Aplikasi Pengenalan Pola pada Citra Bola Sebagai Dasar Pengendalian Gerakan Robot

dokumen-dokumen yang mirip
BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

PRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :

Bab III Metoda Taguchi

BAB V ANALISA PEMECAHAN MASALAH

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

BAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

ANALISIS PERBANDINGAN METODE INTENSITY FILTERING DENGAN METODE FREQUENCY FILTERING SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

TINJAUAN PUSTAKA Pengertian

BAB 2 LANDASAN TEORI

IV. METODE PENELITIAN

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB IV PEMBAHASAN DAN ANALISIS

BAB III METODE PENELITIAN

9 Departemen Statistika FMIPA IPB

BAB III METODOLOGI PENELITIAN

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PEGAWAI TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) (STUDI KASUS: PARKIR INAP MOTOR P-24 YOGYAKARTA)

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Kata kunci: Critical speed, whirling, rotasi, poros.

BAB IV PENGUMPULAN DAN PERHITUNGAN DATA

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

IV. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

Aplikasi Interpolasi Bilinier pada Pengolahan Citra Digital

BAB IV PEMECAHAN MASALAH

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

SUATU TINJAUAN NUMERIK PERSAMAAN ADVEKSI DIFUSI 2-D TRANSFER POLUTAN DENGAN MENGGUNAKAN METODE BEDA HINGGA DU-FORT FRANKEL

PROSIDING ISBN:

1 Departemen Statistika FMIPA IPB

Implementasi Pengolahan Citra Pada Mobile Robot Vision Dengan Menggunakan Metoda Viola Jones

Sidang Tugas Akhir Teknik Manufaktur

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PRESENTASI TUGAS AKHIR KI091391

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

BAB III METODOLOGI PENELITIAN

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODE PENELITIAN

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

III. METODELOGI PENELITIAN

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

5. KARAKTERISTIK RESPON

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

TEKNIK ESTIMASI GERAK PENCARIAN PENUH DENGAN AKURASI SETENGAH PIKSEL UNTUK FRAME RATE UP CONVERSION VIDEO

M A K A L A H. Disusun oleh : KARTOBI NIM

BAB II TEORI MOTOR LANGKAH

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

Bab 3 Metode Interpolasi

BAB III METODOLOGI PENELITIAN

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III METODOLOGI PENELITIAN. yang diperoleh dengan penelitian perpustakaan ini dapat dijadikan landasan

BAB III METODE PENELITIAN. pre test post test with control group. Penelitian ini berupaya untuk

BAB 6: ESTIMASI PARAMETER (2)

Bab 7 Penyelesaian Persamaan Differensial

SOAL PRAPEMBELAJARAN MODEL PENILAIAN FORMATIF BERBANTUAN WEB-BASED UNTUK MENINGKATKAN PEMAHAMAN KONSEP FISIKA SISWA

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Studi Plasma Immersion Ion Implantation (PIII) dengan menggunakan Target Tak Planar

BAB 1 PENDAHULUAN. 1.1 Latar Belakang


PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT

AKUISISI SUHU HIPERTERMIA BERBASIS USB

IV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota

III. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung

REGRESI DAN KORELASI

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

BAB III OBYEK DAN METODE PENELITIAN

BAB III METODOLOGI PENELITIAN

BAB I PENDAHULUAN. X Y X Y X Y sampel

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

BAB 2 LANDASAN TEORITIS

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB III METODE PENELITIAN

IV. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan September sampai Desember

BAB 3 METODE PENELITIAN

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

ABSTRAK. Irvan Hadi Purnomo Mahasiswa Program Studi Pendidikan Teknik Otomotif FT UNY

Transkripsi:

Jural Emitor Vol.16 No. 02 ISSN 1411-8890 Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot Ratasari Nur Rohmah Jurusa Tekik Elektro Uiversitas Muhammadiyah Surakarta (UMS) Surakarta, Idoesia rr217@ums.ac.id Usma Jurusa Tekik Elektro Politekik Negeri Badug Badug, Idoesia usmab@polba.ac.id Abstraksi kalah ii memaparka aplikasi metode pegeala pola pada citra bola sebagai dasar pegedalia geraka robot. Citra bola merupaka data masuka yag diakuisisi dega kamera pada robot. Data citra pada peelitia ii diguaka utuk: seleksi obyek, jarak obyek ke robot, da peetu arah geraka robot. Fitur citra yag diguaka dalam proses pegedalia robot adalah fitur-fitur: wara, betuk, perubaha ukura, da perubaha posisi relatif obyek pada suatu sumbu koordiat. Fitur ciri diperoleh dega peapisa wara pada ruag wara HSV, pegeala betuk dega circle Hough trasform, perubaha ukura dega perbadiga jumlah piksel, da posisi relatif obyek diperoleh dega perbadiga jarak horisotal dari titik pusat bola awal ke tepi-tepi bola. Uji coba pada sistem memperlihatka metode pegeala pola citra yag diterapka dapat diguaka sebagai dasar geraka robot. Hasil uji coba memperlihatka robot dapat melakuka pejajaka terbaik pada citra dega resolusi 320240 piksel, da memiliki jarak padag maksimum 113 cm, da megeali obyek sampai pada itesitas cahaya miimum 21,1 lu. Katakuci pegeala pola; citra; pegedalia I. PENDAHULUAN (HEADING 1) Pegeala pola adalah salah satu peerapa dari pegolaha citra dalam kategori aalisis citra. Umumya tahapa dalam pegeala pola adalah segmetasi citra atau seleksi obyek, ekstraksi fitur, da idetifikasi. Peelitia meerapka tekologi peerapa pola utuk megaalisis citra hasil tagkapa kamera suatu robot, da megguakaya utuk pegedalia geraka robot secara real time. Pemiliha kamera sebagai sesor pada robot adalah utuk meiruka salah satu perilaku mausia dalam meetapka suatu geraka. Dega data yag diperoleh oleh idera mata, seorag mausia bisa megolah iformasi citra yag ditagkap utuk berbagai keputusa dalam melakuka suatu geraka. Beberapa keputusa geraka tersebut adalah, obyek maa yag aka diikuti, diikuti atau tidakya geraka suatu obyek da arah geraka jika keputusaya adalah megikuti geraka suatu beda. Keputusa ii bisa ditetapka bahka haya dega iformasi berupa citra yag ditagkap oleh idra mata mausia. Geraka yag diracag utuk dilakuka oleh robot pada peelitia ii adalah geraka maju-mudur mejauhi atau medekati suatu obyek tertetu, serta geraka membelok sesuai arah pergeraka obyek tersebut. Geraka ii bisa dikedalika haya dega pegeala citra yag diakuisisi dega kamera. Pegguaa data citra ii aka memiimalisasi kebutuha sesor robot dalam melakuka fugsiya. II. DASAR TEORI DAN TINJAUAN PUSTAKA Beberapa tekik pegolaha citra yag diguaka dalam peelitia ii diataraya adalah tekik pegubaha ruag wara citra 1

Ratasari Nur Rohmah, Usma, Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot dari ruag wara RGB ke dalam ruag wara HSV. Tekik ii diguaka dalam proses segemetasi citra utuk seleksi obyek tertetu dalam satu frame citra yag mempuyai beberapa obyek. Segmetasi pada ruag wara ii dipilih karea memberika idetifikasi yag lebih baik terhadap objek dalam sebuah image dibadigka dega yag dihasilka megguaka ruag wara RGB [1]. Metode ii lebih baik karea metode color filterig RGB utuk segmetasi wara masih belum dapat memahami objek secara akurat disebabka oleh faktor dari itesitas cahaya yag belum diperhitugka [2]. Fitur lai yag dikeali pada peelitia ii adalah fitur betuk obyek. Pada peelitia ii obyek yag aka dikeali oleh robot adalah obyek berbetuk bola. Peelitia ii meggabugka tekik deteksi tepi da algoritma hough circles utuk megeali obyek ligkara. Algoritma ii merupaka algoritma yag serig diguaka utuk medeteksi betuk ligkara pada sebuah citra dua dimesi [3]. Ukura suatu obyek citra bisa dilakuka dega berbagai macam, mulai dari pegguaa rumus geometris, bayakya piksel, atau pegukura diagoal obyek. Peelitia ii megguaka metode sederhaa dega pegukura diameter ligkara pada suatu koordiat virtual. III. METODE PENELITIAN Pada peelitia ii ciri yag dikeali citra aka diguaka utuk: seleksi obyek, peetua geraka maju-mudur, peetua arah belok robot. Algoritma pegeala pola dalam peelitia ii adalah sebagai berikut: i. Peetapa ilai umerik wara citra dalam ruag wara HSV (berdasar eksperime) yag aka diguaka dalam peapisa wara obyek, peetapa waktu tuda akuisisi citra utuk peetapa gerak. ii. Akuisisi citra. iii. Segmetasi citra proses 1: pegubaha ruag-wara citra ke dalam ruag wara HSV, proses peapisa wara, da peetapa kadidat obyek sesuai hasil proses peapisa wara. iv. Segmetasi citra proses 2: deteksi tepi kadidat obyek dilajutka trasformasi Hough circle, peetapa obyek. v. Pegukura diameter da posisi citra obyek dalam koordiat virtual, peetapa hasil pegukura sebagai diameter da posisi referesi. Gambar 1 berikut memperlihatka bagaimaa posisi obyek ditempatka dalam koordiat virtual, pegukura diameter, serta peetapa belok kaa-kiri. vi. Akuisisi citra obyek setelah waktu tuda. vii. Pegukura diameter citra da perbadiga dega diameter referesi, peetua keputusa gerak maju jika diameter lebih besar dari diameter referesi da sebalikya. viii. Pegukura posisi diameter citra da perbadiga dega posisi referesi, peetua belok kaa jika posisi citra lebih kaa dari referesi da sebalikya. Lagkah (vi) sampai lagkah (viii) terus dilakuka agar diperoleh pegedalia geraka robot secara real time, sampai peritah berheti. Gambar 1. Koordiat serta diameter gambar bola utuk sistem gerak robot [4]. Pegujia ujuk-kerja sistem yag dibagu pada peelitia ii dilakuka dega pegujia utama pada ketepata peetua obyek oleh robot, ketepata megikuti arah geraka. Selai itu diukur juga ujuk-kerja robot dalam hal kecepata respo robot atas perubaha geraka, pegaruh resolusi citra, da pegaruh pecahayaa saat akuisisi citra. IV. HASIL DAN PEMBAHASAN A. Eksperime peetapa ilai umerik utuk peapisa wara Eksperime dilakuka dega meguji coba peetapa beberapa ilai umerik baik 2

Jural Emitor Vol.16 No. 02 ISSN 1411-8890 dalam ruag wara RGB maupu HSV. Hasil eksperime pada berbagai wara obyek didapatka ilai umerik utuk kedua ruag wara seperti terlihat pada Tabel 1 da Tabel 2. Kedua ilai tersebut kemudia diuji-coba utuk medapatka perbadiga pegguaa kedua ruag wara di atas. Uji coba meujukka bahwa pegguaa ruag wara HSV meujukka jagkaua wara yag lebih akurat dibadig pegguaa ruag wara RGB. Dari uji coba atas citra dega 8 obyek (Gbr. 2), peapisa wara dalam ruag RGB meghasilka pegeala sebagi 10 obyek. Kesepuluh obyek ii adalah wara: merah: 2, hijau: 2, biru: 3; kuig: 3 (Gbr. 3). Sedagka peapisa dalam ruag wara HSV meghasilka tepat 8 obyek citra (Gbr. 4). TABEL I. NILAI NUMERIK OPTIMAL DALAM RUANG WARNA RGB War Nilai R NilaiG Nilai B a (red) (gree) (blue) Merah 90 255 0 40 20 100 Hijau 10 80 50 150 10 80 Biru 0 30 30 170 100 230 Kui g 170 240 130 220 0 60 TABEL II. NILAI NUMERIK OPTIMAL DALAM RUANG WARNA HSV Wara Nilai H (hue) Nilai S (saturatio) Nilai V (value) Merah 50 79 50 50 0 55 Hijau 0 100 133 255 30 255 Biru 102 139 140 255 30 255 Kuig 0 35 90 255 70 255 Gambar 2. Satu bigkai citra hasil tagkapa kamera robot (a) (c) (b) (d) Gambar 3. Hasil peapisa wara merah (a), hijau (b), biru (c), da kuig (d) dalam ruag wara RGB (a) (c) (b) (d) Gambar 4. Hasil peapisa wara merah (a), hijau (b), biru (c), da kuig (d), dalam ruag wara HSV B. Uji-coba kierja dalam meagkap obyek bola Obyek bola yag tertagkap kamera robot dikeali dari betuk ligkara pada citra dua dimesi dalam satu bigkai citra. Uji-coba memperlihatka kombiasi algoritma deteksi tepi da trasformasi Hough circle bisa medeteksi betuk ii dari betuk yag lai. 3

Ratasari Nur Rohmah, Usma, Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot Gambar 5. Proses pegeala obyek: akuisisi citra, pegubaha ruag wara, peapisa wara, deteksi tepi, da Hough circle trasform C. Uji-coba Pegaruh Resolusi Citra, Jarak da Pecahayaa pada Kierja Sistem. Uji-coba pegaruh beberapa parameter terhadap ujuk-kerja sistem ii dilakuka dega megguaka bola dega diameter 6.5 cm. Jarak robot dega objek bola dihitug dari posisi kamera dega pusat bola, sedagka waktu trackig objek diambil saat robot bergerak dari posisi awal higga posisi akhir higga robot berheti bergerak karea telah megeali bola. Hasil uji-coba meujukka resolusi citra berpegaruh baik pada jarak maksimum citra dikeali maupu pada kecepata idetifikasi obyek yag diukur dega kecepata respo robot (Tabel 3). Semaki tiggi resolusi citra aka semaki besarya jarak maksimum bola yag dapat ditagkap citraya. Sebalikya semaki tiggi resolusi aka semaki memperlambat proses idetifikasi obyek. Jarak obyek yag masih bisa ditagkap kamera pada resolusi tertiggi 800600 piksel adalah 190 cm. Namu demikia pada jarak tersebut data hasil aalisis citra tidak bisa diguaka dalam pegedalia robot. Resolusi tertiggi citra dimaa hasil aalisis data citra dapat diguaka utuk pegedalia robot adalah 480325 piksel. Citra dega resolusi lebih tiggi meyebabka tugas komputasi yag terlalu berat sehigga waktu komputasi yag lama, tidak bisa megimbagi siyal umpa balik pada pegedalia geraka robot. TABEL III. PENGARUH RESOLUSI CITRA PADA JARAK Resolusi citra (piksel) MAKSIMAL DAN WAKTU PENGENALAN OBYEK Jarak ksimal Waktu Trackig Objek 240160 102 cm 4 detik 320240 113 cm 5 detik 480320 135 cm 6 detik 640480 172 cm error 720560 180 cm error 800600 190 cm error Uji-coba pegaruh pecahayaa terhada kierja pegeala obyek diperlihatka pada Tabel 4 berikut. Pegaruh pecahayaa ii teryata tidak sama atara keempat wara obyek yag dikeali. Meskipu demikia, dari hasil evaluasi ii robot terlihat cukup peka dalam megeali obyek pada itesitas cahaya yag cukup kecil (Gbr. 6) dega itesitas miimum 21,1 lu utuk wara biru. TABEL IV. PENGARUH INTENSITAS PENCAHAYAAN PADA PENGENALAN OBYEK Wara Itesitas Cahaya imum Merah 22.7 lu Hijau 21.2 lu Biru 21.1 lu Kuig 23.6 lu Gambar 6. Pegukura pecahayaa miimum utuk pegeala obyek berwara biru 4

Jural Emitor Vol.16 No. 02 ISSN 1411-8890 V. KESIMPULAN Peelitia ii meujukka keberhasila pegguaa aplikasi pegeala pola citra sebagai dasar pegedalia gerak robot. Aplikasi ii melibatka segmetasi citra utuk megisolasi obyek, peetapa ciri, da aalisis berdasar ciri yag meetapka geraka robot. Akurasi pegeala obyek pada peelitia ii tiggi terbukti dari dikealiya wara da betuk obyek target. Pemiliha peerapa ruag wara HSV dalam hal ii, terbukti meigkatka akurasi ii. Seperti pegolaha citra pada umumya, hasil pegolaha sagat terpegaruh pada kualitas data citraya. Dalam hal resolusi citra, pegaruh resolusi terhadap jarak maksimum da terhadap kecepata pegeala obyek yag ilaiya berbadig terbalik. Resolusi citra yag diguaka dalam akuisisi citra oleh kareaya dapat diatur sesuai dega kemampua pedeteksia yag diigika. Apakah optimum dalam jarak atau sebalikya optimum pada kecepata proses pegolaha citra. Kualitas citra juga aka dipegaruhi oleh kualitas pecahayaa saat akuisisi citra. Itesitas teredah bola dapat dikeali dalam peelitia ii tercatat 2,1 lu utuk wara biru. Daftar Pustaka [1] Sural, S., Qia, G., Pramaik, S, Segmetatio ad histogram geeratio usig the HSV color space for image retrieval, Proceedigs of IEEE Iteratioal Coferece o Image Processig, pp. 589-592, 2002. [2] Yustius, P.. Racag Bagu Aplikasi Pedeteksi Betuk Da Wara Beda Pada Mobile Robot Berbasis Webcam, Academia, 2012 [3] Ikwuagu, E., Desig Of A Image Processig Algorithm ForBall Detectio, Computig Research Associatio, 2011. 5