namun dengan bentuk yang lain yang memang dikhususkan untuk Arduino. Cara pemasangan modul ini adalah dengan menumpuk nya diatas modul Arduino, oleh karena itu modul ini disebut juga dengan istilah shield.
2.1.4. Gas Polutan
Gas-gas polutan adalah gas-gas yang menyebabkan terjadinya polusi udara. Gas polutan menyebabkan berbagai macam penyakit mulai
12 penyakit pernapasan hingga penuakit organ dalam. Jumlah polutan yang dikeluarkan ke udara dalam satuan waktu dinamakn emisi. Emisi bisa disebabkan oleh biogenic emission (Proses Alam) contoh CH4 hasil aktivitas penguraian bahan organik oleh mikroba dan antropogenic amission (Kegiatan Manusia) contoh asap kendaraan, asap pabrik, asap rokok dan lain-lain.
Tabel 2.1 Daftar Gas Polutan dan Batas Aman bagi Kesehatan
NO Nama GAS Batas Aman
1 Hidrokarbon 0,24ppm/3 jam
2 Karbon Monoksida (CO2) 5000 ppm / 8 jam
Ketika konsentrasi gas-gas beracun terdeteksi dalam jangka waktu yang melebihi batas aman maka akan langsung mengakibatkan gangguan kesehatan pada manusia.
2.1.5. Partikel Debu dan Efek Negatif
Debu adalah salah satu pencemaran udara yang sering kali kita terkena tanpa disadari. Debu dapat terjadi karena alam seperti gunung meletus, dan juga dapat terjadi karena ulah manusia hasil pergerakan yg menimbulkan seperti pengeboran dan lain-lain. Debu dapat menimbulkan bahaya bagi kesehatan, misalnya seperti iritasi mata, batuk, gangguan pernapasan, dan bahkan alergi. BKMG mengklarifikasi tingkat pencemaran PM10 di udara.
13 Tabel 2.2. Klarifikasi Konsentrasi PM10 di Udara
Konsentras PM10 (μg/m3)
Kategori ISPU Efek
0 – 50 Baik Tidak Ada efek
50 – 150 Sedang Terjadi Penurunan
pada jarak pandang 150 – 250 Tidak Sehat Jarak Pandang Turun
>350 Berbahaya Tingkat berbahaya bagi semua populasi
yang terpapar
2.1.6. Sensor Gas
Sensor Gas yang dipergunakan adalah sensor gas MQ-135. MQ-135 Air Quality Sensor adalah sensor yang memonitor kualitas udara untuk mendeteksi gas amonia (NH3), natrium-(di)oksida (NOx), alkohol / ethanol (C2H5OH), benzena (C6H6), karbondioksida (CO2), gas belerang / sulfur-hidroksida (H2S) dan asap / gas-gas lainnya di udara. Sensor ini melaporkan hasil deteksi kualitas udara berupa perubahan nilai resistensi analog di pin keluarannya. Pin keluaran ini bisa disambungkan dengan pin ADC (analog to digitial converter) di mikrokontroller / pin analog input Arduino dengan menambahkan satu buah resistor saja (berfungsi sebagai pembagi tegangan / voltage devider).
14 Gambar 2.4. Sensor Gas MQ-135
Spesifikasi Sensor MQ-135 dapat diuraikan sebegai berikut:
1. Sumber catu daya menggunakan tegangan 5 Volt.
2. Menggunakan ADC dengan resolusi 10 bit.
3. Tersedia 1 jalur output kendali ON/OFF.
4. Pin Input/Output kompatibel dengan level tegangan TTL dan CMOS.
5. Dilengkapi dengan antarmuka UART TTL dan I2C.
6. Signal instruksi indikator output;
7. Output Ganda sinyal (output analog, dan output tingkat TTL);
8. TTL output sinyal yang valid rendah; (output sinyal cahaya rendah, yang dapat diakses mikrokontroler IO port)
9. Analog Output dengan meningkatnya konsentrasi, semakin tinggi konsentrasi, semakin tinggi tegangan;
10. Memiliki umur panjang dan stabilitas handal;
11. karakteristik pemulihan respon cepat.
2.1.7. Sensor Debu
Sensor debu adalah sensor yang mengukur kepadatan partikel kompak. Prinsip kerja sensor debu yaitu pemanas pada sensor menginduksi aliran udara ke modul, sehingga partikel debu di udara juga mengalir ke modul.
15 Gambar 2.5. Dust Sensor SHARP GP2Y1010AU0F
Spesifikasi dari sensor debu dust sensor Sharp GP2Y1010AU0F dapat diuraikan sebegai berikut:
1. Tegangan Operasi : 5 V
2. Suhu Operasional : -10 sampai +65C
3. Penggunaan daya rendah (ICC : Max 20 mA) 4. Dapat membedakan asap dari debu
5. Output berupa level tegangan analog yang dapat dikonversi dengan mudah oleh ADC builtin Arduino (analog pin)
2.2. Citra Digital
Citra digital dapat dinyatakan sebagai fungsi dua dimensi f(x,y), dimana x dan y adalah posisi koordinat sedangkan f adalah amplitude diantara x dan y atau yang sering disebut grayscale atau intensitas. Nilai intensitas diskrit mulai dari 0 sampai dengan 255, begitu pula dengan nilai x, y, dan f(x,y) harus terletak pada range tertentu yang terbatas jumlahnya. Citra yang ditangkap oleh kamera dan telah dikuantisasi dalam bentuk diskrit disebut citra digital.
2.3.Image Processing (Proces Citra)
Image Processing adalah suatu proses menganalisis dan memanipulasi data menjadi data yang memiliki kualitas citra yang lebih baik dan yang kita inginkan (Aynurrohmah, Sunyoto, & Kunci, 2011). Dalam melakukan proses, image processing melibatkan 3 langkah dalam prosesnya yaitu:
16 a. Input
Mengambil suatu image menggunakan alat optical scanner yang hasilnya berupa digital image
b. Proses
Setelah proses input maka data tersebut diproses menggunakan suatu teknik yang ditentukan
c. Output
Data yang diproses akan ditampilkan dengan cara tertentu. Output yang dihasilkan dapat berupa image atau data.
2.4. Deteksi Tepi Canny
Canny merupakan salah satu algortima deteksi tepi yang banyak digunakan dan diperkenalkan oleh Marr dan Hildreth. Terdapat beberapa kriteria pendeteksi tepi optimum yang dapat dipenuhi oleh algortima Canny, yaitu:
a. Mendeteksi dengan Baik (Kriteria Deteksi)
Kemampuan untuk menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvlusi yang dilakukan. Canny juga mampu menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.
b. Melokalisasi dengan Baik (Kriteria Lokalisasi)
Canny mampu untuk menghasilkan jarak minimum antara tepi yang dideteksi dengan tepi yang asli.
c. Respon yang Jelas (Kriteria Respon)
Canny hanya menyediakan satu respon untuk tiap tepi, sehingga memudahkan pendeteksian dan tidak akan menimbulkan kerancuan pada pengolahan citra selanjutnya.
Algoritma Canny berjalan dalam 5 langkah terpisah yaitu:
a. Smoothing
Mengaburkan gambar untuk menghilangkan noise.
b. Finding Gradien
17 Tepian yang ditandai pada gambar memiliki gradient yang besar.
c. Non Maximum Suppresion
Hanya maxima local yang ditandai sebagai edge.
d. Double Thresholding
Tepian yang berpotensi ditentukan oleh thresholding.
e. Edge Tracking by Hysteresis
Tepian akhir ditentukan dengan menekan semua sisi yang tidak terhubung dengan tepian yang sangat kuat.
2.5.Gaussian Filter
Gaussian filter adalah linear filter yang biasanya digunakan sebagai pengolah citra agar dapat lebih halus. Gaussian filter yang banyak digunakan dalam memproses gambar. Gaussian filter bertujuan untuk menghilangkan noise pada citra dan meningkatkan kualitas detil citra.
Gaussian merupakan model noise yang mengikuti distribusi normal standard dengan rata-rata nol dan standard deviasi 1. Efek dari gaussian ini, pada gambar muncul titik-titik berwarna yang jumlahnya sama dengan presentase noise. Noise speckle merupakan model noise yang memberikan warna hitam pada titik yang terkena noise. Sedangkan noise salt &
pepper seperti halnya taburan garam, akan memberikan warna putih pada titik yang terkena noise.
2.6.Blob Detection
Blob detection atau deteksi blob yaitu mendeteksi kumpulan titik-titik piksel yang memiliki warna berbeda (lebih terang atau lebih gelap) dari latar belakang dan menyatukannya dalam suatu region. Dalam deteksi blob, algoritma yang dipakai adalah algoritma growing regions. Algoritma ini digunakan untuk menemukan blob di dalam sebuah citra, serta bisa diaplikasikan pada sequence image. Konsep algoritma growing regions adalah menampilkan image sebagai matrik piksel dan nilai garis yang sudah pasti.
Contohnya, jika image adalah image grayscale, setiap piksel dari image tersebut
18 pasti memiliki nilai yang mengindikasikan tingkat kecerahan dari image tersebut pada titik piksel tersebut. Dalam algoritma yang dipakai adalah format biner. Frame yang diolah dengan algoritma ini adalah frame asli dan frame hasil segmentasi yang dalam tipe biner.
Sebagian besar metode blob detection didasarkan pada representasi skala ruang. Tujuan utama representasi skala ruang adalah untuk memahami struktur citra pada semua tingkat resolusi secara bersamaan dan citra dalam berbagai skala. Skala ruang diperoleh dengan menerapkan smoothing kernel, misal Gaussian.
2.7.Regresi Linier
Regresi linier adalah metode statistika yang digunakan untuk membentuk model hubungan antara variable terkait (depnden; respon; Y) dengan satu atau lebih variabel bebas (independen, prediktor, X) (Deny Kurniawan, 2008). Apabila variabel bebas hanya satu, disebut sebagai regresi linier sederhana, sedangkan apabila terdapat lebih dari 1 variabel bebas, disebut sebagai regresi linier berganda.
Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi. Regresi mampu mendeskrpsikan fenomena data melalui terbentuknya suatu model hubungan yang bersifat numerik.
Regresi juga dapat digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati melalui penggunaan model regresi yang diperoleh. Selain itu, regresi juga dapat dimanfaatkan untuk melakukan prediksi untuk variabel terikat.
2.7.1. Regresi Linier Sederhana
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai
19 dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.
Rumus regresi linear sederhana sebagi berikut:
Y = a + bX Keterangan:
Y = Variabel dependen (nilai yang diprediksikan) X = Variabel independen
a = Konstanta (nilai Y apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
2.7.2. Regresi Linier Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y = a + b1X1+ b2X2+…..+ bnXn
Keterangan :
Y = Variabel Dependen (nilai yang diprediksikan) X1 dan X2 = Variabel Independen
a = Konstanta (nilai Y apabila X1, X2, … , Xn = 0 )
b = Koefisien Regresi ( nilai Peningkatan ataupun penurunan )
2.8.Penelitian Terdahulu
Sebelumnya, penelitian yang ingin diajuakan penulis mungkin sudah banyak menyinggung ataupun sudah melakukan beberapa penelitia, berikut
20 adalah beberapa peneletian terdahulu yang sesuai dengan penelitian yang diajukan oleh penulis :
Tabel 2.3 Penelitian Terdahulu
No Judul / Tahun Penulis Keterangan
1 Pemodelan Regresi Linier dalam konsumsi kwh listrik
di kota batu menggunakan algoritma genetika
2 Deteksi dan Monitoring Polusi Udara berbasis Array
Sensor Gas / 2013 beberapa Sensor gas
3 Wireless sensor system untuk monitoring
konsentrasi debu menggunakan algoritma Ruled Based partikel debu
dan efek negative / 2016
Agus Sulistyo, Pemantauan konsentrasi debu di pollution health risk for
environmental management : Combining
Mobile and stationary air pollution monitoring with neural network / 2016
Matthew D Adams,
21
No Judul / Tahun Penulis Keterangan
5 Sistem Klarifikasi jenis kendaraan melalui teknik
olah citra digital
Bagus Pribadi, Muchammad
Nasser
Menghitung jumlah kendaraan dan juga
laju kendaraan dengan menggabungkan kamera pengawas
jalan dan metode optic flow
22 BAB III
ANALISIS DAN PERANCANGAN SISTEM
Perancangan sistem meliputi perancangan pada perangkat keras (Hardware) dan perangkat lunak (software). Pada Perancangan perangkat keras adalah mengenai cara merangkai seluruh perangkat keras yang akan digunakan. Antara lain rangkaian pada sensor seperti MQ135, Dust Sensor SHARP GP2Y1010AU0F, Regulator dan Modul GSM Shield yang seluruh rangkaian pada perangkat keras tersebut akan dihubungkan dengan Arduino uno sebagai pusat sistemnya.
Rangkaian bekerja sesuai dengan program yang dibuat dan diunggah kedalam ic kontroler. Proses kerja rangkaian setelah diaktifkan adalah membaca sensor, mengkalibrasi data sensor dan mengirim ke website melalui modul GSM Shield.
Sedangkan perancangan perangkat lunak (Software) dibagi menjadi dua bagian. Bagian pertama perancangan perangkat lunak menggunakan bahasa pemrograman Python (versi 2.7) yang digunakan untuk mendapatkan jumlah kendaraan bermotor dan mengirim data jumlah kendaraan ke website. Bagian kedua perancangan perangkat lunak menggunakan bahasa pemrograman PHP untuk mendapatkan data yang telah dikirim dari hardware dan dari software Python yang terhubung dan sebagai tampilan untuk memantau data pada sistem.
3.1. Alat dan Bahan
Adapun alat dan bahan yang digunakan untuk membangun system pemantauan ini ialah sebagai berikut:
Tabel 3.1 Alat dan Bahan
Alat Software
Arduino UNO IDE Arduino
Sensor MQ – 135 Xampp
Dust Sensor SHARP GP2Y1010AU0F Fritzing
Regulator Sublime
Modul GSM Shield SIM 908 MS Visio 2013
23 3.2. Data yang digunakan
Pada pembangunan sistem ini, menggunakan data berupa pemantauan Gas, dan Debu, yang masing-masing data tersebut diukur dengan sensor yang telah ditentukan, dan rekaman video di suatu jalan yang rekaman tersebut akan diolah menggunakan bahasa pemrograman python.
3.3. Analisis Sistem
Analisis sistem ini bertujuan untuk mengidentifikasi sistem yang akan dikembangkan. Analisis sistem diperlukan sebagai dasar perancangan sistem. Pada penelitian ini, analisa yang akan dilakukan berupa arsitektur umum. Arsitektur umum akan menggambarkan keseluruhan metode yang diterapkan. Arsitektur umum mengenai system pemantauan gas beracun dan debu dari kendaraan bermotor dengan menggunakan modul GSM shield secara real time berbasis web dapat dilihat pada gambar 3.1 berikut ini :
24 Gambar 3.1 Arsitektur Umum
Berikut adalah penjelasan dari tahap-tahapan arsitektur umum dari penelitian ini:
a. Input
Adapun yang diinput dalam sistem ini adalah hasil pendeteksian dari sensor gas beracun, debu, dan Video.
b. Process Hardware
Rancangan sensor ini yang nantinya akan diletakkan pada lokasi di luar ruangan untuk memantau kondisi gas dan debu disekitar, secara umum deskripsi dari alat ini dimulai dari sensor yang akan mendeteksi masing masing besaran yang telah diukur kemudian dengan signal condition
25 keluaran sensor disesuaikan dengan kebutuhan masukan Arduino uno yang digunakan sebagai pemroses dan penghitungan data kemudian mengupload kode program ke board sensor.
Pertama dilakukan perangkaian pada seluruh sensor agar tersambung dan terhubung pada arduino, setelah melakukan pemasangan kartu GSM terhadap GSM Shield, arduino dihubungkan ke catu daya untuk mendapatkan pasokan tegangan untuk menyalakannya, kemudian kode program akan di upload, sebelum dilakukan pengirim nilai sensor dari masing-masing perangkat sensor ke dalam arduino, nilai sensor diinisialisasi terlebih dahulu agar semua perangkat yang terhubung dapat dikenali. Setelah Arduino menghitung dan memproses data dari sensor maka data tersebut akan dikirim ke dalam web server untuk kemudian dapat dilakukan proses monitoring secara real time, pengiriman data ke server menggunakan GSM Shield yang sebelumnya telah dihubungkan pada arduino. Setelah data telah terkirim maka nilai data sensor akan tertera pada website monitoring dengan mengaksesnya melalui web browser.
c. Pra Processing, Grayscale and Treshold:
Dalam tahapan ini adalah setelah tahapan inputan video diterima oleh program proses selanjutnya adalah grayscale dan threshold. Citra pada rekaman video akan diubah menjadi citra abu-abu dengan nilai threshold untuk menghasilkan objek yang lebih terang daripada backgroundnya. Pada penelitian ini citra akan diubah menjadi citra hitam putih atau biner.
Gambar 3.2 Grayscale and Treshold
26 d. Processing, Blob Detection
Blob detection atau deteksi blob yaitu mendeteksi kumpulan titik-titik piksel yang memiliki warna berbeda (lebih terang atau lebih gelap) dari latar belakang dan menyatukannya dalam suatu region.
e. Result
Proses terkahir adalah proses pelabelan terhadap objek yang sudah diklasifikasikan pada proses sebelumnya. Untuk objek yang sudah di identifikasi akan diberikan label kotak putih, dan juga diberikan tanda garis merah jika objek melewati garis tersebut maka objek akan dihitung.
Gambar 3.3 Result Blob Detection f. Processing Regresi Linier
Data yang diterima olleh web server akan di proses di dalamnya menggunakan metode regresi linier sederhana. Regresi linier yang pertama adalah regresi linier sederhana antara jumlah kendaraan terhadap jumlah gas, dan regresi linier yang kedua adalah regresi linier sederhana antara jumlah kendaraan dengan jumlah debu.
1. Regresi linier sederhana antara jumlah kendaraan dan jumlah gas Pada bagian ini, kita akan mencoba membuat regresi linier sederhana dari dua variable tersebut. Pada bab 2 tepatnya pada bagian regresi linier telah di jelaskan persamaan regresi linier sederhana dengan persamaan:
27
Y = a + bX (1)
Untuk mencari nilai a, kita dapat mencarinya dengan rumus:
𝑎 = (Σ𝑦 ∗ Σ𝑥2) − (Σ𝑥 ∗ Σ𝑥𝑦) 𝑛 ∗ Σ𝑥2− (Σ𝑥)2 Dimana n adalah jumlah data
Untuk mencari nilai b, kita dapat mecarinya dengan rumus:
𝑏 = 𝑛 ∗ (Σ𝑥𝑦) − (Σ𝑥 ∗ Σ𝑦) 𝑛 ∗ Σ𝑥2− (Σ𝑥)2
Data yang akan di uji:
Tabel 3.2 Data Percobaan 1
No Jumlah
Dari table diatas kita bisa mencari nilai dengan dengan rumus a yang sudah tertera di atas:
𝑎 = (218 ∗ 84280.49) − (622.79 ∗ 29302.25)
28 Dari table diatas kita bisa mencari nilai dengan dengan rumus b yang sudah tertera di atas:
𝑏 =(5 ∗ 29302. 25) − (622.79 ∗ 218)
Dari hasil a dan b kita bisa menentukan persamaan regresi liniernya:
Y = 3.7 + 0.32X
Grafik regresi linier dari data tersebut adalah:
Gambar 3.4 Grafik Percobaan 1
2. Regresi linier sederhana antara jumlah kendaraan dan jumlah debu Data yang akan di uji:
Regresi Linier Jumlah Gas terhadap Jumlah Kendaraan
(4)
29 Tabel 3.3 Data Percobaan 2
No Jumlah
Dari table diatas kita bisa mencari nilai dengan dengan rumus a
Dari table diatas kita bisa mencari nilai dengan dengan rumus a