PENGHITUNG JUMLAH ORANG LEWAT DENGAN METODE NORMALIZED SUM-SQUARED DIFFERENCES (NSSD)
Nama Mahasiswa : Enggar Nilamsari
NRP : 1206 100 721
Jurusan : Matematika FMIPA-ITS
Dosen Pembimbing : Dr. M. Isa Irawan, MT.
Abstrak
Data jumlah pengunjung suatu tempat umum sangat penting. Data jumlah pengunjung biasanya didapat secara manual. Begitu pula data jumlah orang yang masih ada di dalam tempat tersebut. Ketika ingin menutup tempat umum tersebut perlu diketahui terlebih dahulu apakah di dalam ruangan masih ada orang atau tidak. Saat ini kamera video telah diterapkan untuk kepentingan keamanan. Karena itu dibuatlah sistem penghitung jumlah orang lewat baik masuk maupun keluar pada suatu tempat umum sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan. Penghitungan jumlah orang ini menggunakan metode Normalized Sum-Squared Differences (NSSD) dengan data video yang diambil melalui kamera webcam. Dari data video tersebut kemudian deambil selisih intensitas pixel frame dan
background lalu dikuadratkan, dan dinormalisasi dengan luasan detection window. Nilai NSSD yang
didapat diseleksi dengan proses thresholding untuk mendeteksi keberadaan orang pada detection window. Sistem ini secara keseluruhan menunjukkan keberhasilan lebih dari 95%.
Kata Kunci : penghitungan orang, metode NSSD, sensor kamera, image processing
1. PENDAHULUAN
Kamera merupakan salah satu komponen yang penting dalam dunia multimedia. Kamera digunakan untuk mendapatkan data multimedia, khususnya dalam bentuk gambar atau video. Saat
ini, pemanfaatan sensor kamera pada
instrumentasi telah cukup meluas, mulai dari penghitungan obyek mikroskopis, pengukuran kecepatan obyek bergerak, dan lain sebagainya. Selain itu kamera video juga telah diterapkan untuk kepentingan keamanan. Misalnya seperti di mall, perkantoran, pertokoan, perpustakaan dan lain sebagainya, menggunakan wabcam untuk mengamati keluar masuknya pengunjung di tempat tersebut.
Data jumlah pengunjung suatu tempat umum sangat penting. Data tersebut biasanya digunakan untuk laporan perkembangan minat masyarakat terhadap tempat tersebut. Data jumlah pengunjung biasanya didapat secara manual. Namun faktor manusia yang memiliki penglihatan yang kurang awas bisa menimbulkan kesalahan dalam penghitungan jumlah pengunjung.
Untuk memudahkan perhitungan jumlah
pengunjung disuatu tampat umum dapat
menggunakan teknologi multimedia. Teknologi multimedia merupakan perpaduan dari unsur - unsur gambar, suara, animasi serta video disatukan didalam komputer untuk disimpan, diproses dan disajikan guna membentuk interaksi yang inovatif antara komputer dengan manusia [7]. Contohnya perhitungan jumlah orang lewat disuatu tempat dapat diketahui dari adanya perubahan jumlah piksel gambar video yang direkam dengan kamera digital (webcam) ditempat tersebut. Penalitian sejenis telah banyak diteliti orang dengan berbagai algoritma [4,5,6].
Penelitian ini mengacu pada penelitian terdahulu yang dilakukan oleh Sudianto Lande
yang berhasil membuat sebuah program
penghitung jumlah orang lewat dengan webcam, dengan tingkat keberhasilan sebesar 90 %. Namun pada penelitian tersebut penentuan nilai threshold yang dilakukan secara manual sehingga sangat berpengaruh pada tingkat keberhasilan program. Selain itu orang bisa keluar masuk melalui pintu yang sama sehingga tidak dapat diketahui jumlah orang yang masih ada di dalam [4].
Pada tugas akhir ini digunakan metode
Normalized Sum-Squared Differences (NSSD)
untuk menghitung jumlah orang lewat baik masuk dan keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam dengan webcam sebagai kamera perekamnya. Hasil dari tugas akhir ini diharapkan dapat mengingkatkan kinerja dari penelitian sebelumnya ( Sudianto Lande, 2004)
dengan memperbaiki kelemahan dan
menambahkan fiture untuk dapat menghitung jumlah orang yang ada di dalam.
Tujuan dari penelitian ini adalah merancang suatu sistem yang dapat menampilkan data video hasil perekaman kamera digital secara real time serta mengaplikasikan metode Normalized
Sum-Squared Differences (NSSD) untuk menghitung
jumlah orang masuk dan keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan dengan data video hasil perekaman kamera digital.
Dalam upaya mendapatkan suatu hasil yang efektif, batasan permasalahan diberikan sebagai berikut:
1. Penghitungan yang dilakukan yaitu
jumlah orang yang lewat pada pintu masuk dan pintu keluar, menuju dan dari koleksi.
2. Pintu masuk dan pintu keluar merupakan jalur satu arah yang khusus bagi para pengunjung.
3. Pengunjung melewati pintu yang di desain hanya bisa dilewati satu per satu dan antar pengunjung terdapat sela atau jedah waktu tertentu.
4. Perekaman video dilakukan dengan
menggunakan kamera digital (webcam). 5. Ukuran frame data video digital yang
akan diolah adalah sebesar 320 x 240. 6. Intensitas cahaya di dalam ruangan
cenderung konstan dan terang.
2. DASAR TEORI
2.1 Representasi Citra Digital
Kalau kita perhatikan gagasan sebuah citra digital dari sebuah sudut pandang yang sederhana, kita akan memandang sebuah citra sebagai fungsi dalam ruang dimensi 2 pada koordinat spasial (x,y), dimana nilai-nilai tersebut mendefinisikan suatu ukuran intensitas cahaya pada titik tersebut. Satuan atau bagian terkecil dari suatu citra disebut pixel (picture element).
Umumnya citra dibentuk dari persegi empat yang teratur sehingga jarak horizontal dan vertikal antara pixel satu dengan yang lain adalah
sama pada seluruh bagian citra. Indeks x bergerak ke kanan dan indeks y bergerak ke bawah. Untuk menunjukkan koordinat (m-1,n-1) digunakan posisi kanan bawah dalam citra berukuran m x n pixel. Hal ini berlawanan untuk arah vertikal dan horizontal yang berlaku pada sistem grafik dalam matematika. Gambar 2.1 menunjukkan sistem penggambaran koordinat pada suatu citra digital.
Gambar 2.1. Koordinat Pada Citra Digital
Untuk menunjukkan tingkat intensitas cahaya suatu pixel, seringkali digunakan bilangan bulat dengan lebar selang antara 0-255, dimana 0 untuk warna hitam dan 255 untuk warna putih. Sistem visual manusia dapat membedakan ratusan ribu warna tetapi hanya dapat membedakan 100 shade keabuan.
2.2 Citra Warna RGB (Red, Green, Blue)
Dasar dari pengolahan citra adalah pengolahan warna RGB pada posisi tertentu. Dalam pengolahan citra warna dipresentasikan dengan nilai hexadesimal dari 0x00000000
sampai 0x00ffffff. Warna hitam adalah
0x00000000 dan warna putih adalah 0x00ffffff. Definisi nilai8 warna di atas seperti Gambar 2.2, variabel 0x00 menyatakan angka dibelakangnya adalah hexadecimal.
Gambar 2.2. Nilai Warna RGB Dalam Hexadesimal
Terlihat bahwa setiap warna mempunyai range nilai 00 (angka desimalnya adalah 0) dan ff (angka desimalnya adalah 255), atau mempunyai nilai derajat keabuan 256 = 2 8 . Dengan demikian range warna yang digunakan adalah (2 8)(2 8)(2 8 ) = 2 24 (atau yang dikenal dengan istilah True Colour pada Windows). Nilai warna yang digunakan di atas merupakan gambungan warna cahaya merah, hijau dan biru seperti yang terlihat pada Gambar 2.3 [2].
Gambar 2.3. Komposisi Warna RGB
2.3 Citra Grayscale
Grayscale menunjukkantingkat keabuan (dari hitam- putih) yang ada dalamsuatu citra. Modelwarna ini menyimpan informasi warna sebesar 8 bit. Jadi warna yang bisa ditampilkan pada mode warna grayscale berjumlah sampai 256. Skala perhitungan numeriknya bisa dengan pendekatan nilai brightness yang berskala 0 sampai 255 seperti pada Gambar 2.4 [3].
Gambar 2.4. Komposisi Warna Grayscale
Greyscaling adalah teknik yang
digunakan untuk mengubah citra berwana menjadi bentuk grayscale. Pengubahan dari citra berwarna ke bentuk grayscale mengikuti aturan sebagai berikut :
Hasil dari proses grayscaling ditunjukkan pada Gambar 2.5 dibawah ini
(a) (b)
Gambar 2.5. Citra RGB (a) dan Citra Grayscale (b) 2.4 Thresholding
Thresholding digunakan untuk mengubah intensitas piksel menjadi salah satu dari dua nilai, a1 atau a2. Hasil dari proses thresholding
ditentukan oleh suatu parameter yang disebut nilai threshold [1].
Proses thresholding menggunakan fungsi sebagai berikut :
Keterangan :
f(x,y) = Nilai intensitas yang lama g(x,y) = Nilai intensitas yang baru T = Nilai Threshold
Jika a1=0 dan a2=1, maka proses thresholding mengubah citra greyscale menjadi citra biner.
2.5 Metode Normalized Sum-Squared Differences(NSSD)
NSSD merupakan bentuk khusus dari
Sum-Squared Differences(SSD). Untuk melakukan identifikasi dengan menggunakan metode NSSD, diperlukan background image untuk dibandingkan dengan frame yang akan dideteksi. Background image yang digunakan merupakan image lajur dalam keadaan kosong atau tidak ada oaring lewat pada lajur yang akan dideteksi. Detection window atau ROI (Region of Interest) diset pada lajur yang akan dideteksi setelah dilakukan proses grayscale sebelumnya. Kemudian, semua nilai pixel yang terdapat dalam
detection window dijumlahkan.
Hal yang sama juga dilakukan pada setiap frame video. Maksud dari frame video adalah sekumpulan image yang ditampilkan secara berurutan sehingga membentuk suatu gambar bergerak. Sehingga proses grayscale, setting
detection window, dan menjumlahkan nilai pixel
dilakukan pada masing-masing frame. Posisi
detection window pada frame dan pada background image harus sama karena pada posisi inilah yang akan dilakukan pembandingan.
Dengan adanya detection window
memudahkan proses perhitungan jumlah nilai pixel yang dilakukan oleh komputer. Bilamana tidak menggunakan detection window, komputer akan melakukan perhitungan pada frame secara
keseluruhan. Sedangkan dengan detection
window, komputer cukup menghitung pada detection window saja.
Setelah mendapatkan jumlah nilai pixel dari background image dan frame, nilai-nilai
tersebut dicari selisihnya dengan cara
dikurangkan (subtract). Selisih dari jumlah nilai background image dan frame dikuadratkan untuk menghindari nilai negatif. [4,5]
Metode NSSD dapat dirumuskan dalam persamaan berikut : N i I i I NSSD IC B C
∑
− = 2 )) ( ) ( ( Keterangan:IC(i) = intensitas frame pada pixel (i) IB(i) = intensitas background pada pixel (i) Q = detection window/ROI (Region of Interest) N = jumlah pixel pada area Q
3. METODOLOGI PENELITIAN 3.1 Spesifikasi Hardware dan Software
Pada pengerjaan tugas akhir ini spesifikasi
hardware dan software yang digunakan adalah
sebagai berikut:
1. Spesifikasi Perangkat Keras (Hardware) Perangkat keras yang digunakan dalam
implementasi perangkat adalah sebagai
berikut:
a. Notebook A*Note Centurion A-5427 b. Intel Pentium Dual Core Processor T3400
(2,16 GHz)
c. Memory 2 Gb DDR2.
d. Monitor 14,1” Wide Crystal View e. VGA Port
f. Harddisk 160 Gb
g. Logitech Webcam V-UBB39 2. Spesifikasi Perangkat Lunak (Software)
Perangkat lunak yang digunakan dalam implementasi perangkat lunak adalah sebagai berikut:
a. Microsoft Windows Xp b. Visual Basic 6.0 c. Microsoft Access
d. Logitech Webcam 1.10.1113.0 Software (ENU)
3.2 Tahap-tahap Pengembangan Perangkat Lunak
Pada bagian ini dibahas mengenai tahap-tahap utama dari model pengembangan Water
Fall.
a. Analisa Sistem dan Definisi Persyaratan b. Perancangan Perangkat Lunak
c. Implementasi Perangkat Lunak d. Uji Coba Perangkat Lunak
4. PERANCANGAN DAN IMPLEMENTASI 4.1 Analisis Sistem
4.1.1 Analisis Sistem Program Penghitungan Jumlah Orang
Program Penghitung Jumlah Orang
merupakan program utama dalam perangkat lunak ini. Fungsi utamanya adalah menghitung jumlah
orang lewat baik masuk maupun keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan dengan metode Normalized
Sum-Squared Differences (NSSD). Melalui program
ini, dua program lain dapat dipanggil, yaitu
program Inisialisasi Data dan program
Dokumentasi Hasil Penghitungan. Alur proses
pelaksanaan sistem dalam program ini
ditunjukkan oleh Gambar 4.1
N I I NSSD=∑ F− B 2 ) (
Gambar 4.1 Diagram Alir Program Penghitung Jumlah Orang Lewat dengan Metode NSSD 4.1.2 Analisis Sistem Program Inisialisasi Data
Program Inisialisasi Data ini digunakan untuk menentukan data video dalam penghitungan non real-time. Data video yang digunakan dapat diambil dari memori komputer maupun membuat
data video yang baru dengan merekam
menggunakan webcam. Alur proses program Inisialisasi Data ditunjukkan oleh Gambar 4.2.
4.1.3 Analisis Sistem Program Dokumentasi Hasil Penghitungan
Program Dokumentasi Hasil Penghitungan ini digunakan untuk melihat hasil penghitungan yang
telah dilakukan. Alur proses Program
Dokumentasi Hasil Penghitungan ditunjukkan oleh Gambar 4.3.
Gambar 4.3 Diagram Alir Program Dokumentasi Hasil Penghitungan
4.2 Definisi Persyaratan
Perangkat lunak penghitung jumlah orang lewat menggunakan metode Normalized
Sum-Squared Differences (NSSD) ini dirancang untuk
sebuah tempat umum dengan model sistem seperti tampak pada Gambar 4.4
Gambar 3.1. Perancangan Model Sistem 4.3 Perancangan Perangkat Lunak 4.3.1 Data Flow Diagram (DFD)
Sub bab ini akan membahas desain sistem perangkat lunak yang akan dibuat. Perangkat lunak didesain dapat berinteraksi dengan user,
yaitu dengan cara memproses inputan dari user dan menghasilkan keluaran sesuai dengan yang diharapkan oleh user. Proses interaksi sistem dengan user secara global diperlihatkan pada Gambar 4.5.
Gambar 4.5 DFD Level 0 (Proses Interaksi Sistem dengan User)
Data Flow Diagram (DFD) level 0 ini menggambarkan interaksi sistem dengan user. User diharuskan menentukan data input apakah menggunakan data real time atau data yang telah tersimpan pada hard disk, menentukan posisi dan luas detection window dan menentukan nilai threshold yang akan digunakan dalam proses penghitungan jumlah orang lewat. Sedangkan keluaran dari sistem ini adalah hasil perekaman gambar dari webcam, nilai NSSD dari tiap frame dan hasil penghitungan jumlah orang lewat baik masuk maupun keluar serta jumlah orang yang masih ada di dalam ruangan. Hasil dekomposisi dari Proses 1 ditunjukkan pada Gambar 4.6 :
[Set Data Input] [Hasil Perekaman]
[Set Detection Window] User 1.1 Manempilkan Data Hasil Rekam User
Data Hasil Rekam Hasil Rekam
1.2 Capture
Image Citra Hasil Rekam
Data Citra RGB Citra RGB 1.3 Proses Seleksi Citra RGB Data Citra RGB Hasil Seleksi
Citra RGB Hasil Seleksi User
1.4 Greyscaling
Citra RGB Hasil Seleksi
Data Citra Greyscale Citra Greyscale 1.5 Perhitungan NSSD Citra Greyscale User Nilai NSSD Data Nilai NSSD Nilai NSSD 1.6 Filtering Nilai NSSD User 1.7 Thresholding [Set Pengali Threshold] Data Nilai Rata-rata NSSD Rata-rata Nilai NSSD Rata-rata Nilai NSSD Data Nilai Threshold
Nilai Threshold Penghitungan 1.8 Jumlah Orang Lewat Nilai Threshold
User [Jumlah Orang Lewat]
Gambar 4.6 DFD Level 1 ( Proses Penghitungan Jumlah Orang Lewat Dengan NSSD )
Penjelasan dari Gambar 4.6 adalah sebagai berikut:
a. Proses menampilkan data hasil rekam.
Input : Data video hasil perekaman kamera digital atau data video
Webcam
Pintu
Masuk
yang tersimpan dalam memori komputer
Uraian : Dalam proses ini ditampilkan data video yang telah ditentukan
Output : Data video dapat dinikmati secara visual oleh user.
b. Proses capture image.
Input : Data video hasil perekaman kamera digial
Uraian : Dalam Proses ini dilakukan
penyimpanan gambar
background dan gambar dari tiap frame
Output : File gambar background dan gambit tiap frame
c. Proses menentukan detection window / ROI (region of interest).
Input : Gambar background dan
gambar frame data video hasil dari proses sebelumnya Uraian : Dalam proses ini dilakukan
penentukan detection window / ROI untuk jalur masuk dan jalur keluar pada backgrpund dan frame
Output : - Gambar input beserta ROI dengan ukuran dan posisi ROI sesuai dengan yang telah ditentukan
- Jumlah pixel serta nilai dan koordinat setiap pixel di dalam setiap ROI
d. Proses Greyscaling
Input : Nilai dan koordinat posisi setiap pixel di dalam ROI baik pada
background maupun pada frame
Uraian : Dalam proses ini dilakukan pengubahan gambar dari RGB ke grayscale
Output : - Gambar background dan
gambar tiap frame di dalam ROI dalam bentuk grayscale. - Nilai intensitas setiap pixel di
dalam ROI pada background dan pada setiap frame.
e. Proses perhitungan nilai NSSD
Input : - Jumlah pixel serta nilai dan koordinat posisi setiap pixel di dalam ROI
- Nilai intensitas pixel di dalam ROI pada background dan pada setiap frame
Uraian : Dalam proses ini dilakukan
penghitungan nilai NSSD
seperti pada persamaan 2.4 Output : Nilai NSSD dari tiap frame
f. Proses Filtering
Input : - Nilai NSSD tiap frame - Jumlah frame
Uraian : Dalam proses ini dilakukan
penghitungan rata-rata nilai
NSSD seperti pada persamaan 2.2
Output : Rata-rata nilai NSSD dari tiap frame
g. Proses Thresholding
Input : - Rata-rata nilai NSSD tiap frame
- Nilai pengali yang ditentukan oleh user
Uraian : Dalam proses ini dilakukan penghitungan nilai threshold dengan mengalikan nilai rata-rata NSSD dengan pengali yang ditentukan oleh user.
Output : Nilai Threshold
h. Proses Penghitungan jumlah orang lewat
Input : - Nilai NSSD tiap frame
- Nilai threshold
Uraian : Dalam proses ini dilakukan
penghitungan jumlah orang
yang lewat baik masuk maupun keluar sehingga dapat diketahui jumlah orang yang ada di dalam ruangan. Apabila nilai NSSD lebih besar dari nilai threshold maka satus = “Lewat” dan apabila nilai NSSD lebih kecil dari nilai threshold maka status=”Kosong”. Jumlah orang bertambah apabila status pada frame tersebut tidak sama
dengan status pada frame
sebelumnya.
Output : Jumlah orang lewat baik masuk maupun keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan.
4.4 Implementasi Perangkat Lunak
Setelah desain dibuat, maka tahap
selanjutnya adalah mengimplementasikan desain
dalam bentuk perangkat lunak yang
dikembangkan dengan menggunakan bahasa pemrograman Visual Basic 6.0. Sub bab ini menjelaskan tentang implementasi perangkat lunak yang akan dibuat.
5. UJI COBA PERANGKAT LUNAK 5.1 Uji Coba Data Non Real-Time
Tabel 5.1. Data Uji Coba Non Real-time 1. File Video Lewat2det 2. Ukuran Kanvas 320 x 240 3. Jumlah Frame 202
4 Nilai Pengali Threshold 0,6
Beberapa gambar hasil menampilkan data video ditunjukkan seperti Gambar 4.1 berikut :
Background Frame 148
Frame 150 Frame 152
Frame 153 Frame 156
Gambar 5.1. HasilMenampilkan Data Video Pada Percobaan Menggunakan Data NonReal-Time
Hasil dari proses menentukan detection
window / ROI dapat dilihat pada Gambar 5.2
berikut :
Gambar 5.2. Hasil Proses Menentukan ROI Pada Percobaan Menggunakan Data NonReal-Time
Hasil dari proses perhitungan nilai NSSD ini dapat dilihat pada gambar 5.3 dan 5.4.
Gambar 5.3 Nilai NSSD Pada Percobaan Menggunakan Data NonReal-Time pada detection
window 1
Gambar 5.4 Nilai NSSD Pada Percobaan Menggunakan Data NonReal-Time pada detection
window 2
Hasil perhitungan orang lewat yang dilakukan oleh sistem penghitung jumlah orang lewat menggunakan metode Normalized Sum-Squared
Differences (NSSD) dengan data non real-time
yaitu file video ‘lewat2det’ adalah sebanyak 7 orang yang masuk (lewat detection window 1) dan 7 orang yang keluar (lewat detection window 2), jadi tidak ada orang yang masik ada di dalam
ruangan. Jika dibandingkan dengan hasil
perhitungan secara manual maka prosentase keberhasilannya adalah 100 %.
5.2 Uji Coba Menggunakan Data Real-Time dengan Kecepatan Normal
Tabel 5.2. Data Uji Coba Real-time 1. Tanggal uji coba 05-Jan-10 2. Waktu mulai 11:37:04 PM 3. Watu akhir 11:39:05 PM 4. Durasi 00:02:01 5. Kecepatan jalan Normal (1 m/s) 6. Jumlah Frame 199
7 Nilai Pengali Threshold 0.6
Beberapa hasil perekaman kamera
Background Frame 13
Frame 86 Frame 104
Frame 61 Frame 162
Gambar 5.5. Hasil Perekaman Kamera Digital Percobaan Menggunakan Data Real-Time dengan
Kecapatan Normal
Hasil dari proses menentukan detection
window / ROI dapat dilihat pada Gambar 5.6
berikut :
Gambar 5.6. Hasil Proses Menentukan ROI Pada Percobaan Menggunakan Data Real-Time dengan
Kecepatan Normal (1 m/s)
Hasil dari proses perhitungan nilai NSSD ini dapat dilihat pada gambar 5.7 dan 5.8.
Gambar 5.7 Nilai NSSD Percobaan Menggunakan Data Real-Time dengan kecepatan normal (1 m/s) pada
detection window 1
Gambar 5.8 Nilai NSSD Percobaan Menggunakan Data Real-Time pada detection window 2
Hasil perhitungan orang lewat yang
dilakukan oleh sistem penghitung jumlah orang lewat menggunakan metode Normalized
Sum-Squared Differences (NSSD) dengan data
real-time dengan kecepatan normal adalah sebanyak 24 orang yang masuk (lewat detection window 1) dan 5 orang yang keluar (lewat detection window 2), jadi jumlah orang yang ada di dalam ruangan adalah 19 orang. Jika dibandingkan dengan hasil perhitungan secara manual maka prosentase keberhasilannya adalah 100 % .
5.3 Analisa Uji Coba
Keseluruhan hasil uji coba sistem
penghitung jumlah orang lewat menggunakan metode Normalized Sum-Squared Differences (NSSD) dapat dilihat dalam tabel 5.3.
5.3.1 Analisa Hasil Uji Coba dengan Variasi Iluminasi
Tabel 5.3. Hasil Uji Coba No Kondisi Jumlah Orang Terhitung Jumlah Orang Sebenarnya Prosentase Keberhasilan (%) 1 Kecepatan 29 29 100
Normal 2 Cepat 23 25 92 3 Terang 100 100 100 4 Agak Gelap 100 100 100 5 Jarak Dekat 31 32 96,875 6 Warna background hampir sama dengan objek 24 24 100 Rata-rata 98,145
Dari Tabel 5.9 dapat dilihat bahwa sistem penghitung jumlah orang lewat dengan metode
Normalized Sum-Squared Differences (NSSD)
dapat bekerja dengan baik pada saat objek bergerak dengan kecepatan normal, namun apabila objek bergerak dengan cepat maka tingkat keberhasilan sistem akan berkurang. Hal ini dikarenakan sistem mengalami delai (rata-rata delai pada percobaan dengan objek berjalan cepat = 0.51 detik) dan pergerakan objek lebih cepat dari kecepatan capture sistem sehingga ketika objek melewati detection window, gambar tidak terekam oleh sistem, dengan kata lain objek bergerak melewati detection window lebih cepat dari 0,51 detik. Besarnya delai sistem bergantung pada besarnya detection window yang dibuat. Semakin besar detection window maka kecepatan capture sistem semakin berkurang.
Selain itu sistem penghitung jumlah orang lewat menggunakan metode Normalized
Sum-Squared Differences (NSSD) juga bekerja dengan
baik apabila kondisi ruangan relatif terang, walaupun warna background hampir sama dengan warna objek yang lewat. Tetapi apabila jarak antara objek satu dengan objek lainnya cukup dekat maka tingkat keberhasilan sistem akan berkurang. Hal ini dikarenakan antar obyek tidak terdapat sela yang cukup sehingga nilai NSSD selalu melebihi nilai Threshold.
5.3.2 Hasil Uji Coba dengan Variasi Nilai Pengali Threshold
Tabel 5.10 Hasil Uji Coba dengan Variasi Nilai Pengali Threshold No Nilai Pengali Jumlah Orang Terhitung Jumlah Orang Sebenarnya Prosentase Keberhasilan (%) 1 0,1 17 12 58,333 2 0,2 18 12 50 3 0,3 13 12 91,667 4 0.4 12 12 100 5 0,5 12 12 100 6 0,6 12 12 100 7 0,7 12 12 100 8 0,8 12 12 100 9 0,9 13 12 91,677
Besarnya nilai pengali yang ditentukan oleh user mempengaruhi proses penghitungan jumlah orang lewat. Hal ini dikarenakan besarnya nilai threshold ditentukan dari nilai rata-rata NSSD yang dikalikan dengan nilai pengali tersebut. Oleh karena itu ketepatan penentuan nilai pengali berpengaruh terhadap tingkat keberhasilan sistem. Dari Tabel 5.10 dapat dilihat bahwa besarnya pengali yang dapat memberikan tingkat keberhasilan sistem sebesar 100% adalah antara 0,4 sampai dengan 0,8. Oleh karena itu penulis memilih nilai pengali sebesar 0,6 sebagai pengali dalam uji coba yang dilakukan.
6. PENUTUP 6.1.Kesimpulan
Dari hasil uji coba yang telah dilakukan terhadap aplikasi perhitungan jumlah orang lewat menggunakan metode Normalized Sum-Squared
Differences (NSSD), maka dapat diambil kesimpulan bahwa :
1. Sistem penghitung jumlah orang lewat menggunakan metode Normalized
Sum-Squared Differences (NSSD) telah berhasil
diimplementasikan untuk data yang bersifat real time maupun data yang bersifat non real-time.
2. Aplikasi Normalized Sum-Squared
Differences (NSSD) sebagai sistem penghitung jumlah orang lewat baik masuk maupun keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan, secara keseluruhan bekerja dengan cukup baik. Hal ini dapat dibuktikan dengan rata-rata tingkat keberhasilan lebih dari 95% untuk penghitungan jumlah orang lewat dengan berbagai variasi iluminasi dengan nilai threshold sebesar 0,6 dikali rata-rata nilai NSSD dan menggunakan perangkat yang telah disebutkan sebelumnya.
3. Kecepatan pergerakan objek mempengaruhi tingkat keberhasilan sistem, dengan kata lain semakin cepat obyek bergerak (melewati
detection window lebih cepat dari 0,51 detik)
maka semakin besar kemungkinan gambar ketika objek lewat pada detection window tidak terekam oleh sistem.
4. Ketepatan penentuan nilai pengali oleh user mempengaruhi tingkat keberhasilan sistem. Hal ini dikarenakan besarnya nilai threshold ditentukan dari nilai rata-rata NSSD yang dikalikan dengan nilai pengali tersebut.
6.2.Saran
Saran yang dapat diberikan dalam
pengembangan tugas akhir ini adalah:
1. Variasi iluminasi cukup berpengaruh, agar perhitungan lebih teliti seharusnya citra
background tidak selalu tetap untuk seluruh
perhitungan. Citra backround seyogyanya
diambil secara adaptif sehingga dapat
meminimalisasi variasi iluminasi.
2. Karena besarnya ROI berpengaruh terhadap
lamanya proses perhitungan sehingga
mempengaruhi kecepatan capture gambar pada sistem maka untuk proses penentuan ROI perlu dikembangkan secara otomatis sesuai dengan besarnya objek yang lewat. 3. Untuk pengembangan perangkat lunak, maka
dapat ditambahkan fungsi untuk membedakan objek yang lewat, apakah yang lewat adalah orang atau bukan.
4. Karena sistem dirancang hanya untuk model
pintu masuk dan pintu keluar yang
berdampingan maka perlu dikembangkan untuk model pintu masuk dan pintu keluar yang berbeda tempat dengan menggunakan dua kamera.
DAFTAR PUSTAKA
[1] Basuki Achmad, Panaldi Jozua F., dan
Fachturrochman, 2005,” Pengolahan Citra Menggunakan Visual Basic.”, Graha Ilmu, Yogyakarta.
[2] M. Ali, Nazleena, 2004, “Teori Warna”,
<www.ftsm.ukm.my/nma/BAB%206B% 20- %20TH2563.ppt>
[3] Aniati M., Dina C., 2005, “Pengolahan
Citra Digital : Konsep Dasar Representasi Citra”, <
www.cs.ui.ac.id/WebKuliah/citra/ 2005/citra4d.ppt>
[4] Lande. S., 2004, “ Program Penghitung
Orang Lewat Menggunakan Webcam”, <http://puslit.petra.ac.id/journals/informat ics/>
[5] Purwasta. D., 2009, “Pengukuran
Kepadatan Arus Lalu Lintas Menggunakan Sensor Kamera”,
<http://dhetiastapurwatna.wordpress.com/ 2009/05/19/sistem-lalu-lintas/>
[6] Jae-Won, Kim, Choi,Kang-Sun, Choi,
Byeong-Doo, Ko,Sung-Jea. Real-time
Vision-based People Counting System for the Security Door. PDF. <http://
www.kmutt.ac.th/itc2002/CD/pdf/18_07_ 45/TP2_OC/4.pdf, 2002>.
[7] Soeseno, Poerwanto., 2004. “Pembuatan
Kemasan Informasi Teknologi dengan Multimedia”, <URL: lipi.inovasi-indonesia.com/K4.pdf>.
