Skripsi - Isi
Skripsi - Isi
DAFTAR ISI........................................................................................................................ i
DAFTAR GAMBAR .......................................................................................................... ii
DAFTAR TABEL............................................................................................................... ii
................................................................................................................................. 1
PENDAHULUAN .............................................................................................................. 1
1.1. Latar Belakang .................................................................................................... 1
1.2. Tujuan Penelitian ................................................................................................ 1
1.3. Batasan Penelitian ............................................................................................... 1
1.4. Metode Penelitian ............................................................................................... 1
1.5. Sistematika Penulisan ......................................................................................... 2
................................................................................................................................. 3
SISTEM PENGENAL EMOSI PADA FOTO BERBASIS OPENCV DAN NEURAL
NETWORK......................................................................................................................... 3
2.1. Emosi .................................................................................................................. 3
2.2. OpenCV .............................................................................................................. 4
2.3. Citra Digital ........................................................................................................ 5
2.3.1. Jenis-jenis Citra Digital ............................................................................... 6
2.4. RGB Color Space ............................................................................................ 8
2.5. Thresholding ....................................................................................................... 9
2.6. Kontur ............................................................................................................... 10
2.7. Spesifikasi Sistem ............................................................................................. 11
............................................................................................................................... 12
PERANCANGAN PROTOTIPE SISTEM PENDETEKSI KANTUK ............................ 12
............................................................................................................................... 13
IMPLEMENTASI DAN ANALISIS SISTEM ................................................................. 13
............................................................................................................................... 14
KESIMPULAN ................................................................................................................. 14
DAFTAR REFERENSI .................................................................................................... 15
LAMPIRAN...................................................................................................................... 16
i
Universitas Indonesia
DAFTAR GAMBAR
No table of figures entries found.
No table of figures entries found.
DAFTAR TABEL
ii
Universitas Indonesia
PENDAHULUAN
1.1. Latar Belakang
Nanti ini diisi ya rifki. Okedeh
1
Universitas Indonesia
2
Uji coba dan analisis sistem untuk melakukan pengujian fungsi alat
berdasarkan parameter keberhasilan alat.
1. BAB 1: PENDAHULUAN
5. BAB 5: KESIMPULAN
Universitas Indonesia
3
2.1.Emosi
Kata emosi berasal dari bahasa latin, yaitu emovere, yang berarti bergerak
menjauh. Arti kata ini menyiratkan bahwa kecenderungan bertindak merupakan hal
mutlak dalam emosi. Menurut Daniel Goleman (2002 : 411) emosi merujuk pada
suatu perasaan dan pikiran yang khas, suatu keadaan biologis dan psikologis dan
serangkaian kecenderungan untuk bertindak. Emosi pada dasarnya adalah dorongan
untuk bertindak.
Biasanya emosi merupakan reaksi terhadap rangsangan dari luar dan dalam diri
individu. Sebagai contoh emosi gembira mendorong perubahan suasana hati
seseorang, sehingga secara fisiologi terlihat tertawa, emosi sedih mendorong
seseorang berperilaku menangis.
Emosi berkaitan dengan perubahan fisiologis dan berbagai pikiran. Jadi, emosi
merupakan salah satu aspek penting dalam kehidupan manusia, karena emosi dapat
merupakan motivator perilaku dalam arti meningkatkan, tapi juga dapat
mengganggu perilaku intensional manusia. (Prawitasari,1995)
Pengertian Emosi
Seperti yang telah diuraikan diatas, bahwa semua emosi menurut Goleman pada
dasarnya adalah dorongan untuk bertindak. Jadi berbagai macam emosi itu
mendorong individu untuk memberikan respon atau bertingkah laku terhadap
stimulus yang ada.
2.2. OpenCV
OpenCV atau Open Source Computer Vision Library merupakan sebuah
pustaka perangkat lunak yang dapat digunakan untuk mendukung berbagai aplikasi
computer vision secara real time[6]. OpenCV bersifat open source dan dapat
dioperasikan pada berbagai macam sistem operasi seperti Linux, Windows dan
MAC OS X.
Kemudian untuk pertama kalinya, OpenCV versi alpha dirilis secara terbuka pada
IEEE Conference on Computer Vision and Pattern Recognition tahun 2000. Sejak
saat itu, OpenCV berhasil merilis lima versi beta dalam kurun waktu 2001 sampai
2005. Kemudian versi 1.0 secara resmi dirilis pada tahun 2006 dan sampai saat ini,
versi terbaru dari OpenCV telah mencapai versi beta 3.0.
4. Warna. Warna sebagai persepsi yang ditangkap sistem visual terhadap panjang
gelombang cahaya yang dipantulkan oleh objek.
5. Bentuk (Shape). Shape adalah properti intrinsik dari objek 3 dimensi, dengan
pengertian bahwa bentuk merupakan properti intrinsik utama untuk sistem
visual manusia.
1. Citra Biner : Citra biner merupakan citra yang telah melalui proses
pemisahan piksel-piksel berdasarkan derajat keabuan yang dimiliki. Citra
biner adalah citra yang nilai tiap pikselnya hanya direpresentasikan dalam
satu bit. Citra biner hanya membutuhkan satu bit memori untuk menyimpan
warna hitam dan putih. Setiap piksel pada citra bernilai 0 untuk warna hitam
dan 1 untuk warna putih. Pembentukan citra biner memerlukan nilai batas
keabuan yang akan digunakan sebagai nilai patokan. Piksel dengan derajat
keabuan lebih besar dari nilai batas akan diberi nilai 1 dan sebaliknya piksel
dengan derajat keabuan lebih kecil dari nilai batas akan diberi nilai 0. Citra biner
sering sekali muncul sebagai hasil dari proses pengolahan, seperti segmentasi,
pengambangan, morfologi ataupun dithering. Fungsi dari binerisasi sendiri
adalah untuk mempermudah proses pengenalan pola, karena pola akan lebih
mudah terdeteksi pada citra yang mengandung lebih sedikit warna.
(2.1)
𝑅+𝐺+𝐵
𝑋= (2.2)
3
3. Citra Warna : Citra warna atau citra RGB, merupakan jenis citra yang
menampilkan warna dalam bentuk komponen R (red), G (green), dan B (blue).
Setiap komponen warna menggunakan 8 bit (nilainya berkisar antara 0 sampai
dengan 255). Dengan demikian, kemungkinan warna yang bisa ditampilkan
mencapai 255 x 255 x 255 atau 16.581.375 warna. Format ini dinamakan true
color karena memiliki jumlah warna yang cukup besar.
(2.4)
dimana S (λ) adalah spektrum cahaya, R (λ), G (λ) dan B (λ) adalah fungsi
sensitivitas untuk R, G dan B sensor masing-masing.
2.5.Thresholding
Thresholding adalah suatu proses yang digunakan untuk menghasilkan citra
biner yaitu citra dengan hanya dua warna, yaitu: hitam dan putih[16]. Dengan
menggunakan thresholding maka derajat keabuan bisa diubah sesuai keinginan,
Operator ini memilih piksel yang memiliki nilai tertentu, atau lingkup tertentu.
Proses ini dapat dilakukan apabila kita telah mengetahui brightness level (atau
contrast) dari gambar tersebut.
(2.11)
2. Local Adaptive Thresholding yaitu nilai threshold yang berbeda untuk setiap
piksel citra diperkirakan berdasar karakteristik lokal.
2.6.Kontur
Kontur dapat diartikan sebagai suatu garis yang menggabungkan semua titik
yang memiliki warna atau intensitas yang sama di sepanjang area batas suatu citra.
Pengertian lain menyebutkan bahwa kontur merupakan rangkaian piksel-piksel tepi
yang membentuk suatu batas daerah[17]. Di bidang pengolahan citra, metode
kontur melalui batas-batas daerah dapat digunakan untuk berbagai tujuan di
antaranya untuk analisis bentuk dan deteksi atau pengenalan objek. Gambar 2.7
menunjukkan bentuk dari kontur yaitu kontur tertutup dan kontur terbuka. Kontur
terbuka berupa batas daerah yang tidak membentuk sirkuit.
Kontur dapat dijelaskan hanya sebagai kurva yang menggabungkan semua titik
kontinyu (sepanjang batas), memiliki warna atau intensitas yang sama. Kontur
adalah keliling atau tepian terluar dari suatu objek dalam citra digital. Sejak
identifikasi tepian objek citra menjadi masalah krusial dalam analisis citra, ekstraksi
kontur menjadi hal yang paling penting dilakukan dalam identifikasi suatu citra
Manusia dapat mengidentifikasi dengan mudah berbagai macam objek hanya
dengan mengamati bentuk tepiannya. Representasi kontur suatu citra dapat
dilakukan dengan dua macam pendekatan, yaitu representasi secara konvensional
dan secara struktural. Dalam perhitungannya, representasi konvensional tetap
memperhitungkan bentuk keseluruhan objek. Sedangkan, representasi secara
struktural membagi keseluruhan kontur ke dalam beberapa segmen untuk dianalisis.
Kontur sendiri merupakan alat yang berguna untuk analisis bentuk dan deteksi dan
pengenalan objek[18]. Sebelum kontur digunakan, terlebih dahulu dilakukan
penyeleksian gambar, menggunakan threshold atau fungsi pendeteksian tepi. Pada
pustaka OpenCV, fungsi findContours() memodifikasi citra sumber, sehingga jika
11
gambar sumber masih dibutuhkan bahkan setelah menemukan kontur, citra sumber
perlu diduplikasi terlebih dahulu ke variabel lainnya.
Pada library OpenCV, menemukan kontur seperti mencari objek putih dari latar
belakang hitam, sehingga pada penggunaan fungsi kontur dari pustaka OpenCV
gambar harus terlebih dahulu berupa citra biner (gambar hanya terdiri atas warna
hitam dan putih). Fungsi findContours() sendiri membutuhkan 3 parameter, yang
pertama adalah citra sumber, kedua adalah mode pengambilan kontur, ketiga adalah
metode pendekatan kontur yang digunakan. Dari fungsi ini sendiri akan
menghasilkan tiga data olahan, yaitu gambar yang dimodifikasi, kontur dan
hierarki. “Kontur” yang dihasilkan disini sendiri merupakan data dari masing-
masing kontur. Setiap kontur individu adalah kumpulan koordinat titik (x, y) yang
pada pustaka numpy(numerical python) dari titik-titik batas objek. Untuk
menggambar kontur yang telah diperoleh, digunakan fungsi dari pustaka OpenCV
yaitu drawContours(). Fungsi ini membutuhkan 5 parameter, yaitu sumber citra,
daftar kontur dari citra tersebut, kontur yang ingin digambar, warna dari gambar
kontur yang digambar, dan ketebalan dari kontur yang digambar.
2.7.Spesifikasi Sistem
Adapun sistem ini telah terlebih dahulu dibuat spesifikasi mesin sebagai
berikut:
Pada bab ini akan membahas implementasi dan pengujian dengan alat..apa?
tentuin lah ya abis uts.
KESIMPULAN
Lorem Ipsum Dolor Sit Amet. Bentuknya pointer, nomor-nomor.
14
DAFTAR REFERENSI
[1] “Title” [Online]. Available: http://www.alamat.com [Accessed: 30-Feb-
2069].
[21] S. Iapa, N. Ama, and N. Ya, “Title,” in Proceedings - 2029 200th
International Forum on Strategic Technology, IFOST 2012, 2012, pp. 3–6.
15
LAMPIRAN
16
Universitas Indonesia