The 6th Indonesian Symposium on Robot Soccer Competition 2018 – July 10th , 2018

Implementasi Kontrol Pan dan Tilt Kamera

untuk Menentukan Sudut Bola pada Humanoid
Robot Soccer
Eki Faqih Akbaruddin(5), Faqih Dinulloh Nurul Anam(6), Silvia Ramadhani(8), Ariadie Chandra
Nugraha
Universitas Negeri Yogyakarta
Kampus Karangmalang, Jl. Colombo No 1 Yogyakarta
(1)
lukas.septa2016@student.uny.ac.id

Abstract––.The difficulty of ball detection for humanoid
robot soccer is noise, light intensity, white lines and shapes.
Therefore, in order to get a better accuration, it needs to
develop the detection method based on image processing.
The alternative detection method that is seen accurately
with Hough Circle, Contours and Convex Hull Algorithm.
This journal will be explained abaout combination of the
three methods. The algorithm is tested in Humanoid Robot
Soccer with the rule of KRSBI Humanoid Indonesia 2018.
Generally, the combination of implementation of the
three algorithms can detect the white ball with a minimum
error result.
Keyword : OpenCV, Hough Circle, Contours, Convex Hull,
Robot
I. PENDAHULUAN
Penggunaan teknologi untuk membantu
menyelesaikan pekerjaan merupakan hal yang
menjadi keharusan dalam kehidupan di era
teknologi masa kini. Kemajuan Teknologi khususnya
dibidang Robotika membawa perubahan yang cukup
signifikan. Hal tersebut dapat dilihat dengan
adanya peralatan yang diciptakan untuk
membantu memudahkan pekerjaan manusia
dalam .
Prinsip dasar pendeteksian bola pada robot
humanoid soccer yakni dengan menggunakan
pencitraan kamera. OpenCV merupakan sebuah API
(Application Programming Interface) library yang
sudah sangat familiar pada Pengolahan Citra Computer
Vision yang dapat digunakan dalam bahasa
pemrograman C, C# atapun C++, yang di desain
sebagai aplikasi real-time yang memiliki fungsi-fungsi
akuisisi yang baik untuk image ataupun video.
OpenCV sebagai Inovasi yang lebih baik akan
membantu humanoid robot soccer untuk
mengoptimalkan performa dalam mencetak gol di
lapangan. Oleh karena itu, diperlukan metode yang
akurat untuk mendeteksi dan mengenali bola pada
humanoid robot soccer. Terdapat berbagai macam
metode yang ada dan support bagi library OpenCV
dalam berbagai macam bahasa pemrograman.
Sehingga diperlukan kejelian dalam pemilihan metode
dalam melakukan filterisasi pendeteksian dan
pengenalan bola.
Tujuan dari pembuatan paper ini adalah untuk
membahas bagaimana tingkat keakuratan pendeteksian
bola melalui penggunaan metode pada sistem
pencitraan kamera. Penggunaan metode ini dapat
menentukan algoritma program robot, sehingga
humanoid robot soccer dapat melakukan pendeteksian
bola secara lebih optimal.
II. METODE
Sistem perancangan yang digunakan pada
robot Al-‘Aadiyaat merupakan sebuah sistem yang
dibuat dengan tujuan untuk mengendalikan robot
dalam menyelesaikan misi perlombaan sepak bola pada
Kontes Robot Sepak Bola Indonesia. Secara umum
sistem yang dirancang terdiri sebagai berikut :
A. SISTEM KONTROL
Susunan bagian komponen yang berfungsi
sebagai sistem kontrol yang ada pada robot Al-
‘Aadiyaat ditunjukkan pada gambar 1.

Universitas Dian Nuswantoro Semarang, Indonesia

 The 6th Indonesian Symposium on Robot Soccer Competition 2018 – July 10th , 2018
Gambar. 1 Diagram Sistem Kontrol Robot.
Berdasarkan Gambar. 1, Diagram Sistem
Kontrol Robot tersebut menjelaskan bahwa, robot
mengenali bola melalui kamera, kemudian gambar dari
kamera tersebut diolah dan dikirimkan pada MINI-PC
didalam MINI-PC gambar tersebut di proses dan diolah
menggunakan Library OpenCV sehingga didapatkan
hasil algoritma bola putih yang dapat terdeteksi. Hasil
algoritma yang telah diolah di MINI-PC tersebut
kemudian diteruskan ke Controller untuk
menggerakkan motor servo pada robot sehingga robot
melakukan gerakan yang dikehendaki.
B. SISTEM NAVIGASI
Sistem navigasi pada robot ini menggunakan
sensor kamera yang berfungsi menyerupai indera
penglihatan manusia untuk mendeteksi benda
berdasarkan warna dan bentuk. Kamera yang
digunakan dalam robot ini adalah webcam dengan seri
Logitech C525. Webcam keluaran Logitech ini hadir
dengan dukungan video High Definition full HD 720P
layar lebar untuk panggilan video. Webcam ini
dilengkapi dengan lensa tajam buatan Carl Zeiss-
Tessar dengan fungsi fokus otomatis. Dengan adanya
fungsi ini, penglihatan robot akan lebih jernih sehingga
dapat membedakan objek dengan lebih baik.
Pada sistem navigasi robot, bola didefinisikan
sebagai benda dengan warna dan bentuk tertentu,
dengan algoritma khusus, maka robot akan terus
mencari kesegala arah, apabila belum mendeteksi
keberadaan bola putih. Setelah bola terdeteksi,
selanjutnya robot akan mendekati bola, mengarahkan
bola, kemudian menendangnya ke arah gawang lawan.
Sistem navigasi robot Al-‘Aadiyaat dapat disajikan
dalam bentuk diagram dibawah ini.
Universitas Dian Nuswantoro Semarang, Indonesia
Gambar. 2 Sistem Navigasi Pengenalan dan
Pendeteksian Bola Putih.
OpenCV
OpenCV adalah sebuah open source library
untuk computer vision yang dibuat dengan
menggunakan bahasa pemrograman C, C# ataupun
C++ yang dapat dijalankan di berbagai sistem operasi
mulai dari Linux, Windows dan Mac OS X. Arsitektur
dan manajemen memori yang dimiliki oleh OpenCV
memungkinkan untuk menjalankan proses dan
perhitungan yang kompleks dengan sumberdaya yang
terbatas sehingga memberi keleluasaan bagi
penggunanya untuk membangun algoritma pengolahan
citra baik itu dengan menggunakan masukkan berupa
gambar ataupun video tanpa harus khawatir dengan
proses alokasi dan dealokasi memori.[1]
Ruang Warna RGB
Ruang warna RGB (Red, Green dan Blue)
merupakan kombinasi dari warna primer yaitu merah,
hijau dan biru, yang biasa digunakan oleh monitor
komputer atau televisi. Warna yang dihasilkan berasal
dari kombinasi tiga warna dan masing – masing
memiliki nilai 8 bit merah, 8 bit hijau dan 8 bit biru.
Campuran ketiga warna primer tersebut dengan
proporsi seimbang akan menghasilkan nuansa warna
kelabu. Sedangkan, jika ketiga warna ini disaturasikan
penuh akan menghasilkan warna putih (Pratt, 2007). [2]
Ruang Warna HSV
Model HSV terdiri dari tiga komponen warna
yaitu hue, saturation dan value yang dapat
membedakan value dari hue dan saturation. Hue
mewakili gradasi dari warna dalam spektrum optik atau
spektrum cahaya yang dapat dilihat. Saturation
merupakan intensitas dari hue tertentu yang
berdasarkan pada kemurnian sebuah warna.
Kepraktisan dari model HSV dapat dilihat berdasarkan
dua faktor yaitu value yang terpisah dari warna citra,
dan hue dan saturation berhubungan dengan
penglihatan manusia sehingga untuk membuat sistem
berbasis visi manusia, model HSV adalah metode yang
ideal. (R.C Gonzales dan R.E Woods, 1992). [3]
Komponen chroma (hue dan saturation), dan
komponen luminance (value) dari model warna HSV
ditentukan dengan gambar RGB sebagaimana yang
ditunjukkan pada Gambar. 3, yang terdiri dari tiga
 The 6th Indonesian Symposium on Robot Soccer Competition 2018 – July 10th , 2018
warna utama yaitu merah (red), hijau (green), dan biru
(blue) yang berada dalam lingkaran kromatik. Hue atau
H adalah sudut vektor yang sesuai dengan axis merah.
Ketika H = 0°, maka warna yang dihasilkan adalah
merah. Saturation atau S adalah derajat warna yang
belum ditambahkan dengan putih. Jarak dari lokasi
hingga ke titik tengah sebanding dengan Saturation.
Semakin jauh jaraknya dari pusat lingkaran kromatik,
semakin tinggi pula saturation. Value atau V diukur
dengan garis yang tegak lurus terhadap lingkaran
kromatik dan melewati pusat lingkaran. (W. Z Chen,
2011). [3]
Gambar 3. Model Warna HSV (W. Z Chen, 2011).
Binerisasi Citra
Pada proses binerisasi, file citra digital
dikonversi menjadi sebuah citra biner yang hanya
memiliki dua nilai derajat keabuan, yaitu hitam dan
putih. Pixel-pixel objek bernilai satu dan pixel-pixel
latar belakang bernilai nol. Pada gambar akan
ditampilkan bahwa nol merupakan putih dan satu
merupakan hitam. Sehingga pada citra biner, latar
belakang akan didapatkan berwarna putih sedangkan
objek berwarna hitam. [4]
Hough Transform
Hough Transform telah dikenal sebagai
sebuah treatment yang kuat untuk pendeteksian bentuk
kurva-kurva yang bersifat parametrik di dalam citra.
Circle Hough Transform didesain untuk menemukan
lingkaran-lingkaran yang terbentuk oleh sebuah titik
pusat (x0 , y0) dan sebuah radius r. Dalam menentukan
sebuah lingkaran, sangat penting untuk
mengakumulasi nilai – nilai parameter pada tiga ruang
dimensi (x0 , y0, r). [5]
Contour
Kontur (contour) dapat didefinisikan sebagai
suatu keadaan yang terjadi karena adanya perubahan
intensitas pada piksel-piksel yang bertetangga. Dengan
adanya perubahan intensitas ini, maka titik-titik tepi
(edge) pada citra dapat terdeteksi. Kontur juga dapat
didefinisikan sebagai urutan titik yang dapat
menguraikan bentuk atau region.[6]
Convex Hull
Convex hull adalah suatu himpunan yang
terdiri dari beberapa titik dimana sebagaian dari titik
tersebut akan terhubung membentuk sebuah garis yang
Universitas Dian Nuswantoro Semarang, Indonesia
melingkupi semua. Convex Hull mampu meng-cover
semua himpunan titik dengan jumlah garis yang paling
minimal. Convex hull digambarkan secara sederhana
dalam sebuah bidang sebagai pencarian subset dari
himpunan titik pada bidang tersebut, sehingga jika
titik-titik tersebut dijadikan poligon maka akan
membentuk poligon yang konveks. Suatu poligon
dikatakan konveks jika garis yang menghubungkan
antar kedua titik dalam poligon tersebut tidak
memotong garis batas dari poligon.[6]
Berdasarkan peraturan KRSBI Humanoid
dengan mengacu kepada RoboCup Soccer Humanoid
League, dengan tingkat kesulitan yang bertambah sulit
dari tahun ke tahun. Hal tersebut mendorong peserta
KRSBI untuk semakin giat dalam menghadirkan
pengembangan inovasi yang baru dan lebih baik pada
robot humanoid soccer khususnya dalam pendeteksian
bola yang dari sebelumnya berwarna orange, menjadi
berwarna putih. Pada peraturan beberapa tahun
sebelumnya pendeteksian dilakukan terhadap bola
berwarna orange yang dapat dideteksi dengan
melakukan pengenalan warna dan bentuk lingkaran
saja akan tetapi pada peraturan tahun ini, diwajibkan
untuk melakukan deteksi terhadap bola putih yang
menjadikan tantangan tersendiri bagi peserta untuk
mendeteksi tidak hanya warna saja, akan tetapi, bentuk
maupun ciri khusus bola putih menjadikan tantangan
tersendiri dalam kompetisi ini.
Berdasarkan Gambar. 2, pada pendeteksian
bola putih, diawali dengan pengambilan gambar dari
kamera. Apabila sistem telah mendeteksi objek,
selanjutnya gambar objek yang terdeteksi
dikonversikan dari warna RGB menjadi HSV. Setelah
dihasilkan konversi image dalam warna HSV,
dilanjutkan dengan proses color filtering dengan
binerisasi, yakni mengubah warna gambar dalam
bentuk biner, sehingga gambar yang dihasilkan hanya
memiliki dua warna saja, yakni hitam dan putih.
Dengan dilanjutkan eliminasi warna selain warna hijau.
Pada proses inilah, bola putih dapat dikenali.
Selanjutnya, agar kamera mengenali bentuk dan ciri
bola, maka dilakukan konversi warna RGB menjadi
HSV dan dilanjutkan dengan color filtering. Filterisasi
menggunakan metode Hough Circle, Contour, dan
Convex Hull juga dilakukan setelah proses tersebut
sehingga bola dapat terdeteksi sesuai ciri dan bentuk
yang diharapkan.
III. HASIL DAN DISKUSI
Pada tahap ini, Percobaan perlu dilakukan
untuk mendapatkan hasil dan analisa apakah dengan
dengan menggunakan metode OpenCV pada citra
kamera dapat mengenali dan mendeteksi bola putih
sesuai dengan yang diharapkan.
 The 6th Indonesian Symposium on Robot Soccer Competition 2018 – July 10th , 2018
Percobaan ke-1
Gambar. 4 Percobaan pertama
Pada percobaan pertama, diberikan metode
contour dan hough circle dengan sebuah bola putih
yang diletakkan di sembarang tempat. Pada percobaan
ini dapat dianalisa bahwa bola dapat di deteksi dan
dikenali oleh camera pada robot.
Percobaan ke-2
Gambar. 5 Percobaan ke-dua
Pada percobaan ke-dua, diberikan metode
contour dan hough circle pada syntax program dengan
bola putih yang diletakkan tepat didepan kamera
dengan diberi objek tambahan sebagai noise yang
menyerupai warna bola tersebut sehingga dapat
dianalisa bahwa bola dapat terdeteksi dan dikenali
meskipun terdapat objek yang berwarna putih di sekitar
bola.
Percobaan ke-3
Gambar. 6 Percobaan ke-tiga
Pada percobaan ke-tiga, diberikan tambahan
metode convex hull pada syntax program dengan bola
putih yang ditempatkan disembarang tempat di luar
lapangan berwarna hijau. Berdasarkan percobaan ke-
tiga ini, dapat dianalisa bahwa bola tidak dapat
terdeteksi apabila tidak berada di dalam lapangan
berwarna hijau.
IV. KESIMPULAN
Berdasarkan hasil percobaan dengan
menggunakan beberapa metode dalam pengolahan
citra, maka penggunaan treatment atau metode
segmentasi objek dengan Contour dan Hough Circle
pada robot dapat mendeteksi bola putih. Akan tetapi,
dengan adanya penambahan metode Convex Hull
dihasilkan deteksi bola putih yang lebih akurat dengan
ciri, bola putih yang berada di luar lapangan berwarna
Universitas Dian Nuswantoro Semarang, Indonesia
hijau tidak akan terdeteksi oleh kamera, sedangkan
bola putih yang terdapat di dalam lapangan berwarna
hijau dapat terdeteksi dengan baik. Oleh karena itu,
dapat disimpulkan bahwa, penggunaan ketiga metode
tersebut terbukti dapat meningkatkan keakuratan
pendeteksian bola putih dalam pertandingan KRSBI
humanoid yang mengacu pada peraturan KRSBI
Humanoid 2018.
V. DAFTAR PUSTAKA
[1] A. Antonius D. Triyanto dan I. Ruslianto.
“Penerapan Pengolahan Citra Dengan Metode
Adaptive Motion Detection Algorithm Pada
Sistem Kamera Keamanan Dengan Push
Notification Ke Smartphone Android,” Jurnal
Coding Sistem Komputer Untan. 2015. 03(2):
54-65
[2] Rulaningtyas R, Suksmono AB, Mengko
TLR, Saptawati GAP. Segmentasi Citra
Berwarna dengan Menggunakan Metode
Clustering Berbasis Patch untuk Identifikasi
Mycobacterium Tuberculosis. 2015.
[3] Muqtadir A. Pengendali Fungsi Pointer
Berbasis Hand Gesture Menggunakan
Algoritma Convex Hull. Universitas Halu
Oleo; 2016.
[4] Munir R. Pengolahan Citra Digital dengan
Pendekatan Algoritmik. Bandung; 2004.
[5] Y. P. Prayitno Harianto dan M. C. Wibowo.
“Rancang Bangun Aplikasi Pendeteksi
Bentuk Dan Warna Benda Pada Mobile Robot
Berbasis Webcam,” Makalah. STIKOM.
2012.
[6] A. Dhawan dan V. Honrao. “Implementation
of hand detection based techniques for human
computer interaction,” International Journal
of Computer Applications. 2013. 72(17): 6-13