BAB 3 ANALISIS DAN PERANCANGAN

BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Masalah 3.1.1. Deskripsi Masalah Seiring dengan perkembangan jaman, maka makin meningkat pula kebutuhan seseorang akan informasi. Penerapan teknologi informasi dapat meningkatkan efisiensi dan efektifitas dibandingkan jika masih manual atau teknologi yang digunakan kurang tepat. Hal ini juga berlaku pada pengelolaan manajemen pusat perbelanjaan. Salah satu kesulitan yang dihadapi oleh building management pusat perbelanjaan adalah karena kurangnya data dan informasi yang dapat mengetahui jumlah pengunjung toko secara keseluruhan ataupun hanya jumlah pengunjung yang pada saat ini berada didalam toko. Hal ini penting karena dengan data tersebut maka pihak pusat perbelanjaan dapat menunjukkan data dalam bentuk angka kepada pihak tenant tentang jumlah pengunjung toko dan dapat menunjukkan tingkat kepadatan pengunjung di suatu toko. Dengan adanya data tersebut pihak tenant dapat menganalisis pasar lebih lanjut dan akurat dan juga bagi pihak pusat perbelanjaan dapat menggunakannya sebagai dasar alasan 32

dalam kasus pada suatu toko. Sehingga data seperti ini dapat menjadi bagian yang penting dalam pengambilan keputusan yang baik. 33 3.1.2. Rancangan Aplikasi Gambar 3-1 Garis besar rancangan. Secara umum tujuan penelitian ini menggunakan pemrosesan gambar tingkat bawah untuk dapat memisahkan antara objek dengan latar yang nantinya akan melakukan proses penghitungan untuk menghitung jumlah objek yang telah masuk ke area atau melewati batasan yang sudah ditentukan terlebih dahulu, dimana gambar yang diolah diperoleh dari webcam. Adanya latar disini dimaksudkan karena pemrosesan tidak menggunakan algoritma pengenalan objek, maka dari itu objek didapatkan dari perbedaan atara latar dengan frame terbaru.

34 3.1.3. Permasalahan yang Dihadapi Setelah melihat dasar teori diatas, dan membandingkannya dengan kebutuhan atau cara penggunaan aplikasi maka kita dapat melihat beberapa masalah yang dapat terjadi pada proses kerja sistem ini. Masalah-masalah tersebut antara lain adalah : Penggunaan kualitas gambar, atau video yang kurang baik (noise, resolusi gambar yang terlalu rendah, gambar yang buram, dan lain-lain) sehingga mempengaruhi hasil pemrosesan. Bertumpuknya objek pada kamera, sehingga beberapa objek yang saling bertumpuk akan dianggap sebagai satu objek yang sama. Menentukan arah dari pergerakan seseorang, baik orang tersebut memasuki ruangan ataupun keluar dari ruangan tersebut. Adanya pergerakan yang telalu cepat, sehingga tidak dapat tetangkap dengan baik oleh kamera, sehingga mengganggu proses perhitungan.

35 3.1.4. Penanganan Masalah Untuk menangani permasalahan yang terjadi maka aplikasi akan dibuat dengan menggunakan kriteria sebagai berikut: - Gambar atau video yang memiliki kualitas gambar yang kurang baik dapat diperbaiki dengan memproses gambar tersebut dengan smoothing, atau teknik image processing lainnya, sehingga mengurangi noise yang ada pada gambar. - Bertumpuknya objek dapat dihindari dengan meletakkan kamera dengan posisi menghadap kebawah secara tegak lurus. Hal ini dikarenakan pada posisi seperti ini kemungkinan objek saling menutupi antara yang satu dengan yang lainnya akan semakin kecil. Dan juga dengan melkukan pengolahan gambar lebih lanjut. - Penentuan keluar ataupun mesuknya seseorang akan dilakukan dengan membatasi daerah dengan menggunkaan garis sebagai indikator. - Penggunaan kamera dengan frame rate 60 fps. Hal ini bertujuan unutk mengurangi kesalahan yang terjadi karena pergerakan yang terlalu cepat.

36 3.1.5. Alternatif Pemecahan Masalah Hal yang bisanya digunakan untuk medeteksi dan menghitung suatu objek adalah dengan menggunakan motion detection yang digabungkan dengan teknik pengenalan objek seperti dengan menggunakan template. Motion detection memiliki keunggulan dalam mendeteksi arah pergerakan suatu objek, dimana suatu objek yang telah diidentifikasi dapat diikuti arah pergerakannya. Namun memiliki kelemahan terutama pada proses pengolahan data yang menggunakan komputasi yang cukup banyak, serta memerlukan indentifikasi terhadap objek tersebut, hal inilah yang menyebabkan perlunya teknik ini digabung dengan teknik pengenalan objek. Keungulan dari menggunakan suatu template adalah karena dengan metode ini objek yang bentuknya mirip dengan template yang ada akan dapat dengan mudah dikenali. Namun bila bentuknya tidak mirip maka objek tersebut tidak akan dikenali, selain itu teknik ini memerlukan komputasi yang cukup banyak, serta penyimpanan data yang cukup besar. 3.2. Tahapan Penelitian Penelitian dibatasi dengan menggunakan ketinggian di 3.5 meter dari jarak lantai. Penggunaan webcam dibatasi secara spesifik, dikarenakan webcam yang tersedia di pasaran memiliki varian. Selain itu pencahayaan juga dibatasi dengan pencahyaan yang baik, baik disini dimaksudkan seperti yang tidak remang-remang, gelap, tidak ada pencahayaan, ataupun kondisi lainnya yang mempengaruhi perbedaan warna antara latar dengan gambar yang baru menjadi

37 lebih kecil. Penelitian difokuskan sedikit terhadap kecepatan pengolahan agar dapat menghitung arus tanpa terlalu terbebani oleh proses komputasi. Resolusi webcam yang digunakan sebesar 320 x 240 pixel dengan frame rate 60 fps.. Webcam diletakkan diatas dan menghadap tegak lurus kebawah. Penelitian juga dibatasi dengan hardware yang dapat mendukung aplikasi, dengan spesifikasi hardware minimal : Processor : Intel core 2 Duo, 1,87 GHz Ram : 2 GB Operating System : Windows XP Dan dibatasi menggunakan software Microsoft visual C++ 2008, Code::Blocks 10.5, dan library OpenCV 2.1.0. 3.2.1. Pengambilan Gambar dari Webcam Pengambilan gambar akan berasal dari tiap frame yang ada pada webcam. Dan sudut pengambilan gambar yang berasal dari atas. Hal ini bertujuan agar mengurangi kemungkinan bertumpuknya suatu objek. Sehingga akan membantu dalam proses pengerjaannya.

38 3.2.2. Perancangan Awal Pengecekan Web cam Mengikat Webcam Web cam Dapat Digunakan yes Mengeset resolusi webcam di 320x240 Mengambil frame dar i webcam no Pengambilan Gambar Kembali END (a) (b) (c) Gambar 3-2 Perancangan aplikasi dengan latar dinamis, (a) keseluruhan program;(b) Posedur pengecekan webcam; (c)prosedur pengambilan gambar. Pada awalnya perancangan aplikasi menggunakan latar dinamis. Tujuan dari penggunaan latar dinamis yaitu agar penelitian lebih tahan terhadap perubahan cahaya. Tahapan cara kerja perancangan aplikasi pertama yaitu pertama kali melakukan pengikatan terhadap webcam, agar tidak dipakai oleh aplikasi lainnya. Pengecekan webcam, apakah webcam yang akan dipakai dapat digunakan oleh aplikasi. Jika webcam dapat

39 digunakan, dilakukan pengesetan resolusi webcam di 320x240. Selanjutnya dilakukan pengecekan untuk mengambil frame dari webcam. Jika aplikasi lolos pengecekan, aplikasi akan mulai mengakumulasi sejumlah gambar dalam format grayscale yang diperoleh dari frameframe webcam. Penggunaan format grayscale ditunjukkan agar nantinya saat pengurangan gambar dengan latar tidak terlalu sensitif. Sensitif yang dimaksud disini adalah, seperti yang diketahui grayscale yang merupakan gambar dengan 1 channel memiliki range nilai dari 0-254, sedangkan gambar RGB dengan 3 channel mememiliki range nilai 0-254 untuk setiap channelnya. Variasi nilai pixel RGB sangat banyak yaitu 255*255*255. Hasil pengkonversian dari RGB ke grayscale membuat perwakilan range-range nilai dari RGB sehingga perbedaan tidak terlalu mencolok, dimana 1 nilai di-grayscale dapat menjadi berbagai nilai di RGB. Disamping itu juga dengan penggunaan format grayscale, proses komputasi juga akan lebih ringan.

40 3.2.2.1 Perubahan menjadi grayscale Gambar 3-3 Proses convert RGB menjadi grayscale. Pada gambar dicari nilai grayscale-nya dengan mengambil nilai di 3 channel disetiap pixel dan dimasukkan ke persamaan sederhana, yaitu (0,299) Red + (0,587) Green + (0,114) Blue. Hasil akhirnya merupakan nilai grayscale-nya.

41 3.2.2.2 Pemisahan latar dengan objek Setelah latar didapat, aplikasi akan mengambil frame-frame baru selama aplikasi masih berjalan. Frame baru yang diperoleh digunakan untuk pemisahan objek dengan latar, dan untuk membuat latar baru. Proses pemisahan objek dengan latar dengan cara pengurangan setiap nilai pixel antara gambar dengan latar. Gambar 3-4 Proses pengurangan latar dengan frame yang sedang berjalan. Sesuai dengan tahapan pada Gambar 3-4, maka untuk tiap pixel yang ada pada frame yang sedang berjalan akan dikurangi dengan tiap pixel latar yang berada pada posisi yang sama. Hal ini

42 bertujuan agar nilai pixel yang sama dengan latar akan menjadi hitam. Sehingga objek yang memiliki nilai pixel yang berbeda dengan latar akan terpisah. 3.2.2.3 Penetapan layar pertama Gambar 3-5 Prosedur pengambilan gambar awal. Jumlah gambar yang digunakan untuk akumulasi gambar sebanyak 100 gambar. Gambar yang digunakan berformat grayscale. Hasil akumulasi gambar dirata-rata dan hasil rata-rata gambar ditetapkan menjadi latar.

43 3.2.2.4 Penetapan layar lanjutan Proses memperbaharui latar yaitu dengan mengakumulasikan frame terbaru dan membuang frame tertua dan merata-rata kembali nilainya. Gambar 3-6 Proses penetapan latar lanjutan. Setetah proses ini maka proses 3.2.2.2 akan diulangi kembali. Setelah penelitian berjalan, penggunaan latar dinamis dinilai kuran g untuk dilanjutkan karena permasalahan pada adanya kemungkinan

44 seseorang berdiri terlalu lama di dalam area pengambilan gambar dari webcam sehingga orang tersebut akan dianggap menjadi latar. Ketika orang tersebut bergerak akan terdeteksi kembali menjadi objek tetapi terdapat kemungkinan kesalahan untuk di perhitungan arus nantinya. Faktor lainnya yaitu di mall-mall khususnya Jakarta, toko-toko di dalamnya menggunakan pencahayaan yang tetap sehingga manfaat dari penggunaan latar dinamis semakin kurang. 3.2.3. Penggunaan Latar Statis EMBED Visio.Drawing.11 (a) (b) (c) (d) Gambar 3-7 Perancangan aplikasi dengan layar statis. (a) aplikasi secara keseluruhan; (b) proses pengecekan webcam; (c) proses pengambilan gambar; (d) proses penetapan latar.

45 Perancangan aplikasi berikutnya dilakukan dengan menggunakan latar statis tetap. Penentuan latar hanya diambil satu kali saja dan akan dipakai seterusnya selama aplikasi berjalan. Tahapan awal aplikasi berjalan mirip dengan aplikasi perancangan pertama dimulai dari pengecekan webcam dan pengecekan pengambilan frame dari webcam. Setelah itu pengguna bebas kapan saja (selama aplikasi masih berjalan) untuk menetapkan latar statis. Pengambilan latar statis dapat dilakukan kapan saja, tujuannya untuk mendapatkan latar sebaik mungkin. Baik disini dimaksudkan dengan benar-benar hanya latar saja yang diset menjadi latar, tidak ada objek asing yang ikut ter-set menjadi latar. Gambar yang ditentukan menjadi latar di-smooth. Tujuan utama dari smooth yaitu untuk mengurangi noise dari webcam karena frame yang dihasilkan oleh webcam memiliki noise. Proses smoothing gambar dengan gaussian blur dengan kernel 3x3. Cara kerja gaussian blur yaitu men-convolve gambar dengan nilai kernel gaussian. Gambar yang sudah di-smooth ditetapkan sebagai latar.

46 Input Gambar : 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 16 4 0 0 0 0 0 0 0 0 0 0 16 2 4 0 0 0 0 0 0 8 0 0 0 16 7 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3x3 Gaussian Kernel : 1 2 1 2 4 2 1 2 1 Hasil : (8*1)+(16*2)+ (4*1)+(16*2)+(2*4)+(4*2)+(16*1)+(7*2)+(6*1) = = 8 16 Gambar 3-8 Contoh proses gaussian blur. 3.2.3.1. Pemisahan latar dengan objek Tahap selanjutnya, merupakan proses pemisahan antara objek dengan latar. Tujuan dari proses ini yaitu untuk hanya menampilkan gambar yang berupa objek saja, dimana latar ditampilkan dalam warna hitam. Total metode pemisahan antara objek dengan latar yang diteliti mencapai 6 metode. Penulis meneliti hingga 6 macam metode karena bagian ini dinilai cukup fatal untuk proses selanjutnya. Jika akurasinya rendah akan mempengaruhi tahap berikutnya, yaitu tahap perhitungan arus. 3.2.3.1.1. Metode 1 Metode yang penulis pertama kali rancang yaitu dengan mendeteksi lingkaran. Penggunaan metode ini didasarkan

karena kepala yang terlihat dari atas dirasa terlihat cukup melingkar. 47 Gambar 3-9 Proses metode 1. Pertama-tama gambar di-grayscale, di-smooth dengan gaussian blur. Selanjutnya menggunakan metode hough circle untuk mendeteksi lingkaran. Proses awal hough circle berbasiskan fluktuasi gradient pada gambar. Hough circle hanya dapat digunakan di gambar 8 bit dan 1 channel. hough circle mendefinisikan suatu lingkaran ketika minimal terdapat 3 lingkaran dengan radius yang sama berpotongan di 1 titik. Perpotongan ini menjadi titik pusat lingkaran dengan radius lingkaran yang sesuai dengan radius lingkaran yang berpotongan. Metode ini diawali dengan melakukan proses edge detection.

48 Penulis belum memulai menggunakan gambar manusia yang diperoleh dari atas tetapi penulis pertama kali mencoba dengan menggunakan gambar yang berisikan lingkaranlingkaran asli yang radiusnya menyerupai radius kepala manusia. Radius yang penulis gunakan berkisar di 100-200, karena dari hasil percobaan dengan radius yang rentangnya acak, hasilnya sangat tidak akurat. Pendekatan pencarian nilai radius dilakukan dengan menggunakan radius yang saat mendeteksi lingkaran, lingkarannya dapat terdeteksi paling banyak. Sejalannya penelitian, pendektesian lingkaran tidak menghasilkan hasil yang baik. Dikatakan tidak baik karena dari sekian percobaan dengan lingkaran yang sama pada gambar, hasil pendeteksian lingkaran bisa tidak terdeteksi bisa terdeteksi. Karena hal ini penggunaan deteksi lingkaran tidak penulis lanjutkan.

49 3.2.3.1.2. Metode 2 Gambar 3-10 Proses metode 2. Metode 2, dijalankan dengan melakukan low level image processing. Pertama-tama gambar di-convert ke grayscale. Gambar di-smooth dengan gaussian blur untuk mengurangi noise. Dilanjutkan dengan mengurangi gambar dengan latar sehingga gambar yang baru hanya berisikan nilai pixel yang berbeda dengan latar. Semakin tinggi nilai perbedaannya maka semakin tinggi kemungkinan bahwa objek tersebut bukan latar. Dengan adanya perbedaan nilai tersebut, langkah selanjutnya yaitu melakukan proses

50 threshold dengan tujuan untuk memisahkan nilai pixel yang berada dibatas tertentu. Dimana batas yang diberikan dianggap cukup sebagai pembatas antara nilai pixel objek dan bukan objek. 25 25 25 25 25 20 20 10 10 1 1 1 1 1 1 1 0 0 25 25 25 25 20 20 20 10 0 1 1 1 1 1 1 1 0 0 25 25 20 20 20 20 10 10 0 1 1 1 1 1 1 0 0 0 25 20 20 20 20 10 10 0 0 1 1 1 1 1 0 0 0 0 20 20 20 10 10 10 10 0 0 1 1 1 0 0 0 0 0 0 20 20 10 10 10 10 10 0 0 1 1 0 0 0 0 0 0 0 20 10 10 10 10 10 0 0 0 1 0 0 0 0 0 0 0 0 10 10 10 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Gambar 3-11 Contoh threshold pada pixel 18x18, dengan T =15. Karena proses pengurangan diatas maka area yang merupakan latar akan menjadi warna hitam. Sehingga proses threshold diharapkan dapat memisahkan antara latar yang berwarna hitam dengan objek yang berwarna keabuan atau putih. Hasil gambar threshold dierosi dengan tujuan untuk memperkecil objek dan mempermudah komputasi dengan area objek yang lebih sedikit. Structuring element yang digunakan dibatasi dengan penggunaan struktur elemen 3x3 atau struktur elemen yang paling sederhana karena gambar yang didapat bersifat umum(general). Iterasi erosi yang digunakan sedang-sedang saja, hal ini dilakukan hanya agar objek yang tersisa memiliki bentuk dengan area yang relatif kecil.

51 (a) 0 1 1 0 0 0 0 0 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 0 0 1 1 0 0 0 0 0 (b) (c) Gambar 3-12 Proses erosi. (a) kernel erosi yang dipakai; (b) gambar asli; (c) hasil erosi. Bedasarkan metode ini, hasil yang didapat masih jauh dari apa yang dibutuhkan karena bentuk objek cenderung tidak menyerupai lingkaran, dimana penulis mengharapkan hasil akhir objek dapat berbentuk sesederhana mungkin yaitu yang mendekati lingkaran. Bentuk objek yang tidak sederhana dikarenakan dari adanya tingkat perbedaan nilai pixel dimana ketika warna objek menyerupai warna latar maka nilai pixel dari pengurangan latar akan menjadi kecil, dan ketika ada bagian objek yang warnanya berbeda jauh dengan latar maka nilai pixel dari pengurangan latar akan besar. Perbedaan nilai inilah yang mempengaruhi bentuk objek pada saat di-threshold, jika hasil yang di-threshold tidak hanya kepala maka pada saat dierosi bentuk akhirnya menjadi tidak menyerupai lingkaran. Selain itu dengan berbagai percobaan yang dilakukan, ditemukan masalah lainnya, dimana jika terdapat objek yang

52 berdiri pada garis lantai hitam. Sehingga saat orang melewati garis tersebut dengan kepala berwarna hitam, sementara garis lantai berwarna hitam, maka saat dilakukan proses pengurangan dengan latar, maka area garis yang dilewati oleh orang dianggap sebagai bukan objek, sehingga objek menjadi terpotong-potong. Hal ini dikarenakan adanya 2 buah objek dengan warna yang sama. Dengan ditemukannya masalah ini, penulis mencoba metode baru yang dapat menghilangkan terlebih dahulu masalah gambar yang terpotong oleh latar. Tetapi penulis masih melanjutkan untuk mengembangkan dengan metode serupa karena dilihat masih ada kemungkinan untuk peningkatan kualitas.

53 3.2.3.1.3. Metode 3 Gambar 3-13 Proses metode 3. Metode 3, tahapan awal metode 3 sama dengan metode 2 dimana pertama-tama gambar di-convert ke grayscale, dismooth dengan gaussian blur, dan dilakukan pengurangan gambar dengan latar. Selanjutnya gambar di-smooth dengan median filter dengan kernel yang cukup besar. Tujuan dari smooth dengan median filter dengan kernel yang cukup besar

54 dengan harapan agar objek kecil yang terpotong-potong menjadi satu kesatuan objek. Karena hasil smooth berupa strong blur, maka pada kasus garis hitam diharapkan bagian yang gelap dapat dihilangkan dan objek dapat menjadi satu kesatuan. Median filter bekerja dengan mengambil nilai tengah dari masking kernel terhadap pixel yang dituju. Kemudian gambar di-threshold untuk memperoleh bentuk objek. Dan terakhir dierosi untuk mengecilkan bentuk objek. Gambar 3-14 Contoh cara kerja median filter kernel 5x5. Dari penelitian dengan metode ini sudah dapat mengantisipasi kasus objek terpotong. Tetapi objek yang berdekatan menjadi satu kesatuan objek. Melihat hasil seperti ini penulis masih menilai kurangnya kualitas yang dihasilkan dengan menggunakan metode ini. Tetapi penulis masih melanjutkan untuk

mengembangkan dengan metode serupa karena dilihat masih ada kemungkinan untuk peningkatan kualitas. 55 3.2.3.1.4. Metode 4 Gambar 3-15 Proses metode 4.

Tahapan awal metode 4 sama dengan metode 3 dimana 56 pertama-tama gambar di-convert ke grayscale, kemudian dismooth dengan gaussian blur, dan baru mengalami pengurangan gambar dengan latar. Selanjutnya akan dilakukan proses smoothing dengan median filter yang cukup besar, dan di-threshold untuk mendapatkan bentuk objek. Selain itu gambar juga akan mengalami proses erosi. Proses selanjutnya gambar didilatasi dengan tujuan untuk membalikkan ukuran objek yang sudah diperkecil agar bentuk objek menyerupai keseluruhan bentuk objek aslinya. (a) 0 0 0 0 0 0 1 0 0 0 1 0 0 1 1 1 0 1 0 0 1 1 1 0 0 0 0 0 0 1 0 0 (b) (c) Gambar 3-16 Proses dilatasi, (a) kernel dilatasi yang digunkaan; (b) gambar asli; (c) hasil dilatasi. Sehingga dapat dikatakan gambar mengalami proses opening (2.2.2.3.1). Gambar kembali di-threshold dengan harapan menghasilkan bentuk objek yang lebih mendekati lagi dengan bentuk objek asli. Dimana seperti di percobaan metode 1, masih mungkin bentuk yang dihasilkan dari proses erosi menjadi tidak sederhana, maka dari itu kembali di-

57 smooth dengan median filter untuk mendapatkan bentuk inti objek. Dari penelitian dengan metode ini dinilai baik untuk memisahkahkan 2 objek yang berjarak dekat, tetapi masih tidak dapat membedakan jika orang tersebut berjarak sangat dekat atau menempel yang ketika dihasilkan, bentuk objeknya adalah 1 kesatuan. Tetapi penulis masih berusaha untuk membuat metode baru dimana dapat lebih meningkatkan akurasi walaupun objek berdempetan.

58 3.2.3.1.5. Metode 5 Gambar 3-17 Proses metode 5. Pada metode kali ini lebih difokuskan untuk pendapatan bentuk objek yang lebih optimal. Tahapan awal di metode 5 ini masih sama seperti metode 4 dan beberapa metode sebelumnya. Dimana pertama-tama gambar di-covert ke

59 grayscale, kemudian di-smooth dengan gaussian blur sebelum dilakukan pengurangan antar gambar dengan latar. Perbedannya dari metode 4, setelah gambar dikurangi dengan latar, gambar di-smooth dengan gaussian blur, tidak menggunakan median filter karena dengan gaussian blur diharapkan efek blur yang dihasilkan tidak terlalu kuat karena jika terlalu kuat akan seperti median filter, dimana 2 objek akan dianggap menjadi 1 objek, dimana dengan gaussian blur diharapkan masih dapat menyatukan objek menjadi satu kesatuan namun tetap dapat memisahkan 2 objek yang saling berdekatan, sehingga memungkinkan untuk mengurangi tingkat kesalahan ketika objek berdempetan. Kernel yang digunakan berukuran sama dengan median filter, bertujuan untuk melihat perbedaan yang dihasilkan. Selanjutnya gambar di-threshold untuk menghasilkan bentuk objek secara keseluruhan. Gambar didilatasi dengan struktur elemen yang sama yaitu 3x3. Hal ini bertujuan untuk menutupi celah-celah yang timbul seperti pada kasus garis lantai. Kemudian kembali dierosi dengan struktur elemen 3x3 dengan tujuan utama hanya untuk mendapatkan bentuk objek secara keseluruhan. Iterasi erosi yang dilakukan akan lebih tinggi dari iterasi

dilatasi, dengan harapan untuk mengembalikan objek ke 60 bentuk semula seperti sebelum didilatasi, dan untuk memutuskan tangan. Selanjutnya kembali didilatasi dengan struktur elemen yang sama, untuk mengembalikan objek ke bentuk awal. Gambar yang sudah seperti objek asli kembali dismooth dengan gaussian blur untuk tetap menjaga kualitas objek agar tidak ada yang menyatu kembali seperti pada metode sebelumnya, yang menggunakan median filter. Dan pada akhirnya di-threshold kembali untuk mendapatkan bentuk inti objek. Bedasarkan sejumlah percobaan, objek yang dihasilkan masih belum sesuai dengan apa yang diharapkan, yaitu ketika objek asli saling berdekatan, objek akan tetap dikenali sebagai 1 objek, pengurangan tingkat kesalahan yang terjadi sangatlah kecil, selain itu penggunaan gaussian blur dengan kernel yang sama dengan kernel median filter menghasilkan calon bentuk objek yang berbeda, maka dilakukan optimasi kembali. Dari hasil ini dicoba metode lain dengan cara yang berbeda.

61 3.2.3.1.6. Metode 6 Gambar 3-18 Proses metode 6.

62 Ini merupakan metode terakhir, dimana hasil yang didapat merupakan hasil terbaik. Perbedaan dengan metode 5, pada metode 6 tidak terjadi pengolahan gambar kembali dengan metode smoothing. Dimana setelah hasil pemisahan objek dengan latar, gambar langsung di-threshold, dengan tujuan untuk mengambil bagian utama dari objek, tanpa kehilangan data. Setelah itu dilakukan erosi untuk pemutusan dan penghilangan bagian-bagian yang berukuran kecil atau tipis dan yang memiliki ukuran yang kurang besar dari ukuran yang diinginkan. Selanjutnya dilakukan kembali proses dilatasi untuk mengembalikan bentuk objek, namun dengan nilai iterasi yang lebih kecil dari iterasi erosi, karena menurut percobaan masih mungkin objek menjadi 1 kesatuan jika didilatasi dengan iterasi memiliki level nilai yang sama. Sehingga level nilai iterasi dilatasi yang digunakan harus memiliki level nilai yang lebih kecil dari level nilai iterasi erosi. Selanjutnya objek di-smooth untuk penyederhanaan bentuk. Smooth yang digunakan adalah gaussian blur dengan tujuan untuk tetap menjaga agar objek yang bersentuhan dengan objek lain, agar memiliki nilai pixel yang relatif kecil, dimana inti dari objek tersebut tetap memiliki nilai pixel yang

63 cukup besar untuk dibedakan dengan nilai daerah tepinya. Terakhir di-threshold untuk mendapatkan bentuk inti dari objek tersebut, dan menghilangkan bagian gambar yang bergradasi akibat gaussian blur. Threshold dilakukan agar bentuk yang terambil hanya inti dari intinya saja. sehingga bentuk objek yang dihasilkan akan menjadi lebih kecil. Dari hasil penelitian, hasil yang ditampilkan cukup memuaskan karena secara umum objek dapat dikenali dengan akurasi yang lebih tinggi. 3.2.3.2. Penghitungan objek Pada tahap sebelumnya, pemisahan antara objek dengan latar dapat dilihat di bagian akhir selalu berakhir dengan binary image. Hal ini sengaja dilakukan dengan tujuan untuk mempermudah proses penghitungan arus. Pendekatan yang dilakukan yaitu ketika objek melewati batas garis yang sudah ditentukan maka objek akan dihitung sebagai arus masuk ataupun arus keluar tergantung situasinya. Untuk sekarang penentuan batas dilakukan dengan otomatis oleh aplikasi, yaitu ditengah-tengah gambar. Untuk nantinya, penentuan batas dapat dilakukan dengan manual. Total cara yang diteliti ada sebanyak 3 metode. Jika objek pertama kali berada di Area Keluar, dan telah melewati batas serta berada di Area Masuk, maka objek akan

64 dianggap telah masuk. Sebaliknya, jika objek berada di Area Masuk dan dan telah melewati batas serta berada di Area Keluar, maka objek akan dianggap telah keluar. Jika objek pertama kali berada di Area Keluar dan berakhir di Area Keluar dengan atau tanpa menyentuh batas dan sebelum melewati batas ke Area Masuk, maka objek tidak dianggap masuk. Sebaliknya jika objek pertama kali berada di Area Masuk dan berakhir di Area Masuk juga dengan atau tanpa menyentuh batas dan sebelum melewati batas ke Area Keluar, maka objek tidak dianggap keluar. Gambar 3-19 Template dasar area objek. 3.2.3.2.1. Metode 1 garis Pertama-tama mengambil 1 buah garis dengan nilai yang berasal dari hasil pemisahan antara objek dengan latar di koordinat-koordinat yang sesuai dengan penentuan garis batas sebelumnya.

65 Gambar 3-20 Proses penetuan batas metode 1 garis. Misalkan lebar batas 8 pixel Urutan pixel: Nilai pixel : Gambar 3-21 Contoh pemakaian metode 1 garis. Pada Gambar 3-21, dilakukan proses pencarian objek dengan perulangan dari pixel awal(0) hingga ke pixel akhir(7) dicari apakah ada yang bernilai lebih dari 0. Nilai pixel yang lebih dari 0, dengan rentang yang seharusnya hanya 0-1, yaitu 1 merupakan objek. Jika ditemukan pixel dengan nilai 1 maka akan dianggap objek.

66 Gambar 3-22 Proses pencarian objek metode 1 garis. Tahap selanjutnya yaitu pengecekan lebar objek. Pengecekan dilakukan dengan pengulangan selama nilai pixel masih > 0. Setelah lebar objek didapat, objek diidentifikasi apakah objek pertama kali ditemukan atau bukan. Saat aplikasi pertama kali berjalan, sudah didefinisikan adanya status First_Objek dengan nilai true. Jika First_Objek bernilai true, maka akan dibuat objek baru dengan id = 1, yang dengan penetapan lebarnya dari hasil yang ditemukan. Jika dengan contoh sebelumnya maka hasilnya akan seperti berikut:

67 Jika status First_Objek adalah false, maka akan dicek apakah di frame sebelumnya, sudah pernah ada objek dengan id tertentu di sepanjang pixel tersebut. Seperti Gambar 3-23. Gambar 3-23 Contoh kasus deteksi objek dengan metode 1 garis, Baris 1 atas merupakan nilai id di tiap pixel; Baris 2 merupakan nilai pixel di garis pembatas; Baris 3 merupakan urutan pixel. Asumsikan sekarang objek yang akan diidentifikasi adalah objek yang berada di urutan 6-8. Hasil id dari id yang sudah pernah ada yaitu 0, 2, 2. Maka Objek yang sekarang dianggap ber-id 2 karena modusnya adalah 2. Beberapa kemungkinan variasi penentuan id yang berhasil ditemukan yaitu: 1. Modus = 0, tetapi ada id dengan nilai bukan 0, untuk kasus seperti ini id objek dianggap bernilai yang bukan 0

68 2. Modus =0, bedasarkan hukum no.1, dicek modus selain 0, yaitu 2 dan 4, karena memiliki jumlah yang sama, dan tidak ada objek lain, id objek dianggap bernilai 2 atau 4 sama saja. Jika jumlahnya berbeda maka diambil yang paling banyak. 3. Ada 2 objek yang dapat ber id = 4. Maka Objek1 dianggap ber-id=4, Objek2 dianggap ber-id = 2. Tahapan proses yang dilakukan yaitu dengan melakukan perulangan sebanyak jumlah objek yang saat ini sudah ditemukan. 4. Ada lebih dari 2 objek yang dapat ber id = 4. Maka Objek1 dianggap objek baru dengan id bukan 4 dan 2, Objek2 dianggap ber-id = 2, dan Objek3 dianggap ber-id = 4 karena diantara objek lainnya, Objek3 paling banyak mewakili id = 4, sebanyak 2 buah. Tahapan proses yang dilakukan yaitu dengan melakukan perulangan sebanyak jumlah objek yang saat ini sudah ditemukan dan pembaharuan id objek.

69 5. Ada lebih dari 2 objek yang dapat ber id = 4. Karena seluruh objek hanya berada di id 4, maka Objek1, Objek2, dan Objek3 dianggap sebagai 1 objek dengan id = 4. Di metode ini baru hanya dapat menghitung objek yang telah menyentuh garis. Jika Objek menyentuh garis maka Objek dengan id khusus akan dibuat. Saat pertama kali objek baru dibuat maka saat itu juga proses penambahan total objek yang lewat ditambah dan selama objek dengan id tersebut masih ada, penambahan tidak diberlakukan untuk objek tersebut atau singkatnya selama objek berada di dalam batas garis, penambahan tidak akan berlangsung. Dari percobaan yang dilakukan terdapat kelemahan dimana jika objek baru menyentuh garis, dengan hanya 1 pixel dari bagian objek, maka menurut tahapan proses penghitungan, total objek yang lewat bertambah. Disini ketika objek melaju kearah sebaliknya, karena hanya 1 pixel yang menyentuh baris, maka objek dianggap hilang, lalu ketika objek maju lagi ke arah garis, maka akan dianggap objek baru.

70 Contoh : Baris 1 merupakan frame pertama, objek baru menyentuh garis setinggi 1 pixel, dan total objek pelewat garis bertambah. Baris 2 merupakan frame berikutnya, objek mundur/ menjauhkan diri dari garis baru hanya sekitar 1 pixel Baris 3 objek kembali menyentuh garis dan total objek pelewat garispun bertambah. Contoh lengkapnya: Frame pertama, baris 2 merupakan garis pembatas, ada 1 pixel yang berada di garis pembatas. Frame berikutnya objek mundur. Frame berikutnya objek kembali menyentuh garis batas.

71 3.2.3.2.2. Metode 2 garis Gambar 3-24 Template metode 2 garis. Pada metode ini terdapat membuat 2 buah garis batas. Objek hanya akan dianggap masuk jika pertama kali objek berada di Area Keluar, menyentuh garis batas keluar (garis warna biru), menyentuh garis batas masuk(garis warna hijau), melewati garis batas keluar, melewati garis batas masuk, dan berakhir berada di Area Masuk. Sebaliknya, Objek hanya akan dianggap keluar jika pertama kali objek berada di Area Masuk, menyentuh garis batas masuk (garis hijau), menyentuh garis batas keluar (garis biru), melewati garis batas masuk, melewati garis batas keluar, dan berakhir berada di Area Keluar.

72 (a) (b) Gambar 3-25 Contoh kasus metode 2 garis, (a) objek masuk; (b) objek keluar. Terdapat 2 status baru untuk objek yaitu Start dan End. Status Start dan End digunakan untuk menentukan poisisi objek berada dimana. Jika objek pertama kali menyentuh garis batas Keluar maka status Start dan End objek menjadi Keluar, sebaliknya jika objek pertama kali menyentuh garis batas masuk maka status Start dan End akan menjadi Masuk. Gambar 3-26 Proses metode 2 garis.

73 Seperti metode 1 garis, pendekatan pertama untuk identifikasi id objek masih sama dengan hukum-hukum yang ada di metode 1 garis garis. Tetapi bedanya dicek di 2 garis batas. Cara pengecekan dilakukan dengan asumsi bentuk objek yang sederhana atau mendekati lingkaran. Dengan bentuk seperti ini diharapkan dapat memudahkan pengecekan apakah di 2 garis batas merupakan objek yang sama atau berbeda dengan membuat gambar baru berukuran kotak setinggi jarak antar garis batas dan selebar garis batas. Untuk lebih jelasnya dapat dilihat pada Gambar 3-27. Gambar 3-27 Pemisahan area pada metode 2 garis. Jarak antara batas garis yang digunakan yaitu 60 pixel. Dipilih 60 pixel sebenarnya tidak perlu 60 pixel, bisa saja lebih besar selama masih dapat mencakup objek, karena disini tidak ditentukan tinggi dan lebar minimum suatu objek maka diambil 60 pixel. Tetapi karena bedasarkan penelitian di pemisahan objek dengan latar, secara umum tinggi objek berkisar lebih dari 60 pixel.

74 Pengecekan id dapat dimulai dari salah satu garis karena hanya untuk mengecek id, tidak akan mempengaruhi proses lainnya. Di penelitian kali ini penulis menggunakan garis batas keluar sebagai pengulangan pertama. Gambar 3-28 Proses pencarian objek, metode 2 garis. Jika objek ditemukan, dicari lebar objek, dan objek diidentifikasi untuk menentukan id objek. Karena menggunakan 2 garis batas maka ketika objek akan diidentifikasi, objek ditentukan terlebih dahulu, apakah objek hanya berada di 1 garis atau 2 garis. Cara pengecekan dilakukan dengan mengecek sepanjang lebar objek di garis yang satunya lagi. Hal ini dimungkinkan karena objek dianggap berbentuk sederhana sehingga jika objek berada di 2 garis, maka

75 seharusnya lebar objek di salah satu garis mewakili juga lebar objek di garis lainnya. Setelah pengecekan di garis batas keluar selesai, dimulai pengecekan di garis batas masuk, dengan cara yang sama. Misalkan jarak garis batas sebanyak 6 pixel: Jika pengecekan pertama kali dari garis batas keluar (garis biru), maka objek ditemukan di pixel (5,5), maka akan dilakukan pengecekan ke garis batas hijau, apakah seluruh pixel dari index (5,4) -> (5,3) -> (5,2) -> (5,0) bernilai> 0 semua. Jika ya maka Objek tersebut dianggap sebagai 1 kesatuan. Setelah itu identifikasi objek bedasarkan kedua garis batas tersebut. Setelah semua objek di frame sudah teridentifikasi, dilakukan proses pencarian objek yang sudah tidak aktif/ sudah tidak terdeteksi di batas garis bedasarkan id yang tidak terpakai di objek-objek baru. Objek-objek yang sudah tidak aktif dilakukan proses penghitungan penambahan.

76 Proses peritungan berdasarkan dari status. Status End ditentukan selama objek berada di salah satu garis batas ataupun di 2 garis batas. Jika objek hanya berada di garis batas Keluar maka status End akan bernilai Keluar, sebaliknya jika objek hanya berada di garis batas masuk maka status End akan bernilai Masuk, jika objek berada di garis batas maka status End akan bernilai Tengah. (a) (b) (c) (d) (e) Gambar 3-29 Contoh kasus pergerakan dalam metode 2 garis.

77 Cara penghitungan Total objek yang lewat didapat dari status Start dan End ketika Objek sudah tidak berada di batas garis manapun. Jika Start = Masuk dan End = Keluar, maka objek akan dihitung sebagai Keluar, Total_Keluar bertambah, Keluar_Current bertambah dan Masuk_Current berkurang. Jika Start = Keluar dan End = Masuk, maka objek akan dihitung sebagai Masuk, Total_Masuk bertambah, Masuk_Current bertambah dan Keluar_Current berkurang. Selain dari 2 ini tidak ada penghitungan terhadap penambahan Masuk atau Keluar. Masuk_Current merupakan jumlah objek yang saat itu juga berada di Area Masuk, sedangkan Keluar_Current merupakan jumlah objek di Area Keluar. Hanya proses matematis sederhana, jika ada yang masuk, tambah yang masuk, kurangi yang keluar. Jika ada yang keluar, tambah yang keluar, kurangi yang masuk. Jika nilai Masuk atau Keluar < 0 maka tidak ada objek di area tersebut. Dari penelitian dengan metode ini didapati bahwa aplikasi dapat dengan baik menghitung arus keluar dan masuk objek. Tetapi penulis merasakan dapatnya disederhanakan proses komputasinya, dimana perulangan di 2 batas garis dirasa tidak efisien dan dapat menggunakan hanya 1 garis saja. Tetapi pada kenyataannya bentuk objek tidak selalu menyerupai lingkaran, maka jika ada 1 objek tetapi misalkan

78 bentuk objek seperti huruf V, jika bagian bawah V berada di garis batas, dan bagian atas V menyentuh garis batas satunya lagi, objek yang seharusnya 1 kesatuan akan dianggap sebagai objek yang berlainan. 3.2.3.2.3. Metode 1 garis versi 2 Gambar 3-30 Arah pergerakan contour finding. Pada metode kali ini digunakan pencarian kontur objek dan garis batas sebanyak 1 garis. Di metode-metode sebelumnya, disaat frame yang sama, cara membedakan antara objek yang satu dengan yang lainnya masih mungkin terjadi kesalahan. Dengan itu penggunaan deteksi kontur diharapkan dapat menghilangkan hal tersebut dengan cara setiap kontur yang ditemukan langsung diproses identifikasi idnya.

79 (a) (b) (c) (d) (e) G ambar 3-31 Proses pendeteksian objek 1 garis versi 2, (a)gambar awal; (b)pencarian kontur; (c) pemisahan objek yang ditemukan; (d) pembuatan gambar baru;(e) hasil;

80 Kontur yang ditemukan diset nilainya menjadi 0, dan di gambar baru dengan nilai yang diset seluruhnya 0, digambar objek dengan kontur yang baru ditemukan dan diisi dengan nilai 1. Pada saat pencarian kontur, nilai x dan y minimum didapat, dari sini proses identifikasi dapat disederhanakan hanya selebar objek, tidak perlu mengecek 1 baris. Berbeda dari metode 1 dimana sebelumnya objek tidak diketahui secara utuh, di metode ini ketika setiap kontur didapat, proses pengidentifikasian objek langsung dilakukan, tidak mencari kontur lainnya dulu, Jika y min > y garis batas dan y max < y garis batas, maka objek baru akan diidentifikasi, karena yang tidak memenuhi berarti sedang tidak menyentuh garis batas. Nilai y min dan y max digunakan untuk pengisian status Start dan End. Asumsikan titik paling kiri atas adalah 0,0 dan x bertambah positif ke arah kanan, y bertambah positif ke a rah bawah. Maka jika y min - y garis batas > y garis batas y max, maka status akan diperbaharui dengan nilai Masuk, Sebaliknya jika y garis batas y max < y min y garis batas,

maka status akan diperbaharui dengan nilai Keluar, jika nilainya sama, status tidak diperbaharui. 81 Pengidentifikasian objek hanya tinggal mengambil modus di nilai id pixel. Jika 0 semua id nya 0 maka akan dibuatkan id baru. Jika id yang didapat ada 0 dan bukan 0 maka yang diambil modus bukan 0, id yang diambil di nilai id diset menjadi 0 dengan tujuan id tidak dipakai lagi oleh objek lainnya. Setelah semua objek di 1 frame dibuat maka nilai id direset dengan diisi dari nilai id Objek yang ada. Proses penghitungan Masuk dan Keluar sama seperti metode 2 bedasarkan status Start dan End yang dicek ketika ada sebuah objek yang sudah tidak aktiflagi.