IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN SEPATU BERBASIS ANDROID
SKRIPSI
HAFNI SILFIZAH HASIBUAN 131402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2019
IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN SEPATU BERBASIS ANDROID
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ijazah Sarjana Teknologi Informasi
HAFNI SILFIZAH HASIBUAN 131402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
MEDAN 2019
PERNYATAAN
IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN SEPATU BERBASIS ANDROID
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2019
HAFNI SILFIZAH HASIBUAN 131402071
UCAPAN TERIMA KASIH
Puji dan syukur kehadirat Allah SWT, karena rahmat dan izin dari-Nya penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Penulis mengucapkan banyak terima kasih kepada Bapak Prof. Runtung Sitepu, SH., M.Hum selaku Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Opim Salim Sitompul selaku Dekan Fasilkom-TI Universitas Sumatera Utara, Bapak Romi Fadillah Rahmat B.Comp.Sc., M.Sc selaku Ketua Program Studi S1 Teknologi Informasi Universitas Sumatera Utara sekaligus sebagai Pembibing I yang telah memberikan bimbingan dan saran, Bapak Ivan Jaya, S.Si., M. selaku Dosen pembimbing II yang telah memberikan bimbingan dan saran. Bapak Ainul Hizriadi, S.Kom, M.Sc sebagai Dosen Pembimbing Akademik yang telah memberikan ide dan saran kepada penulis, Ibu Sarah Purnamawati, S.T., M.Sc sebagai Dosen Pembanding I dan bapak Ivan Jaya, S.Si., M.Kom sebagai Dosen Pembanding II. Seluruh dosen serta staf pegawai di lingkungan Program Studi S1 Teknologi Informasi dan Fasilkom-TI Universitas Sumatera Utara, yang telah membantu proses administrasi selama masa perkuliahan.
Ucapan terima kasih juga saya ucapkan kepada keluarga saya yang sudah senantiasa memberikan motivasi, doa, dan kasih sayang yang membuat saya berminat menyelesaikan tugas akhir ini, kepada Ayah saya (Rustam Efendi Hasibuan), Ibu saya tercinta (Rohani), Adik saya terimut (Nurul Aini Hasibuan, Amd.), Bunde saya (Rosmaniar Hasibuan), Sepupu – sepupu saya (Rusmi Charyani Hasibuan, S,I Kom, Dr.
Maulia Windani, Suci Fadillah, Siti Rahmi Hasibuan, S.E, Eka Sari Putri S.E,) serta keluarga besar lainnya yang tak bisa saya sebutkan satu persatu. Saya juga mengucapkan beribu terima kasih kepada sahabat – sahabat saya Senja Kirana (Lusi Cania Manurung S.S, Wilda Cahyani S.Ant, Mira Mentari Lubis S, Km, Andre Raka
Dewa Amd.,Erin Rizki Amd., Bagus Heru Setyawa Amd., Wahyu Abdi Nugeraha SE, Dwi Fajar Heryansyah), serta keluarga besar KOMPAS - USU telah mendukung saya.
Untuk teman-teman seperjuangan dalam memperoleh gelar S.kom, mendoakan, membantu dalam menyiapkan skripsi ini (Pujiarti, Anggi Damira, Novi Endah Marhaen, Sri Artika,, dan Yuni Marsinta Butar-butar) serta kepada seluruh teman-teman Teknologi Informasi angkatan 2013 khususnya kom A yang tidak bisa penulis ucapkan satu persatu.
Kemudian Terimakasih Kepada Tim Toba Caldera Management yang telah mendukung penulis, serta Abdul Rahman S. Psi yang sudah mendukung penulis.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.
Medan, Agustus 2019
Penulis
ABSTRAK
Sepatu termasuk kebutuhan pokok, karena hampir setiap orang memerlukannya untuk menunjang kegiatan sehari – hari, namun terdapat banyak faktor yang menghambat proses jual beli sepatu, salah satunya keraguan saat memutuskan ukuran sepatu. Biasanya konsumen akan memilih membeli sepatu secara langsung di toko untuk menghindari resiko ketidakcocokan ukuran. Atau jika ingin memesan sepatu secara online maka konsumen memutuskan nomor sepatu yang pernah dibeli sebelumnya, alhasil pembeli bisa saja mendapatkan ukuran sepatu yang kurang pas. Untuk pengukuran sepatu masih dilakukan secara manual sehingga cara tersebut dianggap masih kurang efisien dan rumit secara pelaksanaan. Oleh karena itu, dibutuhkannya suatu sistem untuk membantu user menentukan ukuran sepatu yang sesuai ukuran telapak kaki. Sistem diolah melalui pengolahan citra dan menggunakan koin untuk mendapatkan ukuran, Pendeteksian dilakukan dengan metode canny edge detection, chess board (chebyshev). Metode canny edge detection untuk mendapatkan garis tepi objek, selanjutnya chessboard untuk
mrnghitung pixel objek. Berdasarkan pengujian pada 45 orang pada penelitian ini menunjukkan akurasi mencapa hingga 90%. Hasil dari sistem berupa ukuran sepatu EU, UK, US, serta gambar pola telapak kaki.
Kata Kunci : sepatu, ukuran telapak kaki, canny edge detection,chess board, image processing
IMPLEMENTATION OF CANNY EDGE DETECTION FOR ANDROID BASED SHOES MEASUREMENT
ABSTRACT
Shoes include basic needs, because almost everyone needs them to support their daily activities, but there are many factors that hinder the process of buying and selling shoes, one of which is doubt when deciding on shoe size. Usually consumers will choose to buy shoes directly at the store to avoid the risk of size mismatch. Or if you want to order shoes online, then the consumer decides the number of shoes that were bought before, as a result the buyer can just get a shoe size that is less fitting. For shoes measurement is still done manually so that the method is considered still less efficient and complicated in implementation. Therefore, we need a system to help users determine the size of shoes that fit the sole of the foot. The system is processed through image processing and using coins to get the size, the detection is done by the canny edge detection method. Based on testing on 50 people in this study showed an accuracy of up to 90%. The results of the system are Eu, UK, Us, and footprints.
Keywords: shoes, foot size, canny edge detection, image processing
DAFTAR ISI
Halaman
KULIT DALAM I
HALAMAN JUDUL ii
PERSETUJUAN iii
PERNYATAAN ORISINALITAS iv
UCAPAN TERIMA KASIH V
ABSTRAK vii
ABSTRACK viii
DAFTAR ISI ix
DAFTAR TABEL xii
DAFTAR GAMBAR xiii
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 4
1.3. Batasan Masalah 4
1.4. Tujuan Penelitian 5
1.5. Manfaat Penelitian 5
1.6. Metodologi Penelitian 5
1.7. Sistematika Penulisan 6
BAB 2 LANDASAN TEORI
2.1. Landasan Teori 7
2.1.1. Ukuran Sepatu 7
2.1.2. Android 8
2.1.3 Pengolahan Citra Digital 9
2.1.4 Opencv 10
2.1.5. Canny Edge Detection 11
2.1.6. Kalibrasi 12
2.1.7 chessboard
2.2.Penelitian Terdahulu 12
BAB 3ANALISIS DAN PERANCANGAN SITEM
3.1.Analisis Sistem 13
3.2.Data yang Digunakan 15
3.3 Arsitektur Umum 17
3.3.1. Input 17
3.3.2. Proses 18
a. Ekstraksi Fitur 19
b. Grayscalling 19
c. Canny Edge Detection 20
d. Contour Tracing 20
e. Filter Contouring 21
f. Kalibrasi 22
3.3.3 Output 22
3.4.Use-Case Diagram 23
3.5.Perancangan Antarmuka 24
3.5.1. Perancangan Sistem 24
BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1.Implementasi Sistem 27 4.1.1 Spesifikasi perangkat Lunak yang
digunakan 27
4.1.2 Implementasi perancangan Antarmuka 28
1. Tampilan Splashscreen 28
2. Tampilan Activity Awal 28
3. Tampilan Activity Pengambilan Citra 29
4. Tampilan Activity Hasil 30
4.2. Pengujian Sistem 31
4.2.1 Pengujian Pengukuran Sepatu Secara
Manual 31
4.2.2 Pengujian Pngukuran Sepatu Melalui
Sistem 38
4.3. Perbandingan Data Pengukuran Manual
dengan Pengukuran Melalui Sistem 51
BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan 55
5.2. Saran 55
DAFTAR PUSTAKA
DAFTAR TABEL
Halaman
Tabel 2.1 Data Ukuran Standard Sepatu Internsional 8
Tabel 2.2. Penelitian Terdahulu 13
Tabel 3.1. Data Ukuran Standard Sepatu Internasional 16
Tabel 3.3 Contoh matriks citra RGB ukuran x3 pixel 19
Tabel 3.4 Hasil Konversi Matriks Citra Keabuan 19
Tabel 3.2. Use-Case Diagram 23
Tabel 3.3 Perancangan Sistem Antarmuka 24
Tabel 4.1. Pengukruan sepatu Secara Manual 31
Tabel 4.2. Pengukuran Sepatu menggunakan aplikasi 39
Tabel 4.3. Perbandngan pengujian pengukuran panjang(cm) telapak kaki 51
Tabel 4.4. Perbandingan pengujian pengukuran sepatu 53
DAFTAR GAMBAR
Halaman
Gambar 2.1. Open CV 11
Gambar 2.2. Hasil dari Proses Canny Edge Detection 11
Gambar 2.3. Koin Rp. 500 12
Gambar 3.1. Arsitektur Umum 17
Gambar 3.2. Pengambilan gambar 18
Gambar 3.3. Hasil Citra Grayscale 20
Gambar 3.4 Hasil citra Deteksi Tepi Canny 20
Gambar 3.5. Citra dengan Kontur yang Terdeteksi 21
Gambar 3.6. Citra Filter Contouring 21
Gambar 4.1. Tampilan splashscreen 28
Gambar 4.2. Tampilan Awal 29
Gambar 4.3. Tampilan Activity Pengambilan Citra 30
Gambar 4.4. Tampilan Activity Hasil 30
Gambar 4.5. Diagram Persentase Kesalahan Perbandingan Pengujian
Perhitungan Panjang (cm) telapak kaki 52
Gambar 4.6. Diagram Persentase Kesalahan Perbandingan Pengujian
Ukuran Sepatu 54
BAB I PENDAHULUAN
1.1 Latar belakang
Perkembangan teknologi Smartphone pada saat ini sangat berkembang pesat.
Smartphone dapat menunjang berbagai macam aktifitas, segala keperluan masyarakat khususnya dalam hal komunikasi. tidak hanya sebatas untuk menelepon atau mengirim pesan singkat (sms) saja tetapi juga dapat di gunakan untuk komunikasi melalui internet dan sejumlah aplikasi yang memudahkan masyarakat dalam setiap pekerjaan yang dilakukan dan dalam kehidupan sehari – hari. Seiring dengan meningkatnya teknologi, perkembangan bisnis yag mengandalkan jaringan internet pun kini sudah menjamur dan banyak memberikan dampak positif.
Saat ini masyarakat banyak yang berminat menggunakan smartphone untuk memudahkan semua aktivitas. Smartphone sudah menjadi kebutuhan sehari – hari karena segala kebutuhan sudah tersedia didalamnya. Ditengah maraknya perkembangan teknologi saat ini, penulis tertarik untuk memperhatikan kebutuhan pokok manusia yang lainnya, yakni sepatu . karena hampir setiap orang memerlukannya untuk menunjang kegiatan sehari – hari. Sepatu atau alas kaki dapat melindungi kaki dari kotoran ataupun benda tajam saat menginjak tanah dan batu krikil di jalan, , sepatu pun sudah menjadi gaya hidup bagi kebanyakan orang pada zaman ini (Sancaktar, 2006)
Para pelaku industri pun berlomba – lomba untuk menawarkan berbagai jenis sepatu. Namun terdapat banyak faktor yang menghambat proses jual beli sepatu, salah satunya keraguan saat memutuskan ukuran sepatu. Setiap konsumen melakukan berbagai macam tentang pencarian, pembelian, penggunaan produk pada setiap periode tertentu (Schiffman dan Kanuk, 2007). Biasanya konsumen akan memilih
membeli sepatu secara langsung di toko dengan mencobanya terlebih dahulu untuk menghindari resiko ketidakcocokan ukuran. Atau jika ingin memesan sepatu melalui internet maka konsumen memutuskan nomor sepatu yang pernah dibeli sebelumnya, dengan harapan ukuran sepatu sudah tepat. Alhasil konsumen akan menerima barang dengan ukuran yang mungkin saja pas atau tidak pas. Menurut penelitian yang dilakukan oleh College of Podiatry, dari 2.000 orang dewasa yang disurvei, sepertiga pria dan hampir separuh wanita mengaku membeli sepatu yang tidak pas. Meskipun tidak tampak seperti masalah besar ketika sepasang sepatu terasa terlalu ketat pada saat pembelian, namun penelitian menunjukkan bahwa sepatu yang tidak pas bisa menyebabkan efek kesehatan negatif seperti sakit kepala dan sakit punggung. Dan yang lebih parahnya adalah Hammertoes, deformitas, pertumbuhan bunion, dan nyeri pada kaki.
Bagi konsumen yang ingin menempah sepatu juga mengalami kesusahan karena bentuk pola telapak kaki yang masing – masing orang berbeda. Biasanya untuk tempahan sepatu secara langsung, konsumen harus mengukur telapak kaki secara manual dengan menggambar telapak kaki di atas kertas atau media lain untuk diukur dengan alat meteran dan mendapatkan pola kaki konsumen. Maka dari itu masih banyak orang yang takut belanja sepatu melalui internet dengan alasan ukuran sepatu kurang pas dengan sepatu yang dipesan. Solusinya adalah mendapatkan ukuran sepatu yang sesuai standard ukuran sepatu internasional dan memberikan pola telapak kaki untuk menentukan ukuran yang harus dikenakan.
Dengan kemajuan ilmu teknologi, metode pengolahan citra digital bisa dikembangkan untuk mendapatkan ukuran sepatu. Pengolahan Citra (Image Processing) adalah proses pengolahan gambar yang bertujuan untuk memanipulasi dan menganalisis citra dengan bantuan komputer. Proses ini akan memperbaiki suatu gambar agar lebih mudah diinterpretasi oleh mata manusia ataupun mesin, melakukan proses penarikan informasi, deskripsi objek atau pengenalan objek pada citra sehingga menghasilkan citra digital. Teknologi Image processing ini dapat diaplikasikan pada smartphone berbasis android, salah satunya untuk menghasilkan gambar pola telapak kaki serta ukurannya.
Sebelumnya telah dilakukan penelitian dengan penerapan metode canny edge detection, penelitian dilakukan oleh Shofwatul Uyun dan Ahmad Mustafid pada tahun 2017 dengan judul Segmentasi Citra Sapi Berbasis Deteksi Tepi Menggunakan Algoritma Canny Edge Detection untuk menentukan lingkar dada, panjang badan dan bobot sapi dengan mengambil citra dari masing – masing sapi. Untuk mendapatkan ukuran tersebut, penelitian ini meletakkan sebuah tongkat dengan ukuran yang sudah ditentukan dan jarak objek tongkat dengan kamera juga ditentukan. Dari objek tongkat dan sapi tersebut, didapatkan ukuran lingkar dada, panjang badan, dan bobot sapi. Dari penelitian ini memberikan data yang lebih akurat dibanding pengukuran secara manual. Serta beberapa penelitian lainnya.
Dari penelitian Wahyu Fuadi dan Selamat Meliala, telah dilakukan penelitian untuk sistem pengukuran tinggi badan dan tinggi tendangan dengan metode chess board.
Peneleitian ini berjudul Perancangan Sistem Pengidentifikasian Tinggi badan dan Tinggi Tendangan Taekwondo Menggunakan Metode Chess Board, pada tahun 2016. Untuk mendapatkan ukuran, pengambilan gambar ditentukan jarak kamera pada objek sejauh 4- 5 meter, dan kamera diberikan penyangga setinggi 120 cm. sistem menghasilkan persentase kesalahan 0,82%.
Berdasarkan penelitian tersebut, maka penulis tertarik untuk melakukan penelitian untuk membantu mendapatkan gambar pola dan ukuran sepatu yang akurat yakni “ Implementasi Canny Edge Detection untuk Pengukuran Sepatu Berbasis Android”.
1.2 Rumusan Masalah
Pada umumnya ukuran sepatu merupakan hal sepele untuk ditentukan namun dapat mengakibatkan kerugian kepada orang yang memakai sepatu dengan ukuran yang tidak pas. Apalagi seringkali biasanya pembeli memesan ukuran sepatu hanya berdasarkan pengalaman membeli sepatu sebelumnya, padahal mungkin saja akan menimbulkan ketidakcocokan dengan sepatu yang dipesan selanjutnya. Bahkan beberapa orang ragu membeli sepatu secara online atau tidak langsung karena permasalahan ukuran sepatu.
Pada pemesanan tempahan sepatu, gambar pola dan pengukuran telapak kaki juga diukur secara manual. Oleh karena itu diperlukan suatu sistem untuk membantu user menentukan ukuran sepatu yang sesuai pengukuran telapak kaki.
1.3 Batasan Masalah
1. Citra yang diolah adalah objek telapak kaki dan koin ( koin Rp.500,- tahun emisi 2013).
2. Gambar diambil dari kamera pada smartphone android
3. Saat pengambilan gambar, posisi koin tepat melingkupi lingkaran merah di layar smartphone
4. Objek kaki tidak menggunakan alas kaki apapun, dan menggunakan celana panjang atau tampak dari tumit hingga ujung jari kaki
5. Konsistensi pergerakan smartphone saat pengambilan citra
6. Kaki yang diukur adalah kaki orang dewasa, panjang telapak kaki yang diukur kisaran 22,8 cm – 27,9 cm.
1.4 Tujuan Penelitian
Untuk memberikan ukuran sepatu dan gambar pola dengan menggunakan metode canny edge detection dan chess board.
1.5 Manfaat Penelitian
1. Dapat memberikan efisiensi pengukuran panjang telapak kaki untuk menentukan ukuran sepatu, serta meningkatkan produktifitas penjualan sepatu melalui internet.
2. Dapat memberikan ukuran panjang dan lebar, serta gambaran pola telapak kaki untuk menempah sepatu secara digital.
1.6. Metodologi Penelitian
Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai berikut:
1. Studi Literatur
Pada tahap ini dilakukan pengumpulan bahan referensi mengenai pengolahan citra digital, pengukuran sepatu, dari beberapa jurnal, artikel, dan sumber referensi lainnya.
2. Analisis
Pada tahap ini dilakukan analisis terhadap bahan referensi yang telah dikumpulkan dari beberapa sumber sebelumnya untuk mendapatkan pemahaman pada cara kerja image processing, Euclidean distance, dan pengukuran sepatu 3. Perancangan
Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, pelatihan, dan perancangan antar muka. Proses perancangan dilakukan berdasarkan hasil analisis terhadap studi literatur yang sudah dikumpulkan.
4. Implementasi
Pada tahap ini dilakukan implementasi terhadap analisis dan perancangan yang telah dilakukan ke dalam pembangunan sebuah program sesuai dengan kebutuhan dan alur yang telah ditentukan
5. Pengujian
Pada tahap ini dilakukan pengujian aplikasi yang telah dibangun untuk memastikan hasil berjalan sesuai dengan yang diharapkan.
6. Penyusunan Laporan
Pada tahap ini dilakukan penulisan laporan dan dokumentasi dari hasil analisis dan implementasi system yang sudah dirancang serta faktor-faktor yang dapat mempengaruhi hasil dari system.
1.7. Sistematika Penulisan
Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama antara lain sebagai berikut :
Bab 1 : Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi kumpulan teori-teori yang yang berhubungan dengan pokok pembahasan dalam penelitian ini. Teori-teori yang akan dibahas berhubungan dengan pengolahan citra digital dan pengukuran sepatu, serta penelitian terdahulu.
Bab 3: Analisis dan Perancangan
Bab ini berisi tentang arsitektur umum, diagram aktivitas, perancangan system, tampilan antarmuka.
Bab 4: Implementasi dan Pengujian
Bab ini berisi tentang pembahasan implementasi dari analisis dan perancangan yang telah disusun pada bab 3. Selain itu, hasil yang didapatkan dari pengujian yang dilakukan terhadap implementasi yang dilakukan juga dijabarkan pada bab ini.
Bab 5: Kesimpulan dan Saran
Bab ini berisi tentang ringkasan dan kesimpulan dari analisis rancangan yang telah dibahas pada bab 3, serta hasil penelitian yang telah dijelaskan pada bab 4. Bagian akhir pada bab ini berisikan saran-saran yang diajukan untuk pengembangan penelitian selanjutnya.
BAB II
LANDASAN TEORI
2.1 Landasan Teori 2.1.1 Ukuran Sepatu
Sepatu adalah jenis alas kaki (Footweer) yang biasanya terdiri dari bagian-bagian, sol, kap, tali sepatu, outsole, vamp atau upper, welt, tongue (lidah sepatu), lancing (tempat mengikatkan tali sepatu) dan lain lain.Sepatu menjadi kebutuhan setiap orang, karena alas kaki dapat melindungi kaki dari kotoran ataupun benda tajam saat menginjak tanah dan batu krikil di jalan. Seiring dengan kemajuan jaman, alas kaki tidak lagi hanya menjadi kebutuhan, alas kaki sudah menjadi gaya hidup bagi kebanyakan orang. Sepatu bisa kita temui di pasar tradisional, mall, pusat perbelanjaan, toko sepatu, dan yang lagi trend saat ini yaitu toko online atau online store seperti matahari mall, lazada, zalora, tokopedia, bukalapak, dan online store lainnya. Sepatu juga biasa di gunakan untuk keperluan Fashion, Sekolah, Kerja, Olahraga, Pesta dan sebagainya . Ukuran Sepatu menjadi hal terpenting untuk diperhatikan dalam pemilihan sepatu, apakah ukuran yang sesuai dengan kaki pemiliknya. Untuk pengukuran sepatu, Satuan ukuran sepatu mengikuti beberapa standar pengukuran yang berbeda-beda di antara 1 negara dengan negara lainnya.
Begitujuga pengukuran sepatu untuk anak-anak dan orang dewasa.
Gambar 2.1 Pengukuran Sepatu
(Sumber : pakarinfo.com, cara mengukur ukuran sepatu pria, wanita, dan anak - anak)
Pengukuran sepatu biasanya dilakukan dengan menggunakan peranti brannock. Untuk di indonesia sendiri sepertinya kita biasa menggunakan standar pengukuran sepatu di Eropa.
Seperti size 32, size 40 dan sebagainnya sepatu harus memiliki jarak atau ruang kosong sekitar 1,2 cm antara jari terpanjang kita dengan ujung bagian dalam sepatu. Berdasarkan penelitian Wardayati (2013) berikut acuan ukuran sepatu standard di Indonesia (Eu), Amerika (US), Inggrs (UK) :
Tabel 2.1 Data Ukuran Standar Sepatu Internasional
No. Ukuran (Cm)
Ukuran Sepatu Indonesia
(EU)
US UK
M W M W
1. 22,8 35 3,5 5 3 2,5
2. 23,5 36 4,5 6 4 3,5
3. 23,8 37 5 6,5 4,5 4
4. 24,5 38 6 7,5 5,5 5
5. 25,1 39 7 8,5 6,5 6
6. 25,4 40 7,5 9 7 6,5
7. 25,7 41 8 9,5 7,5 7
8. 26 42 8,5 10 8 7,5
9. 26,7 43 9 10,5 8,5 8
10. 27,3 44 10,5 12 10 9,5
11. 27,9 45 11,5 13 11 10,5
(Sumber : Wardayati, Alasan Ukuran Sepatu Beragam, 2013)
Tabel 2.1 menjelaskan data yang digunakan untuk menentukan ukuran sepatu di Indonesia dan Internasional. Pada ukuran standar sepatu di Indonesia menggunakan standard Europe(Eu) karena rata – rata produk sepatu yang dibuat dan dipasarkan di Indonesia memakai standard EU (Wardayati, 2013)
2.1.2 Mengukur Sepatu Secara Manual
Dikutip dari Buku Darco, The Foot and The Shoe Measurement and Size, pada tahun 2015. Ada banyak cara yang dilakukan setiap orang untuk mengetahui ukuran sepatu yang cocok bagi ukuran kaki mereka. Salah satunya dengan mencoba langsung di toko sepatu. Hal ini perlu dilakukan karena terkadang, tiap merk sepatu memiliki ukuran yang berbeda – beda standardnya. Dan cara ini pula yang biasa dilakukan kalau ingin belanja sepatu online, mencobanya secara langsung di toko.
Standar ukuran sepatu yang sudah dicetak akan memudahkan anda untuk memutuskan apa ukuran sepatu terbaik anda dan menghindari kesalahan dan kerugian membeli sepatu yang ukurannya salah. Banyak toko sepatu yang biasanya menyediakan alat pengukur kaki sendiri tetapi beberapa juga tidak. Agar tidak bingung kita bisa melihat bagan ukuran sepatu.
Bagi konsumen, melakukan metode pengukuran membuat keuntungan bagi mereka karena hal ini berhubungan dengan kenyamanan tubuh mereka. Ini berlaku sama pada semua jenis, bentuk, dan bahan sepatu.
Cara mengukur kaki anda dengan benar:
Untuk pengukuran dari panjang kaki, kamu dapatmenggunakan alat yang sederhana seperti pensil, kertas, ruller.
Letakkan selembar kertas di tempat yang datar, kemudian letakkan kaki tegak lurus diatas kertas
Gambarkan garis dari setiap tepi kaki
Ukur kaki menggunakan ruller. Ukuran kaki dari tumit belakang hingga ujung jari kaki.
Ukuran centimeter (CM) kemudian di kategorikan berdasarkan standar ukuran sepatu.
Contoh alat yang biasanya digunakan untuk pengukuran sepatu :
Gambar 2.2 Alat Pengukuran Sepatu
( Sumber : Buku Darco, The Foot and The Shoe Measurement and Size, 2015 )
Gambar 2.3 Pengukuran Telapak kaki (Sumber : Lazada)
2.1.3 Android
Android adalah sebuah sistem operasi mobile yang dikembangkan oleh Google, dibentuk dari kernel linux dan didesain terutama untuk perangkat mobile touchscreen seperti smartphone dan tablet. Android merupakan sistem operasi yang bersifat open source sehingga dapat dengan bebas digunakan ,dikembangkan, dan tanpa biaya.. Aplikasi Android ditulis dalam bahasa pemrograman. Android memberi kesempatan untuk membuat aplikasi yang dibutuhkan yang bukan aplikasi bawaan Namun penting untuk diingat bahwa aplikasi Android tidak dieksekusi menggunakan Java Virtual Machine standar (JVM). Google membuat VM yang dinamakan Dalvik yang bertanggung jawab untuk mengkonversi dan mengeksekusi kode byte Java. Semua kelas – kelas Java buatan harus dikonversi kedalam kumpulan instruksi yang sesuai dengan Dalvik sebelum dieksekusi kedalam sistem operasi Android. Dalvik VM mengambil file kelas Java yang telah diproses dan mengkombinasikannya dengan satu atau lebih file Dalvik executable (.dex). Dalvik diciptakan untuk mendukung sistem operasi mobile yang ringan karena keterbatasannya kemempuan perangkat keras dibandingkan dengan desktop dan laptop pada umumnya (Holla & Katti. 2012).
Menurut Fahrani (2015), Android memiliki fitur – fitur penting diantaranya :
1. Sebuah Application Framework yang menyediakan banyak pengaturan API untuk membangun berbagai macam aplikasi.
2. Dalvik virtual machine, memungkinkan pengguna untuk menjalankan aplikasi Android.
3. Pengaturan Graphics Library untuk pemrograman 2D dan 3D.
4. Integrated browser. Web browser berbasis WebKit engine terdapat pada browser default pada Android ataupun dapat diintegrasikan dengan aplikasi lain.
5. Media Support. Mendukung berbagai format audio, video, dan gambar(MPEG4, H.264, MP3, AAC, AMR, JPG, PNG, GIF).
6. SQLite. Basis data relasional yang ringan namun sangat powerful.
7. Bluetooth, EDGE, kompas, dan accelerometer. Mendukung komunikasi jaringan(tergantung hardware).
8. Lingkungan development yang lengkap. Termasuk perangkat emulator, tools untuk debugging, profiling dan kinerja memori, dan plugin untuk Eclipse Integrated Development Environment (IDE).
2.1.3 Pengolahan Citra Digital
Menurut Kadir & Susanto (2013) pengolahan gambar citra atau digital image processing adalah ilmu yang mempelajari tentang manipulasi dan modifikasi citra, seperti perbaikan kualitas citra, pemilihan ciri citra (feature images) yang bertujuan untuk analisis, dan transformasi citra (rotasi, skala, translasi), dengan menggunakan komputer untuk mendapatkan hasil yang lebih baik. Pada proses pengolahan citra ini bermaksud agar gambar awal yang memiliki gangguan lebih mudah untuk diinterpretasikan dengan cara memanipulasikan citra menjadi citra lain. Pengolahan citra digital (digital image processing) adalah proses dimana citra dimanipulasi dengan berbagai cara agar citra tampak terlihat lebih indah ataupun agar citra dapat diolah untuk proses klasifikasi dan identifikasi.
Pada umumnya citra yang akan diolah adalah citra digital berwarna (citra RGB).
Tiap pixel citra RGB memiliki 3 nilai penting, yaitu nilai Red, Green, dan Blue. Masing –
masing elemen tersebut memiliki format 8 bit sehingga satu buah pixel dapat menghasilkan 16777216 jenis warna.
Video adalah kumpulan citra yang ditampilkan secara cepat sehingga objek pada gambar tersebut tampak seperti bergerak. Semakin banyak citra atau frame yang dapat ditampilkan per detik maka video yang dihasilkan akan terlihat lebih nyata dan lebih bagus untuk dilihat.
2.1.4 OpenCV
OpenCV pertama kali diluncurkan secara resmi pada tahun 1999 oleh Inter Research sebagai lanjutan dari bagian proyek bertajuk aplikasi intensif berbasis CPU, real-time ray tracing dan tembok penampil 3D. Para kontributor utama dalam proyek ini termasuk mereka yang berkecimpung dalam bidang optimasi di Intel Russia, dan juga Tim Pusataka Performansi Intel.Pada awalnya, tujuan utama dari proyek OpenCV ini dideskripsikan sebagai berikut,
Penelitian penginderaan citra lanjutan tidak hanya melalui kode program terbuka, tetapi juga kode yang telah teroptimasi untuk infrastruktur penginderaan citra.
Menyebarluarkan ilmu penginderaan citra dengan menyediakan infrastruktur bersama di mana para pengembang dapat menggunakannya secara bersama-sama, sehingga kode akan tampak lebih mudah dibaca dan ditransfer.
Membuat aplikasi komersial berbasiskan penginderaan citra, di mana kode yang telah teroptimasi tersedia secara bebas dengan lisensi yang tersedia secara bebas yang tidak mensyaratkan program itu harus terbuka atau gratis.
OpenCV (Open Source Computer Vision Library) adalah sebuah pustaka perangkat lunak yang ditujukan untuk pengolahan citradinamis secara real-time, yang ibuat oleh Intel, dan sekarang didukung oleh Willow Garage dan Itseez. Program ini bebas dan berada dalam naungan sumber terbuka dari lisensi BSD. Pustaka ini merupakan pustaka lintas platform. Program ini didedikasikan sebagaian besar untuk pengolahan citra secara real-time. Jika pustaka ini menemukan pustaka Integrated Performance Primitives dari intel dalam sistem komputer, maka program ini akan menggunakan rutin ini untuk mempercepat proses kerja program ini secara otomatis.
2.1.5 Canny Edge Detection
Deteksi tepi adalah proses mengidentifikasi dan menemukan diskontinuitas tajam dalam gambar. Deteksi tepi telah digunakan oleh pengenalan obyek, pelacakan sasaran, deteksi obyek dan lain - lain. Pada penelitian ini, metode deteksi tepi yang digunakan adalah metode Canny. Metode canny adalah salah satu metode deteksi tepi untuk menemukan tepi dari citra masukan tanpa mempengaruhi fitur dari tepi (Nisha, 2015). Metode Canny terdiri dari beberapa langkah, yaitu menghilangkan noise dengan gaussian blur, mencari tepi dengan menggunakan sobel operator dan menentukan arah garis tepi, melakukan penipisan tepi dengan Non Maximum Supression dan hysterisis. Contoh hasil dari deteksi tepi Canny dapat dilihat dari gambar berikut:
2.1.6 Kalibrasi
Menurut ISO/IEC Guide 17025 (2005) dan vocabulary of International Metrology (VIM), kalibrasi adalah serangkaian kegiatan yang membentuk hubungan antara nilai yang ditunjukkan oleh instrument ukur atau system pengukuran, atau nilai yang diwakili oleh bahan ukur, dengan nilai – nilai yang sudah diketahui yang berkaitan dari besaran yang diukur dalam kondisi tertentu. Dengan kata lain, kegiatan ini untuk menetukan kebenaran konvensional nilai penunjukana alat ukur dan bahan ukur dengan cara membandingkan
Gambar 2.4 Hasil dari Proses Canny Edge Detection (Sumber : Wikipedia Canny Edge Detector)
terhadap standar ukur yang mampu telusur (traceable) ke standar nasional maupun internasional. Tujuan kalibrasi ini adalah :
Untuk menentukan deviasi (penyimpangan) kebenaran nilai konvensional penunjukan suatu instrument ukur
Menjamin hasil – hasil pengukuran Hasil kalibrasi antara lain :
Nilai objek ukur
Nilai koreksi / penyimpangan
Nilai ketidakpastian pengukuran (besarnya kesalahan yang mungkin terjadi dalam pengukuran, dievaluasi setelah ada hasil pekerjaan yang diukur & analisis ketidakpastian yang benar dengan memperhitungkan semua sumber etidakpastian yang ada dalam metode yang digunakan serta besarnya kesalahan yang mungkin terjadi dalam pengukuran)
Sifat metrology lain seperti factor kalibrasi, krva kalibrasi
2.17 Chess board
Dinamai demikian Pafnuty Chebyshev, sorang ahli matematika Rusia yang merupakan penerima hadiah Demidov dan dikenal karena karyanya tentang probabilitas, statistic, mekanika, geometri analitikda teori bilangan.. konsep jarak chebyshev ditangkap oleh bilangan ini :
Jarak digunakan untuk menentukan tingkat kesamaan (similarity degree) dua vector fitur.
Tingkat kesamaan berupa suatu nilai (score) dan berdasarkan skor tersebut dua vector fitur akan dikatakan mirip atau tidak. Salah satu cara yang digunakan untuk mengukur jarak dua buah titik pada citra, yaitu metode chess board. Metode chebyshev distance yang disebut dengan chessboard distance adalah sama dengan pergerakan king pada permainan catur yang bergerak dari satu titik ke titik yang lainnya.
D ( [ i1,j1 ] , [ i2,j2 ] ) = max ( | i1 – i2 |, | j1 – j2 | ) (2.1)
Gambar 2.5 Konsep jarak Chebyshev / Chess board (Sumber : Open Genus Foundation, 2018)
2.2 Penelitian Terdahulu
Penelitian dengan judul Measurement of Size and Distance of Object Using Mobile devices yang dilakukan oleh Laotrakunchai, S. mengukur objek metode berbasis gambar yang dapat mengukur jarak diambil oleh perangkat seluler cerdas dengan menggunakan akselorometer dengan cara menggeser smartphone sesuai dengan panjang dan lebar objek untuk mencari ukuran objek dan menggeser dari titik awal smartphone berada sampai ke objek untuk menghitung jarak.
Penelitian dengan judul Sistem Pengukuran Badan Pria untuk Menentukan Ukurn Baju Bebasis Kamera Kinect yang dilakukan oleh Djoko Purwanto. Sistem pengukuran dilakukan dengan sebuah kamera Kinect, yang akan mengirim info gambar dan depth untuk diolah dan menghasilkan ukuran lebar badan.
Penelitian dengan judul Stereo Vision Images Processing for Realtime Object Distance and Size Measurements yang dilakukan oleh Mustafah Y. M. dengan melakukan perhitungan jarak dan ukuran objek menggunakan pengambilan citra secara stereo vision dan mengukur jarak dan objek dengan membandingkan lebar dan tinggi objek yang didapat dari dua citra dari dua kamera yang berbeda.
Penelitian dengan judul Pengenalan pola Iris Mata menggunakan metode Template Matching dengan Library OpenCV yang dilakukan oleh Sahid Nur Afrizal.
Penelitian ini menggunakan metode deteksi tepi Canny untuk tahap pencocokan dan eudlidean Distance untuk menghitung jarak di kedua iris mata.
Penelitian dengan judul Segmentasi Citra Sapi Berbasis Deteksi Tepi Menggunakan Algoritma Canny Edge Detection yang dilakukan oleh Ahmad Mustafid dan Shofwatul Uyun, penelitian ini menghasilkan lingkar dada, panjang badan dan bobot sapi dengan tahap yang dilakukan dengan cara mengambil data dengan pemotretan dengan jarak yang ditentukan dan dengan menggunaan metode Canny Edge Detection.
Penelitian dengan judul Perancangan Sistem Pengidentifikasian Tinggi Badan dan Tendangan Taekwondo Menggunakan metode Chessboard yang dilakukan oleh Wahyu Fuadi dan Selamat Meliala , penelitian ini menghasilkan tinggi tendangan taekwondo dengan mengubah citra dengan segmentasi. Lalu, menghitung tinggi tendangan dengan chessboard dan kalibrasi gambar.
Tabel 2.2 Penelitian Terdahulu No Peneliti /
Tahun
Judul Keterangan
1. Laotrakunchai, S. / 2013
Measurement of size and Distance of Object Using Mobile Devices
Pengukuran dilakukan dengan menggeser smartphonedari ujung sisi ke ujung lainnya
Menggunakan accelerometer smartphone
2. Purwanto, Djoko / 2015
Sistem Pengukuran Badan Pria untuk
Menentukan Ukurn Baju Bebasis Kamera Kinect
Menggunakan kamera kinect
3. M, Mustafa Y.
/ 2012
Stereo vision Images Processing for Realtime Object Distance and Size Measurements
Menggunakan 2 kamera
Pengukuran jarak dihitung dengan perbandingan objek yang didapat dari citra 2 kamera 4. Afrizal, Sahid
Nur / 2016
Pengenalan pola Iris Mata menggunakan
Pengenalan gambar menggunakan deteksi tepi
metode Template
Matching dengan Library OpenCV
Canny, tahap pencocokan menggunakan metode Euclidean distance untuk menghitung jarak dari kedua iris mata.
5. Mustafid, Ahmad dan Shofwatul Uyun / 2017
Segmentasi Citra Sapi Berbasis Deteksi Tepi Menggunakan Algoritma Canny Edge Detection
Data citra diambil dengan cara pemotretan dilakukan dengan jarak 150 cm terhadap obyek sapi serta tinggi kamera 75 cm dari tanah
Preprocessing dengan menggunakan Canny Edge Detection
6. Wahyu Fuadi dan Selamat Meliala/ 2016
Perancangan Sistem Pengidentifikasian Tinggi Badan dan Tendangan Taekwondo
Menggunakan metode Chessboard
Pengukuran tinggi badan &
tendangan menggunakan metode chessboard
Untuk pengambilan gambar, jarak objek dan kamera 4- 5 meter, dan tinggi penyangga kamera 120 cm
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Implementasi metode yang digunakan untuk mengatasi kerancuan dalam menentukan ukuran sepatu sesuai ukuran standar sepatu di Indonesia (Eu), dan Internasional Amerika (US), Inggris (UK), dan memberikan pola telapak kaki secara otomatis melalui metode pengolahan citra. Pengolahan citra adalah suatu ilmu komputerisasi yang memungkinkan manusia dapat mengambil informasi tidak lepas dari bidang computer vision. Hasilnya yakni citra dengan proses berupa perbaikan kualitas citra atau penyajian informasi citra.
Metode yang diajukan untuk mengidentifikasi ukuran telapak kaki seseorang berdasarkan citra terdiri dari beberapa langkah – langkah sebagai berikut : pertama mengarahkan kamera pada bagian kaki dengan tampak tumit kaki hingga ujung jari kaki dengan menyertakan sebuah objek koin. Koin sebagai objek referensi (pembanding / jarak sebenarnya). Kemudian koin diposisikan sesuai dengan lingkaran yang sudah tersedia di layar smartphone. Ekstraksi fitur, grayscalling; countour tracing, filter contouring, pendeteksian tepi dengan metode canny; mendeteksi ukuran panjang dan lebar telapak kaki dengan kalibrasi, dan menyimpan gambar pola telapak kaki.
3.2 Data yang Digunakan
Data yang digunakan dalam penelitian ini berupa citra screenshot melalui kamera smartphone Android, koin, dan objek kaki. Adapun beberapa faktor yang mempengaruhi data yang akan digunakan yaitu kualitas kamera smartphone, p
Pencahayaan (lighting), objek kaki yang tidak terhalang benda, serta konstansi saat pengambilan gambar.
Dalam penelitian ini, penulis menggunakan kamera smartphone Android Xiaomi 4x yang memiliki spesifikasi 13 megapixel dengan resolusi gambar 640 x 480 piksel.
Objek koin Rp. 500,- yakni ukuran tetap adalah 27 mm atau 2,7 cm. Telapak kaki yang dijadikan bahan uji telah ditentukan penulis berupa satu bagian telapak kaki seorang wanita berukuran 25,3cm x 10,1cm. namun penulis akan mencoba dengan telapak kaki beberapa dari orang sebagai penguat dalam percobaan.
Ukuran berikut sebagai acuan ukuran sepatu standard di Indonesia (Eu), Amerika (US), Inggris (UK) :
Tabel 3.1 Data Ukuran Standar Sepatu Internasional
No. Ukuran (Cm)
Ukuran Sepatu
Indonesia (EU)
US UK
M W M W
1. 22,8 35 3,5 5 3 2,5
2. 23,5 36 4,5 6 4 3,5
3. 23,8 37 5 6,5 4,5 4
4. 24,5 38 6 7,5 5,5 5
5. 25,1 39 7 8,5 6,5 6
6. 25,4 40 7,5 9 7 6,5
7. 25,7 41 8 9,5 7,5 7
8. 26 42 8,5 10 8 7,5
9. 26,7 43 9 10,5 8,5 8
10. 27,3 44 10,5 12 10 9,5
11. 27,9 45 11,5 13 11 10,5
(Sumber : Wardayati, Alasan Ukuran Sepatu Beragam, 2013)
Tabel 3.1 menjelaskan data yang digunakan untuk menentukan ukuran sepatu di Indonesia dan Internsional. Pada ukuran standar sepatu di Indonesia menggunakan standard Europe(Eu) karena rata – rata produk sepatu yang dibuat dan dipasarkan di Indonesia memakai standard EU.
3.3 Arsitektur Umum
Gambar 3.1. Arsitektur Umum
Pada gambar 3.1 dapat dilihat proses dimulai dari input yakni pengambilan gambar, kemudian sebelum dilakukan proses, dilakukan pre processing terlebih dahulu dengan mengekstraksi fitur dan grayscalling, kemudian akan di proses dengan canny edge detection, contour tracing, filter contouring & cropping & kalibrasi perhitungan. Setelah itu didapatkan output ukuran panjang telapak kaki & rekomendasi ukuran sepatu standard Eu, UK, US, serta gambar pola telapak kaki. Untuk penjelasan dari system sebagai berikut :
3.3.1 Input
Pengambilan citra adalah berupa gambar objek telapak kaki atau dari tumit kaki hingga ujung jari kaki tampak jelas dan koin (koin Rp.500,- tahun emisi 2003) dengan
menggunakan kamera pada smartphone android, user mengarahkan kamera pada satu bagian kaki yang jelas terlihat dan tanpa menggunakan alas kaki, serta posisi koin diletakkan di samping telapak kaki dengan sama rendah dan pijakan telapak kaki sejajar.
Posisi memegang kamera konstan atau statis, kamera diarahkan pada objek koin dan telapak kaki, serta pencahayaan yang baik.
Pada layar smartphone akan terlihat sebuah lingkaran merah, maka user mengarahkan kamera pada koin sehingga koin melingkupi atau berada di dalam posisi lingkaran tersebut. Kemudian user mensejajarkan kaki pada garis siku- siku yang terlihat pada layar guna agar kaki tegak lurus, Lalu menyentuh layar dimana posisi objek telapak kaki berada, maka pada layar kamera akan muncul sebuah kotak merah dimana posisi telapak kaki sebagai penanda objek. Selanjutnya user melakukan screenshot untuk mendapatkan output. Penggunaan koin sebagai objek referensi (pembanding / jarak sebenarnya) untuk pengolahan citra yang mudah didapatkan setiap orang dan ukurannya yang tetap.
Gambar 3.2 Pengambilan Gambar
3.3.2 Proses
Proses dari sistem ini di mulai ketika user menyentuh layar smartphone pada objek, lalu dilakukan tahap :
a. Ekstraksi Fitur ( Exraction Feature )
Proses pengambilan ciri (feature) dari suatu bentuk dan warna yang nantinya nilai yang didapatkan akan dianalisis untuk proses selanjutnya, hasil dari proses ini untuk mengenali daerah fitur yang signifikan pada gambar objek telapak kaki.
Proses ini dilakukan dengan menghitung nilai RGB yang ditemui disetiap titik yang ditemui dalam setiap pengecekan, dimana pengecekan dilakukan dalam berbagai arah tracing pengecekan pada koordinat kartesian dari citra yang dianalisis.
Tabel 3.2 Contoh Matriks citra RGB ukuran 3 x 3 piksel b. Grayscalling
Proses ini bertujuan untuk mengurangi parameter yang akan digunakan untuk proses berikutnya sehingga mempercepat proses-proses selanjutnya. Citra berwarna yang mempunyai nilai matriks RGB (Red,Green,Blue) akan diubah ke dalam citra keabuan. Untuk perhitungan konversi nilai RGB menjadi nilai keabuan (Gray) melalui proses grayscaling dengan menggunakan persamaan berikut : 𝐼𝐵𝑊(𝑥, 𝑦) = 𝐼𝑅(𝑥,𝑦)+ 𝐼𝐺(𝑥,𝑦)+ 𝐼𝐵(𝑥,𝑦)
3
𝐼𝐵𝑊(1, 1) = 119 + 93 + 78
3 = 290
3 = 97 (3.1)
Dengan melakukan perhitungan yang sama pada semua piksel citra RGB, maka didapatkan hasil seperti berikut :
97 71 92
56 82 102
43 48 63
R = 119 G = 93 B = 78
R = 98 G = 67 B = 49
R = 121 G = 85 B = 69 R = 72
G = 56 B = 41
R = 98 G = 81 B = 63
R = 122 G = 101 B = 84 R = 59
G = 43 B = 28
R = 65 G = 48 B = 30
R = 83 G = 62 B = 45
Tabel 3.3 Hasil konversi matriks citra keabuan
Gambar 3.3 Hasil Citra Grayscale c. Edge Detection Canny
Untuk mengelompokkan objek – objek dalam citra lebih lanjut, menghilangkan noise maka tahap selanjutnya adalah pendeteksian tepi dengan metode Canny.
Hasil pendeteksian ini adalah garis – garis tepi objek yang akan menggambarkan batasan dari tepi objek. Pertama dilakukan penapisan terhadap citra dengan menghilangkan noise. Setelah penghalusan gambar, selanjutnya mendapatkan kekuatan tepi dengan menghitung arah tepi dan menghubungkan arah tepi dengan sebuah arah yang dapat dilacak. Deteksi tepi dilakukan dengan membaca setiap pixelpada citra dengan cara membaca dari pixel paling kiri atas (timur utara) dan bergerak paling kanan bawah (barat selatan). Oleh karena itu, untuk membantu penelusuran tepi, gradient Gx dan Gy masing – masing dengan matriks operator canny matriks 3x3. Contoh perhitungan :
Tabel 3.2 Contoh matriks Deteksi Tepi Canny
Gx
1 0 -1
Gy
-1 -1 -1
1 0 -1 0 0 0
1 0 -1 1 1 1
Gambar 3.4 Hasil deteksi tepi canny d. Contour Tracing
Pada proses contour tracing dilakukan pelacakan setiap kontur dalam gambar, garis tepi yang membentuk suatu bangun datar (kontur). Proses ini memisahkan objek dari latar belakang, untuk mengklasifikasikan bentuk dan menemukan titk fitur objek dan menggunakan informas kontur untuk menyimpan bentuk objek.
Contoh hasil pendeteksian kontur dapat dilihat pada gambar 3.5.
Gambar 3.5. Citra dengan kontur yang terdeteksi
e. Filter Contour
Setelah contour diperoleh, diperlukan proses filter pada masing – masing contour untuk menyeleksi lengkungan yang terdapat pada setiap contour yang saling terhubung merupakan objek yang akan di analisis.pada proses ini dilakukan pengisian sehingga diperoleh kontur yang solid. Setelah objek terdeteksi dilakukan drawing kotak, lalu tahap cropping untuk membuang gambar yang tidak diinginkan, hasil citra cropping adalah seluas area telapak kaki.
Gambar 3.6. Citra filter kontur yang terdeteksi
f. Chessboard
Proses ini digunakan untuk menentukan jumlah piksel dari objek yang diamati.
Perhitungan ukuran panjang dan lebar dengan koin merupakan selisih antara piksel tertinggi (y max) dan terendah (y min). dari batas tepi yang sudah ada lalu proses perhitungan dilakukan. Piksel yang yang diproses adalah piksel dari batas tepi objek kaki.
g. Kalibrasi
Proses ini untuk mencari ukuran jumlah piksel dari garis citra acuan. Proses ini melakukan perhitungan konversi piksel ke centimeter dari objek yang akan
dihitung panjangnya. Hasilnya menyimpan jumlah piksel per centimeter. Berikut kita lakukan perhitungan pada objek koin dengan menggunakan persamaan :
Jumlah piksel per centimeter
= Height objek (pixel)
Height Objek (Cm) (3.2)
Jumlah piksel per centimeter
= __43__
2,7 cm
= 16
Proses konversi piksel ke centimeter tersebut merupakan proses perbandingan antar jumlah piksel denga nilai kalibrasi. Selanjutnya akan dilakukan perhitungan untuk mendapatkan ukuran objek telapak kaki.
Perhitungan dapat dihitung dengan membagi jumlah piksel (weidth) dengan jumlah hasil konversi. Dengan persamaan berikut :
Panjang kaki(cm) = Height (pixel)
Jumlah piksel / Cm (3.3)
Lebar kaki(cm) = Width (pixel) Jumlah piksel / Cm
Selanjutnya dikalkulasikan pada ukuran standard sepatu di Indonesia (EU), UK, dan US. Table dapat dilihat pada Tabel 3.1.
3.3.3 Output
Output dari sistem ini berupa hasil ukuran panjang & lebar telapak kaki dalam
centimenter (cm) dan ukuran sepatu standard di Indonesia menggunakan Europe (Eu), Amerika (US), dan Inggris (UK). Dengan begitu user akan lebih efisien mendapatkan ukuran sepatu. Untuk penempahan sepatu, sistem akan menghasilkan gambar pola telapak kaki, ukuran panjang & lebar (cm) dalam format jpg.
3.4 Use-Case Diagram
Tabel 3.2 Use Case Diagram
Use case diagram adalah diagram yang digunakan untuk menggambarkan secara ringkas
siapa yang menggunakan sistem dan apa saja yang bisa dilakukannya. Diagram use-case tidak menjelaskan detail tentang proses, Namun hanya memberi gambaran singkat hubungan antara user dan sistem. User menyiapkan koin, kemudian mengambil posisi untuk mengambil citra sesuai petunjuk, lalu user mengarahkan kamera pada objek koin dan satu bagian telapak kaki tampak secara keseluruhan dari tumit kaki hingga ujung jari kaki. Pada layar smartphone sudah tersedia lingkaran merah sebagai letak objek koin, posisikan koin berada melingkupi
lingkaran merah tersebut. Selanjutnya posisikan kaki di sudut siku- siku pada layar dari tumit kaki hingga ujung jari kaki, lalu menyentuh layar smartphone dimana posisi objek telapak kaki berada, hingga muncul pengotakan pada objek telapak kaki. Kemudian melakukan screenshot gambar. Setelah itu akan keluar hasil rekomendasi ukuran sepatu lengkap dengan ukuran panjang dan lebar (Cm) telapak kaki, serta gambar pola telapak kaki.
3.5 Perancangan Antarmuka
Pada tahap ini akan dilakukan perancangan antar muka dari sistem aplikasi dan user.
Rancangan antar muka ini di harapkan agar dapat membuat pengguna lebih tetarik dan kemudahan dalam pengaplikasiannya seperti yang di tampilkan pada story board sebagai berikut :
3.5.1 Perancangan Sistem
Tabel 3.3. Perancangan Sistem Antarmuka
Tampilan Splash Screen Splash Screen merupakan halaman pertama yang muncul saat aplikasi dijalankan dan waktu tampilnya hanya beberapa second saja.
Halaman ini berisi :
a. Logo Universitas Sumatera Utara b. Judul Tugas Akhir
Tampilan Awal Pada tampilan awal menampilkan notifikasi petunjuk dan contoh untuk pengambilan foto, dan tombol lanjut untuk masuk ke tahap pengambilan foto telapak kaki.
Petunjuk:
a. Sediakan terlebih dahulu koin Rp. 500,- b. Letakkan uang koin tersebut dilantai dan
sejajarkan dengan kaki anda JUDUL TUGAS AKHIR
LOGO USU
PETUNJUK APLIKASI
OK
c. Sejajarkan koin dalam lingkaran merah pada aplikasi
d. Hasil ukuran sepatu (Eu) dapat dilihat disamping kanan layar, dengan satuan Cm dan ukuran sepatu. Untuk ukuran sepatu US
& UK pada sisi kiri bawah, untuk panjang &
lebar (cm) disebelah atas objek kaki.
e. Klik tombol “Save” untuk menyimpan hasil pengukuran dan gambar
Tampilan Pengambilan Citra Untuk pengambilan citra, User diminta untuk mengarahkan kamera pada koin sehingga koin berada di dalam posisi lingkaran merah yang tampak pada layar smartphone. Pada layar terdapat sudut siku-siku untuk memudahkan user mensejajarkan tumit kaki secara benar.
Kemudian menyentuh layar kamera pada objek telapak kaki, maka pada layar kamera akan muncul sebuah kotak merah di mana posisi telapak kaki sebagai penanda objek. Selanjutnya user melakukan screenshot untuk mendapatkan output dengan menekan menu “save”.
Berikut Menu yang tersedia pada tampilan ini : a. Ukuran telapak kaki dalam ukuran CM b. Ukuran sepatu standard indonesia (EU) c. Tombol Save untuk menyimpan gambar dan
hasil rekomendasi ukuran sepatu
d. About untuk keterangan pemilik aplikasi e. Exit untuk keluar dari aplikasi
Tampilan Hasil Akhir
(a)
(b)
(b)
Hasil ukuran kaki akan keluar secara realtime, dan setelah mengklik tombol save, maka akan meng- hasilkan output dalam bentuk jpg (a), sebagai berikut :
1. Panjang kaki (cm) yang akan dikalkulasikan menjadi ukuran sepatu pada sisi kanan atas 2. Ukuran (Eu) dibawah tampilan panjang kaki 3. Ukuran UK & US di sisi bawah kiri
4. Panjang dan Lebar (Cm) pada objek kaki 5. Gambar pola kaki dalam bentuk jpg (b)
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Bab ini membahas tentang hasil yang diperoleh dari implementasi metode yang digunakan untuk mengukur telapak kaki dan memberikan gambar pola telapak kaki.
Pengujian sistem sesuai dengan analisis dan perancangan yang telah dibahas pada Bab 3.
4.1 Implementasi Sistem
Pada tahap ini akan dibahas proses implementasi yang merupakan lanjutan dari analisis dan perancangan. Proses pengimplementasian ini menggunakan hardware dan software untuk menjalankan aplikasi. Aplikasi pengukuran telapak kaki ini menggunakan bahasa pemrograman visual basic.
4.1.1 Spesifikasi Perangkat Lunak dan Perangkat Keras yang digunakan
Adapun perangkat lunak yang digunakan untuk menghasilkan aplikasi tersebut adalah:
1. Sistem operasi yang digunakan pada laptop adalah Windows 10 Pro 64-bit 2. B4A
3. Sistem operasi Android smartphone versi 4.0 atau lebih tinggi 4. Library OpenCV yang digunakan versi 3.1.0
5. Processor laptop : Intel Core i3-6200U 6. RAM laptop : 4GB
7. Kapasitas harddisk laptop : 500GB
8. Processor Android smartphone : Octa-core Max 1.7GHz 9. RAM Android smartphone : 2GB
10. Kapasitas internal memory smartphone : 8GB 13. Kamera belakang smartphone : 13 MP
14. Resolusi layar smartphone : 640 x 480 pixels
4.1.2 Implementasi perancangan antarmuka
Adapun implentasi perancangan antarmuka berdasarkan rancangan yang telah dilakukan pada Bab 3 adalah sebagai berikut.
1. Tampilan splashscreen
Halaman ini merupakan halaman yang akan muncul pertama kali saat user menjalankan aplikasi. Tampilan splash screen akan tampil hanya beberapa detik saja dan setelah itu akan tampil activity awal.
Gambar 4.1 Tampilan Splash Screen 2. Tampilan activity awal
Activity awal adalah activity yang pertama kali muncul pada saat aplikasi pertama kali dijalankan yang berisikan tampilan notifikasi petunjuk & untuk pengambilan citra serta mengklik tombol “OK” untuk masuk ke activity selanjutnya. Adapun petunjuk nya, sebagai berikut :
a) Sediakan terlebih dahulu koin Rp. 500,-
b) Letakkan uang koin tersebut dilantai dan sejajarkan dengan kaki anda c) Sejajarkan koin dalam lingkaran merah pada aplikasi
d) Hasil ukuran sepatu (Eu) dapat dilihat disamping kanan layar, dengan satuan Cm dan ukuran sepatu. Untuk ukuran sepatu US & UK pada sisi kiri bawah, untuk panjang & lebar (cm) disebelah atas objek kaki.
e) Klik tombol “Save” untuk menyimpan hasil pengukuran dan gambar Tampilan activity awal dapat dilihat pada gambar 4.2.
Gambar 4.2 Tampilan Awal 3. Tampilan activity pengambilan citra
Pada Activity ini layar smartphone menampilkan apa yang dilihat kamera, terdapat sebuah lingkaran merah yang berada di tengah layar. Fungsi lingkaran merah tersebut sebagai letak objek koin harus diposisikan sejajar. Pada layar terdapat sudut siku-siku untuk memudahkan user mensejajarkan tumit kaki secara benar Setelah itu sentuh layar smartphone pada objek telapak kaki, hingga muncul kotak merah pada objek tersebut. Kemudian di sisi kanan layar dapat dilihat ukuran panjang telapak kaki dalam Cm, rekomendasi ukuran sepatu (Eu).
Setelah itu klik menu “save” untuk menyimpan hasil. Tampilan activity dapat dilihat pada gambar 4.3. pada tampilan ini sudah tersedia secara realtime ukuran panjang kaki (Cm), dan rekomendasi ukuran sepatu. Terdapat beberapa menu yakni menu “instruction’, menu ini akan memunculkan kembali activity awal
untuk menjelasakan petunjuk penggunaan aplikasi, menu “Exit” menu ini di gunakan untuk keluar dari aplikasi.
Gambar 4.3 Tampilan activity pengambilan citra 4. Tampilan activity hasil
Activity ini akan meng-hasilkan output ukuran dalam bentuk jpg (a), sebagai berikut :
1. Panjang kaki (cm) yang akan dikalkulasikan menjadi ukuran sepatu pada sisi kanan atas
2. Ukuran (Eu) dibawah tampilan panjang kaki 3. Ukuran UK & US di sisi bawah kiri
4. Panjang dan Lebar (Cm) pada objek kaki
Gambar pola kaki dalam bentuk jpg (b). Tampilan activity hasil dapat dilihat pada gambar 4.4.
Gambar 4.4 Tampilan Activity Hasil
4.2 Pengujian Sistem
Setelah proses implementasi, dilanjutkan dengan proses pengujian. Pengujian aplikasi ini dilakukan untuk mengetahui apakah pengukuran telapak kaki dengan menggunakan konsep chessboard berjalan sesuai rancangan. Pengujian dilakukan pada 45 orang yang berbeda.
4.2.1 Pengujian Pengukuran sepatu secara Manual
Berikut ini merupakan pengujian manual yakni pengukuran sepatu dengan cara meletakkan kaki tegak lurus pada media kertas putih, lalu digambar dengan menggunakan spidol, kemudian mengukur panjang dan lebar menggunakan meteran atau ruller. Ukuran yang sudah ada kemudian di kelompokkan menjadi ukuran standar sepatu dengan melihat referensi standard sepatu. Untuk referensi ukuran sepatu dapat dilihat pada tabel 3.5
Tabel 4.1 Pengukuran sepatu secara manual
No Citra Uji Nama M/
W
Pengukuran Manual
(Cm)
Ukuran Standard Sepatu
P L Eu UK US
1. Lusi W 24,3 10 37 4 6,5
2. Dina W 24 9,6 37 4 6,5
3. Mesly W 25,3 9,5 41 7 9,5
4. Ranti W 24,5 9,3 38 5 7,5
5. Winda W 23,5 9,8 36 3,5 6
6. Mian W 24,3 9,6 37 4 6,5
7. Holong M 25 9,5 39 6.5 7
8. Celly W 22,3 8,5 35 2,5 5
9. Irvan M 26 9,5 42 8 8,5
10. Hombar M 25,4 10 40 7 7,5
11. Ilyas M 24,7 10,5 38 5,5 6
12. Kurniawan M 25,7 11 41 7,5 8
13. Cebitang M 26,3 11,6 42 8 8,5
14. Rilo M 25,8 10,2 41 7,5 8
15. Egi M 26,6 11,1 42 8 8,5
16. Bengbeng M 25,6 11 40 7 7,5
17. Juni M 25,5 11 40 7 7,5
18. Lambas M 26,6 10,3 42 8 8,5
19. Febri M 25,6 10 40 7 7,5
20. Jummy M 25,1 10,1 39 6,5 7
21. Ahmad M 25,1 10,5 39 6,5 7
22. Hendra M 25,4 10,5 40 7 7,5
23. Susi M 24,3 11,1 37 4 6,5
24. Hariono M 27 11 42 8,5 9
25. Yazid M 25,4 10,5 40 7 7,5
26. 7 Arjuna M 25,4 10,5 40 7 7,5
27. Susi M 25,4 10 40 7 7,5
28. Ilham M 26 9,5 42 8 8,5
29. Fauzi M 25 9,5 39 6,5 7
30. Suci W 23,8 9 37 4 6,5
31. Natalius M 26,5 10,5 42 8 8,5
32. David M 25,6 10,5 40 7 7,5
33. Bogy M 26,1 11 42 8 8,5
34. Risky M 25,7 10 41 7,5 8
35. Irfan M 26,5 10 42 8 8,5
36. Tandi M 25,2 10 39 6,5 7
37. Gusli M 27 11,5 43 8,5 9
38. Jusli M 25,2 10,5 39 6,5 7
39. Hotbito M 25,6 11 40 7 7,5
40. Tarapul M 25,6 10,7 40 7 7,5
41. Tulus M 26,5 11,3 42 8 8,5
42. Hannes M 25,8 11 41 7,5 8
43. Vito M 27,2 11 44 10 10,5
44. Bou sitorus W 23,1 9,3 35 2,5 5
45. Hafni W 25,3 10,1 39 6 8,5
4.2.2 Pengujian Pengukuran Sepatu Melalui Aplikasi
Untuk pengukuran melalui aplikasi, ada percobaan yang dilakukan hanya sekali dan langsung mendapatkan hasil yang akurat dengan posisi yang benar dan pergerakan tangan yang statis. Penulis juga melakukan beberapa percobaan untuk mendapatkan hasil yang lebih akurat dengan memposisikan objek dengan pas dikarenakan batasan masalah pergerakan sangat sensitif terhadap perubahan ukuran seperti getaran tangan saat memegang smartphone. Beberapa percobaan dilakukan dengan menggunakan bantuan tripod agar pengambilan gambar bisa stabil/konsisten. Objek kaki juga harus menggunakan celana panjang karena aplikasi melakukan pendeteksian warna kaki dari tumit hingga ujung jari kaki, apabila tidak menggunakan celana panjang maka system akan mendeteksi seluruh warna kaki alhasil ukuran menjadi salah. Pada beberapa percobaan, sistem juga terdapat kesalahan mengenali objek kaki, dikarenakan terdapat kesamaan warna kaki dan lantai (background). Pada kasus lain, sistem salah mengenali kaki karena warna celana yang hampir sama dengan warna kulit, pengujian dapat dilihat pada table di urutan nomor 15 dengan nama Rilo. Untuk kasus lain pada kurangnya cahaya saat pengambilan gambar, objek kaki yang terdeteksi tidak seluruh bagian atau menjadi terpotong, akibatnya ukuran pun menjadi tidak pas, kasus dapat dilihat pada
tabel di urutan ke 45 dengan nama Bou Sitorus pada percobaan 1 & 2. Hasil pengujian pengukuran sepatu menggunakan aplikasi dapat dilihat di Tabel 4.2 Pengukuran sepatu menggunakan aplikasi.
Hasil Analisis pada beberapa pengujian menggunakan aplikasi pada Tabel 4.2.
1. Kaki tidak tegak lurus, maka ukuran lebar yang didapat sangat lebar, pada tabel nomor 1,35,41
2. Sistem mendeteksi ukuran sampai ke pergelangan kaki dikarenakan sistem mendeteksi warna kaki, pada tabel nomor 3
3. Pengambilan gambar beberapa kali tidak pas pada posisi objek koin, pada tabel nomor 5,6,13,14,16,25,
4. Pendeteksian warna kaki terpotong atau tidak sempurna dikarenakan kurangnya cahaya saat pengambilan gambar, pada tabel nomor 8, 42, 44
5. Sistem tidak mengenali warna kaki dikarenakan warna kaki sama dengan background atau lantai, maka diatasi dengan mengganti warna background, kasus padatabel nomor 9 dan 10, 29, 39
6. Sitem salah mengenali objek kaki dikarenakan warna celana hampir sama dengan warna kaki, kasus ini pada tabel nomor 15, 28,
7. Pada saat pengambilan gambar, pemegangan kamera kurang stabil, getaran tangan saat memegang kamera juga mempengaruhi hasil dari sistem. Kasus dapat dilihat pada beberapa percobaan di tabel nomor 18, 20, 30,
Tabel 4.2 Pengukuran sepatu menggunakan aplikasi
No Citra Uji
Nama
Percoba an Ke -
Pengukuran Aplikasi
(Cm)
Nilai Rata- rata
P (cm)
Ukuran Sepatu Jenis
Kelamin
P L Eu UK US
1.
Lusi
I 25,1 17,6
24,9 38 5 7.5 II 24,8 17,6
III 24,6 17,6
Women
Keterangan : Kaki tidak tegak lurus, maka ukuran lebar yang didapat sangat lebar
2.
Dina
I 24,3 9.,6
24,3 37 4 6,5 Keterangan :
- Women
3.
Mesly
I 26,8 15,1
26,3 41 7 9,5 II 26,3 15,1
III 25,8 15,3
Women
Keterangan : system mendeteksi warna sampai ke pergelangan kaki
4. Ranti
I 24,3 9,6
24,6 38 5 7,5 II 24,6 9,3
III 24,8 9,1
