DETEKSI TEMPAT KOSONG PADA LAHAN PARKIR MOBIL MENGGUNAKAN

METODE VEHICLE DETECTION DAN OPERATOR LAPLACIAN of GAUSSIAN (LoG)

Muhadi Ardhie Tyasa,Marji dan Edy santoso.
Program Studi Ilmu Komputer, Program Teknologi Informatika dan Ilmu Komputer
Universitas Brawijaya Malang
Jalan Veteran No. 8, Malang
Email1:begy.neicisz@gmail.com
ABSTRAK

Bertambahnya jumlah kendaraan pribadi saat ini membuat kebutuhan lahan sebagai sarana parkir semakin meningkat. Tidak
mudah mencari informasi ruang parkir yang kosong digedung-gedung bertingkat, pusat perbelanjaan atau perkantoran,
terutama di kota-kota besar di Indonesia. Hal ini disebabkan karena ruang parkir yang tersedia di tempat-tempat tersebut
sudah dipenuhi oleh mobil-mobil pengunjung lainnya sehingga calon pengguna lahan parkir harus berputar-putar terlebih
dahulu untuk mencari tempat yang kosong atau dengan terpaksa harus memarkir kendaraannya di luar gedung tersebut.
Salah satu metode yang digunakan untuk mendeteksi tempat parkir yang kosong pada area parkir adalah dengan mengolah
citra (image processing) yang ada pada area parkir tersebut. Metode yang digunakan dalam pengolahan citra digital untuk
mendeteksi tempat kosong pada lahan parkir adalah nilai ambang batas (threshold) yang ditetapkan untuk deteksi piksel
pada nilai tertentu, sedangkan untuk mengurangi kesalahan deteksi terhadap bayangan yang disebabkan oleh kendaraan
digunakan metode median filtering dan deteksi tepi dengan operator Laplacian of Gaussian (LoG). Median filtering
merupakan filter spasial yang digunakan untuk mereduksi noise, dimana nilai keabuan dari titik-titik pada matriks sub image
diurutkan dari nilai terkecil sampai dengan terbesar kemudian ditentukan nilai mediannya (Winarno, 2009). Sedangkan
Laplacian of Gaussian (LoG) merupakan penelusuran dua arah pada citra secara horizontal dan vertikal untuk mencari
perubahan nilai yang signifikan antara suatu piksel dengan piksel yang lain. Operator Laplacian of Gaussian (LoG)
digunakan karena memiliki tingkat akurasi yang tinggi, khususnya pada tepi yang curam dibandingkan dengan operatoroperator yang lain seperti Robert, Sobel atau Prewitt (Ardhi, 2001). Kedua metode tersebut kemudian dibandingkan dengan
operasi AND function untuk menentukan suatu tempat parkir kosong atau terisi kendaraan. Uji coba dilakukan menggunakan
33 file citra dengan nilai treshold dari 10% sampai 50%. Berdasarkan hasil uji coba didapatkan rata rata Prosentase
Keberhasilan (%) untuk threshold 10% sama dengan 90.44, untuk 20% sama dengan 92.66, untuk 30% sama dengan 93.2,
untuk 40% sama dengan 90.98, untuk 50% sama dengan 83.97. Rata rata Prosesntase Keberhasilan tertinggi bernilai 93.2
dengan nilai threshold 30%.
Kata kunci : Vechile detection, oprator laplacian, image processing.

berputar-putar terlebih dahulu untuk mencari tempat

1. Pendahuluan
1.1. Latar Belakang
2. Bertambahnya jumlah kendaraan pribadi saat ini

yang kosong atau dengan terpaksa harus memarkir

kendaraannya di luar gedung tersebut.

membuat kebutuhan lahan sebagai sarana parkir

semakin

meningkat.

Tidak

mudah

mencari

informasi ruang parkir yang kosong digedunggedung

bertingkat,

perkantoran,

terutama

pusat
di

perbelanjaan
kota-kota

besar

atau
di

Indonesia. Hal ini disebabkan karena ruang parkir

yang tersedia di tempat-tempat tersebut sudah
dipenuhi oleh mobil-mobil pengunjung lainnya
sehingga calon pengguna lahan parkir harus

3.

Kurangya informasi ruang parkir kendaraan di lahan

parkir menjadikan para pengendara yang ingin
memarkirkan kendaraannya menjadi kerepotan.
Masalah tersebut sebenarnya dapat diatasi dengan
memanfaatkan teknologi komputer. Saat ini telah
dikembangkan beberapa teknologi tempat parkir
untuk menggantikan cara tradisional yang hanya
berupa tanda jumlah tempat penuh atau kosong pada
papan yang terletak pada pintu masuk lahan parkir.

Penyampaian

telah

(LoG) digunakan karena memiliki tingkat akurasi

dikembangkan diantaranya adalah melalui telpon

yang tinggi, khususnya pada tepi yang curam

genggam,

dibandingkan dengan operator-operator yang lain

(VMS),

Parking

seperti Robert, Sobel atau Prewitt (Ardhi, 2001).

Guidance and Information System (PGIS) yang

Kedua metode tersebut kemudian dibandingkan

menampilkan jumlah tempat parkir kosong dan

dengan operasi AND function untuk menentukan

terisi, atau melaui Urban Traffic Management and

suatu tempat parkir kosong atau terisi kendaraan.

Message

(UTMC).

Data

yang

(PDAs),

Control

Personal

parkir

Assistants

Variable

4.

informasi

Display

Dengan

adanya

informasi

Penelitian berbasis citra yang sebelumnya telah

dilakukan adalah deteksi tempat kosong pada lahan

area parkir untuk memarkirkan mobilnya dan

parkir mobil menggunakan metode vehicle detection

mengurangi waktu yang hilang untuk mencari ruang

dan edge decection oleh Milyun Nima Shoumi,

parkir yang kosong.

dimana operator yang digunakan adalah sobel

Teknologi berbasis gambar merupakan teknik yang

detection. Penggunaan operator sobel memiliki

paling akurat dan murah dalam memberikan

kelemahan dalam hal penentuan tepi yang masih

informasi parkir mobil karena pengunjung bisa

kasar, sehingga seringkali menimbulkan kesalahan

secara pasti mengetahui letak tempat parkir kosong

deteksi tepi. Artinya dalam deteksi citra, seringkali

dan dalam pengembangannya hanya memerlukan

bayangan dari citra tersebut dianggap sebagai

sebuah kamera CCTv saja. Salah satu metode yang

sebuah obyek. Oleh sebab itu, dalam penelitian ini

digunakan untuk mendeteksi tempat parkir yang

akan digunakan operator Gaussian of Laplacian

kosong pada area parkir adalah dengan mengolah

(LoG) dalam penentuan deteksi tepi dari citra

citra (image processing) yang ada pada area parkir

dengan tujuan mengurangi noise sehingga dapat

tersebut. Citra dikondisikan dan disederhanakan

mengurangi kesalahan dalam deteksi.

dalam bentuk yang lebih sedikit keragamannya. Hal

ini diperlukan agar citra dapat

5.

6.

tersebut, maka dapat memudahkan calon pengguna

7.

Berdasarkan latar belakang yang telah diuraikan,

diolah atau

maka dilakukan penelitian dengan judul Deteksi

membentuk pola yang lebih mudah untuk dikenali

Tempat Kosong Pada Lahan Parkir Mobil

dibandingkan dengan citra sebelum pemrosesan

Menggunakan Metode Vehicle Detection dan

awal.

Operator Laplacian of Gaussian (LoG).

Metode yang digunakan dalam pengolahan citra

digital untuk mendeteksi tempat kosong pada lahan
parkir adalah nilai ambang batas (threshold) yang

8. Metode Penelitian
8.1. Langkah Langkah Penelitian
Penelitian dilakukan dengan tahapan sebagai
berikut :

ditetapkan untuk deteksi piksel pada nilai tertentu,

sedangkan untuk mengurangi kesalahan deteksi

1.

terhadap bayangan yang disebabkan oleh kendaraan

digunakan metode median filtering dan deteksi tepi

Mempelajari metode yang digunakan dari berbagai

sumber seperti yang telah dijelaskan pada bab 2.

2.

Merancang perangkat lunak dengan metode yang

dengan operator Laplacian of Gaussian (LoG).

akan digunakan yaitu

Median filtering merupakan filter spasial yang

Laplacian of Gaussian (LoG) edge detection.

digunakan untuk mereduksi noise, dimana nilai

3.

keabuan dari titik-titik pada matriks sub image

diurutkan dari nilai terkecil sampai dengan terbesar

Membuat perangkat lunak berdasarkan perancangan

yang dilakukan.

4.

kemudian ditentukan nilai mediannya (Winarno,

2009). Sedangkan Laplacian of Gaussian (LoG)

vehicle detection dan

Uji coba tempat kosong pada lahan parkir

menggunakan perangkat lunak yang telah dibuat.

5.

Evaluasi dan analisa hasil uji coba.

merupakan penelusuran dua arah pada citra secara

horizontal dan vertikal untuk mencari perubahan
nilai yang signifikan antara suatu piksel dengan
piksel yang lain. Operator Laplacian of Gaussian

1.1

Deskripsi Umum Perangkat Lunak

Secara

umum,

perangkat

lunak

yang

akan

dikembangkan adalah sebuah sistem untuk mendeteksi

tempat kosong pada lahan parkir mobil menggunakan
metode vehicle detection dan deteksi tepi Laplacian of
Gaussian

(LoG).

Keseluruhan

proses

sistem

ini

menggunakan teknik image processing atau pengolahan

citra digital.
Dalam

prosesnya,

seorang

pengguna

hanya

memasukkan data citra digital lahan parkir mobil, yang

selanjutnya sistem tersebut akan mengolah citra masukan
sehingga ditemukan tempat yang kosong pada lahan
parkir tersebut.

1. Langkah 1

: Inisialisasi untuk mendeteksi garis

pembatas disetiap tempat parkir

Citra masukan yang digunakan pada pengujian ini

menggunakan citra digital yang digunakan oleh Milyun

melalui koordinat sudut.

2. Langkah 2

Vehicle

detection

Nima Shoumi dalam penenlitian sebelumnya, yaitu

mendeteksi

deteksi tempat kosong pada lahan parkir mobil

pada

menggunakan metode vehicle detection dan operator

detection

Sobel.

subproses,

keberadaan

tempat

obyek

parkir.

terdiri

Vehicle

dari

yaitu

dua

perataan

histogram dan image substraction.

Citra tersebut adalah citra lahan parkir mobil yang

diambil dari tempat parkir mobil lantai 3 di pusat

untuk

3. Langkah 3

Deteksi

tepi

menggunakan

operator Laplacian of Gaussian

perbelanjaan Malang Town Square (Matos), Mall

(LoG). Pada bagian ini, terdapat 3

Olympic Garden (MOG), dan terdapat pula data yang

subproses

diambil dari internet. Citra masukan berukuran 572 x

yaitu

perataan

histogram, median filtering dan

2275 untuk data dengan lokasi di matos, 572 x 322 untuk

deteksi

data dengan lokasi di MOG, dan 572 x 345 untuk data

tepi

menggunakan

operator Laplacian of Gaussian

yang bersumber dari Nicholas True. Data citra masukan

(LoG).

disimpan dalam file berbentuk bitmap.

4. Langkah 4

Menggabungkan antara vehicle

detection dan edge detection
menggunakan

Dalam penelitian ini, penulis melalui beberapa

fungsi

AND,

tahapan sehingga diperoleh suatu perangkat lunak untuk

sehingga didapatkan hasil akhir

deteksi tempat kosong pada lahan parkir. Langkah

deteksi keberadaan obyek berupa

langkah penelitian ini ditunjukkan oleh Gambar 3.1

mobil pada tempat parkir.

berikut.

Dari flowchart gambar 3.2 maka rancangan

flowchart untuk metode vehicle detection melalui
beberapa tahapan dimana didalamnya terdapat procedure.
Procedure tersebut adalah.

3.2.1 Inisialisasi Titik

Proses inisialisasi titik tersebut dapat ditunjukan
dengan flowchart

1. Langkah 1

: Input citra masukan berupa citra

threshold, maka nilai dari piksel

tempat parkir mobil yang masih

tersebut menjadi 1, jika tidak

kosong.

ubah menjadi 0.
6. Langkah 6

Dari hasil binerisasi, terdapat dua

warna yaitu 0 dan 1. Bilangan 0
menyatakan tempat parkir kosong,
sedangkan

2. Langkah 2

bilangan

Memilih koordinat titik sudut

menyatakan tempat parkir berisi

setiap tempat parkir. Titik sudut

kendaraan.

merupakan
garis

perpotongan

yang

antar

membatasi parkir

sebuah mobil. Kemudian dipilih

3.2.3 Perataan Histogram

salah satu titik sudut sebagai

acuan perhitungan threshold.
3. Langkah 3

Simpan titik koordinat dalam

bentuk file .txt

Selanjutnya dari proses vehicle detection terdapat

beberapa

procedure

pembangun

metode

tersebut.

Procedure yang pertama adalah perataan histogram

3.2.2 Vehicle Detection
3.2.4 Image Substraction
Dari proses inisialisasi koordinat titik sudut,
selanjutnya adalah mendeteksi keberadaan obyek pada
koordinat titik sudut tersebut, yaitu keberadaan ada
tidaknya sebuah kendaraan. Metode pertama adalah

Proses selanjutnya adalah image substraction

dengan tujuan mencari obyek baru hasil pengurangan
antara citra masukan (lahan parkir dengan obyek mobil)
dan citra referensi (lahan parkir kosong).

vehicle detection
1. Langkah 1
1. Langkah 1

Perataan histogram digunakan

adalah citra lahan parkir yang

untuk meratakan sebaran warna

RGB pada citra masukan.
2. Langkah 2

Image

substraction

untuk

mendeteksi

terisi obyek mobil.

2. Langkah 2

digunakan

mengurangkan

masukan

lahan

didalamnya

parkir

terdapat

citra, mulai citra masukan berupa

citra lahan parkir yang terisi

citra

obyek maupun citra referensi

yang

(lahan parkir mobil kosong) yang

obyek

dengan citra lahan parkir yang

sudah ditentukan sebelumnya.

3. Langkah 3

masih kosong.
3. Langkah 3

menjadi

citra

terisi

biner

Menjumlahkan semua nilai piksel

4. Langkah 4

dari

Dilakukan seleksi perbandingan

kosong)

akan

Dilakukan proses pengurangan

tersebut.
5. Langkah 5

antara nilai threshold dan jumlah

Dihasilkan citra berbeda hasil

pengurangan

piksel warna putih. Jika jumlah

piksel warna putih lebih dari nilai

maupun

nilai-nilai piksel antara dua citra

parkir.
:

piksel

citra tersebut.

warna putih untuk setiap tempat

5. Langkah 5

nilai

diulang sebesar tinggi dan lebar

dengan metode Otsu.

4. Langkah 4

Pembacaan

masing-masing citra (baik citra

Citra hasil image substraction

diubah

Dilakukan pembacaan data atau

nilai piksel dari masing-masing

keberadaan

obyek pada citra masukan dengan

cara

Citra masukan dalam proses ini

antara

citra

masukan dengan citra referensi.

3.2.5 Binerisasi Citra

Hasil dari proses binerisasi citra adalah citra hasil

perulangan berdasarkan lebar dan

image substraction dikonversi menjadi citra dengan

kombinasi warna 0 (hitam) dan 1 (putih). Proses

tinggi citra.
3. Langkah 3

Nilai piksel dari masing-masing

binerisasi citra ditunjukkan oleh flowchart gambar 3.7

piksel warna (Red, Green, Blue)

berikut.

dijumlahkan, selanjutnya dibagi 3

sesuai dengan persamaan 2.21.

1. Langkah 1

Citra masukan adalah citra hasil

4. Langkah 4

image substraction
2. Langkah 2

Hitung

nilai

Threshold

Diperoleh citra grayscale dengan

satu nilai.

(T)

menggunakan metode Otsu. Nilai

ini nantinya digunakan sebagai
pembanding untuk menentukan
biernilai 1 atau 0.
3. Langkah 3

Membaca setiap nilai piksel dari

citra menggunakan perulangan
sesuai dengan tinggi dan lebar

3.2.7 Median Filtering

citra.
4. Langkah 4

Nilai T dan nilai piksel citra

Median filtering bertujuan untuk menghilangkan

dibandingkan. Jika piksel citra

noise pada citra masukan. Dengan berkurangnya noise

kurang dari sama dengan T, maka

maka semakin kecil kesalahan deteksi pada citra. Urutan

piksel citra diubah menjadi 0.

proses

Jika tidak nilai piksel citra diubah

flowchart gambar 3.10 berikut

sistem

median

filtering

ditunjukkan

oleh

menjadi 1.
5. Langkah 5

Dihasilkan citra biner bernilai 0

dan 1.

1. Langkah 1

2. Langkah 2

Citra

masukan

adalah

citra

grayscale.
Metode selanjutnya adalah deteksi tepi dengan

citra

operator Laplacian of Gaussian (LoG). Urutan proses

dengan

perualangan

berdasar tinggi dan lebar citra.

sistemnya ditunjukkan oleh flowchart gambar 3.8 berikut.

3.2.6 Konversi citra warna menjadi Grayscale

Dilakukan pembacaan nilai piksel

3. Langkah 3

Pembacaan mask ukuran 33

dengan bentuk perulangan i1
dan j1. Perhitungan mask

Proses pertama yang dilakukan adalah mengubah

citra warna lahan parkir diubah menjadi citra grayscale

4. Langkah 4

Dicari nilai median dari mask

dengan tujuan perhitungan dilakukan sekali. Jika citra

yang terpilih. Selanjutnya nilai

dalam bentuk RGB, maka perhitungan yang sama

tengah diagonal diganti dengan

dilakukan sebanyak tiga kali.

nilai median (procedure hitung

median).

Urutan proses mengubah citra warna menjadi

grayscale ditunjukkan flowchart gambar 3.9 berikut.

1. Langkah 1

Citra masukan adalah citra hasil

perataan histogram.

2. Langkah 2

Hitung pembacaan setiap nilai

piksel dari citra masukan dengan

5. Langkah 4

Diperoleh citra grayscale tanpa

noise.

3.2.8 Hitung Matriks Median filtering

Proses ini mengambil setiap kernel 33 dimana
matriks yang diambil dimulai dari (0, 0). Tahapantahapan yang terdapat pada proses pengambilan kernel
matriks ditunjukkan oleh flowchart gambar 3.11 berikut.

3. Langkah 3

Nilai piksel citra dibaca dengan

perulangan

berdasarkan tinggi

dan lebar citra.

4. Langkah 4

Proses Konvolusi matriks

5. Langkah 5

Hasil proses adalah citra biner

3.3.10 Konvolusi Matriks

proses konvolusi matriks ini adalah mengalikan
1. Langkah 1

Input dalam proses ini adalah

matriks citra

2. Langkah 2

Pembacaan

piksel mask 33 yang sudah ditentukan. Flowchart

nilai

piksel

dari

mariks citra dengan perulangan

3. Langkah 3

4. Langkah 4

setiap elemen matriks operator laplace dengan nilai

proses konvolusi matriks ditunjukkan oleh gambar 3.13

berikut.

Dibuat tiga buah array yaitu

merah [idx], hijau [idx] dan biru

Langkah 2

[idx] untuk menyimpan nilai

yang

piksel-piksel citra warna

perhitungan sobel edge detection.

digunakan

untuk

(p_j (j-1)=2)

1. Langkah 2

bergeser kebaris selanjutnya dan

2. Langkah 3

terbentuk mask selanjutnya 33

3. Langkah 4

nilai

tengah

yang

Perkalian antara operator sobel

Dilakukan seleksi dari nilai x dan

maka nilai piksel diubah menjadi

dari

255, dan apabila kurang dari

threshold

Hasil dari proses perhitungan

matriks

proses

threshold yang telah ditentukan,

pengurutan matriks tersebut.

adalah

untuk

(sqrt(x*x + y*y)) lebih besar dari

array pada matriks. Selanjutnya

ambil

Perulangan

y, dengan syarat jika hasil dari

Jika semua piksel sudah terbaca,

selanjutnya dilakukan pengurutan

hasil

dengan kernel pada citra keabuan.

ke kolom selanjutnya sehingga

6. Langkah 6

nilai

konvolusi matriks.

terpenuhi maka nilai mask 33

menampung

Seleksi terhadap nilai piksel citra.

Jika syarat

5. Langkah 5

Inisialisasi variabel x dan y

diubah

nilai

maka
menjadi

nilai
0.

piksel

Sehingga

didapatkan citra hasil deteksi tepi

tengahnya sudah diganti.

Laplacian of Gaussian dalam

bentuk biner.

3.2.9 Deteksi tepi Laplacian of Gaussian (LoG)

Proses binerisasi pada deteksi tepi dengan operator
laplace hampir sama dengan operator gradient, yang
membedakan adalah turuanan kedua yang digunakan dan
secara otomatis matriks yang digunakan juga berbeda.
Flowchart deteksi tepi dengan Laplacian Of Gaussian
(LoG) ditunjukkan gambar 3.12 berikut.

1.2

Pengolahan Data Manual

dengan Vehicle

Detection dan Laplacian of Gaussian (LoG) Edge

Detection
Pada subbab ini akan diberikan contoh perhitungan
manual, sehingga lebih memahami cara kerja perangkat
lunak deteksi tempat kosong pada lahan parkir
menggunakan metode vehicle detection dan operator

Laplacian of Gaussian
1. Langkah 1

Input citra grayscale

2. Langkah 2

Inisialisasi

operator

laplacian

berupa matriks turunan kedua

G(x, y).

5.1 Kesimpulan
Berdasarkan hasil uji coba yang telah dilakukan,
maka dapat diambil kesimpulan sebagai berikut.

1. Sistem deteksi tempat kosong pada lahan parkir mobil

Cahyo, S.D. Analisis perbandingan beberapa metode

dapat dirancang menggunakan metode vehicle

deteksi tepi menggunakan Delphi 7. (online),

detection dan operator Laplacian of Gaussian (LoG)

Diakses tanggal 1 Desember 2011

edge detection.
2. Tingkat akurasi tertinggi pada pendeteksian tempat
yang berisi terletak pada nilai threshold 20%. .
Tingkat akurasi tertinggi pada pendeteksian tempat

Fajriat, Nur. Sistem parkir, (Online), diakses tanggal 1

Desember 2011

yang kosong terletak pada nilai threshold 50%.

Sedangkan rata rata tertingg tingkat akurasi pada
pendeteksian tempat yang berisi dan kosong terletak
pada nilai threshold 30%.
3.

Fai, Muhammad. 2008. (Online), diakses tanggal 1

Desember 2011

Nilai threshold yang optimal untuk sistem

pendeteksian tempat kosong pada parkir mobil
Gonzalez, Rafael C., Woods, Richard E. 2002. Digital

adalah 30%.

Image Processing second edition. New Jersey:

Prentice Hall.
5.2 Saran
Saran yang dapat dilakukan untuk pengembangan

Irawan, Dwi Ardi. 2006. Pengolahan Citra Digital.

lebih lanjut adalah pada proses inisialisasi garis putih

http://www.dwiardiirawan.com/.

area parkir tidak dilakukan secara manual, sebaiknya

tanggal 20 Oktober 2011.

Diakses

dilakukan secara otomatis menggunakan deteksi garis.

Karena jika dilakukan secara manual masih
memungkinkan terdapat kesalahan pada inisialisasi garis.

Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan

Pendekatan Algoritmik. Bandung: Penerbit
Informatika.
Hal : 3 5

Putra, Darma. 2004. Binerisasi citra tangan dengan

DAFTAR PUSTAKA

metode otsu. Jurusan teknik elektro Universitas

Udayana. Bali.

Afandi, A.S dan Prihandoko, B. 2006. Klasifikasi

Kualitas Keramik Menggunakan Metode Deteksi Tepi
Laplacian of Gaussian (LoG). Jurusan Teknik industri
Universitas Gunadarma. Depok.

Bong, D.B.L., Ting, K.C., dan Lai, K.C. 2008. Integrated

Approach in the Design of Car Park
Occupancy Information System (COINS).