2Program
Magister Teknologi Informasi
Sekolah Tinggi Teknik Surabaya, Surabaya, Indonesia
4Teknik
Komputer, Fakultas Teknik
Universitas Maarif Hasyim Latif, Sidoarjo, Indonesia
e-mail : moch.hatta@dosen.umaha.ac.id
ABSTRAK
Proses diawali dengan mengubah citra RGB ke YCbYr kemudian dipilih kanal Cb sebagai deteksi warna
dan dilanjutkan dengan 3 proses lainnya terdiri dari : binerisasi dengan tujuan mengubah citra menjadi
hitam putih, filterisasi berguna untuk menghilangkan noise, segmentasi untuk mengambangkan obyek dan
hitung dimensi obyek terdiri dari nilai RV dan ∑ Piksel. Hasil proses deteksi dengan perhitungan dimensi
berupa merekomendasikan bahwa obyek berjenis Pisau atau Bukan Pisau.
1
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
akan diselundupkan ke dalam lapas. Gedung diwakili oleh satu titik. Dalam pengolahan citra
Mahkamah Konstitusi juga termasuk dalam area digital, hardware oriented model yang paling umum
yang steril oleh karena itu menggunakan mesin x- digunakan dalam prakteknya adalah model RGB
ray sebagai pelengkap pengamanan, seperti (red, green, blue) untuk monitor berwarna, model
pengamanan di bandar udara dan pengamanan YCBCR digunakan dalam video dan model HSV
pejabat tinggi seperti Presiden. (hue, saturation, value) yang berhubungan dengan
Tingkat akurasi mesin x-ray lebih tepat cara manusia menggambarkan dan menginter-
daripada menggunakan metal detector sehingga pretasikan warna (Sianipar, 2013).
pengunjung tidak perlu repot untuk membuka Sebuah ruang warna menggambarkan range
tasnya guna pemeriksaan. Karena objek amatan warna yang dapat ditangkap oleh kamera. Ruang
tidak saja berada diruangan namun bisa saja warna merupakan kumpulan dari kode-kode untuk
berada dilapangan oleh sebab itu mesin x-ray semua warna. Setiap piksel pada citra mempunyai
lapangan sebagai penunjang juga diperlukan sebuah warna yang dideskripsikan pada ruang
sehingga petugas dapat bekerja efektif dan efisien. warna tersebut sehingga ruang warna dapat
Dengan mesin x-ray lapangan, maka setiap orang digunakan untuk melabeli piksel. Ukuran dari
yang masuk melalui pelabuhan, khususnya di ruang warna tergantung pada jumlah komponen
Pelabuhan Gilimanuk bisa diawasi. dara warna utama. Seringkali manusia
menggambarkan warna benda dari sisi hue,
Teori Penunjang saturation, brightness. Brightness yang dipakai
Dalam komputer vision, deteksi tepi sebenarnya adalah ukuran intensity daricahaya
berperan didalam praprocessing dan segmentasi. akromatik. HSI (Hue Saturation Intensity) sangat
Asumsi dasar yang digunakan dalam komputer cocok untuk memanipulasi citra berdasarkan daya
vision adalah bahwa bagian tepi ditandai dengan tangkap warna pada pengindraan manusia.
nilai yang besar didalam intensitas, oleh karena itu
turunan pertama dari fungsi intensitas harus
maksimal atau turunan kedua harus memiliki
persimpangan yang bernilai nol, hal tersebut
merupakan dasar untuk merancang dasar teknik
deteksi tepi.
Segmentasi citra adalah proses membagi
sebuah gambar ke berbagai daerah sehingga setiap
daerah adalah homogen. Segmentasi untuk deteksi
tepi adalah salah satu teknik yang banyak
digunakan untuk segmentasi citra dengan
pendekatan, partisi atau sub-divisi dari suatu
gambar berdasarkan pada beberapa perubahan
mendadak pada tingkat intensitas gambar
(Khaparde, 2007). Mendeteksi tepi antara daerah
tingkat abu-abu (grey level) yang berbeda dapat Gambar 2. Model warna RGB
diterapkan untuk mendeteksi lebar berbagai tepi
tekstur, di mana dua daerah berbeda yang Secara lengkap gambaran dari model warna
berhubungan dengan nilai rata-rata beberapa RGB seperti yang tampak pada Gambar 2 Model
properti lokal. Memang, jika proses pertama suatu Warna RGB. Titik (0,0,0) berwarna hitam dan titik
gambar dengan menghitung nilai properti lokal (1,1,1) berwarna putih. Dan semua area diantara
pada setiap titik, hasilnya adalah gambar baru di warna hitam dan putih adalah abu-abu. Warna
daerah yang berbeda dalam gray level. Objek dalam hitam dan putih tidak dapat mengubah hue,
suatu gambar tidak dapat secara akurat terdeteksi sehingga daerah-daerah yang mempunyai tingkat
karena adanya noise, sehingga masing-masing putih dan hitam yang sama dikatakan mempunyai
operator deteksi tepi memiliki keunggulan dan hue yang sama. Jadi nilai-nilai hue, saturation, and
kecepatan proses. Sebuah deteksi tepi dapat intensitas yang dibutuhkan untuk membentuk
didefinisikan sebagai diskontinuitas lokal asalkan ruang HIS dapat diperoleh dari kubus RGB
nilai-nilai pixel yang melebihi ambang batas (Prasetyo, 2011).
tertentu. Tujuannya adalah untuk mengukur YcbCr dan Y’CbCr adalah pendekatan praktis
ukuran objek dalam gambar, untuk mengisolasi untuk pemrosesan warna dan keseragaman
objek tertentu dari latar belakang mereka, untuk persepsi, di mana warna primer yang sesuai kira-
mengenali atau mengklasifikasikan objek. kira menjadi merah, hijau dan biru di olah menjadi
Pemanfaatan pemodelan warna atau color informasi perseptual. Jadi dengan cara perseptual
system adalah untuk merepresentasi koordinat dan YcbCr bisa digunakan untuk memisahkan kanal
sub space didalam sistem dimana setiap warna luma (‘Y) yang dapat disimpan dengan resolusi
2
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
tinggi atau ditransmisikan pada bandwidth yang Pengenalan objek didasarkan pada
tinggi. Sedangkan dua komponen kroma (Cb dan penggunaan model geometri dari objek untuk
Cr) yang bandwidthnya lebih rendah diperlakukan menghitung variasi tampilan dari objek tersebut
secara terpisah untuk efisiensi sistem. terhadap sudut pandang dan perubahan
YCbCr bukan merupakan ruang warna pencahayaan. Pada objek 2D, proses pengenalan
absolut, melainkan cara pengkodean informasi objek menggunakan informasi tepi (edge) atau
RGB. Warna aktual ditampilkan tergantung pada batasan (boundary) yang bervariasi terhadap
primary RGB aktual yang digunakan untuk perubahan sudut pandang. Dalam penelitian ini
menampilkan sinyal. Oleh karena itu nilai YCbCr pengenalan objek dilakukan menggunakan
color space adalah dasar pada luminance dan informasi batasan dengan shape factor yang
chrominance yang diperoleh dari representasi RGB. mengindikasikan bentuk objek. Dengan
Segmen ruang YCbCr gambar menjadi luminositas memanfaatkan bentuk objek atau shape factor
sebuah komponen dan chrominance komponen. maka nilai kebulatan suatu objek (Roundness
Keuntungan utama adalah bahwa pengaruh Value) atau Round Value (RV).didapatkan dengan
luminositas dapat dihapus selama pemrosesan rumusan dari persamaan (4).
citra. Pemodelan warna yang digunakan oleh
sistem fotografi digital. Pemodelan warna YCbCr RV = ( 4 * pi * Area ) / Perimeter2 (4)
bukan pemodelan warna utama, namun dimana
merupakan cara pengkodean informasi RGB Area : jumlah piksel penyusun objek.
(NEHR, 2015). Perimeter : jarak sekitar tepi luar dari objek
Tranformasi RGB ke YCbCr dilakukan
dengan formulasi operasi matrik seperti pada dari Gambar 3 :
persamaan (1), (2) dan (3). A = Jumlah piksel baris ke 1 + baris ke 2 + ….+
baris ke 8
Y = 0,299R + 0,587G + 0,114B (1) = 4 +2 + 4 + 8 + 8 + 6 + 4
Cb = 0,16874R – 0,33126G + 0,5B = 44 piksel
Cr = 0,5R – 0,41869G + 0,08131B P = Jumlah piksel dari batas daerah
= 4+2+2+6+2+2+2+4
Dimana : = 24 piksel
4A 4.3,14.44 (5)
RV = 2 0,96
R = 1Y + 1,402Cr (2) P 2
24
G = 1Y – 0,34414Cb – 0,071414Cr
B = 1Y + 1,772Cb Berdasarkan rumus di atas bentuk lingkaran
sempurna mempunyai perbandingan terbesar
Persamaan (3) adalah hasil dari formulasi antara luas dan keliling dengan nilai Round Value 1,
konversi RGB-YCbCr dalam format lain dalam sedangkan bentuk kotak mempunyai nilai Round
bentuk matrik sebagai berikut : Value 0,78 dan sebuah benda tipis mempunyai
Round Value terendah mendekati angka 0. (NEHR,
Y 16 64,481 37,757 112 R (3) 2015)
Cb 128 128,553 74,203 93,786 G
Cr 128 24,996 112 18,214 B Citra X-Ray Logam
Dataset penelitian yang digunakan untuk
Nilai Kebulatan Objek penelitian adalah data yang diambil dari data
3
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
lapangan yaitu citra dari mesin x-ray bandara petugas dituntut untuk memutuskan apakah
Juanda Sidoarjo, mesin x-ray MK, mesin x-ray Lapas barang tersebut adalah termasuk benda yang
dan sumber Internet. Data penelitian yang dilarang.
digunakan berbentuk citra x-ray terdiri dari : citra Bag Complexity.: adalah jenis posisi objek bawaan
pisau, citra logam tajam bukan pisau (gergaji dan penumpang yang kompleks, misalnya objek yang
gunting), citra logam (kafi dan lempeng logam), dicampur dengan barang-barang yang jumlahnya
logam bulat dan citra bukan logam. banyak dan dalam jenis logam semua dan posisi
yang tidak beraturan sehingga petugas akan
kesulitan untuk mendeteksi objek.
Penelitian Adrian Schwaninger menemukan
bahwa kesalahan deteksi objek x-ray di bandara-
bandara dikarenakan petugas salah dalam
mengambil keputusan, sehingga sangat merugikan,
sebab akan membahayakan penerbangan.
Didasarkan penelitian yang dilakukan Adrian
Schwaninger, menemukan bahwa faktor manusia
Gambar 4. Citra x-ray logam dalam tas
yang menjadi penyebab kesalahan deteksi objek x-
Tampak Gambar 4 adalah hasil pindai mesin ray, untuk itu solusinya adalah disamping petugas
x-ray yang mampu menembus objek walaupun juga harus dibantu menggunakan sebuah
berada dalam Tas maupun tesembunyi. Citra x-ray pendeteksi yang mampu mendeteksi citra mesin x-
sangat membantu petugas, sehingga hanya dengan ray yang mengandung objek berbahaya. Objek
pengamatan monitor bisa tampak isi dari barang tersebut baik yang melekat ditubuh maupun
yang dimasukkan tas ataupun wadah lain tanpa berada
harus membongkarnya. Mesin x-ray disamping
membantu, namun juga membahayakan karena
memancarkan sinar-X, oleh karena itu mesin x-ray METODE PENELITIAN
hanya bersifat dinamis, yaitu hanya akan
ditembakkan apabila ada sebuah objek sehingga Penggunaan mesin x-ray yang ditemukan
tidak membahanyakan petugas. Karena sifatnya tahun 1895 oleh Wilhelm Konrad Roentgen
yang hanya mendeteksi objek sehingga gambar seorang ahli Fisika Jerman, karena kelebihannya
yang dihasilkan juga berbentuk file gambar, bukan maka banyak digunakan diberbagai bidang
berbentuk film. kegiatan mulai dari medis sampai pemanfaatan
Pengenalan barang terlarang pada penelitian pada bandara-bandara, yang berfungsi untuk
ini mengesampingkan aspek kelelahan fisik yang mendeteksi secara visual barang-barang bawaan
dapat terlewatnya tas penumpang yang berisi penumpang pesawat udara secara cepat tanpa
barang terlarang terlewatkan sehingga terbawa membongkar bawaanya.
kedalam kabin pesawat. Penelitian tentang
pentingnya kesiapan tenaga sekuriti di bagian Desain Sistem Penelitian
pengamatan x-ray yang dilakukan Adrian Proses deteksi pisau diawali dengan input
Schwaninger (2009) berjudul “Why do Airport dataset x-ray berupa citra digital barang bawaan,
Security Screeners Sometimes Fail in Convert Tests” dengan mengolah citra dari hasil pemindaian
menemukan bahwa dalam survey tertutup petugas mesin x-ray. Kekurangan pada proses pemindaian
keamanan bandara tidak mampu mendeteksi menggunakan mesin x-ray dimana barang
benda-benda bawaan penumpang yang dilarang berbahaya seperti pisau belum dapat diidentifikasi
masuk dalam pesawat. Kegagalan deteksi ini secara otomatis, dan hanya mengangandalkan
dikarenakan posisi barang bawaan penumpang kejelian dari pengamatan petugas. Dari permasa-
tidak dalam kondisi normal sehingga untuk lahan tersebut, pada penelitian ini dibuat sebuah
memutuskan secara cepat apakah barang tersebut perangkat lunak yang dapat mengidentifikasi pisau
dilarang apa tidak, posisi barang tersebut dari citra mesin x-ray.
digolongkan menjadi tiga bagian yaitu posisi : Proses awalnya adalah mengambil beberapa
ViewDifficulty adalah kenampakan barang yang sampel citra pisau dari mesin x-ray dengan
sulit karena pada posisi tampak depan atau tampak berbagai macam pisau dan posisi. Fungsi dari
dalam posisi miring. Namun dikarena kelelahan proses ini adalah untuk mencari fitur pisau
atau keengganan petugas untuk melihat posisi menggunakan perangkat lunak dengan metode
tampak samping, sehingga barang lolos dari color-based segmentation, secara detail
pantauan. digambarkan pada blok diagram pada Gambar 5
Superposition merupakan posisi objek yang menunjukkan diagram alir untuk mendapatkan
ditumpuki dengan benda lain sehingga tampilan fitur pisau atau barang berjenis tajam.
objek tidak sepenuhnya atau tidak utuh, sehingga
4
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
PREPROCESSING
Input Dataset Ambil Morphologi
- Opening
Citra x-ray Kanal Cb Gradient
- Closing
Morphologi
Gradient
Hitung Dimensi
Hasil deteksi
- RV Citra Biner
obyek
- Piksel
5
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
6
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
langsung seperti tampak pada Gambar 6 hasil uji 1 sampai Test-27, perhitungan dimensi (RV dan ∑
coba pada data yang belum melakukan Piksel), objek asli adalah objek sesungguhnya,
pembelajaran. Proses diawali dengan melakukan deteksi merupakan hasil dari pendeteksian aplikasi
perhitungan dimensi objek yang terdiri dari nilai dan kolom terakhir adalah scoring dengan cara jika
RV dan jumlah Piksel, setelah didapatkan hasil hasil Objek Asli dan Deteksi sama maka akan
ditampung dalam matrik [RV Piksel], selanjutnya mendapatkan Skor 1 kalau tidak cocok maka Skor
matrik diproses. Dan akan merekomendasikan 0.
hasil sebuah rekomendasi pengambilan keputusan Pengujian dilakukan untuk mendapatkan
berupa informasi apakah objek merupakan PISAU hasil apakah aplikasi bisa mengenali objek yang
atau BUKAN PISAU. akan diujikan pada data uji yang belum dilakukan
Antar muka penelitian ini menggunakan pelatihan sebelumnya. Tabel hasil penelitian terdiri
aplikasi MatLab berbasis GUI seperti terlihat dari 6 kolom dengan judul : Nama Citra berisi citra
Gambar 6 antar muka perangkat lunak pendeteksi yang diuji, Nilai RV, ∑ Piksel , Objek Asli adalah
pisau pada citra x-ray. Dalam proses deteksi semua objek nyata yang tampak, deteksi merupakan hasil
citra hasil pemindaian mesin x-ray dikonversi dari dari pendeteksian aplikasi dan kolom terakhir
citra RGB ke citra YCbYr, dan hanya memanfaatkan adalah Skor dengan cara jika hasil Objek Asli dan
kanal Cb saja. Aplikasi menolak ketika diujikan Deteksi sama maka akan mendapatkan Skor 1
pada foto manusia, namun juga tidak berhasil kalau tidak cocok maka Skor 0.
mendeteksi citra yang bukan berjenis kanal Cb Percobaan kedua dengan cara mengujikan
yang banyak beredar di internet. objek citra yang dicampur dari data yang sudah
pernah mendapatkan pelatihan dan objek yang
Data Uji Penelitian belum pernah mendapatkan pelatihan. Dari hasil
Data testing yang akan digunakan berupa pengamatan tentang hasil eksperimen dengan
data testing mentah atau yang masih dalam bentuk menggunakan rumusan berikut (Santoso, 2017)
citra yang berisi data-data yang sebelumnya sudah
pernah dihitung baik nilai RV maupun jumlah Akurasi Skor (6)
Piksel untuk data berjenis Pisau maupun yang Jumlah.Data.Penelitian
berjenis bukan Pisau juga disertakan data baru
25
100%
yang sebelumnya belum pernah sama sekali 26
dilakukan perhitungan sehingga belum diketahui 96%
baik nilai RV maupun jumlah Pikselnya. Tampak
pada Tabel 1 adalah data Uji yang diambil dari data Persamaan (3) adalah hasil perhitungan,
latih kelas Pisau dan data uji kelas Non Pisau. dari 26 kali pengujian dengan data testing
Masing-masing baris data (record) diberinama Uji, didapatkan hasil 1 kali kegagalan yaitu objek yang
mulai Uji-1 sampai Uji-15. Disamping data yang diujikan adalah tas yang berisi barang-barang dan
sudah pernah dilatih juga menggunakan data yang sebuah sendok makan yang disimpan dalam tas
belum pernah dilatih karena bentuknya berupa punggung, tetapi oleh aplikasi dianggap sebagai
citra dari objek yang menjadi bahan penelitian. pisau.
Hasil Eksperimen
Hasil uji coba menggunakan Aplikasi Deteksi
yang diujikan pada data testing yang belum
ditabelkan. Dataset diambil dari training baik data
training pisau maupun non pisau menggunakan
dataset berjumlah 27 Citra. Citra diberi nama Test-
7
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
8
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
Study. Whitepaper Access Control, Santoso, A., Arif, I., & Hatta, M. (2016).
Technology sec watch, Whitepaper. PEMBELAJARAN SUPERVISED SVM UNTUK
NEHR. (2015). Northern Eclipse Help Reference, IDENTIFIKASI OBYEK PISAU PADA MESIN
Object Parameter, Morphometric & X-RAY BANDARA JUANDA. Nusantara
Densitometric Parameter. Journal of Computers and its
http://www.empix.com/NE%20HELP/funct Applications, 1(1), 19-26.
ions/glossary/morphometric_param.htm, Schwaninger, A. (2009, October). Why do airport
15 Juni 2015. security screeners sometimes fail in covert
Prasetyo, E. (2011). Pengolahan Citra Digital dan tests?. In Security Technology, 2009. 43rd
Aplikasinya Menggunakan Matlab. Annual 2009 International Carnahan
Yogyakarta: Andi. Conference on (pp. 41-45). IEEE.
Santoso, A. (2016). Deteksi Obyek Pisau Pada Citra Sianipar, R. H., Mangiri, H. S., & Wiryajati, L. K.
X-Ray Menggunakan Metode Deteksi Tepi (2013). MATLAB untuk Pemrosesan Citra
Laplacian of Gaussian. (Tesis, Sekolah Tinggi Digital.
Teknik Surabaya).
9
A Santoso, dkk / Teknika, Vol. 1, No.1, Juni 2017, 1-10
10