SKRIPSI
Disusun Oleh :
ANNISA RACHMAN
NPM. 0434010199
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAWA TIMUR SURABAYA
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Disusun oleh :
ANNISA RACHMAN
NPM. 0434010199
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAWA TIMUR SURABAYA
Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan
Traffic Dengan Metode Deteksi Tepi Canny
Disusun Oleh :
ANNISA RACHMAN NPM. 0434010199
Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 26 November 2010
Pembimbing : Tim Penguji :
Fetty Tri Anggraeny, S.Kom Ir. M. Rochmad, MT NPT. 382 0206 0208 NPT. 19620 3041 991031 002
3.
Fetty Tri Anggraeny, S.Kom NPT. 382 0206 0208
Mengetahui,
Dekan Fakultas Teknologi Industri
Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan
Traffic Dengan Metode Deteksi Tepi Canny
Disusun Oleh :
ANNISA RACHMAN
NPM. 0434010199
Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang II Tahun Akademik 2010/2011
Pembimbing Utama Pembimbing Pendamping
I Gede Susrama, S.T, M.Kom Fetty Tri Anggraeny S.Kom NPT. 270 060 640 210 NPT. 382 0206 0208
Mengetahui,
Ketua Program Studi Teknik Informatika Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur
KETERANGAN REVISI
Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :
Nama : ANNISA RACHMAN
NPM : 0434010199
Program Studi : TEKNIK INFORMATIKA
Telah mengerjakan revisi/ tidak ada revisi pra rencana (design)/ skripsi ujian lisan Gelombang II Tahun Akademik 2010/2011 dengan judul :
” Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan Traffic Dengan Metode Deteksi Tepi Canny”
Surabaya, Desember 2010 Dosen yang memerintahkan revisi :
1) Ir. Purnomo Edi Sasongko, MP NPT. 19640 7140 198803 1001
2) Ir. M. Rochmad, MT
NPT. 19620 3041 991031 002
3) Fetty Tri Anggraeny S.Kom NPT. 382 0206 0208
Mengetahui,
Pembimbing Utama Pembimbing Pendamping
Dengan mengucapkan Puji Syukur kehadirat Allah SWT yang telah melimpahkan Rahmat serta Hidayah-Nya, sehingga tersusunlah Tugas Akhir ini dengan judul “Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan Traffic Dengan Metode Deteksi Tepi Canny”. Penyusunan Tugas Akhir ini merupakan salah satu syarat dalam rangka menyelesaikan Program Strata Satu (S1) pada jurusan Teknik Informatika Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.
Dalam menyelesaikan Tugas Akhir ini penulis menyadari telah banyak mendapatkan bantuan dari berbagai pihak, bagi segi moril maupun materiil. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor UPN “VETERAN” Jawa Timur.
2. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.
3. Bapak Basuki Rachmat, S.Si, MT, selaku ketua Jurusan Teknik Informatika UPN “VETERAN” Jawa Timur.
4. Bapak I Gede Susrama M, ST, M.Kom, selaku dosen pembimbing pertama yang telah mengarahkan dan memberi motivasi dalam menyusun skripsi ini hingga selesai dan terima kasih atas judul yang diberikan.
menyusun skripsi ini hingga selesai.
6. Kepada seluruh dosen Teknik Informatika UPN ”VETERAN” Jatim, terima kasih sebanyak-banyaknya atas ilmu yang diberikan kepada saya.
7. Kedua orang tua tercinta yang selalu senantiasa memberikan kasih sayang, dukungan dan selalu mendoakanku selama ini.
8. Kakak-kakakku mas Hanip dan mba Nurul dan seluruh keluarga besar trima kasih atas doa dan dukungannya sehingga Tugas Akhir ini selesai.
9. Anak-anak Kost RK-V, Erida trima kasih atas laptopnya yang senantiasa meminjamkan, Mama trima kasih yang selalu bertanya sampai dimana pengerjaan Tugas Akhir aku.
10. Yuli dan mba Rini terima kasih sudah jadi kakak yang selalu mendukung dan menentramkan sampai Tugas Akhir ini selesai.
11. Dede yang selalu ada saat aku butuh. Terima kasih telah mendukung dan menemani aku.
12. Anak-anak kontrakan WA, Joe, Rizqi, Ucup, Pitex, Mahdi, Ceri, Jupri Salman, Tebo, Rio, Adit dan Homo terima kasih atas bantuannya jika terjadi hal-hal yang tak terduga pada komputer, printer dan software aku.
13. Anak-anak kost Yanica,unyil dan iris gembel trima kasih atas bantuan dan dukungannya.
14. Almh Indri Wijayanti, terima kasih telah menjadi kakak saat dikampus sejak kita kenal diospek fakultas sampai kau pergi meninggalkan kami semua. Aku dedikasikan Tugas Akhir ini kepada kamu mba Indri. I will missing U,,,
iv melanjutkan semangat hidupmu.
16. Sahabat-sahabat aku SMA, Yuni, Bita, Yeri dan Nia trima kasih telah jadi teman cerita semenjak SMA sampai sekarang dan dukungan kalian smua. 17. Buat semua temen-temen jurusan TF (Teknik Informatika). Yang tidak
mungkin penilis sebutkan satu persatu, terima kasih telah membantu dan memberikan do’anya kepada penulis untuk menyelesaikan Tugas Akhir ini.
Surabaya, Desember 2010
2.6.1. Istilah Dasar Teknik Lalu Lintas... 21
1.1. Latar Belakang... 1
1.2. Perumusan Masalah... 3
1.3. Batasan Masalah... 3
1.4. Tujuan... 4
1.5 Manfaat... 4
1.6. Metodologi... 4
1.7. Sistematika Pembahasan... 6
BAB II TINJAUAN PUSTAKA ... 8
2.1. Pengolahan Citra Digital……... 8
2.1.1. Citra Biner... 9
2.1.2. Citra Skala Keabuan (Gray Scale)... 10
2.1.3. Citra Warna (True Color)... 10
2.2 Deteksi Tepi (Edge Detection)... 11
2.2.1. Deteksi Tepi Canny... 14
2.2.2. Pendeteksian Tepi Dengan Operator Turunan Kedua... 15
2.3. Analisa Lane Masking…... 18
2.4. Analisa Background Elimination…... 18
2.5. Noise and blobs filtration... 19
2.6. Teknik Lalu Lintas ... 20
3.2.1. Metode yang Digunakan... 35
3.2.2. Analisa Lampu Lalu Lintas... 40
3.2.3. Perancangan Antarmuka... 42
4.1.1.1. Perangkat keras yang digunakan... 44
4.1.1.2. Perangkat Lunak yang digunakan... 45
3.1. Analisa Sistem... 33
3.2. Perancangan Proses... 34
BAB IV IMPLEMENTASI PROGRAM ... 44
4.1. Spesifikasi Sistem... 44
4.1.1. Perangkat Sistem... 44
4.2. Implementasi... 45
BAB V UJI COBA EVALUASI ... 48
5.1. Uji Coba Sistem... 48
5.1.1. Uji Coba Pertama... 48
5.1.2. Uji Coba kedua... 50
5.1.3. Uji Coba Ketiga... 52
5.1.4. Uji Coba Keempat... 53
5.1.5. Uji Coba Kelima... 55
5.1.6. Uji Coba Keenam... 56
5.1.7. Uji Coba Ketujuh... 58
5.1.8. Uji Coba Kedelapan... 59
5.1.9. Uji Coba Kesembilan... 61
5.1.10. Uji Coba Kesepuluh... 62
5.2. Evaluasi... 64
6.2. Saran... 65 DAFTAR PUSTAKA
LAMPIRAN
Tabel 5.1 Hasil Uji Coba Pertama... 49
Tabel 5.2 Hasil Uji Coba Kedua ... 51
Tabel 5.3 Hasil Uji Coba Ketiga ... 53
Tabel 5.4 Hasil Uji Coba Keempat ... 54
Tabel 5.5 Hasil Uji Coba Kelima ... 56
Tabel 5.6 Hasil Uji Coba Keenam... ... 57
Tabel 5.7 Hasil Uji Coba Ketujuh... 59
Tabel 5.8 Hasil Uji Coba Kedelapan... 60
Tabel 5.9 Hasil Uji Coba Kesembilan... 62
Tabel 5.10 Hasil Uji Coba Kesepuluh... 63
Gambar 2.1 Citra Biner Dan Representasinya Dalam Data Digital... 9
Gambar 2.2 Proses Deteksi Tepi Citra... 11
Gambar 2.3 Hasil beberapa deteksi tepi... 12
Gambar 2.4 Gambar Fungsi Citra F(x,y) ... 13
Gambar 2.5 Gambar Hasil Filter H(x,y) ... 13
Gambar 2.6 Gambar Proses Filter H(x,y) ... 13
Gambar 2.7 Analisa Lane Masking... 18
Gambar 2.8 Noise dan Blob Filtering ... 21
Gambar 3.1 Flowchart Deskripsi Secara Umum ... 34
Gambar 3.2 Flowchart Metode Yang Digunakan ... 35
Gambar 3.3 Aplikasi Lanes Masking Dengan Kendaraan... 36
Gambar 3.4 Setelah Di Lane Masking ... 36
Gambar 3.5 Aplikasi Lanes Masking Tanpa Kendaraan ... 37
Gambar 3.6 Setelah Di Lane Masking Gambar Jalan... 37
Gambar 3.7 Gambar Background Elimination Kendaraan ... 38
Gambar 3.8 Gambar yang sudah diperjelas ... 39
Gambar 3.9 Gambar Deteksi Tepi Canny ... 39
Gambar 3.10 Flowchart Analisa Lampu ... 40
Gambar 3.11 Analisa Persimpangan Lampu Lalu Lintas ... 41
Gambar 3.12 Perancangan Aplikasi Antarmuka... 42
Gambar 4.1 Simulasi Aplikasi Traffic ... 45
Gambar 4.2 Simulasi Aplikasi Traffic dengan mengisi Image Digital... 46
Gambar 4.3 Simulasi Aplikasi Traffic menganalisa lampu Hijau ... 47
ix
Gambar 5.3 Uji Coba Ketiga Simulasi Persimpangan Traffic... 52
Gambar 5.4 Uji Coba Keempat Simulasi Persimpangan Traffic ... 54
Gambar 5.5 Uji Coba Kelima Simulasi Persimpangan Traffic... 55
Gambar 5.6 Uji Coba Keenam Simulasi Persimpangan Traffic... 57
Gambar 5.7 Uji Coba Ketujuh Simulasi Persimpangan Traffic... 58
Gambar 5.8 Uji Coba Kedelapan Simulasi Persimpangan Traffic ... 60
Gambar 5.9 Uji Coba Kesembilan Simulasi Persimpangan Traffic ... 61
Pembimbing I : I Gede Susrama M, ST, M.Kom Pembimbing II : Fetty Tri Anggraeny S.Kom
ABSTRAK
Kemacetan lalu-lintas telah banyak dijumpai di kota-kota besar di Indonesia. Dan ini erat kaitannya dengan permasalahan pengendalian lalu-lintas pada persimpangan traffic, diantaranya jumlah panjang antrian yang tidak merata antar simpangan dan masih terjadi kemacetan lalu lintas terutama pada saat jam-jam sibuk.
Analisa simulasi dalam skripsi ini dimaksudkan untuk mengidentifikasi pentingnya informasi waktu perjalanan. Adapun metodologi yang digunakan adalah mengiidentifikasi kebutuhan sistem dengan flowchart, mensimulasikan pengambilan gambar kendaraan pada persimpangan, serta pendeteksi tepi gambar menggunakan metode deteksi tepi canny. Untuk mengimplementasikan dari analisa simulasi ini menggunakan pemrograman matlab.
Uji kelayakan sistem dilakukan dengan melakukan serangkaian analisa simulasi uji coba. Uji coba telah dilakukan pada empat persimpangan gambar dengan sepuluh kali percobaan, dimana dari hasil jumlah kendaraan dilakukan perbandingan antar persimpangan dengan jumlah kendaraannya, jika jumlah kendaraan yang paling besar maka traffic dari persimpangan tersebut akan menyala lampu hijau terlebih dahulu. Dan dilakukan perbandingan lagi untuk mendapatkan hasil selanjutnya sampai nilai jumlah paling terkecil yang ada. Setiap gambar yang dideteksi memiliki hasil yang berbeda tergantung pada panjangnya antrian dan celah pada antrian kendaraan.
Keywords : traffic, deteksi tepi canny, matlab
BAB I PENDAHULUAN
1.1 Latar Belakang
Pada saat ini, kemacetan lalu-lintas telah banyak dijumpai di kota-kota besar di Indonesia. Dan ini erat kaitannya dengan permasalahan pengendalian lalu-lintas pada persimpangan, diantaranya jumlah panjang antrian yang tidak merata antar simpangan dan masih terjadi kemacetan lalu lintas terutama pada saat jam-jam sibuk. Salah satu indikator dari kemacetan lalu-lintas adalah kecepatan perjalanan atau waktu perjalanan pada ruas-ruas jalan kota. Dengan melihat korelasi terhadap volume lalu-lintas, dapat diketahui tingkat pelayanan jalan yang merupakan informasi mendasar perlunya langkah pengembangan sistem jaringan jalan.
dengan proses transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih baik. Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.
Dalam latar belakang ini diusulkan suatu estimasi detection gerakan menggunakan metode deteksi tepi canny dan melakukan normalisasi. Karena deteksi tepi canny ini memiliki beberapa kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang digunakan. Teknik ini membutuhkan waktu agak lama dalam komputasinya tetapi hasil deteksinya sangat baik. Kelebihan paling menonjol dari metode canny dibandingkan dengan metode lainnya adalah Canny merupakan deteksi tepi yang optimal. Operator Canny menggunakan Gaussian Derivative Kernel untuk menyaring kegaduhan dari citra awal untuk mendapatkan hasil deteksi tepi yang halus.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya,terdapat beberapa permasalahan yang akan diangkat dalam Tugas Akhir ini, meliputi : 1. Bagaimana merancang dan membuat simulasi sistem pengatur lampu lalu
lintas yang cerdas.
2. Bagaimana mekanisme pengambilan gambar sehingga dapat dianalisa panjang-pendeknya sebuah antrian kemacetan.
3. Bagaimana metode pengaturan atau penentuan waktu tunggu lampu, berdasarkan hasil analisa deteksi tepi canny.
1.3 Batasan Masalah
Dari perumusan masalah di atas terdapat beberapa batasan masalah, antara lain:
1. Diasumsikan gambar kepadatan antrian pada persimpangan, sudah didapat pada gambar CCTV yang kemudian akan dianalisa.
2. Hanya menentukan status lampu traffic yang menyala, tapi tidak menentukan lamanya waktu lampu hijau yang menyala.
3. Untuk jarak waktu lampu hijau yang menyala dari persimpangan satu dengan yang lainnya, diasumsikan jarak waktunya kurang lebih 1 menit. 4. Jarak antrian terhitung dari panjangnya antrian yang terjangkau dari
gambar.
1.4 Tujuan
Tujuan kami untuk melaksanakan tugas akhir dalam pembuatan aplikasi ini antara lain :
1. Menganalisa simulasi kepadatan lalu lintas pada persimpangan untuk menentukan waktu hidup, sehingga dapat diketahui kondisi waktu hidup pada saat kepadatan dipersimpangan lalu lintas.
2. Menggunakan metode deteksi tepi canny untuk menentukan waktu hidup pada lampu lalu lintas, dengan menggunakan gambar CCTV.
1.5 Manfaat
Manfaat dari tugas akhir ini ini adalah :
1. Dapat menyesuaikan waktu siklus lampu lalu lintas secara otomatis sesuai dengan intensitas kepadatan kendaraan yang ada pada jalur-jalur jalan yang ada disekitar persimpangan jalan.
2. Mengurangi jumlah kemacetan, terutama pada jam-jam sibuk. 3. Mengurangi polusi yang diakibatkan kemacetan.
4. Efisiensi waktu tunggu lampu lalu lintas.
1.6 Metodelogi
Langkah-langkah pengumpulan data sebagai dasar penyusunan skripsi, yaitu :
1. Analisa dan Observasi Lapangan
observasi merupakan aktivitas melakukan pengamatan dan analisa terhadap kondisi sebenarnya di lapangan kemudian akan diberikan solusinya.
2. Studi Literatur
Mempelajari dan mengumpulkan data dan informasi yang mempelajari buku-buku acuan dan literatur referensi yang berhubungan dengan materi penulisan tugas akhir.
3. Perancangan Aplikasi
Dari hasil studi literatur dan hasil observasi lapangan akan dibuat deskripsi umum sistem selain itu juga dilakukan perancangan awal aplikasi yang akan dibuat, sehingga akan dihasilkan desain antarmuka dan proses yang siap untuk diimplementasi.
4. Pembuatan Aplikasi dan Implementasi
Rancangan aplikasi yang telah dibuat diimplementasikan dengan menggunakan program matlab.
5. Uji Coba dan Evaluasi
Melakukan uji coba dan evaluasi hasil sistem secara keseluruhan apakah terjadi kesalahan dan ketidak akuratan proses.
6. Penulisan Buku Laporan
1.7 Sistematika Penulisan
Dalam laporan tugas akhir ini, pembahasan disajikan dalam enam bab dengan sitematika pembahasan sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisikan tentang latar belakang masalah, perumusan masalah, batasan masalah, tujuan, manfaat, dan sistematika penulisan pembuatan tugas akhir ini.
BAB II DASAR TEORI
Pada bab ini menjelaskan tentang teori-teori, yakni dasar teori sistem informasi yang digunakan untuk mendukung dalam pembuatan tugas akhir ini.
BAB III ANALISA DAN PERANCANGAN SISTEM
Bab ini menjelaskan tentang tata cara metode perancangan sistem yang digunakan untuk mengolah sumber data yang dibutuhkan sistem, adalah Flowchart.
BAB IV IMPLEMENTASI SISTEM
Pada bab ini akan membahas tentang implementasi dari hasil perancangan beserta penjelasan dan penggunaan aplikasi yang telah dibuat. Meliputi implementasi proses dan implementasi antarmuka.
BAB V UJI COBA DAN EVALUASI
BAB VI PENUTUP
Berisi kesimpulan dan saran-saran untuk pengembangan sistem aplikasi ini.
DAFTAR PUSTAKA
Pada bagian ini akan dipaparkan tentang sumber-sumber literatur yang digunakan dalam pembutan laporan tugas akhir ini.
LAMPIRAN
BAB II
TINJAUAN PUSTAKA
2.1 Pengolahan Citra Digital
Definisi citra menurut kamus Webster adalah suatu representasi,
kemiripan atau imitasi dari suatu obyek atau benda. Citra dapat dikelompokkan
menjadi citra tampak dan citra tak tampak. Banyak contoh citra tampak dalam
kehidupan sehari-hari: foto keluarga, gambar anak yang masih SD, lukisan Pablo
Picasso, apa yang nampak dilayar monitor atau televisi, serta hologram (citra
optis). Sedangkan citra tak tampak misalnya: data gambar dalam file (citra
digital), dan citra yang direpresentasikan menjadi fungsi matematis. Disamping itu
ada juga citra fisik tak tampak , misalnya citra distribusi panas kulit manusia serta
peta densitas dalam suatu material. Untuk dapat dilihat mata manusia, citra tak
tampak ini harus diubah menjadi citra tampak, misalnya dengan menampilkannya
di monitor, dicetak diatas kertas dan sebagainya. Diantara jenis-jenis citra
tersebut, hanya citra digital yang dapat diolah menggunakan komputer. Jenis citra
lain, jika hendak diolah dengan komputer, harus diubah dulu menjadi citra digital,
misalnya foto dipindai (scan) dengan scanner, persebaran panas tubuh ditangkap
dengan kamera inframerah dan diubah menjadi informasi numeris, informasi
densitas dan komposisi bagian dalam tubuh manusia ditangkap dengan bantuan
pesawat sinar-X dan sistem deteksi radiasi menjadi informasi digital. Kegiatan
untuk mengubah informasi citra fisik non digital menjadi digital disebut sebagai
Pengolahan citra (Image Processing) merupakan suatu sistem dimana
proses dilakukan dengan masukan berupa citra (image) dan hasilnya juga berupa
citra (image). Pada awal pengolahan citra ini dilakukan untuk memperbaiki
kualitas citra, namun dengan berkembangnya dunia komputasi yang ditandai
dengan semakin meningkatnya kapasitas dan kecepatan proses komputer, serta
munculnya ilmu-ilmu komputasi yang memungkinkan manusia dapat mengambil
informasi dari suatu citra, maka image processing tidak dapat dilepaskan dengan
bidang computer vision. (Renaldi Munir, 2004).
2.1.1 Citra biner
Pada citra biner, setiap titik bernilai 0 atau 1, masing-masing
merepresentasikan warna tertentu. Contoh yang paling lazim : warna hitam
bernilai 0 dan warna putih bernilai 1. Setiap titik hanya membutuhkan 1 bit,
sehingga setiap byte dapat menampung informasi 8 titik. Gambar 1 menunjukkan
contoh representasi citra kedalam data digital.(Renaldi Munir, 2004).
= 10011101 = $9D
=01101110 =$6A
=01101101 =$6D
=10011110 =$91
2.1.2 Citra Skala Keabuan (Gray Scale)
Citra warna keabuan memberi kemungkinan warna yang lebih banyak
daripada citra biner, karena ada nilai-nilai lain diantara nilai minimum (biasanya
=0) dan nilai maksimumnya. Banyaknya kemungkinan nilai dan nilai
maiksimumnya bergantung pada jumlah bit yang digunakan. Contohnya untuk
skala keabuan 4 bit, maka jumlah kemungkinan nilainya adalah 24 = 16, dan nilai
maksimumnya adalah 24 – 1 = 15, sedangkan untuk skala keabuan 8 bit, maka
jumlah kemungkinan nilainya adalah 28 = 256, dan nilai maksimumnya adalah 28 –
1 = 255. Format citra ini disebut skala keabuan karena pada umumnya warna yang
dipakai adalah antara hitam sebagai warna minimal dan warna putih sebagai
warna maksimalnya, sehingga warna antaranya adalah abu-abu. Namun pada
prakteknya warna yang dipakai tidak terbatas pada warna abu-abu, sebagai contoh
dipilih warna minimalnya adalah putih dan warna maksimalnya adalah merah,
maka semakin besar nilainya semakin besar pula intensitas warna merahnya.
Beberapa buku menyebutkan format citra ini sebagai citra intensitas. (Renaldi
Munir, 2004).
2.1.3 Citra Warna (True Color)
Pada citra warna, setiap titik mempunyai warna yang spesifik yang
merupakan kombinasi dari 3 warna dasar, yaitu : merah, hijau dan biru. Format
citra ini sering disebut sebagai citra RGB (red-green-blue). Setiap warna dasar
mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit), misalnya warna
kuning merupakan kombinasi warna merah dan hijau sehingga nilai RGB-nya
Dengan demikian setiap titik pada citra warna membutuhkan data 3 byte. Jumlah
kombinasi warna yang mungkin untuk format citra ini adalah 224 bit atau lebih
dari 16 juta warna, dengan demikian bisa dianggap mencakup semua warna yang
ada inilah sebabnya format ini dinamakan true color. (Renaldi Munir, 2004).
2.2 Deteksi Tepi (Edge Detection)
Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang
menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah :
1. Untuk menandai bagian yang menjadi detail citra
2. Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error
atau adanya efek dari proses akuisisi citra Suatu titik (x,y) dikatakan
sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai
perbedaan yang tinggi dengan tetangganya. Gambar 2.2 berikut ini
menggambarkan bagaimana tepi suatu gambar diperoleh.
Perhatikan hasil deteksi dari beberapa citra menggunakan model
differensial di atas:
Gambar 2.3 Hasil beberapa deteksi tepi
Pada gambar 2.3, terlihat bahwa hasil deteksi tepi berupa tepi-tepi dari
suatu gambar. Bila diperhatikan bahwa tepi suatu gambar terletak pada titik-titik
yang memiliki perbedaan tinggi. Berdasarkan prinsip-prinsip filter pada citra
maka tepi suatu gambar dapat diperoleh menggunakan High Pass Filter (HPF),
yang mempunyai karakteristik:
Contoh:
Diketahui fungsi citra f(x,y) sebagai berikut:
0 0 0 0 1
0 0 0 1 0
0 0 1 0 0
0 1 0 0 0
1 0 0 0 0
Gambar 2.4 Gambar Fungsi Citra F(x,y)
Dengan menggunakan filter : H(x, y) = [-1 1] ...(2)
Maka hasil filter adalah:
1 1 1 1 1
1 1 1 1 0
1 1 1 0 0
1 1 0 0 0
1 0 0 0 0
Gambar 2.5 Gambar Hasil Filter H(x,y)
Bila digambarkan maka proses filter di atas mempunyai masukan dan keluaran
sebagai berikut :
Untuk mencoba perhitungan di atas dapat dilakukan dengan cara
manual atau dengan memanfaatkan program konvolusi.
Ada tiga macam tepi yang terdapat di dalam citra digital. Ketiganya adalah :
a. Tepi curam
Tepi dengan perubahan intensitas yang tajam. Arah tepi 90°.
b. Tepi landai
Disebut juga tepi lebar, yaitu tepi dengan sudut arah yang kecil. Tepi
landai dapat dianggap terdiri dari sejumlah tepi-tepi lokal yang lokasinya
berdekatan.
c. Tepi yang mengandung derau (noise)
Umumnya tepi yang terdapat pada aplikasi computer vision mengandung
derau. Operasi penikatan kualitas citra (image enhancement) dapat
dilakukan terlebih dahulu sebelum pendeteksian tepi. (Renaldi Munir,
2004).
2.2.1 Deteksi Tepi Canny
Menurut Renaldi Munir (2004), pada tahun 1986 John Canny
(Canny,1986) mengusulkan 3 kriteria yang menjadi basis pengembangan filter
untuk mengoptimalkan pendeteksian tepi pada citra yang mempunyai noise.
Ketiga kriteria tersebut adalah :
a. Good localization, kriteria ini bertujuan memaksimalkan nilai Signal to
Noise Ration (SNR) sehingga semua tepi dapat terdeteksi dengan baik atau
b. Good localization, tepi yang terdeteksi berada pada posisi yang
sebenarnya, atau dengan kata lain bahwa jarak antara posisi tepi yang
terdeteksi oleh detektor dengan posisi tepi sebenarnya adalah seminimum
mungkin (idealnya = 0).
c. Low multiplicity of the response atau “one response to single edge”,
detektor tidak memberikan tepi yang bukan tepi sebenarnya. Berdasarkan
pada kriteria ini Canny berhasil melakukan optimalisasi dari ke 3 kriteria
tersebut dan menghasilkan persamaan, namun persamaan ini cukup sulit
untuk diimplementasikan.
Sehingga pada implementasinya, Canny tetap menggunakan filter
Gausiaan untuk mereduksi noise dan dilanjutkan dengan perhitungan turunan
pertama dan thresholding hysteresis. Deteksi tepi Canny merupakan deteksi tepi
yang optimal. Deteksi ini menggunakan Gaussian Derivative Kernel untuk
menyaring kegaduhan dari citra awal untuk mendapatkan hasil deteksi tepi yang
halus.
2.2.2 Pendeteksian Tepi Dengan Operator Turunan Kedua
Menurut Renaldi Munir (2004), operator turunan kedua disebut juga
operator Laplace. Operator Laplace mendeteksi lokasi tepi lebih akurat khususnya
pada tepi yang curam. Pada tepi yang curam, turunan keduanya mempunyai
persilangan nol (zero-crossing), yaitu titik dimana terdapat pergantian tanda nilai
turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol.
Turunan kedua atau operator Laplace :
Dengan menggunakan definisi hamparan selisih-mundur (backward
Atau dapat dinyatakan sebagai mask:
0 1 0
1 -4 1
0 1 0
Berdasarkan skema pada gambar 2.7 :
)
Maka dapat dibuktikan bahwa
)
Yang dalam hal ini,
2
Jadi untuk mendeteksi tepi dari citra yang mengalami gangguan, kita dapat
melakukan salah satu dari dua operasi ekivalen di bawah ini:
1. Konvolusi citra dengan fungsi Gauss G(x,y), kemudian lakukan operasi
Laplacian terhadap hasilnya, atau
2.3 Analisa Lane Masking
Metode ini dimaksudkan untuk memisahkan bagian dari jalan di mana
kendaraan bermotor yang bergerak dalam satu arah. Ini sangat penting, sehingga
kita harus menspesifikkan frame mana yang akan dipilih sebagai jalan. Algoritma
Masking dirumuskan sebagai berikut :
N(p) = M(p)×V(p) .……..…(14)
Dimana M(p) adalah nilai titik citra pada frame aslinya, N(p) adalah nilai
titik citra yang baru pada citra keluarnya (gambar 2.2), V(p) adalah mask value
untuk titik p:V(p) = 0, jika corresponding pixel-nya dihilangkan,dengan kata lain V(p)
= 1. Mask lane diterapkan pada tiap-tiap warna RGB secara terpisah. (Atkociunas, 2009).
(a) (b)
Gambar 2.7 Analisa Lane Masking a. Sebelum di Masking b. Setelah di Masking
2.4 Analisa Background Elimination
Algoritma ini akan menghapus semua objek yang statis dari jalur zona
pengamatan dan meninggalkan kendaraan. Hal ini biasanya dipengaruhi oleh
beberapa gambar dan noise background seperti ayunan pohon, rumput bergerak,
dan beberapa faktor lain juga harus dipertimbangkan. Background B(p) dihitung
sebagai rata-rata setiap nilai untuk RGB untuk titik gambar p yang sama dalam
background yang dipilih. Dapat dirumuskan sebagai berikut :
…….……(15)
Dimana IB (k,p) adalah nilai pixel warna untuk titik p pada frame k.
Penghilangan latar belakang dari gambar pemandangan seperti pohon, iklim I
(k,p) D(k,p) = {I(k.p) – B(p)}, seperti pada gambar 2.2. diatas.
Code ini menjelaskan tentang tahap “background removal”. Pertama, akan
dilakukan perulangan/looping setiap pixel. Dalam perulangan ini, akan dihitung
nilai rata-rata backround. Pembagi ”3” disini dikarenakan adanya 3
pengkategorian warna, yaitu RGB (Red Green Blue). Langkah kedua adalah
perulangan untuk menghitung rata-rata seluruh frame sesuai dengan jumlah/count
yang terdefinisikan pada bagian ”lane masking”. Inti dari ”background removal”
adalah untuk menghilangkan semua background yang ada di jalan yang sudah
ditentukan dalam bagian masking, kemudian dikurangkan dengan background itu
sendiri, sehingga gambar yang dihasilkan adalah sangat spesifik, yaitu hanya
objek mobil yang diinginkan. Objek selain mobil tidak akan muncul. (Atkociunas,
2009).
2.5 Noise and blobs filtration
Langkah ini adalah untuk menghilangkan banyak noise yang muncul di
sekitar objek. Noise seperti ini hanya dapat dihapus dengan cara filtering. Metode
Analisa ini adalah tahap ”noise and blobs filtering”. Langkah pertama yang
dilakukan adalah dengan melakukan “graythresh”. Setelah itu, ada 4 metode yang
diambil untuk mengerjakan tahapan ini. Pada awalnya, hanya digunakan dua metode
sesuai aturan yang dikerjakan, yakni metode thresholding dan median filter. Dengan dua
metode ini, ternyata hasil yang diperoleh sangat tidak memuaskan, sehingga ditambahkan
dua metode lagi, yakni metode erosi dan dilasi. Erosi dilakukan dengan menggunakan
pixel “1”, sedangkan dilasi dilakukan dengan menggunakan pixel ”12”. Gambar yang
dihasilkan adalah berupa objek yang sangat utuh dan jelas. Sehingga tidak ada kerancuan
untuk penghitungan objek. Dengan kata lain, tidak akan terjadi kesalahan penghitungan
objek, satu objek tidak akan terhitung menjadi dua objek, dan lain sebagainya. Dari
langkah ini, sebenarnya sudah dapat diketahui berapa jumlah mobil. (Atkociunas, 2009).
(a) (b)
Gambar 2.8 Noise dan Blob Filtering a. Blobs filtering
b. Sesudah 3 x 3 Median filtering
2.6 Teknik Lalu Lintas
Lalu lintas adalah gerak kendaraan bermotor, kendaraan tidak bermotor,
pejalan kaki dan hewan di jalan yang merupakan salah satu cabang dari
2.6.1 Istilah Dasar Teknik Lalu Lintas a. Jalan
Jalan adalah prasarana transportasi darat yang meliputi segala bagian jalan,
termasuk bangunan pelengkap dan perlengkapannya yang diperuntukkan bagi lalu
lintas yang berada pada permukaan tanah, di atas permukaan tanah, di bawah
permukaan tanah atau air, serta di atas permukaan air, kecuali jalan kereta api,
jalan lori, dan jalan kabel. Untuk meningkatkan pelayanan transportasi perlu
dilakukan pembangunan jalan yang memadai. Pada dasarnya pembangunan jalan
adalah proses pembukaan ruangan lalu lintas yang mengatasi berbagai rintangan
geografi. Proses ini melibatkan pengalihan muka bumi, pembangunan jembatan
dan terowongan, bahkan juga pengalihan tumbuh-tumbuhan. Berbagai jenis mesin
pembangun jalan digunakan untuk proses ini. Sebelum melakukan pembangunan
jalan permukaan harus diuji untuk melihat kemampuannya menampung beban
kendaraan. Apabila diperlukan tanah yang lembut dapat diganti dengan tanah
yang lebih keras. Lapisan tanah ini menjadi lapisan dasar kemudian di atas lapisan
dasar ini dilapisi dengan satu lapisan lagi yang disebut lapisan permukaan.
(Directorate General Bina Marga, 1997).
Menurut Directorate General Bina Marga (1997), biasanya lapisan
permukaan dibuat dengan aspal ataupun semen. Pengaliran/drainase air
merupakan salah satu faktor yang harus diperhitungkan dalam pembangunan
jalan. Air yang berkumpul di permukaan jalan setelah hujan tidak hanya
membahayakan pengguna jalan, namun juga dapat mengikis dan merusakkan
mengarah ke selokan di pinggir jalan. Dengan demikian air hujan langsung
mengalir ke selokan sehingga tidak menggenangi permukaan jalan. Pada
tempat-tempat yang berbahaya seperti belokan yang tajam dipasang retroflektor .Selain
itu ada permukaan jalan juga diletakkan "mata kucing", yaitu sejenis benda
bersinar seperti batu yang ditanamkan di permukaan jalan yang berfungsi untuk
menandakan batas lintasan. Sistem jaringan jalan merupakan satu kesatuan
jaringan jalan yang terdiri dari sistem jaringan jalan primer dan sistem jaringan
jalan sekunder yang terjalin dalam hubungan hierarki. Sistem jaringan jalan
disusun dengan mengacu pada rencana tata ruang wilayah dan dengan
memperhatikan hubunganan antar kawasan perkotaan, dan kawasan perdesaan.
1. Sistem jaringan jalan primer
Sistem jaringan jalan primer disusun berdasarkan rencana tata ruang dan
pelayanan distribusi barang dan jasa untuk pengembangan semua wilayah di
tingkat nasional, dengan menghubungkan semua simpul jasa distribusi yang
berwujud pusat-pusat kegiatan.
2. Sistem jaringan jalan sekunder
Sistem jaringan jalan sekunder disusun berdasarkan rencana tata ruang
wilayah kabupaten/kota dan pelayanan distribusi barang dan jasa untuk
masyarakat di dalam kawasan perkotaan yang menghubungkan secara menerus
kawasan yang mempunyai fungsi primer, fungsi sekunder kesatu, fungsi sekunder
kedua, fungsi sekunder ketiga, dan seterusnya sampai ke persil. Jalan merupakan
salah satu komponen penting dalam transportasi. Dengan adanya jalan dapat
meningkatkan kegiatan perekonomian pada suatu daerah karena dapat
demikian, hasil ekonomi dari suatu daerah dapat dijual ke pasaran di daerah lain.
Selain itu, jalan juga mengembangkan ekonomi lalu lintas di sepanjang
lintasannya. (Directorate General Bina Marga, 1997).
b. Kendaraan
Kendaraan atau angkutan adalah alat transportasi selain makhluk hidup.
Kendaraan biasanya dibuat oleh manusia misalnya mobil, motor, kapal, kereta,
perahu, pesawat. Kendaraan juga ada yang bukan buatan manusia misalnya batang
pohon yang mengambang bisa dinaiki sebagai kendaraan atau aliran air sungai
yang bisa dipakai sebagai kendaraan untuk distribusi kayu hasil hutan. Kendaraan
dapat dikategorikan menjadi dua yaitu kendaraan bermotor (kendaraan yang
digerakkan oleh peralatan teknik yang berada pada kendaraan itu) dan kendaraan
tidak bermotor (digerakan oleh manusia atau ditarik oleh hewan, seperti gerobak,
andong, becak, sepeda).
Defnisi Kendaraan berdasarkan PP Nomor 44 Tahun 1993 :
1. Kendaraan Bermotor adalah kendaraan yang digerakkan oleh peralatan
teknik yang berada pada kendaraan itu.
2. Sepeda Motor adalah kendaraan bermotor beroda dua, atau tiga tanpa
rumah-rumah baik dengan atau tanpa kereta samping.
3. Mobil Penumpang adalah setiap kendaraan bermotor yang dilengkapi
sebanyak-banyaknya 8 (delapan) tempat duduk tidak termasuk tempat
duduk pengemudi, baik dengan maupun tanpa perlengkapan pengangkutan
4. Mobil Bus adalah setiap kendaraan bermotor yang dilengkapi lebih dari 8
(delapan) tempat duduk tidak termasuk tempat duduk pengemudi, baik
dengan maupun tanpa perlengkapan pengangkutan bagasi.
5. Mobil Barang adalah setiap kendaraan bermotor selain dari yang termasuk
dalam sepeda motor, mobil penumpang dan mobil bus.
6. Kendaraan Khusus adalah kendaraan bermotor selain daripada kendaraan
bermotor untuk penumpang dan kendaraan bermotor untuk barang, yang
penggunaannya untuk keperluan khusus atau mengangkut barang-barang
khusus.
Jenis dan pengaruh suatu kendaraan yang melintasi suatu ruas jalan dan
persimpangan berbeda satu sama lainnya menurut katagorinya. Nilai ekivalen
setiap kendaraan dipengaruhi oleh beberapa faktor antara lain jenis kendaraan,
lokasi jalan, keadaan topografi, serta kelandaian jalan. Untuk menghilangkan
klasifikasi kendaraan pada perhitungan arus lalu lintas dapat dilakukan dengan
menyatakan arus lalu lintas kedalam satuan mobil penumpang (SMP) dalam satu
satuan waktu. (Directorate General Bina Marga, 1997).
c. Persimpangan
Menurut Directorate General Bina Marga (1997), persimpangan adalah
simpul dalam jaringan transportasi dimana dua atau lebih ruas jalan saling
bertemu atau berpotongan. Persimpangan merupakan bagian yang terpenting dari
jalan raya sebab sebagian besar dari efisiensi, kapasitas lalu lintas, kecepatan,
biaya operasi, waktu perjalanan, keamanan dan kenyamanan akan tergantung pada
mengalami konflik dan untuk mengendalikan konflik ini ditetapkan aturan lalu
lintas untuk menetapkan siapa yang mempunyai hak terlebih dahulu untuk
menggunakan pesimpangan. Konflik pada persimpangan dikelompokkan menjadi
4 macam yaitu :
1. Berpotongan atau disebut juga crossing, dimana dua arus berpotongan
langsung.
2. Bergabung atau disebut juga merging, dimana dua arus bergabung.
3. Berpisah atau disebut juga sebagai diverging, dimana dua arus berpisah.
4. Bersilangan atau disebut juga weaving, dimana dua arus saling
bersilangan, terjadi pada bundaran lalu lintas.
Bentuk pengendalian tergantung kepada besarnya arus lalu lintas, semakin
besar arus semakin besar konflik yang terjadi semakin kompleks pengendaliannya
atau dijalan bebas hambatan memerlukan penanganan khusus. Bila arus masih
rendah dan kecepatan lalu lintas rendah dapat diterapkan persimpangan sederhana,
dimana kendaraan yang datang dari kiri mendapat prioritas lebih dulu.
Persimpangan seperti ini banyak ditemukan di jalan lingkungan kawasan
pemukiman. Apabila suatu persimpangan arus dijalan utama (mayor)
bersimpangan dengan dengan jalan kecil (minor) maka kendaraan yang berada di
jalan utama mendapat hak terlebih dahulu, untuk menegaskan hal tersebut
digunakan rambu lalu lintas 'beri kesempatan' berupa segitiga terbalik yang
ditempatkan dijalan minor, untuk lebih mempertegas digunakan rambu 'stop'
dimana pengemudi dijalan minor wajib berhenti dan masih dilengkapi marka jalan
sebagai pelengkap rambu Beri Kesempatan dan Rambu Stop. Persimpangan Tidak
tinggi atau pada jalan bebas hambatan atau jalan tol. Salah satu persimpangan
tidak sebidang pertama di Indonesia adalah Jembatan Semanggi di Jakarta. Bentuk
persimpangan tidak sebidang dapat berbentuk : Jembatan layang yang disebut
juga Flyover. Terowongan yang disebut juga Underpass. Interchange merupakan
persilangan yang bisa berpindah dari ruas yang satu ke ruas yang lain, salah satu
bentuk yang populer adalah jembatan semanggi atau dengan bentuk diamont.
Apabila lahan mencukupi maka dibuat bundaran ditengah persimpangan untuk
mengendalikan persimpangan. Persimpangan ini mempunyai kapasitas kurang
lebih sama dengan lalu lintas. Aturan yang berlaku pada bundaran lalu lintas
adalah kendaraan yang berada di bundaran mendapat prioritas terlebih dahulu.
d. Rambu Lalu Lintas
Menurut Directorate General Bina Marga (1997), rambu lalu lintas adalah
salah satu alat perlengkapan jalan dalam bentuk tertentu yang memuat lambang,
huruf, angka, kalimat atau perpaduan di antaranya, yang digunakan untuk
memberikan peringatan, larangan, perintah dan petunjuk bagi pemakai jalan. Agar
rambu dapat terlihat baik siang ataupun malam atau pada waktu hujan maka bahan
harus terbuat dari material yang reflektif (memantulkan cahaya). Berdasarkan
jenis pesan yang disampaikan, rambu lalu lintas dapat dikelompokkan menjadi
rambu peringatan, rambu petunjuk, serta rambu larangan dan perintah. Rambu
peringatan merupakan rambu yang memperingatkan adanya bahaya agar para
pengemudi berhati-hati dalam menjalankan kendaraannya. Sebagai contoh rambu
yang menunjukkan adanya lintasan kereta api, atau adanya persimpangan
Rambu petunjuk rambu yang memberikan petunjuk atau keterangan
kepada pengemudi atau pemakai jalan lainnya, tentang arah yang harus ditempuh
atau letak kota yang akan dituju lengkap dengan nama dan arah letak itu berada.
Rambu larangan dan perintah adalah rambu yang digunakan untuk memberi
larangan atau perintah tertentu untuk memakai jalan, jurusan atau tempat-tempat
tertentu misalnya: Rambu dilarang berhenti. Rambu dilarang membunyikan
klakson. Rambu dilarang mendahulaui. Rambu dilarang parkir. Kendaraan harus
lewat jalur tertentu. Semua kendaraan dilarang lewat. Berdasarkan cara
pemasangan dan sifat pesan yang disampaikan maka secara garis besar sistem
rambu dapat dikelompokkan menjadi rambu tetap dan Rambu tidak tetap. Rambu
tetap adalah semua jenis rambu yang ditetapkan menurut Surat Keputusan Menteri
Perhubungan yang dipasang secara tetap, sedangkan rambu tidak tetap adalah
rambu yang dipasang dan berlaku hanya beberapa waktu, dapat ditempatkan
sewaktu-waktu dan dapat dipindah-pindahkan.
e. Lampu Lalu Lintas
Lampu lalu lintas adalah suatu peranti pemberi sinyal yang ditempatkan di
persimpangan jalan, penyeberangan jalan, atau lokasi-lokasi lain untuk
menunjukkan keadaan aman untuk mengendarai atau berjalan sesuai dengan kode
warna universal (dan suatu urutan yang persis bagi orang-orang yang menderita
buta warna). Lampu lalu lintas disebut juga sebagai Alat Pemberi Isyarat Lalu
Lintas /APILL. Sistem pengaturan lampu lalu lintas pertama kali diperkenalkan di
Inggris, yaitu di daerah Westminster pada tahun 1868. Adapun pada saat itu
berlangsung lama karena gas tersebut mudah meledak. Pada tahun 1918 di New
York mulai diperkenalkan penggunaan sinyal sebagai pengendali untuk
mengontrol lampu lalu lintas dengan penggunaan lampu 3 warna. Isyarat lampu
yang digunakan ditetapkan berdasarkan ketentuan Internasional Vienna
Convention on Road Signs and Signals tahun 1968 dimana isyarat lampu merah
berarti berhenti, isyarat lampu kuning berarti bersiap untuk berhenti atau jalan,
sedang isyarat lampu hijau berarti berjalan.
Urutan lampu menyala adalah sebagai berikut : Lampu merah menyala,
kendaraan berhenti. Lampu merah dan kuning menyala, kendaraan bersiap untuk
berjalan. Lampu hijau, kendaran berjalan. Lampu kuning, kendaraan berhenti
kecuali terlalu dekat dengan garis henti atau kalau berhenti dapat mengakibatkan
celaka kendaraan masih bisa berjalan. Sementara itu penggunaan sinyal secara
manual yang menggunakan tenaga manusia sebagai operatornya, mulai digunakan
di Piccodity pada tahun 1925. Pada tahun 1926 diWolverhamton, Inggris
digunakan sistem pengaturan lampu lalu lintas otomatis untuk pertama kalinya.
(Directorate General Bina Marga, 1997).
2.7 CCTV (Close Circuit Television)
Menurut Atkociunas (2009), CCTV adalah sebuah kamera pengintai yang
digunakan untuk menyelidiki atau mengawasi suatu tempat yang dianggap rawan
dari bahaya. Kegunaan CCTV diantaranya adalah masalah keamanan sistem
informasi yang dihadapi. Beberapa masalah keamanan sistem informasi yang
1. Penggunaan perangkat lunak yang bervariasi dan berasal dari banyak
vendor.
Sering tidak dapat dielakkan penggunaan sejumlah perangkat lunak dari
beberapa vendor untuk membangun suatu sistem. Tetapi, di sisi lain, penggunaan
perangkat lunak tersebut akan lebih membutuhkan waktu dan tenaga yang lebih
besar dalam hal memonitor isu-isu keamanan, ketimbang sistem yang dibangun
oleh perangkat lunak yang relatif homogen. Seringkali hal ini diperparah dengan
tidak adanya suatu standar dan prosedur dalam pemilihan suatu sistem.
2. Identitas pengguna.
Salah satu tujuan dari sistem keamanan adalah memastikan hanya orang
yang berhak saja yang dapat akses ke suatu sistem. Untuk suatu perusahaan yang
terdiri atas ratusan bahkan ribuan karyawan, serta memiliki beberapa sistem, maka
tugas ini bukan tugas yang mudah. Tantangan pertama adalah memetakan otoritas
karyawan terhadap sumber-sumber (resources) sistem informasi seperti server,
file, database, aplikasi dan sebagainya. Katakan saja ada 1000 karyawan yang
akan mengakses 10 aplikasi/files/database, maka akan ada 10.000 relasi yang
harus dipetakan antara karyawan dan sumber sistem informasi tersebut.
3. Deteksi dan proteksi secara cepat.
Mendeteksi gangguan keamanan untuk jaringan yang terdiri atas puluhan
server, puluhan peralatan jaringan, dan ratusan bahkan ribuan PC merupakan
tugas yang tidak dapat dianggap enteng. Selain perlu waktu dan sumber daya
manusia, keahlian khusus dalam hal keamanan sistem informasi sangat diperlukan
serta untuk menetapkan langkah-langkah penanggulangannya secara cepat dan
tepat.
4. Security Patch.
Dengan rasio antara jumlah tenaga administrator/teknisi keamanan sistem
informasi dengan jumlah pengguna komputer sebesar 1:500 seperti kasus di atas,
akan mudah ditebak bahwa pengamanan sistem informasi menjadi tidak efektif.
Sebagai gambaran, waktu yang dibutuhkan seorang teknisi untuk melakukan
security patching (instalasi program perbaikan yang berkaitan dengan keamanan
suatu sistem) terhadap 500 pengguna komputer adalah lebih dari 30 hari kerja
(dengan perhitungan 1 hari terdiri atas 8 jam kerja). (Atkociunas, 2009)
2.6.2 Intrusion Prevention System (IPS)
Secara singkat, IPS dapat dijelaskan sebagai perangkat yang memadukan
antara fungsi Firewall (analoginya adalah satpam) dan sistem deteksi intrusi atau
IDS (analoginya adalah kamera pemindai/CCTV). Beberapa vendor juga
mengintegrasikan fitur anti virus atau anti worm ke dalam IPS-nya. Teknologi ini
menjadi hangat belakangan ini, karena menjanjikan fungsi deteksi dan proteksi
yang dapat dilakukan secara bersamaan dan otomatis. Sehingga suatu intrusi dapat
dicegah di awal, sebelum menyebabkan kerusakan sistem. Beberapa vendor
terkenal seperti Cisco, Symantec, Check Point, ISS, Netscreen (sekarang diambil
alih oleh Juniper) juga telah menawarkan teknologi ini. Patch Management
System
Mengurangi waktu dari puluhan hari menjadi beberapa jam saja dalam melakukan
beberapa vendor mulai menawarkan teknolgi patch management system seperti
Security ConfigureSoft , St. Bernard Software, PatchLink dan Citadel.
Manajemen Identitas adalah suatu sistem tersentral yang dibuat untuk
memudahkan administrator untuk men-diseminasi identitas, password dan otoritas
seorang karyawan ke beberapa sistem secara sekaligus. Dengan teknologi ini jelas
akan memudahkan bagian personel/HR atau bagian lain dalam pemberian akses,
modifikasi akses maupun penghapusan akses kepada karyawan secara langsung,
tanpa atau sedikit melibatkan administrator TI dalam pengoperasiannya. Beberapa
produk Identity Management juga mempunyai fungsi deteksi apabila seorang
karyawan memiliki otoritas melebihi yang telah ditetapkan, seperti misalnya
karyawan tersebut bersekongkol dengan administrator TI untuk mengubah
otoritasnya secara manual.
Selain itu, fungsi pelaporan secara otomatis ataupun manual pada
teknologi ini akan memudahkan setiap kepala bagian/manajer untuk
mengevaluasi tingkat otoritas/akses seorang karyawan terhadap sistem yang
dimilikinya atau dalam tanggung jawabnya. Penggunaan CCTV IP Camera,
menggantikan CCTV konvensional. Tidak saja berfungsi untuk pengamanan
perusahaan namun fitur-fitur yang dimiliki jauh lebih canggih dibandingkan
CCTV konvensional.
Bahkan CCTV IP Camera dilengkapi audio video sehingga bisa dimanfaatkan
untuk video conference tanpa harus dalam satu ruangan. Antara pejabat kantor
pusat dan di kantor cabang bisa melakukan konferensi dengan menggunakan
CCTV IP Camera. Melihat kecanggihan yang dimiliki CCTV IP Camera, tambah
Banyak perusahaan yang memiliki kantor cabang memanfaatkan
kecanggihan teknologi yang ada di CCTV IP Camera. Saat ini, di dalam
kehidupan kita-sehari-hari barangkali rasa aman adalah faktor yang paling sering
menjadi perbincangan. Hal ini dapat dimaklumi mengingat secara nyata faktor
keamanan menjadi barang yang semakin mahal. Banyak cara diupayakan oleh
setiap orang untuk mendapatkan rasa aman, baik bagi diri sendiri, keluarga
ataupun bagi lingkungannya ( tempat tingal dan tempat kerja ) mulai dari
meningkatkan sistem keamanan lingkungan secara bersama-sama, melengkapi
lingkungan tempat tinggal dengan seperangkat peralatan sistem keamanan yang
didalamnya mungkin sudah meliputi sistem alarm, penggunaan kamera CCTV
(Closed Circuit Television), menambah tenaga satuan pengaman, dan lain
BAB III
ANALISA DAN PERANCANGAN SISTEM
Bab ini akan menjelaskan mengenai proses desain dari sistem perangkat lunak yang akan dibuat. Proses sistem dalam bab ini akan dibagi menjadi 5 tahapan, yaitu deskripsi umum sistem, perancangan proses, perancangan antarmuka, rancangan kebutuhan system dan sistem perangkat lunak.
3.1 Analisa Sistem
Gambar 3.1 Flowchart Deskripsi Secara Umum
3.2 Perancangan Proses
3.2.1Metode yang Digunakan
Dalam pembuatan simulasi analisa ini, metode yang digunakan mengacu pada referensi sekaligus dikombinasikan dengan ilmu yang sudah diperoleh pada mata kuliah pengolahan citra digital.
Start
End
Hasil Perhitungan Kendaran Lane masking N(p) = M(p)×V(p)
Background elimination
Imadjust
Deteksi Tepi Pengambilan
Gambar
Gambar 3.2 Flowchart Metode Yang Digunakan
Metode-metode yang digunakan tersebut meliputi: a. Lanes Masking
gambar yang sudah ada. Sehingga gambar yang didapat hanya gambar kendaraannya saja.
(a) (b)
Gambar 3.3 Aplikasi Lanes Masking Dengan Kendaraan a. Masking
b. Kendaraan
Kemudian hasil dari lane masking kedua gambar tersebut, dengan hasil yang didapat adalah gambar kendaraan.
Selanjutnya dilakukan lagi dengan gambar jalan yang tidak ada kendaraannya. Untuk mendapatkan masking hasil gambar jalan.
(a) (b)
Gambar 3.5 Aplikasi Lanes Masking Tanpa Kendaraan a. Masking
b. Tanpa Kendaraan
Berikut adalah hasil gambar jalan yang sudah dimasking. Hasil gambar jalan yang didapat
untuk mengurangi dari hasil gambar kendaraan yang ada.
Gambar 3.6 Setelah Di Lane Masking Gambar Jalan
b. Background Elimination
Algoritma ini akan menghapus semua objek yang statis dari jalur zona pengamatan dan meninggalkan kendaraan. Hal ini biasanya dipengaruhi oleh beberapa gambar dan noise background seperti ayunan pohon, rumput bergerak, bayangan cahaya, awan, hujan, salju, dan lain-lain. Perihal waktu, musim, cuaca dan beberapa faktor lain juga harus dipertimbangkan. Dimana dari kedua hasil gambar diatas di eliminasi dan dilakukan grayscale pada setiap hasil masking pada gambar. Sehingga didapat gambar berikut, tetapi hasil yang didapat kurang jelas.
Gambar 3.7 Gambar Background Elimination Kendaraan
c. Imadjust
Gambar 3.8 Gambar yang sudah diperjelas
d. Deteksi Tepi Canny
Dari hasil gambar sebelumnya dilakukan deteksi tepi canny. Hal ini untuk memeriksa apakah tepi objek melewati suatu piksel.
3.2.2 Analisa Lampu Lalu Lintas
Pada tahap selanjutnya, dengan melihat gambar obyek pada frame dapat dilihat jumlah terbanyak obyek serta pada saat masking gambar. Dimana gambar yang terdeteksi dengan jumlah kendaraan paling banyak, maka akan mendapatkan lampu lalu lintas warna hijau terlebih dahulu.
Gambar 3.10 Flowchart Analisa Lampu
perbandingan lagi untuk mendapatkan hasil selanjutnya sampai nilai jumlah paling terkecil yang ada.
Gambar 3.11 Analisa Persimpangan Lampu Lalu Lintas
Maka lampu hijau akan menyala dahulu pada persimpangan ke-1, selanjutnya pada persimpangan ke-2, berikutnya persimpangan ke-3 dan pada persimpangan ke-4 lampu hijau menyala yang terakhir.
3.3 Perancangan Antarmuka
Perancangan aplikasi antarmuka merupakan perancangan halaman aplikasi yang nantinya akan berinteraksi secara langsung dengan pengguna. Adapun perancangan yang akan dibuat sebagai berikut:
Gambar 3.12 Perancangan Aplikasi Antarmuka
kita untuk membandingkan image digital pada persimpangan mana yang seharusnya menyala dahulu lampu hijau pada lampu lalu lintas.
Berikut keterangan gambar yang ada diatas :
1. Gambar Persimpangan, berikut adalah image digital kendaraan persimpangan ke-1, ke-2, ke-3 dan ke-4 yang akan ditampilkan untuk dibandingkan mana kendaraan yang ada pada persimpangan-persimpangan berikut yang kondisi kendaraan yang penuh sampai yang sepi.
2. Load, tombol untuk pencarian image digital kendaraan pada penyimpanan di file atau folder yang ada.
3. Proceed, tombol untuk memproses secara otomatis gambar yang akan dideteksi tepi canny.
4. Gambar Hasil Deteksi Tepi Canny, hasil image digital kendaraan yang sudah dideteksi tepi canny.
5. Jumlah Mobil, disini akan secara otomatis menjumlah kendaraan yang ada pada persimpangan.
6. Lampu, disini juga akan secara otomatis lampu yang menyala hijau dahulu pada persimpangan yang mana.
7. Next, tombol ini akan melakukan proses selanjutnya untuk lampu hijau mana yang akan menyala berikutnya.
8. Refresh, tombol ini untuk mengembalikan aplikasi ke proses semula.
BAB IV
IMPLEMENTASI PROGRAM
Guna untuk mempermudah simulasi pada analisa lampu lalu lintas, maka solusi pemecahan masalah adalah dengan menggunakan sistem komputer yang mana semua proses dapat dilakukan secara cepat dan data sudah terintegrasi sehingga kita akan lebih mudah dalam melakukan tes.
4.1 Spesifikasi Sistem
Sistem untuk memproses analisa lampu lalu lintas ini dilakukan dengan sistem yang sederhana tanpa ada penambahan sistem tertentu.
4.1.1 Perangkat Sistem
Peralatan yang digunakan untuk semua proses yang ada termasuk pembuatan laporan adalah menggunakan perangkat keras dan perangkat lunak. Didalam pembuatan aplikasi ini dibutuhkan beberapa kebutuhan penunjang sistem, diantaranya adalah : 4.1.1.1. Perangkat keras yang digunakan :
a. Seperangkat komputer Pentium 4 GHz, b. Memori komputer 512 MB atau lebih tinggi, c. Hard Disk 80 GB atau lebih besar,
d. Monitor dengan resolusi minimal minimal 800 x 600 256 colors, rekomendasi 1024 x 768 High Color - 16-bit,
4.1.1.2. Perangkat Lunak yang digunakan : 1. Microsoft Windows XP Service Pack 2,
2. Bahas pemrograman yang digunakan untuk aplikasi ini adalah Matlab 7.0.4. 3. Microsoft Visio 2003 untuk perancangan sistem.
4.2. Implementasi
Pada halaman ini, dimana image digital belum dimasukkan. Serta belum dilakukan proses apapun.
Berikut akan dimasukkan image digital dengan mengeklik load, sehingga akan melakukan pencarian pada file atau folder. Dimana akan dipilih image digital persimpangan yang akan di pilih.
Gambar 4.2 Simulasi Aplikasi Traffic dengan mengisi Image Digital
Gambar 4.3 Simulasi Aplikasi Traffic menganalisa lampu Hijau
BAB V
UJI COBA EVALUASI
5.1 Uji Coba Sistem
Uji coba telah dilakukan pada empat persimpangan gambar dengan sepuluh kali percobaan, setiap gambar yang dideteksi memiliki hasil yang berbeda tergantung pada panjangnya antrian dan celah pada antrian kendaraan. Dalam uji coba ini, setiap persimpangan akan memilih image digital kendaraan pada persimpangan yang akan di pilih. Selanjutnya dideteksi tepi canny untuk mendapatkan hasil deteksi tepinya.
5.1.1 Uji Coba Pertama
Gambar 5.1 Uji Coba Pertama Simulasi Persimpangan Traffic
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu. Dalam percobaan ini dilakukan pada persimpangan dengan berbeda jumlah kendaraan dan berbeda juga letak antriannya.
Tabel 5.1 Hasil Uji Coba Pertama
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Merah Hijau Merah Merah
Kedua Merah Merah Merah Hijau
Ketiga Hijau Merah Merah Merah
Dimana lampu hijau yang menyala duluan adalah persimpangan kedua dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan pertama dengan jumlah empat kendaraan berikutnya persimpangan ketiga dengan jumlah tiga kendaraan.
5.1.2 Uji Coba Kedua
Dalam uji coba kedua ini, ada 2 persimpangan dengan jumlah kendaraan yang sama tetapi dalam antrian yang berbeda. Dengan jumlah kendaraan pada persimpangan pertama 5 kendaraan, persimpangan kedua 3 kendaraan, persimpangan ketiga 2 kendaraan dan persimpangan keempat 3 kendaraan. Dapat dilihat pada persimpangan kedua dan persimpangan keempat mempunyai jumlah kendaraan yang sama.
Dimana lampu hijau yang menyala duluan adalah persimpangan kedua dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan pertama dengan jumlah empat kendaraan berikutnya persimpangan ketiga dengan jumlah tiga kendaraan. Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.2 Hasil Uji Coba Kedua
Next Persimpangan
Pertama Hijau Merah Merah Merah
Kedua Merah Merah Merah Hijau
Ketiga Merah Hijau Merah Merah
Keempat Merah Merah Hijau Merah
5.1.3 Uji Coba Ketiga
Dalam uji coba ketiga ini, ada 2 persimpangan dengan jumlah kendaraan yang sama dan dalam antrian yang sama. Dimana pada persimpangan pertama mempunyai jumlah 5 kendaraan, persimpangan kedua ada 2 kendaraan, pesimpangan ketiga ada 6 kendaraan dan pada persimpangan keempat ada 5 kendaraan. Dapat dilihat kalau pada persimpangan pertama dan persimpangan keempat pempunyai posisi antrian yang sama.
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.3 Hasil Uji Coba Ketiga
Next Persimpangan
Pertama Merah Merah Hijau Merah
Kedua Merah Merah Merah Hijau
Ketiga Hijau Merah Merah Merah
Keempat Merah Hijau Merah Merah
Yang menyala lampu hijau pertama dipersimpangan ketiga dengan jumlah 6 kendaraan, kemudian persimpangan keempat dengan jumlah 5 kendaraan yang sama dengan persimpangan pertama. Sehingga yang menyala lampu hijau berikutnya adalah persimpangan pertama. Dan yang terakhir adalah persimpangan kedua dengan jumlah 2 kendaraan, berikut gambar tabel untuk persimpangan pertama dan kedua yang dapat dilihat nyala lampu hijaunya.
5.1.4 Uji Coba ke-4
Gambar 5.4 Uji Coba Keempat Simulasi Persimpangan Traffic
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.4 Hasil Uji Coba Keempat
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Merah Merah Hijau Merah
Kedua Hijau Merah Merah Merah
Ketiga Merah Merah Merah Hijau
Dimana lampu hijau yang menyala duluan adalah persimpangan ketiga dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan pertama dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan kedua dengan jumlah tiga kendaraan.
5.1.5 Uji Coba ke-5
Dengan jumlah kendaraan pada persimpangan pertama 5 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 3 kendaraan dan persimpangan keempat 7 kendaraan. Dapat dilihat pada persimpangan ketiga mempunyai jumlah kendaraan jumlah kendaran terbanyak.
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.5 Hasil Uji Coba Kelima
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Merah Merah Merah Hijau
Kedua Hijau Merah Merah Merah
Ketiga Merah Merah Hijau Merah
Keempat Merah Hijau Merah Merah
Dimana lampu hijau yang menyala duluan adalah persimpangan keempat dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan pertama dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan ketiga dengan jumlah tiga kendaraan berikutnya persimpangan kedua dengan jumlah dua kendaraan.
5.1.6 Uji Coba ke-6
persimpangan keempat 4 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak.
Gambar 5.6 Uji Coba Keenam Simulasi Persimpangan Traffic
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.6 Hasil Uji Coba Keenam
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Hijau Merah Merah Merah
Kedua Merah Hijau Merah Merah
Ketiga Merah Merah Merah Hijau
Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan kedua dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan ketiga dengan tidak ada kendaraan sama sekali.
5.1.7 Uji Coba ke-7
Dengan jumlah kendaraan pada persimpangan pertama 3 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 1 kendaraan dengan posisi kendaraan berada dipertengahan jalan dan persimpangan keempat 1 kendaraan dengan posisi kendaraan berada didepan lampu lalu lintas. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak.
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.7 Hasil Uji Coba Ketujuh
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Hijau Merah Merah Merah
Kedua Merah Hijau Merah Merah
Ketiga Merah Merah Merah Hijau
Keempat Merah Merah Hijau Merah
Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah tiga kendaraan dan berikutnya adalah persimpangan kedua dengan jumlah dua kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah satu kendaraan dengan posisi kendaraan yang paling mendekati lampu lalu lintas, dan berikutnya persimpangan ketiga dengan jumlah satu kendaraan dengan posisi kendaraan berada dipertengahan jalan.
1.5.8 Uji Coba ke-8
3 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak
Gambar 5.8 Uji Coba Kedelapan Simulasi Persimpangan Traffic
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.8 Hasil Uji Coba Kedelapan
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Hijau Merah Merah Merah
Kedua Merah Merah Merah Hijau
Ketiga Merah Merah Hijau Merah
Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah empat kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah tiga kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan ketiga dengan jumlah dua kendaraan, dan berikutnya persimpangan kedua karena tidak ada kendaraan.
5.1.9 Uji Coba ke-9
Dengan jumlah kendaraan pada persimpangan pertama 6 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 4 kendaraan dan persimpangan keempat 4 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak. Dan pada persimpangan ketiga dan keempat mempunyai jumlah kendaraan yang sama tetapi mempunyai posisi antrian yang berbeda.
Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.
Tabel 5.9 Hasil Uji Coba Kesembilan
Next Persimpangan Pertama
Persimpangan Kedua
Persimpangan Ketiga
Persimpangan Keempat
Pertama Hijau Merah Merah Merah
Kedua Merah Merah Hijau Merah
Ketiga Merah Merah Merah Hijau
Keempat Merah Hijau Merah Merah
Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah enam kendaraan dan berikutnya adalah persimpangan ketiga dengan jumlah empat kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan kedua dengan jumlah dua kendaraan.
5.1.10 Uji Coba ke-10