Upload
phamdat
View
218
Download
0
Embed Size (px)
Citation preview
PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN
DI LINTASAN JALAN DUA ARAH MENGGUNAKAN
LIBRARY CVBLOB
(Skirpsi)
Oleh
M.HAFIZULAHUDIN
FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO
UNIVERSITAS LAMPUNG
2018
ABSTRACT
THE DESIGN OF VEHICLES COUNTING NUMBER PROGRAM
ON THE TWO-WAY STREET USING CVBLOB LIBRARY
BY
M. HAFIZULAHUDIN
Theincrease number of vehicles coused the road congestion. Therefore, it needs
traffic density monitoring for the local government as the reference to ascertain the
number of vehicles that cross the highway, so that, the local government can repair
the existing road, widening of road, and also add new roads or arrange new routes.
This study contains the design and analysis of monitoring and counting of traffic
vehicles number on two lines using two videos as the input with the difference
vehicle density, the program uses microsoft visual studio 2013, the c++ language
and equipped with Cvblob library from Open cv.The results obtained numeric data
from two videos with the difference density. According to the test, cvblob method is
superior at the normal road conditions.
Keywords: Cvblob, Open Cv and Visual Studio 2013.
ABSTRAK
PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN
DI LINTASAN JALAN DUA ARAH MENGGUNAKAN LIBRARY
CVBLOB
OLEH
M.HAFIZULAHUDIN
Seiring meningkatnya jumlah kendaraan yang beroperasi mengakibatkan
kemacetan. Oleh karena itu, diperlukan pemantauan kepadatan lalulintas agar
pemerintah setempat dapat menjadikan referensi untuk mengetahui jumlah
kendaraan yang melintas pada jalan raya agar pemerintah dapat memperbaiki jalan
yang sudah ada, pelebaran jalan, dan juga penambahan jalan baru atau penataan rute
baru. Penelitian ini berisi perancangan dan analisa pemantau dan penghitung jumlah
kendaraan lalulintas di dua jalur menggunakan dua video sebagai input dengan
kepadatan kendaraan yang berbeda, pemrograman menggunakan microsoft visual
studio 2013 dengan bahasa C++ dan dilengkapi dengan sebuah library CvBlob dari
Open cv. Hasil yang diperoleh berupa data angka dari dua video dengan kepadatan
yang berbeda. Berdasarkan pengujian metode CvBlob lebih unggul pada saat
kondisi jalan lenggang
Kata kunci: CvBlob, Open Cv dan Visual Studio 2013,
PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN
DI LINTASAN JALAN DUA ARAH MENGGUNAKAN LIBRARY
CVBLOB
Oleh
M. Hafizulahudin
Skripsi
Sebagai Salah Satu Syarat Untuk Mencapai Gelar
SARJANA TEKNIK
Pada
Jurusan Teknik Elektro
Fakultas Teknik Universitas Lampung
FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2018
RIWAYAT HIDUP
Penulis dilahirkan di waymengaku, Kabupaten Lampung Barat pada
tanggal 29 Desember 1995. Penulis merupakan anak ketujuh dari tujuh
soudara dari pasangan bapak M. Razi dan Ibu Siti Ahdah.
Mengenai riwayat pendidikan, penulis lulus Sekolah Dasar di SDN 01
Liwa Lampung Barat pada tahun 2007, lulus Sekolah Menengah Pertama
di SMPN 02 Liwa Lampung Barat pada tahun 2010, lulus Sekolah Menengah Atas di SMAN
01 Liwa Lampung Barat pada tahun 2013, dan diterima di Jurusan Teknik Elektro Universitas
Lampung pada tahun 2013 melalui jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri
(SNMPTN). Selama menjadi Mahasiswa, penulis aktif di organisasi Himpunan Mahasiswa
Teknik Elektro (HIMATRO) Fakultas Teknik Sebagai Anggota Depertemen Kaderisasi dan
Pengembangan Organisasi.
Atas Ridho
Dengan penuh kerendahan hati, aku persembahkan karayku ini untuk Orang
Tuaku tercinta yang selalu memberikan Do’a dan Dukungan.
MOTO
“Allah tidak membebani seseorang melainkan sesuai dengan kesanggupannya”
( Al-Baqaroh; 286)
“ selalu bersyukur atas nikmat yang telah diberikan”
(M. Hafizulahudin)
SANWACANA
Bismillaahirrohmaanirroohiim
Segala puji bagi Alloh SWT karena berkat rahmat dan karunia-Nya telah
memberikan kekuatan dan kemampuan berpikir kepada penulis dalam penyelesaian
penulisan Skripsi ini sehingga laporan ini dapat selesai tepat pada waktunya.
Sholawat dan salam tak lupa penulis sampaikan kepada Nabi Muhammad SAW
karena dengan perantara beliau kita semua dapat merasakan nikmatnya ibadah,
nikamatnya bersyukur, dan insya Alloh nikmatnya surga.
Skripsi ini berjudul “Perancangan Program Penghitung Jumlah Kendaraan di
Lintasan Jalan Dua Arah Menggunakan Library CvBlob“ yang merupakan
salah satu syarat untuk memperoleh gelar Sarjana Teknik di Jurusan Teknik Elektro
Fakultas Teknik Universitas Lampung.
Selama menjalani pengerjaan Skripsi ini, penulis mendapatkan bantuan pemikiran
maupun dorongan moril dari berbagai pihak. Oleh karena itu dalam kesempatan
kali ini, penulis ingin mengucapkan terima kasih kepada :
1. Bapak Prof. Dr. Ir. Hasriadi Mat Akin, M.P. selaku Rektor Universitas
Lampung.
2. Bapak Prof. Suharno, M.Sc., Ph.D. selaku Dekan Fakultas Teknik Universitas
Lampung.
xi
2. Bapak Dr. Ing. Ardian Ulvan, S.T., M.Sc. dan Bapak Dr. Herman Halomoan S,
S.T.,M.T selaku Ketua Jurusan serta Seketaris Teknik Elektro Fakultas Teknik
Universitas Lampung.
3. Bapak Dr.Eng.F.X..Arinto S,S.T.,M.T, selaku kepala Laboraturium
Elektronika, Jurusan Teknik Elektro Universitas Lampung serta sebagai Dosen
Penguji Utama, terimkasi atas masukannya guna membuat skripsi ini menjadi
lebih baik.
4. Ibu Dr. Sri Purwiyanti,S.T.,M.T. selaku Pembimbing Utama, Terima Kasih atas
kesediaan waktunya untuk membimbing dan memberikan ilmu.
5. Ibu Herlinawati,S.T.,M.T. selaku Pembimbing Pendamping, Terima Kasih atas
kesediaan waktunya untuk membimbing dan memberikan ilmu.
6. Seluruh Dosen Teknik Elektro Universitas Lampung, Terimakasih atas
bimbingan dan ilmu yang telah diberikan selama menuntut ilmu di Jurusan
Teknik Elektro Universitas Lampung.
7. Kak Yudi Eka Putra S.T selaku PLP Laboratorium Elektronika, yang telah
membantu dalam banyak hal.
8. Kedua orang tua penulis, bapak dan ibu tercinta yang tiada henti hentinya
memberikan dukungan, doa, nasihat, dan kasih sayang tiada batas akhir dan
semoga beliau selalu didalam lindungan Allah SWT;
9. Para Asisten dan Staff Elka yang telah memberikan gagasan dan bantuan dalam
hal pembuatan alat, serta suasana indah yang mungkin kedepannya tidak kita
rasakan kembali.
xii
10. Seluruh Teman, Sahabat, Keluargaku, Teknik Elektro 2013 atas kebersamaan
dan kekeluargaan yang kalian semua berikan kepada penulis, mulai penulis
masuk kuliah hingga penulis menyelesaikan skripsi ini, terima kasih atas nilai
kehidupan yang kalian berikan. Bagi penulis kalian Keluarga yang selalu Luar
Biasa.
11. Sepptiyana yang telah membantu dan memberikan dukungan kepada penulis
selama proses penyusunan tugas akhir ini.
12. Semua pihak yang tidak dapat disebut satu persatu yang telah membantu serta
mendukung penulis dari awal kuliah sampai dengan terselesaikannya Skripsi
ini.
Semoga Alloh SWT membalas kebaikan semua pihak yang telah membantu dalam
penyelesaian Skripsi ini.
Bandar Lampung, Oktober 2018
Penulis,
M. Hafizulahudin
DAFTAR ISI
Halaman
ABSTRACT ............................................................................................................. i
ABSTRAK .............................................................................................................. ii
HALAMAN JUDUL .............................................................................................. iii
LEMBAR PERSETUJUAN.................................................................................. xv
LEMBAR PENGESAHAN .................................................................................. xv
LEMBAR PERNYATAAN ................................................................................... vi
RIWAYAT HIDUP ............................................................................................... vii
PERSEMBAHAN ................................................................................................ viii
SANWACANA ....................................................................................................... x
DAFTAR ISI ........................................................................................................ xiii
DAFTAR GAMBAR .......................................................................................... xvii
DAFTAR TABEL ............................................................................................... xix
I. PENDAHULUAN ............................................................................................... 1
1.1. Latar Belakang ............................................................................................ 1
1.2. Tujuan Penelitian ........................................................................................ 3
xiii
1.3. Manfaat Penelitian ...................................................................................... 3
1.4. Perumusan Masalah .................................................................................... 3
1.5. Batasan masalah ......................................................................................... 4
1.6. Hipotesis ...................................................................................................... 4
1.7. Sistematika Penuliasan ............................................................................... 4
II. TINJAUAN PUSTAKA ..................................................................................... 6
2.1. Pengertian citra ........................................................................................... 6
2.1.1 Pengolahan citra ................................................................................ 6
2.2. Format File Citra ............................................................................................. 9
2.3. Deteksi Objek ............................................................................................ 10
2.3.1 Background Subtraction ................................................................... 11
2.3.2 Morphologcal Image Procesing ....................................................... 13
2.4. CvBlobs ..................................................................................................... 16
2.4.1 Blob Deteksi ............................................................................................. 17
2.4.2 Mendeteksi Gumpalan berdasarkan Warna, Ukuran dan Bentuk ........... 18
III. METODE PENELITIAN ................................................................................ 21
3.1. Waktu dan Tempat Penelitian ................................................................... 21
3.2. Aalat Dan Bahan ....................................................................................... 21
3.3. Perancangan Sistem .................................................................................. 22
xiv
3.3.1.Diagram Alir Penelitian .................................................................. 22
3.4. Spesifikasi Sistem ...................................................................................... 24
3.5. Metode yang Diusulkan ............................................................................. 24
3.5.1 Diagram Alir Metode yang Diusulkan ............................................. 24
3.5.2 Bacground Subtraction .................................................................... 26
3.5.3 Blob Deteksi ..................................................................................... 29
3.6 Perolehan Citra ......................................................................................... 30
IV. HASIL DAN PEMBAHASAN ...................................................................... 32
4. 1. Hasil dan Pengambilan Data ....................................................................... 32
4.1.1. Hasil Perolehan Citra.......................................................................... 34
4.2 Proses Pengolahan ......................................................................................... 35
4.2.1. Implementasi Input dan Penampilan Video ......................................... 36
4.2.2. Ekstraksi Video ................................................................................... 37
4. 2.3 Morphological Image Procesing............................................................ 38
4. 2.4 Perancangan Blob Tracking dan Hasil Blob Tracking ......................... 40
4. 2.5 Kesalahan Blob Tracking ....................................................................... 42
4. 2.6 Line Deteksi ............................................................................................ 43
4. 2.7 Implementasi Output .............................................................................. 46
4.3 Pembahasan ................................................................................................. 47
4.3.1 Analisisi Keakuratan Sistem Klasifikasi Kendaraan .............................. 47
xv
4.3.2 Analisisis Keakuratamn Penghitung Kendaraan .................................... 48
V. KESIMPULAN DAN SARAN ........................................................................ 57
5.1. Kesimpulan ..................................................................................................... 57
5.2. Saran .............................................................................................................. 58
DAFTAR PUSTAKA
LAMPIRAN
xvi
DAFTAR GAMBAR
Halaman
Gambar 2.1. Bacground Subtraction .................................................................... 12
Gambar 2.2.Operasi Dilatasi................................................................................. 14
Gambar 2.3. Operasi Erosi ................................................................................... 15
Gambar 2.4. Segumpalan simple blob................................................................... 16
Gambar 2.5. Convexcity ........................................................................................ 19
Gambar 2.6. Inertia Ratio ..................................................................................... 20
Gambar 3.1. Diagram Alir penelitian ................................................................... 23
Gambar 3.2. Diagram Alir Metode yang Diusulkan ............................................. 25
Gambar 3.3. Contoh Proses Background Subraction ............................................ 28
Gambar 3.4.Blob Deteksi ...................................................................................... 29
Gambar 3.5. Penerapan Blob Deteksi ................................................................... 30
Gambar 4.1.Tempat Pengambilan Data ............................................................... 33
Gambar 4.2. Hail Prolehan Citra Awal di jl. Zainal Abidin ................................. 34
Gambar 4.3. Hail Prolehan Citra Awal di jl. Pramuka Rajabasa .......................... 34
Gambar 4.4 Tampilan Awal Visual Studio 2013. ................................................. 35
Gambar 4.5 Input Program video ......................................................................... 36
xvii
Gambar 4.6 Output Program Video ...................................................................... 36
Tabel 4.7 Program Background Subtraction ......................................................... 37
Tabel 4.8 Hasil Morphologi ................................................................................. 39
Tabel 4.9 Hasil Frame Blob ................................................................................. 40
Gambar 4.10. Hasil frame blob tracking .............................................................. 41
Gambar 4.11 Kesalahan Blob Deteksi .................................................................. 43
Gambar 4.12 Line Deteksi Sebelum Terdeteksi .................................................... 45
Gambar 4.13 Line yang Terdeteksi ....................................................................... 45
Gambar 4.14 Jumlah Objek yang Terdeteksi ........................................................ 46
Gambar 4.15 Grafik Hubungan Perbandingan jumlah (kiri) ................................ 50
Gambar 4.16 Grafik Hubungan Perbandingan jumlah (kana) .............................. 52
Gambar 4.17 Grafik Hubungan Perbandingan jumlah (keseluruhan) ................... 55
DAFTAR TABEL
Halaman
Tabel 3.1 Alat dan Bahan ...................................................................................... 21
Tabel 4.1 Jumlah Kendaraan pada Jalan Sebelah Kiri .......................................... 48
Tabel 4.2 Jumlah Kendaraan pada Jalan Sebelah Kanan ...................................... 50
Tabel 4.2 Jumlah Kendaraan pada Jalan keseluruhan ........................................... 53
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Seiring meningkatnya perekonomian dan semakin banyaknya jumlah
penduduk di Indonesia setiap tahun, maka dapat berdampak pada jumlah
kendaraan yang beroprasi pada jalan raya. Maka hal ini dapat dibuktikan
dengan tingginya angka penjualan kendaraan yang mencapai 3.326.380 pada
tahun 2010. Maka wajar saja kemacetan dan kepadatan di kota-kota besar
semakin meningkat, hal ini dikarenakan kendaraan yang melintas di jalan raya
sudah tidak sebanding lagi dengan fasilitas jalan yang ada. Bertambahnya
jumlah kendaraan yang beroperasi seolah-olah menjadi keuntungan bagi
kehidupan. Oleh karena itu hal ini akan berdampak pada penurunan kualitas
udara, dan dapat merusak lingkungan hidup disekitar yang disebabkan oleh
polusi dari kendaraan dan kepadatan lalulintas yang akan menyebabkan
kemacetan. Untuk dapat mengetahui kepadatan rata-rata lalulintas maka
diperlukan survei mengghitung jumlah kendaraan secara manual.
Pelaksanaan survei biasanya hanya dilakukan oleh seorang pengamat untuk
kepentingan pribadi ataupun kepentingan yang lainnya hal ini memunkinkan
seorang pengamat dapat terjadi human eror pada saat proses penghitungan
kendaraan karena terlalu banyaknya jumlah kendaraan yang melintas, maka
2
pengaruh lingkungan atau kondisi internal peneliti itu sendiri sehingga
mengakibatkan kurang akuratnya proses penghitungan dan pendeteksian
suatu objek atau kendaraan yang dilakukan secara langsung oleh seorang
peneliti. Selain rentan terjadinya human error, penghitungan yang dilakukan
oleh manusia akan sangat memerlukan biaya yang sangat besar untuk setiap
pelaksanaannya sehingga kurang efisien (Widiyardini, 2010).
Oleh karena itu, maksud dari suatu penelitian ini dapat melakukan sebuah
perancangan program penghitung jumlah kendaraan di lintasan jalan raya dua
arah menggunakan sofware visual studio C++ 2013 dan dilengkapi dengan
library pendukung dari library OpenCV yaitu CvBlob. Pada library OpenCV
digunakan karena memiliki banyak subprogram yang dapat digunkan dan
dikombinasikan sehingga memiliki berbagai fungsi dalam pemrograman yang
berkaitan dengan pengolahan citra digital. Pada tugas ahkir ini merupakan
pengembangan dari salah satu jenis penelitian yang telah banyak
diaplikasikan salah satu contoh pada penelitian yang sebelumnya yaitu
Perancangan Program Penghitung Jumlah kendaraan di Lintasan Satu Arah
Menggunakan Bahasa Pemrograman C++ dengan Pustaka OpenCv (Cahaya,
Fajar Mit. 2014) yang menghitung jumlah kendaraan jalan satu arah.
Berdasarkan pada kondisi tersebut, fokus penelitian ini adalah
mengembangkan dari penelitan sebelumnya, yaitu Perancangan Program
Penghitung Jumlah Kendaraan di Lintasan Dua Arah Menggunkan Librarry
CvBlob. Data yang diproleh dapat digunakan sebagai referensi untuk
mengetahui jumlah kendaraan yang melintas pada jalan raya agar pemerintah
3
dapat memperbaiki jalan yang sudah ada, pelebaran jalan, dan juga
penambahan jalan baru atau penataan rute baru.
1.2 Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Membuat sistem yang dapat mendeteksi jumlah kendaraan yang melintas
di jalan dua jalur.
2. Dapat menerapkan metode CvBlob pada sistem pendeteksi jumlah
kendaraan yang melintas di jalan dua arah.
1.3 Manfaat Penelitian
Manfaat dari penelitian ini adalah memperoleh sistem pengolahan citra digital
yang mampu mendeteksi dan menghitung jumlah objek atau kendaraan yang
yang melintas di jalan dua jalur, sehingga sistem yang di proleh dapat
dikembangkan menjadi sebuah softwere yang dapat mendeteksi dan
menghitung jumlah kendaraan pada jalan dua jalur.
1.4 Rumusan Masalah
Mengacu pada permasalahan yang ada, maka perumusan masalah penelitian
ini berfokus pada aspek berikut:
1. Bagaimana cara mendeteksi objek bergerak pada dua area yang berbeda.
2. Bagaimana cara menghitung jumlah kendaraan yang melintas di jalan dua
arah pada jalan raya.
3. Bagaimana dapat membedakan perhitungan jumlah kendaraan yang
melintas di jalan dua arah.
4
1.5 Batasan Masalah
Dalam penelitian ini terdapat beberapa batasan masalah, yaitu:
1. Bentuk objek yang diamati hanya objek yang melintas di jalan raya.
2. Software yang digunakan adalah software Visual Studio.C++ dan OpenCV
3. Tidak membahas apabila terjadi cuaca buruk dan kecelakaan lalu lintas.
4. Pendeteksian tidak secara real time.
1.6 Hipotesis
Sistem yang dirancang dapat mendeteksi dan menghitung jumlah kendaraan
yang melintas pada dua arah dengan jalur kendaraan yang berbeda . Software
Visual Studio 2013 dan OpenCV digunakan untuk menganalisa jumlah data
kendaraan yang terekam pada kamera.
1.7 Sistematika Penulisan
Untuk memudahkan penulisan dan pemahaman mengenai materi tugas akhir
ini, maka tugas akhir ini dibagi menjadi 5 buah bab, yaitu:
BAB I. Pendahuluan
Memuat latar belakang masalah, tujuan, rumusan masalah, batasan masalah,
manfaat penelitian, hipotesis, dan sistematika penulisan.
BAB II. Tinjauan Pustaka
Berisi tentang teori-teori yang mendukung sitem perancangan yang
digunakan dalam penelitian dan membahas penelitian yang telah dilakukan.
5
BAB III. Metode Penelitian
Berisi rancangan sistem, yang meliputi alat dan bahan yang digunakan,
langakah pengerjaan yang dilakukan, penentuan spesifikasi sistem,
perancangan sistem, serta diagram alir sistem.
BAB IV. Hasil dan Pembahasan
Menjelaskan prosedur pengujian, hasil pengujian, dan analisa data.
BAB V. Kesimpulan dan Saran
Memuat kesimpulan yang diproleh dari hasil dan pengujian sistem, dan saran
tentang penelitian untuk pengembangan lebih lanjut.
6
BAB II
TINJAUAN PUSTAKA
2.1 Pengertian Citra
Citra merupakan fungsi kontinu dari intensitas cahaya pada suatu bidang.
Sebagian dari berkas cahaya yang berasal dari sumber cahaya akan di
pantulkan kembali, pantulan cahaya inilah yang ditangkap oleh alat optik,
misalnya mata pada manusia, kamera, pemindai, dan sebagainya, sehingga
bayangan objek yang disebut citra tersebut terekam (Hermawan, 2014). Citra
yang dimaksud adalah contoh dari citra (citra diam) yaitu suatu citra tunggal
yang tidak bergerak. Sedangkan untuk pada citra bergerak adalah rangkaian
citra diam yang ditampilkan secara beruntun (skuensial) sehingga terlihat
pada mata sebagai gambar yang bergerak, maka hasil dari citra yang bergerak
disebut dengan frame.
2.1.1 Pengolahan citra
Pengolahan citra adalah pemerosesan citra, khusunya menggunakan
komputer, menjadi citra yang kualitasnya lebih baik, dan bermanfaat
bagi kehidupan kita seperti untuk meningkatkan kualitas citra,
menghilangkan cacat pada citra, mengidentifikasi pada objek, dan
penggabungan dengan bagian citra yang lain.. Agar citra mudah
diinterpretasikan maka citra tersebut perlu dimanipulasi menjadi citra
7
yang kualitasnya lebih baik. Softewre yang berkaitan erat dengan
pengolahan citra adalah computer vision. Pada hakikatnya, computer
vision mencoba meniru cara kerja sistem visual manusia (Hadwi, 2013).
Manusia sendiri melihat objek dengan indra pengelihatan, lalu citra
objek diteruskan ke otak untuk diinterpretasi sehingga manusia
mengerti objek apa yang tampak dalam pandangan matanya.
Hasil dari interpretasi yang digunkan untuk pengamiblan keputusan,
misalnya digunkan untuk memberi perintah untuk menghindar ketika
melihat suatu halangan saat sedang berjalan Computer vision
merupakan proses otomatis yang mengintegrasikan sejumlah besar
proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra,
klasifikasi, pengenalan (recognation), dan membuat keputusan
(Mulyawan, 2014). Operasi-operasi yang dilakukan di dalam
pengolahan citra banyak ragamnya. Secara umum, operasi pengolahan
citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut:
1. Perbaikan kualitas citra
Pada operasi perbaikan kualitas citra bertujuan untuk memperbaiki
citra dengan cara memanipulasi parameter-parameter citra. Berikut
contoh-contoh perbaikan citra adalah:
a. Perbaikan tepian objek
b. Perbaikan kontras gelap atau terang
c. pemberian warna semu
d. penajaman citra
e. Penipisan derau
8
2. Pemugran citra
Pada operasi ini bertujuan untuk menghilangkan atau
meminimumkan cacat pada citra. Tujuannya hampir sama dengan
operasi perbaikan citra, bedanya pada pemugaran citra penyebab
degradasi gambar diketahui. Contoh operasinya adalah:
a. Penghilangan derau
b. Penghilangan kesamaran
3. Pemampatan citra
Oprasi pemampatan citra agar dapat dipresentasikan kedalam bentuk
yang lebih kompak. Hal penting yang harus diperhatikan dalam
pemampatan citra adalah citra yang telah dimampatkan harus tetap
mempunyai kualitas gambar yang lebih baik. Contoh metode
pemampatan citra adalah metode JPEG.
.
4. Segmentasi citra
Oprasi segmentasi citra bertujuan untuk memecahkan suatu citra ke
dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi
ini berkaitan erat dengan pengenalan pola.
5. Analisa citra
Jenis operasi ini bertujuan menghitung besaran kuantitatif dari citra
untuk menghasilkan deskripsinya. Pada teknik analisa ini
mengekstraksi ciri-ciri tertentu dan membantu identifikasi objek.
Proses segmentasi diperlukan untuk mengalokasi objek yang
9
diinginkan dari sekelilingnya. Seperti contoh pada analisa citra
antara lain:
a. Ekstraksi batas
b. Pendeteksi objek
c. Representasi daerah
6. Rekontrulsi pada citra
Jenis operasi ini membentuk ulang sebuah objek dari beberapa citra
hasil proyeksi. Pada operasi ini banyak digunakan dalam dunia
medis. Contohnya adalah beberapa foto rontgen dengan sinar X
digunakan untuk membentuk ulang gambar organ tubuh.
2.2 Format File Citra
Citra digital memiliki beberapa jenis format file yang dapat digunakan serta
memiliki karakteristik dan manfaat yang berbeda dari tiap format file citra
digital yang digunakan. Format file citra digital dapat berupa .bmp, .png, .tiff,
.gif, .pgm, dan lain-lain. Sedangkan untuk format video ada beberapa macam
jenis antara lain ASF, AVI, DV, mpg, vob, mov, mp4, wrnf, dan 3gp. Dalam
tugas akhir ini digunakan format file video avi. Format file avi merupakan
format berkas (file) video buatan Microsoft. Format ini merupakan salah satu
format video tertua yang diperkenalkan Microsoft sejak dirilisnya Windows
3.1. format video ini mampu menghasilkan pergerakan 15 fps dengan kualitas
suara mencapai 11.025 Hz. Hampir semua kamera video khusus yang analog,
menghasilkan format file berekstensi “avi” saat ditransfer ke PC.
10
2.3 Deteksi Objek
menurut kamus besar (KBBI), kata dari deteksi memiliki artian usaha untuk
menemukan dan menentukan keberadaan, anggapan, ataupun kenyataan.
Pada pengolah citra, proses pendeteksian objek dapat dilakukan dengan
memisahkan foreground dengan background-nya. Deteksi objek merupakan
sebuah proses dalam pengolahan citra dimana citra merupakan sebuah citra
bergerak (video). Citra video pada dasarnya merupakan suatu gabungan dari
beberapa citra gambar yang saling berganti pada durasio waktu tertentu. Citra
yang berganti pada video disebut dengan frame. proses pengantian frame
pada video berlansung secara cepat sehingga kita tidak dapat menyadarinya .
Dalam sebuah citra video, frame kedua tidak selalu identik dengan frame
pertama, begitu pula dengan frame-frame berikutnya. Hal inilah yang menjadi
dasar pemikiran teknik-teknik deteksi objek bergerak pada pengolahan citra
dengan menganalisa nilai selisih antara frame pertama yang dapat juga
disebut dengan latar belakang atau background dengan frame-frame
berikutnya. Terdapat metode-metode dalam pendeteksian objek bergerak,
beberapa diantaranya adalah background substraction dan haar-like feature
(Febriyanto, Andi. 2013). Disimpulkan bahwa metode background
substraction lebih baik digunakan daripada metode haar-like feature, karena
metode background substraction lebih peka terhadap perubahan suatu objek
ataupun perubahan lingkungan disekitar objek. Selain itu metode background
substraction dapat bekerja secara optimal dalam berbagai kondisi seperti
perubahan warna objek, perubahan background, kecepatan objek, serta
perubahan intensitas cahaya di lingkungan sekitar objek. Prinsip kerja dari
11
metode background substraction ini adalah dengan cara substraksi, frame saat
ini dengan frame sebelumnya, kemudian hasil substraksi ini akan dianalisa
untuk menemukan pergerakan objek pada citra video. Namun terdapat
kelemahan dalam metode ini, karena terlalu sensitifnya metode ini dalam
substraksi background, mengakibatkan banyaknya noise yang ditimbulkan
sehingga objek sulit untuk dikenali. Oleh karena itu biasanya background
substraction ditambah dengan metode Morphological Image Processing.
2.3.1 Background Substraction
Background Subtraction adalah proses untuk menemukan objek pada
gambar dengan cara membandingkan gambar yang ada dengan sebuah
model latar belakang. Background Substraction mempunyai peranan
penting dalam Computer Vision yaitu salah satunya dalam hal sistem
pemantauan. Peranan yang dilakukan dalam Background Substraction
adalah mengetahui atau membedakan bagian latar dan objek yang ada
pada sebuah citra. Untuk mengetahui adanya objek di dalam citra maka
hal yang harus dilakukan adalah dengan mempelajari atau mengetahui
model dari latar. Background Subtraction merupakan metode yang
umumnya digunakan untuk mendeteksi objek bergerak pada video dari
kamera statis (stationary camera). Proses deteksi objek bergerak
dengan metode Background Subtraction ini biasa digunakan untuk
mendeteksi pejalan kaki, mendeteksi banyaknya ikan dan lainnya.
Prosedur Background Subtraction terdiri dari 3 tahap, yaitu pre-
processing, background modeling, dan foreground detection.
12
Gambar 2.1 Background subtraction 1- gambar sekarang, 2-
background model, 3- hasil background subtraction, 4-hasil
background subtraction setelah threshold.
1. Pre-processing
Pada tahap ini data mentah dari kamera (atau input lainnya) diproses
menjadi bentuk yang dapat dimengerti oleh bagian program lain.
Pada tahap ini dilakuakan eliminasi objek kecil seperti peningkatan
kualitas pada citra (kecerahan, kontras, dsb). Perbaikan citra juga
dibutuhkan data sesuai kebutuhan seperti resize (mengubah resolusi
atau ukuran suatu citra a) dan cropping (penghapusan bagian sudut
dari citra untuk memotong/mengambil/mengeluarkan dari citra).
2. Background modelling
Pada tahap ini bertujan untuk membentuk model background yang
konsisten, namun tetap dapat beradaptasi dengan perubahan
lingkungan yang ada. Model harus dapat mentoleransi tingkat
perubahan lingkungan, namun tetap sensitif dalam mendeteksi
13
pergerakan dari objek yang relevan. Algoritma background
modelling sendiri sangat banyak, namun pada skripsi ini akan
dipakai Approximated Filter yaitu hanya pendekatan batas atas dan
batas bawah berdasarkan pixel yang didapat karena proses
komputasinya cepat dan hasilnya cukup memuaskan.
3. Foreground detection
Pada tahap ini, dilakukan proses ekstraksi foreground dari
background. Secara sederhana hal ini dilakukan dengan persamaan
berikut :
𝑹(𝒓,𝒄) = 𝑰(𝒓,𝒄) − 𝑩(𝒓,𝒄)…………………………..…(2.1)
R = hasil foreground
I = citra saat ini
B = background model
r = baris, c = kolom
Nilai R lalu dibandingkan dengan nilai threshold yang telah
ditentukan, jika lebih besar dibandingakan dari nilai threshold maka
piksel di I(r,c) dapat dianggap berbeda dengan pixel di B (r,c).
Nilai threshold adalah suatu nilai untuk mentolerasi error yang
mungkin terjadi, threshold sendiri dipakai untuk mengurangi eror yang
disebabkan oleh suatu noise.(Sito, 2013).
2.3.2 Morphological Image Procesing
Morphologi merupakan teknik pengolahan citra dengan menggunakan
bentuk (shape) sebagai bentuk acuan. Pada niilai pixel dalam
pengolahan citra digital hasil diproleh dari perbandingan antara pixel
14
yang bersesuaian pada citra digital masukan dengan pixel tetangganya.
Operasi morphologi tergantung pada suatu urutan kemunculan dari
pixel, tidak memperhatikan nilai numeric dari pixel sehingga pada
teknik morphologi dikatan sesuai apabila digunakan untuk melakukan
pengolahan binary image dan grayscale image. Dengan mengatur atau
memilih ukuran dan bentuk dari suatu matrik (structuring element) yang
digunakan maka kita dapat mengatur pada sensitivitasnya operasi
morphologi terhadap suatu bentuk tertentu (spesifik) pada pengolahan
citra digital masukan. Operasi morphologi standar yang dilakukan
adalah proses erosi dan dilatasi.
Gambar 2.2 Operasi Dilatasi
Proses Dilatasi merupakan suatu proses atau teknik untuk memperbesar
segmen suatu objek (citra biner) dengan menambahkan suatu lapisan
dari pada sekeliling suatu objek dengan menggunkan persamaan
sebagai berikut
A + B = C ..........................................(2.2)
15
Dimana A adalah sebuah citra awal dan B adalah structuring atau suatu
lapisan dari sekeliling suatu objek
Gamabar 2.3 operasi erosi
Gambar 2.3 merupakan suatu operasi erosi yaitu suatu proses
pemindahan atau penguranagan titik pixel pada batas suatu objek citra
digital. Pada operasi erosi dapat menggunakan persamaan
A – B = C ..........................................(2.3)
Dimana A adalah sebuah citra awal dan B adalah structuring atau suatu
lapisan dari sekeliling suatu objek.
Pada proses dilatasi dan operasi erosi merupakan suatu teknik
penambahan dan pengurang pada titik pixel. Jumlah pixel yang
ditambahkan atau yang dikurangkan dari batas objek pada citra digital
masukan tergantung pada ukuran dan bentuk dari structuring element
yang digunakan
16
2.4 CvBlobs
CvBlob merupakan sebuah library tambahan pada OpenCv yang berisi
algoritma dan dapat digunakan untuk menentukan suatu grup dari pixel
saling terhubung. Metode ini sangat berguna untuk mengidentifikasi
objek yang yang terpisah-pisah pada suatu citra, atau dapat digunakan
sebagi penghitung jumlah dari suatu objek pada citra. Dan Sebuah blob
adalah sekelompok piksel yang terhubung dalam gambar yang terbagi
beberapa properti umum ( nilai grayscale).
Gambar 2.4 Segumpalan simple blob.
Gambar 2.4 merupakan daerah gelap terhubung adalah gumpalan citra,
sedangkan untuk pada gumpalan orange merupakan sebuah deteksi
gumpalan. Tujuan dari deteksi gumpalan adalah untuk mengidentifikasi
dan menandai daerah tertentu. Metode tersebut adalah blob detection.
Citra harus di proses dengan metode threshold terlebih dahulu,
berdasarkan warna yang akan dideteksi. Setelah itu citra dengan warna
diatas nilai threshold dapat di kategorikan sesuai dengan aturan yang
17
ditentukan terlebih dahulu, misal untuk pixel yang memiliki nilai lebih
kecil dari pada nilai threshold akan dikelompokan sebagai informasi
yang tidak penting. Sedangkan untuk mendapatkan titik berat masa
adalah dengan mencari rata-rata lokasi dari tiap pixel dari warna
threshold tersebut.
2.4.1 Blob Detection
Blob detection adalah suatu algoritma yang mendeteksi kumpulan
titik-titik piksel yang memiliki warna berbeda (terang atau gelap)
dari latar belakang dan menyatukannya dalam suatu ragion.
Dalam deteksi blob, algoritma yang di pakai adalah algoritma
growing ragions. Algoritma ini digunakan untuk menemukan
blob didalam gambar dan bisa diaplikasikan di squence image.
Konsep dari algoritma ini adalah menampilkan sebuah image
sebagai matrix pixel dan nilai garis yang sudah pasti. Algoritma
ini dikendalikan oleh beberapa parameter diantaranya:
1. Thresholding
Konversi gambar sumber ke beberapa gambar biner dengan
mengesampingkan gambar sumber dengan ambang batas mulai
dari min Threshold. Ambang batas ini bertambah oleh ambang
batas step hingga max Threshold. Jadi ambang pertama adalah min
Threshold, yang kedua adalah min Threshold + threshold step,
yang ketiga adalah min Threshold + 2x threshold step, dan
seterusnya.
18
2. Grouping (pengelompokan)
Dalam setiap gambar biner, pixel putih yang terhubung
dikelompokkan bersama.
3. Merging (penggabungan)
Pusat-pusat gumpalan biner dalam gambar biner dihitung, dan
gumpalan yang terletak lebih dekat daripada
minDistBetweenBlobs digabungkan.
4. Center & Radius Calculation
Pusat dan jari-jari gumpalan penggabungan baru dihitung dan
dikembalikan.
2.4.2 Mendeteksi Gumpalan berdasarkan Warna, Ukuran dan
Bentuk
Simple Blob Detector dapat diatur dengan beberapa parameter:
1. Berdasarkan Warna : Pertama, Anda perlu mengatur filter
warna = 1. Set blobColor = 0 untuk memilih gumpalan yang
lebih gelap, dan blobColor = 255 untuk gumpalan yang lebih
terang.
2. Berdasarkan Ukuran : Anda dapat menyaring gumpalan
berdasarkan ukuran dengan menetapkan parameter
filterByArea = 1, dan nilai yang sesuai untuk minArea dan
maxArea. Misalnya. pengaturan minArea = 100 akan
19
menyaring semua gumpalan yang memiliki kurang dari 100
pixel.
3. Berdasarkan Bentuk : memiliki 3 parameter yaitu;
A. Circularity
Circularity ini hanya mengukur seberapa dekat dengan
lingkaran gumpalan itu. Misalnya, segi enam reguler
memiliki lingkaran yang lebih tinggi daripada sebuah
persegi. Untuk memfilter berdasarkan lingkaran, atur
filterByCircularity = 1. Kemudian set nilai yang sesuai
untuk minCircularity dan maxCircularity.
B.Convexity
Convexity didefinisikan sebagai (Area Blob). Sekarang,
Convex Hull of a shape adalah bentuk area blob paling ketat
yang benar-benar membungkus bentuk. Untuk memfilter
dengan konveksitas, atur filterByConvexity = 1, diikuti
dengan pengaturan 0 ≤ minConvexity ≤ 1 dan maxConvexity
(≤ 1).
Gambar 2.5 Convexity.
20
Pada gamabr 2.5 merupakan suatu contoh pemerosesan
convexity, sebuah pemerosesan dari beblob yaitu dengan
penamabah piksel atau membungkus bentuk seperti gambar
sebelum terknovexcity dan sesudah terconvexity
B. Inertia Ratio
Inertia Ratio adalah suatu teknik mengubah bentuk dengan
cara menambahkan pixel-pixel.
Gambar 2.6 Inertia Ratio.
Misalnya, untuk lingkaran, nilai ini adalah 1, untuk elips itu
antara 0 dan 1, dan untuk garis itu adalah 0. Untuk
menyaring dengan Inertia Ratio atur filterByInertia = 1, dan
atur 0 ≤ minInertiaRatio ≤ 1 dan maxInertiaRatio (≤ 1 )
dengan tepat. Seperti terlihat pada Gambar 2.6.
BAB III
METODE PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian dan pembuatan tugas akhir ini dimulai pada April 2017 hingga
April 2018 bertempat di Laboratorium Teknik Elektronika, Jurusan Teknik
Elektro, Universitas Lampung.
3.2 Alat dan Bahan
Alat dan bahan yang dipergunkan dalam pembuatan tugas ahkir yang perlu
di persiapkan adalah sebagai berikut:
Tabel 3.1 Alat dan bahan
No. Alat dan Bahan Jumlah
1 Handy cam 1
2 Tripod handycam 1
3 Perangkat lunak OpenCV 2.4.10 1
4 Library blob 1
5 Perangkat lunak Visual Studio 2013 1
6 Kabel USB Tipe mini-B (2.0) 1
7 1 unit laptop Asus x455L 1
22
3.3 Perancangan Sistem
Pada langkah awal dilakukan survey jalan raya dengan arus lalu lintas
sedang atau tidak terlalu padat untuk menentukan tempat dan waktu untuk
akuisisi data. Jalan raya harus dilalui jembatan penyebrangan atau
sejenisnya untuk tempat peletakan handycam dan tripod, sudut yang
diperlukan untuk akuisisi citra sebesar 65o sampai dengan 90o dari jalan
datar agar mendapat sudut gambar yang baik. Kamera diatur sedemikian
rupa agar tidak bergerak atau selalu pada kondisi stabil agar hasil akuisisi
mendapatkan yang terbaik.
Kemudian hasil akuisisi citra diolah menggunakan metode segmentasi citra
dengan fungsi cv blob untuk mendeteksi citra background dan citra
foreground. Citra background diidentifikasi dengan bagian video yang
diam, sedangkan citra foreground adalah objek yang bergerak pada video.
Pembuatan garis deteksi menggunakan blob detection dengan warna
berbeda agar perbedaan objek kiri dan kanan terdeteksi dengan menyentuh
garis deteksi, garis deteksi akan bekerja apabila sebuah objek menyentuh
garis deteksi dan pada garis deteksi yang sudah dibuat kemudian garis dapat
berubah warna maka objek akan terhitung (counting)
3.3.1 Diagram Alir Penelitian
Diagram alir penelitian ini untuk memperjelas langkah kerja yang
akan dilakukan pada penelitian ini, terlihat pada gambar 3.1
merupakan rancangan awal secara umum. sebagai acuan dalam
perancangan sistem yang dibuat. Pada diagram alir penelitian ini
23
membahas dari proses perencanaan dan hal yang akan dilakukan
pada penelitian ini .
Gambar 3.1 Diagram Alir Penelitian.
24
3.4 Spesifikasi Sistem
Spesifikasi sistem pada penelitian ini meliputi berbagai hal sebagai berikut:
1. Kamera digunakan sebagai pengindra, untuk mengambil suatu citra
objek yang diperlukan, handycam menggunakan input power sebesar
5v Dc, dan juga menghasilkan keluaran video dengan format file
AVI atau Mp4.
2. Hasil yang telah didapatkan dari keluaran kamera yang tersimpan
di memori lalu dipindahkan kr laptop untuk diolah.
3. File video yang tersimpan di laptop dengan menggunkan format
AVI lalu dijadikan sebagai input pada pengolahan citra yang akan
dilakukan.
4. Citra yang sudah didapatkan maka akan diolah menggunakan
perangkat lunak OpenCV 2.4.10 beserta library CvBlob dan Visual
Studio 2013 pada Laptop sebagai media pemrograman.
3.5 Metode yang Diusulkan
3.5.1 Diagram Alir Metode yang Diusulkan
Diagram alir metode yang diusulkan ini untuk memperjelas langkah
kerja yang akan dilakukan pada penelitian ini, terlihat pada gambar 3.2
merupakan rancangan awal secara umum. sebagai acuan dalam
perancangan metode yang diusulkan. Pada diagram alir penelitian ini
membahas perencanaan metode dan hal yang akan dilakukan pada
penelitian ini .
25
Gambar 3.2 Diagram Alir Metode yang Diusulkan
Gambar 3.2 menunjukan diagram metode yang diusulakan, dimulai
dari input berupa video yang akan diolah, kemudian video akan di
ekstrak agar pengolahan data lebih gampang , setelah memlalui
ekstraksi video akan dilakukan pengecekan background awal
menggunakan metode background subtraction setelah dipisahakan
antara background dan foreground maka hal selanjutnya melakukan
pelacakan blob (blob tracking) dan dilanjutkan dengan algoritma
penghitung jumlah kendaraan.
26
Pada perancangan program ini library CvBlob digunakan untuk
memudahkan pemerosesan pembuatan program penghitung jumlah
kendaraan dalam memisahkan gumpalan-gumpalan atau ttitk piksel
yang terdapat dalam suatu frame dan kemudian melabelinya
sehingga antara gumpalan yang satu dengan gumpalan yang lainnya
dapat dibedakan dengan identitas yang berbeda. Dalam proses
penghitungan jumlah kendaraan yang melintas dijalan raya terbagi
menjadi empat bagian yaitu, pengaturan metode penghitungan,
pengaturan garis hitung, proses penghitungan dan proses penandaan
jalur (track). Pengaturan garis hitung dilakukan untuk mendapatkan
garis hitung yang paling sesuai dengan kondisi jalan yang akan
diamati.
3.5.2 Background Substraction
Background Subtraction bekerja dengan mengambil suatu citara yang
bertujuan agar mendapatkan hasil dari sebuah model latar belakang.
Latar belakang yang sudah didapatkan tersebut digunakan sebagai
acuan untuk dibandingkan dengan citra yang diambil setelahnya lalu
didapatkan hasil citra yang berbeda. Proses pengurangan citra yang
telah didapatkan lalu dilakukan secara absolut dimana perbedaan setiap
piksel dari kedua citra akan diperoleh dan selalu bernilai positif.
Karena proses ini akan melihat perbedaan untuk setiap piksel di dalam
citra, maka kedua citra harus mempunyai sebuah tipe data dan ukuran
yang sama.
27
Contoh dari pengurangan sebuah citra secara absolute terlihat pada
pengurangan X dan Y berikut ini menjadi citra Z. Hasil suatu
pengurangan citra secara absolut maka akan selalu menghasilkan
sebuah nilai positif.
X = uint8 ([255 10 75; 44 225 100]);
Y = uint8([50 50 50; 50 50 50]);
Z = imabsdiff (X, Y)
Z = 205 40 25 6 175 50
Nilai Z adalah kumpulan titik piksel yang telah menjadi foreground.
selanjutnya dilakukan transformasi menggunakan threshlold untuk
dapata mengetahui suatu nilai piksel tersebut termasuk kedalam hitam
atau putih. Jumlah titik piksel dari citra yang didapatkan akan dihitung
dengan parameter keadaan ruas jalan. Model latar belakang di ambil
pada keadaan ruas jalan kosong. Perbandingan background dan citra
yang didapatkan adalah sebagai input yang akan dilanjutkan ke
program.
28
Gambar 3.3. Contoh proses Background Substraction..
Gambar 3.3. menerangkan contoh metode yang dipergunkan sebagai
penentu ruas jalan. Dari hasil pengurangan dua buah citra tersebut
didapatkan hasil citra berupa perahu saja tanpa adanya citra yang lain,
dan citra perahu tersebut belum bisa dijadikan objek karena belum di
threshold, sehingga dilakukan pengelompokan nilai derajat keabuan
setiap piksel menjadi hitam dan putih. Cara ini difungsikan supaya
dapat menentukan parameter kepadatan piksel pada citra, dengan
menghitung jumlah piksel putih sebagai suatu objek
29
3.5.3 Blob Deteksi
Algoritma ini menggunkan konsep yang dapat menampilkan citra
sebagai matriks piksel dan nilai garis yang sudah pasti.
Gambar 3.4 Blob deteksi
Gambar 3.4 merupakan penerapan algoritma growing regions pada citra
dengan ukuran 6x4 piksel. Untuk gambar (a) adalah keseluruhan citra yang
merupakan sebuah bacground. Setiap piksel citra dalam tinggi (hight)
dianggap sebagai garis citra. Dan untuk gambar (b) adalah sebuah proses
penerpan algoritma Growing Regions.
30
Gambar 3.5 penerapan Blob deteksi
Gambar 3.5 merupakan gambar penerapan dari garis deteksi yang akan
dirancang dalam sebuah program dengan menggunakan metode blob
detection. Dalam hal ini dilakukan penempatan dua garis deteksi pada
masing-masing arah kendaran dimana untuk arah sebelah kanan berwarna
merah dan sebelah kiri berwarna kuning, sehingga objek yang terdeteksi oleh
garis deteksi akan terhitung (counting).
3.6 Perolehan Citra
Citra yang didapatkan digunakan untuk di proses pada penelitian ini
didapatkan dari sebuah handycam yang diletakan secara statik diatas tiang
penyebrangan jalan, Citra video yang telah diproleh lalu diolah
menggunakan softwere Microsoft Visual Studio 2013 dengan bahasa c++
dan OpenCV 2.4.10 beserta library CvBlob yang terinstal pada laptop, dan
31
selanjutnya akan didapatkan sebuah citra video yang dapat menghitung dan
mendeteksi sebuah objek kendaraan di jalan raya dua arah menggunakan
CvBlob dan garis deteksi. Dimana garis deteksi memiliki dua tipe warna
yang berbeda yaitu untuk warna merah untuk sebelah kanan dan warna
kuning untuk sebelah kiri, apabila sebuah objek melewati garis deteksi
sehingga garis yang dibuat berubah warna hijau untuk garis sebelah kanan
dan putih untuk sebelah kiri maka objek akan terhitung.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melakukan perancangan sistem, dan membuat pengimplementasian
berupa sistem klasifikasi dan pengitung jumlah kendaraan yang melintas di dua
jalur berbasis pengolah citra ini, maka dapat disimpulkan sebagai berikut:
1. Berdasarkan hasil pengujian yang telah dilakukan, sistem dapat membuat
line deteksi pada jalan dua jalur dengan metode cv blob detection.
2. Berdasarkan hasil pengujian yang telah dilakukan, sistem penghitung
jumlah kendaraan mampu menghitung jumlah kendaraan di dua jalur.
3. Kondisi jalan satu arah memiliki keakuratan hitung yang lebih baik dari
kondisi jalan dua dua jalur.
58
5.2 Saran
Dari hasil pengujian penghitung optomatis ini masih terdapat beberapa
kekurangan dan dimungkinkan untuk pengembangan lebih lanjut. Oleh
karenanya, penulis merasa perlu untuk memberi saran demi peningkatan kualitas
dan pengembangannya yaitu sebagai berikut:
1. Sistem counting pada jalan dua jalur ini masih sangat sederhana
sehingga dapat ditingkatkan menggunakan metode yang lebih baik.
2. Untuk pengembangan lebih lanjut , bayangan dari objek asli yang
bergerak dapat dieliminasi menggunakan metode eliminasi.
3. Algoritma penghitung ini masih memiliki kemungkinan menghitung satu
objek menjadi lebih dari satu dalam kondisi tertentu, sehingga algoritma
tersebut dapat dikembangkan dengan baik sehingga tidak terlalu banyak
noise yang dapat menggangu saat pendeteksian.
DAFTAR PUSTAKA
Cahyana, Fajar Mit. “Perancangan Program Penghitung Jumlah Kendaraan di
Lintasan Jalan Raya Satu Arah Menggunkan Bahasa Pemrograman C++
dengan Pustaka Opencv”, Skripsi, Malang, Teknik Elektro, Universitas
Brawijaya,2014
Febriyanto, A. 2013. Analisis Kinerja Background Substraction dan Haar-Like
Feature Untuk Monitoring Pejalan Kaki Menggunakan Kamera Webcam,
Laporan Tugas Akhir. Fakultas Sains dan Teknologi. Universitas Islam
Negeri Sunan Kalijaga
Github,https://github.com/MicrocontrollersAndMore/OpenCV_3_Car_CountingC
pp, (diakases 16 Oktober, 2017)
Hadwi Permata Anggi (2013). Simulasi dan analisis metode level set untuk
deteksi kountur objek 3d sederhana berbasis streovision. Universitas
Telkom
Hermawan, Fany. (2014) [online] Tersedia http://elib.unikom.ac.id.
UNIVERSITAS KOMPUTER INDONESIA. (diakses 2 agustus 2016)
Mulyawan, H(2014). Identifikasi Dan Tracking Objek Berbasis Image Processing Secara
Real time. Politeknik Negara Surabaya, Surabaya
Sito, Achmad. Harjoko, Agus. 2013. Metode Background Substraction untuk Deteksi Objek
Pejalan Kaki pada Lingkungan Statis. Fakultas Teknologi Informasi. Universitas
Budi Luhur
Stackoverflow, http://stackoverflow.com/review/suggested-edits/8575035 (diakses 22
April 2015, pukul 07.55)
Widiyardini S.T.,“Implementasi Deteksi Gerakan untuk sistem pemantauan
ruangan menggunakan webcam”, Malang, 2010