Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester II Tahun 2021/2022
Sistem Perhitungan Total Objek di Kasir dengan Metode Image Processing
Chandrika Azharyanti / 13518001 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan Ganesha 10 Bandung
Abstract—Perkembangan teknologi yang pesat banyak mempengaruhi aspek kehidupan sehari-hari, termasuk dengan berkembangnya tata cara orang berbelanja di supermarket dimana banyak yang menerapkan self checkout. Terdapat jenis supermarket yang menjual seluruh barang dengan harga yang sama, contohnya seperti dollar tree. Perhitungan total harga barang belanja dapat dengan mudah dilakukan dengan menghitung total barang yang dibeli lalu dikalikan dengan suatu harga. Dengan memanfaatkan metode image processing, penulis ingin membuat system perhitungan kasir yang mudah untuk toko 1 harga dengan mengimplementasikan program mendeteksi jumlah objek dari suatu citra.
Kata kunci—jumlah objek; image processing; kasir;
I. PENDAHULUAN
Masyarakat perlu memenuhi kebutuhan sehari-harinya, mulai dari yang bersifat primer hingga sekedar untuk memenuhi keinginan. Walaupun sekarang sudah ramai belanja melalui daring, masih banyak masyarakat yang lebih memilik untuk meluangkan waktu berbelanja di toko fisik. Menurut laporan Capgemini's Smart Stores, menghabiskan waktu dalam antrian panjang ketika watu membayar adalah keluhan utama konsumen di toko — itulah sebabnya pembeli semakin menyukai pembayaran mandiri.
Gambar I.1 Contoh Mesin self checkout Sumber : Google
Dengan adanya self checkout, pelanggan mendapatkan pengalaman di dalam toko yang lebih baik dan proses checkout yang lebih cepat tanpa antrian. Selain permasalahan tersebut, pembayaran mandiri juga meningkatkan kenyamanan
pelanggan dengan memberikan pembeli lebih banyak pilihan dan control selama berberlanja. Dengan adanya pembayaran mandiri, supermarket juga dapat mengalokasikan sumber daya dan area yang digunakan kasir untuk keperluan lainnya.
Dikarenakan banyaknya keuntungan yang didapatkan oleh kedua belah pihak, -- pelanggan dan pemilik supermarket, maka pembayaran mandiri sebaiknya diimplementasikan. Saat ini kebanyakan pembayaran mandiri dilakukan dengan cara pembeli melakukan scan untuk setiap barang yang dibeli. Cara checkout tersebut tergolong masih memakan waktu, oleh karena itu akan lebih mudah dan cepat jika checkout dilakukan hanya dengan pelanggan menaruh barang-barang yang dibeli diatas meja. Sistem kemudian akan menghitung jumlah barang yang dibeli dan menghitung total harga yang perlu dibayarkan.
Makalah ini berfokus pada metode pengolahan citra yang akan digunakan untuk membangun system perhitungan jumlah objek. Sistem akan mengambil sebuah citra barang belanjaan yang setelah hasil proses akan menghasilkan perhitungan total biaya belanjaan.
II. LANDASANTEORI A. Perusahaan Dagang
Perusahaan dagang merupakan suatu kegiatan yang melakukan kegiatan perdagangan dan melakukan pembelian barang dagangan dan menjualnya kembali tanpa melakukan perubahan bentuk untuk memperoleh laba.
Di mana, barang dagangan yang dimaksud merupakan barang yang dibeli perusahaan untuk kemudian dijual kembali.
Lebih mudahnya adalah perusahaan yang bisnis utamanya membeli barang dari supplier dan menjualnya lagi ke pelanggan tanpa mengubah wujud barang tersebut. Misalnya, toko kelontong ataupun supermarket.
Berdasarkan keterlibatan konsumen, perusahaan dagang dibagi menjadi :
• Wholesaler: Perusahaan dagang besar atau wholesaler merupakan perusahaan yang melakukan pembelian produk di pabrik dengan jumlah yang besar. Kemudian, perusahaan ini menjual barang tersebut ke pedagang dengan volume penjualan yang cukup besar. Salah satunya adalah grosir.
Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester II Tahun 2021/2022
• Middle Man Perusahaan yang melakukan pembelian dengan jumlah besar, kemudian dijual kembali ke pengecer dalam jumlah sedang. Contohnya adalah subgrosir.
• Retailer: Perusahaan yang gaya transaksinya seperti pedagang eceran. Perusahaan ini memiliki hubungan langsung dengan konsumennya, karena mereka dapat membeli produk secara eceran atau retail. Misalnya, kios, supermarket, toko kelontong, toko swalayan, dan lainnya.
Toko satu harga umumnya bersifat retailer, dimana konsumen membeli kebutuhan mereka dan melakukan pembayaran langsung ditempat.
B. Pengolahan Citra
Pengolahan citra adalah pemrosesan citra menjadi citra lain untuk tujuan tertentu, misalnya mendapatkan kualitas citra yang lebih baik. Menurut Ail K Jain, umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila:
1. perbaikan atau memodifikasi citra perl dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra,
2. elemen di dalam citra perl dikelompokkan, dicocokkan, atau diukur,
3. sebagian citra perlu digabung dengan bagian citra yang lain.
C. Citra Digital
Citra digital adalah representasi citra kontinu melalui pencuplikan(sampling) secara ruang dan waktu.. Citra tersusun oleh sekumpulan piksel (picture element) yang memiliki koordinat (x,y) dan amplitudo f(x,y). Koordinat (x,y) menunjukkan letak/posisi piksel dalam suatu citra, sedangkan amplitudo f(x,y) menunjukkan nilai intensitas warna citra.Terdapat beberapa operasi di dalam pengolahan citra digital, seperti :
1. Perbaikan kualitas citra (image enhancement).
2. Pemampatan citra (image compression).
3. Pengorakan citra (image analysis) 4. Rekonstruksi citra (image reconstruction) 5. Restorasi citra (image restoration) 6. Pemampatan citra (image compression)
Terdapat beberapa jenis citra digital, yaitu citra biner, citra grayscale dan citra warna.
D. Citra Grayscale
Citra grayscale merupakan citra yang menggunakan tingkatan warna abu-abu. Citra grayscale menyatakan nilai intensitas tiap piksel dengan nilai tunggal, dimana setiap piksel komponen merah, hijau, dan biru mempunyai intensitas yang sama. Citra grayscale lebih mudah diproses
oleh karena hanya memiliki satu nilai intensitas pada setiap pixel.
Intensitas nilai citra grayscale berkisar antara 0 sampai dengan 255 dimana nilai 0 menyatakan hitam dan nilai 255 menyatakan putih sehingga warna antaranya adalah abu- abu. Derajat keabuan pada citra grayscale memiliki beberapa skala nilai, tidak terbatas pada skala 0 sampai 255.
Hal ini tergantung nilai kedalaman pixel citra. Contoh pembagian nilai derajat keabuan berdasarkan kedalam pixel ditunjukkan pada tabel 1.
TABLE I. NILAI DERAJAT KEABUAN
Grayscale Scale Pixel Depth
(2) = 21 0 sampai 1 1 bit
(4) = 22 0 sampai 3 2 bit
(16) = 24 0 sampai 15 4 bit (256) = 28 0 sampai 255 8 bit
E. Pendeteksian Tepi
Tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang mendadak (besar) dalam jarak yang singkat.
Tepi memiliki arah, dan arah ini berbeda-beda pada bergantung pada perubahan intensitas. Tepi biasanya terdapat pada batas antara dua daerah yang berbeda intensitas dengan perubahan yang sangat cepat di dalam citra.
Gambar II.1 Tepi pada citra
Terdapat empat macam tepi, yaitu tepi curam (step edge), tepi landai (ramp edge), tepi garis (line edge), dan tepi atap (roof edge).
Pendeteksian tepi dapat dipahami dengan pendekatan kalkulus diferensial. Sebab, perubahan intensitas yang besar
Gambar II.2. Jenis-jenis tepi
Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester II Tahun 2021/2022 dalam jarak yang singkat dipandang sebagai fungsi yang
memiliki kemiringan yang besar.
𝜕𝐹
𝜕𝑥= lim
!→#
𝐹(𝑥 + ℎ, 𝑦) − 𝐹(𝑥, 𝑦)
Karena citra f(x,y) adalah fungsi dwimatra dalam bentuk ℎ diskrit, maka turunan pertamanya adalah secara parsial :
Dimana ∆𝑥 = ∆𝑦 = 1 sehingga
Kedua turunan parsial di atas dapat dipandang sebagai dua buah mask konvolusi:
Pendeteksian tepi citra juga dapat dilakukan menggunakan operator turunan kedua atau yang biasa disebut operator LaPlace. Operator Laplace mendeteksi lokasi tepi lebih akurat khususnya pada tepi yang curam. Pada tepi yang curam, turunan keduanya mempunyai persilangan nol (zero- crossing), yaitu titik di mana terdapat pergantian tanda nilai turunan kedua dari positif ke negative atau sebaliknya.
Setelah menghampiri turunan pertama dengan diferensial mundur dan memasukkan ∆𝑥 = ∆𝑦 = 1 maka diperoleh mask konvolusi sebagai berikut :
Kadangkala pendeteksian tepi dengan operator Laplace menghasilkan tepi-tepi palsu yang disebabkan oleh gangguan pada gambar. Untuk mengurangi kemunculan tepi palsu, citra ditapis dulu dengan fungsi Gaussian. Konvolusi citra juga dapat
langsung dilakukan dengan penapis LoG berukuran 5 x 5 seperti berikut :
Terdapat beberapa operator gradien lainnya, salah satunya adalah operator sobel. Operator sobel adalah magnitudo dari gradien yang dihitung dengan rumus :
yang dalam hal ini, turunan parsial dihitung dengan
dengan konstanta c = 2, didapatkan dalam bentuk mask
Operator lainnya adalah operator prewitt. Operator ini sama dengan operator sobel hanya saja menggunakan nilai c = 1.
Sehingga didapatkan :
Selanjutnya terdapat operator silang atau yang dikenal dengan operator roberts. Gradien roberts dalam arah-x dan arah-y dihitung dengan rumus :
sehingga dalah bentuk mask didapatkan : Gambar II.3. Hasil konversi citra grayscale
Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester II Tahun 2021/2022 Terakhir terdapat operator deteksi tepi yang dapat
menghasilkan tepi dengan ketebalan 1 pixel. Operator ini dikenal sebagai operator canny. Berikut langkah-langkah operator canny :
1. Haluskan citra I menggunakan penapis Gaussian G (dengan standard deviasi yang dispesifikasikan): G*I 2. Hitung gradien dan arah gradien setiap pixel dengan salah satu dari empat operator sebelumnya (misalnya operator Sobel)
3. Jika nilai mutlak (magnitude) gradien suatu pixel melebihi nilai ambang T, maka pixel tersebut termasuk pixel tepi.
III. METODEPENYELESAIANMASALAH
Untuk contoh penyelesaian masalah, penulis menggunakan citra berikut sebagai citra masukan yang akan diproses oleh program yang dibangun.
Agar program yang dibangun dapat menghitung jumlah objek pada citra, citra dikonversi dahulu menjadi citra grayscale agar lebih mudah untuk diproses. Pada program ini, penulis menggunakan fungsi konversi citra berwarna ke citra grayscale dari MATLAB . Berikut kode yang digunakan dan hasil citra grayscale.
I = rgb2gray(imread("gambarinput.jpg"));
Selanjutnya, untuk mengetahui bagian mana saja yang merupakan objek dan bukan background, dilakukan pendeteksian tepi terhadap citra grayscale. Penulis menggunakan fungsi bawaan MATLAB untuk mendeteksi tepi, terdapat beberapa pilihan operator yang dapat digunakan seperti Canny, Log, Prewitt, Sobel, dan Roberts.
Berikut kode yang digunakan dan hasil pendeteksian tepi.
edge_image = edge(I, 'Canny');
Gambar III.1. Citra masukan
Gambar III.2Hasil pendeteksian tepi Gambar II.2. Hasil citra
grayscale
Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester II Tahun 2021/2022 Agar lokasi objek lebih dapat dipastikan dan
dipisahkan dari background, dilakukan beberapa aksi tambahan yaitu menyambungkan tepi-tepi yang tidak terhubung. Proses ini dilakukan menggunakan fungsi imclose dari MATLAB. Fungsi tersebut melakukan penutupan morfologis pada gambar skala abu-abu atau biner menggunakan suatu elemen struktur. Terdapat beberapa jenis elemen struktur yang dapat digunakan seperti diamond, disk, octagon, line, rectangle, dan square.
Pada program ini penulis menutuh tepi yang tidak tehubung menggunakan elemen garis (line) dengan panjang 10. Berikut kode yang digunakan dan hasil penutupan tepi.
se = strel('line',10,0);
opened_image = imclose(edge_image, se);
Gambar III.3. Hasil penutupan tepi
Setelah tepi dari setiap objek tersambung dengan jelas, untuk membedakan objek dah latar belakang dilakukan pengisian dari tepi objek menggunakan fungsi imfill dari MATLAB. Berikut kode yang digunakan dan hasil pengisian tepi.
filled_image = imfill(closed_image,'holes');
Gambar III.4. Hasil pengisian tepi
Perbedaan antara objek dan background sudah terlihat cukup jelas, namun masih terdapat beberapa area kecil yang merupakan hasil deteksi tepi dari derau pada citra. Agar area kecil tersebut tidak mengganggu hasil perhitungan jumlah objek, dilakukan penghapusan area dengan erosi. Hasil citranya akan berupa nilai terkecil dari pixel yang berada disekitarnya.
Proses ini menggunakan fungsi imopen dari MATLAB dan menggunakan elemen struktur square. Berikut kode yang digunakan dan hasil penghapusan objek kecil.
se = strel('square',50);
opened_image = imopen(filled_image, se);
Gambar III.5. Hasil Penghapusan objek kecil
Makalah IF4073 Interpretasi dan Pengolahan Citra, Semester II Tahun 2021/2022 Setelah seluruh objek terpisah dengan baik dengan
background, dapat dilakukan perhitungan jumlah objek berdasarkan jumlah area terpisah yang ada pada citra.
Perhitungan menggunakan fungsi bwlabel dari MATLAB.
Berikut kode yang digunakan dan hasil perhitungan jumlah objek.
[L, num]=bwlabel(opened_image, 4);
IV. KESIMPULAN
Banyak hal yang dapat diterapkan pada kehidupan sehari- hari dari pembelajaran pengolahan citra. Salah satunya adalah pengaplikasian image processing dan edge detection untuk menyelesaikan permasalahan untuk menghitung total objek pada kasir self checkout. Berdasarkan hasil pembangunan program dan percobaan dengan citra masukan diatas, program berhasil menghitung jumlah objek yang ada pada citra. Hasil ini kemudian dapat dikalikan dengan suatu harga untuk menjadi hasil perhitungan yang nanti ditampilkan pada kasir.
Dari percobaan diatas juga ditemukan beberapa kelemahan dari program, seperti terdeteksinya bayangan dari objek.
Dimana jika bayangan dari suatu objek mengenai objek lain, dapat menyebabkan program menganggan kedua objek tersebut merupakan satu kesatuan yang nantinya dapat berdampak pada hasil perhitungan. Program juga masih belum bisa menghasilkan segmentasi objek sesuai dengan bentuk aslinya dikarenakan efek dari backgroundnya yang terdapat derau.
V. PENUTUP
Segala puji bagi Allah SWT yang telah memberikan penulis kemudahan sehingga dapat menyelesaikan makalah ini dengan tepat waktu. Penulis juga mengucapkan terima kasih
kepada kedua orang tua serta teman-teman yang memberi dukungan secara moral mauun doa selama pengerjaan makalah ini. Tidak lupa juga penulis mengucapkan terima kasih kepada Bapak Dr. Ir. Rinaldi Munir, M.T. selaku dosen mata kuliah Interpretasi dan Pengolahan Citra yang telah memberi materi untuk penulisan makalah. Akhir kata, penulis menyadari masih terdapat kekurangan dan kesalahan kata dalam makalah ini, penulis berharap makalah ini dapat digunakan sebaik-baiknya dan dikembangkan sehingga lebih menghasilkan manfaat bagi masyarakat luas
LINK YOUTUBE
https://youtu.be/erb75MT31PA REFERENCES
[1] https://informatika.stei.itb.ac.id/~rinaldi.munir/Citra/2019-2020/13- Pendeteksian-Tepi.pdf. Diakses pada 24 Mei 2022
[2] https://blog.gunnebocashmanagement.com/5-reasons-why-supermarket- self-checkouts-work. Diakses pada 23 Mei 2022
[3] https://ajaib.co.id/mengenal-perusahaan-dagang-dan-jenis-jenisnya/.
Diakses pada 23 Mei 2022
PERNYATAAN
Dengan ini saya menyatakan bahwa makalah yang saya tulis ini adalah tulisan saya sendiri, bukan saduran, atau terjemahan dari makalah orang lain, dan bukan plagiasi.
Bandung, 25 Mei 2022
Chandrika Azharyanti 13518001 Gambar III.6. Hasil Output Program
