JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu dan Ir. Apriani Kusumawardhani, Msc, Ir. Heru Setijono, Msc Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 6 E-mail: apri@ep.its.ac.id Abstrak Spion merupakan komponen yang menjadi kelengkapan standar kendaraan bermotor. Dalam proses produksinya harus memenuhi Standar Nasional Indonesia (SNI). Salah satu parameter yang menjadi tolak ukur kualitas Spion adalah faktor distorsi. Distorsi adalah salah satu cacat pada Spion yang menyebabkan bayangan tidak sesuai dengan aslinya. Untuk mengetahui besar faktor distorsi perlu dilakukan proses pengujian distorsi. Berdasarkan pengalaman kerja praktek di salah satu perusahaan yang memproduksi suku cadang kendaraan bermotor, proses pengujian distorsi kaca spion dilakukan dengan menggunakan metode concentric circle. Saat ini pengujian yang dilakukan masih manual. Pengujian ini cukup rumit dan berpotensi menimbulkan banyak kesalahan. Oleh karena itu dalam penelitian ini akan dilakukan perancangan sistem pengujian distorsi menggunakan konsep pengolahan citra berbasis deteksi tepi. Berdasarkan hasil percobaan, ditetapkan bahwa sistem dibuat dengan intensitas pencahayaan sebesar 2.3 lux, ketebalan garis lingkaran obyek sebesar.4 mm, operator deteksi tepi yang sesuai adalah roberts dengan nilai threshold.34. Jika dibandingkan dengan pengujian manual, sistem yang dibuat lebih akurat karena error dari sistem yang dibuat lebih kecil dari pada sistem pengujian manual. Error sistem pengujian yang dibuat sebesar 8.7893 % sedangkan error pengujian manual sebesar 26.549 %. Kata Kunci Citra, distorsi, software, Spion. I. PENDAHULUAN PION merupakan hal yang sangat penting dan menjadi S kelengkapan standar kendaraan bermotor. Kaca Spion didefinisikan sebagai suatu cermin untuk melihat ke arah belakang kendaraan secara jelas. Agar sesuai dengan standar maka dalam proses produksi harus memperhatikan beberapa parameter tertentu, seperti jari-jari kelengkungan, pantulan dan efek distorsi. Parameter yang akan dibahas lebih lanjut adalah mengenai efek distorsi pada kaca Spion kendaraan bermotor kategori L3. Kendaraan kategori L3 didefinisikan sebagai kendaraan bermotor beroda dua dengan kapasitas silinder lebih dari 5 cm 3 atau dengan desain kecepatan maksimum lebih dari 5 km/jam apapun jenis tenaga penggeraknya[]. Pada kaca Spion kendaraan bermotor kategori L3 dipersyaratkan harus memiliki faktor distorsi maksimal 7 % [2]. Oleh karena itu untuk mengetahui seberapa besar faktor distorsi suatu kaca Spion, perlu dilakukan pengujian distorsi. Berdasarkan pengalaman kerja praktek di salah satu perusahaan yang memproduksi suku cadang kendaraan bermotor, proses pengujian distorsi kaca Spion dilakukan dengan menggunakan metode concentric circle. Saat ini pengujian yang dilakukan masih manual. Proses ini dilakukan dengan mencetak gambar Spion dan mengukur jari-jari pola lingkaran yang tertangkap pada Spion menggunakan jangka sorong, kemudian menghitung faktor distorsi dengan menggunakan software kalkulasi. Pengujian ini cukup rumit, membutuhkan waktu yang lama, membutuhkan biaya rutinitas untuk mencetak gambar dan berpotensi menimbulkan banyak kesalahan. Oleh karena itu dalam penelitian ini akan dilakukan perancangan sistem pengujian distorsi menggunakan konsep pengolahan citra berbasis deteksi tepi untuk menggantikan sistem pengujian yang telah ada. Penggunaan pengolahan citra dalam sistem pengujian distorsi diharapkan pengujian dapat dilakukan dengan mudah dan akurat. Pemilihan konsep pengolahan citra berbasis deteksi tepi didasarkan pada jurnal dari Dr. Karmilasari dan Tri Putriyati Permata dari Jurusan Sistem Informasi, Fakultas Ilmu Komputer Universitas Gunadarma yang berjudul Segmentasi Iris Mata Menggunakan Metode Deteksi Tepi Dan Operasi Morfologi, dalam jurnal tersebut dijelaskan bahwa dapat dilakukan pengukuran jari-jari suatu lingkaran dengan menggunakan pengolahan citra. Dalam kasus ini adalah pengukuran jari-jari lingkaran iris mata menggunakan metode deteksi tepi. Sementara ini telah dilakukan beberapa penelitian terkait faktor distorsi. Misalnya penelitian yang dilakukan oleh J. C. Aparicio Fernandes dan Manuel Joao O Ferreira tentang Fast Correction of Lens Distortion for Image Application. Akan tetapi penelitian tentang perhitungan faktor distorsi suatu Spion (cermin cembung) dengan concentric circle method berbasis edge detection sejauh ini belum pernah dilakukan, khususnya di lingkungan teknik fisika. II. DASAR TEORI A. Pengolahan Citra Pengolahan citra adalah suatu proses untuk mempersiapkan suatu citra agar dapat di interpretasi dengan baik sehingga lebih mudah untuk dilakukan proses analisis. Pengolahan citra
JURNAL TEKNIK POMITS Vol., No., (22) -6 2 bisa berupa penyederhanaan ukuran citra, reduksi noise, peningkatan kontras atau konversi jenis citra. Sedangkan analisis citra adalah proses mendapatkan informasi dari suatu citra untuk tujuan tertentu[3]. B. Deteksi Tepi Tepi didefinisikan sebagai batas antara dua daerah yang memiliki perbedaan tingkat keabuan yang signifikan. Sedangkan deteksi tepi merupakan salah satu operasi dasar dari pemrosesan citra yang digunakan dalam menentukan tepi suatu obyek. Pada dasarnya, operasi deteksi tepi objek merupakan operasi yang mendeteksi perubahan tingkat keabuan yang signifikan dari suatu citra[4]. Representasi perubahan tingkat keabuan dapat dilihat pada gambar 2., perubahan tingkat intensitas diukur oleh suatu gradien citra. Gambar 2. Representasi 2 perubahan gray dari 2 tepi objek Misalnya diketahui suatu citra f(x,y) adalah fungsi dua dimensi, maka vektor gradien dari x dan y masing-masing merupakan turunan pertama terhadap x dan y yang dapat ditulis dalam bentuk persamaan [4]: G G x G y Gray Level x y f ( x, y) f ( x, y) Tepi yang ideal () Besaran dari gradien dapat dihitung menggunakan beberapa model persamaan salah satunya adalah metode euclidian distance: 2 2 2 G( f ( x, y) ) G + G f ( x, y) + f ( x, y) x y x y dan arah dari gradien tersebut adalah: Gx α = tan G Macam-macam metode untuk proses deteksi tepi ini, antara lain: () Operator Sobel (2) Operator Robert s cross (3) Operator Prewit y 2 (2) (3) Operator Sobel Dalam operator sobel digunakan matrik konvolusi 3 x 3 dan susunan piksel-pikselnya di sekitar pixel (x, y) seperti bagan berikut: 2 G 2 2 x G y dan 2 (4) Operator sobel merupakan pengembangan Operator robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Kelebihan dari Operator sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Operator Robert s Operator robert adalah nama lain dari teknik differensial yang sedang dikembangkan, yaitu differensial pada arah horisontal dan differensial pada arah vertikal. Operator robert merupakan salah satu operator yang menggunakan jendela matrik 2x2, operator ini melakukan perhitungan dengan mengambil arah diagonal untuk melakukan perhitungan nilai gradiennya. Bentuk operator Roberts dapat dilihat pada rumus: G x dan G y (5) Operator Prewit Operator Prewitt merupakan pengembangan operator robert dengan menggunakan High Pass Filter (HPF) yang diberi satu angka nol penyangga, serta menggunakan persamaan yang sama dengan operator sobel yang menggunakan matrik 3x3. Bentuk operator prewit adalah sebagai berikut: G x dan G y (6) C. Distorsi Distorsi adalah gejala di mana bayangan benda yang terbentuk tidak sama dengan benda aslinya karena adanya cacat pada suatu cermin. Distorsi terjadi, ketika ukuran setiap titik pada bidang gambar diperbesar dengan cara yang berbeda[5]. Gambar 2.2 Contoh gambar terdistorsi
JURNAL TEKNIK POMITS Vol., No., (22) -6 3 D. Concentrical Circle Method Concentric circle method adalah metode pengujian distorsi dengan menggunakan obyek pantul yang memiliki gambar berbentuk lingkaran. Bentuk obyek pantul dan susunan komponen pengujian distorsi dapat di lihat pada gambar 2.3 dan 2.4. III. METODOLOGI PENELITIAN A. Alur Penelitian Penelitian ini dilakukan dengan beberapa tahapan hingga tujuan dapat tercapai. Proses pengerjaan penelitian ini meliputi perancangan dan pembuatan hardware sistem pengujian, perancangan dan pembuatan software pengolahan citra, koneksi software dengan webcam dan selanjutnya dilakukan pengujian sistem. Tahapan tahapan tersebut bisa dilihat pada gambar 3.. Gambar 2.3 Pola obyek Gambar 2.4 Susunan peralatan pengujian Pada gambar 2.4 kaca Spion diletakkan dengan jarak 3 mm dari obyek, posisi kamera dan kaca Spion diusahakan harus dalam keadaan lurus. Setelah semua komponen telah siap kemudian dilakukan pengambilan gambar menggunakan kamera, contoh hasil pengambilan gambar bisa dilihat pada gambar 2.5. Gambar 2.5 Contoh Hasil Pengambilan Gambar Tingkat kesempurnaan gambar lingkaran yang terjadi pada kaca Spion menunjukkan seberapa besar faktor distorsi pada kaca Spion tersebut. Faktor distorsi dihitung dengan menggunakan rumus sebagai berikut : Gambar 3. Diagram alir penelitian tugas akhir B. Gambaran Menyeluruh Sistem Pengujian Gambaran umum sistem secara keseluruhan dapat dilihat pada gambar 3.2. Kaca Spion diletakkan pada tiang penyangga yang berada 3 mm di depan webcam. Kemudian akan dilakukan proses akuisisi gambar Spion dengan menggunakan webcam. Citra hasil akuisisi webcam ditransfer menuju perangkat computer yang sudah terdapat program pengolahan citra. Ketika citra sudah dapat diterima software maka selanjutnya dilakukan proses pengukuran faktor distorsi kaca Spion tersebut dengan menggunakan konsep pengolahan citra. (7) (8) dengan keterangan: Rn adalah harga rata-rata jari-jari bayangan dari lingkaran konsentrik lingkaran n, dihitung dari rumus ; Ro adalah jari-jari bayangan terbesar atau terkecil ; ε adalah faktor distorsi.tikel yang untuk mendapatkan security clearances apapun yang dibutuhkan. Gambar 3.2 Gambaran keseluruhan sistem pengujian yang akan dibuat. C. Perancangan dan Pembuatan Hardware Alat Desain alat memiliki dua sumbu gerak utama yang saling
JURNAL TEKNIK POMITS Vol., No., (22) -6 4 tegak lurus dan tiang tempat meletakkan kaca Spion yang mampu bergerak dalam satu sumbu gerak secara vertikal. Setiap sumbu dapat digeser untuk mengatur posisi kaca Spion. Rancangan mekanik alat dapat dilihat pada gambar 3.3. Gambar 3.3 Desain mekanik Alat Realisasi mekanik alat dibuat dengan bahan aluminium dan akrilik. Bahan alumunium digunakan untuk membuat kerangka dasar alat. Ukuran kerangka dasar ini adalah 5 cm pada arah sumbu x, 6 cm pada arah sumbu y dan 5 cm pada arah sumbu z. Bentuk mekanik alat pengujian distorsi secara keseluruhan dapat dilihat pada gambar 3.4. Gambar 3.4 Bentuk mekanik alat pengujian distorsi secara keseluruhan Gambar 3.5 Diagram alir program pengolahan citra Setelah melalui proses perancangan, Program pengolahan citra pada alat pengujian distorsi dibuat dengan program komputasional. Interface program pengolah citra dapat dilihat pada gambar 3.6 D. Perancangan dan Pembuatan Software Pengolahan Citra Algoritma program pengolah citra dijelaskan pada beberapa urutan penjelasan berikut. Adapun tahapan eksekusi program adalah sebagai berikut:. Inisialisasi perangkat webcam; 2. Pengakuisisian citra RGB dengan webcam; 3. Penyesuaian ukuran citra menjadi berukuran 48 64 pixel; 4. Konversi citra berformat RGB menjadi format grayscale; 5. Konversi citra berformat grayscale menjadi format biner; 6. Proses deteksi tepi dengan operator sobel, roberts dan prewitt; 7. Seleksi informasi yang dibutuhkan; 8. Deteksi pusat lingkaran; 9. Deteksi 8 jari-jari lingkaran terluar.. Perhitungan faktor distorsi. Membandingkan nilai distorsi terhitung dengan nilai standar. Algoritma program pengolah citra keseluruhan dapat dituliskan dalam diagram alir, yaitu pada gambar 3.5. Gambar 3.6 Interface program pengolahan citra E. Menentukan Ketebalan Garis Lingkaran Pada Obyek Untuk menentukan ketebalan garis lingkaran pada obyek yang sesuai dengan sistem yang dibuat akan dilakukan pengujian terhadap 3 variasi ketebalan garis, yaitu:.3 mm,.4 mm dan.5 mm. F. Menentukan Nilai Threshold Untuk menentukan nilai threshold yang sesuai dengan sistem yang dibuat akan dilakukan pengujian terhadap 3 variasi nilai threshold, yaitu:.33,.34 dan.35. G. Menentukan Operator Deteksi Tepi Untuk menentukan operator deteksi tepi yang sesuai dengan sistem yang dibuat akan dilakukan pengujian terhadap
JURNAL TEKNIK POMITS Vol., No., (22) -6 5 3 variasi operator deteksi tepi, yaitu: sobel, prewitt dan Roberts. Tebal Garis H. Menentukan Faktor Distorsi Webcam Karena pada sistem ini proses akuisisi citra dilakukan dengan menggunakan webcam, maka perlu dipertimbangkan bahwa lensa pada webcam juga memiliki efek distorsi. Oleh karena itu besar faktor distorsi webcam harus ditentukan agar dapat dipisahkan antara efek distorsi akibat dari webcam itu sendiri dan efek distorsi spion. Susunan alat pengujian distorsi webcam dapat dilihat pada gambar 3.7. Operator Deteksi Tepi Gambar 4. Hasil sistem pengujian dengan operator Sobel Tebal Garis Threshold Nilai Distorsi (%) Gambar 3.7 Susunan alat pengujian distorsi webcam. Operator Deteksi Tepi I. Kesesuaian Pengujian Distorsi Dengan Program Pengolahan Citra dan Pengujian Manual Pengujian ini dilakukan dengan membandingkan pengujian distorsi menggunakan program pengolahan citra dan pengujian Manual. Dengan membandingkan dua hal tersebut akan dapat diketahui performansi program yang dibuat. IV. ANALISA DATA DAN PEMBAHASAN A. Hasil Pengujian Untuk Menentukan Ketebalan Garis, Nilai Threshold dan Operator Deteksi Tepi Pengujian dilakukan pada satu kaca spion dengan 3 variasi operator deteksi tepi (Sobel, Prewitt, Roberts), 3 variasi ketebalan garis (.3 mm,.4 mm,.5 mm) dan 3 variasi nilai threshold (.33,.34,.35). Pengujian ini bertujuan untuk menentukan kondisi yang sesuai dengan sistem pengujian distorsi yang dibuat. Hasil pengujian dapat dilihat pada gambar 4., 4.2 dan 4.3. Berdasarkan hasil data yang diperoleh pada gambar 4., 4.2 dan 4.3, kombinasi yang diberi warna merah merupakan kombinasi terbaik. Hal ini dilihat dari hasil pengujian yang mendekati nilai referensi. Dari ketiga kombinasi tersebut ternyata kombinasi operator Roberts, tebal garis.4 mm, dan nilai threshold.34 memiliki nilai yang paling mendekati dengan pengujian manual. Oleh karena itu kombinasi inilah yang nantinya akan digunakan dalam setiap pengujian faktor distorsi dengan menggunakan software yang telah dibuat. Gambar 4.2 Hasil sistem pengujian dengan operator Prewitt Threshold Nilai Distorsi (%) Tebal Garis Operator Deteksi Tepi Threshold Nilai Distorsi (%) Gambar 4.3 Hasil sistem pengujian dengan operator Roberts
JURNAL TEKNIK POMITS Vol., No., (22) -6 6 B. Hasil Pengukuran Faktor Distorsi Webcam Pengukuran faktor distorsi webcam dilakukan utuk mengetahui seberapa besar pengaruh distorsi dari webcam terhadap sistem yang akan dibuat. Hasil pengujian nilai distorsi webcam dapat dilihat pada tabel 4.. Sehingga berdasar perhitungan diketahui bahwa webcam yang dipergunakan memiliki faktor distorsi sebesar.83 %. No Posisi Tabel 4. Hasil Pengukuran Faktor Distorsi Webcam Jari-Jari r An' 28.8 2 Bn' 27.8 3 Cn' 25.57 4 Dn' 25.3 5 En' 24.54 6 Fn' 25.77 7 Gn' 26.59 8 Hn' 27.89 - Max - Rata-rata =.75 - Rata-rata Min =.79 r Max r Min r Ratarata Faktor Distorsi (%) 28.8 24.54 26.33.83 C. Hasil Pengujian 6 Sampel Kaca Spion dan Hasil Pengujian Performansi Software yang Dibuat. Setelah diketahui kombinasi terbaik, maka akan dilakukan pengujian dengan sampel kaca Spion yang berbeda. Pengujian ini dilakukan pada 3 kaca Spion kanan dan 3 kaca Spion kiri. Hasil pengujian keenam sampel kaca spion dapat dilihat pada tabel 4.2. Dalam tabel tersebut dapat dilihat bahwa dalam pengujian 6 sampel kaca spion terdapat satu kaca spion yang tidak standar yaitu spion kanan. Spion tersebut dikatakan tidak standar karena besar faktor distorsinya lebih dari 7 %. Sedangkan kaca spion yang lainnya sudah standar. No 2 3 4 5 6 Tabel 4.2 Hasil Pengujian 6 Sampel Kaca Spion Posisi Spion Kiri Spion 2 Kiri Spion 3 Kiri Spion Kanan Spion 2Kanan Spion 3Kanan r Max r Min r Rata-rata 45.64 4.36 43.54 44.3 3. 37.47 4. 29.88 35.76 49.36 3.27 38.8 38.57 28.4 33.59 47.84 3.39 37.44 Faktor Distorsi (%).3854 4.5958 3.52 7.2599 3.577 6.7399 Selain itu akan dilakukan proses penentuan performansi software yang dibuat. Hasil proses penentuan performansi software dapat dilihat pada tabel 4.3. Sedangkan hasil perbandingan dengan pengujian manual, dapat dilihat pada tabel 4.4. Tabel 4.3 Perbandingan Pengujian Dengan Pengolahan Citra dan Referensi No Nama Sampel Nilai Distorsi(%) Referensi Pengujian Dengan Software yang Dibuat error % error Spion Kiri.358.3854.336 2 Spion 2 Kiri 5.959 4.5958.3 3 Spion 3 Kiri 3.67 3.52.688 4 SpionKanan 7.863 7.2599.5564 5 Spion2Kanan 3.3869 3.577.3292 6 Spion3Kanan 6.67 6.7399.282 Rata-Rata 4.794 4.4233 4.4233 Sehingga berdasarkan hasil diatas diketahui bahwa persen error sistem sebesar 8.7893 %. 8.7893 Tabel 4.4 Perbandingan Pengujian Manual Dengan Jangka Sorong dan Referensi No Nama Sampel Nilai Distorsi(%) Referensi Pengujian Manual Dengan Jangka Sorong error % error Spion Kiri.358 2.282.264 2 Spion 2 Kiri 5.959 4.385.7674 3 Spion 3 Kiri 3.67 4.34.364 4 SpionKanan 7.863 6.563.3 26.549 5 Spion2Kanan 3.3869 5.352.6483 6 Spion3Kanan 6.67 5.976.44 Rata-Rata 4.794 4.4233.2529 Berdasarkan tabel 4.3 dapat dilihat bahwa persen error sistem pengujian manual jauh lebih besar jika dibandingkan dengan persen error sistem pengujian dengan menggunakan konsep pengolahan citra. V. SIMPULAN Telah dirancang dan dibangun sistem pengujian distori kaca Spion kendaraan bermotor kategori L3 menggunakan metode concentrical circle berbasis edge detection dengan spesifikasi sebagai berikut: intensitas cahaya ditetapkan sebesar 2.3 lux, ketebalan garis lingkaran obyek sebesar.4 mm, menggunakan operator deteksi roberts dengan nilai threshold.34. Performansi sistem yang dibuat dinyatakan dalam nilai error sebesar 8.7893 %. Faktor distorsi yang ditimbulkan oleh Webcam adalah.83 %. Error sistem pengujian yang dibuat lebih kecil dari pada error hasil pengujian manual, yaitu 8, 7893 % dan 26.549 %. Berdasarkan pengujian 6 kaca Spion sampel terdapat satu Spion yang tidak standar, yaitu kaca Spion kanan. Selebihnya semua kaca Spion dalam keadaan standar. DAFTAR PUSTAKA [] SNI 9-825, Sistem Penggolongan / Pengklasifikasian Kendaraan Bermotor. Badan Standardisasi Nasional, 22, pp. 2. [2] SNI 277.2, Kaca Spion untuk Kendaraan Bermotor Kategori L. Badan Standardisasi Nasional, 29, pp. 3-. [3] I. Hestiningsih, Pengolahan Citra. pp.. [4] R. C. Gonzalez, R. E. Woods, Digital Image Processing. Prentice Hall, 22. [5] A.G.J. Nijmeijer. 2. Correction of Lens-Distortion for Real-Time Image Processing Systems. University of Twente Department of Electrical Engineering Laboratory for Network Theory.