BAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang

dokumen-dokumen yang mirip
BAB III METODE PENELITIAN

BAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan

BAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan

BAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain:

Gambar 4.1 Diagram Percobaan

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

BAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang

PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian

pengambilan citra video, pemrosesan citra pada setiap frame,, pendeteksian objek

BAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan

BAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk

Sistem Pendeteksi Kendaraan Pada Tempat Parkir Menggunakan Kamera Iwan Kurniawan

Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.

BAB I PENDAHULUAN. 1.1 Latar Belakang

III. METODE PENELITIAN. Penelitian mengenai analisis pola interferensi pada interferometer Michelson

SAMPLING DAN KUANTISASI

BAB IV IMPLEMENTASI DAN HASIL PENGUJIAN

BAB III METODE PENELITIAN. Perpustakaan merupakan suatu tempat menyimpan koleksi baik berupa

PERANCANGAN DAN IMPLEMENTASI SISTEM PENDETEKSIAN OBJEK MENGGUNAKAN METODE YCBCR PADA ROBOWAITER DRU99RWE4-V13

BAB 3 ANALISIS & PERANCANGAN

BAB III ANALISA DAN PERANCANGAN

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

Journal of Control and Network Systems

IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME

BAB 3 ANALISIS DAN PERANCANGAN

BAB IV HASIL DAN PEMBAHASAN. microcontroller menggunakan komunikasi serial. 1. Menyalakan Minimum System ATMEGA8535

TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION

BAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah

PEMBIMBING : Dr. Cut Maisyarah Karyati, SKom, MM, DSER.

TEKNIK PENGOLAHAN CITRA. Kuliah 4 Pengolahan Titik (2) Indah Susilawati, S.T., M.Eng.

Sesi 2: Image Formation. Achmad Basuki PENS-ITS 2006

BAB IV PENGUJIAN DAN ANALISA

KONSEP DASAR PENGOLAHAN CITRA

BAB IV IMPLEMENTASI DAN PENGUJIAN

DAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan

BAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 4 HASIL DAN ANALISA

RANCANG BANGUN PENDETEKSI MOBIL PADA LAHAN PARKIR MENGGUNAKAN MOTION DETECTION

BAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

IMPLEMENTASI METODE RETINEX UNTUK PENCERAHAN CITRA

BAB 3 ANALISA DAN PERANCANGAN

Model Citra (bag. 2)

BAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media

SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING

Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature

ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA

BAB 3 ANALISIS DAN PERANCANGAN

Pendeteksian Arah Jalan pada Gps Googlemaps sebagai Navigasi Mobil Tanpa Pengemudi

(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :

UKDW BAB 1 PENDAHULUAN

Penghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D

RANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA

PENGHITUNG JUMLAH MOBIL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN INPUT VIDEO DIGITAL

Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer

DAFTAR ISI ABSTRAK... 7 KATA PENGANTAR... 8 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN...

TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR

BAB I PENDAHULUAN. 1.1 Latar Belakang

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN

BAB 4 HASIL DAN BAHASAN. Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti

Sesi 3 Operasi Pixel dan Histogram. : M. Miftakul Amin, S. Kom., M. Eng.

Pertemuan 2 Representasi Citra

BAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.

BAB I PENDAHULUAN 1. Latar Belakang

KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,

BAB 4 IMPLEMENTASI DAN EVALUASI. pengenalan dan penentuan kondisi akuarium ikan hias air laut :

Image Enhancement Pada Screen Capture CCTV Dengan Menggunakan Metode Histogram Ekualisasi

PENINGKATAN KUALITAS CITRA PADA SISTEM VISUALISASI PEMBULUH DARAH VENA

BAB 2 LANDASAN TEORI

PERANCANGAN PROGRAM PINTU OTOMATIS MENGGUNAKAN WEB- CAM DENGAN METODA NORMALIZED SUM-SQUARED DIFFERENCES (NSSD) Janson Wiguna ABSTRAK

Pengolahan Citra (Image Processing)

GRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.

Elvin Nur Afian, Rancang Bangun Sistem Navigasi Kapal Laut berbasis pada Image Processing metode Color Detection

BAB II SISTEM PENENTU AXIS Z ZERO SETTER

PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW

MENGHITUNG JUMLAH JARI PADA CITRA TANGAN DENGAN MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI KONTUR SKRIPSI. Disusun oleh :

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari

Bab III Perangkat Pengujian

ANALISA PERBANDINGAN VISUAL METHOD DAN LIQUID PENETRANT METHOD DALAM PERBAIKAN CITRA FILM RADIOGRAFI

BAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan

UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK

UJI COBA PERBEDAAN INTENSITAS PIKSEL TIAP PENGAMBILAN GAMBAR. Abstrak

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI

BAB I PENDAHULUAN. ketrampilan khusus, juga diperlukan konsentrasi di saat mengendalikannya di

BAB III ANALISIS DAN PERANCANGAN SISTEM. keberadaan wajah secara langsung dari sebuah kamera. Dengan demikian

PENERAPAN METODE CONTRAST STRETCHING UNTUK PENINGKATAN KUALITAS CITRA BIDANG BIOMEDIS

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Kory Anggraeni

BAB 3 ANALISIS DAN PERANCANGAN

Pendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Transkripsi:

BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi parkir,mendeteksi gerak, menentukan koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang terakhir pengujian sistem secara keseluruhan yaitu Program akan mengeluarkan output nomor parkir yang kosong sesuai dengan kondisi. 4.1 Pengujian Streaming Citra Melalui WebCam Pengujian streaming ini dilakukan dengan mengintegrasikan Microsoft Visual C++ melalui library OpenCV. Yaitu untuk memanggil serta menjalankan console WebCam tersebut melalui aplikasi visual C++ 2008. 4.1.1 Tujuan Tujuan dari percobaan ini untuk mengetahui apakah aplikasi sudah mampu menampilkan data citra dari WebCam ke aplikasi pada Visual C++ dan apakah bisa langsung diproses oleh program. 4.1.2 Alat yang Digunakan 1. Laptop 2. Microsoft Visual C++ 2008 3. WebCam 4. Miniatur parkir 34

35 4.1.3 Prosedur Pengujian 1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada kamera Laptop tersebut 3. Melihat hasil data citra pada window 4.1.4 Hasil Pengujian Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari WebCam pada Gambar 4.1. Gambar 4.1 Capture streaming dengan WebCam

36 4.2 Pengujian konversi citra kedalam grayscale dan equalize histogram Untuk pengujian konversi citra dilakukan untuk mendapatkan citra yang sempurna, dalam artian citra yang didapatkan tidak cenderung gelap maupun tidak cenderung terang. 4.2.1 Tujuan Tujuan hasil uji coba ini yaitu untuk mengetahui apakah aplikasi dapat menangkap citra dan mengkonversinya kedalam histogram agar dapat mengetahui citra yang terlalu gelap dan terang, dan aplikasi berjalan sempurna. 4.2.2 Alat yang Digunakan 1. WebCam 2. Miniatur parkir mobil 3. Laptop 4. Microsoft Visual C++ 2008 4.2.3 Prosedur Pengujian 1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada WeCcam 3. Menjalankan program untuk streaming citra 4. Menjalankan program untuk mengakses time system 5. Membuka direktori D:\\File TA\\, melihat file bernama motiondetection1.jpg 6. Melihat pada layar streaming apakah ada perubahan.

37 4.2.4 Hasil Pengujian Hasil dari pengujian ini adalah dapat mengetahui perubahan nilai citra dan terdapat perubahan cahaya yang masuk. Karena cahaya yang masuk selalu berubah ubah, Setelah melakukan pengujian prosedur diatas berikut adalah gambar hasil proses image processing kedalam histogram. Gambar 4.2 Citra WebCam (A) dikonversi kedalam citra grayscale (B) Gambar 4.3 Citra Kondisi grayscale (A) konversi kedalam equalize histogram (B)

38 Gambar 4.2 menunjukkan bahwa citra yang ditangkap melalui WebCam yang di tunjukan pada gambar A dengan kondidsi warna RGB (Red, Green, Blue) di konversi menjadi citra grayscale yang di tunjukan pada gambar B. Citra graysclae hanya sebagai perantara untuk mengkonversi kedalam histogram citra, yang nantinya akan digunakan untuk pendeteksian area parkir kosong. Gambar 4.3 menunjukkan bahwa citra berwarna grayscale yang ditunjukan pada gambar A, yang dikonversi kedalam equalize histogram yang ditunjukan pada gambar B, pada citra equalize histogram terlihat perubahan dimana citra grayscale yang cenderung gelap cahayanya dapat dikonversi. Sehingga area yang cenderung gelap akan terlihat jelas. 4.3 Pengujian pada setiap citra Menguji setiap citra yang di tangkap oleh kamera WebCam, grayscale, dan citra konversi image enhancement.. 4.3.1 Tujuan Tujuan pengujian ini yaitu untuk membandingkan tiap tiap citra yang didapat, citra RGB, citra grayscale, dan citra histogram 4.3.2 Alat yang Digunakan 1 Microsoft Visual C++ 2008 2 Laptop 3 Citra sampel

39 4.3.3 Prosedur Pengujian 1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada WebCam 3. Menjalankan program untuk memuat gambar 4. Menjalankan program untuk menampilkan window image citra sampel dan plot histogram 4.3.4 Hasil Pengujian Hasil dari pengujian ini untuk mengetahui apakah setiap citra yang didapat sudah sesuai dengan yang diharapkan dan memiliki perbedaan itensitas cahaya di setiap citra yang diambil. Gambar 4.4 citra awal

40 Gambar 4.5 citra grayscale Gambar. 4.6 Citra berbentuk equalize histogram Pada Gambar 4.6 menunjukkan citra yang telah dikonversi menjadi histogram terlihat lebih jelas dibandingan dengan citra yang berwarna grayscale yang terdapat pada gambar 4.5.

41 4.4 Pengujian Equalize histogram Gambar hasil equalize histogram konversi dari citra grayscale pengujian ini dilakukan apakah sistem sudah bisa bekerja sesuai dengan yang diharapkan, yaitu konversi citra grayscale kedalam equalize histogram. Agar citra yang memiliki area gelap atau terang dapat terlihat. 4.4.1 Tujuan Tujuan dari hasil coba ini yaitu untuk mengetahui apakah program dapat mengkonversi citra grayscale kedalam citra histogram. 4.4.2 Alat yang Digunakan 1. Microsoft Visual C++ 2008 2. Laptop 3. Citra hasil grayscale dan equalize histogram 4.4.3 Prosedur Pengujian 1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada WebCam 3. Menjalankan program untuk memuat citra hasil subtraksi. 4. Menjalankan program untuk konversi RGB ke bentuk grayscale 5. Menjalankan program untuk konversi grayscale ke bentuk equalize histogram 6. Menjalankan program untuk menampilkan grafik histogram

42 4.4.4 Hasil Pengujian Hasil dari uci coba ini adalah untuk mengetahui apakah program dapat mengubah gambar dari format RGB menjadi format grayscale dan histogram. Gambar 4.7 citra hasil konversi grayscale (A) ke equalize histogram (B) 4.5 Evaluasi Sistem Secara Keseluruhan Ditahap pengujian terakhir adalah seluruh sistem diuji dari awal hingga akhir, dimana menjalankan seluruh aplikasi. Pencahayaan diubah sesuai dengan citra kondisi apa yang dialami pada saat pengujian, dan grafik akan ikut berubah ketika citra yang diambil pencahayaanya ikut berubah ubah. Dan pada waktu yang bersamaan, kamera WebCam mengirimkan citra secara streaming dan ditampilkan kedalam layar laptop. 4.5.1 Tujuan Tujuan evaluasi sistem ini adalah untuk mengetahui sistem pada aplikasi apakah sudah dapat berjalan sesuai dengan yang diharapkan. Dimulai citra awal

43 yang ditangkap menggunakan WebCam, dan diubah menjadi citra grayscale dan kemudian dikonversi kedalam histogram. 4.5.2 Alat yang Digunakan 1. Miniatur tempat parkir mobil 2. Microsoft Visual C++ 2008 3. Laptop 4. WebCam 4.5.3 Prosedur Pengujian 1. Menghubungkan WebCam dengan Laptop 2. Menjalankan program console pada Microsoft Visual C++ 2008 3. Menjalankan aplikasi program secara keseluruhan 4. Memberikan inputan perubahan cahaya pada citra 5. Melihat pada layar Laptop, apakah citra streaming dari WebCam telah ditampilkan pada layar Laptop 4.5.4 Hasil Pengujian Dari hasil seluruh pengujian didapatkan hasil tingkat keberhasilan 100% dari 6 kali pengujian, disaat dimasukkan input perubahan cahaya yang berbeda beda maka tampilan layar yang ditangkap menggunakan WebCam akan tampil seperti hasil pada streaming yang dilakukan pada saat pengujian pengambilan citra.

44 Gambar 4.8. kondisi citra dengan nilai yang didapat Pada gambar 4.8 dimana kondisi saat dilakukan pengujian cahaya yang ditangkap oleh kamera WebCam cenderung gelap, dan nilai yang didapatkan juga kecil dengan rentang nilai 0-83, dan nilai tersebut dapat dikatakan terlalu kekadan jika dimasukan kedalam grafik. Sehingga nilai yang di peroleh harus ditaruh di tengah dengan rentang 100-156, nilai tersebut diambil karena nilai yang dianggap mendekati nilai tengah 128. Gambar 4.9 rata rata value yang didapat

45 Pada gambar 4.8 adalah value yang didapat dari gambar 4.9 pada gambar tersebut menunjukan bahwa intensitas cahaya yang didapatkan oleh kamera WebCam cenderung ke kiri atau gelap. Jika di plot kedalam grafik maka hasilnya seperti gambar 4.10. Gambar. 4.10. plot grafik citra gelap Gambar 4.11. grafik menunjukan citra yang cenderung terang pencahayaanya.

46 Gambar 4.12 Contoh kondisi parkir kosong Gambar 4.13 hasil dari kondisi parkir kosong Kondisi gambar 4.12 dan gambar 4.13 adalah dimana kondisi keadaan parkir yang kosong, dan cahaya diambil dengan menggunakan lampu dari WebCam dan hasil yang didapatkan menunjukan jumlah parkir yang kosong adalah 3 tempat.

47 No. parkir sebenarnya Deteksi sebelum diperbaiki cahaya cenderung gelap 30lux Nomer parkir yang kosong Nomer parkir kosong yang Keterangan 1. 1 kosong 3 kosong 1 Nomer 1, 2, 3 Salah 2. 1 kosong 3 kosong 1 Nomer 1, 2, 3 Salah 3. 1 kosong 2 kosong 1 Nomer 1, 3 Salah 4. 1 kosong 1 kosong 2 Nomer 2 Benar 5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 2 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 1 kosong 2 dan 3 Nomer 3 Salah 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar Tabel 4.1. Hasil deteksi cahaya cenderung gelap 30 lux sebelum diperbaiki No. parkir sebenarnya Deteksi citra setelah diperbaiki cahaya cenderung gelap 30lux Nomer parkir yang kosong Nomer parkir kosong yang Keterangan 1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 1 kosong 2 Nomer 2 Benar

48 5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar Tabel 4.2. hasil deteksi cahaya cenderung 30lux gelap setelah diperbaiki Gambar 4.14. Gambar A sebelum dan gambar B setelah diperbaiki dengan itensitas 30 lux

49 No. parkir sebenarnya Deteksi citra sebelum diperbaiki cahaya normal 80lux Nomer parkir yang kosong Nomer parkir kosong yang Keterangan 1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 1 kosong 2 Nomer 2 Benar 5. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 3 kosong 2 dan 3 Nomer 1, 2, 3 Salah 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar Tabel 4.3. Hasil deteksi cahaya normal 80lux sebelum diperbaiki No. parkir sebenarnya Deteksi citra setelah diperbaiki cahaya normal 80lux Nomer parkir yang kosong Nomer parkir kosong yang Keterangan 1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 1 kosong 2 Nomer 2 Benar

50 5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 3 Benar 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar Tabel 4.4. Hasil deteksi dengan cahaya normal 80 lux setelah diperbaiki Gambar 4.15. Gambar A sebelum diperbaiki dan gambar B sesudah diperbaiki dengan intensitas 80 lux

51 No. Deteksi citra sebelum diperbaiki cahaya cenderung terang 225lux parkir sebenarnya Nomer parkir yang kosong Nomer parkir kosong yang Keterangan 1. 1 kosong 2 kosong 1 Nomer 1, 3 Salah 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 5. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 6. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar Tabel 4.5. Hasil deteks cahaya cenderung terang 225 lux sebelum diperbaiki No. Deteksi citra setelah diperbaiki cahaya cenderung terang 225lux parkir sebenarnya Nomer parkir yang kosong Nomer parkir kosong yang Keterangan 1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar

52 4. 1 kosong 1 kosong 2 Nomer 2 Benar 5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar Tabel 4.6. hasil deteksi cahaya cenderung terang 225 lux setelah diperbaiki Gambar 4.16. Gambar A sebelum diperbaiki dan gambar B setelah diperbaiki dengan intensitas 225 lux

53 Hasil dari percobaan tabel diatas dilakukan sebanyak 144 kali percobaan dengan berbagai kondisi ruang parkir yang tersedia, dan pencahayaan yang berbeda beda. Pencahayaan diambil dari lampu yang tersedia dari kamera WebCam untuk membantu pencahaan yang diterima oleh sistem, agar sistem bisa berjalan dengan sempurna dan sesuai harapan dari penulis tugas akhir.