BAB 4 IMPLEMENTASI DAN EVALUASI. Aplikasi pintu otomatis ini menggunakan spesifikasi perangkat keras dan

Transkripsi

1 31 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Aplikasi pintu otomatis ini menggunakan spesifikasi perangkat keras dan perangkat lunak yang sama untuk semua pengujian Spesifikasi Perangkat Keras Spesifikasi perangkat keras yang digunakan pada pengujian aplikasi pintu otomatis ini adalah sebagai berikut: Komputer PC dengan spesifikasi: 1. Prosesor : Intel Pentium GHz 2. Memori : 512 MB DDRAM 3. Hard Disk : 80 GB, 7200RPM 4. Graphic Card : GEForce FX Mouse dan Key-board Intel web-camera Spesifikasi Perangkat Lunak Perangkat lunak yang digunakan pada pengujian aplikasi pintu otomatis ini adalah sebagai berikut:

2 32 Sistem Operasi : Microsoft Windows XP Profesional SP Tampilan Layar Utama Gambar 4.1 Tampilan layar utama Tampilan ini merupakan tampilan utama. Pada saat pengguna pertama kali membuka program ini, maka tampilan inilah yang pertama kali akan dilihat. Tampilan ini digunakan sebagai kontrol main menu yang dapat diakses dengan mudah oleh pengguna.

3 Prosedur Operasional berikut: Langkah-langkah dalam menggunakan aplikasi pintu otomatis adalah sebagai Pengambilan citra secara real-time Pengambilan citra secara real-time dilakukan setelah pengguna menekan Tombol Start Camera. Setelah itu, sistem akan memeriksa apakah web-camera telah terpasang atau belum. Jika web-camera belum terpasang maka akan terlihat pesan bahwa koneksi dengan camera gagal. Setelah web-camera telah terpasang maka dalam tampilan web-camera akan terlihat gambar input dari web-camera. Pengambilan Citra Background Pengambilan citra background dapat dilakukan setelah menentukan detection windows terlebih dahulu. Detection windows ditentukan pada tampilan Batasan Masuk dan Batasan Keluar seperti Gambar 4.2 Gambar 4.2 Batasan dalam detection windows

4 34 Dalam Batasan Masuk dan Batasan Keluar terdapat variabel X 1 dan Y 1 serta variabel DX dan DY. Variabel X 1 dan Y 1 digunakan untuk menentukan arah sumbu x dan y pada detection windows, sedangkan variabel DX dan DY digunakan untuk menentukan besar-kecilnya detection windows. Karena adanya batasan memori pada PC maka nilai variabel DX dan DY dibatasi sampai 150. Setelah menentukan detection windows, pengambilan citra background dapat dilakukan dengan menekan Tombol GetBackGround seperti Gambar 4.3. Gambar 4.3 Tampilan setelah mengambil gambar background Terdapat dua detection windows pada sistem ini, masing-masing detection windows mewakili dua jalur pada arah yang berbeda. Detection windows 1

5 35 mewakili jalur masuk yang ditandai dengan kotak warna hijau sedangkan detection windows 2 mewakili jalur keluar yang ditandai dengan kotak warna merah. Proses Pintu dan Perhitungan Orang Setelah menentukan background dan detection windows, proses pintu dan perhitungan orang dapat dilakukan. Agar proses pintu dan perhitungan orang dapat berjalan dengan maksimal, penentuan nilai threshold dan kontrol waktu pintu agar tertutup harus ditentukan terlebih dahulu seperti Gambar 4.4 dan Gambar 4.5 Gambar 4.4 Penentuan nilai Threshold Gambar 4.5 Kontrol waktu pintu Penentuan nilai threshold tergantung dari nilai NSSD antara citra background dengan citra input. Jika perbedaan nilai NSSD kecil maka nilai threshold dapat

6 36 diubah agar sesuai dengan nilai NSSD begitu pula sebaliknya. Setelah mentukan nilai threshold, nilai kontrol waktu pintu pun dapat diubah agar waktu pengunjung masuk ataupun keluar, pintu dapat bekerja dengan baik. Setelah nilai threshold dan kontrol waktu pintu ditentukan maka dapat menekan Tombol Start Counting. Setelah Tombol Start Counting ditekan, maka sistem akan mulai bekerja dimana jika terdapat objek (dalam hal ini manusia) pada detection windows keluar ataupun masuk, maka sistem akan mulai menghitung kemudian membuka pintu secara otomatis seperti Gambar 4.6 dan Gambar 4.7 Gambar 4.6 Gambar pada saat terdapat pengunjung masuk

7 37 Gambar 4.7 Gambar pada saat terdapat pengunjung keluar 4.4 Prosedur Evaluasi Pengujian pada aplikasi pintu otomatis dilakukan secara real-time pada berbagai macam kondisi pada background maupun pada citra input. Hasil pengujian dapat dilihat pada Tabel 4.1 berikut

8 38 Tabel 4.1 Hasil pengujian No Kondisi Jumlah orang sebenarnya Jumlah orang terhitung Tingkat keberhasilan (%) 1 Background terang (kondisi lampu menyala dan siang hari) ,75 2 Background normal ,00 3 Background agak gelap (malam hari) ,67 4 Objek bergerak cepat Rata-rata: 97,85