Abstrak
Tuna netra merupakan kondisi fisik dimana seseorang tidak dapat melihat, tuna netra di bagi lagi
menjadi low vision dan full blind . salah satu masalah yang dihadapi tuna netra ialah mengetahui objek yang
berada di hadapannya, pada penelitian ini diambil objek lubang untuk dideteksi dan diestimasikan jaraknya,
dengan menggunakan mono kamera.
Pendeteksian lubang dilakukan dengan menggunakan metode Threshold dan BlobAnalysis dengan
akurasi sebesar 88.91 % dan utnuk estimasi jarak digunakan metode Pin hole model dengan nilai MSE (Mean
Squared Error) sebesar 0.03582.
1
2. Bagaiman cara mengestimasi jarak penilaian atau pendapat, ini menujukkan
lubang dengan menggunakan mono bahwa istilah estimasi dapat kita
kamera? gunakan secara umum untuk
menyatakan perkiraan, penilaian atau
1.3 Tujuan Penelitian pendapat kita mengenai sesuatu.
Tujuan akhir dari penelitian ini yaitu : Milasnya ketika kita melihat seorang
1. Untuk mengetahui cara mendeteksi anak bertubuh gemuk anak itu ikut serta
sebuah lubang pada suatu permukaan. dalam loba lari. Walaupun tubuhnya
2. Untuk mengetahui cara estimasi jarak gemuk akan tetapi kakinya terlihat
lubang dengan menggunakan mono kokoh dan kuat sehingga kita
kamera mengestimasi bahwa ia akan dapat
bersaing dalam lomba lari tersebut.
Istilah estimasi bagi sebagian
1.4 Manfaat Penelitian
orang terdengar cukup “serius” padahal
Dengan dilakukkannya penelitian ini,
secara umum kita selalu membuat
diharapkan manfaat yang didapatkan antara
estimasi dalam kehidupan sehari-hari.
lain :
Istilah estimasi sering kita dengar ketika
1. Dari hasil penelitian ini, diharapkan
orang membicarakan proyek atau
dapat mengetahui tingkat keakuratan
menghitung sebuah nilai statistika pada
pengolahan citra dalam mengenali dan
sensus penduduk. Misalnya estimasi
mengestimasi jarak objek.
waktu dan biaya dalam menyelesaikan
2. Membantu penyandang tuna netra dalam
sebuah proyek pembuatan jembatan.
mobilitasnya.
Atau estimasi jumlah populasi penduduk
3. Sebagai refrensi penlitian-penelitan
suatu wilayah dengan menggunakan
selanjutnya.
sampel [6].
4. Sebagai refrensi dalam pembuatan
tongkat pintar 2.3 Pengolahan Citra Digital
Pengolahan citra digital adalah
2. Landasan Teori
manipulasi dan interprestasi digital dari
2.1 Deteksi
Deteksi adalah suatu proses citra dengan bantuan komputer.
untuk memeriksa atau melakukan Pengolahan citra bertujuan untuk :
pemerikasaan terhadap sesuatu dengan Memperbaikai kualitas gambar,
mengunakan cara dan teknik tertentu. dilihat dari aspek radiometric dan
Deteksi dapat digunakan untuk berbagai aspek geometric. Aspek radiometric
masalah, misalnya dalam sistem terdiri dari peningkatan kontras,
pendeteksi suatu penyakit, dimana restorasi citra, transformasi warna
sistem mengidentifikasi masalah- sedangkan askep geometric terdiri
masalah yang berhubungan dengan dari rotasi, skala, translasi,
penyakit yang biasa disebut gejala. transformasi geometric.
Tujuan dari deteksi adalah Melakukan proses penarikan
memecahkan suatu masalah dengan informasi atau deskripsi objek atau
berbagai cara tergantung metode yang pengenalan obyek yang terkandung
diterapkan sehingga menghasilkan pada citra.
sebuah solusi[5]. Melakukan pemulihan citra ciri
(feature images) yang optimal untuk
tujuan analisis.
2.2 Estimasi
Estimasi menurut kamus besar Melakukan kompresi atau reduksi
Bahasa Indonesia adalah perkiraan, data untuk tujuan penyimpanan data,
2
transmisi data, dan waktu proses sehingga keberadaa data rahasia
data. tersebut tidak diketahui orang
(stenografi & watermarking) [7].
Konsep dasar pengolahan citra dengan
data masukan pokok (internal data) berupa
langkah berikut : 2.4 ROI
1. Pengumpulan data yang relevan, Region of Interest (sering disingkat
yaitu citra digital. ROI), adalah bagian yang dipilih dari
2. Klasifikasi atau pengelompokan sampel dalam dataset diidentifikasi
dengan cara pengkelasan. untuk tujuan tertentu. Konsep ROI yang
3. Penyusunan data sesuai kelas. umumnya digunakan di banyak aplikasi.
4. Perhitungan manipulasi. Misalnya, dalam pencitraan medis,
5. Pengujian ketelitian dan batas-batas tumor dapat didenfinisikan
perhitungan. pada gambar atau di volume, dengan
6. Penyimpulan dan rekapitulasi hasil. tujuan mengukur ukurannya. Perbatasan
7. Informasi endocardial dapat didefenisikan pada
gambar, mungkin selama fase yang
Operasi-operasi pada pengolahan citra berbeda dari siklus jantung, misalnya
diterapkan bila : akhir-sistor dan diastole akhir, untuk
1. Perbaikan atau memodifikasi citra tujuan menilai fungsi jantung.
dilakukan untuk meningkatakn Dalam sistem informasi
kualitas citra/menonjolkan beberapa geofrafis (GIS), ROI dapat diambil
aspek informasi yang terkandung secara harfiah sebagai pilihan polygonal
dalam citra (image enhancement). dari peta 2D. Dalam visi komputer dan
Contoh : Perbaikan kontras pengenalan karakter optic, ROI
gelap/terang, perbaikan tepian mendefenisikan batas-batas suatu objek
objek, penajaman, pemberian waran di bawah pertimbangan dalam banyak
semu, dll. aplikasi, simbolik (tekstual) laber
2. Adanya cacat pada citra sehingga ditambahkan ke ROI, untuk
perlu dihilangkan/diminimumkan menggambarkan isinya secara kompak.
(image restoration). Contoh : Dalam ROI mungkin terletak poin
penghilang kesamaran (debluring) individu mendarik (POI).
citra tampak kabur karena ROI mengacu memilih
pengaturan focus lensa tidak tepat / sekelompok voxel atau wilayah otak a
kamera goyang, penghilangan noise. priori ketika menyelediki daerah untuk
3. Elemen dalam citra perlu efek. Hal ini dapat dilakukan baik
dikelompokkan dicocokkan atau di dengan menciptakan ruang pencarian
ukur (image segmentation). kecil (biasanya sebuah bola dengan
4. Diperlakukannya ekstraksi ciri-ciri radius N voxel), atau -berdasarkan atlas
tertentu yang dimiliki citra untuk anatomi tersedia melalui program-
membantu dalam pengdientifikasian program seperti SPM atau download dari
objek (image analysis). web. Analisis ROI memiliki keuntungan
5. Sebagai citra perlu digabung dengan mengurangi beberapa masalah
bagian citra yang lain (image perbandingan. Dimana ruang pencarian
reconstruction). berpotensi ratursan ribu voxel dikurangi
6. Citra perlu dimampatkan (image menjadi lebih kecil, daerah lebih
compression) penurut, sehingga mengurangi beberapa
7. Menyembunyikan data rahasia
(berupa teks/citra) pada citra
3
perbandingan batas koreksi yang terlalu
ketat. Sepintas ini masuk akal,
mengingat bahwa anda mungkin tidak
tertarik dalam analisis secara
keseluruhan (yaitu, mencari aktivitas di
setiap voxel tunggal dalam seluruh Gambar .2 Rumus Thresholding Tunggal
Sumber : sayutirahman.stth-medan.ac.id
volume) [8].
Piksel – piksel yang nilai intensitasnya
2.5 Thresholding dibawah 128 diubah menjadi hitam (nilai
Thresholding atau intensitas 0), sedangkan piksel-piksel
ambang batas keabuan merupakan yang inlai intensitasnya diatas 128
metode pengolahan citra untuk diubah menjadi warna putih (nilai
memetakan piksel yang memenuhi intensitas = 255) [9].
syarat ambang batas dan dipetakan ke 2.6 Blob
suatu nilai piksel yang di kehendaki. Dalam suatu image processing
yang menggunakan segmentasi
foreground, analisis blob merupkanan
teknik yang digunakan untuk
menyatakan luas area piksel dari suatu
image yang menjadi fokus deteksi
Untuk menentukan nilai Blob, ada
beberapa hal yang harus diketahui untuk
Gambar .1 Rumus Thresholding menghasilkan sebuah blob yang optimal.
Sumber : sayutirahman.stth-medan.ac.id
Penentuan luas blob pada setiap objek
pada proses segmentasi foreground perlu
Keterangan:
dianalisis karena nilai blob pada tiap
f0(x,y) : adalah citra hasil threshold
objek akan berbeda. Hal ini dipengaruhi
T : Nilai Pemetaan Piksel
oleh fitur objek seperti ukuran, jenis, dan
teknik pengambilan data video.
dimisalkan T1 =50,T2=100 T3=150,
Prosesnya dimulai dari
maka dapat dipetakan seluruh nilia yang
penandaan area foreground yang
berada daro 0-50 akan diganti dengan
dianggap objek, kemudian pengumpulan
nilai 50, yang berada antar 50 sampai
data area menjadi blob seperti posisi
100 diganti dengan nilai 100, yang
piksel awal, panjang terhadap sumbu x
berada antara 100 sampai 150 diganti
dan sumbu y dan luas area piksel. Area
dengan nilai 150, begitu seterusnya
sebuah blob [10].
sesuai dengan pemetaan yang dibuat, dan
pembentukan peta harus sesuai dengan
kebutuhan, contoh operasi abang batas 2.7 Pinhole Model
tunggal. Estimasi Jarak dilakukan dengan metode
Operasi ambang batas tunggal Pinhole Model, metodei ini bekerja dengan cara
adalah yaitu batas pembagian hanya satu, memberikan piksel ukuran jarak asli seperti pada
berarti nilai piksel dekelompokkan gambar 3 :
menjadi dua kelompok seperti
ditunjukkan pada rumus berikut :
4
mencari nilai posisi piksel acuan terdekat
, berdasarkan gambar II.3 posisi piksel
acuan terdekat dari 550 adalah 505
dengan nilai inisialisasi jarak sebesar 3 m
jadi kita masukkan ke dalam rumus :
3 ∗ 505
𝑗𝑎𝑟𝑎𝑘 𝑎𝑠𝑙𝑖 = = 2.75 𝑚
550
Jadi jarak asli benda berada kurang
lebih 2.75 m
2.8 Matlab
Gambar 3 Ukuran Jarak Matlab merupakan Bahasa
Piksel pemrograman yang hadir dengan fungsi
dan karakteristik yang berbeda dengan
Jadi pada ukuran piksel ke-640 di Bahasa pemrograman lain yang sudah
berikan inisialisasi jarak 1m, piksel ke- ada lebih dahulu seperti Delphi, Basic
618 diberikan inisialisasi jarak 2m, maupun C++. Matlab merupakan Bahasa
piksel ke-505 diberikan inisialisasi 3m pemrograman level tinggi yang
dan piksel ke-439 diberikan inisialisasi dikhususkan untuk kebutuhan komputasi
4m, jarak 4m merupakan jarak terjauh teknis, visualisasi dan pemrograman
untuk mendeteksi lubang pada penelitian seperti komputasi matematika, analisis
ini, jadi untuk menghitung jarak suatu data, pengembangan algoritma, simulasi
objek diberikan rumus ; dan pemodelan dan grafik-grafik
𝑖𝑛𝑖𝑠𝑖𝑎𝑙𝑖𝑠𝑎𝑠𝑖 𝑗𝑎𝑟𝑎𝑘 𝑝𝑎𝑑𝑎 𝑝𝑖𝑥𝑒𝑙 perhitungan. Matlab hadir dengan
𝐽𝑎𝑟𝑎𝑘 𝑎𝑠𝑙𝑖 membawa warna yang berbeda. Hal ini
𝑝𝑜𝑠𝑖𝑠𝑖 𝑝𝑖𝑥𝑒𝑙 𝑎𝑐𝑢𝑎𝑛 𝑡𝑒𝑟𝑑𝑒𝑘𝑎𝑡
= (1) karena matlab membawa keistimewaan
𝑝𝑜𝑠𝑖𝑠𝑖 𝑝𝑖𝑥𝑒𝑙 𝑏𝑒𝑛𝑑𝑎
dalam fungsi-fungsi matematika, fisika,
𝑗𝑎𝑟𝑎𝑘 𝑎𝑠𝑙𝑖 =
𝑖𝑛𝑖𝑠𝑎𝑖𝑙𝑖𝑠𝑎𝑠𝑖 𝑗𝑎𝑟𝑎𝑘 𝑝𝑎𝑑𝑎 𝑝𝑖𝑥𝑒𝑙∗𝑝𝑜𝑠𝑖𝑠𝑖 𝑝𝑖𝑥𝑒𝑙 𝑏𝑒𝑛𝑑𝑎
statistic dan visualisasi. Matlab
(2) dikembangkan oleh MathWorks, yang
𝑝𝑜𝑠𝑖𝑠𝑖 𝑝𝑖𝑥𝑒𝑙 𝑎𝑐𝑢𝑎𝑛 𝑡𝑒𝑟𝑑𝑒𝑘𝑎𝑡
pada awalnya dibuat untuk memberikan
Ket : kemudahan mengakses data matrik pada
Jarak asli : proyek LINPACK dan EISPACK. Saat
merupakan jarak actual yang kita cari ini matlab memiliki ratusan fungsi yang
Inisalisasi jarak pada piksel : dapat digunakan sebagai problem solver
merupakan inisailisasi jarak asli mulai dari simple sampai masalah-
berdasarkan jarak yang di ambil masalah yang kompleks dari berbagai
melalui percobaan real, disipllin ilmu [11].
Posisi piksel acuan : merupakan
3. Metode Penelitian
posisi piksel acuann terdekat
dengan posisi piksel benda 3.1 Tahapan Penelitian
Posisi piksel benda : merupakan Penelitian ini merupakan pengembangan dari
posisi benda pada gambar dengan ukuran penelitan-penelitian yang sudah ada sebelumnya.
piksel Pada penelitian ini akan digabungkan metode
Contoh : untuk deteksi lubang dan metode untuk
Ketika diketahui jarak benda pada mengestimasi jarak. Adapun tahapan – tahapan
gambar ialah 550 , untuk mengetahui yang akan dilakukan diperlihatkan pada gambar
jarak aslinya terlebih dahulu kita 4 :
5
bahan publikasi dan laporan akhir
sarjana.
6
pustaka (library research), metode specificity, precision dan accuracy yang
pengumpulan data lapangan (field dirumuskan sebagai berikut [16].
research) dan pembuatan aplikasi. 𝑡𝑝
𝑠𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑦 = (3)
𝑡𝑝+𝑓𝑛
𝑡𝑛
3.4 Perancagan Sistem 𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑡𝑦 = (4)
𝑡𝑛+𝑓𝑝
𝑡𝑝
𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 = (5)
𝑡𝑝+𝑓𝑝
𝑡𝑝+𝑡𝑛
𝑎𝑐𝑐𝑢𝑟𝑎𝑐𝑦 = (6)
Gambar III.2 Desain Sistem 𝑡𝑝+𝑡𝑛+𝑓𝑝+𝑓𝑛
Berdasarkan gambar III.2, maka tahap awal
yang dilakukan adalah melakukan input data Persamaan sensitivity, specifity,
berupa video lubang. Selanutnya lubang precision dan accuracy diperoleh
dalam video yang telah diinput dideteksi berdasarkan confusion matrix yang terdiri
menggunakan metode Thresholding dan Blob dari empat buah variable antara lain :
Analysis. Pada tahap ini akan dipisahkan 1. Tp atau true positive, merupakan
antara objek lubang dan bukan lubang. Tahap bounding box pada objek lubang atau
selanjutnya adalah menghitung estimasi jarak dengan kata lain objek tersebut
lubang menggunakan Pin hole model. terklasifikasi benar sebagai lubang;
Flowchart perancangan sistem 2. Fp atau false positive, merupakan
digambarkan seperti gambar III.3 bounding box pada objek selain lubang
atau dengan kata lain objek tersebut
terklasifikasi dengan salah sebagai
lubang.
3. Fn atau false negative, merupakan
objek lubang yang tidak di bounding
box atau dengan kata lian objek
tersebut terklasifikasi dengan benar
sebagai bukan lubang.
4. tn atau true negative, merupakan objek
selain lubang yang tidak di bounding
box atau dengan kata lian objek
tersebut terklasifikasi dengan benar
sebagai bukan lubang.
7
hasil yang relative lebih konsisten untuk Akurasi Presisi Specificity sensitivity
seluruh data input dibandingkan dengan
model dengan varian MSE yang besar. 88.91 90.19 86.34 90.76
8
1. Pendeteksian lubang pada suatu permukaan [3] J. G. m. p. e. w. Aravinda S. Rao, "A Vision-Based
dengan menggunakan mono kamera dapat System to Detect Pothole and Uneven Surfaces for
dilakukan dengan bantuan pengolahan citra, Assisting Blind People," IEEE ICC 2016, p. 6, 2016.
tahapan pendeteksian dimulai dari [4] i. B. Christian koch, "Pothole Detection in asphalt
pemecahan video menjadi frame-frame, pavement image," Elsevier, 2011.
melukan crop pada citra, resize, pemberian
ROI, grayscaling, thresholding , noise [5] anonim, "unikom," 2016. [Online]. Available:
cleaner dan diakhiri dengan BlobAnalysis, http://elib.unikom.ac.id/files/disk1/696/jbptunikompp-
gdl-titatjahya-34755-9-unikom_t-i.pdf. [Accessed 11 12
dengan melalui tahapan-tahapan di atas kita 2016].
dapat mendeteksi lubang pada suatu
permukaan dengan tingkat akurasi sebesar [6] Pengertian Menurut Para Ahli, "Pengertian Menurut
88.91 %. para Ahli," 20 mei 2017. [Online]. Available:
2. Pengestimasian jarak pada lubang dengan http://www.pengertianmenurutparaahli.net/pengertian-
estimasi/. [Accessed 16 Juli 2017].
menggunakan mono kamera dapat dilakukan
dengan metode pinhole model, metode ini [7] anonim, "Temukan pengertian," agustus 2013. [Online].
bekerja dengan cara menginisialisasi jarak Available:
asli ke titik pixel pada citra, perhitungan http://www.temukanpengertian.com/2013/08/pengertian
estimasi jarak menghasilkan MSE (Mean -pengolahan-citra-digital.html . [Accessed 22 Juni
2017].
Squared Error) sebesar 0.03582.
[8] Anonim, "Metode Algoritma," january 2016. [Online].
Available: http://www.metode-
5.2 Saran algoritma.com/2016/01/region-of-interest-roi.html .
[Accessed 29 Juni 2017].
Saran pengembangan dari sistem deteksi
dan estimasi jarak lubang menggunakan mono [9] S. Rahman, "Lectrurers Blog STT-Harapan Medan,"
kamera ini antara lain : Desember 2013. [Online]. Available:
1. Sebaiknya menambahkan fitur lain http://sayutirahman.stth-
selain warna untuk mendeteksi lubang, medan.ac.id/2013/12/thresholding.html. [Accessed 22
Juni 2017].
hal ini dikarenakan jika terdapat objek
lain selain lubang yang berwarna hitam [10] BASRI, "Metode Gaussian Mixture Models Untuk
memasuki area deteksi maka akan Optimalisasi Perhitungan Kendaraan Dalam Sistem
menyebabkan kesalahan deteksi. Transportasi Cerdas," Makassar, 2015.
2. Untuk estimasi jarak sebaiknya
[11] A.Firmansyah, "Dasar-dasar Pemrograman Matlab,"
membuat alat bantu khusus untuk
ilmukomputer.com, 2007.
menjepit kamera agar tidak terlalu
bergerak saat diguanakan, karena [12] M. B. R. K. S.Nienaber, "Detecting Potholes Using
tentunya hal ini sangat berpengaruh pada Simple Image Processing Techniques an Real-World
hasil estimasi jarak nantinya. Footage," SATC, pp. 153 - 164, 2015.
9
[16] Nurtanio, "Classifying cyst and tumor lesion using
support vector machine based on denta panoramic
images texture feature," makassar, 2013.
10