i Universitas Kristen Marantha
Simulasi Pendeteksian Kepadatan Lalu Lintas Menggunakan
Kamera yang Dipublikasikan ke Jejaring Sosial (Twitter)
Agita Indraputri 0822087 Email : agita.indraputri@gmail.com
Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
ABSTRAK
Kepadatan Lalu lintas merupakan masalah yang sering ditemui oleh pengguna jalan. Untuk memberitahu secara real time kepada masyarakat umum agar tidak terhindar dari kemacetan perlu adanya suatu media publikasi. Media publikasi yang digunakan adalah twitter, karena twitter dianggap sebagai media publikasi yang sesuai untuk menyampaikan informasi terkini dengan tampilan minimalis.
Pada Tugas Akhir ini, kepadatan lalu lintas dideteksi dengan menggunakan kamera web. Prinsip perhitungan kepadatan lalu lintas ini adalah membandingkan hasil tangkapan gambar jalanan kosong dengan hasil tangkapan gambar jalan pada keadaan sebenarnya. Hasil dari proses perbandingan citra ini berupa nilai kepadatan (K) dan tulisan yang berisi informasi lancar, sedang, padat merayap, dan padat macet. Jika jalan lancar (0%≤K<40%), jalan sedang (40%≤K<60%),
jalan padat merayap (60%≤K) nilai rata-rata kepadatannya berubah, dan jalan
padat macet (60%≤K) nilai rata-rata kepadatannya tetap.
Pengujian yang dilakukan adalah membuat variasi kemungkinan di setiap jalan terdeteksi lancar, sedang, padat merayap dan macet serta pengujian dengan perubahan cahaya yang kontras. Dari hasil pengujian nilai kepadatan yang didapat berubah-ubah diakibatkan pengaruh oleh cahaya sekitar, warna mobil, serta kualitas citra, sehingga perlu ada perubahan kategori kepadatannya. Informasi kepadatan lalu lintas ini berhasil dikirimkan ke twitter sesuai dengan hasil pendeteksian kepadatannya.
ii Universitas Kristen Marantha
Simulation of Traffic Density Detection Using Camera which
Published to Social Networking (Twitter)
Agita Indraputri 0822087 Email : agita.indraputri@gmail.com
Department of Electrical Engineering, Faculty of Engineering Maranatha Christian University
Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
ABSTRACT
Traffic density is a problem often encountered by road users. To inform in real time to the general public in order not to avoid jamming the need for a media publication. Media publications that used twitter, because twitter is considered the appropriate media publications to convey the latest information with a minimalist look.
In this final project, the density of the traffic detected by using web cameras. Principle of the calculation of the density of traffic is to compare the catch pictures of empty streets with catches the image path on the state really is. The result of the comparison process this image consists of the value of the density (K) and writing that contains information smoothly, moderate, solid edging, and jammed. If the road smoothly (0%≤K<40%), moderate (40%≤K<60%), solid road
edging (60%≤K) the average value of its density changes, and road jammed
(60%≤K) the average value of its density remains.
The testing is create variation possibilities in any way detected smoothly, moderate, solid edging and jammed as well as testing with a contrasting light changes. From the results of testing the value of the density of the fluid is caused by the influence of light around, color car, as well as the quality of the image, so there needs to be changes its density category. Traffic density information was successfully sent to twitter in accordance with the results of detection of its density.
v Universitas Kristen Maranatha
DAFTAR ISI
LEMBAR PENGESAHAN
PERNYATAAN ORISINALITAS LAPORAN
PERNYATAAN PUBLIKASI LAPORAN TUGAS AKHIR
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... ix
BAB IPENDAHULUAN I.1 Latar Belakang ... 1
I.2 Identifikasi Masalah ... 1
I.3 Tujuan ... 2
I.4 Pembatasan Masalah ... 2
I.5 Sistematika Pembahasan ... 3
BAB IILANDASAN TEORI II.1 Perhitungan Kepadatan[11] ... 4
II.2 Kompresi Warna RGB ke YcbCr[5] ... 5
II.3 Windows API[3] ... 5
II.3.1 user32.dll[8] ... 6
II.3.2 Avicap32.dll[7]... 7
II.4 Twitter API[9] ... 9
vi Universitas Kristen Maranatha
II.5 Visual Basic 2010[2] ... 13
BAB III PERANCANGAN DAN REALISASI ... 14
III.1 Perangcangan Perangkat Keras ... 14
III.1.1 Maket ... 14
III.1.2 Kamera ... 15
III.1.3 Komputer ... 16
III.2 Perancangan Perangkat Lunak ... 16
III.2.1 Capturing Image[10] ... 18
III.2.2 Resizing Image[4] ... 19
III.2.3 Nilai Normalisasi Citra ... 21
III.2.4 Perhitungan Kepadatan ... 23
III.2.5 Publikasi ke Twitter ... 27
III.2.6 perancangan GUI (Graphical User Interface) ... 29
BAB IV DATA PENGAMATAN DAN ANALISA DATA ... 37
IV.1 Pengujian Perangkat Keras ... 37
IV.2 Pengujian Perangkat Lunak... 37
IV.2.1 Pengujian Penentuan Nilai Threshold... 38
IV.2.2 Pengujian Untuk Mencari Kepadatan Maksimum ... 39
IV.2.3 Pengujian Pengaruh Warna Mobil Terhadap Kepadatan ... 41
IV.2.4 Pengujian Untuk Membedakan Kategori Padat Macet dengan Padat Merayap ... 44
IV.2.5 Pengujian berbagai kasus ... 46
IV.3 Pengujian Terhadap Cahaya yang Kontras ... 60
BAB V KESIMPULAN DAN SARAN ... 67
viii Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar II.1 twitter_1 ... 10
Gambar II.2 twitter_2 ... 11
Gambar II.3 twitter_3 ... 12
Gambar III.1 Blok diagram sistem ... 14
Gambar III.2 Maket Lalu Lintas ... 15
Gambar III.3 perancangan jalur ... 15
Gambar III.4 Diagram Alir Pendeteksian Kepadatan Lalu Lintas ... 17
Gambar III.5(a) Diagram Alir Normalisasi Citra 1 ... 22
Gambar III.5(b) Diagram Alir Normalisasi Citra 2 ... 23
Gambar III.6 Pembuktian nilai kepadatan 100% ... 25
Gambar III.7(a) Diagram Alir Perhitungan Kepadatan 1 ... 25
Gambar III.7(b) Diagram Alir Perhitungan Kepadatan 2 ... 26
Gambar III.7(c) Diagram Alir Perhitungan Kepadatan 3 ... 27
Gambar III.8 add reference ... 28
Gambar III.9 compile option ... 29
Gambar III.10 GUI Program ... 30
Gambar IV.1 Maket perempatan jalan raya ... 37
Gambar IV.2 arah jalur ... 46
Gambar IV.3 daerah pemindaian ... 47
Gambar IV.4 Pengujian Kasus 1 ... 49
Gambar IV.5 Pengujian Kasus 2 ... 52
Gambar II.1 twitter_1 ... 10
Gambar II.2 twitter_2 ... 11
ix Universitas Kristen Maranatha
Gambar III.1 Blok diagram sistem ... 14
Gambar III.2 Maket Lalu Lintas ... 15
Gambar III.3 perancangan jalur ... 15
Gambar III.4 Diagram Alir Pendeteksian Kepadatan Lalu Lintas ... 17
Gambar III.5(a) Diagram Alir Normalisasi Citra 1 ... 22
Gambar III.5(b) Diagram Alir Normalisasi Citra 2 ... 23
Gambar III.6 Pembuktian nilai kepadatan 100% ... 25
Gambar III.7(a) Diagram Alir Perhitungan Kepadatan 1 ... 25
Gambar III.7(b) Diagram Alir Perhitungan Kepadatan 2 ... 26
Gambar III.7(c) Diagram Alir Perhitungan Kepadatan 3 ... 27
Gambar III.8 add reference ... 28
Gambar III.9 compile option ... 29
Gambar III.10 GUI Program ... 30
Gambar IV.1 Maket perempatan jalan raya ... 37
Gambar IV.2 arah jalur ... 46
Gambar IV.3 daerah pemindaian ... 47
Gambar IV.4 Pengujian Kasus 1 ... 50
Gambar IV.5 Pengujian Kasus 2 ... 52
Gambar IV.6 Pengujian Kasus 3 ... 54
Gambar IV.7 Pengujian Kasus 4 ... 57
Gambar IV.8 Pengujian Kasus Terang ... 62
x Universitas Kristen Maranatha
DAFTAR TABEL
Tabel III.1 Komponen Perancangan GUI ... 30
Tabel IV.1 Penentuan Nilai Threshold ... 38
Tabel IV.2 Pengujian Kertas Putih ... 40
Tabel IV.3 Pengujian Berbagai Jenis warna mobil ... 42
Tabel IV.4(a) Pengujian Padat Merayap dan Macet ... 44
Tabel IV.4(b) Nilai Rata1 dan Rata2 ... 45
Tabel IV.5 Tingkat keberhasilan data 1 ... 58
1
BAB I
PENDAHULUAN
Pada bab ini dibahas mengenai latar belakang, identifikasi masalah, tujuan, pembatasan masalah, spesifikasi alat dan sistematika pembahasan Tugas Akhir.
I.1 Latar Belakang
Dewasa ini sudah banyak masyarakat yang memilih memakai kendaraan pribadinya masing-masing untuk berpergian daripada memakai angkutan umum. Hal ini sering menyebabkan terjadinya kemacetan atau kepadatan lalu lintas karena peningkatan jumlah kendaraan di jalan raya. Petugas polisi lalu lintas dikerahkan setiap hari untuk mengatur lalu lintas. Namun pengerahan ini menunggu laporan dari pantauan kamera CCTV yang melaporkan kondisi lalu lintas. Sedangkan masyarakat yang lainnya yang akan melewati jalan tersebut tidak mengetahui secara cepat mengenai keadaan lalu lintas tersebut.
Kemajuan media publikasi sudah sangat pesat, salah satunya dengan munculnya beberapa jejaring sosial antara lain google+, tumblr, facebook, twitter dll. Setiap jejaring sosial punya keistimewaan masing-masing, salah satunya twitter yang dianggap sebagai media publikasi yang baik untuk menyampaikan
berita terkini karena tampilan twitter yang minimalis yaitu hanya berupa tulisan status saja, yang bergantung pada waktu update (status yang sudah lama akan tertutup oleh status yang baru saja update).
Untuk memenuhi kebutuhan informasi yang seusai dengan perkembangan zaman, maka pada tugas akhir ini, akan dibuat suatu simulasi sistem pendeteksian kepadatan lalu lintas menggunakan kamera yang dipublikasikan ke jejaring sosial (twitter). Informasi kepadatan lalu lintas akan dideteksi melalui kamera, selanjutnya diolah melalui Visual Basic.
I.2 Identifikasi Masalah
2
- Bagaimana cara mendeteksi kepadatan lalu lintas menggunakan kamera?
- Bagaimana informasi kepadatan lalu lintas secara otomatis ter-update ke twitter?
I.3 Tujuan
1. Mendesain simulasi pendeteksian kepadatan lalu lintas menggunakan kamera yang dipublikasikan ke jejaring sosial (twitter).
2. Mengetahui tingkat keberhasilan proses pendeteksian kepadatan lalu lintas menggunakan kamera yang dipublikasikan ke jejaring sosial (twitter).
I.4 Pembatasan Masalah
Agar permasalahan yang dibahas terfokus dan tidak melebar, maka Tugas Akhir dengan judul “ Simulasi Pendeteksian Kepadatan Lalu Lintas Menggunakan Kamera yang Dipublikasikan ke Jejaring Sosial (Twitter)”
mengambil batasan masalah sebagai berikut:
1. Jalur lalu lintas dalam bentuk prototipe dengan luas maket (60x60) cm2 yang berupa perempatan jalan
2. Lampu lalu lintas diabaikan
3. Jalan tengah pada perempatan dianggap kosong
4. Kamera yang digunakan adalah kamera web berjumlah 1 buah 5. Letak kamera berada di atas maket dengan jarak 49cm
6. Kamera mendeteksi jumlah kendaraan yang berada di dalam area yang telah ditentukan
7. Proses pendeteksian kepadatan lalu lintas menggunakan software Visual Basic
8. Perhitungan perubahan kepadatan akan dideteksi setiap 15 detik sekali. Jika sample kepadatan sudah sebanyak 8, maka akan keluar output tulisan lancar, sedang, padat merayap atau padat macet.
3
10.Informasi yang dikirimkan ke twitter berupa tulisan teks yang berisi informasi lalu lintas jalan yang lancar, sedang, padat merayap, atau padat macet
I.5 Sistematika Pembahasan
Sistematika pembahasan Tugas Akhir ini disusun menjadi lima bab, yaitu sebagai berikut:
Bab I Pendahuluan
Bab ini berisi latar belakang masalah, identifikasi masalah, tujuan, pembatasan masalah, dan sistematika penulisan pada Tugas Akhir ini.
Bab II Landasan Teori
Bab ini berisi penjelasan mengenai perhitungan kepadatan, konversi citra RGB ke YcbCr, Windows API, Twitter API, Linqtotwitter, dan Visual Basic 2010.
Bab III Perancangan dan Realisasi
Bab ini berisi proses perancangan perangkat keras dan perangkat lunak mengenai perancangan maket, pengambilan gambar dari kamera web, proses resize image, proses normalisasi citra, proses perhitungan
kepadatan, dan proses publikasi ke twitter dari Tugas Akhir ini.
Bab IV Data Pengamatan dan Analisa
Bab ini berisi data pengamatan dari pengujian nilai threshold, pengujian satu jalur dengan kertas putih, pengujian satu jalur dengan berbagai jenis warna mobil, pengujian nilai akurasi antara padat macet dan padat merayap, serta pengujian terhadap semua jalur.
Bab V Penutup
67
BAB V
KESIMPULAN DAN SARAN
V.1 Kesimpulan
Kesimpulan yang dapat diambil dari Tugas Akhir ini adalah sebagai berikut: 1) Pada Tugas Akhir ini sistem yang dirancang dan direalisasikan berupa
simulasi pendeteksian kepadatan lalu lintas menggunakan kamera yang dipublikasikan ke jejaring sosial (Twitter) berhasil direalisasikan.
2) Simulasi berhasil dijalankan sesuai dengan kategori kepadatan untuk jalan yang lancar nilai rata-rata kepadatannya kurang dari 30%, untuk jalan yang sedang nilai rata-rata kepadatannya antara 30%-40%, sedangkan untuk jalan yang padat merayap dan macet nilai rata-rata kepadatannya lebih dari 40%. Untuk membedakan antara padat macet dengan padat merayap adalah jika selisih rata-rata kepadatannya kurang dari sama dengan 2 maka dikategorikan sebagai padat macet, sedangkan untuk selisih nilai rata-rata kepadatan yang lebih dari 2 maka dikategorikan sebagai padat merayap.
3) Pendeteksian kepadatan lalu lintas sering menghasilkan nilai kepadatan yang berubah - ubah diakibatkan oleh faktor cahaya, warna mobil, kualitas citra.
V.2 Saran
Saran-saran yang dapat diberikan untuk memperbaiki dan mengembangkan Tugas Akhir ini di masa yang akan datang adalah:
1) Untuk mengatasi cahaya yang berubah-ubah selain mengubah nilai threshold, sebaiknya menggunakan beberapa foto referensi jalan dengan berbagai intensitas cahaya.
68
69
DAFTAR PUSTAKA
1. Anonim.2013.Referensi:Program Konversi Citra Digital dengan Vb.net 2008.http://collegerlearn.blogspot.com/2013/03/referensi-program konversi-citra.html.26 november 2013
2. Anonim.2012.Perbedaan & perbandingan vb 6 dan vb
.net.http://atmajaaditya.wordpress.com/2012/04/12/perbedaan perbandingan-vb-6-dan-vb-net/.26 november 2013
3. Anonim.2013.Win32-Api (Windows 32 bit – Application Programming Interface). http://ramajinx2.wordpress.com/simple-trick/win32-api-windows-32-bit-%E2%80%93-application-programming-interface-2/.26 November 2013
4. Code project.2011.Resizing an Image On-The-Fly using
.Net.http://www.codeproject.com/Articles/191424/Resizing-an-Image-On-The-Fly-using-NET.26 november 2013
5. Darmawan, Aan. 2007. “Pengolahan Citra Dijital”. Diktat kuliah, tidak diterbitkan.Bandung:Jurusan Teknik Elektro Universitas Kristen
Maranatha. 9. Twitter.2013.Twitter limits (API, updates, and
following).https://support.twitter.com/forums/10711/entries/15364.26 November 2013
10.Vbforums.2011.[RESOLVED] webcam image
70
Yusriadi,2008.Simulasi Pengaturan Lampu Lalu Lintas Otomatis Menggunakan Kamera Berdasarkan Distribusi kepadatan.Tugas Akhir, tidak
