Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam Mechatronics Engineering Study Program Parkway Street, Batam Centre, Batam 29461, Indonesia E-mail: (1)hanjaya_mandala@yahoo.com,(2)Ekorudiawan@polibatam.ac.id,(3)Hendawan@polibatam.ac.id Abstrak Dalam suatu permainan sepak bola, sebuah robot soccer harus dapat menggiring bola dan menendang bola ke arah gawang. Agar dapat bermain dengan benar, sebuah robot soccer harus dilengkapi dengan sistem deteksi bola yang baik. Kamera digunakan sebagai sensor pendeteksi bola. Robot soccer harus dapat mengenali bola di dalam lapangan dengan hanya menggunakan kamera. Permasalahan yang muncul adalah adanya objek lain selain bola dalam lapangan. Permasalahan lainnya adalah intensitas cahaya dapat mempengaruhi keberhasilan pengenalan bola. Pada penelitian ini dikembangkan sistem deteksi bola dengan menggunakan perpaduan segmentasi HSV dari warna bola dan warna latar lapangan. Ukuran bola dideteksi menggunakan library cvblob. Untuk mengurangi pengaruh intensitas cahaya maka fitur auto dari kamera akan dinonaktifkan. Hasil dari penelitian ini, 84% robot soccer dapat bermain sepak bola layaknya pemain juara dunia sepak bola dengan mendeteksi bola sebagai objek utama dalam lapangan. Kata kunci : Robot Soccer, kamera, HSV, cvblob I. PENDAHULUAN Dalam pertandingan sepak bola, robot humanoid bermain layaknya permainan sepak bola yaitu mampu menggiring dan menendang bola kearah gawang. Agar dapat bermain dengan benar, sebuah robot harus dapat mendeteksi bola yang ada di lapangan dengan menggunakan kamera. Permasalahan yang dihadapi adalah adanya objek lain selain bola didalam dan diluar lapangan. Beberapa penelitian yang telah dilakukan untuk memecahkan permasalahan tersebut antara lain menggunakan sistem deteksi objek dengan ekstasi citra HSV. Proses ini memiliki tingkat keberhasilan 90% jika dibandingkan dengan ekstrasi citra RGB yang tingkat keberhasilanya sebesar 66.7 % [1]. Kelemahaan metode ini adalah pengenalan bola yang hanya menggunakan ciri dari ekstrasi warna bola tanpa memperhatikan ciri lain dari bola. Penelitian lain menggunakan metode hough transform circle[2]. Dari hasil eksperimen diperoleh tingkat keberhasilan pengenalan bola sebesar rata-rata 94,44%. Kelemahan dari metode ini adalah memerlukan waktu proses pengenalan yang lebih lama dibandingkan dengan metode thresholding standar. Untuk mengatasi cara deteksi bola yang tidak salah, maka pada penelitian ini akan dikembangkan sistem deteksi bola berdasarkan warna bola dan background warna lapangan, yaitu proses deteksi objek menggunakan perpaduan segmentasi HSV dari warna bola dan warna latar lapangan. Untuk mengurangi pengaruh perubahan intensitas cahaya, maka fitur-fitur auto dari kamera dinon-aktifkan. Ukuran panjang dan lebar bola yang dideteksi menggunakan library cvblob. Dengan demikian dapat mengurangi kesalahan deteksi dari sistem sehingga proses pendeteksian bola dapat berjalan dengan akurat dan real time. II. DASAR TEORI Permasalahan sistem deteksi yang memanfaatkan tanda atau ciri visual sebuah objek tidak lepas dari konsep deteksi dan pengenalan tanda atau ciri visual objek. Berikut ini akan dibahas tentang beberapa hal yang berkaitan dengan permasalahan tersebut. A. Color Filtering Color Filtering adalah suatu teknik pengolahan citra yang yang dipakai untuk memanipulasi suatu citra berdasarkan warna spesifik. Cara kerjanya adalah dengan membandingkan komponen warna setiap piksel citra dengan warna spesifik. Warna yang digunakan dalam Color Filtering dapat direpresentasikan dalam berbagai ruang warna, antara lain RGB (Red, Green, Blue), HSV (Hue, Saturation, Value), YCbCr, dsb. HSV merupakan ruang warna yang sangat cocok untuk mengidentifikasi warna-warna dasar, dimana warna dasar ini digunakan dalam penelitian sebagai warna identifikasi robot. Selain itu, HSV menoleransi terhadap perubahan intensitas cahaya. Inilah yang menjadi keunggulan HSV dibandingkan dengan ruang warna lainnya[3]. B. Model warna HSV HSV mendefinisikan warna dalam terminologi Hue, Saturation dan Value. Keuntungan HSV adalah terdapat warna-warna yang sama dengan yang ditangkap oleh indra manusia. Sedangkan warna yang dibentuk model lain seperti RGB merupakan hasil campuran dari warnawarna primer [4]. HSV memiliki 3 karakteristik pokok, yaitu Hue, Saturation dan Value. 2
C. Konsep Binerisasi Citra (Thresholding) Konsep binerisasi citra adalah sebuah konsep untuk mengubah suatu citra menjadi dua jenis intensitas yaitu 0 atau 255. Untuk melakukan proses ini digunakan ambang batas (threshold) yang nilainya dapat diatur sesuai keperluan. Persamaan 2.1 adalah persamaan untuk merubah citra asli menjadi citra biner Jika nilai threshold yang dipasang adalah 100, maka semua pixel yang nilainya diatas atau sama dengan 100 diganti menjadi 255, sedangkan pixel yang nilainya dibawah 100 diganti menjadi 0. III. PERANCANGAN SISTEM Pada robot Barelang FC yang digunakan memiliki sistem kontruksi yang dibagi menjadi sistem mekanik, elektrikal, dan sistem deteksi. A. Sistem Mekanik Desain robot menggunakan dua puluh unit servo sebagai penggerak pada bagian pergelangan sendi seperti pada gambar 3.1. f(x,y);if f(x,y)>threshold then f(x,y)=255 else 0 (2.1) D. Morfologi Filterisasi Pendekatan morfologi mengubah pandangan suatu citra sebagai himpunan. Pemrosesan citra secara morfologi biasanya dilakukan terhadap citra biner (hanya terdiri dari 0 dan 1). Pemrosesan citra secara morfologi dilakukan dengan cara melewatkan sebuah structuring element terhadap sebuah citra dengan cara yang hampir sama dengan konvolusi. Beberapa operasi morfologi yang dibahas dibawah ini adalah erosi dan dilasi. 1) Erosi Erosi merupakan proses penghapusan titik-titik batas objek menjadi bagian dari latar, berdasarkan structuring element yang digunakan. Pada operasi ini, ukuran obyek diperkecil dengan mengikis sekeliling objek [7]. Cara yang dapat dilakukan ada 2: Dengan mengubah semua titik batas menjadi titik latar Dengan mengatur semua titik di sekeliling titik latar menjadi titik latar. 2) Dilasi Dilasi merupakan proses penggabungan titik-titik latar menjadi bagian dari objek, berdasarkan structuring element yang digunakan[7]. Proses ini adalah kebalikan dari erosi, yaitu merubah latar disekeliling objek menjadi bagian dari objek tersebut. Terdapat 2 cara untuk melakukan dilasi ini, yaitu: Dengan cara mengubah semua titik latar yang bertetangga dengan titik batas menjadi titik obyek, atau lebih mudah dalam mengatur setiap titik yang tetangganya adalah titik obyek menjadi titik obyek. Dengan mengubah semua titik di sekeliling titik batas menjadi titik obyek, atau lebih mudah dalam mengatur semua titik tetangga sebuah titik obyek menjadi titik obyek. Gambar 3.1 Desain Mekanik Robot B. Sistem Elektrikal Komponen-komponen pengontrol robot yang digunakan pada robot ditunjukkan pada gambar 3.2 Webcam Camera Mini PC Servo Controller Gambar 3.2 Diagram Elektrikal Robot 3 5 9 20 1 19 2 11 13 17 15 16 18 C. Sistem Deteksi Pada robot Barelang FC, sistem deteksi bola terbagi dalam proses deteksi bola berdasarkan warna dan pengenalan bola dapat digambarkan pada diagram blok sistem seperti pada gambar 3.3 12 14 4 6 10 3
Kamera Robot mendeteksi objek Konversi Citra asli (RGB) Citra HSV Bounding Box Sistem Deteksi Bola Binarisasi (Thresholding) Background Lapangan Erosi Sistem Pengenalan Bola CV Blob Bola Gambar 3.3 Diagram Blok Sistem Deteksi Robot Penggambilan gambar dari kamera merupakan proses awal. Setelah itu sistem deteksi mendeteksi objek berdasarkan warna yaitu mengubah citra RGB menjadi HSV. Kemudian citra di filter terhadap warna bola dan warna lapangan yaitu merupakan proses dari binarisasi. Citra hasil dari ekstraksi binarisasi selanjutnya perlu dilakukan filterisasi morphological. Dengan tujuan untuk menghilangkan noise-noise dari gambar dilakukan erosi. Proses penakanan area objek yang ingin dideteksi merupakan proses filter dari dilasi. Agar robot dapat mengenali bola didalam lapangan setelah melalui proses deteksi warna, maka proses selanjutnya ialah identifikasi ciri dari bola. Ukuran bola dan lapangan dibantu menggunakan library cvblob. Dilasi Tabel 4.1 Hasil Pengujian Sistem Deteksi Bola Oranye Pengujian Tingkat Keberhasilan Deteksi Bola Tenis Oranye Jarak (m) Warna Bola Aktual Deteksi Status 0.288444 Kuning Terdeteksi Tidak Berhasil 0.576888 0.865332 1.153776 1.44222 1.730664 2.019108 2.307552 IV. HASIL DAN ANALISA Untuk mendapat hasil dan analisa maka perlu dilakukan beberapa pengujian. Adapun pengujian seperti dibawah ini. A. Pengujian sistem deteksi robot Untuk proses pengujian sistem deteksi warna bola digunakan 4 buah bola tenis dengan warna merah, kuning, oren dan biru yang diperlihatkan pada gambar 4.1 dalam pengujian bola diletakan dengan jarak yang berbeda dari robot yaitu menggunakan jarak terjauh pada lapangan pengujian yang berada pada garis diagonal lapangan. Gambar 4.1 Bola Pengujian Sistem Deteksi Warna 4
2.595996 2.88444 3.172884 3.461328 3.749772 4.038216 4.32666 4.615104 4.903548 5.191992 5.480436 5.76888 6.057324 6.345768 6.634212 6.922656 7.2111 Berdasarkan Tabel 4.1 dapat dilihat bahwa persentase keberhasilan dari sistem pendeteksian bola tenis oranye ini sebesar 84% dari persentase keseluruhan sebesar 100% B. Pengujian sistem pengenalan bola Pengujian ini dilakukan dengan cara meletakkan bola didalam (gambar4.2), tepi (gambar4.3) dan luar lapangan (gambar 4.4). Gambar 4.2 Bola Pada Tepi Lapangan. Gambar 4.3 Bola Pada Luar Lapangan. Gambar 4.4 Bola Pada Dalam Lapangan. Dalam pengenalan bola didalam lapangan memanfaatkan algoritma koordinat bola yang berada didalam koordinat lapangan. Sehingga berdasarkan gambar diatas dapat dilihat bahwa sistem pengenalan bola dapat mengenali bola yang berada dalam lapangan. V. KESIMPULAN Pada penelitian sistem deteksi bola berdasarkan warna bola dan background warna lapangan, diperoleh 84% tingkat keberhasilan pada proses deteksi menggunakan ekstrasi warna HSV pada bola, penyebabnya adalah nilai spektrum antara warna merah dan oren yang dekat. Proses deteksi pada sistem ini memiliki proses yang cepat dan real time. 5
VI. DAFTAR PUSTAKA [1] Calvinsan Pratama Dewangga, Sistem Deteksi Bola, Gawang, Dan Kostum Pada Robot Barelang FC Menggunakan Machine Vision, Buku Tugas Akhir Diploma IV, Jurusan Mekatronika, Politeknik Negeri Batam, 2014. [2] Muhammad Anwar Ma sum, Dean Zaka Hidayat, Optimasi Pencarian Objek Bola Pada Robot Soccer Humanoid Menggunakan Metode Hough Transform. Indonesian Symposium on Robot Soccer Competition. 2013. [3] Dhiemas, R.Y.S. 2011. Pencarian Posisi Robot: Studi Kasus Pencarian Sumber Kebocoran Gas.(Online).(http://jiki.cs.ui.ac.id/index.php/jiki/article/downlo ad/39/44). Diakses Tanggal 17 April 2016 [4] Kadir, Abdul, Teori dan Aplikasi Pengolahan Citra., Andi, Yogyakarta, 2013. [5] Purnomo, Mauridhi Hery dan Muntasa, Arif, Konsep Pengolahan Citra Digital dan Ekstraksi Fitur, Edisi Pertama, Graha Ilmu, Yogyakarta, 2010. [6] Soebakthi, Hendawan. Pengembangan Sistem Navigasi Natural Landmark-Based pada Security Mobile Robot. M.T. Tesis. Institut Teknologi Sepuluh November. Surabaya. 2012. [7] Gentang Syabba Nahla, Tracking Bola Menggunakan Robotino Buku Tugas Akhir Diploma IV, Jurusan Teknik Informatika, Politeknik Elektronika Negeri Surabaya, 2010. VII. BIOGRAPHY Hanjaya Mandala lahir di Batam, Kepulauan Riau pada tanggal 17 november 1995. Sekarang sedang menjalani perkuliahan pada semester 6 di Politeknik Negeri Batam. Sejak tahun 2014 aktif dalam tim robot Politeknik Negeri Batam. Pernah mengikuti kontes robot regional dan nasional pada tahun 2014 dan 2015 di divisi KRPAI beroda dan kontes robot sepak bola Indonesia. 6