PERANCANGAN SISTEM PENGUKURAN ANTROPOMETRI

KEPALA MENGGUNAKAN TEKNOLOGI IMAGE PROCESSING

DENGAN METODE EKSTRAKSI FITUR WAJAH

Sritomo Wignjosoebroto, Adithya Sudiarno, Bright Brennan

Laboratorium Ergonomi dan Perancangan Sistem Kerja

Jurusan Teknik Industri - Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111,E-mail: brightbrennan@yahoo.com

ABSTRAK

Untuk mewujudkan kondisi yang ergonomis dalam berbagai perancangan produk dan stasiun kerja,
diperlukan ukuran antropometri tubuh manusia. Dalam melakukan pengukuran biasanya digunakan alat-alat
ukur manual seperti mistar, kaliper, meteran, kursi antropometri, dll. Pengukuran manual akan membutuhkan
waktu yang cukup lama dan memungkinkan terjadinya error akibat standar pengukuran yang tidak seragam.
Untuk mengatasi permasalahan yang ditemui dalam pengukuran manual tersebut, maka perlu rancang sebuah
alat atau sistem pengukuran otomatis yang lebih efisien.Kepala adalah bagian tubuh yang sangat vital. Oleh
karena itu, pengukuran antropometri kepala sangat penting. Ada 14 dimensi penting yang biasa diukur di
kepala manusia. Pada penelitian ini akan dirancang sebuah sistem pengukuran dimensi kepala yang terdiri
dari kamera digital yang terhubung dengan komputer dengan perangkat lunak yang diprogram untuk
pengolahan citra digital. Citra wajah diekstraksi menjadi fitur mata, mulut, telinga, dan batas wajah pada citra
diam. Antara tiap komponen dan titik diukur jaraknya untuk mendapatkan dimensi antropometri. Untuk
menguji keakuratannya, hasil pengukuran alat ini akan dibandingkan dengan pengukuran manual
menggunakan uji-t berpasangan. Pengukuran dengan sistem ini terbukti menghasilkan ukuran dimensi tubuh
yang akurat. Hasil pengujian menunjukkan bahwa tidak terdapat perbedaan antara pengukuran manual
dengan pengukuran menggunakan sistem ini. Data yang dihasilkan dari pengukuran tersebut diaplikasikan
untuk perancangan produk untuk kepala. Sebagai studi kasus pada penelitian ini, data antropometri yang
dihasilkan ini kemudian digunakan untuk perancangan safety google. Dengan dihasilkannya alat ukur ini ,
data antropometri dapat diperoleh dan diperbaharui dengan lebih efisien dan mudah.

Kata Kunci : Antropometri Kepala, Image Processing, Facial Feature Extraction.

1. PENDAHULUAN

Manusia sering menggunakan mesin, untuk kepala. Beberapa produk yang

peralatan, fasilitas, dan berbagai produk dalam
melakukan pekerjaan dan kegiatan sehari-
harinya. Agar kondisi yang ergonomis, yaitu
membuat pekerjaan agar sesuai dengan
keterbatasan dan kemampuan manusianya
dapat diwujudkan, maka fasilitas kerja dan
produk yang digunakan ini seharusnya
dirancang sesuai dengan ukuran tubuh
manusia. Sebuah studi yang berkaitan dengan
pengukuran dimensi tubuh manusia adalah
Antropometri (Wignjosoebroto, 2003).
Kepala adalah bagian tubuh yang
sangat vital, maka sudah seharusnya produk
untuk kepala dibuat dengan
mempertimbangkan keselamatan dan
kenyamanan penggunanya. Oleh karena itu,
data antropometri kepala akan sangat penting
dan bermanfaat dalam perancangan produk
memerlukan antropometri kepala dalam
perancangannya antara lain adalah helem,
masker, safety google, kacamata, head-set, dan
berbagai macam rancangan produk lainnya
yang berhubungan dengan kepala. Di
Indonesia sampai saat penelitian ini dilakukan
belum memiliki tabel antropometri yang
mempresentasikan ukuran tubuh penduduk
Indonesia. Perancangan produk untuk
pengguna orang Indonesia hingga kini
terkadang masih menggunakan ukuran
antropometri penduduk luar negeri yang belum
tentu sesuai dengan karakteristik fisik orang
Indonesia. Perlu dibuat rancangan safety
google yang sesuai dengan antropometri
pekerja di Indonesia.
Menurut Roebuck (1995), data
antropometri yang sudah ada juga memerlukan

1
pembaharuan secara berkala karena sifatnya
yang selalu mengalami perubahan. Karena
itulah data antropometri penting untuk
didapatkan dan diketahui nilainya. Untuk
mendapatkan data antropometri pada sebuah
populasi, diperlukan banyak sampel. Jika
pengukuran ini dilakukan secara manual
dengan alat seperti meteran, mistar, dan jangka
sorong, akan menghabiskan waktu yang cukup
lama. Selain itu sejumlah error akibat standar
pengukuran dan pembacaan ukuran dan skala
yang tidak sama dapat terjadi dalam
pengukuran secara manual.
Untuk mempermudah pengukuran dan
meningkatkan efisiensi, perlu dibuat sebuah
sistem pengukuran antropometri dengan
teknologi yang otomatis. Teknologi image
processing dapat digunakan untuk
mendapatkan antropometri tubuh manusia.
Sebagai studi kasus dalam penelitian ini, data
antropometri yang diambil dari sejumlah
sampel yang diukur menggunakan sistem ini
akan digunakan untuk perancangan produk
safety google.
Dengan dirancangnya sistem
pengukuran digital yang otomatis ini,
pengukuran akan menjadi lebih mudah, cepat,
dan menghasilkan data yang standar dan
akurat, kebutuhan tanaga spesialis untuk
rancangan dimensi produk safety google.
Setelah semua tahap selesai, pada fase terakhir
dilakukan penarikan simpulan dari penelitian
ini.
3. PERANCANGAN SISTEM
Sistem pengukuran yang dirancang
terdiri dari software dan hardware. Pada bab
ini akan dijelaskan mengenai tahap-tahap
dalam perancangan software dan hardware
tersebut.
3.1. Dimensi Kepala Yang Akan Diukur
Jumlah dimensi kepala yang akan
diukur menggunakan sistem ini berjumlah 14
macam. Dimensi kepala yang akan diukur
dapat dilihat pada Tabel 3.1. Detail gambar
dimensi kepala dapat dilihat pada Gambar
3.1.
Tabel 3.1 Dimensi Kepala Yang Akan Diukur.
Kode Keterangan
H1 Panjang kepala.
H2 Lebar kepala.
H3 Diameter maksimum dari dagu.
H4 Dagu ke puncak kepala.
H5 Telinga ke puncak kepala.

mengukur dapat digantikan, dan biaya untuk H6 Telinga ke belakang kepala.

pengambilan data antropometri akan menjadi H7 Antara dua telinga.
relatif lebih murah. H8 Mata ke puncak kepala.
H9 Mata ke belakang kepala.
2. METODOLOGI PENELITIAN H10 Antara dua pupil mata.
H11 Hidung ke puncak kepala.
Penelitian ini dilaksanakan dengan lima H12 Hidung ke belakang kepala.
fase, yaitu; identifikasi awal penelitian, fase H13 Mulut ke puncak kepala.
perancangan sistem, pengujian rancangan, H14 Lebar mulut.
aplikasi hasil pengkuran, dan analisis dan
penetapan kesimpulan.
Pada fase identifikasi awal ditetapkan
perumusan masalah dan tujuan penelitian,
yaitu pengukuran dimensi kepala. Pada fase
perancangan sistem dibuat rancangan sistem
pengukuran yang terdiri dari hardware dan
Software. Setelah sistem pengukuran dibuat ,
kemudian masuk ke fase pengujian rancangan.
Hasil pengukuran dengan sistem yang telah
dibuat dibandingkan dengan hasil pengukuran Gambar 3.1. Dimensi Kepala Yang Diukur.
manual untuk menguji kesamaan dan 3.1. Perancangan Hardware
keakuratan hasil pengukuran. Fase Perancangan hardware dimulai
Selanjutnya setelah hasil pengukuran diuji, dengan pemilihan capture device, dari
adalah aplikasi hasil pengukuran. Pada fase ini alternatif yang ada, yaitu webcam dan kamera
dibuat table antropometri kepala, kemudian digital, dipilih kamera digital karena kualitas
table ini digunakan untuk mengevaluasi foto yang dihasilkan kamera digital lebih baik.

2
Kemudian dibuat rancangan fisik perangkat Dengan menggunakan perbandingan
keras. Kamera yang digunakan adalah Canon 4:2,49 didapatkan nilai 48,27 cm untuk
EOS 450D dangan lensa Canon 50mm f1.8. ukuran X. Maka skala gambar untuk setiap 1
a. Menentukan penampang lokasi capture. pixel adalah sebesar 0.0145914 cm. Wilayah
Ukuran penampang lokasi capture kepala yang diambil meliputi dagu sampai
disesuaikan dengan resolusi dari kamera yang kepuncak kepala. Posisi obyek yang akan
digunakan, dengan pengaturan picture quality diambil gambarnya dapat dilihat pada Gambar
sebesar 6.3 mpx atau seukuran 3308 x 2056. 3.2.
Dari nilai tersebut diketahui perbandingan
panjang dan lebar bidang capture adalah 4 :
2,49.
Objek kepala manusia akan di-capture
pada dua posisi, yaitu menghadap ke depan
dan menghadap ke samping. Oleh karena itu,
untuk memberikan kelonggaran pada
pergeseran posisi kepala kesisi kiri atau kanan,
orientasi kamera diletakkan pada posisi Gambar 3.2 Area capture.
landscape. b. Menentukan jarak dari kamera ke lokasi
Untuk menentukan ukuran area capture.
capture, awalnya ditentukan ukuran untuk sisi Jarak kamera ke lokasi capture
terkecil dengan melihat dimensi kepala H4 ( ditentukan dengan cara melakukan kalibrasi
jarak dari dagu ke puncak kepala) yang terhadap area pengambilan foto dengan foto
terbesar pada persentil 95 dari tabel yang diambil agar didapatkan tinggi dan lebar
antropometri kepala orang Indonesia. Tabel yang sesuai dengan yang telah ditentukan
tersebut dapat dilihat pada Tabel 3.2. sebelumnya. Berikut ini adalah langkah-
langkah dalam melakukan kalibrasi kamera
Tabel 3.2 Antropometri Kepala Pria (cm). dengan tinggi objek sebenarnya:
1. Bidang capture seukuran 30 x 48.27
Persentil
cm diletakkan tepat didepan kamera.
Dimensi 5% 50% 95% SD Kamera dipasang pada tripod untuk
Dagu ke puncak kepala [H4] 20.97 22.7 25.11 1.45 mendapatkan hasil yang presisi.
Sumber : Data Praktikan Mahsiswa TI ITS Tahun 2. Kamera diposisikan agar dapat
2009. menangkap seluruh sisi bidang
tersebut dengan mengatur jaraknya
Dari tabel didapatkan jarak dagu
terhadap bidang capture.
kepuncak kepala pada persentil 95 sebesar
3. Setelah posisi objek tepat pada area
25,11cm. yang akan digunakan sebagai sisi Y
tangkapan kamera, dilakukan
atau tinggi gambar. Untuk memberikan
pengukuran jarak dari kamera ke
kelonggaran bagi ruang latar belakang foto
bidang tersebut.
diatas kepala, maka tinggi gambar dibuat
Dari hasil pengukuran dengan metode
menjadi 30 cm. Dilakukan perhitungan untuk
kalibrasi ini, didapatkan jarak kamera ke
mencari nilai X pada bidang capture. Tabel
objek sebesar 115 cm untuk mendapatkan
perhitungan dimensi area capture dapat dilihat
tinggi objek sesungguhnya sebesar 30 cm
pada Tabel 3.3.
seperti yang terlihat pada Gambar 3.3.
Tabel 3.3 Perhitungan Dimensi Area Capture.
Keterangan Dimensi Area Capture
X Y
Perbandingan 4 2.5
Resolusi 3308 px 2056 px
Perhitungan nilai Y 3308/2056 = X/30
X = 48.27
Dimensi sebenarnya 48.27 cm 30 cm
Skala Gambar 30/2056 = 0.145914 cm/px
Gambar 3.3 Kalibrasi Jarak Webcam ke Lokasi
Capture.

3
Keterangan :
s = Jarak kamera kebidang capture.
M = Perbesaran benda = 0.0145914
s hasil pengukuran = 115 cm.
c. Alat-alat penunjang
Alat-alat penunjang adalah beberapa
lampu yang digunakan untuk mendapatkan
kualitas gambar yang lebih baik. Digunakan 2
buah lampu yang diletakkan didepan obyek.
Berdasarkan hasil uji coba, tingkat
pencahayaan yang dibutuhkan untuk
mendapatkan hasil gambar yang baik adalah
sebesar ±300lux. Untuk mendapatkan
intensitas cahaya tersebut digunakan dua buah
lampu 5 watt yang diletakkan 45 derajat dari
depan objek dengan jarak masing-masing
50cm dari objek. Jarak latar belakang ke objek
adalah sejauh 50cm. Desain perangkat keras
untuk penempatan obyek, kamera, dan lampu
dapat dilihat pada Gambar 3.4 dan Gambar 3.5
Gambar 3.4 Tampak Atas Rancangan
Perangkat Keras .
(interface) dan pemrograman komputer untuk
menjalankan software ini
3.2.1 Perancangan Flowchart
Untuk desain alur kerja software
dibuatkan flowchart, yaitu diagram alir yang
menjelaskan tahapan proses yang dilalui pada
saat penggunaan software. Penjelasan langkah-
langkah dalam menggunakan software ini
adalah sebagai berikut:
1. Memilih dan memasukkan foto dari file.
Foto yang dimasukkan adalah foto kepala
mengahadap depan dan kepala
menghadap kesamping kiri.
2. Memasukkan nilai tinggi area capture
yang sebenarnya. Pengaturan standar telah
ditetapkan sebesar 300mm, jadi tahap ini
hanya dilakukan jika tinggi area capture
dirubah.
3. Melakukan pengaturan threshold value
secara otomatis untuk mengubah foto
menjadi grayscale.
4. Mengubah threshold value secara manual
apabila diperlukan.
5. Melakukan deteksi pada foto yang telah
diubah menjadi grayscale.
6. Memasukkan data identitas sampel yang
telah diukur.
7. Apabila seluruh deteksi telah selesai, data
yang dihasilkan dapat di-export ke format
Microsoft Excel. Apabila deteksi untuk
sampel yang lain masih diinginkan,
kembali ke langkah pertama.
8. Deteksi selesai, keluar dari software
dengan menekan tombol exit.
Alur kerja software ini dapat dilihat
pada Gambar 3.6.

Gambar 3.5 Rancangan Perangkat Keras

Dalam Bentuk 3 Dimensi.
3.2. Perancangan Software
Software ini diberi nama
Headthropometry. Tahap dalam perancangan
software adalah peracangan metode
pengukuran dan diagram alir (flowchart).
Setelah itu dilakukan perancangan antar muka

4
 Start 4. Form rekap data (Data). Pada form ini
ditampilkan hasil deteksi seluruh dimensi
kepala yang telah dilakukan.
Input foto dari file. Pada bagian bawah tedapat tombol exit
Memasukkan tinggi bidang untuk keluar dari software yang sedang
capture yang sebenarnya
dijalankan setelah semua tahap dilakukan.
Set Image : Pengaturan threshold value dan resize Terdapat satu buah form tambahan , yaitu
foto secara otomatis
About, yang menampilkan keterangan singkat
Tidak
Threshold value tentang perancang software. Peta navigasi
sesuai?
menu dan tombol-tombol yang terdapat pada
Ya Tidak software ini dapat dilihat pada diagram yang
Ya
Mengatur theshold
secara manual
ditunjukkan pada Gambar 3.7.
Open Image File
Front Mode A
Deteksi seluruh IMG Height Real Size
dimensi kepala Input Image A
(input from keyboard)
Side Mode A
Set Image

Deteksi disetujui Front Mode 1/2 B

B TH (Sliding bar &

Delete Front Mode 2/2
Ya threshold value Input)
Detections B
Submit B
Side Mode 2/2 Detect

Isi data diri Side Mode 2/2 B

Lakukan deteksi ID
lainnya? Headthopometry Submit
Name
Tidak
Tidak
Gender

Age
Data disetujui

Delete
Ya Data
Delete All
Eksport data

Export to Excel
Selesai
About
Gambar 3.6 Flowchart Software.
Exit

3.2.2Perancangan Interface.
Interface untuk perangkat lunak sistem Gambar 3.7 Peta Navigasi Tombol Pada
ini terdiri dari empat form utama, yaitu form Software Headthropometry.
preview foto, form pemrosesan foto, form 3.2.2.1 Input Image
submit data, dan form rekap data. Langkah pertama yang dilakukan sebelum
Fungsi dari masing-masing form tersebut masuk ke menu Detections, adalah
adalah: memasukkan data foto yang akan diolah.
1. Form Preview foto ( Input Image). Form Urutan langkah pada proses Input Image
ini digunakan untuk memperlihatkan adalah sebagai berikut:
gambar dari kamera yang sudah di 1. Memilih foto dari file yang telah disimpan
simpan dalam memori komputer dan menggunakan tombol open image
melakukan pemrosesan awal untuk
file.
merubah gambar menjadi grayscale.
2. Tinggi area capture sebenarnya dibuat
2. Form pemrosesan foto (Detections).
dengan standar 300mm, namun apabila
Terbagi atas empat macam tipe deteksi,
diinginkan untuk merubahnya dapat
yaitu dua macam pada wajah bagian
dilakukan dengan memasukkan nilai
depan dan dua macam pada wajah bagian
angka yang diinginkan pada opsi IMG
samping. Berguna untuk menampilkan
nilai dimensi wajah yang telah dideteksi. Height Real Size seperti yang
3. Form submit data (Submit). Ketika proses ditunjukkan pada Gambar 3.8.
pengambilan data telah selesai, form ini
digunakan untuk melengkapi data
identifikasi diri responden.

5

Gambar 3.8 Form Pengaturan Tinggi Area
Capture Sebenarnya.
3. Melakukan pengaturan awal foto dengan
menggunakan tombol set image. Pada
proses set image ini, ukuran foto di resize
secara otomatis menjadi 480x319 pixel
untuk mempermudah proses pengolahan.
Format foto diubah menjadi grayscale
dengan merubah nilai komponen warna
RGB (red green blue) menjadi hitam
putih yang bernilai antara 0-255. Berikut
adalah persamaan untuk mencari nilai
grayscale:
RG  B
c
3
Tampilan software setelah dilakukan
Set Image datunjukkan pada Gambar 3.9
Gambar 3.9 Form Input Foto Pada Front
Mode.
Gambar grafik merah disebelah kiri
bawah software merupakan visualisasi level
threshold untuk merubah foto menjadi
grayscale. Setelah proses Set Image dilakukan,
pada kolom disebelah kanan bawah akan
muncul informasi sebagai berikut:
1. Original Image Size : Ukuran foto asli
dalam satuan pixel.
2. Original Pixel Scale : Skala dari
perbandingan tinggi area capture
sebenarnya dibagi jumlah pixel pada
asli.
3. Resized Image Size : Ukuran foto
setelah dilakukan resize.
4. Resize Scale : Perbandingan ukuran
dimensi foto yang telah di-resize
dengan foto asli .
5. Current Pixel Scale : Skala dari
perbandingan tinggi area capture
sebenarnya dibagi jumlah pixel pada
foto yang telah di-resize.
6. Histogram Threshold : Nilai threshold
foto antara 0-255 setelah diubah
menjadi grayscale.
3.2.3 Metode Pendeteksian Dimensi
Untuk mendapatkan dimensi dalam
bentuk garis, dimulai dengan mencari dua titik
pada area yang diinginkan. Kedua titik ini
dihubungkan untuk menghasilkan sebuah garis
dimensi kepala. Langkah pertama yang
dilakukan sebelum mendapatkan semua
dimensi adalah mendeteksi kotak pembatas
wilayah kepala. Pendeteksian ini dilakukan
dengan cara mendeteksi titik-titik terluar
kepala. Berikut ini adalah langkah-langkah
dalam medeteksi kotak pembatas area kepala:
1. Nilai ”0” menandakan pixel berwarna
hitam, nilai ”1” menandakan pixel
berwarna putih.
2. Dilakukan iterasi dari sisi atas, bawah,
kiri dan kanan foto untuk mendapatkan
titik pertama yang berwarna hitam
(0)dari tepi yang membedakan objek
dengan latar belakang yang berwarna
putih (1).
3. Setelah keempat titik dari semua sisi
ditemukan, selanjutnya dibuat kotak
pembatas (bounding box) baru yang
membatasi area kepala.
4. Jika kotak pembatas kepala telah
terdeteksi, wilayah wajah kemudian
dibagi menjadi tiga bagian, yaitu mata
kanan, mata kiri, dan mulut. Penentuan
Agushinta et al (2007) yang telah
dijelaskan pada bab II. Wilayah mata
diperkirakan berada pada area tengah
wajah, dan wilayah mulut diperkirakan
berada di bawah hidung dan sejajar
dengan kedua mata. Hasil pembagian
ditunjukkan pada Gambar 3.10
Gambar 3.10 Pembagian Wilayah Wajah.
6
 Untuk dimensi yang kedua titik Tabel 3.4 Script Pengecekan Nilai Pixel Pada
penghubungnya terdapat dibagian terluar Baris
kepala, seperti pada Gambar 3.11 dan Gambar
Private bool
3.12, pendeteksian titik dapat dilakukan 1 IsWhiteHorisontal(int y)
dengan metode deteksi batas tepi dari kotak
2 {
pembatas area kepala. for (int i = 0; i <
3 m_pBilevelImage.Width; i++)
4 {
if (m_pBilevelImage.Data[i, y]
5 == 0)
6 return false;
7 }
8 return true;
9 }
Gambar 3.11 Titik Deteksi Terdapat Pada Keterangan :
Batas Terluar (Front Mode). Private bool
IsWhiteHorisontal(int y) menandakan
bahwa fungsi class ini digunakan untuk
mengecek apakah seluruh pixel pada garis
horizontal bernilai putih dengan kondisi
boolean yang mempunyai dua variabel true
dan false. Terdapat kode “for”, yang
menandakan perulangan fungsi pengecekan
nilai putih, dilakukan dari tepi kotak pembatas
image sampai menemukan kondisi i = 0, yaitu
Gambar 3.12 Titik Deteksi Terdapat Pada terdapat titik yang berwarna hitam.. Kondisi
Batas Terluar (Side Mode). false berlaku bila nilai i ≠ 0, dan kondisi true
Sejalan dengan didapatkannya kotak berlaku apabila nilai i = 0.
pembatas wilayah kepala, maka garis H4 (dagu Fungsi untuk mengecek apakah semua
kepuncak kepala) dan H12 (hidung kebelakang data pada satu kolom bernilai 1 (putih) dapat
kepala) dapat diketahui, karena tinggi kotak dilihat pada Tabel 3.5
dapat mewakili H12, dan lebar kotak dapat
mewakili H4. Tabel 3.5 Script Pengecekan Nilai Pixel Pada
Untuk mencari titik-titik yang Kolom
menentukan dimensi H1, H2, H9 dan H11, Private bool
dilakukan iterasi dari batas kotak kepala 1 IsWhiteVertical(int x)
dengan mencari nilai pixel yang berwarna 2 {
hitam (0) dimulai dari sisi paling luar kotak. for (int i = 0; i <
Pencarian titik ini dilakukan dengan cara 3 m_pBilevelImage.Height; i++)
mengecek apakah nilai semua titik dalam satu 4 {
baris horizontal atau vertikal bernilai 1 (putih), if (m_pBilevelImage.Data[x, i]
apabila tidak, maka titik tersebut ditetapkan 5 == 0)
sebagai batas tepi. Jika batas-batas ini telah 6 return false;
diketahui, dibuat garis penghubung antara 2 7 }
titik yang menandakan panjang dimensi yang 8 return true;
dicari. Fungsi untuk mengecek apakah semua 9 }
data pada satu baris bernilai 1 (putih) dapat
dilihat pada Tabel 3.4 Langkah-langkah ntuk mendapatkan
dimensi H3, yaitu diameter maksimum kepala
dari dagu, adalah sebagai berikut:
1. dilakukan iterasi dari pojok kiri atas dan
pojok kanan bawah gambar dengan
menarik bujur sangkar sampai

7
 menemukan nilai 0 (hitam) pada salah 2.
satu sudutnya.
2. Kedua titik dari sudut atas dan bawah
kepala ini kemudian dihubungkan agar
didapatkan garis H3 seperti yang
ditampilkan pada Gambar 3.13.
Jika kotak fitur mulut sudah terdeteksi,
maka dapat ditentukan dimensi H14 (lebar
mulut) dari lebar kotak tersebut, dan H13
(mulut kepuncak kepala) dengan
menghubungkannya ketitik terluar pada
puncak kepala. Hasil deteksi fitur mata
dan mulut dapat dilihat pada Gambar
3.14.

Gambar 3.13 Deteksi Dimensi H3

Jika dimensi yang dicari mempunyai
titik yang teletak di area dalam kepala, yaitu
mata, mulut, dan telinga, maka perlu Gambar 3.14. Deteksi Fitur Mata dan Mulut
dilakukan deteksi fitur tersebut terlebih dahulu.
Langkah-langkah untuk dimensi H7, yaitu
Dimensi H8 dan H10 memerlukan
jarak antar telinga adalah sebagai berikut:
fitur mata untuk mendapatkan ukuran dan
1. Membuat batas wilayah telinga. Wilayah
posisinya. Berikut ini adalah langkah-langkah
telinga diperkirakan berada dibawah dari
untuk mendeteksi dimensi H8 dan H10:
setengah tinggi kepala, seperti yang di
1. Untuk mendapatkan fitur mata, iterasi
tunjukkan pada garis batas hijau pada
dilakukan dari batas wilayah mata yang
Gambar 3.15
sudah dibuat kotak pembatasnya
2. Mendeteksi titik-titik pembentuk batas
sebelumnya. Prinsipnya sama dengan
telinga yang diambil pada batas wilayah
pendeteksian kotak pembatas wilayah
telinga. Sisi-sisi terluar dari garis yang
kepala, yaitu melakukan iterasi dari batas
dibentuk oleh daun telinga ini kemudian
kotak untuk mendapatkan titik terluar
digunakan untuk membentuk sebuah
objek.
kotak biru seperti yang terlihat pada
2. Setelah ditemukan titik-titik terluar dari
Gambar 3.15
fitur mata yang memiliki warna hitam (0),
3. Titik titik yang terdeteksi pada bagian
dibuat kotak pembatas baru yang
bawah dari daun telinga ditarik garis lurus
menandai fitur mata. Iterasi ini dilakukan
sampai ke tengah kotak untuk medapatkan
pada mata kanan dan kiri, sehingga
posisi titik tengah telinga.
didapatkan dua buah kotak fitur mata.
4. Bagian tengah dari kotak yang dimiliki
3. Titik yang berada ditengah-tengah kedua
telinga kanan dan kiri ini kemudian
kotak ini digunakan untuk mendapatkan
dihubungkan untuk mendapatkan dimensi
dimensi H10 (jarak antar mata)
H7. Contoh hasil deteksi dapat dilihat
4. Dimensi H8 (mata kepuncak kepala)
pada Gambar 3.15
didapatkan dengan cara menghubungkan
titik tengah kotak mata dengan titik
terluar pada puncak kepala.

Untuk mendapatkan fitur mulut,

dilakukan hal yang sama seperti deteksi fitur
mata, berikut ini adalah penjelasan langkah-
langkah untuk mendeteksi dimensi H13 dan
H14:
1. Iterasi untuk mendapatkan kotak fitur
Gambar 3.15 Deteksi Fitur Telinga Bagian
mulut dilakukan dari batas atas, bawah,
Depan.
kiri, dan kanan dari wilayah mulut yang
telah ditetapkan pada proses sebelumnya. Untuk dimensi H5 dan H6, perlu
diketahui titik tengah telinga dari sisi samping

8
dan menghubungkannya ke tepi luar kepala
untuk mendapatkan garis dimensinya.
Langkah-langkah untuk mendapatkan dimensi
H5 dan H6 adalah sebagai berikut:
1. Menentukan batas wilayah telinga. Batas
wilayah telinga yang digunakan sama
dengan cara menentukan batas wilayah
telinga pada dimensi H7.
2. Mendeteksi titik-titik pembentuk telinga
pada sisi belakang telinga, kemudian sisi- Gambar 3.17 Metode Perhitungan Jarak
sisi terluarnya dijadikan sebagai kotak Dengan Menentukan Kooerdinat dan Sudut α
pembatas wilayah telinga. Yang Dibentuk Oleh 2 Titik.
3. Untuk mendapatkan titik pada lubang Garis yang diukur tidak selalu tepat
telinga, kotak tersebut diperpanjang horizontal atau vertikal. Untuk perhitungan
sebesar setengah dari lebarnya, maka jarak yang memiliki sudut, contoh
didapatkan titik tengah telinga. perhitungannya adalah pada dimensi H10
4. Dimensi H5 dapat dicari dengan (jarak antar kedua mata) dan H3 (jarak
menghubungkannya dengan titik terluar diagonal kepala), digunakan rumus phitagoras.
kepala kearah vertikal. Gambar 3.18 ditunjukkan contoh
5. Dimensi H6 dapat dicari dengan perhitungannya.
menghubungkannya pada titik terluar
kepala kearah horizontal. Contoh Hasil
deteksi dapat dilihat pada Gambar 3.16

Gambar 3.18 Perhitungan Jarak Dua Titik

Dengan Phitagoras.
x 2  10 2  2 2
x 2  100  4
x 2  104
x  104
Gambar 3.16 Deteksi Fitur Telinga Bagian x  10.2 pixel
Samping. Dengan perhitungan tersebut
didapatkan nilai x sebesar 10.2 pixel. Pada
3.2.4 Metode Perhitungan Jarak. Tabel 3.6 dapat dilihat Script fungsi matematis
Untuk melakukan perhitungan jarak yang dilakukan untuk melakukan perhitungan
(length) dilakukan dengan cara menghitung jarak pixel yang memiliki sudut α≠0.
jumlah selisih antara 2 koordinat titik apabila
garis yang didapatkan lurus α = 0. Apabila
garis yang ditarik dari kedua titik memiliki
sudut atau α ≠ 0 maka akan dihitung dengan
menggunakan rumus phitagoras.
Sebagai contoh untuk pengukuran
tinggi kepala seperti yang terlihat pada
Gambar 3.17. Pengukuran dilakukan dengan
cara mengurangi nilai sumbu Y terbesar
dengan nilai sumbu Y terkecil. Jadi tinggi
kepala adalah 20-0 = 20 pixel. Kemudian
jumlah pixel ini dikalikan dengan skala yang
sudah ditentukan, sehingga didapatkan ukuran
sebenarnya dalam satuan millimeter.

9
Tabel 3.6 Script Fungsi Perhitungan Jarak Keterangan:
Pixel Dengan α≠0. Task.ResultsMM.D1= menjelaskan
1 public static class Functions bahwa fungsi ini digunakan untuk
2 { mengeluarkan hasil perhitungan dimensi D1.
public static double Math.Round(Task.ResultsPX.D1 *
3 LineLength(Line ln)
{ scale, 2); merepresentasikan fungsi
4
5 return LineLength(ln.p1, ln.p2); matematis, yaitu jumlah pixel pada garis D1
6 } dikalikan dengan skala gambar yang
public static double dibulatkan sebanyak dua desimal.
7 LineLength(Point p1, Point p2)
8 {
3.2.5 Hasil Deteksi Software.
9 double dx = p2.X - p1.X;
Proses deteksi dilakukan dalam menu
10 double dy = p2.Y - p1.Y;
Detections. Menu Detections yang
return Math.Sqrt((dx * dx) + (dy *
11 dy)); bersungsi untuk proses deteksi dimensi kepala,
12 } dibagi menjadi empat mode deteksi, dua mode
} untuk wajah menghadap kedepan dan dua
13
mode untuk wajah menghadap kesamping kiri.
Pada software Headthropometry, keempat
Keterangan script fungsi perhitungan jarak:
public static double mode itu diberi label Front Mode 1/2,
Front Mode 2/2, Side Mode 1/2,
LineLength(Line ln) melambangkan
bahwa fungsi perhitungan panjang garis ini dan Side Mode 2/2.
bernilai desimal dan dapat dipakai oleh seluruh Sebelum melakukan deteksi, nilai
class yang ada. p1 melambangkan titik 1, dan threshold dapat diubah sesuai tingkat
kecerahan foto, karena foto yang dihasilkan
p2 melambangkan titik 2.
tidah selalu dibuat pada lingkungan dengan
dx = p2.X - p1.X melambangkan
tingkat pencahayaan yang sama. Theshold
panjang garis x yang dihasilkan dari koordinat
poiter untuk pengaturan nilai threshold mulai
selisih koordinat sumbu x dari kedua titik. dy
dari 0 sampai 255. Cara lain untuk merubah
= p2.y - p1.y melambangkan panjang nilai threshold adalah dengan memasikkan
garis y yang dihasilkan dari koordinat selisih nilai angka antara 0 sampai 255 pada kolom
koordinat sumbu y dari kedua titik. Untuk yang terdapat disebelahnya. Gambar form
mendapatkan panjang garis yang dibentuk dari pengaturan threshold seperti yang terlihat pada
kedua titik tersebut, digunakan rumus Gambar 3.19
phitagoras yang dujabarkan dengan kode
return Math.Sqrt((dx * dx) + (dy *
dy));
Setelah didapatkan jumlah pixel yang Gambar 3.19 Form Pengaturan Nilai
ada didalam satu garis, maka nilai dimensi Threshold.
yang sebenarnya dalam satuan milimeter dapat
diketahui dengan mengalikan jumlah pixel Dimensi kepala yang dideteksi pada
tersebut dengan skala yang sudah ditektukan menu Front Mode 1/2 adalah dimensi
sebelumnya dengan pembulatan 2 tempat panjang kepala H2, jarak mata kepuncak
desimal. Contoh Script untuk melakukan kepala H8, jarak anatara kedua mata H10,
operasi tersebut dapat dilihat pada Tabel 3.7 jarak mulut ke puncak kepala H13, dan lebar
mulut H14. Contoh hasil deteksi dapat dilihat
Tabel 3.7 Potongan Script Perhitungan pada Gambar 3.20
Dimensi Sebenarnya.
Task.ResultsMM.D1 =
Math.Round(Task.ResultsPX.D1 *
1 scale, 2);
Task.ResultsMM.D2 =
Math.Round(Task.ResultsPX.D3 *
2 scale, 2);

10

Gambar 3.20 Deteksi Front Mode 1/2.
Dikolom sebelah kiri bawah terdapat
gambar foto asli yang telah dirubah menjadi
grayscale. Foto ini berguna untuk melihat
posisi dimensi yang berhasil dideteksi pada
obyek yang diukur. Pada kolom sebelah hanan
bawah terdapat keterangan nilai dimensi-
dimensi yang telah berhasil diukur dalam
satuan millimeter.
Dimensi yang dideteksi pada menu
Front Mode 2/2 adalah dimensi H7,
yaitu jarak antara kedua telinga. Contoh hasil
deteksi dapat dilihat pada Gambar 3.21
Gambar 3.21 Deteksi Front Mode 2/2.
Dimensi yang dideteksi pada menu
Side Mode 1/2 adalah lebar kepala H1,
panjang kepala maksimum H3, tinggi kepala
H4, jarak mata kebelakang kepala H9, jarak
hidung kepuncak kepala H11, dan jarak hidung
kebelakang kepala H12. Contoh hasil deteksi
dapat dilihat pada Gambar 3.22
Gambar 3.22 Deteksi Side Mode 1/2.
Dimensi yang dideteksi pada menu
Side Mode 2/2 adalah jarak telinga
kepuncak kepala H5 dan jarak telinga
kebelakang kepala H6. Contoh hasil deteksi
dapat dilihat pada Gambar 3.24
Gambar 3.24 Deteksi Side Mode 2/2.
Setelah Seluruh proses deteksi
dilakukan, tahap selanjutnya adalah proses
memasukkan identitas sampel yang diukur.
Form pengisian data dapat diakses melalui
tombol Submit. Pada tahap ini informasi
mengenai nomor identitas, nama, jenis
kelamin, dan umur dimasukkan untuk proses
selanjutnya. Tampilan submit dialog dapat
dilihat pada Gambar 3.25
Gambar 3.25 Memasukkan Identitas Setelah
Dimensi Terdeteksi.
Apabila proses submit data telah
dilakukan, selanjutnya kasil rekaplitulasi data
ditampilkan dan dapat dilihat melalui menu
Data.
11
4. PENGUJIAN SISTEM
Pengujian sistem dilakukan dengan
membandingkan anatara hasil pengukuran
manual dengan mengukuran menggunakan
Software Headthropometry. Untuk pengukuran
manual dilakukan denga menggunakan jangka
sorong. Responden yang diambil datanya
berjumlah 30 orang pria dan 30 orang wanita.
Hasil pengolahan data dengan membandingkan
kedua hasil pengukuran dengan metode uji-t
berpasangan menunjukkan bahwa tidak
terdapat perbedaan antara hasil pengukuran
manual dengan pengukuran Headthropometry.
5 APLIKASI DATA ANTROPOMETRI
DALAM PERANCANGAN PRODUK
Setelah didapatkan tabel antropometri
14 dimensi kepala, pada bab ini data tersebut
dipakai untuk perancangan produk. Studi kasus
yang digunakan untuk tahap perancangan
produk ini adalah safety google. Ada tiga buah
dimensi utama yang diperlukan untuk
merancang sebuah safety google yang sesuai
dengan ukuran tubuh sampel yang diamati.
Ketiga macam ukuran tersebut dapat dilihat
pada Gambar 4.30.
Gambar 5.1Dimensi Yang Diperlukan Untuk
Perancangan Safety Google.
Dimensi awal safety google yang diamati
adalah sebagai berikut:
A = 7 cm
B = 15.9 cm
C = 9.7 cm
Ketiga dimensi tersebut dapat
diketahui dengan keterangan sebagai berikut:
A = Jarak antara kedua mata (H10)
B = Lebar kepala (H2)
C = Jarak mata ke telinga (H9 - H6)
Untuk seluruh dimensi, digunakan
ukuran tubuh rata-rata dari populasi, yaitu 50
persentil. Tabel antropometri yang digunakan
adalah antropometri tubuh pria. Maka, nilai
yang sesuai untuk masing- masing dimensi
adalah sebagai berikut:
A = 6.65 cm
B = 15.43 cm
C = (14.32 - 5.20) cm = 9.12 cm.
Pada Gambar 4.31ditunjukkan gambar
rancangan ulang dimensi safety google yang
baru.
Gambar 5.2 Rancangan Ulang Dimensi Safety
Google.
6. PEMBAHASAN
Rancangan hardware dapat
mempengaruhi hasil deteksi pada software.
Pada saat pengerjaan hardware yang telah
dibahas di bab sebelumnya, ditemukan
beberapa faktor yang dapat menjadi penyebab
error dalam tahap deteksi. Penyebab tersebut
antara lain adalah:
1. Latar belakang yang terlalu dekat dengan
objek. Apabila objek ditempatkan terlalu
dekat dengan latar belakangnya, bayangan
akan jatuh di belakang objek. Bayangan
ini dapat menggangu ketelitian
pengukuran, karena akan terdeteksi
sebagai area hitam yang masuk kedalam
area deteksi.
2. Penempatan lampu. Penempatan lampu
dapat mempengaruhi intensitas cahaya
dan arah bayangan. Pada awalnya hanya
digunakan satu buah lampu tepat di depan
objek. Namun gambar yang dihasilkan
kurang maksimal karena menyebabkan
timbulnya bayangan di sisi kiri dan kanan
objek.
Dari hasil percobaan tersebut dibuat
rancangan hardware yang sesuai, yaitu dengan
penempatan latar belakang dengan jarak
minimal 50cm dari belakang objek dan
penempatan dua buah lampu 5 watt disisi kiri
dan kanan objek dengan jarak masing –masing
50 cm dari objek agar didapatkan hasil
capture yang maksimal. Lampu juga berguna
untuk menghidari bayangan yang terjadi
12
karena adanya sumber cahaya yang datang dari gelap atau lebih terang. Namun, untuk
arah atas, atau samping. mengantisipasi hal tersebut dapat dilakukan
Untuk mendapatkan skala yang sesuai, pengaturan nilai threshold secara manual agar
sebelum dilakukan pengambilan foto didapatkan nilai threshold yang sesuai untuk
diperlukan kalibrasi. Karena jarak objek ke dideteksi. Kendala lain adalah jenis rambut.
kamera akan mempengaruhi ukuran objek Rambut yang terlalu panjang dapat
pada foto tang dihasilkan. Kalibrasi dilakukan mempengaruhi hasil pengukuran. Jika rambut
untuk mendapatkan tinggi objek sesungguhnya menutupi bagian wajah dan telinga
sebesar 30cm. memungkinkan terjadinya kesalahan dalam
Beberapa aturan dan prosedur yang pengukuran.
harus dilakukan agar didapatkan hasil yang Kondisi pencahayaan yang tersedia
sesuai dalam menggunakan software ini dapat dalam ruangan juga sangat mempengaruhi
dilihat pada Tabel 6.1. hasil penangkapan gambar dan deteksi yang
dilakukan oleh software. Jika cahaya didalam
Tabel 6.1 Prosedur Awal Penggunaan Software ruangan sudah cukup terang atau memenuhi
Headthropometry. kebutuhan cahaya sebesar ±300lux, maka tidak
No Prosedur diperlukan cahaya tambahan dari lampu.
Tidak menggunakan Aksesoris kepala (topi, Namun apabila cahaya dalam ruangan kurang
1 jilbab, kacamata, dll) terang akan menghasilkan bayangan gelap
2 Rambut tidak menutupi daerah telinga dan wajah pada objek yang difoto, sehingga akan sulit
Pada posisi wajah kedepan, rambut tidak melebihi untuk mendeteksi fitur wajah.
3 batas terluar daun telinga Rangkuman mengenai kelebihan dan
Pada posisi wajah kesamping, rambut yang
panjang tidak boleh diikat, sedapat mungkin
kekurangan sistem pengukuran menggunakan
4 menempel kekepala alat pengukuran ini dapat dilihat pada Tabel
5 Posisi kepala selalu tegak/ tidak miring. 6.2
Dilakukan kalibrasi agar tinggi foto yang
dihasilkan sama dengan 30cm pada tinggi Tabel 6.2 Kelebihan dan Kekurangan Sistem.
6 sesungguhnya
Sistem Pengukuran Antropometri menggunakan
7 Cahaya didalam ruangan cukup (± 300 lux) Headthropometry
No Kelebihan Kekurangan
Selama dilakukan pengujian,
Tidak dapat mengukur
hardware dan software dapat berfungsi dengan Tingkat ketelitian tinggi dimensi jika kepala
baik. Namun satu masalah yang belum 1 dan akurat ditutup
terpecahkan dalam penelitian ini adalah Membutuhkan waktu
pengintegrasian kamera digital dengan Waktu pengukuran untuk pengaturan,
lebih cepat daripada kalibrasi, dan
interface perangkat lunak. Software yang telah 2 cara manual pencahayaan.
dirancang belum bisa melakukan proses Menggantikan
capture secara realtime. Gambar yang akan kebutuhan akan tenaga Warna kulit
ditangkap oleh kamera tidak dapat dilihat ahli untuk pengukuran mempengaruhi hasil
langsung dari komputer pada saat akan 3 tubuh. pengukuran
Kamera belum
melakukan proses capture. Sehingga dalam Mudah dan praktis terintegrasi dengan
proses memasukkan datanya diperlukan dalam menjalankan software, perlu proses
transfer data dari kamera digital ke harddisk 4 software pemindahan data.
komputer terlebih dahulu. Motode pembacaan Rambut dapat
Faktor lain yang berpengaruh adalah skala seragam, sehingga memperngaruhi hasil
5 error sedikit. pengukuran.
warna kulit dan rambut. Warna mempengaruhi
hasil deteksi, warna kulit gelap akan
7. SIMPULAN
menghasilkan objek yang dominan hitam.
Pengaturan threshold otomatis pada software Berdasarkan perancangan, pengujian
ini dirancang sesuai dengan karakteristik sistem, serta analisa dalam penelitian ini, dapat
warna kulit orang Indonesia pada umumnya, ditarik simpulan sebagai berikut :
yaitu warna kuning langsat. Akan ada 1. Sistem pengukuran dimensi kepala
kemungkinan terjadi kesalahan dalam manusia, yang terdiri dari hardware dan
pendeteksian apabila software ini dipakai software Headthropometry telah berhasil
untuk sampel dengan warna kulit yang lebih

13
 dirancang dalam penelitian ini.
Berdasarkan hasil pengujian, sistem ini
terbukti memiliki hasil pengukuran yang
akurat dan tidak berbeda jauh dengan
hasil pengukuran yang dilakukan secara
manual. Pengukuran dengan sistem ini
terbukti lebih cepat daripada pengukuran
secara manual. Pengukuran antropometri
secara manual dapat digantikan oleh
sistem pengukuran ini. Secara umum,
pengukuran dengan sistem ini lebih
efisien dibandingkan dengan pengukuran
manual.
2. Pada penelitian ini, hasil pengukuran
dengan software Headthropometry diolah
menjadi tabel antropometri kepala orang
indonesia. Rancangan produk safety
google untuk orang indonesia telah
berhasil diciptakan pada penelitian ini.
Berdasarkan perbandingan, hasil
rancangan dengan menggunakan data
antropometri yang diperoleh dari
pengukuran memiliki sedikit selisih
perbedaan dimensi dengan rancangan
produk safety google yang sudah ada.
DAFTAR PUSTAKA
Agushinta R, Dewi., Suhendra, Adang., &
Hendra. 2007. Ekstraksi Fitur dan
Segmentasi Wajah Sebagai Semantik
Pada Sistem Pengenalan Wajah.
National converence on computer
science and technology VII.
and Measurement: a Review of
Photogrammetry and Cephalometry.
Computerized Medical Imaging and
Graphics, 28 (6), h.401-409.
Grobbelaar, R. & Douglas, T.S., 2006. Stereo
Image Matching for Facial Feature
Measurement to Aid in Fetal Alcohol
Syndrome Screening. Medical
Engineering & Physics, 29 (22),
h.459-464.
Kristanto, T., 2002. Validasi Uang Kertas
Rupiah dengan Teknologi Image
Processing. Tugas Akhir S1 Jurusan
Teknik Elektro. Surabaya :
Universitas Kristen Petra.
Meunier, P. dan Mertens, R., 2005. Validation
of an Image-based Body
Measurement Sistem for Sitting
Postur. Final Report. Canada:
Defence Research and Development.
Nurmianto, E., 2003. Ergonomi, Konsep Dasar
dan Aplikasinya. Jakarta :
Gunawidya.
Riski, M.A ., 2008. Perancangan Sistem
Pengukuran Digital Untuk
Anthropometri Tangan
Menggunakan Teknologi Image
Processing. Tugas Akhir S1 Jurusan
Teknik Industri. Surabaya: Institut
Teknologi Sepuluh Nopember.

Ekavienamukti, A. R. 2009. Perancangan Roebuck, J., 1995. Anthropometric Methods:

Antropometer Dinamis dengan Designing to Fit the Human Body.
Menggunakan Deteksi Obyek yang USA: Human factors and
Mengambil Karakteristik Warna Hue Ergonomics Society.
Kulit Pada Teknik Pengolahan Citra
Digital. Tugas Akhir S1 Jurusan Wignjosoebroto, S., 2003. Ergonomi, Studi
Teknik Industri. Surabaya : Institut Gerak dan Waktu. Jakarta :
Teknologi Sepuluh Nopember. Gunawidya.

Douglas, T.S., 2004. Image Processing for Www.ineddeni.wordpress.com/2007/10/11/t-

Craniofacial Landmark Identification test/ , 21 juli 2009

14