m APLIKASI PRESENTASI AIRBOARD m DENGAN ...APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

APLIKASI PRESENTASI AIRBOARD

DENGAN IMAGE TRACKING LASER POINTER

HALAMAN JUDUL

Skripsi

Disusun Oleh :

Muchamad Dachlan Zaim

NIM. M0507028

JURUSAN INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

2011


commit to user

ii



HALAMAN PENGAJUAN

Disusun Oleh :


NIM. M0507028

Skripsi

ditulis dan diajukan untuk memenuhi sebagian persyaratan

memperoleh gelar Sarjana Informatika

JURUSAN INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

2011


commit to user

iii

PERSETUJUAN

HALAMAN PERSETUJUAN

Laporan Tugas Akhir Mahasiswa :


NIM. M0507028

dengan Judul



Disetujui untuk dipresentasikan pada sidang akhir

Pada hari Rabu, 27 Juli 2011


commit to user

iv

PENGESAHAN

HALAMAN PENGESAHAN

Skripsi ini telah dipertahankan di hadapan Tim Penguji Skripsi Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Sebelas Maret Surakarta dan diterima untuk memenuhi

persyaratan mendapatkan gelar Sarjana Informatika.

Hari, tanggal : Rabu, 27 Juli 2011


commit to user

v

MOTTO

HALAMAN MOTTO

“Man Jadda Wa Jada

Siapa yang bersungguh-sungguh, sungguh akan mendapatkan (keberhasilan)”


commit to user

vi

PERSEMBAHAN

HALAMAN PERSEMBAHAN

For Allah SWT

For Muhammad Rosulullah SAW

For my Mom and Babeh

For My Sist and Brow

For All my Friends

For My Kitties and alm

For All Readers


commit to user

vii

KATA PENGANTAR

Alhamdulillah Segala puji bagi Allah SWT yang telah melimpahkan Rahmat, Nikmat,

dan Hidayah-Nya, sholawat serta salam semoga tetap tercurahkan kepada junjungan kita Nabi

Muhammad SAW penegak kebenaran yang patut kita ikuti jejak langkahnya sampai akhir

hayat. Skripsi dengan judul “Aplikasi Presentasi Airboard Dengan Image Tracking Laser

Pointer” dengan petunjuknya, akhirsnya dapat diselesaikan untuk memenuhi sebagian

persyaratan mendapatkan gelar Sarjana Informatika.

Penulis menyadari akan keterbatasan yang dimiliki. Begitu banyak bantuan diberikan

dalam penyusunan Tugas Akhir ini. Oleh karena itu, penulis mengucapkan terima kasih

kepada :

1. Orang tua tercinta serta keluarga, untuk setiap kasih sayang dan pengorbanan yang tak

mungkin terbalas,

2. Ibu Umi Salamah, M. Kom. Selaku ketua jurusan yang telah membantu dan memberikan

arahan dalam proses pembuatan tugas akhir.

3. Bapak Drs. YS. Palgunadi, M.Sc, selaku Dosen Pembimbing I sekaligus pembimbing

akademik yang telah memberikan arahan serta masukan selama proses penyusunan Tugas

Akhir ini,

4. Bapak Didiek Sri Wiyono, ST, MT, selaku Dosen Pembimbing II yang telah memberikan

arahan serta masukan selama proses penyusunan Tugas Akhir ini,

5. Dosen-dosen informatika yang telah membagi ilmunya kepada penulis selama proses

belajar sampai disusunnya skripsi ini,

6. Rekan-rekan seperjuangan mahasiswa Informatika 2007 yang telah membantu dalam

berbagi pengetahuan dan pengalaman khususnya dalam penyusunan skripsi ini,

7. Semua pihak yang telah membantu kelancaran proses penyusunan skripsi ini.

Semoga amal kebaikan semua pihak tersebut mendapatkan imbalan dari Tuhan Yang Maha

Esa.

Akhir kata, diharapkan penelitian ini dapat bermanfaat bagi perkembangan ilmu

pengetahuan dan juga bermanfaat untuk semua pihak yang berkepentingan.

Surakarta, 29 Juli 2011

Penulis


commit to user

viii

ABSTRACT

Zaim, Muchamad Dachlan 2011. Airboard Presentation Application with Image Tracking

Laser Pointer. Department of Informatics, Faculty of Mathematics and Science. Sebelas

Maret University, Surakarta

Airboard is a presentation application in the field of human computer interaction that

serves as a tool in implementing IT-based presentation materials. It’s also as a "pen" to write

notes directly on the material with a laser pointer tracking image. Image tracking laser pointer

is the method to get the coordinates of the laser beam pointer from an image. Therefore, the

purpose of this research is to create an application that can solve these problems and compare

several methods with certain algorithms in the application.

This research consisted of four stages namely display calibration phase, laser detection,

command detection and interpretation. In testing, calibration phase was used to compare

manual with automatic calibration. Laser detection and command detection were used to test

valid data by equivalence class partitioning test. Variations on the phase of laser detection are

the colors of laser beam, points, and the methods performed 5 times. Variations on the phase

of command detection are the commands, movements, speeds and methods performed 2 times.

Test results showed that the calibration phase of the automatic calibration was quite

capable of replacing manual calibration, by a margin of less than 3 pixels in webcam area with

conditions appropriate threshold value. The best methods of laser detection were the method

Difference Edge Laser Detection and method Brightness and Extract Red Channel Laser

Detection with the successful detection was 100% for each color of different laser. The best

method of command detection was the method Extract Cr and Difference Edge Detection

Laser, with success percentage was 95.83%.

Keywords: Airboard, Human Computer Interaction, Application Presentation, image

tracking laser pointer


commit to user

ix

ABSTRAK

Zaim, Muchamad Dachlan 2011. Aplikasi Presentasi Airboard dengan Image Tracking

Laser Pointer. Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam.

Universitas Sebelas Maret, Surakarta

Airboard adalah aplikasi presentasi di bidang interaksi manusia komputer yang

berfungsi sebagai alat bantu dalam menjalankan materi presentasi berbasis IT dan sebagai

“pena” untuk menuliskan catatan secara langsung pada materi tersebut dengan image tracking

laser pointer. Image tracking laser pointer adalah cara bagaimana mendapatkan koordinat

sinar laser pointer dari sebuah citra. Oleh karena itu tujuan dari penelitian ini adalah

terwujudnya aplikasi airboard dan membandingkan beberapa metode dengan algoritma

tertentu.

Penelitian ini terdiri dari empat tahapan yaitu tahap kalibrasi tampilan, deteksi laser,

deteksi perintah dan interpretasi. Pada tahap kalibrasi membandingkan antara kalibrasi manual

dengan otomatis. Pada tahap deteksi laser dan deteksi perintah menggunakan pengujian data

valid equivalence partitioning class. Pada tahap deteksi laser dilakukan pengujian sebanyak 5

kali dengan variasi data berupa sinar laser, titik, dan metode. Pada tahap deteksi perintah

dilakukan pengujian dengan variasi data berupa sinar laser, perintah, gerak, kecepatan dan

metode yang dilakukan sebanyak 2 kali.

Hasil pengujian tahap kalibrasi menunjukkan bahwa kalibrasi otomatis cukup mampu

menggantikan kalibrasi manual, dengan selisih di bawah 3 pixel pada area webcam dengan

kondisi nilai threshold yang tepat. Metode terbaik pada tahap deteksi laser adalah metode

Difference Edge Laser Detection dan metode Brightness and Extract Red Channel Laser

Detection dengan keberhasilan deteksi sebesar 100% untuk tiap warna laser yang berbeda.

Metode terbaik tahap deteksi perintah adalah metode Extract Cr and Difference Edge Laser

Detection, dengan persentase sebesar 95,83%.

Kata Kunci: Airboard, Interaksi Manusia Komputer, Aplikasi Presentasi, laser tracking


commit to user

x

DAFTAR ISI

HALAMAN JUDUL ................................................................................................................... i

HALAMAN PENGAJUAN ....................................................................................................... ii

HALAMAN PERSETUJUAN .................................................................................................. iii

HALAMAN PENGESAHAN ................................................................................................... iv

HALAMAN MOTTO ................................................................................................................. v

HALAMAN PERSEMBAHAN ................................................................................................ vi

KATA PENGANTAR .............................................................................................................. vii

ABSTRACT ............................................................................................................................... viii

ABSTRAK ................................................................................................................................. ix

DAFTAR ISI ............................................................................................................................... x

DAFTAR TABEL .................................................................................................................... xiii

DAFTAR GAMBAR ............................................................................................................... xiv

DAFTAR LAMPIRAN ............................................................................................................ xvi

BAB I PENDAHULUAN ........................................................................................................... 1

1.1 LATAR BELAKANG ................................................................................................ 1

1.2 RUMUSAN MASALAH ............................................................................................ 2

1.3 BATASAN MASALAH ............................................................................................. 3

1.4 TUJUAN PENELITIAN ............................................................................................. 3

1.5 MANFAAT PENELITIAN ........................................................................................ 3

1.6 SISTEMATIKA PENULISAN ................................................................................... 4

BAB II TINJAUAN PUSTAKA ................................................................................................ 5

2.1 DASAR TEORI .......................................................................................................... 5

2.1.1 Pengolahan Citra ..................................................................................................... 5

2.1.2 Citra / Image ........................................................................................................... 7

2.1.3 Pengolahan Citra Warna ......................................................................................... 9

2.1.3.1 Citra RGB ............................................................................................................... 9

2.1.3.2 Citra HSL .............................................................................................................. 11

2.1.3.3 Citra YCbCr .......................................................................................................... 12

2.1.3.4 Citra Grayscale ..................................................................................................... 13


commit to user

xi

2.1.3.5 Citra Biner ............................................................................................................. 13

2.1.4 Deteksi Tepi .......................................................................................................... 15

2.1.5 Difference Edge Detection .................................................................................... 16

2.1.6 Grayscale Filter .................................................................................................... 16

2.1.7 Binary Thresholding Filtering .............................................................................. 17

2.1.8 Brightness Detection ............................................................................................. 17

2.1.9 Blob Detection Algorithm ..................................................................................... 17

2.1.10 Quadrilateral Transformation .............................................................................. 18

2.1.11 Gradient Calculation ............................................................................................ 18

2.2 PENELITIAN TERKAIT ......................................................................................... 18

2.2.1 Interaction with a Projection Screen Using a Camera-Tracked Laser Pointer ... 19

2.2.2 Laser Pointer Interaction Techniques using Peripheral Areas of Screens........... 19

2.2.3 Image processing Based Tracking System ............................................................ 19

2.2.4 uPen ...................................................................................................................... 20

2.3 RENCANA PENELITIAN ....................................................................................... 20

BAB III METODOLOGI PENELITIAN ................................................................................. 23

3.1 TAHAP PERSIAPAN (STUDI PUSTAKA) ........................................................... 23

3.2 TAHAP ANALISA DAN PERANCANGAN .......................................................... 23

3.3 TAHAP IMPLEMENTASI ...................................................................................... 23

3.3.1 Menulis Kode Program ......................................................................................... 24

3.4 TAHAP PENGUJIAN .............................................................................................. 24

3.4.1 Tahap Kalibrasi Tampilan (Display Calibration) ................................................. 25

3.4.2 Tahap Deteksi Laser (Laser Detection) ................................................................ 25

3.4.3 Tahap Deteksi Perintah (Command Detection) .................................................... 26

3.5 TAHAP PENULISAN LAPORAN .......................................................................... 27

BAB IV HASIL DAN PEMBAHASAN .................................................................................. 28

4.1 ARSITEKTUR APLIKASI ...................................................................................... 28

4.2 METODE DAN ALGORITMA PENELITIAN ....................................................... 29

4.2.1 Tahap Kalibrasi Tampilan (Display Calibration) ................................................. 29

4.2.2 Tahap Deteksi Laser (Laser Detection) ................................................................ 30

4.2.3 Tahap Deteksi Perintah (Command Detection) .................................................... 32


commit to user

xii

4.2.4 Tahap Interpretasi (Interpretation) ....................................................................... 33

4.3 HASIL IMPLEMENTASI SISTEM ......................................................................... 34

4.3.1 Algoritma dan Metode Penelitian ......................................................................... 34

4.3.2 Screen Output Implementasi ................................................................................. 40

4.4 HASIL PENGUJIAN ................................................................................................ 46

4.4.1 Tahap Kalibrasi Display ....................................................................................... 46

4.4.2 Tahap Deteksi Laser ............................................................................................. 51

4.4.3 Tahap Deteksi Perintah ......................................................................................... 52

BAB V KESIMPULAN DAN SARAN ................................................................................... 55

5.1 KESIMPULAN ......................................................................................................... 55

5.2 SARAN ..................................................................................................................... 56

DAFTAR PUSTAKA ............................................................................................................... 57

LAMPIRAN .............................................................................................................................. 59


commit to user

xiii

DAFTAR TABEL

Tabel 1 Jenis Mode Warna ...................................................................................................... 8

Tabel 2 Data Kalibrasi Display Tempat Pertama ................................................................... 59

Tabel 3 Data Kalibrasi Display Tempat Kedua ...................................................................... 60

Tabel 4 Data Deteksi Laser Metode 1..................................................................................... 61




Tabel 8 Data Rekapitulasi Deteksi Laser ................................................................................ 65

Tabel 9 Data Rekapitulasi Deteksi Perintah ........................................................................... 66

Tabel 10 Data Deteksi Perintah Metode 1 ................................................................................ 66





commit to user

xiv

DAFTAR GAMBAR

Gambar 1 Presentasi dengan menggunakan laser dan webcam .............................................. 2

Gambar 2 Blok diagram pengolah citra .................................................................................. 7

Gambar 3 Proses Sampling dan Kuitansi ............................................................................... 8

Gambar 4 Nilai 8 bit RGB .................................................................................................... 10

Gambar 5 Nilai warna RGB pada hexadecimal .................................................................... 10

Gambar 6 Komposisi warna RGB ........................................................................................ 11

Gambar 7 Lingkaran Hue ..................................................................................................... 11

Gambar 8 Dekomposisi citra RGB ke dalam komponen luminance dan chrominance) ...... 12

Gambar 9 Citra grayscale dan citra hitam putih ................................................................... 13

Gambar 10 Representasi citra biner ........................................................................................ 14

Gambar 11 Proses Edge Detection ......................................................................................... 15

Gambar 12 Hasil Edge Detection ........................................................................................... 16

Gambar 13 Algoritma Differerence Edge Detection .............................................................. 16

Gambar 14 Gradient Calculation ........................................................................................... 18

Gambar 15 Skenario sistem interaksi ..................................................................................... 19

Gambar 16 Tahapan aplikasi Airboard ................................................................................... 21

Gambar 17 Diagram rancangan alur pelaksanaan tugas akhir ................................................ 23

Gambar 18 Arsitektur Sistem ................................................................................................. 28

Gambar 19 Proses Auto Calibration ....................................................................................... 29

Gambar 20 Proses Manual Calibration .................................................................................. 29

Gambar 21 Proses Quadrilateral Transformation .................................................................. 30

Gambar 22 Proses Transformasi Display ............................................................................... 30

Gambar 23 Proses Brightness Detection ................................................................................ 30

Gambar 24 Proses Difference Edge Laser Detection ............................................................. 31

Gambar 25 Proses Brightness and Extract Red Channel Laser Detection ............................. 31

Gambar 26 Proses Extract Cr and Difference Edge Laser Detection .................................... 32

Gambar 27 Proses Gradient Calculation ................................................................................ 32

Gambar 28 Perintah dari Airboard ......................................................................................... 33

Gambar 29 Output Kalibrasi Manual ...................................................................................... 40


commit to user

xv

Gambar 30 Tampilan airboard v.2 pada saat kalibrasi otomatis ............................................. 41

Gambar 31 Proses kalibrasi otomatis ...................................................................................... 41

Gambar 32 Perbedaan treshold pada kalibrasi otomatis ......................................................... 42

Gambar 33 Perbedaan Gambar yang belum mengalami kalibrasi display dan telah terkalibrasi

display (terdapat proses transformasi koordinat) ................................................. 43

Gambar 34 Output Airboard v2 pada saat deteksi laser ......................................................... 43

Gambar 35 Hasil deteksi laser yang menghasilkan koordinat ................................................ 43

Gambar 36 Perubahan Citra pada Metode 1 ........................................................................... 44




Gambar 40 Hasil Interpretasi Power Point dan Pointer Pen ................................................... 46

Gambar 41 Empat titik video projector pada kalibrasi tampilan ............................................ 47

Gambar 42 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X. ........................ 47

Gambar 43 Detail selisih kalibrasi otomatis dengan kalibrasi manual koordinat X. ............ 48

Gambar 44 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 1. 48

Gambar 45 Detail selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada

tempat 1. ............................................................................................................... 49

Gambar 46 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X pada tempat 2. 50

Gambar 47 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 2. 50

Gambar 48 Hasil Pengujian beberapa Metode pada Tahap Deteksi Laser. ............................ 51

Gambar 49 Perbedaan Ketiga Sinar Laser pada Pengujian. ................................................... 51

Gambar 50 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (>750 ms). ...... 52

Gambar 51 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (<750 ms). ...... 53

Gambar 52 Rancangan sistem setelah pengujian .................................................................... 54


commit to user

xvi

DAFTAR LAMPIRAN

Lampiran 1. Tahap Kalibrasi Display ....................................................................................... 59

Lampiran 2. Tahap Deteksi Laser ............................................................................................. 60

Lampiran 3. Tahap Deteksi Perintah ........................................................................................ 66


commit to user

1

BAB I

PENDAHULUAN

1 PENDAHULUAN

1.1 LATAR BELAKANG

Zaman sudah mulai berubah, metode pengajaran yang konvensional sudah

mulai tergantikan dengan metode-metode yang sesuai dengan perkembangan zaman.

Penggunaan media Teknologi Informasi dan Komunikasi (TIK), seperti video

projector memberikan pengaruh terhadap dunia pendidikan khususnya dalam proses

pembelajaran, sehingga guru dan anak didik dituntut untuk dapat memanfaakan TIK

untuk kepentingan penyelenggaraan kegiatan pengembangan pendidikan. Pengajaran

dengan TIK akan membuat proses pendidikan menjadi lebih menarik dan mampu

mengatasi proses yang monoton. Bila tidak ada inovasi maka kualitas pendidikan akan

berjalan di tempat, akibatnya lulusan siswa-siswa tersebut kurang mampu berbicara di

persaingan global.

Salah satu perkembangan teknologi informasi dalam pendidikan, yaitu dengan

menggunakan sebuah materi yang telah dipersiapkan sebelumnya dan akan disajikan

menggunakan berbagai alat penampil, seperti OHP (Over Head Projector) dan video

projector. Pada zaman dahulu pengajaran menggunakan papan ajar dari blackboard

menggunakan kapur tulis sebagai media tulisnya, kemudian dilanjutkan dengan papan

ajar whiteboard dengan menggunakan spidol sebagai media tulisnya, hingga sampai ke

era OHP (Over Head Projector) dengan menggunakan lapisan mika yang bertuliskan

sebuah materi dan dipantulkan ke sebuah layar. Namun, para pengajar sekarang sudah

mulai beralih menggunakan video projector yang dihubungkan dengan komputer untuk

menampilkan materi yang akan disajikan melalui sebuah layar sesuai.

Akan tetapi, kekurangan dalam penggunaan media-media ini adalah interaksi

antara pengajar dan siswa menjadi kurang baik. Pada saat pengajar menggunakan

media-media ini, contohnya OHP maka posisi pengajar harus menghadap ke layar, hal

ini sama saja dengan membelakangi siswa. Ketika menulis di lapisan mika pun juga

dengan posisi seperti itu pula. Kekurangan ini sesuai dengan penelitian Asri Djalil,

2007 dan Lisnawati, 2011.


commit to user

2

Pada video projector pengajar bisa menghadap siswa dengan baik. Namun, ada

satu hal yang kurang, yaitu interaksi terhadap materi yang disajikan. Seorang pengajar

yang menggunakan media ini biasanya memberikan materi dengan posisi berdiri dan

menggunakan sebuah laser pointer untuk menjelaskan serta untuk menguasai materi

presentasi dengan baik. Apabila pengajar ingin menuliskan sesuatu secara langsung

(seperti, membuat catatan, catatan kaki, penjelasan) pada materi tersebut (layaknya

pengajar yang menggunakan blackboard atau whiteboard), maka pengajar perlu

menuju ke sebuah komputer dan menggunakan mouse untuk menerangkan secara

detail bagian yang akan dijelaskan secara langsung. Hal ini akan mengurangi

efektifitas pengajaran, karena dapat memecah konsentrasi siswa dalam memahami

materi yang diberikan (Indrawati, 2005).

Oleh karena itu, dibutuhkan solusi agar seorang pengajar dapat menuliskan

secara langsung pada sebuah materi yang disajikan, layaknya media konvensional

tanpa kembali ke posisi komputer berada.

Gambar 1 Presentasi dengan menggunakan laser dan webcam (Shizuki B, 2006)

Berdasarkan masalah tersebut, maka penulis tertarik untuk melakukan

penelitian mengenai “Aplikasi Presentasi Airboard dengan Image Tracking Laser

Pointer” Diharapkan dengan adanya aplikasi Airboard ini, pengajar tidak perlu

khawatir untuk menuliskan secara langsung pada sebuah materi serta dapat berinteraksi

secara langsung untuk menjalankan presentasi dengan menggunakan laser pointer

tanpa perlu kembali ke posisi komputer yang digunakan.

1.2 RUMUSAN MASALAH

Permasalahan yang akan dibahas pada penelitian ini adalah bagaimana cara

menggunakan, membandingkan dan menganalisis performansi beberapa metode yang

digunakan pada aplikasi Airboard.


commit to user

3

1.3 BATASAN MASALAH

Batasan masalah pada Tugas Akhir ini adalah penelitian lebih terfokus pada

pembuatan aplikasi Airboard dengan batasan sebagai berikut:

1. Menggunakan peralatan utama berupa perangkat keras, yaitu sinar laser pointer dan

webcam yang digunakan pada microsoft Windows.

2. Warna laser yang digunakan untuk pengujian adalah warna merah, warna biru dan

hijau.

3. Hanya menggunakan single object, yaitu satu jenis warna laser pointer pada saat

menjalankan aplikasi ini.

4. Menggunakan metode image tracking laser pointer.

1.4 TUJUAN PENELITIAN

Tujuan dari tugas akhir ini, adalah

1. Terwujudnya aplikasi Airboard sebagai alat bantu dalam menjalankan materi

presentasi berbasis IT dan sebagai “pena” untuk menuliskan catatan secara

langsung pada materi tersebut.

2. Menganalisis performansi terbaik dari beberapa metode yang digunakan pada

aplikasi tersebut pada tahap kalibrasi tampilan, pengenalan sinar laser pointer dan

pengenalan perintah yang dimasukkan oleh pengguna.

1.5 MANFAAT PENELITIAN

Manfaat penelitian ini diharapkan berguna bagi masyarakat dan bagi penulis,

yaitu

1. Bagi penulis:

Penulis dapat memperluas wawasan dan pengetahuan penulis tentang:

a. Pengenalan sinar laser pointer dari webcam dan merepresentasikannya menjadi

sebuah “pena” untuk menggerakkan cursor pointer mouse komputer

b. Penggunaan metode tersebut pada sebuah aplikasi Airboard yang dapat

membantu pengguna dalam menulis secara langsung pada sebuah materi

c. Perbandingan sejauh mana keberhasilan beberapa metode yang digunakan pada

aplikasi tersebut.


commit to user

4

2. Bagi masyarakat:

Sebagai sumber referensi dan penelitian dasar pada penelitian selanjutnya

khususnya mengenai deteksi laser.

1.6 SISTEMATIKA PENULISAN

Sistematika penulisan memuat tentang metode penulisan yang digunakan dalam

pembuatan laporan penelitian, dengan uraian sebagai berikut :

1. Bab Pendahuluan, berisi mengenai latar belakang, rumusan masalah, tujuan,

manfaat atas penelitian, tinjauan pustaka dan metodologi yang digunakan dalam

pembuatan sistem dan sistematika penyusunan laporan.

2. Bab Landasan Teori, dijelaskan secara umum teori yang berhubungan dengan

materi yang nantinya digunakan untuk melakukan proses analisis, perancangan dan

implementasi sistem, misalnya mengenai image processing, berbagai metode

image processing yang digunakan dalam penelitian ini dan lain sebagainya.

3. Bab Analisis Kebutuhan dan Perancangan, menguraikan tentang gambaran obyek

penelitian, analisis semua permasalahan yang ada, dimana masalah-masalah yang

muncul akan diselesaikan melalui penelitian.

4. Bab Hasil dan Pembahasan, dipaparkan hasil-hasil dari tahapan penelitian, dari

tahap analisis, desain, hasil testing dan implementasinya, berupa penjelasan

teoritik, baik secara kualitatif, kuantitatif, atau secara statistik.

5. Bab Kesimpulan dan Saran, berisi kesimpulan dan saran. Kesimpulan berisi

rumusan jawaban terhadap pertanyaan (perumusan masalah) dengan bukti-bukti

yang ada dan telah dilakukan dalam penelitian ini. Saran berisi pemecahan masalah

yang diteliti atau tindak lanjut dari hasil penelitian kedepannya yang bersifat

operasional.


commit to user

5

BAB II

TINJAUAN PUSTAKA

2 TINJAUAN PUSTAKA

2.1 DASAR TEORI

2.1.1 Pengolahan Citra

Menurut Abdoun dan Abouchabaka (2011), pengolahan citra adalah

suatu disiplin ilmu yang sangat penting dalam berbagai aplikasi secara real

yang meliputi banyak metode dan banyak penelitian. Berbagai macam metode

yang digunakan dalam penelitian ini membutuhkan spesifikasi yang tinggi dari

para pengguna perangkat lunak pengolahan gambar dan penguasaan setiap

bahasa pemrograman tunggal yang tidak dimiliki untuk setiap pengguna.

Menurut Gunawan (2009), pengolahan citra adalah suatu metode untuk

mengolah gambar asli menjadi gambar digital. Pengambilan gambar dapat

menggunakan kamera video atau alat yang dapat digunakan untuk mentransfer

gambar.

Menurut Aini (2010), pengolahan citra (Image processing) merupakan

suatu sistem dimana proses dilakukan dengan masukan berupa citra (image)

dimana hasilnya juga berupa citra (image). Sesuai dengan perkembangan

komputer itu sendiri, pengolahan citra mempunyai dua tujuan utama, yaitu

sebagai berikut:

1. Memperbaiki kualitas citra, dimana citra yang dihasilkan dapat

menampilkan informasi secara jelas. Hal ini berarti manusia sebagai

pengolah informasi (human perception).

2. Mengekstrasi informasi ciri yang menonjol pada suatu citra, dimana

hasilnya adalah informasi citra dimana manusia mendapatkan informasi ciri

dari citra secara numerik.

Menurut Hartanto (2007), pengolahan citra merupakan sebuah bentuk

pemrosesan sebuah citra atau gambar dengan cara memproses numerik dari

gambar tersebut, dalam hal ini yang diproses adalah masing-masing pixel atau

titik dari gambar tersebut. Bentuk umum dari image filtering hampir serupa


commit to user

6

dengan image processing. Salah satu teknik pemrosesan citra ini memanfaatkan

komputer sebagai peranti untuk memproses masing-masing pixel dari sebuah

gambar. Oleh karena itulah muncul istilah pemrosesan citra secara digital atau

“Digital Image processing”. Image processing sendiri dapat didefiniskan juga

sebagai proses filtering sebuah gambar, pixel demi pixel. Istilah manipulasi

gambar atau “Image Manipulation” sering juga digunakan untuk menyebutkan

istilah pemrosesan citra atau gambar tersebut.

“Digital image processing” diperkenalkan pertama kali di New York,

USA pada awal tahun 1920-an. Pertama kalinya digunakan untuk

meningkatkan kualitas gambar koran yang dikirimkan oleh kabel bawah laut

yang terbentang antara London dan New York. Sampai tahun 1960-an

perkembangannya tidaklah terlalu menggembirakan. Namun pada akhir tahun

1960-an, dimana perkembangan komputer yang pesat dan mampu menawarkan

kecepatan dan kapasitas yang lebih tinggi memacu perkembangan dari

implementasi algoritma pemrosesan citra yang lebih pesat lagi. Untuk saat ini

penggunaan dari pemrosesan citra telah melingkupi berbagai macam disiplin

ilmu diantaranya bidang Arsitektur, Geografi, Ilmu Komputer, Kedokteran,

Fotografi, Arkeologi, dan lain sebagainya.

Menurut Hartanto (2007), tujuan utama dari “Digital image processing”

tersebut selain untuk meningkatkan kualitas gambar yang diperoleh, juga

dimaksudkan untuk memproses data yang diperoleh untuk ditanggapi secara

otomatis oleh sebuah mesin atau peralatan. Kelebihan dari penggunaan “Digital

image processing” adalah dalam hal ketepatan dan flesibilitasnya. Sedangkan

kerugiannya adalah dalam hal kecepatan dan biaya sebagai akibat dari

pemanfaatan proses yang lebih kompleks.

Gunawan (2009), Image processing atau sering disebut dengan

pengolahan citra digital merupakan suatu metode yang digunakan untuk

mengolah atau memproses dari gambar asli sehingga menghasilkan gambar lain

yang sesuai dengan kebutuhan. Pengambilan gambar bisa dilakukan oleh

kamera video atau alat-alat yang lain yang dapat digunakan untuk mentransfer

gambar. Dalam pengolahan citra, dilakukan operasi terhadap citra asli menjadi


commit to user

7

citra baru berdasarkan citra asli. Operasi yang dilakukan pada citra

dikategorikan sebagai berikut :

1. Point, yaitu operasi yang menghasilkan output dimana setiap pixel hanya

dipengaruhi oleh pixel pada posisi yang sama dari citra asli.

2. Local, yaitu operasi yang menghasilkan output dimana pixel-nya

dipengaruhi oleh pixel-pixel tetangga pada citra asli.

3. Global, yaitu opeasi yang menghasilkan output dimana pixel-nya

dipengaruhi oleh semua pixel yag ada dalam citra asli. Misalnya ada suatu

gambar yang terlalu gelap maka dengan image processing gambar tersebut

bisa diproses sehingga mendapatkan gambar yang jelas. Secara garis besar

bisa gambarkan seperti blok diagram pada gambar dibawah ini:

Gambar 2 Blok diagram pengolah citra (Gunawan, 2009)

2.1.2 Citra / Image

Citra terbentuk dari kumpulan intensitas cahaya yang tersusun dalam

bidang dua dimensi. Kumpulan intensitas cahaya tersebut dinyatakan dalam

suatu fungsi kontinyu f(x,y) dimana x dan y menyatakan koordinat ruang dan

nilai intensitas cahaya memberi informasi warna dan kecerahan citra.

Citra digital merupakan yang dihasilkan dari gambar analog dua

dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar

analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit.

Persilangan antara baris dan kolom tertentu disebut dengan pixel. Contohnya

adalah gambar/titik diskrit pada baris m dan kolom n disebut dengan pixel

[m,n]. Sampling adalah proses untuk menentukan warna pada pixel tertentu

pada citra dari sebuah gambar yang kontinu. Pada proses sampling biasanya

dicari warna rata-rata dari gambar analog yang kemudian dibulatkan. Proses

sampling sering juga disebut proses digitasi.


commit to user

8

Sampling menyatakan banyaknya pixel (blok) untuk mendefinisikan

suatu gambar. Sedangkan kuantisasi menunjukkan banyaknya derajat nilai pada

setiap pixel (menunjukkan jumlah bit pada gambar digital, misal b/w dengan

dua bit, grayscale dengan delapan bit, true color dengan 24 bit).

Gambar 3 Proses Sampling dan Kuitansi (Tofani K. M. H. S, 2010)

Citra atau umumnya dikenal gambar merupakan kumpulan titik-titik

penyusun citra itu sendiri. Titik-titik tersebut dikenal dengan pixel. Banyaknya

titik-titik penyusun citra tersebut disebut resolusi. Jadi, resolusi merupakan

MxN pixel. Masing-masing pixel yang menyusun suatu citra dapat memiliki

warna yang berbeda-beda, yang disebut dengan bit depth. Bit depth dinyatakan

dengan angka yang bersatuan bit. Sebagai contoh bit depth = 3, artinya terdapat

23 = 8 variasi yang mungkin untuk setiap pixel-nya. Semakin besar nilai bit

depth, maka semakin besar pula ukuran fungsi citra tersebut. Ada beberapa

jenis mode warna, antara lain :

Tabel 1 Jenis Mode Warna (Tofani K. M. H. S, 2010)

Jenis

Mode

Warna

Keterangan Ukuran bit

depth

Jumlah

variasi

warna

Grayscale Warna keabuan, disusun oleh warna dasar Red,

Green, Blue yang masing-masing memiliki nilai

dasar yang sama. Misal = Red = 67, Green = 67,

dan Blue = 67. Dari suatu nilai yang sama akan

membentuk satu warna keabuan yang berbeda

pada rentang gradasi hitam dan putih.

8 bit depth 28 = 256

variasi warna

Monokrom Warna yang hanya terdiri dari hitam dan putih 1 bit 21 = 2 variasi

warna


commit to user

9

Jenis

Mode

Warna

Keterangan Ukuran bit

depth

Jumlah

variasi

warna

RGB Warna yang disusun oleh 3 channel, yaitu Red,

Green, Blue yang masing-masing memiliki 8 bit

depth.

8 x 3 = 24 224 =

16.777.216

variasi warna

CMYK Warna yang terdiri dari 4 channel, yaitu Cyan,

Magenta, Yellow, Black yang masing-masing

memiliki 8 bit depth,

8 x 4 = 32 232 =

4.294.967.296

variasi warna

2.1.3 Pengolahan Citra Warna

2.1.3.1 Citra RGB

Suatu citra biasanya mengacu ke citra RGB. Sebenarnya

bagaimana citra disimpan dan dimanipulasi dalam komputer

diturunkan dari teknologi televisi, yang pertama kali

mengaplikasikannya untuk tampilan grafis komputer. Jika dilihat

dengan kaca pembesar, tampilan monitor komputer akan terdiri dari

sejumlah triplet titik warna merah (Red), hijau (Green) dan biru

(Blue). Tergantung pada pabrik monitornya untuk menentukan apakah

titik tersebut merupakan titik bulat atau kotak kecil, tetapi akan selalu

terdiri dari 3 triplet red, green dan blue.

Citra RGB disebut juga citra truecolor. Citra RGB merupakan

citra digital yang terdiri dari tiga layer yang mengandung matriks data

berukuran m x n x 3 yang merepresentasikan warna merah, hijau dan

biru untuk setiap pixel-nya. Tiap layer juga memiliki intensitas

kecerahan warna yang nantinya saat ketiga layer digabungkan akan

membentuk suatu kombinasi warna baru tergantung besarnya tingkat

kecerahan.

Tiap layer berukuran 8 bit, berati memiliki tingkat kecerahan

warna sampai 256 level. Artinya tiap layer warna dapat menyumbang

tingkat kecerahan warnanya dari rentang level 0 sampai level 255.

Dimana 0 merepresentasikan warna hitam dan 255 merepresentasikan

warna putih.


commit to user

10

Citra dalam komputer tidak lebih dari sekumpulan sejumlah

triplet dimana setiap triplet terdiri atas variasi tingkat keterangan

(brightness) dari elemen red, green dan blue. Representasinya dalam

citra, triplet akan terdiri dari 3 angka yang mengatur intensitas dari

Red (R), Green (G) dan Blue (B) dari suatu triplet. Setiap triplet akan

merepresentasikan 1 pixel (picture element). Suatu triplet dengan nilai

67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai

228 dan B ke nilai 180. Angka-angka RGB ini yang seringkali disebut

dengan color values. Pada format .bmp citra setiap pixel pada citra

direpresentasikan dengan dengan 24 bit, 8 bit untuk R, 8 bit untuk G

dan 8 bit untuk B, dengan pengaturan seperti pada gambar 5

Gambar 4 Nilai 8 bit RGB (Fatta H.A, 2007)

Dasar dari pengolahan citra adalah pengolahan warna RGB

pada posisi tertentu. Dalam pengolahan citra warna dipresentasikan

dengan nilai hexadecimal dari 0x00000000 sampai 0x00ffffff. Warna

hitam adalah 0x00000000 dan warna putih adalah 0x00ffffff. Definisi

nilai warna di atas seperti gambar di bawah, variabel 0x00

menyatakan angka dibelakangnya adalah hexadecimal.

Gambar 5 Nilai warna RGB pada hexadecimal (Gunawan, 2009)

Terlihat bahwa setiap warna mempunyai range nilai 00 (angka

desimalnya adalah 0) dan ff (angka desimalnya adalah 255), atau

mempunyai nilai derajat keabuan 256 = 28. Dengan demikian range

warna yang digunakan adalah (28) (2

8) (2

8) = 224 (atau yang dikenal

dengan istilah True Colour pada Windows). Nilai warna yang


commit to user

11

digunakan di atas merupakan gambungan warna cahaya merah, hijau

dan biru seperti yang terlihat pada gambar di atas. Sehingga untuk

menentukan nilai dari suatu warna yang bukan warna dasar digunakan

gabungan skala kecerahan dari setiap warnanya.

Gambar 6 Komposisi warna RGB (Gunawan, 2009)

2.1.3.2 Citra HSL

Warna dalam media digital dapat direpresentasikan dalam

berbagai cara. Mode RGB merepresentasikan semua warna sebagai

campuran dari 3 cahaya merah, hijau, dan biru. Mode HSL merupakan

mode yang ditemukan oleh Alvy Ray Smith pada tahun 1978. Mode ini

merepresentasikan warna dalam 3 komponen: hue, saturation, dan

lightness.

Hue merupakan corak warna atau pilihan warna yang meliputi

spektrum warna pelangi seperti merah, kuning, hijau, dst. Hue

seringkali direpresentasikan dalam bentuk lingkaran yang berisi

warna-warna pelangi seperti pada gambar 2. Karena berbentuk

lingkaran, hue memiliki nilai sebesar sudut lingkaran yaitu dari 0

sampai 360.

Gambar 7 Lingkaran Hue (Evan, 2009)


commit to user

12

Saturation merupakan tingkat pewarnaan atau tingkat

kemurnian sebuah warna. Warna dengan saturation tinggi memiliki

corak warna yang terlihat jelas, sedangkan warna dengan saturation

rendah terlihat sebagai percampuran antara beberapa warna. Warna

grayscale (yang didapat dari percampuran warna-warna RGB dengan

perbandingan 1:1:1) memiliki tingkat saturation yang paling rendah.

Nilai saturation berkisar dari 0 sampai 100.

Lightness menyatakan tingkat terang sebuah warna. Warna

putih yang merupakan percampuran warna RGB dengan nilai

maksimum memiliki lightness paling tinggi, sedangkan warna hitam

memiliki lightness paling rendah. Nilai lightness juga berkisar dari 0

sampai 100.

2.1.3.3 Citra YCbCr

YCbCr merupakan standar internasional bagi pengkodean

digital gambar televisi yang didefinisikan di CCIR. Y merupakan

komponen luminance, Cb dan Cr adalah komponen chrominance.

Pada monitor monokrom nilai luminance digunakan untuk

merepresentasikan warna RGB. Chrominance merepresentasikan

corak warna dan saturasi (saturation). Nilai komponen ini juga

mengindikasikan banyaknya warna biru dan merah pada warna.

Gambar 8 Dekomposisi citra RGB ke dalam komponen luminance dan

chrominance (Tofani K. M. H. S, 2010)


commit to user

13

2.1.3.4 Citra Grayscale

Dalam komputasi, suatu citra digital grayscale atau greyscale

adalah suatu citra dimana nilai dari setiap pixel merupakan sample

tunggal. Citra yang ditampilkan dari citra jenis ini terdiri atas warna

abu-abu, bervariasi pada warna hitam pada bagian yang intensitas

terlemah dan warna putih pada intensitas terkuat. Citra grayscale

berbeda dengan citra ”hitam-putih”, dimana pada konteks komputer,

citra hitam putih hanya terdiri atas 2 warna saja yaitu ”hitam” dan

”putih” saja. Pada citra grayscale warna bervariasi antara hitam dan

putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale

seringkali merupakan perhitungan dari intensitas cahaya pada setiap

pixel pada spektrum elektromagnetik single band.

Citra grayscale disimpan dalam format 8 bit untuk setiap

sample pixel, yang memungkinkan sebanyak 256 intensitas. Format

ini sangat membantu dalam pemrograman karena manupulasi bit yang

tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical

imaging dan remote sensing biasa juga digunakan format 10,12

maupun 16 bit.

Gambar 9 Citra grayscale dan citra hitam putih (Fatta H.A, 2007)

2.1.3.5 Citra Biner

Citra biner, yaitu citra yang hanya terdiri atas dua warna, yaitu

hitam dan putih. Oleh karena itu, setiap pixel pada citra biner cukup

direpresentasikan dengan 1 bit.


commit to user

14

Gambar 10 Representasi citra biner (Hidayat W, 2010)

Meskipun saat ini citra berwarna lebih disukai karena memberi

kesan yang lebih kaya dari citra biner, namun tidak membuat citra biner

mati. Pada beberapa aplikasi citra biner masih tetap di butuhkan,

misalkan citra logo instansi ( yang hanya terdiri dari warna hitam dan

putih), citra kode barang (bar code) yang tertera pada label barang, citra

hasil pemindaian dokumen teks, dan sebagainya. Seperti yang sudah

disebutkan diatas, citra biner hanya mempunyai dua nilai derajat

keabuan : hitam dan putih. Pixel – pixel objek bernilai 1 dan pixel –

pixel latar belakang bernilai 0. Pada waktu menampilkan gambar adalah

putih dan 1 adalah hitam. Jadi pada citra biner, latar belakang berwarna

putih sedangkan objek berwarna hitam seperti tampak pada gambar 2.1

diatas. Meskipun komputer saat ini dapat memproses citra hitam-putih

(grayscale) maupun citra berwarna, namun citra biner masih tetap di

pertahankan keberadaannya.

Alasan penggunaan citra biner adalah karena citra biner

memiliki sejumlah keuntungan sebagai berikut:

1). Kebutuhan memori kecil karena nilai derajat keabuan hanya

membutuhkan representasi 1 bit.

2). Waktu pemrosesan lebih cepat di bandingkan dengan citra hitam-

putih ataupun warna.


commit to user

15

2.1.4 Deteksi Tepi

Deteksi Tepi (Yew G.E., 2010) adalah alat dasar yang digunakan dalam

berbagai aplikasi pengolah gambar untuk memperoleh informasi dari frame

sebagai langkah awal untuk fitur ekstraksi dan segmentasi objek. Proses ini

mendeteksi garis luar dari suatu obyek dan batas-batas antara objek dengan

latar belakang gambar. Fungsi filter deteksi tepi juga bisa digunakan untuk

meningkatkan gambar yang kabur atau anti-aliased video streaming.

Deteksi tepi (Edge Detection) (Gunawan B, 2009) pada suatu citra

adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra,

tujuannya adalah :

• Untuk menandai bagian yang menjadi detail citra

• Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error

atau adanya efek dari proses akuisisi citra

Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik

tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar

berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh.

Gambar 11 Proses Edge Detection (Gunawan, 2009)

Pada gambar di bawah terlihat bahwa hasil deteksi tepi beberapa citra

menggunakan model diferensial berupa tepi-tepi dari suatu gambar.


commit to user

16

Gambar 12 Hasil Edge Detection (Gunawan, 2009)

2.1.5 Difference Edge Detection

Metode yang dibuat oleh Caragea (2008), Difference Edge Detection

mendeteksi perbedaan antara pasangan pixel di sekitar pixel dan menggunakan

nilai tertinggi dari perbedaan empat pasang pixel yang dapat digunakan untuk

membentuk garis melalui pixel tengah.

Gambar 13 Algoritma Differerence Edge Detection

2.1.6 Grayscale Filter

Grayscale filter digunakan untuk mengubah gambar berwarna menjadi

sebuah gambar hitam putih dengan cara mengubah efek warna dari masing-

masing pixel menjadi derajat keabua-abuan.

Citra hasil color filtering kemudian dikonversi menjadi grayscale agar

dapat digunakan oleh class Blob Counter. Proses konversi dari citra berwarna


commit to user

17

menjadi grayscale menggunakan koefesian dari ITU- Recommendation

BT.709.

Grayscale = 0.2125 * red + 0.7154 * green + 0.0721 * blue

2.1.7 Binary Thresholding Filtering

Citra Biner (Threshold) dilakukan dengan mempertegas citra dengan

cara mengubah citra hasil yang memiliki derajat keabuan 256 (8 bit), menjadi

hanya dua buah yaitu hitam dan putih. Hal yang perlu diperhatikan pada proses

Thresholding adalah memilih sebuah nilai threshold dimana piksel yang

bernilai dibawah nilai threshold akan diset menjadi hitam dan piksel yang

bernilai diatas nilai threshold akan diset menjadi putih. Misalkan ditetapkan

suatu nilai batas / ambang, sebesar 128 dimana elemen-elemen (pixel) pada

citra batas nilainya lebih kecil dari pada nilai batas tersebut ‘menyala’, dan

elemen-elemen lainnya dianggap ‘dimatikan’, dan keduanya diubah nilainya

sesuai statusnya.

2.1.8 Brightness Detection

Brightness Detection mendeteksi pixel yang paling terang pada gambar

yang diproses dengan metode ini dengan pencahayaan di atas nilai ambang

tertentu yang telah ditentukan. Luminance dari pixel dapat dihitung dengan

menggunakan nilai RGB-nya, dengan rumus sederhana:

Luminance = (299 * red + 587 * green + 114 * blue) / 1000

2.1.9 Blob Detection Algorithm

Salah satu dari Edge Detection yang dipakai untuk mendapatkan

koordinat objek adalah dengan menggunakan metode deteksi blob yaitu

mendeteksi kumpulan titik-titik pixel yang memiliki warna berbeda (lebih

terang atau lebih gelap) dari latar belakang dan menyatukannya dalam suatu

region. Dalam penelitian tugas akhir ini, warna latar belakang ditentukan

berwarna hitam sedang warna objek terdeteksi ditentukan berwarna putih (lebih

terang).


commit to user

18

2.1.10 Quadrilateral Transformation

Quadrilateral Transformation adalah algoritma transformasi segiempat,

yang memungkinkan untuk mengubah setiap segiempat dari sumber gambar yang

diberikan kepada gambar persegi panjang. Ide dari algoritma ini didasarkan pada

transformasi homogen dan matematika yang digambarkan oleh Paulus Heckbert

(1989).

2.1.11 Gradient Calculation

Gradient Calculation (Derhgawen A, 2007) adalah mengenali banyak titik

yang bergerak sepanjang sumbu x dan y, sehingga dapat digunakan untuk

mengenali gerakan. Sebagai contoh, jika gerakan titik laser sepanjang sumbu x-

jauh lebih dari gerakan di sepanjang sumbu y, gerakan ini kurang lebihnya

membentuk gerakan horisontal. Jadi, berdasarkan posisi awal dan akhir dari titik

laser pointer, akan menentukan apakah gerakan itu ke kiri atau ke kanan. Teknik

yang sama digunakan juga untuk mendeteksi ke atas, ke bawah, dan gerakan

diagonal

Gambar 14 Gradient Calculation (Derhgawen A, 2007)

2.2 PENELITIAN TERKAIT

Pada studi literatur yang telah dilakukan, penelitian sejenis telah banyak

dilakukan, terutama untuk mengenali sinar laser pointer, tetapi berbeda metode dan

implementasinya. Penelitian Kirstein dan Heinrich Müller yang berjudul Interaction

with a Projection Screen Using a Camera-Tracked Laser Pointer, banyak digunakan

sebagai rujukan dalam penelitian mengenai pengenalan sinar laser pointer dengan

webcam untuk berbagai aplikasi. Berikut adalah uraian penelitian yang sudah ada

mengenai pengenalan sinar laser pointer:


commit to user

19

2.2.1 Interaction with a Projection Screen Using a Camera-Tracked Laser Pointer

Penelitian (Kirstein C., Muller H., 1998) ini menerangkan bagaimana

cara membuat sebuah sistem untuk berinteraksi secara langsung dengan layar

proyeksi video menggunakan laser pointer. Titik laser pada layar ditangkap

oleh kamera video, dan lokasi tersebut diketahui dengan teknik pengolahan

citra (image processing). Perilaku titik ini diterjemahkan menjadi sinyal yang

dikirim menjadi input pada mouse komputer dan menyebabkan reaksi yang

sama apabila mouse digerakkan, sehingga kursor mouse dapat digerakkan

hanya menggunakan laser pointer. Algoritma yang digunakan adalah Motion

Detection, Pattern Recognition dan SubPixel Estimation.

Gambar 15 Skenario sistem interaksi (Kirstein C, 1998)

2.2.2 Laser Pointer Interaction Techniques using Peripheral Areas of Screens

Pada paper ini menjelaskan tentang teknik interaksi baru yang

menggunakan laser pointer secara langsung dengan memanipulasi aplikasi yang

ditunjukkan pada layar besar. Teknik ini berdasarkan pada teknik goal-crossing

dan kuncinya adalah pada empat area layar perangkat yang sangat besar.

Teknik ini membuat pengguna mudah untuk menjalankan perintah, dan

interaksi yang berdasarkan pada teknik crossing memungkinkan pengguna

untuk mengeksekusi perintah dengan cepat dan berkesinambungan. (Shizuki

B., Hisamatsu T., Takahashi S., Tanaka J., 2006).

2.2.3 Image processing Based Tracking System

Pengolahan citra (image processing) berbasis sistem pelacakan yang

dilengkapi dengan sistem komputasi yang kuat telah banyak memunculkan

aplikasi dalam berbagai bidang saat ini. Dalam tulisan ini, pengolahan citra


commit to user

20

berbasis sistem pelacakan. Dalam rangka untuk mengenali pola warna atau titik

yang diinginkan pada projector screen biasanya menggunakan perangkat keras

bertipe filter. Algoritma-algoritma untuk mengenali pola inilah yang dibahas

dalam jurnal ini, yaitu Color Separation Filter. (Alitavoli M., Basiri S., Basiri

B., 2006)

2.2.4 uPen

Paper yang berjudul “uPen: A Smart Pen-liked Device for Facilitating

Interaction on Large Displays” ini menyajikan uPen, laser pointer

dikombinasikan dengan switch-kontak, tiga tombol dan modul komunikasi

nirkabel. Perangkat interaksi baru memungkinkan pengguna untuk berinteraksi

pada layar besar di kejauhan atau langsung seperti pada mouse komputer.

Aplikasi onboard memungkinkan sistem uPen untuk mengidentifikasi

pengguna yang berbeda dan menyediakan layanan pribadi kepada mereka,

seperti berhubungan antar pengguna dengan hak-hak tertentu, memberikan

akses ke konten pribadi setiap pengguna (misalnya, halaman rumah, kalender

pribadi). Selain itu, dengan metode asosiasi dua langkah, sistem uPen memiliki

kemampuan untuk membedakan stroke dari uPen yang berbeda dan bekerja

secara simultan serta mendukung interaksi multiuser. Sebuah sistem prototipe

telah diterapkan pada Smart Class peneliti dan studi mengatakan bahwa

mahasiswa mendapatkan manfaat dalam menggunakan sistem uPen ini. (Bi X.,

Shi Y., Xiaojie C., 2006)

2.3 RENCANA PENELITIAN

Penelitian yang akan dilakukan pada tugas akhir ini hanya menggunakan laser

pointer dan webcam biasa, berbeda dengan uPen pada penelitian oleh Xiaojun Bi

(2006), dengan menggunakan beberapa metode image processing pada pengenalan

sinar video projector untuk kalibrasi display dengan quadrilateral transformation dan

pengenalan sinar laser pointer untuk mendapatkan koordinat lokasi sinar laser pointer

tersebut, sehingga dapat ditransformasikan menjadi sebuah gerak cursor pointer

mouse, berbeda metode yang digunakan oleh Majid Alitavol (2006), Buntarou Shizuki


commit to user

21

(2006) dan Kirstein (1998). Aplikasi ini mempunyai beberapa tahapan yang akan

dijelaskan secara terperinci pada diagram berikut ini:

Gambar 16 Tahapan aplikasi Airboard

a. Tahap Kalibrasi Tampilan, yaitu tahap kalibrasi untuk mendeteksi area video

projector pada display kamera yang akan digunakan untuk mentranslasikan

koordinat lokasi sinar laser pointer ke koordinat lokasi sebenarnya pada display

komputer.

b. Tahap Deteksi Laser, yaitu tahap untuk mendeteksi sinar laser pointer dan lokasi

koordinatnya yang akan digunakan pada tahapan selanjutnya. Pada tahap ini

terdapat 4 metode, yaitu:

i. Brighntess Laser Detection (M1), metode yang ditawarkan oleh Derhgawen

(2007) ini berbasis brightness pixel, sesuai dengan spesifikasi laser pointer

pada saat tertangkap oleh sebuah layar, yaitu berwarna putih di pusat sinar laser

pointer dan memudar di sekelilingnya.

ii. Difference Edge Laser Detection (M2), metode ini merupakan hasil ujicoba

pada saat penelitian yang berbasis pada brightness pixel dengan menggunakan

difference edge detection untuk mengatasi perbedaan pixel sinar laser pointer

pada saat digerakkan dimana nilai brightness-nya hampir sama dengan sinar

dari video projector.

iii. Brightness and Extract Red Channel Laser Detection (M3), metode ini

merupakan hasil ujicoba pada saat penelitian yang berbasis pada brightness

pixel dengan menggunakan brightness correction dan extract red channel

untuk mengatasi perbedaan pixel sinar laser pointer pada saat digerakkan

dimana nilai brightness-nya hampir sama dengan sinar dari video projector.


commit to user

22

iv. Extract Cr and Difference Edge Laser Detection (M4), metode ini merupakan

hasil ujicoba pada saat penelitian yang berbasis pada brightness pixel dengan

menggunakan Extract Cr dan Difference Edge Detection untuk mengatasi

perbedaan pixel sinar laser pointer pada saat digerakkan dimana nilai

brightness-nya hampir sama dengan sinar dari video projector.

c. Tahap Deteksi Perintah, yaitu mendeteksi perintah yang diinputkan melalui

pergerakan sinar laser pointer. Pada tahap ini ada 4 perintah yang bisa digunakan,

yaitu Next Slide, Previous Slide, Draw On (pointer pen aktif), Draw Off (pointer

pen tidak aktif)

d. Tahap Interpretasi, yaitu tahapan memanfaatkan koordinat laser pointer dan

perintah pada tahap sebelumnya untuk diubah menjadi gerak cursor pointer mouse,

untuk navigasi dan untuk menjalankan pointer pen pada aplikasi microsoft power

point.

Sedangkan untuk proses pengujian hanya untuk menguji pada 3 tahapan saja, yaitu:

a. Tahap Kalibrasi

Pada tahap kalibrasi dilakukan pengujian, dengan menghitung selisih

perbedaan antara kalibrasi manual dan kalibrasi otomatis dengan berbagai

threshold.

b. Tahap Deteksi Laser

Tahap deteksi laser dilakukan pengujian dengan equivalence partitioning

class pada data valid dengan variasi data berupa sinar laser (3 sinar laser), 9 titik,

dan metode (4 metode) dilakukan sebanyak 5 kali, sehingga total pengujian

sebanyak 540 percobaan.

c. Tahap Deteksi Perintah

Tahap deteksi laser dilakukan pengujian dengan equivalence partitioning

class pada data valid dengan variasi data berupa sinar laser (3 sinar laser), perintah

(4 buah perintah), gerak (3 gerakan tiap perintah), kecepatan (lambat dan cepat)

dan metode (4 metode) dilakukan sebanyak 2 kali, sehingga total pengujian

sebanyak 576 percobaan.


commit to user

23

23

BAB III

METODOLOGI PENELITIAN

3 PERENCANAAN SISTEM

Metodologi yang akan digunakan pada penelitian ini ditunjukkan pada gambar 17.

Gambar 17 Diagram rancangan alur pelaksanaan tugas akhir

3.1 TAHAP PERSIAPAN (STUDI PUSTAKA)

Studi pustaka yaitu dengan mengumpulkan referensi berupa buku-buku tentang

teori Laser Detection, jurnal, skripsi, maupun tulisan ilmiah yang dimuat di situs

maupun web. Referensi tersebut kemudian dilakukan pemilahan topik masalah

mengenai penelitian yang berhubungan dengan tugas akhir ini dan pernah dilakukan

oleh peneliti lain. Output yang ingin dihasilkan dari penelitian ini adalah rangkuman

dasar teori dan hasil dari penelitian sebelumnya.

3.2 TAHAP ANALISA DAN PERANCANGAN

Membuat analisa dari studi pustaka yang telah dilakukan sebelumnya dan

membuat rancangan sistem yang akan digunakan untuk membuat aplikasi airboard.

Output dari analisan dan perancangan adalah arsitektur aplikasi dan algoritma yang

akan digunakan dalam pembuatan aplikasi airboard.

3.3 TAHAP IMPLEMENTASI

Setelah menganalisis dan merancang, selanjutnya tahap implementasi dengan

tujuan menghasilkan prototype program yang sesuai dengan hasil perancangan di atas.


commit to user

24

3.3.1 Menulis Kode Program

Kegiatan selanjutnya adalah penulisan kode program (coding)

menggunakan lingkungan bahasa pemrograman dan platform yang telah

ditentukan. Seluruh fungsi yang ada dalam program diterjemahkan ke dalam

rangkaian kode sumber aplikasi hingga selanjutnya menjadi sebuah prototype

sistem yang bisa digunakan.

Perangkat yang digunakan untuk mengimplementasikan rancangan yang

telah dibuat meliputi perangkat lunak dan perangkat keras, yaitu

1. Ruang Lingkup Perangkat Lunak

Perangkat lunak yang digunakan untuk membangun aplikasi ini antara lain :

a. Microsoft Visual C# 2008 Express Edition

b. Library Aforge.Net

2. Ruang Lingkup Perangkat Keras

Perangkat keras yang digunakan untuk penelitian ini antara lain :

a. Personal Computer dengan spesifikasi sebagai berikut:

i. Intel Core 2 Duo 1,73Ghz

ii. RAM 512 MB

iii. Hardisk 80GB

b. Webcam resolusi quarter VGA (320 x 240) px

c. Laser Pointer dengan 3 warna yang berbeda, yaitu red beam laser (laser

merah), green beam laser (laser hijau), dan blue beam laser (laser biru)

3.3.2 Debugging

Selanjutnya dilakukan debugging untuk menguji aplikasi serta mencari

error yang masih terdapat pada program untuk selanjutnya diperbaiki.

3.4 TAHAP PENGUJIAN

Teknik pengujian dilakukan dengan melihat pada tahapan-tahapan yang

dilakukan pada penelitian ini, tetapi hanya dilakukan ujicoba hingga tahap ketiga

(command detection), karena pada tahap keempat tidak menggunakan metode yang


commit to user

25

khusus, hanya memanfaatkan API Windows saja. Berikut adalah teknik pengujian

masing-masing tahapan, yaitu

3.4.1 Tahap Kalibrasi Tampilan (Display Calibration)

Pada tahap kalibrasi dilakukan pengujian, dengan menghitung selisih

perbedaan antara kalibrasi manual dan kalibrasi otomatis dengan berbagai

threshold. Pada tahap ini, pengujian dilakukan dengan membandingkan 2

metode kalibrasi antara manual dan otomatis dengan 2 tempat yang berbeda

dimana masing-masing tempat mempunyai threshold range yang berbeda untuk

menentukan koordinat 4 titik pada display video projector yang tertangkap

pada display webcam.

Alur pengujian pada tahap ini secara detail adalah seperti di bawah ini:

1) Pada tempat pertama dilakukan :

a) Kalibrasi manual dengan melakukan ujicoba kalibrasi sebanyak 5 kali.

b) Kalibrasi otomatis dengan bermacam-macam range threshold berjarak

10 yang masih dapat mendeteksi titik pojok display video projector,

dimana masing-masing nilai threshold melakukan ujicoba kalibrasi

sebanyak 5 kali.

2) Pada tempat kedua dilakukan :

a) Kalibrasi manual dengan melakukan ujicoba kalibrasi sebanyak 5 kali.

b) Kalibrasi otomatis dengan bermacam-macam range threshold berjarak

10 yang masih dapat mendeteksi titik pojok display video projector,

dimana masing-masing nilai threshold melakukan ujicoba kalibrasi

sebanyak 5 kali.

3.4.2 Tahap Deteksi Laser (Laser Detection)

Tahap deteksi laser dilakukan pengujian dengan equivalence

partitioning class pada data valid dengan variasi data berupa sinar laser (3 sinar

laser yang mempunyai warna laser berbeda-beda, yaitu red beam laser (laser

merah), green beam laser (laser hijau), dan blue beam laser (laser biru)), 9

titik, dan metode (4 metode) dilakukan sebanyak 5 kali, sehingga total

pengujian sebanyak 540 percobaan.


commit to user

26

Alur pengujian pada tahap ini secara detail, yaitu dengan masing-

masing metode (ada 4 metode), dilakukan ujicoba keberhasilan deteksi laser

pada:

1) Titik I (daerah atas kanan) selama 5 detik ujicoba

2) Titik II (daerah atas tengah) selama 5 detik ujicoba

3) Titik III (daerah atas kiri) selama 5 detik ujicoba

4) Titik IV (daerah tengah kanan) selama 5 detik ujicoba

5) Titik V (daerah tengah tengah) selama 5 detik ujicoba

6) Titik VI (daerah tengah kiri) selama 5 detik ujicoba

7) Titik VII ( daerah bawah kanan) selama 5 detik ujicoba

8) Titik VIII (daerah bawah tengah) selama 5 detik ujicoba

9) Titik IX (daerah bawah kiri) selama 5 detik ujicoba

3.4.3 Tahap Deteksi Perintah (Command Detection)

Tahap deteksi laser dilakukan pengujian dengan equivalence

partitioning class pada data valid dengan variasi data berupa sinar laser (3 sinar

laser), perintah (4 buah perintah), gerak (3 gerakan tiap perintah), kecepatan

(lambat dan cepat) dan metode (4 metode) dilakukan sebanyak 2 kali, sehingga

total pengujian sebanyak 576 percobaan.

Alur pengujian pada tahap ini secara detail, yaitu pada masing-masing

metode (ada 4 metode), dilakukan ujicoba keberhasilan deteksi perintah dengan

1) Perintah I (kanan)

a) Kanan Atas dengan 2 kecepatan yang berbeda

b) Kanan Tengah dengan 2 kecepatan yang berbeda

c) Kanan Bawah dengan 2 kecepatan yang berbeda

Perintah dikatakan sukses, apabila terjadi perubahan slide sebelum

perintah selanjutnya dieksekusi (yaitu slide berubah menjadi slide

setelahnya). Apabila tidak terdapat perubahan slide, maka perintah

command detection dikatakan gagal.

2) Perintah II (kiri)

a) Kiri Atas dengan 2 kecepatan yang berbeda


commit to user

27

b) Kiri Tengah dengan 2 kecepatan yang berbeda

c) Kiri Bawah dengan 2 kecepatan yang berbeda

Perintah dikatakan sukses, apabila terjadi perubahan slide sebelum

perintah selanjutnya dieksekusi (yaitu slide berubah menjadi slide

sebelumnya). Apabila tidak terdapat perubahan slide, maka perintah

command detection dikatakan gagal.

3) Perintah III (atas)

a) Atas Kanan dengan 2 kecepatan yang berbeda

b) Atas Tengah dengan 2 kecepatan yang berbeda

c) Atas Kiri dengan 2 kecepatan yang berbeda

Perintah dikatakan sukses, apabila perintah selanjutnya adalah arah

ke bawah untuk mulai menggambar dan menghasilkan goresan yang

menunjukkan bahwa Draw On sudah aktif. Apabila perintah selanjutnya

arah ke atas, maka perintah ke atas sebelumnya gagal, dan harus dilakukan

ulang perintah.

4) Perintah IV (bawah)

a) Bawah Kanan dengan 2 kecepatan yang berbeda

b) Bawah Tengah dengan 2 kecepatan yang berbeda

c) Bawah Kiri dengan 2 kecepatan yang berbeda

Perintah dikatakan sukses dilihat dari hasil perintah selanjutnya,

yaitu perintah arah ke atas untuk mulai mengaktifkan kembali mode Draw

On. Apabila tidak menghasilkan goresan, maka perintah bawah sukses.

Apabila menghasilkan goresan, berati mode Draw On masih aktif lagi.

3.5 TAHAP PENULISAN LAPORAN

Tahap akhir adalah penulisan laporan berdasarkan implementasi yang sudah

dilakukan. Penulisan laporan meliputi penulisan bagian pendahuluan, penulisan bagian

pembahasan, dan terakhir adalah menarik kesimpulan untuk menjawab rumusan

masalah yang telah ditentukan sebelumnya.


commit to user

28

BAB IV

HASIL DAN PEMBAHASAN

4 HASIL DAN PEMBAHASAN

4.1 ARSITEKTUR APLIKASI

Studi pustaka yang telah dilakukan menghasilkan sebuah solusi perancangan

aplikasi berupa diagram tahapan deteksi laser dan interpretasinya untuk menjalankan

materi presentasi berbasis IT serta untuk menjadi sebuah “pena” dalam menulis pada

materi presentasi tersebut. Aplikasi ini dilakukan melalui empat tahap, yaitu kalibrasi

tampilan, deteksi laser, deteksi perintah dan tahap interpretasi sesuai dengan gambar

18.

Gambar 18 Arsitektur Sistem


commit to user

29

4.2 METODE DAN ALGORITMA PENELITIAN

Metode yang digunakan pada penelitian ini mempunyai 4 tahapan, yaitu

4.2.1 Tahap Kalibrasi Tampilan (Display Calibration)

Display Calibration, yaitu kalibrasi untuk mendeteksi area video

projector pada display kamera yang akan digunakan untuk mentranslasikan

koordinat lokasi sinar laser pointer ke koordinat lokasi sebenarnya pada display

komputer. Pada tahap ini ada beberapa metode yang dilakukan pada penelitian

ini, yaitu:

a. Auto Calibration (Difference Edge Detection)

Gambar 19 Proses Auto Calibration

Pada tahap ini ada beberapa metode yang dilakukan, yaitu:

a) Grayscale Transformation, yaitu tahapan untuk mengubah citra asli

yang didapatkan dari sumber utama menjadi citra grayscale.

b) Difference Edge Detection, yaitu tahapan mendeteksi perbedaan warna

pasangan pixel yang berbeda pada citra grayscale.

c) Threshold Filtering, yaitu tahapan untuk mengubah citra grayscale

yang dihasilkan oleh Difference Edge Detection menjadi citra biner

dengan menentukan nilai threshold tertentu.

d) Blob Detection, yaitu tahapan mendeteksi kumpulan pixel yang

mempunyai warna yang berbeda dari citra latar belakang dan

menyatukannya menjadi satu region. Pada tahapan ini menghasilkan 4

titik koordinat kalibrasi.

b. Manual Calibration

Gambar 20 Proses Manual Calibration

Pada tahap ini, pengguna hanya memasukkan inputan sebanyak 4

titik, dengan cara menekan Klik Kiri dari titik 1 sampai dengan titik 4, dan

untuk menghubungkan dengan titik pertama cukup dengan menekan Klik


commit to user

30

Kanan (setelah titik ke-4 di-Klik). Pada tahapan ini, dilakukan tahapan

penyimpanan koordinat kalibrasi.

c. Coordinate Transformation

Gambar 21 Proses Quadrilateral Transformation

Pada tahap ini dilakukan perubahan bentuk dari segi empat yang

dihasilkan dari kalibrasi menjadi segi empat beraturan sesuai dengan layar

komputer. Perubahan bentuk ini akan menentukan perubahan hasil

tangkapan koordinat pada pendeteksian sinar laser pointer, terutama pada

saat interpretasi cursor pointer mouse.

Gambar 22 Proses Transformasi Display

4.2.2 Tahap Deteksi Laser (Laser Detection)

Laser Detection, yaitu mendeteksi sinar laser pointer dan lokasi

koordinatnya yang akan digunakan pada tahapan interpretasi

a. Brightness Laser Detection (M1)

Gambar 23 Proses Brightness Detection

Pada tahap ini dilakukan brightness detection, yaitu tahapan

mengambil nilai RGB (Red Green Blue) tiap pixel pada suatu citra dan

menghitung pixel yang paling terang dengan menggunakan rumus

brightness, sehingga ditemukan titik yang paling terang dari suatu citra

tersebut.


commit to user

31

b. Difference Edge Laser Detection (M2)

Gambar 24 Proses Difference Edge Laser Detection

Pada tahap ini dilakukan beberapa tahapan yaitu:

a) Grayscale Transformation, yaitu tahapan mengubah citra pada tahapan

sebelumnya yang hanya menampilkan warna tertentu saja menjadi citra

grayscale (abu-abu).


pasangan pixel yang berbeda pada citra grayscale tahapan sebelumnya.

c) Threshold Filtering, yaitu tahapan mengubah citra grayscale menjadi

citra biner dengan titik threshold yang telah ditentukan.




titik koordinat dari hasil tangkapan sinar laser pointer pada citra asli.

c. Brightness and Extract Red Channel Laser Detection (M3)

Gambar 25 Proses Brightness and Extract Red Channel Laser Detection


a) Brightness Correction, yaitu filter yang beroperasi di ruang warna HSL

dan menyesuaikan nilai kecerahan pixel menggunakan nilai luminance

tertentu dari ruang warna HSL.

b) Extract RGB Red Channel, yaitu filter warna dengan cara mengambil

channel warna Merah (Red Channel) pada suatu citra dari ruang warna

RGB dan mengubah citra tersebut menjadi citra grayscale.






commit to user

32



d. Extract Cr and Difference Edge Laser Detection (M4)

Gambar 26 Proses Extract Cr and Difference Edge Laser Detection


a) Extract YCbCr Cr Index, yaitu filter warna dengan cara mengambil

channel warna Cr (Chrominen) pada suatu citra dari ruang warna HSL

dan mengubah citra tersebut menjadi citra grayscale.


pasangan pixel yang berbeda pada citra grayscale tahapan sebelumnya.







4.2.3 Tahap Deteksi Perintah (Command Detection)

Command Detection, mendeteksi perintah yang diinputkan melalui

pergerakan sinar laser pointer. Pada tahap ini ada 4 perintah yang bisa

digunakan, yaitu Next Slide, Previous Slide, Draw On (pointer pen aktif),

Draw Off (pointer pen tidak aktif)

Gambar 27 Proses Gradient Calculation

Pada tahapan ini dilakukan tahapan Gradient Calculation, untuk

menentukan perintah yang dimasukkan oleh pengguna. Perintah yang akan

digunakan ada 4 macam perintah, yaitu:


commit to user

33

a. Kiri (Previous Slide)

Perintah yang digunakan pada bagian ini adalah mengarahkan laser pointer

dari arah KANAN KE KIRI.

b. Kanan (Next Slide)


dari arah KIRI KE KANAN.

c. Atas (Draw On)


dari arah ATAS KE BAWAH.

d. Bawah (Draw Off)


dari arah BAWAH KE ATAS.

Gambar 28 Perintah dari Airboard

4.2.4 Tahap Interpretasi (Interpretation)

Tahapan memanfaatkan koordinat laser pointer dan perintah pada tahap

sebelumnya untuk diubah menjadi gerak cursor pointer mouse, untuk navigasi

dan untuk menjalankan pointer pen pada aplikasi microsoft power point. Pada

tahap ini tidak menggunakan metode yang khusus, karena hanya memanfaatkan

API pada Windows saja. Pada tahapan ini meliputi beberapa bagian dibawah

ini, yaitu:

a. Cursor Pointer Mouse

Pada tahap ini digunakan API Mouse pada Microsoft Windows yang

akan menggerakkan cursor pointer mouse berdasar koordinat lokasi sinar

laser yang ditemukan.


commit to user

34

b. Microsoft power point

Pada tahap ini digunakan API Windows, yaitu mendeteksi Windows

microsoft power point yang aktif dan mengaktifkannya. Perintah-perintah

pada command detection dieksekusi pada tahap ini, yaitu:

a) Kiri (Previous Slide), aplikasi secara otomatis menekan huruf p

b) Kanan (Next Slide) , aplikasi secara otomatis menekan huruf n

c) Atas (Draw On) , aplikasi secara otomatis menekan tombol control+p

d) Bawah (Draw Off) , aplikasi secara otomatis menekan tombol control+a

c. PointerPen

Pada tahap digunakan API Mouse pada Microsoft Windows pada

saat presentasi sedang dilakukan serta mode DrawOn aktif. Pada saat laser

belum berhenti, maka KLIK KIRI pada Mouse telah diaktifkan tanpa

melepas KLIK KIRI. Pada saat laser sudah tidak terdeteksi lagi, maka

KLIK KIRI pada Mouse di-nonaktifkan atau dilepaskan.

4.3 HASIL IMPLEMENTASI SISTEM

4.3.1 Algoritma dan Metode Penelitian

a. Tahap Kalibrasi Display

1) Kalibrasi Manual

2) Kalibrasi Otomatis

a. GrayImage


commit to user

35

b. Difference edge detector

c. Threshold Filter

d. Blob Detection

e. Shape Checker

3) Transformasi Koordinat

b. Tahap Deteksi Laser

1) Metode 1


commit to user

36

2) Metode 2

Sama dengan metode kalibrasi otomatis, hanya berbeda pada

metode Blob Detection, yaitu:

3) Metode 3

Hampir sama dengan metode 2, namun metode pertama dan

kedua saja yang berbeda. Metode pertama digunakan Brightness

Correction dan Metode 2 digunakan ExtractChannel Red.

4) Metode 4

Hampir sama dengan metode 2, namun metode pertama dan

kedua saja yang berbeda. Metode pertama digunakan YCbCr Extract

Channel Cr dan Metode 2 digunakan Difference Edge Detection.


commit to user

37

c. Tahap Deteksi Perintah

1) Inisialisasi titik yang disimpan, dengan cara:

a) Titik Awal dengan x1 dan y1

b) Titik Akhir dengan x2 dan y2

2) Menghitung nilai dx dan dy

3) Menentukan Perintah yang dihasilkan (kanan, kiri, atas, bawah, dan

diagonal)


commit to user

38

4) Jika Semua perintah tidak ada, maka deteksi perintah memberikan nilai ”?”

d. Tahap Interpretasi

1) Cursor Pointer Mouse

2) Powerpoint

Di dalam foreach tersebut, dilakukan deteksi adanya Microsoft power

point


commit to user

39

Jika tidak dalam posisi Draw On, maka


commit to user

40

3) Pointer Pen

4.3.2 Screen Output Implementasi

a. Kalibrasi Tampilan

1) Kalibrasi Manual

Pada tahap ini, pengguna hanya memasukkan inputan sebanyak

4 titik, dengan cara menekan Klik Kiri dari titik 1 (pojok kiri atas), titik

2 (pojok kanan atas), titik 3 (pojok kanan bawah) dan terakhir titik 4

(pojok kiri bawah) Langkah terakhir pengguna untuk menghubungkan

titik pertama dengan titik keempat cukup dengan menekan Klik Kanan

(setelah titik ke-4 di-Klik).

Gambar 29 Output Kalibrasi Manual

2) Kalibrasi Otomatis

Pada tahap ini, pengguna hanya menekan tombol kalibrasi saja

secara langsung, karena aplikasi ini akan secara otomatis mendeteksi

area video projector yang digunakan.


commit to user

41

Gambar 30 Tampilan airboard v.2 pada saat kalibrasi otomatis

Proses yang dilakukan sesuai gambar 31, yaitu Grayscale

Transformation (kiri atas), Difference Edge Detection (kanan atas),

Threshold Filtering (kiri bawah), dan terakhir Blob Detection (kanan

bawah) yang menghasilkan koordinat dari keempat titik pojok dari area

video projector.

Gambar 31 Proses kalibrasi otomatis

Pada aplikasi ini, pengguna sebenarnya memasukkan threshold

yang sesuai agar dapat digunakan untuk mendeteksi area video

projector. Pemilihan nilai threshold yang sesuai akan menentukan


commit to user

42

keberhasilan dan akurasi koordinat titik pojok yang dihasilkan yang

diperlihatkan pada gambar 32.

Threshold = 0

Threshold = 10

Threshold = 20

Threshold = 30

Threshold = 40

Threshold = 50

Threshold = 60

Threshold = 70

Gambar 32 Perbedaan treshold pada kalibrasi otomatis

3) Transformasi Koordinat

Proses yang dilakukan setelah menemukan koordinat keempat

titik pojok sesuai gambar 33, yaitu transformasi koordinat dari area

webcam yang cukup luas (kiri) berubah menjadi area video projector

(kanan).


commit to user

43

Gambar 33 Perbedaan Gambar yang belum mengalami kalibrasi display

dan telah terkalibrasi display (terdapat proses transformasi

koordinat)

b. Deteksi Laser

Tahap yang dilakukan selanjutnya adalah tahap deteksi laser. Pada

tahap ini, terdapat 4 metode yang digunakan yang menghasilkan koordinat

titik laser pointer dari area yang telah tertransformasi sesuai gambar 33

bagian kanan. Tampilan pada saat digunakan aplikasinya ditunjukkan pada

gambar 34, sedangkan koordinat titik laser pointer yang ditemukan pada

area tertransformasi ditunjukkan pada gambar 35.

Gambar 34 Output Airboard v2 pada saat deteksi laser

Gambar 35 Hasil deteksi laser yang menghasilkan koordinat


commit to user

44

1) Metode 1 (Brightness Laser Detection)

Metode ini dilakukan brightness detection, yaitu tahapan mengambil

nilai RGB (Red Green Blue) tiap pixel pada suatu citra dan menghitung

pixel yang paling terang dengan menggunakan rumus brightness,

sehingga ditemukan titik yang paling terang dari suatu citra tersebut.

Gambar 36 Perubahan Citra pada Metode 1

2) Metode 2 (Difference Edge Laser Detection)

Metode ini dilakukan beberapa proses sesuai gambar 37, yaitu dari

citra webcam (kiri atas) yang kemudian dilakukan tahap kalibrasi

tampilan menjadi area tertransformasi (tengah atas) tanpa koordinat,

Grayscale Transformation (kanan atas), Difference Edge Detection (kiri

bawah), Threshold Filtering (tengah bawah), dan terakhir Blob

Detection (kanan bawah) yang menghasilkan koordinat titik laser

pointer.



commit to user

45

3) Metode 3 (Brightness and Extract Red Channel Laser Detection)




Brightness Correction (kanan atas), Extract RGB Red Channel (kiri



pointer.


4) Metode 4 (Extract Cr and Difference Edge Laser Detection)




Extract YCbCr Cr Index (kanan atas), Difference Edge Detection (kiri



pointer.


commit to user

46


c. Interpretasi Power Point dan Pointer Pen

Hasil interpretasi power point dan pointer pen pada aplikasi ini yang

digunakan untuk menggambar ditunjukkan pada gambar 40.

Gambar 40 Hasil Interpretasi Power Point dan Pointer Pen

4.4 HASIL PENGUJIAN

4.4.1 Tahap Kalibrasi Display

a. Pengujian pada Tempat Pertama

Pengujian pada tempat pertama dan kedua didapatkan hasil

beberapa titik pojok tampilan video projector (A, B, C, D) sesuai dengan

gambar 41


commit to user

47

A

B

C

D

Gambar 41 Empat titik video projector pada kalibrasi tampilan

Data pengujian yang telah didapatkan dan sesuai pada lampiran 1,

dapat ditunjukkan hasil sebagai berikut:

Selisih Kalibrasi Otomatis dan Manual (Koordinat X pada Tempat

1)

53.40

0.40

0.20

0.00

0.20

0.60

0.60

113.40

1.40

0.40

1.80

2.00

2.20

55.20

104.40

0.80

0.20

1.00

0.40

0.60

0.60

52.40

0.80

1.00

0.40

0.20

0.20

0.40

0.00

20.00

40.00

60.00

80.00

100.00

120.00

T0 T10 T20 T30 T40 T50 T60

threshold

error

A

B

C

D

Titik

Gambar 42 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X.

Data koordinat X empat titik (A, B, C, D) pada tempat pertama,

dilakukan pengujian threshold dari 0 hingga 60. Selisih perbedaan dengan

kalibrasi manual diperlihatkan pada gambar 42.


commit to user

48

Detail Selisih Kalibrasi Otomatis dan Manual (Koordinat X pada

Tempat 1 dengan T10-T50)

0.40

0.20

0.00 0.20

0.60

1.40

0.40

1.80 2.00 2.20

0.80

0.20

1.00

0.40 0.600.80 1.00

0.40

0.20

0.20

0.00

0.50

1.00

1.50

2.00

2.50

T10 T20 T30 T40 T50

threshold

error

A

B

C

D

Titik

Gambar 43 Detail selisih kalibrasi otomatis dengan kalibrasi manual

koordinat X.

Gambar 43 menunjukkan secara detail selisih yang cukup kecil di

bawah nilai 2,50 sehingga dari gambar 42 hanya diperlihatkan threshold 10

hingga threshold 50 saja.

Selisih Kalibrasi Otomatis dan Manual (Koordinat Y pada Tempat

1)

60.20

0.80

0.20

0.80

1.20

0.80

1.40

67.20

2.00

0.40

0.80

0.40

0.20

2.80

61.40

1.00

0.80

0.60

0.20

0.40

0.20

62.40

0.40

0.40

0.40

0.40

0.20

0.60

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

T0 T10 T20 T30 T40 T50 T60

threshold

error

A

B

C

D

Titik

Gambar 44 Selisih kalibrasi otomatis dengan kalibrasi manual

koordinat Y pada tempat 1.

Data koordinat Y empat titik (A, B, C, D) pada tempat pertama,

dilakukan pengujian threshold dari 0 hingga 60. Selisih perbedaan dengan

kalibrasi manual diperlihatkan pada gambar 44.


commit to user

49

Detail Selisih Kalibrasi Otomatis dan Manual (Koordinat Y pada

Tempat 1 dengan T10-T60)

0.80

0.20

0.80 1.20

0.80

1.40

2.00

0.40 0.80

0.40

0.20

2.80

1.00

0.80

0.60

0.20 0.40

0.200.40

0.40

0.40

0.40

0.20 0.60

0.00

0.50

1.00

1.50

2.00

2.50

3.00

T10 T20 T30 T40 T50 T60

threshold

error

A

B

C

D

Titik

Gambar 45 Detail selisih kalibrasi otomatis dengan kalibrasi manual


Gambar 45 menunjukkan secara detail selisih yang cukup kecil di

bawah nilai 3,00 sehingga dari gambar 44 hanya diperlihatkan threshold 10

hingga threshold 60 saja.

Perbedaan threshold ini menyebabkan hasil yang berbeda-beda pada

deteksi pojok video projector, sesuai dengan screen output implementasi

pada sub bab sebelumnya. Threshold yang tepat akan menghasilkan deteksi

pojok yang lebih baik, tidak terlalu kecil dan tidak terlalu besar. Apabila

threshold terlalu kecil, maka deteksi titik tidak mampu mendapatkan titik

pojok yang tepat, karena deteksi tepi yang dilakukan oleh difference edge

detection menghasilkan tepi yang tebal. Namun, apabila threshold terlalu

besar, maka deteksi tepi juga tidak mampu mendapatkan titik pojok yang

tepat pula, karena tepi yang dihasilkan oleh difference edge detection terlalu

tipis dan terpotong, sehingga Blob detection tidak mampu mendeteksi area

tertutup video projector yang tertangkap webcam.


commit to user

50

b. Pengujian pada Tempat Kedua

Selisih Kalibrasi Otomatis dan Manual (Koordinat X pada Tempat

2)

2.00

1.00

1.00

1.00

2.00

1.00

1.00

2.00

2.00

0.00

2.00

1.00

1.00

1.00

0.00

0.00

0.00

0.50

1.00

1.50

2.00

2.50

T0 T10 T20 T30

threshold

error

A

B

C

D

Titik


koordinat X pada tempat 2.

Detail selisih yang cukup kecil di bawah nilai 3,00 untuk data

koordinat X pada tempat kedua ditunjukkan oleh gambar 46, sedangkan

detail selisih yang cukup kecil dengan nilai maksimum 3,00 untuk data

koordinat Y yang ditunjukkan oleh gambar 47 antara threshold 0 hingga

threshold 30 saja. Untuk threshold 40, auto calibration tidak mampu

mendeteksi area video projector.

Selisih Kalibrasi Otomatis dan Manual (Koordinat Y pada Tempat

2)

3.00

1.00

2.00

1.00

1.00

3.00

2.00

3.00

2.00

1.00

2.00

1.00

1.00

1.00

1.00

1.00

0.00

0.50

1.00

1.50

2.00

2.50

3.00

3.50

T0 T10 T20 T30

threshold

error

A

B

C

D

Titik



Dapat disimpulkan bahwa metode kalibrasi otomatis cukup mampu

menggantikan kalibrasi manual, dengan selisih perbedaan yang kecil,


commit to user

51

sebesar kurang lebih dibawah 3 pixel pada area webcam dengan kondisi

nilai threshold yang tepat.

4.4.2 Tahap Deteksi Laser

Sesuai data pengujian pada lampiran 2, dapat ditunjukkan hasil sebagai

berikut:

Hasil Pengujian beberapa Metode pada Tahap Deteksi Laser

85.21 100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00

98.95

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

90.00

100.00

Red Green Blue

Warna Laser

Persentase

M1

M2

M3

M4

Metode

M1 = Brightness Laser Detection

M2 = Difference Edge Laser Detection

M3 = Brightness and Extract Red Channel Laser Detection

M4 = Extract Cr and Difference Edge Laser Detection

Gambar 48 Hasil Pengujian beberapa Metode pada Tahap Deteksi Laser.

Pada tahap deteksi laser, sinar laser green dan blue mempunya nilai

yang tinggi dibandingkan dengan sinar laser merah, karena ketajaman sinar

laser tersebut. Hal ini dikarenakan tidak adanya sinar laser warna merah yang

cukup tajam yang dapat dibandingkan dengan sinar laser warna hijau dan

biru/ungu. Gambar 49 menunjukkan perbandingan ketiga sinar laser tersebut.

Gambar 49 Perbedaan Ketiga Sinar Laser pada Pengujian.


commit to user

52

Dapat disimpulkan bahwa keempat metode cukup mampu mendeteksi

keberadaan sinar laser dengan minimal keberhasilan deteksi sebesar diatas

85%. Untuk metode terbaik dicapai oleh metode 2 (Difference Edge Laser

Detection) dan 3 (Brightness and Extract Red Channel Laser Detection)

dengan keberhasilan deteksi sebesar 100% untuk tiap warna laser yang

berbeda.

4.4.3 Tahap Deteksi Perintah

Sesuai data pengujian pada lampiran 3, dapat ditunjukkan hasil sebagai

berikut:

Hasil Pengujian beberapa Metode pada Tahap Deteksi

Perintah (>750ms)

100.00

100.00

100.00

100.00

92.00

100.00

100.00

91.67

100.00

100.00

100.00

100.00

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

90.00

100.00

Red Green Blue

Warna

Persentase

M1

M2

M3

M4

Metode





Gambar 50 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (>750 ms).


commit to user

53

Hasil Pengujian beberapa Metode pada Tahap Deteksi

Perintah (<750ms)

42.00

100.00

100.00

8.33

96.00

96.00

0.00

83.33

100.00

95.83

100.00

100.00

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

80.00

90.00

100.00

Red Green Blue

Warna

Persentase

M1

M2

M3

M4

Metode





Gambar 51 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (<750 ms).

Pada kecepatan lambat (waktu tempuh >750 ms) sesuai gambar 50,

hampir semua metode dapat mengenali perintah secara baik dengan rata-rata

keberhasilan sebesar di atas 90 % (nilai minimal pada metode 3 untuk warna

hijau). Namun, untuk kecepatan yang tinggi (waktu tempuh < 750 ms) sesuai

gambar 51, sinar merah tidak dapat dikenali secara jelas. Hal ini sesuai dengan

penyebab perbedaan keberhasilan sinar merah pada tahap deteksi sinar laser.

Keberhasilan deteksi ini tidak signifikan dengan deteksi laser karena

jumlah titik yang dibutuhkan untuk deteksi perintah minimal 2 titik pada

sejumlah koordinat titik yang ditemukan hingga batasan tidak ditemukan titik

sebanyak 8 buah citra. Namun, pada deteksi sinar laser dihitung tiap detiknya

terekam berapa jumlah koordinat yang tertangkap. Dengan kata lain, deteksi

perintah menghitung sejumlah titik dan deteksi sinar laser menghitung

keberhasilan tiap 1 titik.

Metode terbaik pada tahap ini dicapai oleh metode 4 (Extract Cr and

Difference Edge Laser Detection) dengan keberhasilan deteksi sebesar di atas

95%, tepatnya 95,83%.


commit to user

54

Rancangan sistem yang tepat sesuai dengan penelitian ini adalah

Gambar 52 Rancangan sistem setelah pengujian


commit to user

55

BAB V

KESIMPULAN DAN SARAN

5 KESIMPULAN DAN SARAN

5.1 KESIMPULAN

Kesimpulan yang bisa diambil pada penelitian tugas akhir ini adalah pada tahap

kalibrasi, metode kalibrasi otomatis cukup mampu menggantikan kalibrasi manual,

dengan selisih perbedaan yang kecil, sebesar kurang lebih di bawah 3 pixel pada area

webcam dengan kondisi nilai threshold yang tepat.

Pada tahap deteksi laser, metode yang terbaik adalah Difference Edge Laser

Detection dan Brightness and Extract Red Channel Laser Detection dengan

keberhasilan deteksi sebesar 100% untuk tiap warna laser yang berbeda.

Pada tahap deteksi perintah, metode yang terbaik adalah metode Extract Cr

and Difference Edge Laser Detection, dengan persentase deteksi perintah diatas 95%,

yaitu 95,83% baik pada mode cepat maupun lambat dibandingkan dengan metode yang

lain, diikuti metode Difference Edge Laser Detection dan metode Brightness and

Extract Red Channel Laser Detection serta yang terakhir metode Brightness Laser

Detection. Pada mode lambat hampir semua metode bisa digunakan dengan persentase

paling sedikit diatas 90%, yaitu sebesar 91,67%. Namun, pada mode cepat, sinar merah

(red beam laser) mengalami kegagalan yang cukup banyak, dikarenakan pancaran

yang kurang kuat dibanding dengan sinar biru (blue beam laser) dan hijau (green

beam laser).

Pada akhirnya, rancangan sistem aplikasi Airboard terdiri dari tahap kalibrasi

dengan auto calibration, tahap deteksi laser dengan Difference Edge Laser Detection

dan Brightness and Extract Red Channel Laser Detection serta tahap deteksi perintah

dengan Extract Cr and Difference Edge Laser Detection dan Gradient Calculation.


commit to user

56

5.2 SARAN

Saran yang dapat ditujukan untuk penelitian berikutnya yang terkait dengan

penelitian ini adalah:

1. Metode Kalibrasi Otomatis dapat dilanjutkan penelitiannya dengan menambahkan

metode untuk membandingkan beberapa threshold, sehingga titik kalibrasi tampilan

yang tepat bisa diperoleh dari titik yang mempunyai nilai yang sama.

2. Penelitian ini dapat dilanjutkan agar memungkinkan untuk memanfaatkan semua

fasilitas mouse (klik kiri, klik kanan dan dragging)

3. Pada waktu menjalankan draw off (dari bawah ke atas), aplikasi ini menghasilkan

sebuah citra, karena posisi “pena” dalam kondisi aktif. Jadi, penelitian ini dapat

dilanjutkan agar dapat menjalankan perintah draw off tanpa menghasilkan sebuah citra

m APLIKASI PRESENTASI AIRBOARD m DENGAN ...APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER...

Documents

Transcript of m APLIKASI PRESENTASI AIRBOARD m DENGAN ...APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER...