RANCANGAN PROTOTYPE APLIKASI TEKNOLOGI
AUGMENTED REALITY (AR) PENGENALAN MONUMEN
BERSEJARAH DI KOTA JAMBI DENGAN MENGGUNAKAN
PATERN RECOGNITION METODE NATURAL FEATURE
TRACKING (NFT) SECARA REAL TIME
Ibnu Sani Wijaya
Teknik Informatika STIKOM Dinamika Bangsa
Jl. Jend.Sudirman thehok, Kota Jambi 36126 Indonesia
email : ibnusani17@stikom-db.ac.id
ABSTRACT
Patern recognition merupakan suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu obyek. Dalam penelitian yang dilakukan melakukan pengenalan pola terhadap monumen bersejarah di kota jambi dengan menggunakan teknologi augmented reality. Teknologi Augmented Reality merupakan teknologi yang menggabungkan benda maya dua dimensi dan ataupun tiga dimensi ke dalam sebuah lingkungan nyata tiga dimensi lalu memproyeksikan benda-benda maya tersebut secara real-time. Dalam teknologi AR dipenelitian ini akan dikembangkan sebuah aplikasi berdasarkan bangunan bersejarah khususnya di kota jambi menggunakan metode Natural Feature Tracking dimana metode pengenalan pola ini berfungsi untuk menentukan apakah suatu gambar dapat dikenali atau tidak berdasarkan pengenalan pola dengan mendeteksi dan melacak titik-titik sudut pola pada gambar secara real time pada mobile. Aplikasi ini di peruntukkan masyarakat kota jambi agar lebih mengenal kembali monumen-monumen bersejarah dikota jambi yang hampir terlupakan.
Key words
Patern recognition, Augmented Reality, Bangunan Bersejarah, Natural Feature Tracking.
1. Pendahuluan
Monumen erat hubungannya dengan arsip arsitektur bangunan tua yang bernilai historis, karena monumen
umumnya ditunjang oleh sejumlah elemen yang mampu memberi ciri menonjol melalui seni bangun arsitekturalnya (Suherlan,Agus; 2012). Keberadaan monumen bersejarah di kota Jambi saat ini mulai terabaikan, mengingat wisata lain yang jauh lebih menarik untuk dikunjungi. Dalam perkembangannya wisata sejarah saat ini kurang diminati oleh para peminatnya karena dianggap terlalu kuno dan kurang menarik ditambah dengan kurangnya penyampaian informasi yang disediakan secara langsung pada monumen tersebut menjadikan pengunjung merasa cukup kesulitan untuk mendapatkan informasi secara real-time tanpa harus menanyakan pada masyarakat sekitar ataupun harus mengakses internet terlebih dahulu. Dan sebagian masyarakat yang berkunjung juga membuat mereka tidak mengetahui akan sejarah bangunan monumen tersebut karena hanya dianggap sebagai objek foto atau bangunan hiasan saja, bukanlah sebagai monumen bersejarah, Sehingga untuk dapat mengetahuinya pengunjung harus menanyakan kebagian informasi, masyarakat sekitar atau mengakses internet terlebih dahulu.
Dengan adanya permasalah telah dijelaskan maka solusi yang didapatkan agar masyarakat lebih mudah mengenal monumen bersejarah di kota jambi adalah dengan menggabungkan teknologi AR dengan menggunakan pengenalan pola (Patern Recognition) menjadi sebuah aplikasi untuk mengenal monumen-monumen bersejarah di kota jambi. Sehingga memudahkan masyarakat kota jambi maupun wisatawan asing lebih mudah mengenal monumen tersebut dan dapat memudahkan pengguna dalam dalam mendapatkan informasi mengenai sejarah monumen kota Jambi menggunakan media pengenalan yang lebih menarik,
dimana informasi akan didapatkan secara real-time (nyata), lebih menarik dan mudah dalam penggunaannya
2. Literaur Rivew
2.1 Augmented Reality
Teknologi Augmented Reality merupakan teknologi yang memungkinkan penambahan citra sintetis kedalam lingkungan nyata. Berbeda dengan lingkungan Virtual Reality (VR) yang sepenuhnya mengajak penguna sepenuhnya kedalam lingkungan sintetis, AR memungkinkan penguna melihat objek virtual 3D yang ditambahkan kelingkungan nyata. AR dan VR merupakan bagian dari rangkaian virtual-reality yang selanjutnya disebut dengan mixed-reality (MR). Lingkungan MR memadukan dunia nyata dan objek virtual dalam tampilan yang sama secara real-time. Teknologi ini dapat meningkatkan persepsi dan interaksi para pemakai dengan dunia nyata terutama dengan AR. (Billinghurst, M., Kim, G, 2007).
Tujuan utama dari AR adalah untuk menciptakan lingkungan baru dengan menggabungkan interaktivitas lingkungan nyata dan virtual sehingga pengguna merasa bahwa lingkungan yang diciptakan adalah nyata.
Ada 3 teknik display AR , yaitu sebagai berikut: 1. Head-Attached Display
2. Handheld Display 3. Spatial Display
2.2 Patern Recognition (Pengenalan Pola)
Pola adalah suatu entitas yang terdefinisi (mungkin secara samar) dan dapat diidentifikasi serta diberi nama. Pola bisa merupakan kumpulan hasil pengukuran atau pemantauan dan bias dinyatakan dalam notasi vektor. Contoh : sidik jari, raut wajah, gelombang suara, tulisan tangan dan lain sebagainya. Dalam pengenalan pola data yang akan dikenali biasanya dalam bentuk citra atau gambar, akan tetapi ada pula yang berupa suara (Darma,2010). Secara umum pengenalan pola (pattern recognition) adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu obyek.
2.3 Natural Feature Tracking and Detection
Dalam metode ini informasi yang diperlukan untuk tujuan pelacakan dapat diperoleh dengan cara optical-flow berbasis pencocokan template atau korespondensi fitur. Optical flow atau aliran optik adalah pola gerakan jelas benda, permukaan, dan tepi dalam adegan visual yang disebabkan oleh gerakan relatif antara pengamat (mata
atau kamera) dan adegan. Korespondensi fitur bekerja lebih baik dan lebih efektif daripada pencocokan template karena korespondensi fitur bergantung pada pencocokan fitur lokal. Mengingat korespondensi tersebut, posisi secara kasar dapat dihitung dengan estimasi yang kuat yang membuatnya cukup sensitif terhadap oklusi parsial, blur, refleksi, perubahan skala, kemiringan, perubahan iluminasi atau kesalahan pencocokan. (Neumann, 2006)
Gambar 1 18 Alur SIFT dan FERN (Neumann, 2006)
Empat langkah utama dalam membentuk sebuah fitur system pelacakan berbasis tracking system, yaitu:
1. Feature detection (and tracking) 2. Feature description and matching 3. Outlier removal and
4. Pose estimation
Pada implementasi teknik SIFT dan Ferns Keduanya menggunakan detektor sudut FAST [21] untuk mendeteksi titik fitur pada gambar kamera, serta iterasi Gauss-Newton untuk memperbaiki pose yang semula diperkirakan dari sebuah homografi.
Algoritma SIFT yang asli menggunakan Difference-of-Gaussians (DoG) untuk melakukan pencarian skala-ruang angkasa yang tidak hanya mendeteksi fitur namun juga memperkirakan skala mereka. Meskipun beberapa implementasi yang lebih cepat dari pendekatan Lowe telah diajukan, pendekatan ini secara inheren bersifat sumber daya dan oleh karena itu tidak sesuai untuk eksekusi real-time pada telepon genggam. Oleh karena itu kami mengganti DoG dengan detektor sudut FAST dengan penekanan non-maksimum yang dikenal sebagai salah satu detektor sudut tercepat, namun tetap memberikan pengulangan yang tinggi.
2.4 Scale Invariant Feature Tracking (SIFT)
Pendekatan SIFT terdiri dari tiga langkah utama: keypoint Lokalisasi, deskripsi fitur dan pencocokan fitur.
Meskipun SIFT sering dikaitkan hanya dengan langkah kedua Lowe's Pendekatannya secara khusus menggabungkan ketiganya.
Gambar 2 Tata letak deskriptor SIFT untuk sub-wilayah 3x3. Deskripsi SIFT sendiri sebenarnya bukan rotasi maupun skala Invarian Untuk mengatasi kedua parameter ini disediakan oleh Detektor keypoint Pada langkah pertama, lokalisasi keypoint, Lowe Menyarankan untuk merapikan gambar masukan dengan filter Gaussian di Berbagai skala dan kemudian menghitung Perbedaan Gaussians (DoG), yang menyajikan pendekatan cepat dari Laplacian operator. Keypoints akhirnya ditemukan dengan mencari extrema skala-ruang (minima dan maxima di piramida DoG). Tentu pembuatan skala gambar yang digabung Gauss plus Pencarian min / max secara komputasi sangat mahal. Sementara langkah lokalisasi keypoint sudah menyediakan perkiraan skala untuk membuat skala inversi deskriptor (dengan meningkatkan kernel), rotasi fitur harus diperkirakan secara terpisah. Lowe menyarankan untuk menghitung orientasi gradien dan besaran di sekitar titik kunci, yang kemudian membentuk histogram orientasi. Mencari puncak di histogram akhirnya memberikan satu atau beberapa orientasi ke titik temu.
2.5 FERNS: Pelacakan berdasarkan klasifikasi
Berlawanan dengan pencocokan berbasis deskriptor seperti yang dijelaskan pada bagian terakhir, klasifikasi fitur untuk pelacakan [18] bekerja dengan mempelajari distribusi beberapa fitur F dari sekumpulan kelas C yang sesuai dengan titik model mC dalam gambar model. Pada saat runtime, poin minat terdeteksi dengan menggunakan beberapa detektor titik kepentingan, nilai fitur F untuk titik kepentingan dihitung dan intinya diklasifikasikan dengan memaksimalkan probabilitas mengamati nilai fitur F
Titik model mC yang sesuai dengan kelas C dari titik minat kemudian digunakan sebagai korespondensi 3D untuk estimasi pose berikutnya. Berbeda dengan pendekatan pencocokan fitur, skema klasifikasi tidak didasarkan pada ukuran jarak, namun dilatih untuk
mengoptimalkan pengenalan poin fitur pada gambar aslinya. Gambar model Skema klasifikasi dapat kurang komputasi intensif, tergantung pada fitur dasar yang digunakan. Pada gambar 2 berikut adalah contoh dalam menerapkan perubahan skala, rotas, dan affine warps dan menambahkan noise pixel. Kemudian memberikan modifikasi aproksimasi pada penampilan. Perubahan yang diciptakan oleh berbagai sudut pandang model memiliki fitur hasil yang berbeda dari komputasi F1,F2, …, FN yang kemudian dihitung dalam histogram berukuran 2N yang menggambarkan distribusi empiris P({Fi}|C).
Gambar 3 Diagram identifikasi dan tracking sistem keseluruhan
3. Hasil Penelitian
3.1 Analisis Sistem yang berjalan
Berikut ini adalah hasil analisa yang berjalan saat ini yang digunakan oleh masyarakat kota jambi untuk mengetahui monument-monumen sejarah di kota jambi.
Gambar 4 Analisa Sistem Yang berjalan
3.2 Analisis alur sistem
Berdasarkan dari hasil yang didapatkan dari analisa system yang berjalan maka didapatkan alur system yang akan digunakan, seperti yang terlihat pada gambar 3 berikut:
Gambar 5 Analisis alur system 1.3 Identifikasi dan system tracking Diagram
Dalam mengidentifikasi terhadap tracking objek yang akan di proses, maka didapatkan flow atau alur dalam mengidentifikasikan tracking diagram yang akan di ambil pada kamera menggukana metode SURG point. Berikut gambar 4 alur identifikasi tracking system keseluruhan:
Gambar 6 Diagram identifikasi dan tracking sistem keseluruhan 1.4 Fitur pelacakan titik dan pencocokan
Pada gambar 5 Merupakan gambar untuk metode pelacakan fitur alami (Natural Feature Tracking). Metode yang mengimplementasikan fungsi ekstraksi keypoint, deskripsi perhitungan, deskripsi pencocokan, dan menimbulkan estimasi pada pencocokan objek yang ditangkap oleh kamera.
Gambar 7 Fitur Pelacakan Titik dan Pencocokan 1.5 Scenario aplikasi Augmented Reality 1.5.1 Use case diagram
Gambar 8 Use Case Diagram Aplikasi AR 1.5.2 Sequence diagram
1.6 Prototype aplikasi
1.6.1 Prototype Interface Menu Aplikasi AR
Gambar 10 Prototype Interface Menu Aplikasi AR 1.6.2 Prototype Interface Scan AR
Gambar 11 Prototype Interface Menu Aplikasi AR
4. Kesimpulan
Berdasarkan hasil yang didapat dalam penelitian ini, maka dapat ditarik sebuah kesimpulan bahwa penelitian ini telah menghasilkan sebuah rancangan prototype untuk pengembangan aplikasi augmented reality mengenai pengelana gedung sejarah pada kota jambi secara real time dengan mengikuti metode yang telah di tetapkan.
Penelitian ini masih dalam tahapan rancangan prototype sehingga untuk penelitian selanjutnya dikembangkan dalam bentuk sebuah aplikasi augmented reality untuk pengenalan gedung-gedung bersejarah dikota jambi secara real-time tanpa menggunakan marker atau gambar.
REFERENSI
[1] Ahmad, Usman. Pengolahan Citra Digital & Teknik Pemrogramanya, Graha Ilmu,Yogyakarta. 2005
[2] Azuma, R.T. A survey of augmented reality, Presence: Teleoperators and Virtual Environments, vol. 6, no. 4, pp. 355-385. 1997
[3] Bahtiar, Mas Ali. Sistem Augmented Reality Untuk Animasi Games Menggunakan Camera Pada PC. Skripsi. Surabaya, Indonesia: Institut Teknologi Surabaya. 2011
[4] Billinghurst,M.et,al. The MagicBook: A Transitional AR Interface, Human Interface Technology Laboratory University of Washington. 2002
[5] Billinghurst, M., Kim, G. Interaction Design for Tangible Augmented Reality Applications, Emerging Technologies of Augmented Reality: Interfaces and Design, Idea Group Inc, hal 261- 279. 2007
[6] Bowman, D., et al. An introduction to 3D user interface design, Presence: Teleoperators and Virtual Environments, 10(1), hal 96-108. 2001
[7] Kim, Ji-Sun, et. al. A Tangible User Interface System for CAVE Application. Virginia Polytechnic Institue & State University USA. 2002
[8] Luther, A., Authoring Interactive Multimedia, New York: AP Professional, 1994.
[9] Mubarikah, Husnul Rizka. Perancangan dan Implementasi Interaksi Untuk Media Pembelajaran Manasik Berbasis Teknologi Augmented Reality. Thesis. Bandung,Indonesia: Institut Teknologi Bandung. 2010
[10] Nazruddin, Safaat H. 2011. Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis Android. Informatika Bandung
[11] Persa. Stelian-Florin. Sensor Fusion in HeadPose Tracking. Wohrmann Print Service. 2006
[12] Pressman RS. Software Engineering: a Practitioner’s Approach-6th ed. New York: McGraw-Hill. 2005
[13] Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta. Penerbit : Andi.
[14] http://www.berkuliah.com/2014/08/8-bangunan-bersejarah-di-jambi.html, tanggal akses 3 oktober 2016
[15] Rahmat, Berki. Analisa dan Perancangan sistem Pengenalan Bangun Ruang Mengunakan Augmented Reality. Skripsi. Medan,Indonesia: Universitas Sumatera Utara. 201
[16] Sugiyono. Statistika untuk Penelitian, Alfabeta. Bandung. 2009
[17] Suherlan,Yahan. S.Sn, M.Sn., dan Drs. Agus Nur Setyawan, M.Hum. 2012. Analisis Estetika Kota dan Citra Pesona Pariwisata Surakarta Melalui Keberadaan Monumen Bersejarah. FSSR Universitas Sebelas Maret, Surakarta. Vol 15: 1-5.
[18] Ulrich Neumann and Suya You, Natural Feature Tracking for Augmented-Reality, Revised for IEEE Transactions on Multimedia, University of Southern California,Los Angeles, 2006
[19] O. Bimber and R. Raskar. Spatial Augmented Reality: Merging Real and Virtual Worlds. A K Peters. 2005
www.hitl.washington.edu/artoolkit/documentation/userarwo rk.htm, diakses 20 Februari 2012, 13:53 WIB.
