DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB

Transkripsi

1 ISSN: DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB Kartika Firausy, Yusron Saui, Tole Sutikno Program Stui Teknik Elektro, Fakultas Teknologi Inustri, Universitas Ahma Dahlan Kampus III, Jln. Prof Soepomo, Janturan, Yogyakarta, Telp. (074) Fax. (074) 38153, Abstrak Kebakaran i hutan maupun pemukiman mengakibatkan kerugian material maupun korban jiwa. Peneteksian ini terhaap kebakaran merupakan salah satu upaya mengurangi kerugian tersebut. Paa penelitian ini akan ilakukan simulasi peneteksian ini sumber api yang berasal ari lilin. Metoe penelitian yang ilakukan aalah engan pengambilan citra api secara real-time menggunakan webcam an kemuian melakukan thresholing, sehingga iperoleh citra yang hanya mempunyai ua nilai eraja keabuan, an selanjutnya icari nilai rerata RGB untuk ibaningkan engan nilai range acuan yang aa i atabase untuk menentukan apakah citra yang itangkap webcam berupa api atau bukan. Hasil penelitian menunjukkan bahwa tingkat keberhasilan sistem eteksi api yang irancang aalah 100 % apat meneteksi aa an tiaknya api paa variasi jarak api ketika backgroun-nya homogen. Kata kunci: eteksi api, webcam, thresholing, rerata RGB. 1. PENDAHULUAN Akhir-akhir ini sering kali kebakaran terjai akibat belum aanya penanganan secara ini sehingga apat memakan korban jiwa maupun material. Biasanya kebakaran apat iketahui apabila api an asap suah membesar [3], jika suah membesar akan itemui kesulitan alam memaamkannya belum lagi jika ihaapkan engan konisi lingkungan yang tiak menukung seperti lokasi kebakaran yang sulit icapai engan mobil pemaam kebakaran. Oleh karena itu iperlukan suatu sistem yang apat meneteksi secara ini terjainya kebakaran. Sistem eteksi api tersebut apat berasarkan citra yang ipantau secara terus-menerus, sehingga imungkinkan penanggulangan lebih ini terhaap kebakaran. Salah satu penelitian tentang sistem proteksi bahaya kebakaran aalah sistem proteksi bahaya kebakaran berasarkan monitoring suhu [3]. Penelitian ini hanya sebatas pembacaan suhu menggunakan sensor suhu LM 35. Sistem ini hanya akan bisa membaca suhu apabila mencapai batasan tertentu. Tingkat sensitivitas sensor sangat berpengaruh paa sistem ini. Penelitian tentang pengolahan citra paa eteksi telur yang ilakukan yang ilakukan oleh Kusumaewi [] hanya menggunakan citra statis yang telah iolah program komputer. Paa penelitian tersebut belum sampai paa eteksi yang berlangsung secara real time. Dari ua penelitian terahulu tersebut i atas, paa penelitian ini akan ikembangkan eteksi api menggunakan webcam sebagai pengganti sensor suhu an berasarkan citra inamis yang itangkap webcam secara realtime. Penelitian ini akan mengembangkan teknik pengolahan citra menggunakan bahasa pemrograman Borlan Delphi 7.. METODE PENELITIAN Secara garis besar rancangan sistem eteksi api real-time engan metoe thresholing rerata RGB menggunakan webcam itunjukkan paa Gambar 1. Input sistem berasal ari citra api (ari lilin) yang itangkap oleh webcam alam format BMP. Citra api alam format true color (BMP) tersebut kemuian iubah ke citra keabuaan sehingga menjai hanya bernilai 1 an 0. Untuk mempermuah pengenalan api, maka alam penelitian ini ibuatkan atabase untuk menyimpan citra yang ijaikan acuan alam pengambilan keputusan. Deteksi Api Real-Time Dengan Metoe Thresholing (Kartika Firausy)

2 18 ISSN: Gambar 1. Blok Diagram Deteksi Api menggunakan Webcam Metoe thresholing aalah salah satu teknik pengolahan citra yang igunakan untuk mengubah suatu citra engan format true color menjai citra biner, yang hanya memiliki buah nilai (0 atau 1). Konversi citra hitam-putih ke citra biner ilakukan engan operasi pengambangan (Thresholing). Operasi ini mengelompokkan nilai eraja keabuan setiap piksel ke alam ua kelas, hitam an putih. Paa citra hitam-putih terapat 56 level, artinya mempunyai skala ari 0 sampai 56 atau [0,55]. Dalam hal ini nilai intensitas 0 menyatakan hitam, an nilai intensitas 55 menyatakan putih, an nilai antara 0 sampai 55 menyatakan warna keabuan yang terletak antara hitam an putih..1. Menghitung Rerata RGB Untuk menambahkan atabase, ilakukan engan meng-klik icon, maka atabase citra yang ijaikan sebagai acuan untuk meneteksi api akan bertambah. Paa winow ini apat itampilkan citra hasil capture berukuran 30 x 40 piksel engan format true color paa Tab Preview. Setelah citra api itangkap, akan ilakukan proses binerisasi engan metoe thresholing. Paa proses binerisasi ini citra api akan ikonversi menjai citra biner yaitu hanya memiliki nilai hitam (0) an putih (1) saja. Citra api egan nilai 1 yaitu putih an latar belakang telur engan nilai 0 yaitu hitam. Hasil thresholing apat itampilkan paa Tab Threshol seperti paa Gambar (a) engan ukuran citra masih 30 x 40 piksel. Setelah iapatkan citra api alam bentuk biner, maka akan icari nilai batas atas, batas bawah, batas kiri, an batas kanan engan cara menyecan piksel api. Setelah iapatkan nilai-nilainya maka selanjutnya akan ilakukan proses crroping untuk menapatkan citra api saja. Hasil cropping apat i tampilkan engan ukuran citra berbea yang sesuai engan batasbatasnya. Paa Tab Hasil (Gambar (b)). Informasi jumlah rerata RGB juga itampilkan untuk masing-masing komponen Re, Green, an Blue. (a) (b) Gambar. Winows Database (a). Citra setelah proses thresholing (b). Citra setelah proses cropping TELKOMNIKA Vol. 5, No., Agustus 007 : 17-13

3 TELKOMNIKA ISSN: Paa penelitian ini iambil 10 sampel api yang akan ijaikan sebagai citra acuan alam atabase untuk menghitung jarak titik bobot (Persamaan 1) engan citra yang baru iakuisisi webcam... Menghitung Jarak Bobot Nilai jarak bobot < toleransi akan ianggap api seangkan nilai jarak bobot > toleransi akan ianggap lain. Proses pengambilan keputusan berasarkan blok iagram segmentasi api yang terapat paa Gambar 3, seangkan persamaan yang igunakan aalah Persamaan (1). Gambar 3. Blok Diagram Segmentasi Api[3] + G G + B B R R (1) Jarak titik bobot () ( ) ( ) ( ) engan: jarak titik bobot R nilai rerata Re paa atabase R nilai rerata Re citra yang itangkap G nilai rerata Green paa atabase G nilai rerata Green citra yang itangkap B nilai rerata Blue paa atabase B nilai rerata Blue citra yang itangkap Berasarkan Gambar 3, maka setiap aa citra baru maka proses pencarian titik bobot yang menggunakan persamaan 1. Apabila aa 10 sampel, maka program akan mencari nilai < n mulai ari file atabase yang pertama i-capture sampai file ke sepuluh. Apabila itemukan nilai < n paa file atabase urutan yang kelima, maka proses pencarian akan ihentikan an program akan memberikan output berupa informasi warna merah paa isplay jarak titik bobotnya. Nilai toleransi (n) iapat ari beberapa kali percobaan, sehingga n paa penelitian ini sebesar 0. Untuk n < 0, program akan sulit untuk mengenal api hal ini iasarkan paa tingkat respons pengenalan api renah sekali. Seangkan untuk nilai n > 0, tingkat respons program sangat tinggi. Keua hal tersebut ipengaruhi oleh jarak titik bobot yang ibaningkan engan nilai n tersebut. Jika proses pencarian nilai jarak titik bobot yang memenuhi < n tiak itemukan maka program akan memberikan informasi warna putih paa isplay jarak titik bobot seperti Gambar 5 (b). Deteksi Api Real-Time Dengan Metoe Thresholing (Kartika Firausy)

4 130 ISSN: Paa proses yang berjalan secara otomatis, proses eteksi api ilakukan secara perioik. Akuisisi citra ilakukan setiap 1 etik kemuian ilanjutkan engan proses eteksi api. Waktu yang ibutuhkan saat pengambilan keputusan sangat bergantung paa jumlah citra alam atabase. 3. HASIL DAN PEMBAHASAN Paa saat pertama kali, beberapa pola api harus iinputkan paa atabase. Dengan meng-klik menu atabase, maka akan tampilkan winow atabase seperti paa Gambar. Apabila menu Detek Api ijalankan tanpa terseianya atabase, maka program akan memberikan peringatan Error Database api masih kosong. Tampilan program teriri ari beberapa menu yaitu menu Sambung, menu Database, menu Detek Api, menu Otomatis an menu Tutup. Ketika menu Sambung i klik maka preview ari webcam bias itampilkan engan ukuran citra sebesar 30 x 40 paa format true color. Setelah webcam terkoneksi, maka menu atabase, menu Detek Api an menu Otomatis akan aktif, seangkan menu Sambung akan berganti menjai menu Putus (Gambar 4). Gambar 4. Tampilan Setelah Webcam Terkoneksi (a) Gambar 5. Tampilan Output Deteksi Api menggunakan Webcam (a) Detek Api engan Informasi aanya Api. (b) Deteksi Api engan Informasi Tiak aanya Api (b) Pengujian program ilakukan paa konisi gelap (latar homogen) engan menguji berbagai jarak api terhaap webcam. Database iisi engan 10 sampel api engan variasi jarak an jumlah rata rata RGB apat ilihat paa Tabel 1. Berikutnya akan itangkap 10 gambar api TELKOMNIKA Vol. 5, No., Agustus 007 : 17-13

5 TELKOMNIKA ISSN: untuk icari jarak titik bobotnya. Hasil eteksi api menggunakan webcam isajikan paa Tabel. Tabel 1. Database engan Variasi Jarak Sampel Jarak Rerata RGB (centimeter) Re Green Blue Tabel. Hasil Deteksi Api menggunakan Webcam Deteksi Manual Jarak Rerata RGB (centimeter) Re Green Blue Jarak titik bobot Hasil 1 Aa api ,19 Aa api Aa api ,39 Aa api 3 Aa api ,00 Aa api 4 Aa api ,49 Aa api 5 Aa api ,40 Aa api 6 Aa api ,34 Aa api 7 Aa api ,46 Aa api 8 Aa api ,43 Aa api 9 Aa api ,57 Aa api 10 Aa api ,68 Aa api Paa proses eteksi yang pertama yaitu paa jarak 5 centimeter, terapat nilai rerata RGB masing-masing Re 180, Green 175, an Blue 167. Pencarian jarak bobot secara manual untuk membuktikan keluaran program engan penerapan Persamaan (1). Pencarian jarak bobot untuk atabase pertama aalah sebagai berikut: ( R R) + ( G G) + ( B ) B ( ) + ( 0 175) + ( ) ( 33 ) + ( 45) + ( 33 ) ,83 Karena nilai > n maka pencarian jarak bobot akan ilanjutkan paa atabase keua aalah sebagai berikut: ( R R) + ( G G) + ( B ) B ( 9 180) + ( ) + ( ) ( 49 ) + ( 58) + ( 4 ) Deteksi Api Real-Time Dengan Metoe Thresholing (Kartika Firausy)

6 13 ISSN: ,76 Karena nilai masih lebih besar ari n maka pencarian jarak bobot akan ilanjutkan paa atabase ketiga sebagai berikut: ( R R) + ( G G) + ( B ) B ( ) + ( ) + ( ) ( 1) + ( 5) + ( 1 ) 7 5,19 Karena nilai < n yaitu 5,19 < 0, maka proses penghitungan jarak bobot ihentikan karena suah mencapai nilai toleransi yang iinginkan. Program akan memberikan keputusan citra yang itangkap merupakan api, emikian juga yang berlaku paa proses eteksi berikutnya. Apabila setelah ilakukan penghitungan paa seluruh atabase an tiak itemukan nilai < n maka program akan memberikan keputusan bahwa citra yang itangkap bukan api. Dari hasil pengujian i atas, antara pengamatan manual engan hasil komputasi menunjukkan hasil yang sama, yaitu: 10 x 100% 100 % 10 Jai hasil pengujian program engan menggunakan 10 sampel api yang aa i atabase aalah 100 %. 4. SIMPULAN Berasarkan hasil an pembahasan i atas apat iambil simpulan bahwa tingkat keberhasilan sistem eteksi api yang irancang aalah 100 % apat meneteksi aa an tiaknya api paa variasi jarak api ketika backgroun-nya homogen. DAFTAR PUSTAKA [1] Jain, A.K., Funamentals of Digital Image Processing, Prentice Hall of Inia, [] Kusumaewi, D.I., 005, Aplikasi Pengolahan Citra Menggunakan Metoe Thresholing untuk Deteksi Kerusakan Telur, Skripsi S-1, Universitas Ahma Dahlan, Yogyakarta. [3] Lalang, I.D., 003, Sistem Proteksi Bahaya Kebakaran Berasarkan Monitoring Suhu, Tugas Akhir S-1, Universitas Islam Inonesia, Yogyakarta. [4] Schalkoff, R.J., Digital Image Processing an Computer Vision, John Wiley & Sons, Inc., [5] Setyawarhana, kk, 006, Robot Ceras Pemaam Api menggunakan Kamera, Proceeing of Inustrial Electronic Seminar EEPIS ITS, Surabaya, Hal TELKOMNIKA Vol. 5, No., Agustus 007 : 17-13