PENGHITUNG JUMLAH ORANG LEWAT DENGAN METODE NORMALIZED SUMSQUARED DIFFERENCES (NSSD)

Nama Mahasiswa
NRP
Jurusan
Dosen Pembimbing

:
:
:
:

Enggar Nilamsari
1206 100 721
Matematika FMIPA-ITS
Dr. M. Isa Irawan, MT.

Abstrak
Data jumlah pengunjung suatu tempat umum sangat penting. Data jumlah pengunjung biasanya
didapat secara manual. Begitu pula data jumlah orang yang masih ada di dalam tempat tersebut. Ketika
ingin menutup tempat umum tersebut perlu diketahui terlebih dahulu apakah di dalam ruangan masih ada
orang atau tidak. Saat ini kamera video telah diterapkan untuk kepentingan keamanan. Karena itu
dibuatlah sistem penghitung jumlah orang lewat baik masuk maupun keluar pada suatu tempat umum
sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan. Penghitungan jumlah orang ini
menggunakan metode Normalized Sum-Squared Differences (NSSD) dengan data video yang diambil
melalui kamera webcam. Dari data video tersebut kemudian deambil selisih intensitas pixel frame dan
background lalu dikuadratkan, dan dinormalisasi dengan luasan detection window. Nilai NSSD yang
didapat diseleksi dengan proses thresholding untuk mendeteksi keberadaan orang pada detection window.
Sistem ini secara keseluruhan menunjukkan keberhasilan lebih dari 95%.
Kata Kunci : penghitungan orang, metode NSSD, sensor kamera, image processing

Untuk memudahkan perhitungan jumlah

pengunjung disuatu tampat umum dapat
menggunakan teknologi multimedia. Teknologi
multimedia merupakan perpaduan dari unsur unsur gambar, suara, animasi serta video
disatukan didalam komputer untuk disimpan,
diproses dan disajikan guna membentuk interaksi
yang inovatif antara komputer dengan manusia
[7]. Contohnya perhitungan jumlah orang lewat
disuatu tempat dapat diketahui dari adanya
perubahan jumlah piksel gambar video yang
direkam dengan kamera digital (webcam)
ditempat tersebut. Penalitian sejenis telah banyak
diteliti orang dengan berbagai algoritma [4,5,6].
Penelitian ini mengacu pada penelitian
terdahulu yang dilakukan oleh Sudianto Lande
yang berhasil membuat sebuah program
penghitung jumlah orang lewat dengan webcam,
dengan tingkat keberhasilan sebesar 90 %. Namun
pada penelitian tersebut penentuan nilai threshold
yang dilakukan secara manual sehingga sangat
berpengaruh pada tingkat keberhasilan program.
Selain itu orang bisa keluar masuk melalui pintu
yang sama sehingga tidak dapat diketahui jumlah
orang yang masih ada di dalam [4].

1. PENDAHULUAN
Kamera merupakan salah satu komponen
yang penting dalam dunia multimedia. Kamera
digunakan untuk mendapatkan data multimedia,
khususnya dalam bentuk gambar atau video. Saat
ini,
pemanfaatan
sensor
kamera
pada
instrumentasi telah cukup meluas, mulai dari
penghitungan obyek mikroskopis, pengukuran
kecepatan obyek bergerak, dan lain sebagainya.
Selain itu kamera video juga telah diterapkan
untuk kepentingan keamanan. Misalnya seperti di
mall, perkantoran, pertokoan, perpustakaan dan
lain sebagainya, menggunakan wabcam untuk
mengamati keluar masuknya pengunjung di
tempat tersebut.
Data jumlah pengunjung suatu tempat
umum sangat penting. Data tersebut biasanya
digunakan untuk laporan perkembangan minat
masyarakat terhadap tempat tersebut. Data jumlah
pengunjung biasanya didapat secara manual.
Namun faktor manusia yang memiliki penglihatan
yang kurang awas bisa menimbulkan kesalahan
dalam penghitungan jumlah pengunjung.

sama pada seluruh bagian citra. Indeks x bergerak

ke kanan dan indeks y bergerak ke bawah. Untuk
menunjukkan koordinat (m-1,n-1) digunakan
posisi kanan bawah dalam citra berukuran m x n
pixel. Hal ini berlawanan untuk arah vertikal dan
horizontal yang berlaku pada sistem grafik dalam
matematika. Gambar 2.1 menunjukkan sistem
penggambaran koordinat pada suatu citra digital.

Pada tugas akhir ini digunakan metode

Normalized Sum-Squared Differences (NSSD)
untuk menghitung jumlah orang lewat baik masuk
dan keluar sehingga dapat diketahui jumlah orang
yang masih ada di dalam dengan webcam sebagai
kamera perekamnya. Hasil dari tugas akhir ini
diharapkan dapat mengingkatkan kinerja dari
penelitian sebelumnya ( Sudianto Lande, 2004)
dengan
memperbaiki
kelemahan
dan
menambahkan fiture untuk dapat menghitung
jumlah orang yang ada di dalam.
Tujuan dari penelitian ini adalah merancang
suatu sistem yang dapat menampilkan data video
hasil perekaman kamera digital secara real time
serta mengaplikasikan metode Normalized SumSquared Differences (NSSD) untuk menghitung
jumlah orang masuk dan keluar sehingga dapat
diketahui jumlah orang yang masih ada di dalam
ruangan dengan data video hasil perekaman
kamera digital.
Dalam upaya mendapatkan suatu hasil yang
efektif, batasan permasalahan diberikan sebagai
berikut:
1. Penghitungan yang dilakukan yaitu
jumlah orang yang lewat pada pintu
masuk dan pintu keluar, menuju dan dari
koleksi.
2. Pintu masuk dan pintu keluar merupakan
jalur satu arah yang khusus bagi para
pengunjung.
3. Pengunjung melewati pintu yang di
desain hanya bisa dilewati satu per satu
dan antar pengunjung terdapat sela atau
jedah waktu tertentu.
4. Perekaman video dilakukan dengan
menggunakan kamera digital (webcam).
5. Ukuran frame data video digital yang
akan diolah adalah sebesar 320 x 240.
6. Intensitas cahaya di dalam ruangan
cenderung konstan dan terang.

Gambar 2.1. Koordinat Pada Citra Digital

Untuk menunjukkan tingkat intensitas
cahaya suatu pixel, seringkali digunakan bilangan
bulat dengan lebar selang antara 0-255, dimana 0
untuk warna hitam dan 255 untuk warna putih.
Sistem visual manusia dapat membedakan ratusan
ribu warna tetapi hanya dapat membedakan 100
shade keabuan.
2.2 Citra Warna RGB (Red, Green, Blue)
Dasar dari pengolahan citra adalah
pengolahan warna RGB pada posisi tertentu.
Dalam pengolahan citra warna dipresentasikan
dengan nilai hexadesimal dari 0x00000000
sampai 0x00ffffff. Warna hitam adalah
0x00000000 dan warna putih adalah 0x00ffffff.
Definisi nilai8 warna di atas seperti Gambar 2.2,
variabel 0x00 menyatakan angka dibelakangnya
adalah hexadecimal.

2. DASAR TEORI
Gambar 2.2. Nilai Warna RGB Dalam
Hexadesimal

2.1 Representasi Citra Digital

Kalau kita perhatikan gagasan sebuah
citra digital dari sebuah sudut pandang yang
sederhana, kita akan memandang sebuah citra
sebagai fungsi dalam ruang dimensi 2 pada
koordinat spasial (x,y), dimana nilai-nilai tersebut
mendefinisikan suatu ukuran intensitas cahaya
pada titik tersebut. Satuan atau bagian terkecil
dari suatu citra disebut pixel (picture element).
Umumnya citra dibentuk dari persegi
empat yang teratur sehingga jarak horizontal dan
vertikal antara pixel satu dengan yang lain adalah

Terlihat bahwa setiap warna mempunyai

range nilai 00 (angka desimalnya adalah 0) dan ff
(angka desimalnya adalah 255), atau mempunyai
nilai derajat keabuan 256 = 2 8 . Dengan
demikian range warna yang digunakan adalah (2
8)(2 8)(2 8 ) = 2 24 (atau yang dikenal dengan
istilah True Colour pada Windows). Nilai warna
yang digunakan di atas merupakan gambungan
warna cahaya merah, hijau dan biru seperti yang
terlihat pada Gambar 2.3 [2].

ditentukan oleh suatu parameter yang disebut nilai

threshold [1].
Proses thresholding menggunakan fungsi sebagai
berikut :

Keterangan :
f(x,y) = Nilai intensitas yang lama
g(x,y) = Nilai intensitas yang baru
T = Nilai Threshold
Jika a1=0 dan a2=1, maka proses thresholding
mengubah citra greyscale menjadi citra biner.

Gambar 2.3. Komposisi Warna RGB

2.3 Citra Grayscale
Grayscale menunjukkantingkat keabuan
(dari hitam- putih) yang ada dalamsuatu citra.
Modelwarna ini menyimpan informasi warna
sebesar 8 bit. Jadi warna yang bisa ditampilkan
pada mode warna grayscale berjumlah sampai
256. Skala perhitungan numeriknya bisa dengan
pendekatan nilai brightness yang berskala 0
sampai 255 seperti pada Gambar 2.4 [3].

2.5
Metode
Normalized
Sum-Squared
Differences(NSSD)
NSSD merupakan bentuk khusus dari
Sum-Squared
Differences(SSD).
Untuk
melakukan identifikasi dengan menggunakan
metode NSSD, diperlukan background image
untuk dibandingkan dengan frame yang akan
dideteksi. Background image yang digunakan
merupakan image lajur dalam keadaan kosong
atau tidak ada oaring lewat pada lajur yang akan
dideteksi. Detection window atau ROI (Region of
Interest) diset pada lajur yang akan dideteksi
setelah dilakukan proses grayscale sebelumnya.
Kemudian, semua nilai pixel yang terdapat dalam
detection window dijumlahkan.
Hal yang sama juga dilakukan pada setiap
frame video. Maksud dari frame video adalah
sekumpulan image yang ditampilkan secara
berurutan sehingga membentuk suatu gambar
bergerak. Sehingga proses grayscale, setting
detection window, dan menjumlahkan nilai pixel
dilakukan pada masing-masing frame. Posisi
detection window pada frame dan pada
background image harus sama karena pada posisi
inilah yang akan dilakukan pembandingan.
Dengan adanya detection window
memudahkan proses perhitungan jumlah nilai
pixel yang dilakukan oleh komputer. Bilamana
tidak menggunakan detection window, komputer
akan melakukan perhitungan pada frame secara
keseluruhan. Sedangkan dengan detection
window, komputer cukup menghitung pada
detection window saja.
Setelah mendapatkan jumlah nilai pixel
dari background image dan frame, nilai-nilai
tersebut
dicari
selisihnya
dengan
cara
dikurangkan (subtract). Selisih dari jumlah nilai
background image dan frame dikuadratkan untuk
menghindari nilai negatif. [4,5]

Gambar 2.4. Komposisi Warna Grayscale

Greyscaling
adalah
teknik
yang
digunakan untuk mengubah citra berwana
menjadi bentuk grayscale. Pengubahan dari citra
berwarna ke bentuk grayscale mengikuti aturan
sebagai berikut :

Hasil dari proses grayscaling ditunjukkan pada

Gambar 2.5 dibawah ini

(a)

(b)

Gambar 2.5. Citra RGB (a) dan Citra Grayscale (b)

2.4 Thresholding
Thresholding digunakan untuk mengubah
intensitas piksel menjadi salah satu dari dua nilai,
a1 atau a2. Hasil dari proses thresholding

orang lewat baik masuk maupun keluar sehingga

dapat diketahui jumlah orang yang masih ada di
dalam ruangan dengan metode Normalized SumSquared Differences (NSSD). Melalui program
ini, dua program lain dapat dipanggil, yaitu
program Inisialisasi Data dan program
Dokumentasi Hasil Penghitungan. Alur proses
pelaksanaan sistem dalam program ini
ditunjukkan oleh Gambar 4.1

Metode NSSD dapat dirumuskan dalam

persamaan berikut :
( I C (i ) I B (i)) 2
NSSD =

IC

N
Keterangan:
IC(i) = intensitas frame pada pixel (i)
IB(i) = intensitas background pada pixel (i)
Q = detection window/ROI (Region of Interest)
N = jumlah pixel pada area Q

3. METODOLOGI PENELITIAN
3.1 Spesifikasi Hardware dan Software
Pada pengerjaan tugas akhir ini spesifikasi
hardware dan software yang digunakan adalah
sebagai berikut:
1. Spesifikasi Perangkat Keras (Hardware)
Perangkat keras yang digunakan dalam
implementasi perangkat adalah sebagai
berikut:
a. Notebook A*Note Centurion A-5427
b. Intel Pentium Dual Core Processor T3400
(2,16 GHz)
c. Memory 2 Gb DDR2.
d. Monitor 14,1 Wide Crystal View
e. VGA Port
f. Harddisk 160 Gb
g. Logitech Webcam V-UBB39
2. Spesifikasi Perangkat Lunak (Software)
Perangkat lunak yang digunakan dalam
implementasi perangkat lunak adalah sebagai
berikut:
a. Microsoft Windows Xp
b. Visual Basic 6.0
c. Microsoft Access
d. Logitech Webcam 1.10.1113.0 Software
(ENU)

NSSD =

(I

I B )2

Gambar 4.1 Diagram Alir Program Penghitung

Jumlah Orang Lewat dengan Metode NSSD

4.1.2 Analisis Sistem Program Inisialisasi Data

Program Inisialisasi Data ini digunakan
untuk menentukan data video dalam penghitungan
non real-time. Data video yang digunakan dapat
diambil dari memori komputer maupun membuat
data video yang baru dengan merekam
menggunakan webcam. Alur proses program
Inisialisasi Data ditunjukkan oleh Gambar 4.2.

3.2 Tahap-tahap Pengembangan Perangkat

Lunak
Pada bagian ini dibahas mengenai tahaptahap utama dari model pengembangan Water
Fall.
a. Analisa Sistem dan Definisi Persyaratan
b. Perancangan Perangkat Lunak
c. Implementasi Perangkat Lunak
d. Uji Coba Perangkat Lunak
4. PERANCANGAN DAN IMPLEMENTASI
4.1 Analisis Sistem
4.1.1
Analisis
Sistem
Program
Penghitungan Jumlah Orang
Program Penghitung Jumlah Orang
merupakan program utama dalam perangkat lunak
ini. Fungsi utamanya adalah menghitung jumlah

Gambar 4.2 Diagram Alir Program Inisialisasi Data

yaitu dengan cara memproses inputan dari user

dan menghasilkan keluaran sesuai dengan yang
diharapkan oleh user. Proses interaksi sistem
dengan user secara global diperlihatkan pada
Gambar 4.5.

4.1.3 Analisis Sistem Program Dokumentasi

Hasil Penghitungan
Program Dokumentasi Hasil Penghitungan ini
digunakan untuk melihat hasil penghitungan yang
telah
dilakukan.
Alur
proses
Program
Dokumentasi Hasil Penghitungan ditunjukkan
oleh Gambar 4.3.

Gambar 4.5 DFD Level 0 (Proses Interaksi Sistem

dengan User)

Data Flow Diagram (DFD) level 0 ini

menggambarkan interaksi sistem dengan user.
User diharuskan menentukan data input apakah
menggunakan data real time atau data yang telah
tersimpan pada hard disk, menentukan posisi dan
luas detection window dan menentukan nilai
threshold yang akan digunakan dalam proses
penghitungan jumlah orang lewat. Sedangkan
keluaran dari sistem ini adalah hasil perekaman
gambar dari webcam, nilai NSSD dari tiap frame
dan hasil penghitungan jumlah orang lewat baik
masuk maupun keluar serta jumlah orang yang
masih ada di dalam ruangan. Hasil dekomposisi
dari Proses 1 ditunjukkan pada Gambar 4.6 :

Gambar 4.3 Diagram Alir Program Dokumentasi

Hasil Penghitungan

4.2 Definisi Persyaratan

Perangkat lunak penghitung jumlah orang
lewat menggunakan metode Normalized SumSquared Differences (NSSD) ini dirancang untuk
sebuah tempat umum dengan model sistem seperti
tampak pada Gambar 4.4

1.1
Manempilkan
Data Hasil
Rekam

[Set Data Input]

User

Webcam

[Hasil Perekaman]
User
Hasil Rekam

[Set Detection Window]

User

1.2
Capture
Image

Citra Hasil Rekam

Data Hasil Rekam

Pintu

Data Citra RGB

Hasil Seleksi

Citra RGB Hasil Seleksi

1.3
Proses
Seleksi

Citra RGB

Data Citra RGB

Citra RGB

Citra RGB Hasil Seleksi

User

1.4
Greyscaling

Citra Greyscale

Data Citra
Greyscale

1.5
Perhitungan
NSSD

Citra Greyscale

Nilai NSSD

Nilai NSSD

Data Nilai
Rata-rata NSSD

Masuk

Rata-rata
Nilai NSSD
1.6
Filtering

Rata-rata
Nilai NSSD
1.7
Thresholding

Keluar

Nilai Threshold

Nilai NSSD

Data Nilai
Threshold

[Set Pengali Threshold]

User

Gambar 3.1. Perancangan Model Sistem

User

Data Nilai NSSD

Nilai Threshold

1.8
Penghitungan
Jumlah
Orang Lewat

[Jumlah Orang Lewat]

Gambar 4.6 DFD Level 1 ( Proses Penghitungan

Jumlah Orang Lewat Dengan NSSD )

4.3 Perancangan Perangkat Lunak

4.3.1 Data Flow Diagram (DFD)
Sub bab ini akan membahas desain sistem
perangkat lunak yang akan dibuat. Perangkat
lunak didesain dapat berinteraksi dengan user,

Penjelasan dari Gambar 4.6 adalah sebagai

berikut:
a. Proses menampilkan data hasil rekam.
Input : Data video hasil perekaman
kamera digital atau data video

b.

c.

d.

e.

Uraian : Dalam proses ini dilakukan

penghitungan
nilai
NSSD
seperti pada persamaan 2.4
Output : Nilai NSSD dari tiap frame
f. Proses Filtering
Input : - Nilai NSSD tiap frame
- Jumlah frame
Uraian : Dalam proses ini dilakukan
penghitungan rata-rata nilai
NSSD seperti pada persamaan
2.2
Output : Rata-rata nilai NSSD dari tiap
frame
g. Proses Thresholding
Input : - Rata-rata nilai NSSD tiap
frame
- Nilai pengali yang ditentukan
oleh user
Uraian : Dalam proses ini dilakukan
penghitungan nilai threshold
dengan mengalikan nilai ratarata NSSD dengan pengali yang
ditentukan oleh user.
Output : Nilai Threshold
h. Proses Penghitungan jumlah orang lewat
Input : - Nilai NSSD tiap frame
- Nilai threshold
Uraian : Dalam proses ini dilakukan
penghitungan jumlah orang
yang lewat baik masuk maupun
keluar sehingga dapat diketahui
jumlah orang yang ada di
dalam ruangan. Apabila nilai
NSSD lebih besar dari nilai
threshold maka satus = Lewat
dan apabila nilai NSSD lebih
kecil dari nilai threshold maka
status=Kosong. Jumlah orang
bertambah apabila status pada
frame tersebut tidak sama
dengan status pada frame
sebelumnya.
Output : Jumlah orang lewat baik masuk
maupun keluar sehingga dapat
diketahui jumlah orang yang
masih ada di dalam ruangan.

yang tersimpan dalam memori

komputer
Uraian : Dalam proses ini ditampilkan
data video yang telah ditentukan
Output : Data video dapat dinikmati
secara visual oleh user.
Proses capture image.
Input : Data video hasil perekaman
kamera digial
Uraian : Dalam Proses ini dilakukan
penyimpanan
gambar
background dan gambar dari
tiap frame
Output : File gambar background dan
gambit tiap frame
Proses menentukan detection window /
ROI (region of interest).
Input : Gambar background dan
gambar frame data video hasil
dari proses sebelumnya
Uraian : Dalam proses ini dilakukan
penentukan detection window /
ROI untuk jalur masuk dan
jalur keluar pada backgrpund
dan frame
Output : - Gambar input beserta ROI
dengan ukuran dan posisi
ROI sesuai dengan yang telah
ditentukan
- Jumlah pixel serta nilai dan
koordinat setiap pixel di
dalam setiap ROI
Proses Greyscaling
Input : Nilai dan koordinat posisi setiap
pixel di dalam ROI baik pada
background maupun pada
frame
Uraian : Dalam proses ini dilakukan
pengubahan gambar dari RGB
ke grayscale
Output : - Gambar background dan
gambar tiap frame di dalam
ROI dalam bentuk grayscale.
- Nilai intensitas setiap pixel di
dalam ROI pada background
dan pada setiap frame.
Proses perhitungan nilai NSSD
Input : - Jumlah pixel serta nilai dan
koordinat posisi setiap pixel
di dalam ROI
- Nilai intensitas pixel di dalam
ROI pada background dan
pada setiap frame

4.4

Implementasi Perangkat Lunak

Setelah desain dibuat, maka tahap
selanjutnya adalah mengimplementasikan desain
dalam
bentuk
perangkat
lunak
yang
dikembangkan dengan menggunakan bahasa
pemrograman Visual Basic 6.0. Sub bab ini
menjelaskan tentang implementasi perangkat
lunak yang akan dibuat.

Hasil dari proses perhitungan nilai NSSD ini

dapat dilihat pada gambar 5.3 dan 5.4.

5. UJI COBA PERANGKAT LUNAK

5.1 Uji Coba Data Non Real-Time
1.
2.
3.
4

Tabel 5.1. Data Uji Coba Non Real-time

File Video
Lewat2det
Ukuran Kanvas
320 x 240
Jumlah Frame
202
Nilai Pengali Threshold
0,6

Beberapa gambar hasil menampilkan data

video ditunjukkan seperti Gambar 4.1 berikut :

Gambar 5.3 Nilai NSSD Pada Percobaan

Menggunakan Data NonReal-Time pada detection
window 1

Background

Frame 148

Frame 150

Frame 152
Gambar 5.4 Nilai NSSD Pada Percobaan
Menggunakan Data NonReal-Time pada detection
window 2

Frame 153

Hasil perhitungan orang lewat yang dilakukan

oleh sistem penghitung jumlah orang lewat
menggunakan metode Normalized Sum-Squared
Differences (NSSD) dengan data non real-time
yaitu file video lewat2det adalah sebanyak 7
orang yang masuk (lewat detection window 1) dan
7 orang yang keluar (lewat detection window 2),
jadi tidak ada orang yang masik ada di dalam
ruangan. Jika dibandingkan dengan hasil
perhitungan secara manual maka prosentase
keberhasilannya adalah 100 %.

Frame 156

Gambar 5.1. HasilMenampilkan Data Video Pada

Percobaan Menggunakan Data NonReal-Time

Hasil dari proses menentukan detection

window / ROI dapat dilihat pada Gambar 5.2
berikut :

5.2 Uji Coba Menggunakan Data Real-Time

dengan Kecepatan Normal
1.
2.
3.
4.
5.
6.
7

Gambar 5.2. Hasil Proses Menentukan ROI Pada

Percobaan Menggunakan Data NonReal-Time

Tabel 5.2. Data Uji Coba Real-time

Tanggal uji coba
05-Jan-10
Waktu mulai
11:37:04 PM
Watu akhir
11:39:05 PM
Durasi
00:02:01
Kecepatan jalan
Normal (1 m/s)
Jumlah Frame
199
Nilai Pengali Threshold
0.6

Beberapa
hasil
perekaman
kamera
digitalditunjukkan seperti Gambar 5.5 berikut :

Background

Frame 13

Frame 86

Frame 104

Frame 61

Frame 162

Gambar 5.7 Nilai NSSD Percobaan Menggunakan

Data Real-Time dengan kecepatan normal (1 m/s) pada
detection window 1

Gambar 5.5. Hasil Perekaman Kamera Digital

Percobaan Menggunakan Data Real-Time dengan
Kecapatan Normal

Hasil dari proses menentukan detection

window / ROI dapat dilihat pada Gambar 5.6
berikut :

Gambar 5.8 Nilai NSSD Percobaan Menggunakan

Data Real-Time pada detection window 2

Hasil perhitungan orang lewat yang

dilakukan oleh sistem penghitung jumlah orang
lewat menggunakan metode Normalized SumSquared Differences (NSSD) dengan data realtime dengan kecepatan normal adalah sebanyak
24 orang yang masuk (lewat detection window 1)
dan 5 orang yang keluar (lewat detection window
2), jadi jumlah orang yang ada di dalam ruangan
adalah 19 orang. Jika dibandingkan dengan hasil
perhitungan secara manual maka prosentase
keberhasilannya adalah 100 % .
5.3 Analisa Uji Coba
Keseluruhan hasil uji coba sistem
penghitung jumlah orang lewat menggunakan
metode Normalized Sum-Squared Differences
(NSSD) dapat dilihat dalam tabel 5.3.

Gambar 5.6. Hasil Proses Menentukan ROI Pada

Percobaan Menggunakan Data Real-Time dengan
Kecepatan Normal (1 m/s)

Hasil dari proses perhitungan nilai NSSD ini

dapat dilihat pada gambar 5.7 dan 5.8.

5.3.1 Analisa Hasil Uji Coba dengan Variasi

Iluminasi
Tabel 5.3. Hasil Uji Coba

No

Kondisi

Kecepatan

Jumlah
Jumlah
Prosentase
Orang
Orang
Keberhasilan
Terhitung Sebenarnya
(%)
29
29
100

2
3
4
5
6

Normal
Cepat
23
Terang
100
Agak Gelap
100
Jarak Dekat
31
Warna
24
background
hampir sama
dengan objek
Rata-rata

25
100
100
32
24

Besarnya nilai pengali yang ditentukan oleh

user mempengaruhi proses penghitungan jumlah
orang lewat. Hal ini dikarenakan besarnya nilai
threshold ditentukan dari nilai rata-rata NSSD
yang dikalikan dengan nilai pengali tersebut. Oleh
karena itu ketepatan penentuan nilai pengali
berpengaruh terhadap tingkat keberhasilan sistem.
Dari Tabel 5.10 dapat dilihat bahwa
besarnya pengali yang dapat memberikan tingkat
keberhasilan sistem sebesar 100% adalah antara
0,4 sampai dengan 0,8. Oleh karena itu penulis
memilih nilai pengali sebesar 0,6 sebagai pengali
dalam uji coba yang dilakukan.

92
100
100
96,875
100

98,145

Dari Tabel 5.9 dapat dilihat bahwa sistem

penghitung jumlah orang lewat dengan metode
Normalized Sum-Squared Differences (NSSD)
dapat bekerja dengan baik pada saat objek
bergerak dengan kecepatan normal, namun
apabila objek bergerak dengan cepat maka tingkat
keberhasilan sistem akan berkurang. Hal ini
dikarenakan sistem mengalami delai (rata-rata
delai pada percobaan dengan objek berjalan cepat
= 0.51 detik) dan pergerakan objek lebih cepat
dari kecepatan capture sistem sehingga ketika
objek melewati detection window, gambar tidak
terekam oleh sistem, dengan kata lain objek
bergerak melewati detection window lebih cepat
dari 0,51 detik. Besarnya delai sistem bergantung
pada besarnya detection window yang dibuat.
Semakin besar detection window maka kecepatan
capture sistem semakin berkurang.
Selain itu sistem penghitung jumlah orang
lewat menggunakan metode Normalized SumSquared Differences (NSSD) juga bekerja dengan
baik apabila kondisi ruangan relatif terang,
walaupun warna background hampir sama dengan
warna objek yang lewat. Tetapi apabila jarak
antara objek satu dengan objek lainnya cukup
dekat maka tingkat keberhasilan sistem akan
berkurang. Hal ini dikarenakan antar obyek tidak
terdapat sela yang cukup sehingga nilai NSSD
selalu melebihi nilai Threshold.

6. PENUTUP
6.1.Kesimpulan
Dari hasil uji coba yang telah dilakukan
terhadap aplikasi perhitungan jumlah orang lewat
menggunakan metode Normalized Sum-Squared
Differences (NSSD), maka dapat diambil
kesimpulan bahwa :
1. Sistem penghitung jumlah orang lewat
menggunakan metode Normalized SumSquared Differences (NSSD) telah berhasil
diimplementasikan untuk data yang bersifat
real time maupun data yang bersifat non realtime.
2. Aplikasi
Normalized
Sum-Squared
Differences
(NSSD)
sebagai
sistem
penghitung jumlah orang lewat baik masuk
maupun keluar sehingga dapat diketahui
jumlah orang yang masih ada di dalam
ruangan, secara keseluruhan bekerja dengan
cukup baik. Hal ini dapat dibuktikan dengan
rata-rata tingkat keberhasilan lebih dari 95%
untuk penghitungan jumlah orang lewat
dengan berbagai variasi iluminasi dengan
nilai threshold sebesar 0,6 dikali rata-rata
nilai NSSD dan menggunakan perangkat yang
telah disebutkan sebelumnya.
3. Kecepatan pergerakan objek mempengaruhi
tingkat keberhasilan sistem, dengan kata lain
semakin cepat obyek bergerak (melewati
detection window lebih cepat dari 0,51 detik)
maka semakin besar kemungkinan gambar
ketika objek lewat pada detection window
tidak terekam oleh sistem.
4. Ketepatan penentuan nilai pengali oleh user
mempengaruhi tingkat keberhasilan sistem.
Hal ini dikarenakan besarnya nilai threshold
ditentukan dari nilai rata-rata NSSD yang
dikalikan dengan nilai pengali tersebut.

5.3.2 Hasil Uji Coba dengan Variasi Nilai

Pengali Threshold
Tabel 5.10 Hasil Uji Coba dengan Variasi Nilai
Pengali Threshold
Jumlah
Jumlah
Prosentase
Nilai
Orang
Orang
Keberhasilan
No Pengali
Terhitung Sebenarnya
(%)
1
0,1
17
12
58,333
2
0,2
18
12
50
3
0,3
13
12
91,667
4
0.4
12
12
100
5
0,5
12
12
100
6
0,6
12
12
100
7
0,7
12
12
100
8
0,8
12
12
100
9
0,9
13
12
91,677

6.2.Saran
Saran yang dapat diberikan dalam
pengembangan tugas akhir ini adalah:
1. Variasi iluminasi cukup berpengaruh, agar
perhitungan lebih teliti seharusnya citra
background tidak selalu tetap untuk seluruh
perhitungan. Citra backround seyogyanya
diambil secara adaptif sehingga dapat
meminimalisasi variasi iluminasi.
2. Karena besarnya ROI berpengaruh terhadap
lamanya proses perhitungan sehingga
mempengaruhi kecepatan capture gambar
pada sistem maka untuk proses penentuan
ROI perlu dikembangkan secara otomatis
sesuai dengan besarnya objek yang lewat.
3. Untuk pengembangan perangkat lunak, maka
dapat ditambahkan fungsi untuk membedakan
objek yang lewat, apakah yang lewat adalah
orang atau bukan.
4. Karena sistem dirancang hanya untuk model
pintu masuk dan pintu keluar yang
berdampingan maka perlu dikembangkan
untuk model pintu masuk dan pintu keluar
yang berbeda tempat dengan menggunakan
dua kamera.

DAFTAR PUSTAKA
[1]

Basuki Achmad, Panaldi Jozua F., dan

Fachturrochman, 2005, Pengolahan Citra
Menggunakan Visual Basic., Graha
Ilmu, Yogyakarta.

[2]

M. Ali, Nazleena, 2004, Teori Warna,

<www.ftsm.ukm.my/nma/BAB%206B%
20- %20TH2563.ppt>

[3]

Aniati M., Dina C., 2005, Pengolahan

Citra Digital : Konsep Dasar Representasi
Citra, <
www.cs.ui.ac.id/WebKuliah/citra/
2005/citra4d.ppt>

[4]

Lande. S., 2004, Program Penghitung

Orang Lewat Menggunakan Webcam,
<http://puslit.petra.ac.id/journals/informat
ics/>

[5]

Purwasta. D., 2009, Pengukuran

Kepadatan Arus Lalu Lintas
Menggunakan Sensor Kamera,
<http://dhetiastapurwatna.wordpress.com/
2009/05/19/sistem-lalu-lintas/>

10

[6]

Jae-Won, Kim, Choi,Kang-Sun, Choi,

Byeong-Doo, Ko,Sung-Jea. Real-time
Vision-based People Counting System for
the Security Door. PDF. <http://
www.kmutt.ac.th/itc2002/CD/pdf/18_07_
45/TP2_OC/4.pdf, 2002>.

[7]

Soeseno, Poerwanto., 2004. Pembuatan

Kemasan Informasi Teknologi dengan
Multimedia, <URL: lipi.inovasiindonesia.com/K4.pdf>.