ABSTRAK
DIANDRA BUDHI NUGRAHA. Pengembangan Distribusi ILOS Raspberry Pi
untuk Computer Vision (ILOS RaspiCV). Dibimbing oleh HERU SUKOCO.
Open source software (OSS) dewasa ini sangat diminati oleh kalangan
pengguna teknologi karena mudah dipelajari dan kode sumber yang terbuka secara
bebas, salah satu di antaranya adalah Linux. Tujuan dari penelitian ini adalah untuk
mengembangkan sebuah distribusi Linux untuk perangkat keras Raspberry Pi yang
menunjang kegiatan computer vision. Pemilihan perangkat lunak menggunakan
teknik survei terhadap mahasiswa dan dosen Ilmu Komputer yang berpengalaman
di bidang computer vision. Penelitian ini melibatkan 76 orang sebagai contoh dari
populasi sebesar 311 orang. Teknik survei dilakukan dengan menyebarkan
kuisioner terhadap 76 responden yang berisi pilihan daftar-daftar perangkat lunak
mengenai computer vision. Pemilihan perangkat lunak berdasarkan rata-rata bobot
tertinggi pada setiap pilihan perangkat lunak dan menyesuaikan dengan
kemampuan Raspberry Pi 8GB. Penelitian ini mendapatkan 6 perangkat lunak
untuk pengembangan ILOS RaspiCV yaitu OpenCV, MySQL, GNU Octave, Java,
Codeblock, dan R. Hasil dari penelitian ini merupakan sebuah distribusi sistem
operasi untuk computer vision dengan ukuran installer 7.04GB.
Kata kunci: computer vision, Linux, ILOS, purposive sampling, Raspbian,
remastering
ABSTRACT
DIANDRA BUDHI NUGRAHA. The Development of ILOS Raspberry Pi
Distribution for Computer Vision (ILOS RaspiCV). Supervised by HERU
SUKOCO.
Open source software (OSS) is interesting for technology users because it is
easy to learn. In addition, the source code is openly provided. One of popular OSS
is Linux. The objective of this research is to develop a Linux distribution for
Raspberry Pi devices to support computer vision research. Software selection used
a survey technique to students and lectures of Computer Science Department who
have experience in computer vision field. This research involved 76 respondents
sample from a population of 311. The survey has been conducted by distributing
questionnaires containing a list of softwares on computer vision to the respondents.
Each option consisted of 4 options based on the level of interest with different
values. The result of software selection was based on the average of highest value
on each selection of software and adjusted with the ability of Raspberry Pi 8GB.
This research resulted in 6 softwares for the development of ILOS RaspiCV,
namely, OpenCV, MySQL, GNU Octave, Java, Codeblock, dan R. The result of the
research was an operating system distribution for computer vision in 7.04GB
installer.
Keywords: computer vision, Linux, ILOS, purposive sampling, Raspbian,
remastering
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
Penguji:
1 Dr Ir Sri Wahjuni, MT
2 Auriza Rahmad Akbar, SKomp MKom
Disetujui oleh
Diketahui oleh
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa taala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Juni 2014 ini adalah
remastering, dengan judul Pengembangan Distribusi ILOS Raspberry Pi untuk
Computer Vision (ILOS RaspiCV).
Terima kasih penulis ucapkan kepada bapak DrEng Heru Sukoco, SSi MT
selaku pembimbing. Terima kasih juga penulis ucapkan pada ibu Dr Ir Sri Wahjuni,
MT dan Bapak Auriza Rahmad Akbar, SKomp MKom selaku dosen lab keilmuan
Net Centric Computing yang telah banyak memberikan saran dan masukan terhadap
penelitian ini. Ungkapan terima kasih juga penulis ucapkan kepada ayah, ibu,
keluarga, Dessi Ovrianti, Ade Azis Kusnaya, Ilkom angkatan 47, dan rekan-rekan
NCC atas doa dan dukunganya selama ini.
Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
Latar Belakang
Perumusan Masalah
Tujuan Penelitian
Manfaat Penelitian
TINJAUAN PUSTAKA
METODE PENELITIAN
Perancangan Sistem
Implementasi
Pengujian
10
10
10
10
13
16
Remastering
16
Pengujian
17
17
Kesimpulan
17
Saran
17
DAFTAR PUSTAKA
18
LAMPIRAN
19
DAFTAR TABEL
1
2
3
4
5
6
7
11
12
13
14
15
15
17
DAFTAR GAMBAR
1
2
3
4
Alur penelitian
Tahapan survei kebutuhan perangkat lunak
Tahapan implementasi
Grafik penafsiran pemilihan perangkat lunak
6
7
9
14
DAFTAR LAMPIRAN
1
2
3
4
5
6
19
21
22
23
23
24
PENDAHULUAN
Latar Belakang
Pada saat ini perkembangan Open source software (OSS) sudah sangat
berkembang dan banyak diminati oleh kalangan pengguna teknologi. Dengan kode
sumber yang mudah untuk dipelajari dan bebas untuk dikembangkan menjadi
alasan mengapa OSS sangat diminati oleh kalangan pengguna, salah satu contohnya
adalah Linux. Linux merupakan sistem operasi open source yang telah banyak
berkontribusi dalam pengembangan OSS. Hal ini menyebabkan banyaknya
distribusi Linux yang dapat dikembangkan oleh sekelompok orang, baik
membuatnya dari awal maupun dengan menurunkan dari distribusi Linux yang
sudah ada atau dikenal dengan remastering. OSS memungkinkan orang maupun
perusahaan untuk membuat distribusi Linux sendiri sesuai dengan kebutuhan dan
tujuannya sendiri seperti pendidikan, perkantoran, industri, multimedia, permainan,
pemrograman, bahkan pertanian.
Kebebasan yang diberikan oleh OSS membuat beberapa dari mahasiswa
Institut Pertanian Bogor (IPB) turut berpartisipasi dalam mengembangkan
distribusi Linux sendiri yang bernama IPB Linux operating system (ILOS). Tujuan
dari pembuatan ILOS sendiri yaitu supaya aplikasi-aplikasi tersebut akan lebih
dikenal dan bermanfaat khususnya untuk mahasiswa IPB sendiri (Lubis 2008). Oleh
karena itu, kemudahan penggunaan menjadi fungsionalitas distribusi ILOS untuk
menarik lebih banyak pengguna, sehingga aplikasi-aplikasi yang dibuat dan
dikembangkan oleh mahasiswa IPB ini dapat dikenal dan bermanfaat bagi
pengguna.
Penelitian sebelumnya mengenai pengembangan distribusi Linux dengan
menggunakan metode remastering pernah dikembangkan oleh beberapa mahasiswa
IPB. Beberapa contoh diantaranya adalah konsep dasar pembuatan distribusi ILOS
hasil turunan distribusi PCLinuxOS (Lubis 2008), pengembangan distribusi ILOS
for education (ILOSEDU) (Manunggal 2009), pengembangan distribusi ILOS for
multimedia (ILOSMEDIA) (Musthofa 2011), pengembangan distribusi ILOS for
computer science (ILOS CS) (Ardhie 2011), dan penerapan teknik penarikan
contoh kuota untuk penentuan aplikasi pada distro IPB Linux Operating System
(ILOS) (Antoni 2013). Penelitian ILOS sebelumnya dibuat dan diujikan terhadap
perangkat keras notebook dan komputer desktop yang berbeda. Penelitian
sebelumnya menjadi dasar pemikiran untuk mengembangkan ILOS, tetapi akan
dibuat dan diujikan terhadap perangkat keras Raspberry Pi yang merupakan
komputer mini dan memiliki spesifikasi di bawah notebook dan komputer desktop.
Raspberry Pi (Raspi) merupakan sebuah single board computer (SBC) yang
memiliki ukuran kecil dan berfungsi seperti sebuah komputer. Raspi juga memiliki
sebuah sistem operasi dan sistem operasi yang digunakanya saat ini adalah Linux
yang berbasis Debian yang bernama Raspbian. Raspbian OS bertujuan untuk
menghadirkan sistem operasi yang cepat dan optimal untuk perangkat Raspi yang
memiliki arsitektur berbeda dengan komputer desktop. Penelitian terkait Raspi
sudah pernah dikembangkan oleh beberapa mahasiswa IPB diantaranya,
pemanfaatan Raspberry Pi sebagai alat uji kadar nitrogen dan fosfor pada pupuk
(Fajri 2014), sistem keamanan parkir berbasis RFID dan standar nirkabel IEEE
802.11B/G menggunakan Raspberry Pi (Ramdhani 2015), reliabilitas pengiriman
2
data pada pemantauan sistem irigasi (Sanger 2015), perbandingan kinerja
pemrosesan paralel pada PC dan Raspberry Pi untuk pendeteksian gulma pada lahan
pertanian menggunakan fraktal (Iqbal 2015), dan pengembangan sistem akuisisi
data multi node untuk irigasi otomatis berbasis wireless sensor network (Rozikin
2015). Penelitan ini akan membuat sebuah distribusi baru hasil dari turunan
distribusi induk Raspbian dengan paket aplikasi yang mendukung kegiatan
computer vision. Diharapkan sistem operasi ini dapat menunjang kegiatan
pengembangan aplikasi mengenai computer vision dengan menyediakan paket
perangkat lunak untuk computer vision dan telah telah dikonfigurasi.
Perumusan Masalah
Pengguna perangkat keras Raspi sudah mulai banyak mengembangkan
aplikasi mengenai computer vision. Untuk memudahkan pengguna, diperlukan
sebuah sistem operasi yang menunjang kegiatan computer vision yang berisi paket
perangkat lunak mengenai computer vision. Oleh karena itu, masalah yang akan
dipecahkan pada penelitian ini adalah:
1 Bagaimana cara mendapatkan paket perangkat lunak computer vision dengan
melakukan teknik survei?
2 Bagaimana cara membangun sebuah distribusi Linux untuk computer vision
pada perangkat Raspi dengan metode remastering?
Tujuan Penelitian
Tujuan penelitian dari penelitian ini adalah:
1 Mendapatkan daftar perangkat lunak computer vision untuk Raspi dengan
melakukan teknik survei.
2 Membangun sebuah distribusi baru yaitu ILOS RaspiCV sebagai sistem operasi
untuk perangkat Raspi yang digunakan sebagai alternatif untuk menunjang
kebutuhan penelitian computer vision.
Manfaat Penelitian
Penelitian ini diharapkan dapat bermanfaat bagi mahasiswa dan dosen
Departemen Ilmu Komputer IPB. Sistem operasi ini diharapkan dapat memudahkan
pengguna Raspi yang akan mengembangkan aplikasi mengenai computer vision
dengan menyediakan paket perangkat lunak computer vision dan telah
dikonfigurasi.
3
2 ILOS RaspiCV dibangun menggunakan arsitektur processor ARMv6.
3 Distribusi induk yang digunakan adalah disribusi induk Raspbian.
4 Pemilihan paket perangkat lunak untuk kebutuhan computer vision dengan
lisensi GNU GPL atau freeware yang dapat didistribusikan dan mendukung
arsitektur processor ARMv6.
TINJAUAN PUSTAKA
Teknik Penarikan Contoh
Secara umum sampel penelitian adalah bagian dari populasi yang mewakili
karakteristik populasi dalam penelitian. Sampel memiliki cakupan lebih kecil dari
populasi. Menurut Sugiyono (2012) sampel adalah sebagian dari jumlah
karakteristik yang dimiliki populasi. Untuk mendapatkan sampel, teknik
pengambilan sampel (sampling) digunakan. Teori penarikan contoh mencoba untuk
mengembangkan metode pemilihan contoh dengan biaya yang sekecil mungkin dan
menghasilkan penduga parameter populasi yang mendekati parameter populasi
aslinya (Cochran 1991). Pengertian efisiensi dalam teori penarikan contoh adalah
teknik penarikan contoh yang menghasilkan dugaan paling mendekati parameter
populasi sebenarnya dan membutuhkan biaya pengumpulan data sekecil-kecilnya
serta memenuhi syarat-syarat data yang baik. Levy dan Lemeshow (1999)
mendefinisikan survei sebagai studi terhadap sebagian populasi yang dipilih dari
populasi yang lebih besar. Sebagian populasi ini akan memberikan kesimpulan
untuk semua populasi yang diwakili.
Supranto (1998) menjelaskan alasan mengapa teknik penarikan contoh
digunakan, antara lain sensus memerlukan banyak waktu, tenaga, dan biaya,
seringkali tidak diketahui objeknya secara keseluruhan, serta sering terjadi
kesalahan dalam pengumpulan data karena terlalu banyak objek yang harus diteliti.
Levy dan Lemeshow (1999) mengemukakan bahwa teknik penarikan contoh dapat
dikategorikan dalam dua kelas, yaitu penarikan contoh berpeluang (probability
sampling) dan penarikan contoh tidak berpeluang (nonprobability sampling).
Penarikan contoh berpeluang mempunyai karakteristik bahwa semua elemen dalam
populasi telah diketahui dan mempunyai peluang untuk dipilih sebagai contoh.
Penarikan contoh tidak berpeluang mempunyai ciri bahwa tidak semua elemen
populasi diketahui sehingga ada elemen populasi yang berpeluang nol (tidak
berpeluang) untuk dipilih sebagai contoh.
4
mungkin tidak bisa menggunakan penarikan contoh secara random jika peneliti
menginginkan keterangan dari orang tertentu seperti seseorang dengan kemampuan
khusus. Purposive sampling merupakan teknik nonprobability sampling yang
partisipannya dipilih karena karakteristik tertentu, seperti keahlian pada bidang
tertentu (Beins dan McCarthy 2012).
Sistem Operasi
Sistem operasi didefinisikan sebagai sebuah program yang mengatur
perangkat keras komputer dengan menyediakan landasan untuk aplikasi yang
berada di atasnya, serta bertindak sebagai penghubung antara para pengguna
dengan perangkat keras (Ibrahim 2004). Sistem operasi bertugas untuk
mengendalikan dan mengkoordinasikan penggunaan perangkat keras untuk
berbagai aplikasi untuk bermacam-macam pengguna. Dengan demikian, sebuah
sistem operasi bukan merupakan bagian dari perangkat keras komputer dan juga
bukan merupakan bagian dari perangkat lunak aplikasi komputer.
GNU/Linux
Linux merupakan tiruan dari UNIX yang merupakan sistem operasi yang
gratis dan bebas dikembangkan. Pada awalnya, Linux merupakan sebuah kernel dan
dikombinasikan dengan sistem operasi GNU (GNUs Not Unix) yang disebut
GNU/Linux. Semua distribusi yang dikenal sebagai Linux sebenarnya adalah
distribusi GNU/Linux. Pengembangan Linux pertama kali dilakukan oleh Linus
Benedict Torvalds, Universitas Helsinki, Finlandia, sebagai proyek hobi. Seluruh
kode sumber Linux termasuk kernel, device driver, libraries, program, dan tools
pengembangan disebarkan secara bebas dengan lisensi General Public License
(GPL) (Hariyanto 1999).
Raspbian
Pada saat ini, Raspbian merupakan sistem operasi berbasis Linux untuk
perangkat Raspi yang paling populer dan banyak digunakan. Raspbian merupakan
sistem operasi open source berbasis Linux Debian yang telah dimodifikasi khusus
untuk perangkat Raspi. Sistem operasi Raspbian bertujuan untuk membuat
perangkat Raspi mudah digunakan dengan beberapa paket perangkat lunak yang
telah disesuaikan dengan perangkat Raspi. Raspbian direkomendasikan untuk
pemula yang akan menggunakan perangkat Raspi (Harrington 2015).
Computer Vision
Computer vision adalah bidang yang mencakup metode untuk memperoleh,
mengolah, menganalisis, dan memahami gambar secara umum untuk menghasilkan
informasi numerik atau simbolik. Sebagai suatu disiplin ilmu, computer vision
5
berkaitan dengan sistem kecerdasan buatan yang dapat mengekstrak informasi dari
gambar. Data gambar terdapat dalam beberapa bentuk seperti, urutan video,
pandangan dari beberapa kamera, atau data multi-dimensi dari scanner medis.
Sebagai suatu disiplin teknologi, computer vision berusaha untuk menerapkan teori
dan model untuk membangun sebuah sistem computer vision (Szeliski 2010).
Penelitian mengenai computer vision telah berkembang untuk memulihkan
bentuk tiga dimensi dan tampilan objek dalam citra. Model yang dikembangkan
dalam computer vision biasanya dikembangkan dalam fisika (radiometry, optics,
dan sensor design) dan dalam komputer grafis. Hal ini mempelajari bagaimana
sebuah objek bergerak dan hidup, serta bagaimana cahaya mencerminkan sesuai
dengan permukaan, atmosfer yang tersebar, dibiaskan melalui lensa kamera (atau
mata manusia), dan terakhir diproyeksikan ke sebuah bidang datar atau melengkung
bidang gambar (Szeliski 2010).
Distribusi Linux
Distribusi Linux atau disingkat dengan istilah distro Linux dapat diartikan
sebagai kumpulan paket-paket, manajemen, dan fitur-fitur yang berjalan di atas
Linux kernel. Masing-masing distro Linux dapat dibedakan berdasarkan tiga ciri
penting yaitu, tujuan, konfigurasi dan pemaketan, serta support model (Turnbull et
al. 2009). Distro seperti Debian, CentOS, dan Fedora dibiayai oleh komunitas
relawan. Distro lainnya seperti Red Hat dan Ubuntu dibiayai dan dukungan oleh
vendor komersial. Meskipun demikian, perangkat lunak yang digunakan adalah
open source. Jika pengguna menginginkan dukungan dan pemeliharaan tambahan
diharuskan untuk membayar.
Remastering
Remastering merupakan cara membuat distribusi Linux baik membuatnya
dari awal maupun menurunkan dengan distribusi Linux yang sudah ada (Lubis
2008). Remastering juga dapat diartikan sebuah teknik untuk mengubah,
menambahkan, dan mengurangi paket dan aplikasi yang terdapat dalam suatu
sistem operasi.
METODE PENELITIAN
Pada penelitian ini metode yang digunakan adalah metode remastering,
dimana remastering dilakukan dengan menggunakan distribusi induk Raspbian
yang merupakan turunan distribusi induk Debian Wheezy yang telah dimodifikasi
dan dikembangkan untuk perangkat Raspberry Pi. Metode penelitian dilakukan
dengan beberapa tahapan yaitu survei kebutuhan perangkat lunak, perumusan
masalah, perancangan sistem, implementasi, dan pengujian. Alur penelitian dapat
dilihat pada Gambar 1.
Analisis Kebutuhan
Sistem
Mulai
Survei Kebutuhan
Perangkat Lunak
Perancangan Sistem
Sesuai
Selesai
Pengujian
Implementasi
Tidak
sesuai
7
memilih sampel, mengumpulkan data, serta menganalisis dan menafsirkan hasil.
Tahapan survei kebutuhan perangkat lunak dapat dilihat pada Gambar 2.
Merumuskan tujuan
Menentukan sampel
Mengumpulkan data
8
n=
N
N.e2 +1
(1)
dengan:
n = jumlah sampel
N = jumlah total populasi
e = batas toleransi kesalahan (error tolerance)
Batas toleransi kesalahan dinyatakan dalam bentuk presentase. Semakin
kecil toleransi kesalahan, semakin akurat sampel menggambarkan populasi
(Sevilla 2007). Misalnya, penelitian dengan batas kesalahan 2% memiliki
akurasi sebesar 98%. Dengan jumlah populasi yang sama, semakin kecil
toleransi kesalahan maka semakin besar jumlah sampel yang dibutuhkan.
Peneliti dapat menentukan tingkat presisi yang dikehendaki yang selanjutnya
berdasarkan presisi tersebut dapat menentukan besarnya jumlah sampel.
4 Mengumpulkan data
Teknik pengumpulan data merupakan faktor penting dalam mendukung
keberhasilan penelitian. Setelah memilih sampel dan instrumen penelitian yang
tepat, langkah berikutnya adalah mengumpulkan data dengan menggunakan
teknik penarikan contoh. Pada penelitian ini, teknik penarikan contoh yang
digunakan adalah purposive sampling.
5 Menganalisis dan menafsirkan hasil
Tahap ini merupakan tahap akhir dari survei kebutuhan perangkat lunak.
Proses analisis data yang dikumpulkan pada dasarnya melibatkan coding
tanggapan, atau menempatkan setiap item dalam kategori yang sesuai, tabulasi
data, dan melakukan perhitungan statistik yang sesuai. Pada tahap ini peneliti
harus menafsirkan dan menyimpulkan hasil survei berdasarkan hasil analisis dan
pengolahan data yang dilakukan. Data diolah dengan menghitung rata-rata bobot
setiap pilihan jawaban dengan menggunakan rumus (Sevilla 2007):
=
m
i=1 (fi . bi )
N
(2)
dengan:
= bobot rata-rata yang dicari
fi = frekuensi pilihan ke-i
bi = bobot pilihan ke-i
N = total responden
m = jumlah alternatif jawaban (tingkat kepentingan)
Setelah bobot masing-masing perangkat lunak diketahui, dilakukan
penafsiran untuk penetapan perangkat lunak yang akan digunakan. Untuk
menafsirkan hasil pada penetapan perangkat lunak digunakan teknik rentang
selang (RS) sesuai dengan alternatif pilhan jawaban, digunakan rumus (Umar
2008):
9
RS =
m-1
m
(3)
dengan:
m = jumlah alternatif jawaban (tingkat kepentingan)
Perancangan Sistem
Pada tahapan ini dilakukan perancangan ILOS RaspiCV meliputi
perancangan dan modifikasi sistem, perancangan atribut distribusi, perancangan
artwork, dan perancangan paket perangkat lunak yang ditambahkan pada
pengembangan ILOS RaspiCV.
Implementasi
Tahapan implementasi merupakan tahapan akhir pada penelitian ini. Hasil
dari perancangan sistem kemudian diterapkan ke dalam sistem, sehingga sistem
dapat berjalan sesuai dengan yang diharapkan. Tahapan dari implementasi terdiri
dari pemilihan distribusi induk, penghapusan dan penambahan paket, penyesuaian
atribut distribusi, dan remastering. Tahapan dari implementasi dapat dilihat pada
Gambar 3.
Pemilihan distribusi induk
Remastering
Gambar 3 Tahapan implementasi
1 Pemilihan distribusi induk
Tahapan pertama adalah pemilihan distribusi Linux yang akan
didistribusikan menjadi ILOS RaspiCV. Distribusi induk yang akan digunakan
pada penelitian ini adalah distribusi induk Raspberry Pi yaitu Raspbian yang
merupakan turunan dari distribusi Debian Wheezy yang telah dimodifikasi.
2 Penghapusan dan penambahan paket
Penghapusan paket dilakukan jika perangkat lunak tersebut tidak digunakan
pada pengembangan ILOS RaspiCV. Penambahan paket perangkat lunak
menyesuaikan dengan hasil pengolahan data yang dilakukan dan sesuai dengan
10
kemampuan dan arsitektur Raspberry Pi. Perangkat lunak yang ditambahkan
bertujuan untuk mendukung kegiatan computer vision.
3 Penyesuaian atribut distribusi
Tahapan ini dilakukan untuk membedakan distribusi induk dengan distribusi
hasil remastering meliputi pembuatan logo ILOS RaspiCV, wallpaper, tema,
dan mengganti identitas distribusi.
4 Remastering
Tahapan terakhir dari implementasi sistem adalah remastering. Remastering
atau pembuatan installer ILOS RaspiCV di implementasikan dalam bentuk
image berekstensi *.img.
Pengujian
Pengujian dilakukan pada perangkat keras Raspberry Pi yang memiliki
kemampuan dibawah komputer notebook dan desktop. Pengujian dilakukan dengan
meng-install ILOS RaspiCV pada perangkat Raspberry Pi model B. Pengujian
dilakukan untuk menganalisis lama proses booting, syarat minimum kapasitas
SDHC, dan lama proses cloning installer.
11
akan diterapkan pada pengembangan ILOS RaspiCV. Survei dilakukan terhadap
mahasiswa dan dosen Ilmu Komputer Institut Pertanian Bogor yang memahami dan
bergerak di bidang computer vision. Survei langsung tertuju terhadap reponden
yang mengerti mengenai computer vision, sehingga teknik sampling yang
digunakan dalam survei kebutuhan perangkat lunak adalah purposive sampling.
Kriteria pemilihan responden dengan memilih dosen pada lab keilmuan computer
vision untuk dosen dan untuk mahasiswa diasumsikan telah mengambil mata kuliah
pengantar pengolahan citra digital sehingga minimal mengetahui perangkat lunak
yang digunakan dalam kegiatan computer vision.
Memilih Teknik Pengumpulan Data
Teknik pengumpulan data pada penelitian ini adalah menyebarkan kuisioner
yang berisi pernyataan dan pilihan daftar perangkat lunak untuk kebutuhan
computer vision. Pernyataan-pernyataan yang diajukan dalam kuisioner
menggunakan skala Likert. Skala Likert digunakan untuk mengukur sikap,
pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial.
Dalam penelitian, fenomena sosial ini ditetapkan secara spesifik oleh peneliti, yang
selanjutnya disebut dengan variabel penelitian. Dengan skala Likert, maka variabel
yang akan diukur dijabarkan menjadi indikator variabel, kemudian indikator
tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang
dapat berupa pernyataan atau pertanyaan. Oleh karena itu peneliti menggunakan
skala Likert dengan 4 pilihan untuk setiap pilihan jawaban, yaitu sebagai berikut:
Tabel 1 Pilihan jawaban kuesioner dan pembobotan
No. Pilihan
Bobot pilihan
1
Sangat penting (SP)
3
2
Penting (P)
2
3
Kurang penting (KP)
1
4
Tidak penting (TP)
0
Pilihan tidak penting (TP) digunakan untuk jawaban yang tidak diisi oleh
responden. Responden diberikan penjelasan bahwa aplikasi yang tidak digunakan
dinyatakan sebagai aplikasi yang dianggap tidak penting.
Menentukan Sampel
Ukuran sampel bertujuan untuk menentukan jumlah responden yang
digunakan untuk pengumpulan data. Sampel pada penelitian ini merupakan
responden yang terpilih dan memiliki pengetahuan mengenai computer vision.
Untuk mengetahui ukuran sampel digunakan persamaan 1 dengan batas toleransi
kesalahan sebesar 10%, sehingga diperoleh:
n=
311
311 0.12 +1
= 75.66909976 76
12
yaitu dengan melakukan pemilihan secara langsung. Untuk responden dosen,
ditentukan dengan memilih dosen yang memiliki riset di bidang computer vision di
Departemen Ilmu Komputer yaitu pada lab keilmuan computer intelegence.
Sehingga, didapatkan jumlah masing-masing responden dengan 39 orang
mahasiswa S1, 32 orang mahasiswa S2, dan 5 orang dosen. Detail jumlah responden
yang mengisi kuesioner dapat dilihat pada Tabel 2.
No
1
2
3
Mengumpulkan Data
Setelah diketahui jumlah sampel sebesar 76, langkah selanjutnya adalah
mengumpulan data. Pengumpulan data dilakukan dengan membagikan kuisioner
terhadap responden yang telah dipilih sesuai dengan kriteria pemilihan, sehingga
teknik sampling yang digunakan adalah purposive sampling. Kuesioner berisi
pilihan daftar aplikasi mengenai computer vision yang terbagi dalam 3 kategori
perangkat lunak yaitu, program computer vision, pemrograman, dan programprogram tambahan lainnya. Setiap pernyataan diberikan 4 pilihan jawaban
mengenai tingkat kepentingan sebuah perangkat lunak yang akan digunakan yang
mengacu pada skala Likert yang ada pada Tabel 1. Daftar rinci kuisioner dapat
dilihat pada Lampiran 1.
Menganalisis dan Menafsirkan Hasil
Data kebutuhan perangkat lunak diolah dengan menghitung rata-rata bobot
setiap pilihan jawaban dengan menggunakan persamaan 2. Berikut adalah contoh
perhitungan pembobotan perangkat lunak pada aplikasi OpenCV:
opencv =
(453)+(252)+(11)+(50)
76
= 2.45
13
perangkat lunak apa saja yang akan digunakan pada pengembangan ILOS RaspiCV
sesuai dengan hasil pada penetapan perangkat lunak.
Penetapan paket perangkat lunak bertujuan untuk mendapatkan perangkat
lunak yang akan digunakan pada pengembangan ILOS RaspiCV. Penelitian ini
menggunakan teknik rentang selang untuk menentukan perangkat lunak yang akan
digunakan. Teknik ini digunakan untuk menghitung selang rataan skor terhadap
alternatif jawaban yang terdapat di dalam kuesioner sehingga diperoleh kesimpulan
atau keputusan terhadap keseluruhan data. Penentuan paket aplikasi yang akan
digunakan berdasarkan kategori yang dihitung dengan menggunakan rentang
selang pada persamaan 3. Hasil perhitungan rentang selang adalah sebagai berikut:
RS =
4-1
= 0.75
4
Rentang selang yang diperoleh pada penelitian ini adalah 0.75 dengan 4
jumlah alternatif jawaban dan diperoleh nilai selang rataan skor berdasarkan tingkat
kepentingan yang dapat dilihat pada Tabel 3.
Tabel 3
No
1
2
3
4
Pada Tabel 3 nilai pada rentang skor menunjukan tingkat keperluan terhadap
jenis aplikasi yang diperlukan. Pada penelitian ini tingkat keperluan hasil penafsiran
digunakan sebagai dasar pemilihan jenis aplikasi yang akan digunakan pada ILOS
RaspiCV. Perangkat lunak yang memiliki bobot lebih kecil dari 1.50 atau termasuk
dalam kategori kurang penting tidak dimasukan dalam pengembangan ILOS
RaspiCV.
Hasil pembobotan perangkat lunak diilustrasikan dalam bentuk grafik dan
grafik penafsiran pemilihan perangkat lunak dapat dilihat pada Gambar 4. Garis
berwarna merah merupakan batas pemilihan perangkat lunak, jika bobot perangkat
lunak lebih kecil dari 1.50 maka perangkat lunak tersebut tidak dimasukkan sesuai
hasil yang terdapat pada Tabel 3. Sehingga didapatkan perangkat lunak yang
terpilih pada pengembangan ILOS RaspiCV sebanyak 6 perangkat lunak utama, 1
buah perangkat lunak dari kategori sangat penting dan 5 buah perangkat lunak dari
kategori penting. Perangkat lunak utama yang dimasukkan adalah OpenCV,
MySQL, GNU Octave, Java, Codeblock, dan R. Detail daftar hasil penafsiran dapat
dilihat pada Tabel 4.
14
1 Raspbian merupakan sistem operasi Linux untuk Raspi yang paling optimal dan
banyak digunakan.
2 Raspbian memiliki komunitas pengguna yang sangat besar dan aktif dalam
memberikan dukungan serta bantuan untuk pengunaan distribusinya.
Langkah awal pembuatan distribusi ILOS RaspiCV yaitu dengan melakukan
instalasi Raspbian pada perangkat keras Raspberry Pi model B.
3
2,5
Opencv
MySQL
Bobot
2
Codeblock
1,5
Java PostgreSQL
Python
Matlab
TP
Weka
Eclipse
VXL Boof CV
PCL
0,5
SP
GPIO Lib
PSPP
Orange
VLFeat
0
0
10
15
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
20
KP
15
No.
1
2
3
4
Perintah purge yaitu menghapus paket aplikasi beserta file konfigurasi yang
terdapat pada paket aplikasi tersebut, karena tidak digunakan pada pengembangan
ILOS RaspiCV. Pada tahap selanjutnya dilakukan pemutakhiran sistem dengan
mengeksekusi perintah:
$ sudo apt-get update && sudo apt-get y upgrade
No.
1
2
3
4
5
6
16
Penyesuaian Atribut Distribusi Induk
Penyesuaian dan perubahan atribut pada distribusi induk bertujan untuk
membedakan distribusi awal dengan distribusi baru. Perubahan atribut distribusi
meliputi:
1 Logo
ILOS RaspiCV memiliki logo seperti yang ditunjukan pada Lampiran 4.
Logo menyesuaikan dengan logo ILOS sebelumnya supaya tidak
menghilangkan ciri dari distribusi ILOS sendiri.
2 Wallpaper
Wallpaper ILOS RaspCVi yang telah dibuat disalin ke dalam berkas
/usr/share/raspberrypi-artwork. Wallpaper dapat dilihat pada Lampiran
5.
3 Tema
Tema dari ILOS RaspiCV menggunakan tema LXDE dan telah dimodifikasi
sesuai dengan tampilan ILOS RaspiCV.
4 Identitas distribusi
Perubahan identitas bertujuan untuk membedakan distribusi induk dengan
distribusi baru. Terdapat tiga berkas penting dalam memberikan nama distribusi
yaitu OS-release, issue, dan issue.net. Perubahan berkas tersebut dapat dilihat
pada Lampiran 6.
Remastering
Tahapan terakhir dari pengembangan distribusi ILOS RaspiCV adalah
remastering. Untuk meminimalkan ukuran berkas yang akan menjadi installer
distribusi ILOS RaspiCV dengan cara menghapus berkas pada direktori temporary
dengan menjalankan perintah:
$ sudo rm rf /tmp/*
perintah dd dilakukan untuk menyalin file dan mengubah format data sesuai yang
ditentukan. Perintah if dilakukan untuk membaca file input dari SD card, perintah
of untuk menulis file yang akan dijadikan installer yaitu dalam format .img, dan bs
merupakan block size yang digunakan untuk membaca dan menulis bytes. Hasil
remastering berupa file image dengan ekstensi .img dengan ukuran file 7.04
gigabyte.
17
Pengujian
Pada tahap ini dilakukan pengujian terhadap distribusi ILOS RaspiCV.
Proses cloning untuk membuat installer ILOS Raspi dilakukan pada perangkat
notebook dengan memasukan SDHC Raspberry Pi. Lama proses cloning
menghabiskan waktu yaitu sekitar 10 menit untuk menghasilkan installer dengan
ekstensi .img. Pengujian dilakukan terhadap perangkat keras Raspberry Pi model B
dengan memasang ilosraspicv.img terhadap SDHC Raspberry Pi yang berukuran 8
gigabyte. Proses booting ILOS RaspiCV berjalan dengan cepat yaitu sekitar 2 menit.
ILOS RaspiCV dan paket aplikasi yang dipasang dapat berjalan dengan baik pada
perangkat Raspberry Pi yang memiliki media penyimpanan 8GB. Hasil pengujian
dapat dilihat pada Tabel 7.
No.
1
2
3
4
5
6
Hasil
Berhasil
Berhasil
Berhasil
Berhasil
Berhasil
Berhasil
Saran
Beberapa hal yang harus diperhatikan untuk pengembangan ILOS Raspberry
Pi lebih lanjut yaitu:
1 Menggunakan perangkat keras Raspi model terbaru yang memiliki spesifikasi
lebih baik dengan Raspi model B. Raspi model terbaru memiliki kinerja yang
jauh lebih cepat dari Raspi sebelumnya.
2 Menggunakan distribusi induk lain untuk pengembangan ILOS yang spesifik
untuk bidang ilmu tertentu.
18
DAFTAR PUSTAKA
Antoni. 2013. Penerapan teknik penarikan contoh kuota untuk penentuan aplikasi
pada distro IPB Linux operating system (ILOS) [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Ardhie SP. 2011. Pengembangan distribusi ILOS for computer science (ILOS CS)
[skripsi]. Bogor (ID): Institut Pertanian Bogor.
Arikunto. 1998. Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta (ID):
Rineka Cipta.
Beins CB, McCarthy AM. 2012. Research Methods and Statistics. New Jersey
(US): Pearson Education.
Cochran WG. 1977. Sampling Techniques. New York (US): Wiley.
Connaway LS, Powell RR. 2010. Basic Research Methods for Librarians.
California (US): ABC CLIO.
Fajri Y. 2014. Pemanfaatan Raspberry Pi sebagai alat uji kadar nitrogen dan fosfor
pada pupuk [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Harrington W. 2015. Learning Raspbian. Birmingham (UK): Packt Publishing.
Hariyanto B. 1999. Sistem Operasi. Ed ke-2. Bandung (ID): Informatika.
Ibrahim S. 2004. Pengantar Sistem Operasi Komputer. Yogyakarta (ID): Ardi
Publishing.
Iqbal MS. 2015. Perbandingan kinerja pemrosesan paralel pada PC dan Raspberry
Pi untuk pendeteksian gulma pada lahan pertanian menggunakan fraktal
[tesis]. Bogor (ID): Institut Pertanian Bogor.
Levy PS, Lemeshow S. 1999. Sampling of Populations. New York (US): Wiley.
Lubis IA. 2008. Konsep dasar pembuatan distribusi ILOS hasil turunan distribusi
PCLinuxOS [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Manunggal A. 2009. Pengembangan distribusi ILOS for education (ILOSEDU)
[skripsi]. Bogor (ID): Institut Pertanian Bogor.
Musthofa. 2011. Pengembangan distribusi ILOS multimedia (ILOSMEDIA)
[skripsi]. Bogor (ID): Institut Pertanian Bogor.
Ramdhani D. 2015. Sistem keamanan parkir berbasis RFID dan standar nirkabel
IEEE 802.11B/G menggunakan Raspberry Pi [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Rozikin C. 2015. Pengembangan sistem akuisisi data multi node untuk irigasi
otomatis berbasis wireless sensor network [tesis]. Bogor (ID): Institut
Pertanian Bogor.
Sanger JB. 2015. Reliabilitas pengiriman data pada pemantauan sistem irigasi
[tesis]. Bogor (ID): Institut Pertanian Bogor.
Sevilla, Consuelo G. 2007. Research Methods. Quezon City (PH): Rex.
Sugiyono. 2012. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung (ID):
Alfabeta.
Supranto J. 1998. Teknik Sampling untuk Survei & Eksperimen. Jakarta (ID):
Rineka Cipta.
Szeliski R. 2010. Computer Vision: Algorithms and Applications. Washington
(US): Springer.
Sekaran U. 2006. Research Methods for Business. New York (US): Wiley.
19
Turnbull J, Lieverdink P, Matodek D. 2009. Pro Linux System Administrator. New
York (US): Springer.
Umar H. 2008. Metode Penelitian Skripsi dan Tesis Bisnis. Ed ke-2. Jakarta (ID):
Raja Grafindo Persada.
20
Lampiran 1 Kuesioner kebutuhan perangkat lunak
Kuisioner Studi Kebutuhan Perangkat Lunak Mahasiswa IPB
PENELITIAN TUGAS AKHIR MAHASISWA ILMU KOMPUTER IPB
Kuisioner studi kebutuhan perangkat lunak ini bertujuan untuk mendapatkan daftar
perangkat lunak mengenai computer vision yang akan dipaketkan ke dalam IPB Linux Operating
System (ILOS) untuk perangkat Raspberry Pi yang dilengkapi dengan aplikasi open source.
Raspberry Pi merupakan sebuah Single Board Computer (SBC) yang berukuran seperti kartu kredit
yang dijadikan komputer mini dan dapat disambungkan dengan monitor dan keyboard. Raspberry
Pi merupakan komputer yang bisa bekerja layaknya sebuah komputer desktop tetapi dengan
spesifikasi yang terbatas. Raspberry Pi juga memiliki sebuah sistem operasi dan sistem operasi yang
digunakan saat ini adalah Linux yang berbasis Debian. Penelitian ini bertujuan untuk
mengembangkan sebuah distribusi Linux baru untuk Raspberry Pi yang bertujuan untuk kebutuhan
computer vision. Diharapkan ILOS RaspiCV nantinya bisa menjadi sistem operasi yang optimal
pada perangkat Raspberry Pi yang digunakan untuk kebutuhan computer vision.
Petunjuk umum pengisian:
Isi dengan menggunakan tinta hitam atau biru
Isi dengan huruf KAPITAL
Pertanyaan pilihan diisi dengan mencentang atau menyilangi
I.
1.
2.
3.
4.
5.
Nama
NRP / NIP
Departemen / Fakultas
Bagian / Lab
Jenis Responden
IDENTITAS RESPONDEN
: _______________________________________________
: _______________________________________________
: _______________________________________________
: _______________________________________________
: a. Mahasiswa S1
b. Mahasiswa S2
c. Dosen
II.
1.
2.
3.
4.
5.
NO:
UMUM
OS yang anda gunakan untuk kebutuhan computer vision ? (boleh isi lebih dari satu)
a. Microsoft Windows _____ c. Mac versi _____
b. GNU/Linux versi _____ d. Lainnya _____
Apakah anda pernah menggunakan GNU/Linux ?
a. Ya
b. Tidak
Apakah anda sebelumnya mengetahui tentang perangkat keras Raspberry Pi ?
a. Ya
b. Tidak
Apakah anda pernah menggunakan perangkat keras Raspberry Pi ?
a. Ya
b. Tidak
Setujukah jika perangkat keras Raspberry Pi digunakan untuk kebutuhan computer vision ?
a. Ya
b. Tidak, kenapa ?
III.
21
Lampiran 1 Lanjutan
- Ket: KP: Kurang Penting, P: Penting, SP: Sangat Penting
No
Perangkat Lunak
1
2
3
4
5
OpenCV
VXL
VLFeat
BoofCV
PCL
6
7
8
9
Codeblock
Python
Java
Eclipse
10
11
12
13
14
15
16
17
MySQL
PostgreSQL
Weka
Orange
R
PSPP
Matlab
GPIO Library
Digunakan
/ tidak
Deskripsi
Tingkat Kepentingan
KP
P
SP
18
19
20
21
22
22
Lampiran 2 Rekap kebutuhan perangkat lunak
Tingkat Kepentingan
No
Perangkat
Lunak
Deskripsi
TP
KP
SP
76
76
76
76
76
5
43
49
43
46
1
6
11
10
13
25
18
11
21
11
45
9
5
2
6
76
76
76
76
17
28
21
27
10
6
1
10
35
31
35
25
14
11
19
14
76
76
76
8
25
23
5
11
16
40
29
29
23
11
8
76
76
76
76
76
43
19
44
12
39
15
7
10
5
7
14
36
17
37
15
4
14
5
22
15
OpenCV
VXL
VLFeat
BoofCV
PCL
6
7
8
9
Codeblock
Python
Java
Eclipse
10
11
12
MySQL
PostgreSQL
Weka
13
14
15
16
17
Orange
R
PSPP
Matlab
GPIO Library
23
Lampiran 3 Hasil pembobotan perangkat lunak
Tingkat Kepentingan
No
Perangkat
Lunak
1
2
3
4
5
OpenCV
VXL
VLFeat
BoofCV
PCL
6
7
8
9
Codeblock
Python
Java
Eclipse
10
MySQL
11
PostgreSQL
12
Weka
13
Orange
14
15
PSPP
16
17
Matlab
GPIO Library
Deskripsi
TP
KP
SP
Rata
bobot
maks
0.01
0.08
0.14
0.13
0.17
0.66
0.47
0.29
0.55
0.29
1.78
0.36
0.20
0.08
0.24
2.45
0.91
0.63
0.76
0.70
0.13
0.08
0.01
0.13
0.92
0.82
0.92
0.66
0.55
0.43
0.75
0.55
1.61
1.33
1.68
1.34
0.07
1.05
0.91
2.03
0.14
0.76
0.43
1.34
0.21
0.76
0.32
1.29
0.20
0.37
0.16
0.72
0.09
0.95
0.55
1.59
0.13
0.45
0.20
0.78
0.07
0.09
0.97
0.39
0.87
0.59
1.91
1.08
24
Lampiran 4 Logo ILOS RaspiCV
25
Lampiran 6 Identitas distribusi
/etc/OS-release
Berkas ini berisi id distribusi, versi distribusi, dan nama distribusi.
Isi berkas sebelum diubah:
PRETTY_NAME=Raspbian GNU/Linux 7 (wheezy)
NAME=Raspbian GNU/Linux
VERSION_ID=7
VERSION=7 (wheezy)
ID=raspbian
ID_LIKE=debian
ANSI_COLOR=1 ;31
HOME_URL=http://www.raspbian.org/
SUPPORT_URL=http://www.raspbian.org/RaspbianForums
BUG_REPORT_URL=http://www.raspbian.org/RaspbianBugs
/etc/issue
Isi berkas sebelum diubah: Raspbian GNU/Linux 7 \n \l
Isi berkas setelah diubah: Ilosraspicv GNU/Linux 7 \n \l
/etc/issue.net
Isi berkas sebelum diubah: Raspbian GNU/Linux 7
Isi berkas setelah diubah: Ilosraspicv GNU/Linux 7
26
RIWAYAT HIDUP
Penulis dilahirkan di Ciamis pada 24 Oktober 1992 dari pasangan Denni
Kusdenni dan Dede Ika Rostika. Penulis merupakan putra pertama dari tiga
bersaudara. Tahun 2010 penulis lulus dari SMA Negeri 2 Ciamis dan pada tahun
yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui
Undangan Seleksi Masuk IPB dan diterima di Departemen Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis aktif menjadi anggota dan pengurus
Organisasi Mahasiswa Daerah Ciamis. Pada tahun 2011 dan 2012 penulis menjabat
sebagai divisi humas dan divisi sponsorship kegiatan kepanitiaan IT Today. Penulis
juga melakukan praktik kerja lapangan di PT. Bank Rakyat Indonesia Divisi IT
sebagai programmer. Kegiatan lain penulis adalah mengikuti pelatihan teknologi
informatika yang ada seperti workshop Yii Framework dan pelatihan Cisco CCNA
selama 6 bulan di Departemen Fisika Institut Pertanian Bogor.