PENCACAH BENDA BERDASARKAN BENTUK, UKURAN, DAN KODE ANGKA

(1)

TUGAS AKHIR

PENCACAH BENDA BERDASARKAN BENTUK, UKURAN, DAN KODE ANGKA

Diajukan untuk memenuhi syarat memperoleh gelar Sarjana Teknik pada

Program Studi Teknik Elektro

Fakultas Sains dan Teknologi Universitas Sanata Dharma

Disusun Oleh:

YUVENTIUS YOSIAN VICKO PRANANDA NIM : 175114002

PROGRAM STUDI TEKNIK ELEKTRO FAKULTAS SAINS DAN TEKNOLOGI

UNIVERITAS SANATA DHARMA YOGYAKARTA

2021

(2)

FINAL PROJECT

THE COUNTER OF OBJECTS BASED ON SHAPE, SIZE, AND CODE NUMBER

Presented as Partial Fulfillment of the Requirements to Obtain the Bachelor of Engineering Degree in

Study Program of Electrical Engineering

Faculty of Science and Technology, Sanata Dharma University

Written By:

YUVENTIUS YOSIAN VICKO PRANANDA NIM : 175114002

ELECTRICAL ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY YOGYAKARTA

2021

(3)

iii

(4)

(5)

v

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa tugas akhir yang saya tulis ini tidak memuat karya atau bagian dari karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 27 Agustus 2021

Yuventius Yosian Vicko Prananda

(6)

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO:

‘ Choose Your Love, Love Your Choice’

Dalam nama Bapa, Putra, & Roh Kudus Amin

Skripsi ini saya persembahkan untuk :

‘Tuhan Yesus Kristus,

Bapak, Ibu, Adik-adikku, Nenek, keluarga besar Giyo Siswoko, dan Ripto Yuwono untuk doa dan kasih sayang serta dukungannya,

Teman-teman atas motivasi dan semangat yang diberikan,

Almamaterku Teknik Elektro Universitas Sanata Dharma Yogyakarta’

(7)

vii

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : YUVENTIUS YOSIAN VICKO PRANANDA

Nomor Mahasiswa : 175114002

Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul :

PENCACAH BENDA BERDASARKAN BENTUK, UKURAN, DAN KODE ANGKA

Beserta perangkat yang diperlukan (bila ada). Dengan demikian, saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya.

(8)

INTISARI

Perkembangan teknologi saat ini begitu pesat, terutama dalam bidang image processing yang memberi kemungkinan manusia dalam membuat sistem yang mampu mengenali citra digital. Image processing adalah teknik mengolah citra yang mentranformasikan citra masukan menjadi citra lain agar keluaran memiliki kualitas lebih baik. Image processing merupakan salah satu bagian dari computer vision yang bertujuan mengenali dan menganalisis benda di sekitarnya pada komputer.

Berdasarkan hal tersebut, diperlukan suatu sistem yang dapat digunakan untuk mengelompokkan dan menghitung benda berdasarkan bentuk, ukuran, dan kode angka.

Untuk menentukan bentuk suatu benda menggunakan metode extent circle, yaitu metode yang memungkinkan untuk melingkupi area kontur suatu objek di dalam sebuah lingkaran.

Untuk penentuan ukuran benda menggunakan metode perimeter atau keliling. Sedangkan untuk penentuan kode angka menggunakan metode area atau luas dari bentuk kode angka tersebut.

Hasil dari penelitian ini adalah sistem dapat mencacah benda berdasarkan bentuk, ukuran, dan kode angka dari 3 macam bentuk benda, segitiga, persegi, dan bundar, 3 macam ukuran, kecil, sedang, dan besar, serta 3 macam kode angka, kode 1, kode 2, dan kode 3.

Pengujian dengan variasi translasi, rotasi, dan jumlah benda yang berbeda oleh sistem mencapai 100% dengan catatan intensitas cahaya, translasi, dan rotasi sangat berpengaruh dalam pengujian.

Kata kunci : Computer vision, image processing, extent circle, perimeter, area.

(9)

ix

ABSTRACT

The development of technology is currently so rapid, especially in the field of image processing which gives humans the possibility to create systems that can recognize digital images. Image processing is an image processing technique that transforms the input image into another image so that the output has better quality. Image processing is one part of computer vision that aims to recognize and analyze objects around it on a computer.

Based on this, we need a system that can be used to group and count objects based on shape, size, and number code. To determine the shape of an object using the extent circle method, which is a method that allows covering the contour area of an object in a circle. To determine the size of objects using the perimeter or circumference method. As for determining the number code using the area or area method of the form of the number code.

The results of this study are the system can count objects based on shape, size, and numeric code from 3 kinds of object shapes, triangle, square, and round, 3 kinds of sizes, small, medium, and large, as well as 3 kinds of numeric codes, code 1, code 2, and code 3.

Testing with variations of translation, rotation, and the different number of objects by the system reaches 100% with a note that light intensity, translation, and rotation are very influential in the test.

Keywords: Computer vision, image processing, extent circle, perimeter, area.

(10)

KATA PENGANTAR

Puji dan Syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala berkat dan rahmat-Nya, sehingga penulis dapat menyelesaikan tugas akhir ini dengan baik. Penulis menyadari bahwa banyak pihak yang telah memberikan doa, dukungan, motivasi serta bantuan kepada penulis sehingga dapat menyelesaikan tugas akhir ini. Oleh karena itu, penulis mengucapkan terima kasih kepada :

1) Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D., selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.

2) Ir. Tjendro, M.Kom., selaku Ketua Program Studi Teknik Elektro Universitas Sanata Dharma Yogyakarta.

3) Ir. Th. Prima Ari Setyani, M.T., selaku dosen pembimbing akademik yang telah mendampingi dan membimbing penulis selama perkuliahan.

4) Dr. Linggo Sumarno selaku dosen pembimbing yang dengan penuh perhatian, kesabaran dan selalu meluangkan waktu untuk memberi bimbingan, kritik, saran serta motivasi dalam penulisan tugas akhir ini.

5) Dr. Iswanjono dan Ir. Damar Widjaja, Ph.D., selaku dosen penguji yang telah bersedia memberi kritik, saran, dan bimbingan dalam memperbaiki tugas akhir ini.

6) Bapak/Ibu dosen yang telah mengajarkan banyak hal selama penulis menempuh pendidikan di Program Studi Teknik Elektro, Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta.

7) Bapak Albertus Purwoko Sunu dan Ibu Yosephine Suryani selaku orangtua saya, Gracia Vania Angeli Noviantika, Faustina Vanya Mayndeta Pawestri, dan nenek yang sangat saya sayangi dan banggakan, yang selalu mendukung, serta mendoakan yang terbaik sehingga penulis dapat menyelesaikan tugas akhir ini.

8) Keluarga besar Giyo Siswoko dan Ripto Yuwono yang telah mendoakan dan memberi motivasi sehingga penulis dapat menyelesaikan tugas akhir ini.

9) Titan, Dandi, dan Yosa yang telah bersama-sama berjuang dalam mengerjakan dan menyelesaikan tugas akhir ini.

10) Yesica, Priscill, Kezia yang telah memberikan semangat dan mau mendengarkan keluh kesah penulis selama ini.

(11)

xi

11) Semua teman yang sudah memberikan dukungannya selama penulisan tugas akhir ini, khususnya untuk pacar saya, kelompok pencacah benda, keluarga cemara, kelompok satu bimbingan, teman-teman Teknik Elektro 2017, teman-teman dampok insadha, dan teman-teman lainnya yang tidak bisa saya sebutkan satu per satu.

12) Seluruh staf dan karyawan Universitas Sanata Dharma yang telah memberikan pelayanan kepada mahasiswa.

13) Seluruh pihak yang tidak dapat disebutkan satu persatu yang membantu dalam penulisan tugas akhir ini.

Penulis menyadari bahwa penulisan tugas akhir ini masih terdapat banyak kekurangan. Oleh karena itu, penulis mengharapkan adanya kritik dan saran yang bersifat membangun dan menyempurnakan tugas akhir ini. Penulis berharap tugas akhir ini dapat bermanfaat untuk penelitian selanjutnya terkait dengan topik yang diambil oleh penulis. Terima kasih.

(12)

DAFTAR ISI

HALAMAN SAMPUL (BAHASA INDONESIA) ... i

HALAMAN SAMPUL (BAHASA INGGRIS) ... ii

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

PERNYATAAN KEASLIAN KARYA ... v

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP ... vi

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ... vii

INTISARI ... viii

ABSTRACT ... ix

KATA PENGANTAR ... x

DAFTAR ISI ... xii

DAFTAR GAMBAR ... xv

DAFTAR TABEL ... xvii

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Tujuan dan Manfaat ... 2

1.3. Batasan Masalah ... 2

1.4. Metodologi Penelitian ... 3

BAB II DASAR TEORI ... 4

2.1. Computer Vision ... 4

2.1.1. Pengolahan Citra ... 4

2.1.2. Citra Grayscale ... 4

2.1.3. Citra Biner ... 5

2.1.4. Konversi Citra Grayscale ke Citra Biner ... 5

2.1.5. Pengenalan Bentuk ... 6

(13)

xiii

2.1.6. Pengenalan Ukuran ... 7

2.1.7. Pengenalan Kode Angka ... 8

2.2. Webcam Logitech C270 ... 8

2.3. Python ... 9

2.3.1. OpenCV ... 9

2.3.2. Scikit-Image ... 9

BAB III PERANCANGAN PENELITIAN ... 10

3.1. Proses Pencacah Benda Berdasarkan Bentuk, Ukuran, dan Kode Angka ... 10

3.2. Proses Kerja Sistem ... 11

3.2.1. Pengambilan Citra benda 2D ... 12

3.2.5. Pengisian Tabel Pada GUI Python ... 19

3.3. Perancangan Tampilan GUI Python ... 27

BAB IV HASIL DAN PEMBAHASAN ... 28

4.1. Perubahan ... 28

4.2.1. Diagram Alir Penghapusan Kode Angka ... 28

4.2.2. Diagram Alir Pengenalan Kode Angka ... 29

4.1.3. Perubahan Ukuran Benda ... 30

4.2. Penentuan Parameter ... 33

4.2.1. Parameter Bentuk ... 33

4.2.2. Parameter Ukuran ... 34

4.2.3. Parameter Kode Angka ... 35

4.3. Perbandingan Teori Dengan Praktik ... 37

(14)

4.4. Kinerja Sistem ... 45

4.2.1. Pengujian Keberhasilan Pencacah Benda ... 45

4.4.2. Pengujian Pengaruh Rotasi ... 56

BAB V KESIMPULAN DAN SARAN ... 63

5.1. Kesimpulan ... 63

5.2. Saran ... 63

DAFTAR PUSTAKA ... 64 LAMPIRAN 1 ... L-1

(15)

xv

DAFTAR GAMBAR

Gambar 2.1. Citra Grayscale ... 4

Gambar 2.2. Citra Biner ... 5

Gambar 2.3. Perubahan dari Citra Grayscale ke Citra Biner ... 6

Gambar 2.4. Ilustrasi perubahan nilai piksel pada proses thresholding ... 6

Gambar 2.5. Hasil dari Pengenalan Bentuk ... 7

Gambar 2.6. Hasil dari Pengenalan Ukuran ... 8

Gambar 2.7. Webcam Logitech C270 ... 9

Gambar 3.1. Perancangan Alat ... 10

Gambar 3.2. Diagram Alir Proses Kerja Sistem ... 11

Gambar 3.3. Diagram Alir Pengambilan Citra Benda ... 12

Gambar 3.4. Diagram Alir Pengenalan Bentuk ... 13

Gambar 3.5. Diagram Alir Pengenalan Ukuran ... 15

Gambar 3.6. Diagram Alir Pengenalan Kode Angka ... 17

Gambar 3.7. Diagram Alir Pengisian Tabel GUI ... 19

Gambar 3.8. Tampilan GUI Python ... 27

Gambar 4.1. Diagram Alir Penghapusan Kode Angka ... 28

Gambar 4.2. Diagram Alir Kode Angka... 29

Gambar 4.3. Segitiga Ukuran 12 cm ... 31

Gambar 4.4. Segitiga Ukuran 10 cm ... 31

Gambar 4.5. Persegi Ukuran 12 cm ... 31

Gambar 4.6. Persegi Ukuran 10 cm ... 32

Gambar 4.7. Bundar Ukuran 12 cm ... 32

Gambar 4.8. Bundar Ukuran 10 cm ... 32

Gambar 4.9. List Program Pengenalan Bentuk ... 34

Gambar 4.10. List Program Pengenalan Ukuran ... 35

Gambar 4.11. List Program Pengenalan Kode Angka ... 36

Gambar 4.12. Konversi Nilai Piksel Pengenalan Bentuk ... 40

Gambar 4.13. Konversi Nilai Piksel Pengenalan Ukuran ... 43

Gambar 4.14. Konversi Nilai Piksel Pengenalan Kode Angka ... 44

Gambar 4.15. Posisi Peletakan Benda ... 45

Gambar 4.16. Pengujian 1 Benda ... 51

(16)

Gambar 4.19. Pengujian 2 Benda dengan Jarak 0 cm ... 52

Gambar 4.20. Pengujian 2 Benda dengan Jarak 0,5 cm ... 52

Gambar 4.23. Pengujian 3 Benda dengan Jarak 0,5 cm ... 53

Gambar 4.25. Pengujian 2 Benda Berukuran Besar dengan Jarak 0 cm ... 54

Gambar 4.26. Pengujian 2 Benda Berukuran Besar dengan Jarak 1 cm ... 54

Gambar 4.27. Percobaan dengan Benda Berwarna ... 55

Gambar 4.28. Hasil Pengenalan Benda Berwarna ... 55

Gambar 4.29. Lux Light Meter ... 56

Gambar 4.30. Pengujian Benda dengan Rotasi 0 ̊ ... 60

(17)

xvii

DAFTAR TABEL

Tabel 3.1. Keterangan Tampilan GUI Python ... 27

Tabel 4.1. Ukuran Benda Sebelum Perubahan ... 30

Tabel 4.2. Ukuran Benda Setelah Perubahan ... 30

Tabel 4.3. Tabel Perbandingan Bentuk ... 40

Tabel 4.4. Tabel Perbandingan Ukuran ... 42

Tabel 4.5. Tabel Perbandingan Kode Angka ... 44

Tabel 4.6. Pengujian Dengan 1 Benda ... 46

Tabel 4.9. Nilai Extent Circle ... 57

Tabel 4.10. Nilai Keliling ... 58

Tabel 4.11. Nilai Luas ... 59 Tabel L-1. Perbedaan Metode 1 ... L-1 Tabel L-2. Perbedaan Metode 2 ... L-2 Tabel L-3. Perhitungan Nilai Extent Circle ... L-4 Tabel L-4. Perhitungan Nilai Keliling ... L-5 Tabel L-5. Perhitungan Nilai Luas ... L-6

(18)

BAB I

PENDAHULUAN

1.1. Latar Belakang

Perkembangan teknologi saat ini begitu pesat, terutama dalam bidang image processing yang memberi kemungkinan manusia dalam membuat sistem yang mampu mengenali citra digital [1]. Image processing adalah teknik mengolah citra yang mentranformasikan citra masukan menjadi citra lain agar keluaran memiliki kualitas lebih baik [1]. Image processing merupakan salah satu bagian dari computer vision yang bertujuan mengenali dan menganalisis benda di sekitarnya pada komputer. Penggunaan image processing mempermudah manusia dalam mengetahui jenis suatu benda di antaranya bentuk, ukuran, dan kode angka. Saat ini masih ada pekerjaan manusia yang dilakukan secara manual, oleh karena itu diperlukan suatu alat yang dapat mengelompokkan dan mendeteksi bentuk, ukuran, dan kode angka pada suatu benda.

Sebelumnya pernah ada skripsi tentang sistem pengenalan benda berdasarkan bentuk dan warna dilakukan oleh Yogi [1]. Peletakan posisi benda secara acak dengan warna yang terdiri dari merah, hijau, biru dan bentuk yang terdiri dari persegi, segitiga, dan bundar dengan menggunakan bahasa pemrograman matlab. Pengenalan benda berdasarkan warna dan ukuran dilakukan oleh Hila [2]. Peletakan posisi benda secara acak dengan warna yang terdiri dari merah, hijau, biru dan ukuran yang terdiri dari besar, sedang, dan kecil dengan menggunakan bahasa pemrograman matlab yang akan ditampilkan di LCD berukuran 16x4 yang akan dibantu Arduino Uno sebagai pengirim data.

Dari penelitian tersebut, maka penulis memiliki gagasan untuk membuat suatu sistem yang dapat mencacah benda berdasarkan bentuk, ukuran, dan kode angka menggunakan bahasa pemrograman python. Bentuk terdapat tiga objek 2D yang dideteksi berdasarkan extent circle untuk segitiga, persegi, bundar. Ukuran terdapat tiga jenis yang dideteksi, yaitu berdasarkan keliling untuk kecil, sedang, besar. Kode angka dideteksi berdasarkan luas untuk kode 1, 2, dan 3.

(19)

1.2. Tujuan dan Manfaat

Tujuan dari penelitian ini adalah :

1. Menghasilkan suatu sistem pencacah benda berdasarkan bentuk, ukuran, dan kode angka menggunakan bahasa pemrograman python.

Manfaat dari penelitian ini adalah :

1. Sebagai media pembelajaran mengenai computer vision untuk pencacah benda berdasarkan bentuk, ukuran, dan kode angka.

1.3. Batasan Masalah

Dalam pengerjaan sistem ini, penulis fokus pada pembuatan perangkat lunak komputer sebagai pencacah benda berdasarkan bentuk, ukuran, dan kode angka. Penulis menetapkan beberapa batasan masalah dalam perancangan ini, yaitu:

1. Masukan berupa tiga buah benda 2D yaitu; segitiga, persegi, dan bundar.

2. Benda 2D berwarna putih.

3. Menggunakan metode extent circle untuk pengenalan bentuk benda. (Terjadi perubahan metode. Perubahan metode ditunjukkan pada Lampiran 1 Tabel L-1 dan L-2).

4. Jika terdapat benda berwarna maka terdeteksi menjadi grayscale.

5. Menggunakan metode keliling untuk menentukan ukuran benda kecil, sedang, besar.

6. Ukuran benda segitiga dengan panjang sisi : Kecil = 4 cm, Sedang = 8 cm, Besar = 12 cm. Ukuran benda persegi dengan panjang sisi : Kecil = 4 cm, Sedang = 8 cm, Besar = 12 cm. Ukuran benda bundar dengan diameter : Kecil = 4 cm, Sedang = 8 cm, Besar = 12 cm. (Terjadi perubahan ukuran benda. Perubahan ukuran benda ditunjukkan pada Sub Bab 4.1.3.).

7. Jika terdapat benda segitiga, persegi, bundar yang berukuran lebih dari 12 cm maka dianggap berukuran besar. Jika terdapat benda segitiga, persegi, bundar yang berukuran kurang dari 4 cm maka dianggap berukuran kecil.

8. Kode angka berbentuk bundar, berwarna hitam pada setiap benda.

9. Jari-jari kode angka : 0,5 cm.

10. Menggunakan metode luas untuk pengenalan kode angka 1, 2, 3.

11. Menggunakan kotak berwarna hitam sebagai tempat peletakan benda dengan lebar 30cm, tinggi 30cm.

(20)

12. Warna background yang digunakan warna hitam.

13. Pengambilan citra benda menggunakan webcam.

14. Peletakan benda bebas, sejauh tidak bersentuhan.

15. Pemrograman dan tampilan GUI menggunakan bahasa pemrograman python.

16. Hasil pencacahan berupa tabel di layar monitor.

1.4. Metodologi Penelitian

Dari tujuan yang ingin dicapai di atas, langkah-langkah dalam penyusunan tugas akhir ini yaitu:

1. Studi Pustaka, yaitu mengenai pemakaian webcam untuk image processing pada python, pemrosesan citra, pengolahan citra grayscale, pengolahan citra biner, pengumpulan bahan-bahan berupa e-book dan jurnal ilmiah yang membahas mengenai computer vision, website mengenai pengenalan suatu benda, pemrograman python, serta berbagai buku yang dapat membantu lainnya.

2. Perancangan hardware dan software, mempunyai tujuan untuk merancang bentuk model dari sistem yang telah dibuat dengan cara mempertimbangankan faktor permasalahan yang telah ditentukan sebelumnya.

3. Pembuatan hardware dan software, mengenai pembuatan hardware yaitu pembuatan tempat untuk meletakkan suatu benda dan posisi tiang penyangga webcam dengan ukuran yang telah ditentukan. Sedangkan, software adalah pembuatan program GUI menggunakan python untuk pengolahan citra benda, menggunakan webcam Logitech seri C270 sebagai pengidentifikasi bentuk, ukuran, serta kode angka benda.

4. Proses pengambilan data, pengambilan data pada teknik ini dilakukan dengan mengambil tingkat pengenalan dari masing-masing benda, ukuran, dan kode angka.

Data diambil sebanyak 100 kali percobaan dengan varian jumlah benda, rotasi, dan translasi. Pada percobaan dengan varian jumlah benda penulis menentukan pengambilan data dengan 1 benda sebanyak 27 kali, 2 benda sebanyak 40 kali, dan 3 benda sebanyak 33 kali dengan varian translasi 9 posisi dan varian rotasi 0 ̊, 30 ̊, 60 ̊, dan 90 ̊.

5. Analisis dan penyimpulan hasil percobaan, langkah ini dilakukan dengan cara melihat tingkat pengenalan ketika mengidentifikasi bentuk, ukuran, dan kode angka benda.

(21)

4

BAB II

DASAR TEORI

2.1. Computer Vision

Computer vision merupakan ilmu yang menggunakan image processing untuk membuat keputusan berdasarkan citra yang didapat dari sensor atau kamera [3]. Computer vision mencoba meniru cara kerja sistem visual manusia yang sesungguhnya sangat kompleks. Oleh sebab itu, computer vision diharapkan memiliki kemampuan tingkat tinggi sebagaimana human visual.

2.1.1. Pengolahan Citra

Pengolahan citra merupakan salah satu jenis pemrosesan citra, khususnya dengan menggunakan komputer untuk mengubahnya menjadi citra yang lebih berkualitas.

Pengolahan citra bertujuan untuk meningkatkan kualitas citra sehingga dapat dengan mudah diinterpretasikan oleh manusia atau mesin (dalam hal ini komputer). Teknologi pemrosesan citra mengubah citra menjadi gambar citra. Oleh sebab itu, yang dimasukkan adalah citra dan keluarannya juga berupa citra yang kualitasnya lebih baik daripada citra masukan [4].

2.1.2. Citra Grayscale

Citra grayscale adalah citra yang nilai pikselnya merepresentasikan derajat keabuan.

Nilai intensitas paling rendah adalah merepresentasikan warna hitam dan nilai intensitas paling tinggi merepresentasikan warna putih. Banyaknya warna pada jenis citra grayscale bergantung pada jumlah bit yang disediakan oleh memori untuk menampung [5]. Contoh hasil citra grayscale ditunjukkan pada Gambar 2.1.

Gambar 2.1. Citra Grayscale

(22)

2.1.3. Citra Biner

Citra biner adalah citra yang memiliki dua nilai tingkat keabuan yaitu hitam dan putih.

Citra biner merupakan piksel yang mempunyai dua kemungkinan nilai yaitu 0 dan 1. Warna hitam dengan nilai 0 dan warna putih dinyatakan dengan nilai 1. Citra ini disebut dengan citra B&W (black and white) atau citra monokrom. Citra ini biasanya digunakan untuk memperoleh tepi bentuk suatu benda [6]. Contoh hasil citra biner ditunjukkan pada Gambar 2.2.

2.1.4. Konversi Citra Grayscale ke Citra Biner

Konversi citra grayscale menjadi citra biner dilakukan untuk mengidentifikasi keberadaan benda. Misalnya memisahkan segmentasi benda dari gambar dengan latar belakangnya. Proses ini peneliti menggunakan metode threshold. Proses threshold biasa disebut proses binarisasi. Sehingga citra keluaran dari hasil thresholding adalah berupa citra biner [7]. Untuk mencari nilai fungsi konversi citra grayscale ke citra biner dengan menggunakan rumus pada Persamaan 2.1.

𝐼_𝐵𝑖𝑛(𝑥, 𝑦) = {0

1 𝐼_𝐵𝑊(𝑥, 𝑦) < 𝑇 𝐼_𝐵𝑊(𝑥, 𝑦) ≥ 𝑇

Keterangan:

𝐼_𝐵𝑊(𝑥, 𝑦) = Nilai piksel gray titik (𝑥, 𝑦) 𝐼_𝐵𝑖𝑛(𝑥, 𝑦) = Nilai piksel binary titik (𝑥, 𝑦) 𝑇 = Nilai threshold

(2.1) Gambar 2.2. Citra Biner

(23)

Gambar 2.3. Perubahan dari Citra Grayscale ke Citra Biner

Contoh perubahan nilai piksel pada proses thresholding ditunjukkan pada Gambar 2.3.

2.1.5. Pengenalan Bentuk

Pada tahap pengenalan bentuk, peneliti menggunakan metode extent circle. Metode extent circle merupakan fitur yang memungkinkan untuk melingkupi area kontur suatu objek di dalam sebuah lingkaran. Untuk mencari nilai extent circle ditunjukkan pada Persamaan 2.2, untuk mencari nilai extent circle bentuk segitiga ditunjukkan pada Persamaan 2.3, untuk mencari nilai extent circle bentuk persegi ditunjukkan pada Persamaan 2.4, untuk mencari nilai extent circle bentuk bundar ditunjukkan pada Persamaan 2.5.

R = ^{𝐿𝑢𝑎𝑠 𝑏𝑒𝑛𝑑𝑎}

𝐿𝑢𝑎𝑠 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑒𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝑐𝑖𝑟𝑐𝑙𝑒

𝑅₁ =

𝑎 𝑥 𝑡 2 2 𝜋 𝑟²

𝑅₂ = ^{𝑠 𝑥 𝑠}

2 𝜋 𝑟²

𝑅₃= ^{2 𝜋 𝑟}

2 2 𝜋 𝑟²

(2.2) Gambar 2.4. Ilustrasi perubahan nilai piksel pada proses thresholding

(2.3)

(2.4)

(2.5)

(24)

Keterangan : 𝑅 = Nilai 𝐸𝑥𝑡𝑒𝑛𝑡 𝐶𝑖𝑟𝑐𝑙𝑒 Benda

𝑅₁ = Nilai 𝐸𝑥𝑡𝑒𝑛𝑡 𝐶𝑖𝑟𝑐𝑙𝑒 Bentuk Segitiga

𝑅₂ = Nilai 𝐸𝑥𝑡𝑒𝑛𝑡 𝐶𝑖𝑟𝑐𝑙𝑒 Bentuk Persegi 𝑅₃ = Nilai 𝐸𝑥𝑡𝑒𝑛𝑡 𝐶𝑖𝑟𝑐𝑙𝑒 Bentuk Bundar 𝑎 = Alas

𝑡 = Tinggi 𝑠 = Sisi

𝑟 = Jari-jari lingkaran

2.1.6. Pengenalan Ukuran

Pada tahap pengenalan ukuran, peneliti mencari nilai perimeter atau keliling dari citra benda. Perimeter atau keliling menyatakan panjang tepi suatu objek. Perimeter didapatkan dari hasil deteksi tepi suatu benda dalam citra digital. Jumlah piksel perimeter dari setiap benda berbeda-beda. Jumlah piksel tersebut dihitung berdasarkan piksel pada tepi suatu benda. Untuk mencari nilai keliling dari objek dengan menggunakan rumus pada Persamaan 2.6, 2.7, 2.8. Pada setiap persamaan dapat mewakili hasil pengenalan ukuran kecil, sedang, besar.

Segitiga : K = s + s + s Persegi : K = 4 x s Lingkaran : K = π x d

(2.6) Gambar 2.5. Hasil dari Pengenalan Bentuk

(2.7) (2.8)

(25)

Keterangan: K = Keliling benda d = Diameter s = Sisi

2.1.7. Pengenalan Kode Angka

Pada tahap pengenalan kode angka, peneliti mencari nilai area (luas) dari citra benda kode angka. Area merupakan jumlah piksel penyusun pada suatu objek. Benda pada citra biner direpresentasikan dengan warna putih. Nilai piksel citra berwarna putih pada area tersebut bernilai 1. Jumlah piksel (yang bernilai 1) pada suatu benda dalam citra digital adalah nilai areanya. Untuk mencari nilai area dengan menggunakan rumus pada Persamaan 2.9.

2.2. Webcam Logitech C270

Web camera (webcam) merupakan perangkat yang berupa sebuah kamera digital yang dihubungkan ke komputer melalui port USB. Layaknya kamera pada umumnya, sebuah webcam dapat mengirimkan gambar-gambar secara langsung [8].Gambar yang diambil oleh webcam ditampilkan ke layar monitor, karena dikendalikan oleh komputer, maka ada interface atau port yang digunakan untuk menghubungkan webcam dengan komputer

.

(2.9) L = 𝑛(𝜋𝑟²)

Keterangan:

L = Luas

n = Jumlah kode angka r = Jari-jari

Gambar 2.6. Hasil dari Pengenalan Ukuran

(26)

2.3. Python

Python adalah bahasa pemrograman tinggi yang sering digunakan pada dunia perteknikan. Python merupakan salah satu bahasa pemrograman yang dapat melakukan eksekusi sejumlah instruksi multiguna secara langsung dengan metode orientasi objek [9].

2.3.1. OpenCV

OpenCV (Open Computer Vision) adalah sebuah library open source yang dikembangkan oleh intel yang fokus untuk menyederhanakan programing terkait citra digital. OpenCV merupakan open source computer vision library untuk bahasa pemrograman C/C++ dan telah dikembangkan ke python, java, matlab. Keistimewaaan yang di miliki OpenCV adalah pemrosesan citra, pengenalan objek, dan pelabelan citra [10].

2.3.2. Scikit-Image

Scikit-image adalah suatu pemrosesan citra yang mengimplementasikan algoritme dan utilitas untuk digunakan dalam suatu penelitian, pendidikan, dan aplikasi industri. Scikit- image memiliki standar pengkodean. Scikit-image merepresentasikan gambar sebagai array NumPy untuk penyimpanan data multidimensi dalam python [11].

Gambar 2.7. Webcam Logitech C270

(27)

10

BAB III

PERANCANGAN PENELITIAN

3.1. Proses Pencacah Benda Berdasarkan Bentuk, Ukuran, dan Kode Angka

Proses mencacah benda berdasarkan bentuk, ukuran, dan kode angka meliputi beberapa proses, yaitu pengambilan citra dan klasifikasi bentuk, ukuran, dan kode angka. Alat yang digunakan untuk penelitian adalah laptop, webcam, dan kotak penguji. Laptop digunakan untuk perancangan software untuk proses pencacah benda, webcam digunakan untuk mengambil citra benda, dan kotak penguji digunakan untuk meletakkan benda yang akan diuji. Perancangan alat image processing berdasarkan bentuk, ukuran, dan kode angka ditunjukkan pada Gambar 3.1.

3.2.1

Kotak Pengujian Webcam Logitech C270

Laptop

Benda yang Diuji

Gambar 3.1. Perancangan Alat

(28)

3.2. Proses Kerja Sistem

Proses sebelum menampilkan teks dalam hasil keluaran, peneliti harus melalui beberapa tahap. Proses awal pengenalan benda 2D dengan pengambilan citra benda dilakukan menggunakan webcam, yang dapat mengambil citra grayscale. Tahap berikutnya yaitu tahap pengenalan bentuk, ukuran, dan kode angka. Diagram alir proses kerja sistem ditunjukkan pada Gambar 3.2.

Mulai

Input:

Masukan benda 2D berbentuk segitiga, persegi, dan bundar

Input:

Masukan benda 2D berbentuk segitiga, persegi, dan bundar Pengenalan Bentuk

Pengenalan Bentuk

Output:

Hasil Pengenalan

Output:

Hasil Pengenalan Selesai

Gambar 3.3. Diagram Alir Pengambilan Citra

Benda 2D

Pengambilan Citra Benda 2D

Pengenalan Ukuran

Pengenalan Ukuran Pengenalan Kode

Angka

Pengenalan Kode Angka

Gambar 3.2. Diagram Alir Proses Kerja Sistem

(29)

3.2.1. Pengambilan Citra benda 2D

Proses pengambilan citra benda adalah proses awal dalam sistem pencacahan benda berdasarkan bentuk, ukuran, dan kode angka. Pada proses ini citra diambil dengan webcam, setelah proses ini dilanjutkan ke proses pemrograman python. Proses diawali dengan menghidupkan webcam setelah itu mengambil citra benda. Diagram alir pengambilan citra benda 2D ditunjukkan pada Gambar 3.3.

Mulai

Gambar 3.4. Diagram Alir Pengambilan Citra

BendaMulai Camera On

Capture

Output:

Citra Grayscale

Output:

Citra Grayscale Selesai

Selesai

Gambar 3.3. Diagram Alir Pengambilan Citra Benda

(30)

3.2.2. Pengenalan Bentuk

Tahap ini merupakan proses pengenalan bentuk. Proses pengenalan bentuk benda yang dilakukan adalah mencari nilai extent circle dari citra benda. Proses ini ada tiga bentuk yang akan dideteksi, yaitu segitiga, persegi, dan bundar. Proses ini akan diulangi terus menerus hingga jumlah objek output sama dengan jumlah objek input. Penulis pada proses pengenalan bentuk menggunakan beberapa variabel, yaitu k merupakan indeks benda pertama dalam pemrograman python, R merupakan variabel nilai extent circle, F1 merupakan nilai batas untuk pengenalan bentuk segitiga, F2 merupakan nilai batas untuk pengenalan bentuk persegi, T merupakan variabel untuk array bentuk segitiga, I merupakan variabel untuk array bentuk persegi, dan C merupakan variabel untuk array bentuk bundar.

Diagram alir pengenalan bentuk ditunjukkan pada Gambar 3.4.

Mulai

Mulai Input:

Citra Grayscale

Input:

Citra Grayscale Konversi Citra Grayscale ke Citra Biner

Konversi Citra Grayscale ke Citra Biner

R = Extend Circle Benda [k]

k = 0

A

B

Menghilangkan Objek Kode Angka

Gambar 3.4. Diagram Alir Pengenalan Bentuk

(31)

Output:

Array Bentuk

Output:

Array Bentuk

Selesai

Gambar 3.4. (Lanjutan) Diagram Alir Pengenalan Bentuk

Gambar 3.4. (Lanjutan) Diagram Alir Pengenalan Bentuk R < F1

R < F1

k = k + 1

Bentuk [k] = C

Bentuk [k] = C Bentuk [k] = I

Bentuk [k] = I Tidak

Tidak

Tidak Ya

Ya Ya

Ya

R < F2

K = Jumlah Benda - 1

K = Jumlah Benda - 1 Bentuk [k] = T

Bentuk [k] = T

B

Tidak

Ya

Ya A

(32)

3.2.3. Pengenalan Ukuran

Tahap ini merupakan proses pengenalan ukuran. Proses pengenalan ukuran yang dilakukan adalah dengan mencari nilai keliling dari citra benda. Proses pengenalan ukuran dibagi menjadi tiga jenis ukuran, yaitu kecil, sedang, besar. Proses ini akan diulangi terus menerus hingga jumlah objek output sama dengan jumlah objek input. Penulis pada proses pengenalan ukuran menggunakan beberapa variabel, yaitu k merupakan indeks benda pertama dalam pemrograman python, P merupakan variabel nilai keliling benda, U1 merupakan nilai batas untuk pengenalan ukuran kecil, U2 merupakan nilai batas untuk pengenalan ukuran sedang, K merupakan variabel untuk array ukuran kecil, S merupakan variabel untuk array ukuran sedang, dan B merupakan variabel untuk array ukuran besar.

Diagram alir pengenalan ukuran ditunjukkan pada Gambar 3.5.

Mulai

Mulai Input:

Citra Biner

Input:

Citra Biner k = 0

k = 0

Menghilangkan Objek Kode Angka

Menghilangkan Objek Kode Angka P = Keliling Benda [k]

P = Keliling Benda [k]

D

E

Ga m ba r

Gambar 3.5. Diagram Alir Pengenalan Ukuran

(33)

3.2.4. Pengenalan Kode Angka

Tahap ini merupakan proses pengenalan kode angka. Proses pengenalan kode angka yang dilakukan adalah dengan mencari nilai luas dari citra benda untuk kode angka. Proses ini akan diulangi terus menerus hingga jumlah objek output sama dengan jumlah objek input.

Penulis pada proses pengenalan kode angka menggunakan beberapa variabel, yaitu k merupakan indeks benda pertama dalam pemrograman python, A merupakan variabel nilai luas benda untuk kode angka, dan L merupakan variabel nilai batas suatu kode angka.

Diagram alir pengenalan kode angka ditunjukkan pada Gambar 3.6.

Output:

Array Ukuran

Output:

Array Ukuran Selesai

Selesai P < U1

P < U1

P < U2

Ukuran [k] = B

Ukuran [k] = B Ukuran [k] = S

Ukuran [k] = S Ukuran [k] = K

Ukuran [k] = K

Ya

Ya Ya

Ya

Tidak

Tidak Tidak

Tidak

k = k + 1

k = Jumlah Benda- 1

Ya

Ya Tidak

Tidak E

E

Gambar 3.5. (Lanjutan) Diagram Alir Pengenalan Ukuran

Gambar 3.5. (Lanjutan) Diagram Alir Pengenalan Ukuran D

(34)

Mulai

Gambar 3.6.

Diagram Alir Pengenalan Kode

AngkaMulai Input:

Citra Biner

Input:

Citra Biner A = Luas Benda [k]

A = Luas Benda [k]

A < L1

A < L2

A < L3

A < L4

Kode [k] = 1

Kode [k] = 1 Kode [k] = 3

Kode [k] = 2

F

G

G Ya

Ya

Ya Ya

Ya

Tidak

Tidak Tidak

Tidak k = 0

k = 0

H

Gambar 3.6. Diagram Alir Pengenalan Kode Angka

(35)

Output:

Array Kode Angka

Output:

Array Kode Angka Selesai

Selesai A < L7

A < L7 A < L5

A < L5

A < L6

A < L6 F

F

G

A < L8

Kode [k] = 2

Kode [k] = 1

Kode [k] = 3

Kode [k] = 2

Kode [k] = 3

Gambar 3.6. (Lanjutan) Diagram Alir Pengenalan Kode Angka

Gambar 3.6. (Lanjutan) Diagram Alir Pengenalan Kode Angka Tidak

Tidak

Ya

Ya Ya

Ya

k = Jumlah

Benda -1?

k = Jumlah

Benda -1?

k = k+1

k = k+1 Tidak

Tidak

Ya

H

(36)

3.2.5. Pengisian Tabel Pada GUI Python

Tahap ini merupakan pengisian tabel keluaran pencacah benda berdasarkan bentuk, ukuran, dan kode angka. Proses ini akan diulangi terus menerus hingga jumlah objek output sama dengan jumlah objek input. Penulis pada proses pengisian tabel pada GUI python menggunakan beberapa variabel, yaitu M merupakan variabel untuk array bentuk, N merupakan variabel untuk array ukuran, dan O merupakan variabel untuk array kode angka.

Proses pengisian tabel pada GUI python input berupa masing_masing array dari setiap pengenalan, lalu akan dikelompokkan menjadi satu kelompok yang berisi masing-masing kelompok tiga array dari masing-masing pengenalan. Selanjutnya output berupa jumlah pengenalan yang akan terisi pada tabel yang diberi variabel J1 sampai dengan J27. Diagram alir proses pengisian tabel pada GUI python ditunjukkan pada Gambar 3.7.

Mulai

Mulai Input:

Jumlah Benda dan Array Bentuk [M], Ukuran [N], dan Kode Angka [O]

Input:

Jumlah Benda dan Array Bentuk [M], Ukuran [N], dan Kode Angka [O]

k = 0

k = 0 {M [k] = T} &

{N [k] = K} &

{O [k] = 1}

?

{M [k] = T} &

{N [k] = K} &

{O [k] = 1}

? I

I

J1 = J1 + 1

J

J Ya

Ya Tidak

Gamb ar 3.7.

Diagr am Alir Pengi sian

K

Gambar 3.7. Diagram Alir Pengisian Tabel GUI

(37)

Gambar 3.7. (Lanjutan) Diagram Alir Pengisian Tabel GUI Tidak

Tidak

Ya

Tidak

I J

J3 = J3 + 1 {M [k] = I} &

{N [k] = K} &

{O [k] = 1}

?

J2 = J2 + 1

{M [k] = C} &

{N [k] = K} &

{O [k] = 1}

?

{M [k] = T} &

{N [k] = K} &

{O [k] = 2}

?

J4 = J4 + 1

{M [k] = I} &

{N [k] = K} &

{O [k] = 2}

?

J5 = J5 + 1

I J

Ya Ya

Tidak

(38)

Tidak

Ya

Tidak

I J

J7 = J7 + 1 {M [k] = C} &

{N [k] = K} &

{O [k] = 2}

?

J6 = J6 + 1

{M [k] = T} &

{N [k] = K} &

{O [k] = 3}

?

{M [k] = I} &

{N [k] = K} &

{O [k] = 3}

?

J8 = J8 + 1

{M [k] = C} &

{N [k] = K} &

{O [k] = 3}

?

J9 = J9 + 1

I J

Ya Ya

Tidak

(39)

Tidak

Ya

Tidak

I J

J11 = J11 + 1 {M [k] = T} &

{N [k] = S} &

{O [k] = 1}

?

J10 = J10 + 1

{M [k] = I} &

{N [k] = S} &

{O [k] = 1}

?

{M [k] = C} &

{N [k] = S} &

{O [k] = 1}

?

J12 = J12 + 1

{M [k] = T} &

{N [k] = S} &

{O [k] = 2}

?

J13 = J13 + 1

I J

Ya Ya

Tidak

(40)

Tidak

Ya

Tidak

I J

J15 = J15 + 1 {M [k] = I} &

{N [k] = S} &

{O [k] = 2}

?

J14 = J14 + 1

{M [k] = C} &

{N [k] = S} &

{O [k] = 2}

?

{M [k] = T} &

{N [k] = S} &

{O [k] = 3}

?

J16 = J16 + 1

{M [k] = I} &

{N [k] = S} &

{O [k] = 3}

?

J17 = 17 + 1

I J

Ya Ya

Tidak

(41)

Tidak

Ya

Tidak

I J

J19 = J19 + 1 {M [k] = C} &

{N [k] = S} &

{O [k] = 3}

?

J18 = J18 + 1

{M [k] = T} &

{N [k] = B} &

{O [k] = 1}

?

{M [k] = I} &

{N [k] = B} &

{O [k] = 1}

?

J20 = J20 + 1

{M [k] = C} &

{N [k] = B} &

{O [k] = 1}

?

J21 = J21 + 1

I J

Ya Ya

Tidak

(42)

Tidak

Ya

Tidak

I J

J23 = J23 + 1 {M [k] = T} &

{N [k] = B} &

{O [k] = 2}

?

J22 = J22 + 1

{M [k] = I} &

{N [k] = B} &

{O [k] = 2}

?

{M [k] = C} &

{N [k] = B} &

{O [k] = 2}

?

J24 = J24 + 1

{M [k] = T} &

{N [k] = B} &

{O [k] = 3}

?

J25 = J25 + 1

I J

Ya Ya

Tidak

(43)

J27 = J27 + 1

k = Jumlah Benda - 1

Output:

Tabel Terisi

Output:

Tabel Terisi

k = k + 1

Selesai

Gambar 3.7. (Lanjutan) Diagram Alir Pengisian Tabel GUI

Gambar 3.7. (Lanjutan) Diagram Alir Pengisian Tabel GUI Ya

Ya Tidak

Tidak I

I

J

J {M [k] = I} &

{N [k] = B} &

{O [k] = 3}

?

{M [k] = I} &

{N [k] = B} &

{O [k] = 3}

?

J26 = J26 + 1

Ya

Tidak

Tidak K

(44)

3.3. Perancangan Tampilan GUI Python

Perancangan interface pada sistem pencacah benda berdasarkan bentuk, ukuran, dan kode angka menggunakan GUI ( Graphical User Interface ) yang terdapat pada python dengan tujuan membantu dalam proses pencacah benda berdasarkan bentuk, ukuran, dan kode angka. Rancangan tampilan GUI dapat dilihat pada Gambar 3.8. Keterangan tampilan GUI dapat dilihat pada Tabel 3.1.

Tabel 3.1. Keterangan Tampilan GUI Python

K Segitiga Persegi Bundar

1 (J1) (J2) (J3)

2 (J4) (J5) (J6)

3 (J7) (J8) (J9)

S Segitiga Persegi Bundar

1 (J10) (J11) (J12)

2 (J13) (J14) (J15)

3 (J16) (J17) (J18)

B Segitiga Persegi Bundar

1 (J19) (J20) (J21)

2 (J22) (J23) (J24)

3 (J25) (J26) (J27)

Nama Bagian Keterangan

Text Box “K” Menunjukkan tabel untuk ukuran “Kecil”

Text Box “S” Menunjukkan tabel untuk ukuran “Sedang”

Text Box “B” Menunjukkan tabel untuk ukuran “Besar”

Text Box “1” Indikator benda kode angka “1”

Text Box “2” Indikator benda kode angka “2”

Text Box “3” Indikator benda kode angka “3”

Text Box “Segitiga” Indikator benda bentuk segitiga Text Box “Persegi” Indikator benda bentuk persegi Text Box “Bundar” Indikator benda bentuk bundar

Text Box ”Hasil Pengenalan” Menampilkan hasil pengenalan untuk input image

Tombol “Camera on” Menghidupkan kamera

Tombol “Capture” Menangkap gambar dari kamera Tombol “Proses” Memproses pengenalan input image

Tombol “Reset” Mengembalikan tampilan GUI seperti semula

Tombol “EXIT” Tombol untuk keluar dari tampilan GUI

PENCACAH BENDA BERDASARKAN BENTUK, UKURAN DAN KODE AGKA

PENCACAH BENDA BERDASARKAN BENTUK, UKURAN DAN KODE AGKA Hasil Capture

Camera On

Capture

Capture Proses

Gambar 3.8.

Tampilan GUI PythonPros

es

Reset

Exit

Gambar 3.8. Tampilan GUI Python

(45)

28 Tidak

Ya

BAB IV

HASIL DAN PEMBAHASAN

Bab ini membahas mengenai perubahan diagram alir, perubahan ukuran benda, penentuan nilai dari setiap parameter, perbandingan hasil secara teori dan praktik, serta pengujian sistem pencacah benda berdasarkan bentuk, ukuran, dan kode angka menghasilkan data pengenalan. Penerapan sistem pencacah benda secara perangkat lunak pada Bab III. Pengujian sistem pencacah benda bertujuan untuk mengetahui sistem yang telah dirancang dapat bekerja dengan baik sesuai dengan perancangan.

4.1. Perubahan

4.2.1. Diagram Alir Penghapusan Kode Angka

Pada Gambar 4.1. ditunjukkan diagram alir penghapusan objek kode angka karena pada Gambar 3.4. masih belum dijelaskan mengenai proses penghapusan objek kode angka.

Penghapusan pengenalan kode angka bertujuan agar pada saat proses pengujian pengenalan bentuk dan ukuran pengenalan kode angka tidak terdeteksi sebagai objek bentuk dan ukuran.

Gambar 4.1. Diagram Alir Penghapusan Kode Angka Mulai

a<1000 Objek terhapus Input:

Citra Grayscale

Menghitung area objek kode angka (a)

Output:

Citra dengan kode angka dan citra tanpa kode objek Objek tidak terhapus

Selesai

(46)

Gambar 4.2. Diagram Alir Kode Angka

4.2.2. Diagram Alir Pengenalan Kode Angka

Tahap ini yaitu proses pengenalan kode angka dengan cara mencari nilai dari area atau luas kode angka. Penulis pada proses pengenalan kode angka menggunakan beberapa variabel, yaitu k merupakan indeks benda pertama dalam pemrograman python, A merupakan variabel nilai luas benda untuk kode angka, dan L merupakan variabel nilai batas suatu kode angka. Jika luas kurang dari L1, maka benda dianggap berkode 1, jika luas kurang dari L2, maka benda dianggap berkode 2, dan jika luas lebih dari L2, maka benda dianggap berkode 3. Proses ini akan dilanjutkan sampai pengujian terakhir. Diagram alir pengenalan kode angka ditunjukkan pada Gambar 4.2.

A < L1

A < L2

Kode [k]= 3 Input:

Citra Biner

Mengitung luas objek (A)

k = 0

Kode [k]= 2 Kode [k]= 1

Output: Hasil array kode k = k+1

Selesai

k =Jumlah benda-1?

Mulai

Ya Ya

Ya

Tidak Tidak

Tidak

(47)

Pada Gambar 4.2. merupakan perubahan diagram alir pengenalan kode angka yang menggantikan diagram alir pengenalan kode angka pada gambar 3.6. Perubahan diagram alir kode angka dilakukan karena adanya perubahan dari kerja program sehingga harus adanya penyesuaian agar semua proses pada program sesuai dengan output yang diharapkan.

4.1.3. Perubahan Ukuran Benda

Pada batasan masalah ukuran benda mengalami perubahan. Benda yang mengalami perubahan ukuran adalah benda berukuran sedang dan besar. Benda berukuran besar mengalami perubahan karena pada saat pengujian untuk benda tidak dapat terdeteksi dengan maksimal atau terpotong. Benda berukuran besar terpotong karena posisi peletakan webcam yang kurang tinggi. Sedangkan, untuk benda berukuran sedang mengalami perubahan karena agar setiap benda memiliki perbandingan nilai ukuran yang sama, yaitu berjarak 3 cm.

Perubahan ukuran benda ditunjukkan pada Tabel 4.1. dan 4.2.

Bentuk Ukuran Panjang Sisi/Diameter

Segitiga Kecil 4 cm

Segitiga Sedang 8 cm

Segitiga Besar 12 cm

Persegi Kecil 4 cm

Persegi Sedang 8 cm

Persegi Besar 12 cm

Bundar Kecil 4 cm

Bundar Sedang 8 cm

Bundar Besar 12 cm

Tabel 4.1. Ukuran Benda Sebelum Perubahan

Tabel 4.2. Ukuran Benda Setelah Perubahan Bentuk Ukuran Panjang

Sisi/Diameter Segitiga Kecil 4 cm Segitiga Sedang 7 cm

Segitiga Besar 10 cm

Persegi Kecil 4 cm

Persegi Sedang 7 cm

Persegi Besar 10 cm

Bundar Kecil 4 cm

Bundar Sedang 7 cm

Bundar Besar 10 cm

(48)

Gambar 4.4. Segitiga Ukuran 10 cm Gambar 4.3. Segitiga Ukuran 12 cm

Gambar 4.5. Persegi Ukuran 12 cm

(49)

Gambar 4.8. Bundar Ukuran 10 cm Gambar 4.6. Persegi Ukuran 10 cm

Gambar 4.7. Bundar Ukuran 12 cm

(50)

4.2. Penentuan Parameter

Penentuan parameter memiliki tujuan yaitu untuk mencari suatu nilai dari tiap batas pada program dari setiap pengenalan. Satuan yang digunakan dalam menentukan parameter adalah piksel (px). Pada penentuan parameter penulis sudah menentukan nilai batas-batas pada setiap pengenalan benda. Nilai yang dipakai untuk menentukan suatu parameter adalah nilai yang dihasilkan dari hasil pengujian secara praktik.

4.2.1. Parameter Bentuk

Penentuan parameter bentuk pada penelitian ini dilakukan dengan cara mencari nilai extent circle dari setiap bentuk dengan melakukan evaluasi nilai extent circle minimal dan maksimal dari setiap pengenalan bentuk dengan satuan parameternya adalah piksel. Nilai extent circle minimal dan maksimal dari setiap bentuk diperoleh dari pengujian secara praktik yang ditunjukkan pada Lampiran 1 Tabel L-3. Hasil dari nilai parameter bentuk ditetapkan sebagai nilai batas untuk pengenalan bentuk segitiga, persegi, dan bundar pada program dan akan dilakukan penghitungan sebagai berikut :

Diketahui : Extent circle max benda segitiga : 0,424 px, extent circle min benda persegi : 0,626 px, extent circle max benda persegi : 0,640 px, extent circle min benda bundar : 0,898 px.

• Penentuan Batas Bentuk Segitiga (R1):

R1 = 𝐸𝑥𝑡𝑒𝑛𝑡 𝑐𝑖𝑟𝑐𝑙𝑒 𝑚𝑎𝑥 𝑠𝑒𝑔𝑖𝑡𝑖𝑔𝑎 + 𝐸𝑥𝑡𝑒𝑛𝑡 𝑐𝑖𝑟𝑐𝑙𝑒 𝑚𝑖𝑛 𝑝𝑒𝑟𝑠𝑒𝑔𝑖 2

R1 =0,424 + 0,626 2

R1= 0,525 𝑝𝑥

Benda bentuk segitiga dapat terdeteksi apabila nilai extent circle bendanya yaitu lebih kecil dari 0,525 px.

• Penentuan Batas Bentuk Persegi (R2):

𝑅2 = 𝐸𝑥𝑡𝑒𝑛𝑡 𝑐𝑖𝑟𝑐𝑙𝑒 max 𝑝𝑒𝑟𝑠𝑒𝑔𝑖 + 𝐸𝑥𝑡𝑒𝑛𝑡 𝑐𝑖𝑟𝑐𝑙𝑒 min 𝑏𝑢𝑛𝑑𝑎𝑟 2

R2 = 0,640+0,898 2

𝑅2 = 0,769 𝑝𝑥

(51)

Gambar 4.9. List Program Pengenalan Bentuk

Benda bentuk persegi dapat terdeteksi apabila nilai extent circle bendanya yaitu lebih besar dari nilai extent circle benda bentuk segitiga dan lebih kecil dari 0,769 px.

Benda bentuk bundar dapat terdeteksi apabila nilai extent circle bendanya lebih besar dari nilai extent circle dari benda bentuk persegi, yaitu lebih dari 0,769 px.

4.2.2. Parameter Ukuran

Penentuan parameter ukuran pada penelitian ini dilakukan dengan cara mencari nilai keliling dari setiap ukuran dengan melakukan evaluasi nilai keliling minimal dan maksimal dari setiap pengenalan ukuran dengan satuan parameternya adalah piksel. Nilai keliling minimal dan maksimal dari setiap ukuran diperoleh dari pengujian secara praktik yang ditunjukkan pada Lampiran 1 Tabel L-4. Hasil dari nilai parameter ukuran ditetapkan sebagai nilai batas untuk pengenalan ukuran kecil, ukuran sedang, dan ukuran besar pada program dan akan dilakukan penghitungan sebagai berikut :

Diketahui : keliling max benda kecil : 494 px, keliling min benda sedang : 658 px, keliling max benda sedang : 916 px, keliling min benda besar : 948 px.

• Penentuan Batas Ukuran Kecil (K) :

K =𝑘𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝑚𝑎𝑥 𝑏𝑒𝑛𝑑𝑎 𝑘𝑒𝑐𝑖𝑙 + 𝑘𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝑚𝑖𝑛 𝑏𝑒𝑛𝑑𝑎 𝑠𝑒𝑑𝑎𝑛𝑔 2

K = ^{494 + 658}

2

K = 576 𝑝𝑥

(52)

Gambar 4.10. List Program Pengenalan Ukuran

Benda berukuran kecil dapat terdeteksi apabila nilai keliling ukurannya yaitu lebih kecil dari 576 px.

• Penentuan Batas Ukuran Sedang (S):

S =𝑘𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝑚𝑎𝑥 𝑏𝑒𝑛𝑑𝑎 𝑠𝑒𝑑𝑎𝑛𝑔 + 𝑘𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝑚𝑖𝑛 𝑏𝑒𝑛𝑑𝑎 𝑏𝑒𝑠𝑎𝑟

2

S =^{916 + 948}

2

S = 932 𝑝𝑥

Benda berukuran sedang dapat terdeteksi apabila nilai keliling ukurannya yaitu lebih besar dari nilai keliling benda berukuran kecil dan lebih kecil dari 932 px.

Benda berukuran besar dapat terdeteksi apabila nilai keliling bendanya lebih besar dari nilai keliling dari benda berukuran sedang, yaitu lebih dari 932 px.

4.2.3. Parameter Kode Angka

Penentuan parameter kode angka pada penelitian ini dilakukan dengan cara mencari nilai luas dari setiap kode angka dengan melakukan evaluasi nilai luas minimal dan maksimal dari setiap pengenalan kode angka dengan satuan parameternya adalah piksel.

Nilai luas minimal dan maksimal dari setiap kode angka diperoleh dari pengujian secara praktik yang ditunjukkan pada Lampiran 1 Tabel L-5. Hasil dari nilai parameter kode angka ditetapkan sebagai nilai untuk batas pengenalan kode 1, kode 2, dan kode 3 pada program

(53)

Gambar 4.11. List Program Pengenalan Kode Angka dan akan dilakukan penghitungan sebagai berikut :

Diketahui : luas max kode 1 : 316 piksel; luas min kode 2 : 986 piksel; luas max kode 2 : 1064 piksel; luas min kode 3 : 1091 piksel.

• Penentuan Batas Kode 1 (L1) :

L1 =𝑙𝑢𝑎𝑠 𝑚𝑎𝑥 𝑘𝑜𝑑𝑒 1 + 𝑙𝑢𝑎𝑠 𝑚𝑖𝑛 𝑘𝑜𝑑𝑒 2 2

𝐿1 =316 + 986 2 𝐿1 = 651 𝑝𝑥

Kode 1 dapat terdeteksi apabila nilai luas kodenya yaitu lebih kecil dari 651 px.

• Penentuan Batas Kode 2 (L2) :

L2 =𝑙𝑢𝑎𝑠 𝑚𝑎𝑥 𝑘𝑜𝑑𝑒 2 + 𝑙𝑢𝑎𝑠 𝑚𝑖𝑛 𝑘𝑜𝑑𝑒 3 2

𝐿2 =1064 + 1960 2 𝐿2 = 1.512 𝑝𝑥

Kode 2 dapat terdeteksi apabila nilai luas kodenya yaitu lebih besar dari nilai luas kode 1 dan lebih kecil dari 1.512 px.

Kode 3 dapat terdeteksi apabila nilai luas kodenya lebih besar dari nilai luas kode 2, yaitu lebih dari 1.512 px.

(54)

4.3. Perbandingan Teori Dengan Praktik

Perbandingan teori dan praktik dilakukan untuk mengetahui perbedaan nilai perhitungan secara teori dengan nilai perhitungan secara praktik. Menentukan perbandingan nilai yang perlu dilakukan adalah mengkonversi nilai secara praktik dengan satuan piksel menjadi satuan centimeter agar memiliki persamaan dengan nilai satuan secara teori. Nilai 1 piksel = 0,026 cm. Cara mengkonversi nilai piksel menjadi centimeter ditunjukkan pada Gambar 4.12. untuk pengenalan bentuk, Gambar 4.13. untuk pengenalan ukuran, dan Gambar 4.14. untuk pengenalan kode angka. Hasil perbandingan nilai secara teori dengan praktik ditunjukkan pada Tabel 4.3., 4.4., dan 4.5.

4.2.1. Pengenalan Bentuk

Diketahui : Panjang sisi : ukuran kecil = 4 cm, ukuran sedang = 7 cm, dan ukuran besar

= 10 cm. Jari-jari : ukuran kecil = 2 cm, ukuran sedang = 3,5 cm, dan ukuran besar = 5 cm.

𝑅₁ merupakan nilai untuk pengenalan bentuk segitiga, 𝑅₂ merupakan nilai untuk pengenalan bentuk persegi, dan 𝑅₃ merupakan nilai untuk pengenalan bentuk bundar. 𝑟 merupakan jari- jari dari circle dan benda bundar. Nilai 𝑅₁, 𝑅₂, 𝑅₃ didapat dari rumus extent circle yang ditunjukkan pada Sub Bab 2.1.5. pada Persamaan 2.3, 2.4, 2.5 halaman 6 hingga 7.

Perhitungan pengujian nilai extent circle pengenalan bentuk ditunjukkan pada Lampiran 1 Tabel L-3.

• Luas 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒

𝐿𝑢𝑎𝑠 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 𝐾𝑒𝑐𝑖𝑙 = 2 𝜋 𝑟² = 2 × 𝜋 × 2² = 25,13 𝑐𝑚² 𝐿𝑢𝑎𝑠 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 𝑆𝑒𝑑𝑎𝑛𝑔 = 2 𝜋 𝑟²

= 2 × 𝜋 × 3,5² = 76,96 𝑐𝑚²

𝐿𝑢𝑎𝑠 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 𝐵𝑒𝑠𝑎𝑟 = 2 𝜋 𝑟² = 2 × 𝜋 × 5² = 157,06 𝑐𝑚²

𝑅𝑒𝑟𝑎𝑡𝑎 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 = 25,13 + 76,96 + 157,06 3

= 86,38 𝑐𝑚²

(55)

• Bentuk Segitiga (R1)

𝐿𝑢𝑎𝑠 𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎 𝐾𝑒𝑐𝑖𝑙 = 𝑎𝑙𝑎𝑠 × 𝑡𝑖𝑛𝑔𝑔𝑖 2 = 4 × 3,5

2 = 7 𝑐𝑚²

𝐿𝑢𝑎𝑠 𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎 𝑆𝑒𝑑𝑎𝑛𝑔 = 𝑎𝑙𝑎𝑠 × 𝑡𝑖𝑛𝑔𝑔𝑖 2 = 7 × 6

2 = 21 𝑐𝑚²

𝐿𝑢𝑎𝑠 𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎 𝐵𝑒𝑠𝑎𝑟 = 𝑎𝑙𝑎𝑠 × 𝑡𝑖𝑛𝑔𝑔𝑖 2 = 10 × 8,7

2 = 43,5 𝑐𝑚²

𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝐵𝑒𝑛𝑡𝑢𝑘 𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎 = 7 + 21 + 43.5 3 = 23,84 𝑐𝑚²

𝑅₁ = 𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎

𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 𝑅₁ = 23,84

86,38 𝑅₁ = 0,28

• Bentuk Persegi (R2)

𝐿𝑢𝑎𝑠 𝑃𝑒𝑟𝑠𝑒𝑔𝑖 𝐾𝑒𝑐𝑖𝑙 = 𝑠𝑖𝑠𝑖 × 𝑠𝑖𝑠𝑖 = 4 × 4 = 16 𝑐𝑚²

(56)

𝐿𝑢𝑎𝑠 𝑃𝑒𝑟𝑠𝑒𝑔𝑖 𝑆𝑒𝑑𝑎𝑛𝑔 = 𝑠𝑖𝑠𝑖 × 𝑠𝑖𝑠𝑖 = 7 × 7 = 49 𝑐𝑚²

𝐿𝑢𝑎𝑠 𝑃𝑒𝑟𝑠𝑒𝑔𝑖 𝐵𝑒𝑠𝑎𝑟 = 𝑠𝑖𝑠𝑖 × 𝑠𝑖𝑠𝑖 = 10 × 10 = 100 𝑐𝑚²

𝑅𝑒𝑟𝑎𝑡𝑎 𝐵𝑒𝑛𝑡𝑢𝑘 𝑃𝑒𝑟𝑠𝑒𝑔𝑖 = 16 + 49 + 100 3

= 55 𝑐𝑚²

𝑅₂ = 𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝑃𝑒𝑟𝑠𝑒𝑔𝑖

𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 𝑅₂ = 55

86,38 𝑅₂ = 0,63

• Bentuk Bundar (R3)

𝐿𝑢𝑎𝑠 𝐵𝑢𝑛𝑑𝑎𝑟 𝐾𝑒𝑐𝑖𝑙 = 2 𝜋 𝑟²

= 2 × 𝜋 × 2² = 25,13 𝑐𝑚²

𝐿𝑢𝑎𝑠 𝐵𝑢𝑛𝑑𝑎𝑟 𝑆𝑒𝑑𝑎𝑛𝑔 = 2 𝜋 𝑟²

= 2 × 𝜋 × 3,5² = 7,96 𝑐𝑚²

𝐿𝑢𝑎𝑠 𝐵𝑢𝑛𝑑𝑎𝑟 𝐵𝑒𝑠𝑎𝑟 = 2 𝜋 𝑟² = 2 × 𝜋 × 5² = 157,06 𝑐𝑚²

𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝐵𝑢𝑛𝑑𝑎𝑟 = 25,13 + 76,96 + 157,06 3

= 86,38 𝑐𝑚²

(57)

Gambar 4.12. Konversi Nilai Piksel Pengenalan Bentuk [12]

𝑅₃ = 𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝐵𝑢𝑛𝑑𝑎𝑟

𝑅𝑒𝑟𝑎𝑡𝑎 𝐿𝑢𝑎𝑠 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 𝐸𝑛𝑐𝑙𝑜𝑠𝑖𝑛𝑔 𝐶𝑖𝑟𝑐𝑙𝑒 𝑅₃ = 86,38

86,38 𝑅₃ = 1

Tabel 4.3. Tabel Perbandingan Bentuk

4.2.2. Pengenalan Ukuran

Diketahui : 𝐾 merupakan nilai keliling benda. Panjang sisi dan diameter benda: ukuran kecil = 4 cm, ukuran sedang = 7 cm, dan ukuran besar = 10 cm. Rumus untuk mencari nilai keliling pengenalan ukuran ditunjukkan pada Sub Bab 2.1.6. pada Persamaan 2.6, 2.7, 2.8 halaman 7 hingga 8. Perhitungan pengujian nilai luas pengenalan kode angka ditunjukkan pada Lampiran 1 Tabel L-4.

Perhitungan Praktik Perhitungan Teori

Bentuk Nilai

Extent Circle Bentuk Nilai Extent Circle

Segitiga 0,011 Segitiga 0,28

Persegi 0,017 Persegi 0,63

Bundar 0,025 Bundar 1

(58)

• Ukuran Kecil

𝐾𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎 = 𝑠𝑖𝑠𝑖 + 𝑠𝑖𝑠𝑖 + 𝑠𝑖𝑠𝑖 = 4 + 4 + 4

= 12 cm

𝐾𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝑃𝑒𝑟𝑠𝑒𝑔𝑖 = 4 × 𝑠𝑖𝑠𝑖 = 4 × 4 = 16 cm

𝐾𝑒𝑙𝑖𝑙𝑖𝑛𝑔 𝐵𝑢𝑛𝑑𝑎𝑟 = 2 × 𝜋 × 𝑟