Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember (ITS) Kampus ITS, Keputih Sukolilo, Surabaya 60 ABSTRAK Dengan meningkatnya jumlah pemakai kendaraan bermotor, maka pengguna jasa pun semakin tinggi. Sistem manual yang digunakan oleh penyedia jasa saat ini mengalami penurunan kualitas, dimana tidak diketahuinya lahan yang tersedia pada suatu lahan. Pada tugas akhir ini, dibangun sistem untuk mendeteksi adanya lahan yang masih tersedia serta menyediakan informasi bagi para pengguna. Sistem ini diaplikasikan oleh jaringan sensor nirkabel dengan menggunakan jaringan Single-Camera dan Image Processing dengan menggunakan software Matlab. Dan Sistem ini akan didesain sesuai dengan kebutuhan dan mempertimbangkan spesifikasi peralatan yang ada. Dimana, diharapkan keluaran dari sistem tersebut dapat mendeteksi lahan pada setiap satu baris tempat dan ditampilkan pada layar utama sehingga memudahkan setiap kendaraan untuk langsung menuju lahan yang tersedia. Kata Kunci : IP Kamera, single-camera, Image Processing, video, pendeteksian I. PENDAHULUAN Pada saat ini permasalahan sangat penting untuk dikaji lebih mendalam, seperti ruang yang dibutuhkan harus tersedia secara memadai. Semakin besar volume lalu lintas yang beraktivitas baik yang meninggalkan atau menuju pusat kegiatan, maka semakin besar pula kebutuhan ruang. Selain itu jika pada ruang tersebut tidak dilengkapi dengan kamera deteksi pemantauan ruangan, maka pengendara tidak mengetahui kondisi ruangan yang. Sehingga dari dua permasalahan tersebut, pihak pemilik tempat harus bisa melakukan pendeteksian kean ruang untuk meningkatkan pelayanan. Sehingga paada tugas akhir ini akan dibangun suatu sistem pendeteksi aktivitas kendaraan pada area dengan jaringan single-camera.. Video hasil rekaman itu dianalisa dengan menggunakan 4 teknik yaitu, Konversi Citra, Background substraction,, vehicle tracking. Keseluruhan teknik tersebut akan diaplikasikn menggunkan software Matlab versi 7.9.0.59 (R009b). Konversi Citra digunakan untuk merubah format citra yang RGB menjadi grayscale dan kemudian diubah menjadi image binary. Background substraction digunakan untuk memisahkan objek kendaraan dari background di frame pada rekaman video. Proses selanjutnya adalah teknik vehicle tracking yang digunakan untuk mendeteksi objek kendaraan pada video. II. TEORI PENUNJANG.. Kamera Tunggal (Single-Camera) Single-camera merupakan teknologi yang memanfaatkan penggunaan satu buah (tunggal) kamera. Dikarenakan hanya menggunakan satu buah kamera saja maka pada teknologi ini tidak bisa membentuk suatu jaringan(network). Meskipun pada single-camera tidak bisa membentuk jaringan, tetapi dapat dimanfaatkan untuk aplikasi pemantauan objek atau suatu ruangan dengan space terbatas. Beberapa kekurangan pada pemakaian singlecamera sebagai berikut:. Keterbatasan coverage area pemantauan,.. Keterbatsan sudut pandang hanya pada satu sisi dari objek (D) 3. Keterbatasan dalam memperoleh/menyimpan informasi suatu aktivitas selama pemantauan secara live 4. Tidak adanya back-up kamera lain yang terintegrasi otomatis, ketika terjadi kerusakan... Jaringan Multi-Camera (multi-camera network) Multi-camera merupakan teknologi yang memanfaatkan penggunaan lebih dari satu buah kamera. Sehingga pada multi-camera bisa membentuk jaringan yang dapat di-control secara langsung oleh admin. Gambar merupakan bentuk jaringan multi-camera. Sehingga dapat didefinisikan bahwa jaringan multi-camera merupakan suatu jaringan yang terorganisasi secara terpusat oleh admin dengan melakukan penyebaran kamera pada titik-titik yang sudah ditentukan. Gambar. (a) (b) (a). Distributed processing (b). Centralized processing
Beberapa hal yang bisa dipelajari dalam jaringan multicamera adalah konseptual dan algoritmik untuk segala jenis komputer, pemrosesan sinyal, dan komputasi, serta untuk jaringan kabel dan nirkabel(wireless). Sistem processing pada multi-camera menggunakan dua buah mode processing architecture yaitu centralized processing dan distributed processing []. Beberapa kelebihan yang dimiliki oleh jaringan multicamera sebagai berikut:. Mampu melakukan pemantauan area (coverage area) secara total pada setiap ruangan. Dapat melakukan pemantauan dengan sudut pandang lebih dari satu sisi pada satu objek, sehingga dapat menghasilkan informasi citra berbentuk 3D 3. Bisa dilakukan controlling secara terpusat pada jaringan, jadi bisa membentuk suatu jaringan dengan koneksi multi-hop. 4. Adanya back-up dengan kamera lain, ketika terjadi kerusakan pada salah satu node kamera yang tersebar..3. Metode-Metode Untuk Pendeteksian Objek.3.. Metode Background Substraction Proses background substraction adalah proses yang berfungsi untuk menghilangkan objek yang statis pada sebuah citra. Metode background substraction bertujuan untuk menentukan kemungkinan adanya suatu objek bergerak dari sebuah citra dengan perbedaan yang terlihat pada background dan objek, yaitu dengan memisahkan antara background dari foreground pada suatu gambar. Jadi dapat ditampilkan dalam bentuk persamaan sebagai berikut. [frame i background i ] > Threshold Pada proses background substraction digunakan operasi matrik yaitu operasi pengurangan dengan menghasilkan nilai lebih besar dari threshold []. dengan persegi panjang yang luasanya bergantung pada objek tersebut. Proses vehicle tracking terlihat pada gambar 3. deteksi Gambar 3. vehicle tracking III. METODE DAN PERANCANGAN SISTEM 3.. Perencanaan Topologi Jaringan Komunikasi Single-camera antara server dengan satu buah kamera saja, sedangkan untuk multi-camera komunikasi antara server dengan lebih dari satu kamera yang tersebar pada titik-titik tertentu. Pada gambar 4 dibawah ini merupakan contoh perbedaan cakupan dari dua topologi jaringan diatas. 3.. Metodologi Penelitian Metodologi penelitian dari perancangan sistem pendeteksi lahan ini seperti terlihat pada Gambar 5. Pada gambar 4 ditunjukkan dua buah topologi dalam melakukan perekaman video, yaitu single-camera dan multicamera network beserta cakupannya. (a) (b) Gambar 4. (a). Contoh Cakupan Single-camera (b). Contoh Cakupan multi-camera (a) (b) (c) Gambar. (a). Frame asli (b). Background frame (c). Hasil dari metode background substraction.3.. Vehicle Tracking Suatu sistem monitoring berbasis video harus dapat mengenali objek kendaraan bermotor pada setiap urutan frame video. Vehicle tracking juga dapat mengklasifikasikan kendaraan bermotor berdasarkan jenisnya mobil atau nonmobil. Objek kendaraan bermotor pada video ditandai Gambar 5. Metodologi Penelitian 3.3. Pengambilan Objek Pada Frame Setelah proses inisialisasi selesai, proses selanjutnya adalah proses pengambilan objek pada frame yang sudah ditentukan. Proses pengambilan objek adalah proses inisialisasi video menjadi urutan frame citra dengan format
RGB dan mengubahnya ke biner, serta mengubah format citra background yang digunakan sebagai pengurangan ke format biner. Proses dari diagram alir ini dapat dilihat pada gambar 3.8 di bawah ini. Selanjutnya dilakukan proses background substraction untuk mendapatkan citra background atau objek dari frame video yang ditentukan. Hasil tersebut masih terdapat noise (small object). Oleh karena itu dilakukan proses remove small obyek 3.5. Perhitungan jumlah objek Diagram alir yang digunakan dalam melakukan perhitungan jumlah yang tersedia seperti pada diagram alir gambar 7. Sehingga dengan proses ini bisa diketahui jumlah ruang yang tersedia pada ruang yang telah divideokan. 3.6. Desain GUI Sistem Pendeteksi Aktivitas Kendaraan Pada metode ini akan dibahas mengenai GUI (graphical User Interface) dan implementasi sistem. GUI didesain untuk membuat operasi yang interaktif, sehingga user dapat menjelaskan suatu program dari pemrogaman matlab dengan mudah. GUI ini mampu menjelaskan program sesuai masukan dari user, seperti memulai dan menghentikan jalannya program sesuai keinginan ataupun menampilkan hasil program. Data yang dapat ditampilkan seperti jalanya video, spesifikasi video, frame yang terdeteksi, hasil pendeteksi, jenis kendaraan, jumlah kendaraan, dan luasan persegi panjang objek. Gambar 6. Diagram alir proses pengambilan gambar 3.4. Pendeteksi kendaraan Setelah proses pengambilan objek pada frame, proses selanjutnya adalah proses pendeteksi kendaraan. Proses ini berfungsi untuk mendeteksi kendaraan yang terdapat pada frame tertentu pada video. Dengan diagram alir seperti dibawah ini : Gambar 7. Diagram alir proses pendeteksi ruang pada GUI Gambar 8. Tampilan GUI Sistem Pendeteksi Kean Area Parkir IV. DATA DAN ANALISA DATA 4.. Pengujian parameter tinggi dan sudut dalam Penempatan Kamera Pada gambar 9 menunjukkan pola coverage area oleh kamera yang digunakan. Didapatkan nilai panjang dan lebar. Kemudian dilakukan pengujian terhadap parameter sudut dan ketinggian dari penempatan kamera. Hasil pegujian seperti pada tabel dan tabel. jika kamera dengan ketinggian 30 cm dan sudut 30 o mendapatkan luasan sebesar 3,94 m, untuk tinggi,45m dan sudut 45 o mendapatkan luasan sebesar 36,6 m, kemudian jika dengan sudut 45 o dan tinggi,95 m bisa memperoleh luasan sebesar 54,m. Sehingga untuk setiap peningkatan tinggi 0,5 m dapat menaikkan luasan sebesar,5 kali dari luasan sebelumnya, dan setiap peningkatan sudut 5 o dapat menaikkan luasan sebesar,8 kali. Sehingga parameter pengujian tersebut dapat mempengaruhi kemampuan coverage area dari kamera untuk bisa lebih efektif. Tabel. Hasil pengujian dengan ketinggian 30 cm No Sdt Tinggi Panjang Lebar Luasan 30 o 30 cm 4 cm 7 cm 34 cm 45 o 30 cm 63,6 cm 3,3 cm 98,3 cm 3 60 o 30 cm 84,04 cm 36,8 cm 3040,5 cm
Tabel. Hasil pengujian dengan ketinggian m No Sdt Tinggi Panjang Lebar Luasan 30 o m 6, m 5, m 3,4 m 45 o m 8,48 m 7, m 6,05 m 3 60 o m 0,8 m 9,4 m 0,5 m kendaraan, jadi yang tersedia adalah kendaraan 4... Pendeteksian dengan adanya tempat Kondisi saat tersedia lahan. Terlihat pada tabel diatas adalah luasan daerah cakupan kamera. Dibedakan dengan tinggi dan sudut yang berbeda. Sehingga menghasilkan cakupan luasan yang berbeda. Sudut yang digunakan pada tugas akhir ini adalah sudut 30 o IP Kamera 30 o Gambar. Hasil Simulasi saat tersedia lahan kendaraan dan objek yang terdeteksi terdapat kendaraan, jadi yang tersedia adalah kendaraan Parking Line Gambar 9. Bentuk (pola) pemantauan IP kamera pada pengukuran sesungguhnya 4.. Pengujian program pendeteksi kean area 4... Pendeteksian dengan kendaraan berskala Pada tugas akhir ini, dilakukan pendeteksian dengan kendaraan berskala, yaitu mobil dengan skala :34. Dengan kapasitas maksimal satu line adalah 3 mobil. Dengan ini, pendeteksian dengan kendaraan berkala dibagi menjadi 3 kategori, yaitu : Adanya tempat yang tersedia dalam satu line; Adanya tempat yang tersedia dalam satu line; Adanya 3 tempat yang tersedia dalam satu line. 4... Pendeteksian dengan adanya tempat Kondisi saat tersedia lahan. Gambar 0. Hasil Simulasi saat tersedia lahan kendaraan dan objek yang terdeteksi terdapat 4...3. Pendeteksian dengan adanya 3 tempat Kondisi saat tidak tersedia lahan. Gambar. Hasil Simulasi saat tidak tersedia lahan kendaraan dan tidak terdapat objek yang terdeteksi, jadi yang tersedia adalah 3 kendaraan 4... Pendeteksian dengan kendaraan yang sesungguhnya Pada tugas akhir ini, setelah melakukan pendeteksian pada kendaraan berskala, dilakukan pendeteksian pada kendaraan sesungguhnya. Pengukuran dan pendeteksian dilakukan di lahan dosen jurusan Teknik Elektro ITS Surabaya. Sama dengan pendeteksian kendaraan berskala, pendeteksian dengan kendaraan sesungguhnya dibagi menjadi 3 kategori, yaitu : Adanya tempat yang tersedia dalam satu line; Adanya tempat yang tersedia dalam satu line; Adanya 3 tempat yang tersedia dalam satu line.
4... Pendeteksian dengan adanya tempat Kondisi saat tersedia lahan. Gambar 5. Hasil Simulasi saat tidak tersedia lahan Tabel 3. Hasil pengujian program pendeteksi kean area dengan kendaraan berskala Nama Video Test 4 Fra me ke Area Kpsts Hasil deteksi Jmlh riil Objk trdtkdsi Prkr ksng 5 3 Test 5 0 3 Test 36 5 3 0 0 3 Gambar 3. Hasil pengukuran saat tersedia lahan kendaraan dan objek yang terdeteksi terdapat kendaraan, jadi yang tersedia adalah kendaraan 4... Pendeteksian dengan adanya tempat Kondisi saat tersedia lahan. Tabel 4. Hasil pengujian program pendeteksi kean area dengan kendaraan berskala Nama Video Test Test Fra me ke Area Kpsts Hasil deteksi Jmlh riil Objk trdtkdsi Prkr ksng 0 3 0 3 Test 3 0 3 0 3 0 Gambar 4. Hasil pengukuran saat tersedia lahan kendaraan dan objek yang terdeteksi terdapat kendaraan, jadi yang tersedia adalah kendaraan 4...3. Pendeteksian dengan adanya 3 tempat Kondisi saat tidak tersedia lahan. Berdasarkan tabel 3 dan tabel 4 yang merupakan tabeltabel rekapan total simulasi yang didapatkan, dapat dilihat bahwa masih terdapat kesalahan dalam program. Saat melakukan simulasi dengan kendaraan berskala, keakuratan program mencapai 00%. Sedangkan untuk simulasi dengan kendaraan yang sesungguhnnya, keakuratan program mencapai 66,67%. Saat pendeteksian dengan kendaraan yang sesungguhnya terdapat satu kesalahan pada simulasi program dan kurang akuratnya pendeteksian. Seperti pada tabel 4 dengan nama video Test 3, dimana saat tidak ada kendaraan dalam keadaan riil, justru terdeteksi 3 buah kendaraan oleh program. Dan pada pendeteksian dengan nama Test a.avi dan Test a.avi kendaraan yang terdeteksi tidak sempurna. Kendaraan tidak terdeteksi secara keseluruhan, dimana hanya pada setengah bagian depan. Dikarenakan kondisi cahaya dan pemantulan cahaya terhadap badan kendaraan yang menyebabkan program tidak mendeteksi kendaraan secara menyeluruh. 4.3. Analisa pada kesalahan hasil pendeteksian Kesalahan pendeteksian pada gambar 5 dan tabel 4 dapat disebabkan oleh banyak faktor, antara lain : pencahayaan, bentuk dan warna lantai dari an elektro serta adanya objek lain yang seharusnya tidak ada. Pencahayaan dapat menyebabkan program salah membaca data. Seperti yang terdapat pada tabel, dimana program membaca adanya kendaraan yang terdeteksi, sedangkan pada keadaan yang nyata tidak terdapat kendaraan. Cahaya yang memantul pada lantai dasar dari an dosen Teknik Elektro menyebabkan program membaca bahwa pantulan
tersebut adalah bentuk rupa daripada kendaraan. Tekstur/bentuk yang tidak simetris dan tidak selevel pada lantai dasar an dosen tersebut menjadi salah satu pemicu terjadinya miscalculation pada program. Warna yang terdapat pada lantai dasar tersebut juga tidak selevel, dimana saat program menjalankan perintah membinerkan gambar akan terjadi keterbalikan antara biner (warna putih) dan biner 0 (warna hitam) dapat diaplikasikan meskipun pada satu line kendaraan terdapat lebih dari 5 mobil. Tergantung pada tinggi peletakan kamera yang berimbas pada cakupan kamera itu sendiri. Tugas akhir ini hanya memiliki topologi single-camera dan mengasumsikan jumlah satu line hanya memiliki 3 kendaraan. dimana jika peralatan memadai dapat diupgrade menjadi multi-camera dan kapasitas satu line ditambah pada program, maka sistem ini dapat diaplikasikan kedalam kondisi yang sebenarnya. 4 4 3 3 3 V. PENUTUP 5.. Kesimpulan. Penempatan kamera berdasarkan tinggi dan besar sudut pemantauan mempengaruhi dalam memaksimalkan coverage Area kamera. Berdasarkan hasil analisis untuk setiap peningkatan tinggi 0,5m dapat menaikkan luasan sebesar 0 kali dari sebelumnya, dan setiap peningkatan sudut 5 o dapat menaikkan luasan sebesar,7 kali. Sehingga dapat mendeteksi objek dengan area yang lebih luas. Gambar 6. Analisa frame gambar yang error saat dibaca oleh program Berdasarkan gambar 6 dapat diketahui mengapa program tidak dapat mendeteksi dengan sempurna pada video Test 3 a.avi. Berdasarkan analisa, terdapat beberapa perbedaan, yakni :. Pencahayaan yang berbeda. Level lantai yang tidak sama 3. Warna lantai terdapat perbedaan yang signifikan 4. Terdapat bentuk-bentuk yang tidak seharusnya Pada gambar terdapat 4 jenis kotak merah yang menunjukkan mengapa program tidak dapat mendeteksi secara sempurna. Pada kotak nomor satu menunjukkan adanya perbedaan pencahayaan pada masing-masing titik pada gambar. Dimana pada kotak satu bagian atas mendapatkan kurangnya suplai cahaya dibandingkan dengan kotak satu yang paling bawah. Pada kotak nomor dua menunjukkan adanya ketidak sesuaian level lantai pada titik satu dengan lainnya. Kotak merah nomor dua bagian tengah mempunyai level lantai yang paling rendah daripada sekitarnya. Sedangkan kotak merah nomor dua paling kanan mempunyai level lantai yang paling tinggi daripada sekitarnya. Pada kotak nomor tiga menunjukkan adanya ketidak-seragaman warna lantai pada titik satu dengan lainnya. Kotak nomor tiga paling kanan berwarna hitam, sedangkan untuk kotak nomor tiga paling kiri memiliki warna yang lebih cerah. Kotak merah nomor empat menunjukkan bahwa adanya benda-benda yang seharusnya tidak berada ditempat tersebut. 4.4. Analisa Kelayakan Sistem Sistem ini masih terlihat kurang, dikarenakan kurangnya peralatan (IP Kamera) yang tersedia. Dan untuk kapasitas yang diukur hanya mencapai 3 buah kendaraan, tetapi untuk kapasitas tersebut dapat diatur lebih lanjut pada program yang tersedia. Letak dari kamera dapat diatur ketinggiannya, sehingga menyebabkan dapat diaturnya luasan cakupan dari IP Kamera terhadap lahan tersebut. Pada kondisi sebenarnya, tidak mungkin lahan hanya mempunyai 3-4 kendaraan dalam satu line. Sistem ini. Tidak semua frame pada video dapat dideteksi, dikarenakan tiap-tiap kendaraan yang terdeteksi memiliki pencahayaan yang berbeda. Dimana pencahayaan dan adanya perbedaan warna pada lantai objek yang dideteksi dapat merubah hasil simulasi secara signifikan. Bentuk dari lantai pun dapat merubah hasil simulasi, dikarenakan pemantulan cahaya yang berbeda. 3. Keberhasilan Progam pendeteksi kean area dengan IP kamera pada pendeteksian menggunakan mobil mainan berskala memiliki persentase sebesar 00%. Sedangkan untuk program pendeteksian menggunakan mobil yang sesungguhnya persentase keberhasilan sebesar 66,67%. 4. Sistem ini mampu dan cukup untuk diaplikasikan pada suatu lahan dengan beberapa kondisi dan syarat yang harus terpenuhi. Antara lain : pencahayaan pada setiap line yang diusahakan sama; tidak adanya perbedaan warna pada lantai lahan dan bentuk dari lantai pada lahan yang diusahakan untuk tetap selevel satu sama lain. 5.. Saran Saran yang dapat digunakan untuk pengembangan lebih lanjut dari tugas akhir ini adalah:. Untuk sistem pendeteksi kean area, hendaknya menggunakan sudut 30 o dengan ketinggian antara 8 m hingga m. Agar dapat diproses lebih akurat oleh program.. Untuk sistem pendeteksi kean area jika diaplikasikan secara langsung pada ruang, maka kondisikan ruangan dalam keadaan mendapatkan pencahayaan dari berbagai arah agar cahaya dalam ruangan rata dan bayangan muncul seminimal mungkin. 3. Untuk dapat diaplikasikan sebagai Real Time Video Surveillance, kamera yang digunakan dan dapat dikenali oleh software Matlab.
DAFTAR PUSTAKA [].Dodi Wahyu B. Sistem Pendeteksi Aktivitas Kendaraan pada Ruang Parkir Dengan Multi Camera Network. 00 [].Aghajan, H. and Cavallaro, A.. 009. Multi-Camera Networks Principles and Applications. United states : Academic Press [3].Review of Background Substraction Methodes http://www.staff.it.uts.edu.au/~massimo/backgroundsubs tractionreview-piccardi.pdf [4].Robert M. Haralick and Linda G. Shapiro. 99. Computer and Robot Vision, Volume II,. Addison- Wesley, 36-37 pages RIWAYAT PENULIS Aldella Putra Atmadja, lahir di Malang pada tanggal 3 Februari 990, Pada tahun 00, penulis menamatkan pendidikan Sekolah Dasar di SD HANGTUAH V Surabaya, kemudian melanjutkan pendidikan di SLTPN Surabaya dan selesai pada tahun 004. Penulis menyelesaikan Pendidikan Sekolah Menengah Umum di SMUN Surabaya pada tahun 007. Dengan anugerah Allah SWT, penulis dapat melanjutkan studi di PTN Institut Teknologi Sepuluh Nopember Surabaya dengan mengambil Jurusan Teknik Elektro. Penulis mengambil Bidang Studi Telekomunikasi Multimedia dan aktif dalam kegiatan Laboratorium Jaringan dan Laboratorim Multimedia, seperti menjadi asisten Praktikum Dasar Sistem Telekomunikasi. Selain itu, Penulis juga aktif dalam kegiatan kemahasiswaan Himpunan Mahasiswa Elektro ITS.