SQUARED DIFFERENCES (NSSD)
SKRIPSI
Diajukan Oleh :
DEDDY PRASETYA PUTERA 0736010029
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
KATA PENGANTAR
Syukur Alhamdulillaahi rabbil ‘alamin terucap ke hadirat Allah SWT atas segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan keberuntungan yang dimiliki penyusun, akhirnya penyusun dapat menyelesaikan Skripsi yang berjudul “ Aplikasi Penghitung Jumlah
Orang Lewat Menggunakan Metode Normalized Sum-Squared Differences
(NSSD) ” tepat pada waktunya.
Skripsi dengan beban 4 SKS ini disusun guna diajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada program studi Teknik Informatika, Fakultas Teknologi Industri, UPN ”VETERAN” Jawa Timur.
Melalui Skripsi ini penyusun merasa mendapatkan kesempatan emas untuk memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkuliahan, terutama berkenaan tentang penerapan teknologi perangkat bergerak. Namun, penyusun menyadari bahwa Skripsi ini masih jauh dari sempurna. Oleh karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca untuk pengembangan aplikasi lebih lanjut.
Surabaya, April 2011
UCAPAN TERIMA KASIH
Penyusun menyadari bahwasanya dalam menyelesaikan Skripsi ini telah mendapat banyak bantuan dan dukungan dari berbagai pihak, dan tanpa menghilangkan rasa hormat,, penyusun mengucapan terima kasih kepada:
1. Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor UPN “Veteran” Jawa Timur.
2. Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN “Veteran” Jawa Timur.
3. Basuki Rahmat,S.Si,MT selaku Kepala Jurusan Teknik Informatika UPN “Veteran” Jawa Timur, dosen wali dan dosen pembimbing I yang telah giat meluangkan banyak waktu untuk memberikan arahan, ilmu.
4. Fetty Tri Anggraeny, S.Kom selaku dosen pembimbing II yang dengan sabar telah meluangkan banyak waktu, pikiran dan tenaga di antara kesibukan beban-beban kegiatan akademik untuk memberikan bimbingan dan kesempatan penyusun untuk berkreasi dalam proses pembuatan Skripsi ini. 5. Ir. Kartini, MT dan Fetty Tri Anggraeny, S.Kom selaku penguji seminar TA
yang telah banyak memberi masukan serta membuka wawasan baru.
7. Ayahanda tercinta, yang merupakan lelaki terhebat yang pernah aku temui dan ibunda tersayang yang juga merupakan perempuan yang kesabarannya tiada bandingnya didunia ini, juga Kakak dan adik-adikku.
8. Teman-teman kuliah khususnya anak-anak Ilmu Komputer angkatan 2007 putu, faris, dhani, doni, rendy, fathi, toni, taufik, ipam, reza, fanji, riki, arik, kuswanto, cepot, alan, kokoh, bayu dan teman-teman TF, SI lainnya yang tak bisa disebutkan satu persatu makasih semua atas persahabatan yang begitu indah selama kuliah makasih semua atas bantuan semangat dan doanya, sukses buat kalian semuanya.
9. Part of my heart, Yanti penyemangat hidup dan mendamaikan hati penyusun.
DAFTAR ISI
1.6 MetodologiPembuatan Tugas Akhir... 4
1.7 Sistematika Penulisan... 5
BAB II LANDASAN TEORI ... 8
2.1 Pengolahan Citra ... 8
2.1.1 Definisi Citra... 8
2.1.2 Definisi Pengolahan Citra... 9
2.5 Thresholding... 17
2.6 NSSD (Normalized Sum Squared Difference)…... 2.6.1 Pemrosesan Background Image dan Frame……….. 2.6.2 Perhitungan NSSD………. 18 19 19 2.7 Pengertian program visual basic……… 2.8 Sejarah singkat Visual Basic………. 2.9 Mengenal Visual Basic……….. 2.9.1 Tampilan awal Visual Basic……… 2.9.2 Title Bar……… BAB III ANALISA DAN PERANCANGAN ... 27
3.1 Analisa... 27
3.3 Rancangan Antarmuka Aplikasi ………... 38
BAB IV IMPLEMENTASI DAN EVALUASI... 43
DAFTAR GAMBAR
No. Hal.
2.1 Hubungan pengolahan Citra... 10
2.2 Hubungan Grafika komputer dengan pengolahan citra... 10
2.3 Contoh Grafika Komputer... 11
2.4 Hubungan pengenalan pola dengan pengolahan citra... 12
2.5 Model warna HSV... 12
2.11 Proses filtering menggunkan LowPass Filter………17
2.12 Kotak Dialog Open – Tabulasi New...22
2.13 Tampilan Awal Lembar Kerja Visual Basic 6.0………23
2.14 Title Bar………23
2.15 Tool Bar………24
2.16 Tool Box………24
2.17 Jendela project explorer………25
2.18 Properties window………26
2.19 Form window………26
3.7 Diagram alir proses perhitungan jumlah orang lewat... 37
3.8 Form Splash... 38 5.1 Gambar a merupakan gambar background, gambar b,c,d,e,f
merupakan gambar simulasi robot lewat hasil percobaan data
real-time...
56
Real-Time pada Jalur masuk...
5.3 Nilai Filtering Percobaan Menggunakan Data simulasi secara
Real-Time...
57 5.4 Nilai Treshold Percobaan Menggunakan Data simulasi secara
Real-Time...
57 5.5 Gambar a merupakan gambar background, gambar b,c
merupakan gambar orang lewat hasil percobaan data real-time, gambar d merupakan gambar adanya perubahan intensitas cahaya……...
DAFTAR TABEL
No. Hal.
5.1 Tabel Data Uji Coba Simulasi Secara Real-time ………. 55 5.2 Tabel Data Uji Coba Orang Lewat Sebenarnya Real-time……… 58 5.3 Tabel Hasil Uji Coba Dengan Variasi Iluminasi………. 60 5.4 Tabel Hasil Uji Coba dengan Variasi Nilai Pengali……….
61
5.5 TabelPerhitungan aplikasi……….
ABSTRAK
Saat ini banyak dijumpai orang (pengunjung) yang mendatangi tempat umum seperti perpustakaan, mal, toko swalayan dan tempat umum lainya. Namun jumlah pengunjung masih dihitung secara manual, contohnya seperti pengisian buku pengunjung perpustakaan yang diisi secara manual oleh pengunjung sendiri. Begitu pula dengan jumlah orang yang masih ada di dalam tempat tersebut.
Dengan adanya permasalahan diatas maka dalam Skripsi ini dibuat sebuah aplikasi penghitung jumlah orang lewat baik masuk maupun keluar pada suatu tempat umum, sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan. Penghitungan jumlah orang ini menggunakan metode Normalized Sum-Squared Differences (NSSD) dengan data video yang diambil melalui kamera webcam. Nilai NSSD yang didapat dibandingkan dengan nilai threshold untuk perhitungan adanya orang lewat. Aplikasi ini secara keseluruhan tidak bekerja secara baik atau tidak berhasil untuk penerapan pada data sesungguhnya, karena adanya faktor intensitas cahaya yang masih belum teratasi, namun untuk penerapan pada data simulasi bekerja dengan cukup baik dengan persentase 100%, dimana telah ditetapkan batasan dan perangkat keras ataupun perangkat lunak yang telah ditentukan sebelumnya.
Dalam bab ini dijelaskan beberapa hal dasar yang meliputi latar belakang, rumusan masalah, batasan masalah, tujuan, manfaat, metodologi skripsi serta sistematika penulisan skripsi. Dari uraian tersebut diharapkan, gambaran umum permasalahan dan pemecahan yang diambil dapat dipahami dengan baik.
1.1 Latar Belakang Masalah
Data jumlah pengunjung suatu tempat umum sangat penting. Data tersebut biasanya digunakan untuk laporan perkembangan minat masyarakat terhadap tempat tersebut. Data jumlah pengunjung biasanya didapat secara manual, contohnya seperti pengisian buku pengunjung perpustakaan secara manual dan diisi oleh pengunjung sendiri.
perubahan jumlah piksel gambar video yang direkam dengan kamera digital (webcam) ditempat tersebut.
Pada tugas akhir ini digunakan metode Normalized Sum-Squared Differences (NSSD) untuk menghitung jumlah orang lewat baik masuk dan keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam dengan webcam sebagai kamera perekamnya.
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas, maka dibuat suatu perumusan masalah, yaitu :
1. Bagaimana merancang aplikasi yang dapat membantu pengelola suatu tempat umum dalam menghitung jumlah pengunjung di tempat tersebut.
2. Bagaimana mengimplementasikan metode Normalized Sum Squared Differences (NSSD) untuk menghitung jumlah orang lewat baik masuk maupun keluar .
1.3 Batasan Masalah
1. Penghitungan jumlah orang dilakukan pada pintu masuk dan pintu keluar yang berdampingan dan terdapat sekat pemisah antara pintu masuk dan pintu keluar.
2. Pintu masuk dan pintu keluar merupakan jalur satu arah yang khusus bagi para pengunjung
3. Pengunjung melewati pintu yang di desain hanya bisa dilewati satu per satu dan antar pengunjung terdapat sela atau jedah waktu tertentu.
4. Orang yang lewat pada pintu masuk dihitung satu orang masuk dan orang yang lewat pada pintu keluar dihitung satu orang keluar.
5. Perekaman video dilakukan dengan menggunakan webcam.
6. Ukuran frame data video digital (webcam) yang akan diolah adalah sebesar 320 x 240.
7. Intensitas cahaya pada pintu masuk / keluar atau area perhitungan cenderung konstan dan terang.
1.4 Tujuan
Mengacu pada perumusuhan masalah diatas, tujuan yang hendak dicapai dalam penyusunan tugas akhir ini adalah :
2. Mengaplikasikan metode Normalized Sum-Squared Differences (NSSD) untuk menghitung jumlah orang masuk dan keluar .
1.5 Manfaat.
Manfaat yang diperoleh dalam pembuatan aplikasi ini antara lain :
1. Dihasilkan suatu aplikasi yang dapat menghitung jumlah pengunjung baik masuk maupun keluar sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan dengan memanfaatkan webcam.
2. Dapat membantu membantu pengelola suatu tempat umum dalam proses penghitungan jumlah pengunjung baik masuk maupun keluar dan yang masih ada di dalam ruangan sehingga tidak perlu dilakukan secara manual.
1.6 Metodologi Pembuatan Tugas Akhir
Pembuatan Tugas Akhir ini terbagi menjadi beberapa tahapan sebagai berikut :
1. Studi Literatur
Pada tahap ini dilakukan coding untuk membuat sebuah program sederhana sebagai penerapan metode, perhitungan orang lewat baik masuk / keluar dan jumlah orang yang ada di dalam tempat.
3. Analisa hasil
Program yang telah selesai akan dilakukan uji coba dan kemudian dilakukan analisa terhadap hasil dari program tersebut.
4. Penyusunan Buku Tugas Akhir
Pada tahap terakhir ini disusun buku sebagai dokumentasi dari pelaksanaan Tugas Akhir. Dokumentasi ini dibuat untuk memudahkan orang lain yang ingin mengembangkan aplikasi penghitung jumlah orang lewat menggunakan metode NSSD, yang merupakan dari pengerjaan Tugas Akhir ini.
1.6 Sistematika Penulisan
Dalam laporan tugas akhir ini, pembahasan disajikan dalam enam bab dengan sistematika pembahasan sebagai berikut:
BAB I : PENDAHULUAN
BAB II : LANDASAN TEORI
Pada bab ini menjelaskan tentang teori-teori pemecahan masalah yang berhubungan dan digunakan untuk mendukung dalam pembuatan tugas akhir ini, meliputi pengertian tentang citra, model warna, greyscaling, metode NSSD, filtering, tresholding yang digunakan untuk mendukung program yang akan dibuat.
BAB III : ANALISA DAN PERANCANGAN
Pada bab ini menjelaskan tentang analisa dan perancangan aplikasi Penghitung Jumlah Orang Lewat Menggunakan Metode Normalized Sum Squared Differences (NSSD)
BAB IV : IMPLEMENTASI DAN EVALUASI
Pada Bab ini berisikan bagaimana implementasi aplikasi yang telah di buat berdasarkan desain sebelumnya.
BAB V : UJI COBA
Pada bab ini berisikan mengenai analisa output dari aplikasi menggunakan metode Normalized Sum Squared Differences (NSSD) yang telah dibuat
BAB VI : PENUTUP
yang diharapkan dapat bermanfaat dan sesuai dengan tujuan penelitian tugas akhir ini.
BAB II
LANDASAN TEORI
Pada bab ini akan dibahas beberapa teori dasar untuk menunjang
penyelesaian skripsi ini, yaitu beberapa pengertian umum, konsep, dan teori yang
berhubungan dengan pembuatan aplikasi Penghitung Jumlah Orang Lewat
Menggunakan Metode Normalized Sum Squared Differences (NSSD), antara lain:
definisi citra, penggolahan citra, teori mengenai model warna, citra grayscale,
filtering, treshold, motode NSSD, serta penjelasan mengenai software yang
digunakan.
2.1 Pengolahan Citra
2.1.1 Definisi Citra
Secara harfiah, citra (image) adalah gambar pada bidang dwimatra
(dua dimensi). Ditinjau darisudut pandang matematis, citra merupakan fungsi
menerus (continue) dari Intensitas cahaya pada bidang dwimatra. Sumber
cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas
cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh alat-alat optik,
misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya,
sehingga bayangan objek yang disebut citra tersebut terekam. Citra sebagai
keluaran dari suatu sistem perekaman data dapat bersifat:
2. analog berupa sinyal video seperti gambar pada monitor televisi,
3. digital yang dapat langsung disimpan pada suatu pita magnetik. Citra
yang dimaksudkan di dalam keseluruhan isi buku ini adalah citra diam (still
images). Citra diam adalah citra tunggal yang tidak bergerak. Citra bergerak
(moving images) adalah rangkaian citra diam yang ditampilkan secara
beruntun (sekuensial) sehingga memberi kesan pada mata kita sebagai gambar
yang bergerak. Setiap citra di dalam rangkaian itu disebut frame. Gambar-gambar
yang tampak pada film layar lebar atau televisi pada hakikatnya terdiri atas
ratusan sampai ribuan frame. [1]
2.1.2 Definisi Pengolahan Citra
Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan
komputer, menjadi citra yang kualitasnya lebih baik.
Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila :
1. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan
kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang
terkandung di dalam citra
2. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur
3. Sebagian citra perlu digabung dengan bagian citra yang lain.
Di dalam bidang komputer, sebenarnya ada tiga bidang studi yang berkaitan
1. Grafika Komputer (komputer graphics).
2. Pengolahan Citra (image processing).
3. Pengenalan Pola (pattern recognition atau image interpretation).
Hubungan antara ketiga bidang (grafika komputer, pengolahan
citra, pengenalan pola) ditunjukkan pada Gambar.
Gambar 2.1 Hubungan pengolahan Citra
Grafika Komputer bertujuan menghasilkan citra (lebih tepat disebut
grafik atau picture) dengan primitif-primitif geometri seperti garis,
lingkaran, dan sebagainya. Primitif-primitif geometri tersebut memerlukan data
deskriptif untuk melukis elemen-elemen gambar. Contoh data deskriptif
adalah koordinat titik, panjang garis, jari-jari lingkaran, tebal garis, warna,
dan sebagainya.
Gambar 2.2Hubungan Grafika komputer dengan pengolahan citra
Contoh grafika komputer misalnya menggambar sebuah rumah yang
koordinat ujung garis.
Gambar 2.3 Contoh Grafika Komputer
Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah
di interpretasi oleh manusia atau mesin (dalam hal ini komputer).
Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi,
masukannya adalah citra dan keluarannya juga citra, namun citra keluaran
mempunyai kualitas lebih baik daripada citra masukan. Termasuk ke dalam
bidang ini juga adalah pemampatan citra (image compression).
Pengenalan Pola mengelompokkan data numerik dan simbolik
(termasuk citra) secara otomatis oleh mesin (dalam hal ini
komputer). Tujuan pengelompokan adalah untuk mengenali suatu objek di
dalam citra. Manusia bisa mengenali objek yang dilihatnya karena otak
manusia telah belajar mengklasifikasi objek-objek di alam sehingga
mampu membedakan suatu objek dengan objek lainnya. Kemampuan sistem
visual manusia inilah yang dicoba ditiru oleh mesin. Komputer menerima
masukan berupa citra objek yang akan diidentifikasi, memproses citra
Gambar 2.4Hubungan pengenalan pola dengan pengolahan citra.
2.2 Model warna
Model warna yang bisa digunakan adalah HSB (Hue, Saturarion, Brightness
), RGB ( Red, Green, Blue ), CMYK ( Cyan, Magenta, Yellow, Black )
2.2.1 Model warna HSV
Gambar 2.5Model warna HSV
Model warna HSV mendefinisikan warna dalam terminologi Hue,
Saturation dan Value. Hue menyatakan warna sebenarnya, seperti merah, violet,
dan kuning. Hue digunakan untuk membedakan warna-warna dan menentukan
kemerahan (redness), kehijauan (greeness) dari cahaya. Hue berasosiasi dengan
panjang gelombang cahaya. Saturation menyatakan tingkat kemurnian suatu
Value adalah atribut yang menyatakan banyaknya cahaya yang diterima oleh mata
tanpa memperdulikan warna.
Informasi penting mengenai isi citra digital dapat dengan baik diketahui
dengan membuat histogram citra. Histogram citra adalah grafik yang
menggambarkan penyebaran nilai-nilai intensitas pixel dari suatu citra atau bagian
tertentu dalam citra. Dari sebuah histogram dapat diketahui frekuensi kemunculan
nisbi (relative) dari intensitas pada citra tersebut. Histogram juga dapat
menunjukan banyak hal tentang kecerahan (brightness) dan kontras (contrast)
pada sebuah citra.
2.2.2 Model warna CMYK
CMYK (Cyan, Magenta, Yellow, Black) atau warna Primer Subtraktif,
warna ini dikenal sebagai warna Separasi / four color separation yang digunakan
untuk print, dimana warna-warna tersebut biasa digunakan untuk keperluan cetak
pada berbagai media keras seperti untuk pembuatan Brosur, Buku, Majalah, Cover
CD.
Media yang menggunakan pantulan cahaya untuk untuk meghasilkan warna
memakai metode campuran warna subtraktif. Dalam industri percetakan, untuk
menghasilkan warna bervariasi, diterapkan pemakaian warna primer subtraktif:
magenta, kuning dan cyan dalam ukuran yang bermacam-macam.
Campuran kuning dan cyan menghasilkan nuansa warna hijau; campuran kuning
dengan magenta menghasilkan nuansa warna merah, sedangkan campuran
pigmen ini dalam ukuran yang seimbang akan menghasilkan nuansa warna
kelabu, dan akan menjadi hitam jika ketiganya disaturasikan secara penuh, tetapi
dalam praktek hasilnya cenderung menjadi warna kotor kecoklatan. Oleh karena
itu, seringkali dipakai warna keempat, yaitu hitam, sebagai tambahan dari cyan,
magenta dan kuning. Ruang warna yang dihasilkan lantas disebut dengan CMYK
(Cyan, Magenta, Yellow, Black). Hitam disebut dengan "K" (key) dari istilah "key
plate"
Gambar 2.6Model warna CMYK
2.2.3 Model warna RGB
Persentase yang sangat besar dari spectrum yang terlihat dapat
direpresentasikan dengan mencampur merah, hijau dan biru (Red, Green dan
Blue) yang diberi warna terang dalam berbagai proporsi dan intensitas. Dengan
mencampur warna merah, hijau dan biru akan menciptakan warna putih. Oleh
karena itu model RGB juga disebut dengan additive colors (warna campuran).
RGB ( Red, Green, Blue )atau Warna Additif, warna ini biasanya digunakan oleh
monitor computer/TV. Warna yang dihasilkan berasal dari kombinasi 3 warna
tersebut dan masing-masing memiliki nilai 8 bit merah, 8 bit hijau dan 8 bit biru.
Alat/media yang menggabungkan pancaran cahaya untuk menciptakan sensasi
warna menggunakan sistem warna additif. Televisi adalah yang paling umum.
Warna primer additif adalah merah, hijau dan biru. Campuran warna cahaya
merah dan hijau, menghasilkan nuansa warna kuning atau orange. Campuran hijau
dan biru menghasilkan nuansa cyan, sedangkan campuran merah dan biru
menghasilkan nuansa ungu dan magenta. Campuran dengan proporsi seimbang
dari warna additif primer menghasilkan nuansa warna kelabu, jika ketiga warna
ini disaturasikan penuh, maka hasilnya adalah warna putih. Ruang warna / model
warna yang dihasilkan disebut dengan RGB (red, green, blue).
Dasar dari pengolahan citra adalah pengolahan warna RGB pada posisi
tertentu. Dalam pengolahan citra warna dipresentasikan dengan nilai
hexadesimal dari 0x00000000 sampai 0x00ffffff. Warna hitam
adalah 0x00000000 dan warna putih adalah 0x00ffffff. Definisi nilai8 warna
di atas seperti gambar dibawah, variabel 0x00 menyatakan angka
Gambar 2.8. Nilai Warna RGB Dalam Hexadesimal.
2.3 CitraGrayscale
Grayscale menunjukkan tingkat keabuan (dari hitam- putih) yang ada
dalamsuatu citra. Modelwarna ini menyimpan informasi warna sebesar 8
bit. Jadi warna yang bisa ditampilkan pada mode warna grayscale berjumlah
sampai 256. Skala perhitungan numeriknya bisa dengan pendekatan nilai
brightness yang berskala 0 sampai 255 seperti pada gambar dibawah.
Gambar 2.9. Komposisi Warna Grayscale
Greyscaling adalah teknik yang digunakan untuk mengubah citra
berwana menjadi bentuk grayscale. Pengubahan dari citra berwarna ke bentuk
grayscale mengikuti aturan sebagai berikut :
Persamaan 2.1
(a) (b)
Gambar 2.10.Citra RGB (a) dan Citra Grayscale (b).
2.4 Filtering
Proses filtering dilakukan untuk mengurangi perbedaan nilai data yang
mencolok. Dengan menggunkan LowPass Filter, data yang memiliki nilai besar akan terendam sehingga perbedaan antar data tidak terlalu besar. Proses LowPass Filter ini menggunakan cara merata-rata setiap data yang diperoleh, misalkan untuk merata-rata 5 data, maka :
filtering = (data(1) + data(2) + data(3) + data(4) + data(5)) / 5 Persamaan 2.2
Gambar 2.11.Proses filtering menggunkan LowPass Filter. [4] [5]
2.5 Thresholding
Thresholding digunakan untuk mengubah intensitas piksel menjadi salah
satu dari dua nilai, a1 atau a2. Hasil dari proses thresholding ditentukan
menggunakan fungsi sebagai berikut :
Persamaan 2.3
Keterangan :
f(x,y) = Nilai intensitas yang lama
g(x,y) = Nilai intensitas yang baru
T = Nilai Threshold
Jika a1=0 dan a2=1, maka proses thresholding mengubah citra
greyscale menjadi citra biner. [3] [4] [5]
2.6 NSSD (Normalized Sum Squared Difference)
NSSD adalah bentuk khusus dari SSD (Sum Squared difference).
Diawali dengan pengambilan background, mengubahnya menjadi grayscale
dan menentukan detection window pada jalur orang lewat yang akan diamati. Hal
yang sama dilakukan juga untuk setiap frame video yang ditampilkan.
Detection window atau ROI (Region of Interest) pada background dan frame
harus pada posisi yang sama sehingga luasan area yang diamati sama persis.
Jumlah nilai pixel pada frame dan background diambil selisihnya dan
dikuadratkan. Hasil tersebut dibagi dengan luasan detection window untuk
2.6.1 Pemrosesan Background Image dan Frame
Untuk melakukan identifikasi dengan menggunakan metode NSSD,
diperlukan background image untuk dibandingkan dengan frame yang akan
dideteksi. Background image yang digunakan merupakan image jalan atau
lajur dalam keadaan kosong atau tidak ada kendaraan pada lajur yang akan
dideteksi. Detection window atau ROI diset pada lajur yang akan dideteksi setelah
dilakukan proses grayscale sebelumnya. Kemudian, semua nilai pixel yang
terdapat dalam detection window dijumlahkan. Hal yang sama juga dilakukan
pada setiap frame video. Maksud dari frame video adalah sekumpulan image
yang ditampilkan secara berurutan sehingga membentuk suatu gambar
bergerak. Sehingga proses grayscale, setting detection window, dan
menjumlahkan nilai pixel dilakukan pada masing-masing frame. Posisi
detection window pada frame dan pada background image harus sama
karena pada posisi inilah yang akan dilakukan pembandingan. Dengan adanya
detection window memudahkan proses perhitungan jumlah nilai pixel yang
dilakukan oleh komputer. Bilamana tidak menggunakan detection window,
komputer akan melakukan perhitungan pada frame secara keseluruhan.
Sedangkan dengan detection window, komputer cukup menghitung pada detection
window saja.
2.6.2 Perhitungan NSSD
Setelah mendapatkan jumlah nilai pixel dari background image dan frame,
Selisih dari jumlah nilai background image dan frame dikuadratkan untuk
menghindari nilai negatif. Metode NSSD dapat dirumuskan dalam persamaan
berikut :
Dalam perhitungan NSSD, yang digunakan adalah selisih dari jumlah nilai
pixel pada background image dan pada frame. Selisih jumlah nilai pixel,
memungkinkan untuk menghasilkan nilai negatif sehingga hasil selisih
tersebut dikuadratkan untuk menghindari hasil negatif. Nilai negatif terjadi
bilamana warna dari obyek pada frame lebih gelap dari pada background
image. Sebab warna gelap memiliki nilai pixel yang kecil. Perhitungan
NSSD dilakukan pada setiap frame video yang ditampilkan. [4] [5]
2.7 Pengertian program visual basic
Visual Basic 6.0 adalah salah satu dari berbagai bahasa pemrograman yang
paling sederhana di bandingkan dengan bahasa pemrograman yang lain karena
penulisan perintah dan intruksi yang kompleks sehingga langkah pemrograman
menjadi lebih jauh sederhana.dengan pemprogram dapat lebih berkonsentrasi pada
bagaimana memecahkan masalah pemrograman yang dihadapinya.
2.8 Sejarah singkat Visual Basic
Berikut ini adalah point-point penting dalam sejarah perkembangan Visual
Basic adalah sebagai berikut :
a. Visual Basic pertama kali diperkenalkan tahun 1991 yaitu program Visual
Basic untuk DOS dan untuk windows.
b. Visual Basic 3.0 dirilis tahun 1993.
c.Visual Basic 4.0 dirilis pada akhir 1995 (tambahan dukungan aplikasi 32
Bit)
d. Visual basic 6.0 dirilis pada akhir tahun 1998
e.Visual Basic terbaru adalah versi Visual Basic.Net yang dirilis pada tahun
2002.
Microsoft umumnya membuat tiga edisi Visual Basic yaitu :
1. Standard edition merupakan produk dasar.
2. Profesional Edition berisi tambahan Microsoft Jet Data Accsess Engine
2.9 Mengenal Visual Basic
Microsoft Visual Basic adalah sebuah aplikasi yang digunakan untuk
pengembangan dengan memanfaatkan keistimewaan konsep-konsep antar muka
grafis dalam Microsoft windows. Aplikasi yang dihasilkan Visual Basic berkaitan
erat dengan windows itu sendiri sehingga dibutuhkan pengetahuan bagaimana
kerja windows. Dalam pemrograman visual basic banyak istilah dan konsep untuk
menyebut sesuatu yang membentuk sebuah aplikasi, istilah-istilah tersebut
memiliki arti sma dalam lingkungan pemrograman visual lainya,seperti misalnya
objek, property dan event.
2.9.1 Tampilan awal Visual Basic
Pada saat pertama kali menjalankan Visual Basic,secara otomatis akan
muncul kotak dialog New Project seperti yang terlihat pada gambar 2.12. [7]
Gambar 2.12Kotak Dialog Open – Tabulasi New
Lalu pilih menu yang anda butuhkan , misalnya standart EXE maka akan
Gambar 2.13Tampilan Awal Lembar Kerja Visual Basic 6.0
Pada lembar awal kerja visual basic inilah kita dapat memulai awal
pengerjaan seperti membuat button yang diperlukan.
2.9.2 Title Bar
Title Bar merupakan judul dari program Visual Basic 6.0 yang terletak pada
bagian paling atas dari jendela program. Kompnen ini berfungsi untuk
menampilkan judul atau nama jendela, ilustrasi Title Bar dapat dilihat seperti pada
Gambar 2.14
Gambar 2.14Title Bar
Dengan adanya title bar inilah pengguna atau user dapat mengetahui bahwa
2.9.3 Tool Bar
Tool Bar merupakan sebuah batang yang berisi kumpulan tombol yang
terletak di bagian bawah menu bar yang dapat digunakan untuk menjalankan
suatu perintah. Ilustrasi Tool Bar dapat dilihat seperti pada gambar 2.15. [7]
Gambar 2.15Tool Bar
2.9.4 Tool Box
Tool box merupakan kotak perangkat yang berisi kumpulan tombol objek
atau kontrol untuk mengatur desain dari aplikasi yang akan dibuat.Tool Box dapat
dilihat seperti Gambar 2.16
Gambar 2.16 Tool Box
Pada tool box inilah yang akan mempermudah dalam pengerjaan sebuah
2.9.5 Project
Project merupakan suatu kumpulan modul atau program aplikasi itu
sendiri. Dalam Visual Basic, file project disimpan dengan nama file berakhiran
.VBP,dimana file ini berfungsi untuk menyimpan seluruh komponen pada semua
program. Berikut ini adalah gambar project dari visual basic 6.0 .
Gambar 2.17 Jendela project explorer
Pada bagian project ini segala pembuatan form dari lembar kerja yang telah
kita buat akan tercantum dalam jendela project. [7]
2.9.6 Properties Windows
Properties windows merupakan sebuah jendela yang digunakan
menampung nama properti kontrol yang terpilih. Pengaturan properties pada
program Visual Basic merupakan hal yang sangat penting untuk membedakan
objek yang satu dengan yang lainnya. Properties dapat dilihat seperti pada
Gambar 2.18Properties window
2.9.7 Form window
Form window merupakan jendela desain dai sebuah program aplikasi.
Seperti pada Gambar 2.19
Gambar 2.19 Form window
Pada bagian form window tersebut pembuatan sebuah project pertama kali
dilakukan seperti pembuatan tombol, kolom meletakan sebuah gambar, dan
Metode NSSD adalah bentuk khusus dari SSD (Sum Squared difference) digunakan untuk menghitung selisih nilai piksel antara frame dan background image yang kemudian di jumlah dengan nilai selisih pada piksel berikutnya sesuai dengan jumlah frame yang diambil, kemudian hasil tersebut dibagi dengan luasan detection window untuk dinormalisasi. Pada bab ini akan di bahas tentang analisa permasalahan, perancangan aplikasi yang terdiri dari proses grayscale, penerapan NSSD, filtering, treshold contoh permasalahan, serta rancangan antarmuka aplikasi yang akan dibuat.
3.1 Analisa
Aplikasi yang akan dibuat pada tugas akhir ini merupakan aplikasi yang dapat menghitung jumlah orang lewat. Dari hasil perhitungan jumlah orang lewat baik masuk / keluar nantinya akan didapat juga jumlah pengunjung dan jumlah orang yang masih berada didalam tempat.
masuk / keluar nantinya akan didapat juga jumlah pengunjung dan jumlah orang yang masih berada didalam tempat.
proses perhitungan orang lewat dengan syarat jika nilai NSSD lebih besar dari nilai treshold maka status = 1 (lewat) jika sebaliknya maka status = 2 (kosong), dimana nantinya jumlah orang lewat bertambah bila status dan status sebelumnya (temp) tidak sama.
3.2 Perancangan
Gambar 3.1 Diagram alir Aplikasi
webcam secara langsung berupa frame dan background image, set detection window, grayscale, perhitungan NSSD, filtering, tresholding, proses perhitungan orang lewat. Gambar 3.1 diatas adalah gambar blok diagram perhitungan NSSD.
3.2.1 Algoritma dan Diagram Alir
Pada bagian ini dijelaskan mengenai beberapa algoritma yang digunakan dalam perangkat lunak, beserta diagram alirnya. Diantaranya adalah yaitu input citra yang terdiri dari input data video yang diambil dari webcam secara langsung berupa frame dan background image, set detection window, grayscale, perhitungan NSSD, filtering, tresholding.
3.2.1.1 Input citra
Gambar 3.2 merupakan gambar diagram alir untuk input citra, yang trediri dari proses menampilkan data video dan proses penggambilan gambar background dan frame. Berikut adalah penjelasan langkah – langkah algoritma proses menampilkan data video dan proses penggambilan gambar :
1. Data masukan berupa data video yang diambil dari webcam secara langsung
2. Menampilkan data video diambil dari webcam secara langsung
3. Melakukan pengambilan gambar background dan frame
3.2.1.2 Proses menentukan detection window
Gambar 3.3 merupakan gambar diagram alir untuk menentukan detection window. Berikut adalah penjelasan langkah – langkah algoritma proses menentukan detection window :
1. Data masukan berupa gambar background dan frame hasil dari proses sebelumnya
2. Melakukan penentuan detection window (ROI) untuk jalur masuk dan jalur keluar pada background dan frame
3. Hasil dari proses tersebut berupa gambar input beserta ROI dengan ukuran dan posisi ROI sesuai dengan yang telah ditentukan, baik pada jalur masuk dan jalur keluar pada background dan frame
Mulai
3.2.1.3 Proses Grayscale
Gambar 3.4 merupakan gambar diagram alir untuk proses grayscale. Berikut adalah penjelasan langkah – langkah algoritma proses grayscale :
1. Data masukan berupa nilai setiap pixel di dalam ROI (Detection windows) pada background dan frame
2. Melakukan perubahan nilai intensitas setiap pixel dari RGB ke grayscale
3. Hasil dari proses tersebut berupa nilai intensitas setiap pixel di dalam ROI pada background dan pada frame yang sudah berupa citra grayscale
3.2.1.4 Proses perhitungan nilai NSSD
Gambar 3.5 (a) merupakan gambar diagram alir untuk perhitungan nilai NSSD, dimana di dalam perhitungan nilai NSSD terdapat proses perhitungan selisih nilai piksel frame dan background, pemangkatan selisih nilai piksel frame dan background, penjumlahan hasil proses pemangkatan sebelumnya, sesuai dengan jumlah piksel yang ada pada ROI (detection window) frame dan background. Berikut adalah penjelasan langkah – langkah algoritma proses perhitungan nilai NSSD :
1. Data masukan berupa jumlah pixel pada ROI (Detection windows), nilai pixel di dalam ROI (Detection windows) pada background dan frame yang sudah berupa citra grayscale
2. Melakukan perhitungan nilai NSSD
3. Hasil dari proses tersebut berupa nilai NSSD
3.2.1.5 Proses Filtering
Gambar 3.5 (b) merupakan gambar diagram alir untuk proses filtering. Berikut adalah penjelasan langkah – langkah algoritma proses filtering :
1. Data masukan berupa jumlah nilai NSSD, Jumlah frame
2. Melakukan perhitungan rata-rata nilai NSSD
(b)
(a)
3.2.1.6 Proses Thresholding
Gambar 3.6 merupakan gambar diagram alir untuk proses thresholding. Berikut adalah penjelasan langkah – langkah algoritma proses thresholding :
1. Data masukan berupa rata-rata nilai NSSD, nilai pengali yang ditentukan oleh user
2. Melakukan perhitungan penghitungan nilai threshold dengan mengalikan nilai rata-rata NSSD dengan nilai pengali yang ditentukan oleh user
3. Hasil dari proses tersebut berupa nilai Threshold
3.2.1.7 Proses perhitungan orang lewat
Gambar 3.7 Diagram alir proses perhitungan jumlah orang lewat
Gambar 3.7 merupakan gambar diagram alir untuk proses perhitungan jumlah orang lewat. Berikut adalah penjelasan langkah – langkah algoritma proses perhitungan orang lewat :
1. Data masukan berupa nilai NSSD, nilai threshold
lebih besar dari nilai threshold dan status pada frame tersebut tidak sama dengan status pada frame sebelumnya (Temp).
3. Hasil dari proses tersebut berupa bertambahnya jumlah orang lewat
3.3 Rancangan Antarmuka Aplikasi
Dalam melakukan perancangan antarmuka aplikasi diharapkan mampu memenuhi aspek-aspek seperti user friendly (mudah dimengerti oleh user), sederhana, dan mengurangi terjadinya kesalahan saat user menggunakan aplikasi. Untuk memberikan gambaran awal tentang antarmuka aplikasi serta menjaga konsistensi dari desain aplikasi, maka perlu dibuat suatu rancangan masukan dan keluaran aplikasi.
a. Form Splash
Form splash merupakan form yang muncul pertama kali ketika aplikasi dijalankan. Form splash menampilkan nama dari aplikasi yang dijalankan. Berikut merupakan rancangan antarmuka dari form splash.
b. Form Utama
Form utama pada Gambar 3.9 ini digunakan untuk menampilkan data video yang diambil dari webcam secara langsung yang digunakan sebagai pengambilan gambar background dan frame. Juga terdapat ROI (detection window) pada frame dan background, yang digunakan sebagai fokus area perhitungan nilai piksel yang akan di proses seperti pada penjelasan diagram alir (flowchart) diatas, proses akan berjalan secara otomatis setelah user memberikan nilai pengali > 0.
Gambar 3.9 Form Utama
c. Form Hasil perhitungan
ditampilkan berdasarkan tanggal yang dicari, terlihat seperti pada gambar 3.10 dibawah ini.
Gambar 3.10 Form Hasil perhitungan
d. Form Konfirmasi
Pada aplikasi pembesaran citra ini, terdapat form konfirmasi yang akan terlihat apabila user ingin menutup aplikasi. Berikut form konfirmasi yang dimiliki oleh aplikasi ini :
1. Gambar 3.11 merupakan form konfirmasi ketika user ingin keluar. Sehingga ketika user meng-klik menu keluar, maka user akan menerima konfirmasi keluar untuk memperjelas apakah user benar– benar ingin keluar dari aplikasi.
3.4 Definisi Persyaratan
Perangkat lunak penghitung jumlah orang lewat menggunakan metode Normalized Sum-Squared Differences (NSSD) ini dirancang untuk sebuah tempat umum dengan model seperti tampak pada gambar dibawah
Gambar 3.12 Model penerapan aplikasi
Gambar model penerapan aplikasi diatas menjelaskan bahwa :
a. Model pintu masuk dan pintu keluar yang berdampingan dan terdapat sekat pemisah antara pintu masuk dan pintu keluar
b. Penempatan webcam berada diatas pintu masuk dan keluar
d. Pintu masuk dan pintu keluar merupakan jalur satu arah yang khusus bagi para pengunjung
e. Penghitungan yang dilakukan yaitu jumlah orang yang lewat pada pintu masuk dan pintu keluar, menuju ataupun dari dalam tempat
f. Pengunjung melewati pintu yang di desain hanya bisa dilewati satu per satu dan antar pengunjung terdapat sela atau jedah waktu tertentu
4.1 Kebutuhan Aplikasi
Sebelum melakukan implementasi dan menjalankan aplikasi penghitung
jumlah orang lewat, dibutuhkan spesifikasi perangkat keras dan perangkat lunak
dengan kondisi tertentu agar dapat berjalan dengan baik. Berikut ini adalah
perangkat keras yang digunakan dalam implementasi aplikasi penghitung jumlah
orang lewat adalah sebagai berikut :
a. Notebook Compaq C510
b. Intel Pentium Core 2 Duo
c. Memory 2 Gb DDR2.
d. Harddisk 250 Gb
e. C-Junction Webcam
Perangkat lunak yang digunakan dalam implementasi aplikasi penghitung
jumlah orang lewat ini adalah sebagai berikut :
a. Microsoft Windows Xp
b. Visual Basic 6.0
4.2 Potongan Program
Dalam sub bab ini akan dijelaskan mengenai beberapa potongan program
Visual basic sebagai implementasi dari algoritma yang sudah dijelaskan pada bab sebelumnya.
a. Proses inisialisasi webcam
Public Declare Function SendMessage Lib "user32" Alias "SendMessageA" (ByVal hwnd As Long, ByVal wMsg As Long, ByVal wParam As Long, lParam As Any) As Long
Public Declare Function capCreateCaptureWindowA Lib "avicap32.dll" (ByVal lpszWindowName As String, ByVal dwStyle As Long, ByVal X As Long, ByVal Y As Long, ByVal nWidth As Long, ByVal nHeight As Long, ByVal hwndParent As Long, ByVal nID As Long) As Long
Public Const WM_CAP_CONNECT As Long = 1034 Public Const WM_CAP_DISCONNECT As Long = 1035 Public Const WM_CAP_GET_FRAME As Long = 1084 Public Const WM_CAP_COPY As Long = 1054
Public Const WM_CAP_START As Long = WM_USER
Inisialisasi webcam menggunakan fungsi API pada visual basic, dimana digunakan untuk mengambil data video secara langsung dan untuk pengambilan
input berupa background image dan frame.
b. Proses menjalankan kamera
If mCapHwnd <> 0 Then Exit Sub FrameNum = 0
Me.Timer1.Enabled = False
' capture video
mCapHwnd = capCreateCaptureWindowA("WebCap", 0, 0, 0, m_Width, m_Height, Me.hwnd, 0)
DoEvents
' koneksi ke webcam
Call SendMessage(mCapHwnd, WM_CAP_CONNECT, 0, 0)
DoEvents
Call SendMessage(mCapHwnd, WM_CAP_SET_PREVIEW, 0, 0)
' informasi timer1
bStopped = False
Me.Timer1.Enabled = True
Proses menjalankan kamera dilakukan oleh user dengan menekan button
capture video, dan data video yang diambil secara langsung nantinya digunakan sebagai input yang berupa pengambilan background image dan frame
c. Proses pengambilan background image
'* Ambil background
Picture3.Picture = Picture2.Picture
Proses pengambilan background image diambil pada saat keadaan jalan masih
kosong / belum ada orang lewat, dimana pengambilan background image disini
berfungsi untuk perhitungan mendapatkan nilai selisih antara nilai piksel frame
d. Proses mendapatkan nilai RGB pada piksel dalam ROI
For k = 1 To Shape2.Width Step 15 For l = 1 To Shape2.Height Step 15
pixelmasuk = Picture3.Point(k + Shape4.Left, l + Shape4.Top)
'pengambilan pixel pada ROI background 'RGB Background
red = pixelmasuk And RGB(255, 0, 0)
green = Int((pixelmasuk And RGB(0, 255, 0)) / 256)
blue = Int((Int(pixelmasuk And RGB(0, 0, 255)) / 256) / 256)
Proses mendapatkan nilai RGB pada ROI dilakukan secara berurutan
menggunakan proses looping hingga semua piksel pada ROI terpenuhi, nantinya
nilai RGB ini dirubah menjadi citra grayscale agar nilai piksel hanya satu.
e. Proses perubahan model warna RGB menjadi cira grayscale
For k = 1 To Shape2.Width Step 15 For l = 1 To Shape2.Height Step 15
pixelmasuk = Picture3.Point(k + Shape4.Left, l + Shape4.Top)
'pengambilan pixel pada ROI background 'RGB Background
red = pixelmasuk And RGB(255, 0, 0)
green = Int((pixelmasuk And RGB(0, 255, 0)) / 256)
blue = Int((Int(pixelmasuk And RGB(0, 0, 255)) / 256) / 256)
lbmasuk = (red + green + blue) / 3 'proses grayscale
Picture7.PSet (k, l), RGB(lbmasuk, lbmasuk, lbmasuk) 'perubahan warna setiap pixel di ROI background pada picture
Proses perubahan model warna RGB menjadi cira grayscale seperti pada
persamaan 2.1, dimana memiliki perhitungan penjumlahan nilai red, green, blue
kemudian dibagi 3, nantinya nilai piksel hanya menjadi satu dan proses
perhitungan menjadi lebih mudah karena yang diolah berupa nilai piksel dari
proses grayscale
f.Proses perhitungan NSSD
'Penerapan NSSD
For k = 1 To Shape2.Width Step 15 For l = 1 To Shape2.Height Step 15
pixelmasuk = Picture3.Point(k + Shape4.Left, l + Shape4.Top)
'pengambilan pixel pada ROI background 'RGB Background
red = pixelmasuk And RGB(255, 0, 0)
green = Int((pixelmasuk And RGB(0, 255, 0)) / 256)
blue = Int((Int(pixelmasuk And RGB(0, 0, 255)) / 256) / 256) lbmasuk = (red + green + blue) / 3 'proses grayscale
Picture7.PSet (k, l), RGB(lbmasuk, lbmasuk, lbmasuk) 'perubahan warna setiap pixel di ROI background pada picture
warnamasuk = Picture2.Point(k + Shape2.Left, l + Shape2.Top)
'pengambilan pixel pada ROI Frame 'RGB Frame
red = warnamasuk And RGB(255, 0, 0)
green = Int((warnamasuk And RGB(0, 255, 0)) / 256)
blue = Int((Int(warnamasuk And RGB(0, 0, 255)) / 256) / 256) lfrmasuk = (red + green + blue) / 3 'proses grayscale
Picture6.PSet (k, l), RGB(lfrmasuk, lfrmasuk, lfrmasuk) 'perubahan warna setiap pixel di ROI Frame pada picture
nmasuk = nmasuk + 1 'proses perhitungan jumlah pixel pada ROI frame
JumSelisihNilaiPixelMasuk = JumSelisihNilaiPixelMasuk + ((lfrmasuk -
'proses mendapatkan nilai NSSDkeluar pada setiap frame
NSSDmasuk = JumSelisihNilaiPixelMasuk / nmasuk txtNSSDmasuk.Text = NSSDmasuk
Proses perhitungan NSSD diawali dengan pengambilan background,
mengubahnya menjadi grayscale dan menentukan detection window pada jalur
orang lewat yang akan diamati. Hal yang sama dilakukan juga untuk setiap
frame video yang ditampilkan. Detection window atau ROI (Region of Interest) pada background dan frame harus pada posisi yang sama sehingga luasan area yang diamati sama persis. Jumlah nilai pixel pada frame dan
background diambil selisihnya dan dikuadratkan. Hasil tersebut dibagi dengan luasan detection window untuk dinormalisasi, seperti pada persamaan 2.4
g. Proses perhitungan filtering
'proses filtering
JumFramemasuk = JumFramemasuk + 1 'perhitungan jumlah frame
txtjmlframemasuk.Text = JumFramemasuk
JumNSSDmasuk = JumNSSDmasuk + NSSDmasuk 'penjumlahan nilai
NSSDkeluar setiap frame
txtjmlNSSDmasuk = JumNSSDmasuk
txtfiltermasuk.Text = Filtermasuk
Proses filtering disini menggunakan LowPass Filter ini menggunakan cara
merata-rata setiap data yang diperoleh. Proses filtering membutuhkan input
jumlah frame dan jumlah nilai NSSD, dimna nanti proses perhitungannya adalah jumlah nilai NSSD / jumlah frame. Perhitungan ini sesui dengan persamaan 2.2.
h. Proses perhitungan thresholding
'proses thresholding
threshold = Filter * Val(cmbxnilaipengali.Text) 'proses perhitungan nilai filter dengan nilai pengali yang ditentukan oleh user
txthasiltresholdmasuk.Text = thresholdmasuk
Perhitungan proses thresholding mempunyai input berupa nilai rata-rata NSSD
(nilai hasil dari proses filtering) yang dikalikan oleh nilai pengali yang diberikan
oleh user, fungsi proses thresholding disini adalah mengubah citra greyscale
menjadi citra biner, seperti pada persamaan 2.3.
i. Proses perhitungan orang lewat
'proses perhitungan orang lewat
txttempmasuk.Text = txtstatusmasuk.Text
Proses perhitungan orang lewat memiliki data masukan berupa nilai NSSD,
nilai threshold. Melakukan perhitungan jumlah orang yang lewat, Apabila nilai
NSSD lebih besar dari nilai threshold maka satus = 1 (Lewat) dan apabila
nilai NSSD lebih kecil dari nilai threshold maka status = 2 (Kosong). Jumlah
orang bertambah apabila Apabila nilai NSSD lebih besar dari nilai
threshold dan status pada frame tersebut tidak sama dengan status pada frame sebelumnya (Temp).
4.3 Implementasi Antarmuka
Pada tahap ini akan dijabarkan tentang implementasi antarmuka dari
aplikasi penghitung jumlah orang lewat menggunakan metode NSSD, berdasarkan
perancangan yang telah dibuat. Form - form yang digunakan, antara lain :
1. Form Splash.
3. Form Konfirmasi. 4. Form Hasil perhitungan
4.3.1 Form Splash
Form ini tampak pada saat aplikasi pertama kali dijalankan. Form splash ini perlu dibuat agar dapat diketahui nama dari aplikasi tersebut. Seperti terlihat
pada gambar 4.1 dibawah. Berikut adalah antarmuka dari form splash.
Gambar 4.1 Form Splash 4.3.2 Form Utama
Berikut ini akan dijelaskan mengenai menu-menu yang terdapat di form
utama. Form utama pada Gambar 4.2 ini digunakan untuk menampilkan data
video yang diambil dari webcam secara langsung yang digunakan sebagai
pengambilan gambar background dan frame. Juga terdapat ROI (detection
(flowchart) pada bab 3, proses akan berjalan secara otomatis setelah user
memberikan nilai pengali > 0. Pada form utama terdapat beberapa menu yaitu :
a. Menu File
Jika menu utama di klik, maka user akan masuk ke sub menu keluar , dimana
ketika sub menu di tekan maka akan muncul form konfirmasi yang menanyakan
apakah anda ingin keluar, jika ditekan button ya maka program akan mati dan jika
tidak maka akan dihadapkan lagi dengan form utama.
b. Menu View
Berisi dua sub menu yaitu cam perhitungan NSSD dan data perhitungan NSSD,
dimana bila sub menu cam perhitungan NSSD ditekan maka akan ditampilkan
form utama sendiri dan apabila sub menu data perhitungan NSSD ditekan maka
akan memanggil Form Hasil perhitungan.
4.3.3 Form konfirmasi
Form konfirmasi digunakan untuk mengakhiri dalam menggunakan aplikasi atau ingin menutup form tertentu. Berikut merupakan beberapa form
konfirmasi yang dimiliki oleh aplikasi ini.
a. Konfirmasi Keluar
Konfirmasi keluar tampil ketika user ingin mengakhiri atau menutup form.
Hal ini bertujuan untuk meyakinkan user akan pilihannya untuk keluar. Form
konfirmasi keluar dapat dilihat pada gambar 4.3
Gambar 4.3 Form Konfirmasi Keluar 4.3.4 Form Hasil perhitungan
Form Hasil perhitungan digunakan untuk menampilkan data hasil perhitungan dan data adanya orang lewat baik masuk ataupun keluar, yang
ditampilkan berdasarkan tanggal yang dicari, terlihat seperti pada gambar 4.4
5.1Uji Coba Perhitungan Jumlah Orang Lewat
5.1.1 Uji Coba Perhitungan menggunakan simulasi yang dibuat
Uji coba perhitungan jumlah orang lewat yang dilakukan menggunakan
data real-time pada simulasi yang dibuat.
Tabel 5.1 Tabel Data Uji Coba Simulasi Secara Real-time
1 Tanggal Uji coba Tgl 31-3-2011
2 Waktu mulai 11-01-51 PM
3 Watu akhir 11-02-56 PM
4 Durasi 0:1:5
5 Jumlah Frame 64
6 Nilai Pengali 0.6
Beberapa hasil perekaman webcam ditunjukkan seperti Gambar 5.1 berikut :
(c) Tgl 31-3-2011 Jam 11-02-19 PM (d) Tgl 31-3-2011 Jam 11-02-29 PM
(e) Tgl 31-3-2011 Jam 11-02-38 PM (f) Tgl 31-3-2011 Jam 11-02-47 PM
Gambar 5.1 Gambar a merupakan gambar background, gambar b,c,d,e,f merupakan gambar simulasi robot lewat hasil percobaan data real-time
Hasil dari proses perhitungan nilai NSSD ini dapat dilihat pada gambar 5.2
Gambar 5.3 Nilai Filtering Percobaan Menggunakan Data simulasi secara Real-Time
Gambar 5.4 Nilai Treshold Percobaan Menggunakan Data simulasi secara Real-Time
Hasil perhitungan simulasi robot lewat yang dilakukan oleh aplikasi
penghitung jumlah orang lewat menggunakan metode Normalized
yang masuk (jalur masuk) dan 0 obyek yang keluar (jalur keluar), jadi jumlah
obyek yang ada di dalam ruangan adalah 5. Jika dibandingkan dengan hasil
perhitungan secara manual maka prosentase keberhasilannya adalah 100 % .
5.1.2 Uji Coba Perhitungan menggunakan orang lewat sebenarnya
Uji coba perhitungan jumlah orang lewat yang dilakukan menggunakan
orang lewat sebenarnya.
Tabel 5.2 Tabel Data Uji Coba Orang Lewat Sebenarnya Real-time
1 Tanggal Uji coba Tgl 30-3-2011
2 Waktu mulai 12-40-30 PM
3 Watu akhir 12-42-55 PM
4 Durasi 0:2:15
5 Jumlah Frame 135
6 Nilai Pengali 0.6
Beberapa hasil perekaman webcam ditunjukkan seperti Gambar 5.5 berikut :
(c) Tgl 30-3-2011 Jam 12-40-35 PM (d) Tgl 30-3-2011 Jam 12-40-40 PM Gambar 5.5 Gambar a merupakan gambar background, gambar b,c merupakan gambar orang lewat hasil percobaan data real-time, gambar d merupakan gambar adanya perubahan intensitas cahaya
Hasil perhitungan orang lewat yang dilakukan oleh aplikasi penghitung
jumlah orang lewat menggunakan metode Normalized Sum-Squared Differences
(NSSD) tidak sesuai dengan jumlah orang sebenarnya dengan jumlah orang yang
terhitung, karena terdapat beberapa faktor seperti berubahnya intensitas cahaya,
adanya bayangan yang terhitung orang lewat dan faktor kecepatan jalan manusia
yang terlalu cepat dari kecepatan capture aplikasi.
5.2 Analisa Uji Coba
Keseluruhan hasil uji coba aplikasi penghitung jumlah orang lewat
menggunakan metode Normalized Sum-Squared Differences (NSSD) dapat dilihat
5.2.1 Analisa Hasil Uji Coba dengan Variasi Iluminasi
Tabel 5.3 Tabel Hasil Uji Coba Dengan Variasi Iluminasi
No Kondisi
lewat dengan metode Normalized Sum-Squared Differences (NSSD) dapat
bekerja dengan baik pada saat objek bergerak dengan kecepatan
normal, namun apabila objek bergerak dengan cepat maka tingkat keberhasilan
aplikasi akan berkurang. Hal ini dikarenakan aplikasi mengalami delay.
Rata-rata delay pada percobaan dengan objek berjalan cepat dan pergerakan
objek lebih cepat dari kecepatan capture program sehingga ketika objek
melewati detection window, gambar tidak terekam. Besarnya delai program
bergantung pada besarnya detection window yang dibuat.
Semakin besar detection window maka kecepatan capture program semakin
berkurang. Selain itu sistem penghitung jumlah orang lewat menggunakan
metode Normalized Sum-Squared Differences (NSSD) juga bekerja dengan baik
sama dengan warna objek yang lewat. Tetapi apabila jarak antara objek satu
dengan objek lainnya cukup dekat maka tingkat keberhasilan aplikasi
akan berkurang. Hal ini dikarenakan antar obyek tidak terdapat sela yang cukup
sehingga nilai NSSD selalu melebihi nilai Threshold.
5.2.2 Hasil Uji Coba dengan Variasi Nilai Pengali
Tabel 5.4 Tabel Hasil Uji Coba dengan Variasi Nilai Pengali
No Nilai Pengali
Besarnya nilai pengali yang ditentukan oleh user mempengaruhi proses
penghitungan jumlah orang lewat. Hal ini dikarenakan besarnya nilai
pengali tersebut. Oleh karena itu ketepatan penentuan nilai pengali berpengaruh
terhadap tingkat keberhasilan. Untuk penjelasan table 5.4 perhitungan dimulai
dengan penentuan nilai pengali yang digunakan untuk mendapatkan nilai
threshold , dimana nilai threshold nanti digunakan sebagai pembanding nilai nssd untuk proses perhitungan orang lewat. Disini saya menggunakan nilai pengali 0.6
karena penentuan threshold terbaik setelah saya uji sendiri menggunakan nilai
penggali 0.1 sampai 0.9 adalah 0.6 dan saya juga merujuk pada penelitian
sebelumnya, bahwa penentuan nilai threshold terbaik adalah sekitar 0.5 lebih dari
nilai filter. Dimana penentuan perhitungan seperti berikut :
Waktu Mulai = 11-01-51 PM
Waktu Berakhir = 11-02-56 PM
Durasi = 0:1:5
Jumlah Frame = 65
Jumlah Obyek = 5
Jumlah Obyek terhitung = 5
Nilai pengali = 0.6
Tabel 5.5 Perhitungan aplikasi
Frame
Jml Piksel ROI
Selisih
Piksel NSSD Filter Treshold Lewat Jam
18 1036 23280 22.47104247 769.0986284 461.459177 1 11-02-09 PM
28 1036 54549 52.65315315 888.1180326 532.8708195 1 11-02-19 PM
38 1036 71411 68.92910768 946.8549104 568.1129462 1 11-02-29 PM
47 1036 103793 100.1864007 944.0572898 566.4343739 1 11-02-38 PM
Dijelaskan pada table diatas, bahwa pada frame 18, 28, 38, 47, 56 terdapat
obyek lewat. Dimana pada table diatas sudah menjelaskan nilai perhitungan nilai
nssd dan nilai threshold, Dari Tabel 5.5 dapat dilihat bahwa besarnya
pengali dapat menentukan tingkat keberhasilan program sebesar 100% , dan
perhitungan selengkapnya terdapat pada lampiran.
5.3Evaluasi
Hasil evaluasi dari uji coba perhitungan jumlah orang lewat yang telah
dilakukan membuktikan bahwa aplikasi yang telah dibuat dapat berjalan dengan
baik sesuai dengan fungsinya. Sedangkan aplikasi penghitung jumlah orang
lewat dengan metode Normalized Sum-Squared Differences (NSSD) dapat
bekerja dengan baik pada saat objek bergerak dengan kecepatan
normal, namun apabila objek bergerak dengan cepat maka tingkat keberhasilan
aplikasi akan berkurang. Hal ini dikarenakan sistem mengalami delai ,
rata-rata delai pada percobaan dengan objek berjalan cepat dan pergerakan objek
lebih cepat dari kecepatan capture program sehingga ketika objek melewati
detection window, gambar tidak terekam. Besarnya delai program bergantung pada besarnya detection window yang dibuat, Semakin besar detection window
maka kecepatan capture program semakin berkurang.
Selain itu aplikasi penghitung jumlah orang lewat menggunakan
metode Normalized Sum-Squared Differences (NSSD) juga bekerja dengan baik
apabila kondisi ruangan relatif terang, walaupun warna background hampir
dengan objek lainnya cukup dekat maka tingkat keberhasilan aplikasi
akan berkurang. Hal ini dikarenakan antar obyek tidak terdapat sela yang cukup
sehingga nilai NSSD selalu melebihi nilai Threshold.
Besarnya nilai pengali yang ditentukan oleh user mempengaruhi proses
penghitungan jumlah orang lewat. Hal ini dikarenakan besarnya nilai
threshold ditentukan dari nilai rata-rata NSSD yang dikalikan dengan nilai pengali tersebut. Oleh karena itu ketepatan penentuan nilai pengali berpengaruh
6.1 Kesimpulan
Dari hasil uji coba yang telah dilakukan terhadap aplikasi perhitungan
jumlah orang lewat menggunakan metode Normalized Sum-Squared Differences
(NSSD), maka dapat diambil kesimpulan berdasarkan dari hasil rumusan
masalah yang telah disebutkan sebelumnya adalah sebagai berikut:
1. Aplikasi penghitung jumlah orang lewat menggunakan metode
Normalized Sum-Squared Differences (NSSD) telah berhasil diimplementasikan untuk data yang bersifat real time.
2. Aplikasi sebagai penghitung jumlah orang lewat baik masuk maupun
keluar sehingga dapat diketahui secara keseluruhan tidak bekerja
secara baik atau tidak berhasil untuk penerapan pada data
sesungguhnya, karena adanya faktor intensitas cahaya yang masih
belum bisa diatasi pada aplikasi ini. Namun untuk penerapan pada data
simulasi bekerja dengan cukup baik dengan persentase 100%, dimana
telah ditetapkan batasan dan perangkat keras ataupun lunak yang telah
disebutkan sebelumnya.
3. Kecepatan pergerakan objek mempengaruhi tingkat keberhasilan
lewat pada detection window oleh program.
4. Ketepatan penentuan nilai pengali oleh user mempengaruhi tingkat
keberhasilan sistem. Hal ini dikarenakan besarnya nilai threshold
ditentukan dari nilai rata-rata NSSD yang dikalikan dengan nilai
pengali tersebut.
5. Perubahan intensitas cahaya pada sekitar pintu masuk sangat
mempengaruhi kerja aplikasi ini, meskipun terdapat perubahan cahaya
sedikit.
6.2 Saran
Adapun saran-saran yang dapat digunakan untuk mengembangkan aplikasi
yang telah dibuat pada tugas akhir ini adalah sebagai berikut :
1. Karena besarnya ROI berpengaruh terhadap lamanya proses
perhitungan sehingga mempengaruhi kecepatan capture gambar
pada aplikasi maka untuk proses penentuan ROI perlu
dikembangkan secara otomatis sesuai dengan besarnya objek yang
lewat.
2. Untuk pengembangan perangkat lunak, maka dapat ditambahkan fungsi
untuk membedakan objek yang lewat, apakah yang lewat adalah
orang atau bukan.
3. Karena aplikasi dirancang hanya untuk model pintu masuk dan
dengan menggunakan dua kamera.
4. Karena intensitas cahaya sangat mempengaruhi maka untuk
pengembangan aplikasi, maka dapat mengatasi adanya perubahan
intensitas cahaya pada tempat penerapan aplikasi (pintu), misalnya
dengan cara selalu mengupdate background image apabila ada
perubahan intensitas cahaya namun bukan perubahan intensitas cahaya
[1]
Agung “ sistem-lalu-lintas” http://ocu-agung.blogspot.com/2008/05/sistem-lalu-lintas.htm , 02 Maret 2011, 19.36 WIB
[2]
Aniati M., Dina C., “Pengolahan Citra Digital : Konsep Dasar Representasi Citra”, www.cs.ui.ac.id/WebKuliah/citra/2005/citra4d.ppt , 05 Maret 2011, 20.36 WIB
[3]
Lande. S., “ Program Penghitung Orang Lewat Menggunakan Webcam”, http://puslit.petra.ac.id/journals/informatics/ , 07 Maret 2011, 21.36 WIB
[4]
M. Ali, Nazleena, 2004, “TeoriWarna”
,www.ftsm.ukm.my/nma/BAB%206B%20- %20TH2563.ppt , 12 Maret 2011, 15.36 WIB
[5]
Marlon leong,Dari Programer Untuk Programer Visual Basic , Andi Yogyakarta,2006)
[6]
Rinaldi Munir ,” Penggolahan Citra Digital dengan pendekatan Algoritmatik”.Informatika ,Bandung ,Juni 2004
[7]
