DR00083201312 Fin
DR00083201312 Fin
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.
1. Pendahuluan
1.1. Latar Belakang
2. Bertambahnya jumlah kendaraan pribadi saat ini
meningkat.
Tidak
mudah
mencari
bertingkat,
perkantoran,
terutama
pusat
di
perbelanjaan
kota-kota
besar
atau
di
3.
Penyampaian
telah
genggam,
(VMS),
Parking
Message
(UTMC).
Data
yang
(PDAs),
Control
Personal
parkir
Assistants
Variable
4.
informasi
Display
Dengan
adanya
informasi
5.
6.
7.
diolah atau
awal.
8. Metode Penelitian
8.1. Langkah Langkah Penelitian
Penelitian dilakukan dengan tahapan sebagai
berikut :
1.
2.
3.
4.
5.
1.1
Secara
umum,
perangkat
lunak
yang
akan
(LoG).
Keseluruhan
proses
sistem
ini
prosesnya,
seorang
pengguna
hanya
1. Langkah 1
Vehicle
detection
mendeteksi
pada
detection
Sobel.
subproses,
keberadaan
tempat
obyek
parkir.
terdiri
Vehicle
dari
yaitu
dua
perataan
untuk
3. Langkah 3
Deteksi
tepi
menggunakan
subproses
yaitu
perataan
deteksi
tepi
menggunakan
(LoG).
fungsi
AND,
berikut.
1. Langkah 1
kosong.
ubah menjadi 0.
6. Langkah 6
2. Langkah 2
bilangan
kendaraan.
merupakan
garis
perpotongan
yang
antar
membatasi parkir
procedure
pembangun
metode
tersebut.
vehicle detection
1. Langkah 1
1. Langkah 1
Image
substraction
untuk
mendeteksi
digunakan
mengurangkan
masukan
lahan
didalamnya
parkir
terdapat
citra
yang
obyek
masih kosong.
3. Langkah 3
menjadi
citra
terisi
biner
4. Langkah 4
dari
kosong)
akan
tersebut.
5. Langkah 5
maupun
parkir.
:
piksel
citra tersebut.
5. Langkah 5
nilai
Pembacaan
keberadaan
antara
citra
tinggi citra.
3. Langkah 3
berikut.
1. Langkah 1
4. Langkah 4
image substraction
2. Langkah 2
Hitung
nilai
Threshold
(T)
citra.
4. Langkah 4
proses
sistem
median
filtering
ditunjukkan
oleh
menjadi 1.
5. Langkah 5
1. Langkah 1
2. Langkah 2
Citra
masukan
adalah
citra
grayscale.
Metode selanjutnya adalah deteksi tepi dengan
citra
dengan
perualangan
3. Langkah 3
4. Langkah 4
1. Langkah 1
2. Langkah 2
5. Langkah 4
3. Langkah 3
berdasarkan tinggi
5. Langkah 5
2. Langkah 2
Pembacaan
piksel
dari
4. Langkah 4
Langkah 2
yang
digunakan
untuk
(p_j (j-1)=2)
1. Langkah 2
2. Langkah 3
3. Langkah 4
nilai
tengah
yang
dari
proses
untuk
Perulangan
hasil
6. Langkah 6
nilai
konvolusi matriks.
menampung
5. Langkah 5
diubah
nilai
maka
menjadi
nilai
0.
piksel
Sehingga
1.2
dengan Vehicle
Laplacian of Gaussian
1. Langkah 1
2. Langkah 2
Inisialisasi
operator
laplacian
5.1 Kesimpulan
Berdasarkan hasil uji coba yang telah dilakukan,
maka dapat diambil kesimpulan sebagai berikut.
edge detection.
2. Tingkat akurasi tertinggi pada pendeteksian tempat
yang berisi terletak pada nilai threshold 20%. .
Tingkat akurasi tertinggi pada pendeteksian tempat
adalah 30%.
http://www.dwiardiirawan.com/.
Diakses