net/publication/318618701
CITATIONS READS
0 315
3 authors, including:
Muhammad Rivai
Institut Teknologi Sepuluh Nopember
107 PUBLICATIONS 106 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Design of electronic nose system using gas chromatography principle and Surface Acoustic Wave sensor View project
All content following this page was uploaded by Muhammad Rivai on 22 July 2017.
Abstrak— Air conditioner (AC) merupakan suatu perangkat ruangan serta mampu meningkatkan penghematan listrik. Pada
yang paling banyak digunakan sebagai pendingin ruangan. penelitian ini telah dirancang sebuah sistem yang dapat
Walaupun AC saat ini sudah menggunakan teknologi hemat mengidentifikasi jumlah orang dan tingkat aktivitas. Sistem ini
energi, namun apabila tidak digunakan dengan baik maka diharapkan dapat menghitung jumlah orang dan tingkat
penggunaan AC hanya menjadi suatu pemborosan listrik saja.
aktivitas, sehingga dapat digunakan sebagai acuan remote
Untuk mengurangi pemborosan listrik pada AC, maka
pengaturan suhu harus disesuaikan dengan kondisi ruangan.
control AC dalam menentukan suhu ruangan. Sistem
Beberapa faktor yang mempengaruhi kondisi ruangan antara lain identifikasi ini dilengkapi dengan kamera sebagai perangkat
adalah jumlah orang serta tingkat aktivitas dalam ruangan. pengambilan citra yang kemudian diproses untuk mendapatkan
Sebagai upaya penghematan konsumsi listrik pada AC, maka data jumlah orang dan tingkat aktivitas. Raspberry Pi 3
dalam penelitian ini dilakukan rancang bangun suatu sistem digunakan sebagai perangkat pemroses citra.
identifikasi jumlah orang dan tingkat aktivitas. Pada sistem ini
digunakan kamera USB sebagai perangkat pengambil citra. Pada II. TEORI PENUNJANG
pengolahan citra menggunakan metode Histogram of Oriented
Gradient (HOG) sebagai penghitung jumlah orang, sedangkan A. Histogram of Oriented Gradient
metode background subtraction digunakan sebagai penghitung
tingkat aktivitas. Sistem ini diimplementasikan ke dalam Pada desain penelitian ini digunakan metode Histogram of
Raspberry Pi 3 sebagai mikrokontroler. Hasil pengujian Oriented Gradient (HOG) sebagai metode object detection.
menunjukkan bahwa sistem dapat mendeteksi orang dari jarak 3 Metode HOG merupakan metode feature based yang melihat
m sampai 9 m dan membedakan 2 orang dengan jarak antara 30 tampilan lokal dan bentuk objek pada citra berupa intensitas
cm sampai 150 cm. Sistem juga dapat membedakan tingkat distribusi gradien atau arah kontur [2]. Metode ini
aktivitas sedikit, sedang dan tinggi. menggunakan database berupa histogram yang berisi
kumpulan nilai gradien pada sebaran orientasi tertentu. Citra
Kata Kunci— Background Subtraction; Histogram of Oriented yang diperoleh kamera diubah menjadi grayscale kemudian
Gradient; Jumlah orang; Tingkat aktivitas.
dinormalisasi kecerahannya serta melalui proses koreksi
gamma. Algoritma HOG dapat disederhanakan menjadi 3
I. PENDAHULUAN tahapan. Tahapan tersebut yaitu: komputasi gradien,
pengelompokan orientasi, dan pembuatan blok deskriptor [3].
P ERMASALAHAN seperti perubahan iklim, pencemaran
air, udara, dan tanah, krisis air, energi, dan sumber daya
alam, serta berkurangnya lahan hijau saat ini menjadi isu
1) Komputasi Gradien
Citra yang telah diubah menjadi grayscale diturunkan
lingkungan global yang merupakan masalah nyata. Institut dengan mengkonvolusikan citra dengan matriks:
Teknologi Sepuluh Nopember (ITS) berkomitmen untuk
berperan aktif dalam pengembangan ilmu dan teknologi serta (1)
penerapan gaya hidup yang berwawasan lingkungan dan
berbasis eco-campus [1]. Setelah mendapatkan turunan x dan y (IX dan IY), kemudian
Penggunaan listrik yang tidak efektif ini dikarenakan nilai besaran dan orientasi vektor tersebut dihitung:
pemakaian perangkat elektronik secara tidak wajar. Salah satu
perangkat elektronik yang sering digunakan secara tidak wajar (2)
adalah air conditioner (AC). Penggunaan AC yang tidak wajar Perlu diperhatikan bahwa orientasi θ harus dalam rentang
terjadi antara lain, ketika AC yang dinyalakan walaupun tidak [0°, 360°], karena dalam implementasi ini nilai orientasi harus
ada kegiatan di dalam ruangan, pengaturan suhu yang kurang bernilai positif. Hasil komputasi gradien pada citra dapat
tepat, dan AC dipasang pada ruangan yang tidak cocok dengan dilihat pada Gambar 1.
desain AC. AC akan bekerja terus bekerja semaksimal 2) Pengelompokan Orientasi
mungkin, walaupun efek pendinginan tidak dapat dirasakan. Tahap berikutnya adalah pembuatan histogram pada tiap sel
Hal ini hanya menjadi suatu tindakan pemborosan listrik saja. yang akan digunakan untuk membuat blok deskriptor. Citra
Melihat kondisi seperti ini, dibutuhkan suatu sistem otomasi dibagi menjadi sel-sel berukuran 8x8 piksel. Gradien piksel
untuk mengatur AC. Sistem otomasi yang dirancang dituntut tiap sel dikelompokkan berdasarkan orientasi. Gradien piksel
untuk fleksibel dan mementingkan kenyamanan pengguna
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) A-111
tiap sel dibagi menjadi 9 kelompok dalam rentang 0° sampai Deskriptor hasil normalisasi tersebut disebut dengan
180° [2], [3]. Kemudian besaran gradien piksel akan deskriptor HOG yang berupa vektor 1-D dengan ukuran
dijumlahkan pada setiap kelompok. sebesar jumlah blok pada citra×jumlah sel pada citra×9 [2].
λ
abs T
I(t)
DELAY
B(t-1)
Proses deskriptor HOG pada setiap blok yang ada pada citra
Gambar 1. Visualisasi hasil komputasi besaran dan orientasi gradien [3] kemudian digunakan sebagai acuan proses object detection.
B. Background Subtraction
3) Blok Deskriptor
Proses normalisasi untuk membuat blok deskriptor diawali Tujuan utama dari background subtraction adalah untuk
dengan pengelompokan sel-sel menjadi blok. Setiap blok mendeteksi semua objek foreground dengan mengambil frame
berukuran 2x2 sel dan setiap sel berukuran 8x8 piksel. Blok secara berurutan dari sebuah kamera tetap. Pendekatan paling
yang berdekatan menindih sebagian blok lain yang berdekatan sederhana adalah dengan mengurangkan citra frame dengan
[2]. citra background yang statis. Pendekatan ini memerlukan
Pada citra lokal terdapat kontras yang kompleks antara sebuah citra background yang statis, dimana citra tersebut
foreground, background dan pencahayaan, sehingga rentang dapat merepresentasikan latar belakang dari objek foreground
nilai gradien sangat besar dan gradien lokal memerlukan suatu citra frame. Citra background tidak selalu tetap, tetapi
standardisasi yang efektif. Terdapat berbagai macam metode mampu beradaptasi dengan berbagai perubahan, seperti
standardisasi dimana prinsip dasarnya adalah dengan kecerahan, getaran pada kamera, dan perubahan geometri
menggabungkan sel-sel menjadi ruangan yang lebih besar dan background.
menstandardisasi setiap blok. Karena setiap blok merupakan Selain menggunakan citra background statis, proses
hasil sampling data yang padat, maka akan terjadi banyak background subtraction dapat dilakukan dengan
hallmark yang dihitung berulang kali di blok yang berbeda. mengurangkan frame terbaru dengan frame sebelumnya.
Walaupun terdapat data yang sangat banyak, metode yang Kemudian hasil pengurangan tersebut di threshold untuk
menggunakan blok yang saling menindih dan penghitungan mengidentifikasi objek foreground. Metode ini lebih mudah
fitur yang terstandardisasi dapat meningkatkan hasil klasifikasi digunakan dan lebih adaptif. Metode ini memerlukan dua
[4]. frame yang diambil secara berurutan dengan waktu delay
Asumsikan bahwa adalah vektor tanpa normalisasi, tertentu. Objek yang diam akan dianggap sebagai background,
adalah vektor hasil normalisasi dengan metode sedangkan objek yang bergerak akan terdeteksi. Gambaran
dimana K = 1, 2. adalah konstanta normalisasi yang kecil proses background subtraction dengan 2 frame dapat dilihat di
untuk menghindari pembagi nol. Terdapat 4 macam metode Gambar 2.
normalisasi: C. Sensor Passive Infrared
Metode L2-Norm: Sensor Passive Infrared (PIR) adalah sensor elektronik yang
mengukur cahaya inframerah yang diradiasikan oleh suatu
(3) objek yang melewati daerah deteksi sensor, ditunjukkan pada
Gambar 3 Tujuan dari sensor PIR adalah mendeteksi gerakan
Metode L1-Norm: dalam suatu daerah tertentu. Sensor ini memiliki 2 bagian yang
(4) sensitif terhadap inframerah. Karena pergerakan yang
dideteksi, maka sinyal yang dihasilkan oleh sensor
Metode L1-Sqrt: mencerminkan perbedaan nilai inframerah antara kedua
(5) bagian. Jika kedua bagian menangkap jumlah inframerah yang
sama, maka sensor tidak mendeteksi apapun. Tetapi jika satu
bagian membaca jumlah inframerah yang lebih atau kurang
Metode L2-Hys adalah metode L2-Norm yang dinormalisasi dari yang lain, maka sensor mendeteksi suatu gerakan dan
kembali ketika bernilai maksimum 0.2 [4]. tegangan output berubah.
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) A-112
Proses penghitungan aktivitas diawali dengan mencari dengan nol. Nilai penghitungan ini disimpan pada variabel
kontur pada citra selisih yang telah di threshold. Setelah zero people frame. Penghitungan dilakukan terus sampai
daerah-daerah kontur ditemukan, maka luasan daerah-daerah variabel zero people frame sama dengan nilai frame delay.
tersebut dihitung. Apabila luasan daerah tersebut di bawah Rangkaian Reset
Raspberry Pi
nilai tertentu, maka pada daerah tersebut dinyatakan tidak ada
gerakan atau aktivitas. Apabila luasan daerah tersebut di atas
nilai tertentu, maka pada daerah tersebut dinyatakan terdapat
gerakan atau aktivitas. Kemudian daerah-daerah yang terdapat Kamera USB
LCD 20×4
aktivitas dihitung sebagai output identifikasi tingkat aktivitas. Raspberry Pi
SCR TR1 sehingga kapasitor C1 mengeluarkan muatannya ke 5V POWER, dan V0 dihubungkan ke pin 2 potensiometer.
relay RY2. Hal ini mengakibatkan perubahan pada relay RY2 Potensiometer bernilai 5KΩ.
yang semula Normally Opened menjadi closed dan
Tabel 2.
menghubungsingkatkan pin RUN Raspberry Pi. Ketika seluruh
Hasil pengujian sesor PIR tanpa halangan
muatan kapasitor C1 dikeluarkan ke relay RY2, SCR TR1 Jarak dari sensor (m) Keterangan
akan berhenti konduksi dan menghalangi arus menuju relay 1 Terdeteksi
RY2. 2 Terdeteksi
3 Terdeteksi
4 Terdeteksi
5 Terdeteksi
6 Terdeteksi
7 Terdeteksi
8 Terdeteksi