METODE PENELITIAN
II. Instruksi dikirimkan dari komputer ke mikrokontroler pada
Perancangan sistem yang dilakukan melalui beberapa mobile robot melalui media komunikasi bluetooth.
tahapan yang dilakukan mengikuti kerangka kerja Selanjutnya mikrokontroler mengirimkan instruksi ke driver
(framework) yang telah dirancang. Tahap pertama yang harus motor untuk menggerakkan mobile robot sehingga bergerak
dilakukan adalah perumusan masalahan dan menyusun sesuai dengan instruksi tersebut. Untuk melihat lebih jelas alur
hipotesa. Selanjutnya melakukan studi pustaka sebagai dasar dari kerja sub-sistem ini dapat dilihat blok diagram sistem
teori untuk mendukung pemecahan permasalahan secara pada Gbr. 2.
teoritis.
Tahap kedua merancang perangkat keras (hardware) dan Input Proses Output
perangkat lunak (software). Pada perancangan software terdiri
atas perancangan algoritma program pengenalan gesture
tangan dan algoritma navigasi pergerakan mobile robot
Camera PC Mikrokontroller - Motor Servo
menggunakan software Proteus dan compiler Microsoft (gesture - Resizing, HSV - Driver Motor - Motor DC Navigasi
Visual Studio 2010. Sedangkan perancangan hardware terdiri tangan) - Segmentasi - PWM - Bluetooth
- Hull Defect
atas prototype mobile robot, dan sistem navigasi dengan - Center of Gravity
media komunikasi bluetooth. - Eucludien Distance
Tahap ketiga adalah pengujian software pengenalan
gesture tangan dan navigasi dimulai dari proses akuisisi citra Gbr. 2 Blok diagram sistem
dan pengolahan citra, berupa:
- Penentuan bentuk gesture, akuisisi citra gesture tangan; III. TINJAUAN PUSTAKA
- Pra pengolahan citra berupa operasi: resizing, konversi HSV, A. Gesture Tangan
dan segmentasi;
Gesture adalah gerak atau pose tubuh merupakan suatu
- Proses ekstraksi ciri berupa: penentuan titik-titik deffect dan
bentuk komunikasi non-verbal dengan aksi tubuh yg terlihat
hull, menghitung center of gravity (CoG);
- Pengenalan pola gesture tangan, menghitung jarak mengkomunikasikan pesan tertentu, baik sebagai pengganti
euclidean antara titik-titik deffect dan hull dengan centrel of wicara atau bersamaan dan paralel dengan kata-kata. Gesture
gravity; mengikutkan pergerakan dari tangan, wajah, atau bagian lain
- Navigasi mobile robot dengan pengaturan nilai PWM (Pulse dari tubuh [7].
Width Modulation) pada motor. Kinesika adalah bidang yang menelaah gesture, suatu
Tahap keempat merupakan integrasi software dan istilah yang diciptakan seorang perintis studi bahasa non-
hardware, melakukan pengambilan data untuk proses verbal, Ray L. Birdwhistell dalam Body Talk (1987). Kinesika
pengujian, validasi dan analisa dari percobaan yang telah adalah pesan non verbal yang dituangkan dalam bentuk
dilakukan. bahasa isyarat tubuh atau anggota tubuh. Penggagasan studi
Tahap kelima adalah menarik kesimpulan dari apa yang mengenai kinesik Ray Birdwhistel, yang menggunakan
telah dilakukan. Adapun bagan dari kerangka kerja linguistik sebagai model bagi studi kinesik [8]. Gesture tangan
(framework) tersebut dapat dilihat pada Gbr. 1. merupakan bagian tubuh yang paling sering digunakan untuk
mengekspresikan emosi, persahabatan dengan berjabat tangan
Mulai dan ketidaksenangan dengen menyentuh bagian tertentu dari
tubuh sendiri
Permasalahan, Hipotesa,
Tinjauan Pustaka
B. Pengolahan Citra
Konsep Perancangan Pengolahan citra adalah pemrosesan citra, khususnya
menggunakan komputer, menjadi citra yang kualitasnya lebih
Perancangan Hardware Perancangan Software baik. Pengolahan citra bertujuan memperbaiki kualitas citra
agar mudah diinterpretasi oleh manusia atau mesin
Navigasi dan
Komunikasi
Prototype
Mobile Robot
Pengolahan Citra (komputer). Teknik-teknik pengolahan citra
mentransformasikan citra menjadi citra lain [9]. Proses
Pengujian Hardware Akuisisi Citra, terbentuknya sebuah citra tergambar pada Gbr. 3.
Pra Pengolahan,
Ekstraksi Ciri dan
Integrasi Software dan Pengenalan Pola
Hardware
Pengujian Software
Analisa, Kesimpulan
Selesai
A-153
Gbr. 3 memperlihatkan proses pembentukan citra. Sumber
cahaya menyinari permukaan objek. Jumlah pancaran 0 =0
dengan derajat pantulan r (x, y). Hasil kali antara i (x, y) dan r
(x, y) menyatakan intensitas cahaya pada koordinat (x, y) yang ⎧ 0 =0
= ( − )
… (7)
( , )= ( , )∗ ( , ) … (1) ⎨60 2 + =
⎪ ( − )
D. Segmentasi Citra
Segmentasi citra merupakan suatu metode citra digital
(1,0) (1,1) ⋯ (1, )
( , )≈
yang dapat membagi suatu citra menjadi wilayah-wilayah
⋮ ⋮ ⋮ ⋮
( − 1,0) ( − 1,1) … ( − 1, − 1)
yang homogen berdasarkan kriteria keserupaan yang tertentu
Gbr. 4 Matrik citra ukuran M x N
antara tingkat keabuan suatu piksel dengan tingkat keabuan
piksel-piksel tetangganya[14].
Berdasarkan pada Gbr. 4 indeks baris (i) dan indeks kolom Segmentasi dideskripsikan sebagai proses analogi terhadap
(j) menyatakan suatu koordinat titik pada citra, sedangkan f (i, proses pemisahan latar depan dan latar belakang. Semakin
j) merupakan intensitas (derajat keabuan) pada titik (i, j). besar ukuran citra dan sebaran histogram yang semakin
Perbaikan kualitas citra adalah proses mendapatkan citra merata, waktu iterasi yang dibutuhkan untuk proses
yang lebih mudah diinterpretasikan. Secara matematis dapat segmentasi citra akan semakin lama. Segmentasi akan
diartikan sebagai proses mengubah citra f (x, y) menjadi f’ (x, mengubah suatu citra masukan yang kompleks menjadi citra
y) sehingga ciri-ciri pada f (x, y) lebih ditonjolkan [10]. yang lebih sederhana sehingga memudahkan untuk melakukan
analisis[10].
C. Sistem Ruang Warna HSV (Hue, Saturation, Value) 1) Skin Detection
Model HSV menunjukan ruang warna dalam bentuk tiga Deteksi warna kulit adalah proses menemukan pixel yang
komponen utama yaitu hue, saturation, dan value (brightness). berwarna kulit manusia dari suatu gambar atau video. Proses
Hue adalah sudut dari 0 sampai 360 derajat. Hue menunjukan ini biasanya digunakan sebagai langkah untuk mendeteksi
jenis atau corak warna dalam spektrum warna. Merah, kuning, wajah ataupun anggota badan manusia dalam suatu citra [14].
ungu, dll menunjukan hue. Saturasi dari suatu warna adalah Warna dan teksture kulit menjadi isyarat utama untuk
ukuran seberapa besar kemurnian dari warna tersebut [11]. menyimpulkan berbagai aspek budaya, seperti menjadi
Sedangkan value atau brightness yaitu ukuran seberapa besar indikasi ras, kesehatan, usia, kekayaan, kecantikan, dll. Oleh
kecerahan dari suatu warna atau seberapa besar cahaya datang karena itu telah banyak dilakukan penelitian yang difokuskan
dari suatu warna yang bernilai 0 sampai 100%. Suatu warna pada deteksi kulit dalam suatu citra digital [14].
dengan nilai value 100% akan tampak cerah dan nilai value 0 2) Ruang Warna Persepsi dan Skin Detection
akan tampak gelap[12]. Untuk dapat diproses menjadi model Ruang warna persepsi seperti HSI, HSV/HSB, dan HSL
warna HSV, citra RGB harus dikonversi ke model warna HSV. juga telah populer dalam mendeteksi warna kulit. Ruang
Model warna HSV merupakan bentuk transformasi non linier warna ini memisahkan tiga komponen hue (H), saturasi (S)
dari model warna RGB. Perhitungan konversi RGB menjadi dan kecerahan (I, V atau L). Ruang warna HSV adalah
deformasi ruang warna kubus RGB yang dipetakan melalui
HSV menggunakan Pers. (2), (3) dan (4) dibawah ini[13].
transformasi nonlinear. Keuntungan ruang warna ini dalam
3( − )
mendeteksi warna kulit adalah memungkinkan pengguna
=
( − )+ ( − )
… (2) secara intuitif menentukan batas kelas warna kulit dalam hal
warna dan saturasi. Saat I, V atau L memberikan informasi
=1−
min( , , )
… (3)
kecerahan [15]
2. Mengurutkan deret poin berdasarkan arah jarum jam atau 100%. Hsail kalibrasi nilai hue, saturation, dan value dapat
lawan arah jarum jam. dilihat pada Gbr. 6 berikut ini.
3. Menentukan hull dan defect. Deret poin yang telah
diurutkan ditentukan hull dan defectnya dengan mengecek
arah 3 poin pertama. Apabila arah 3 poin tersebut berbelok
ke kanan CW, maka poin kedua merupakan defect begitu
sebaliknya. Apabila CCW menghasilkan nilai > 0, maka
poin kedua merupakan hull dan jika CCW menghasilkan
nilai < 0 maka poin kedua merupakan defect.
e
Gbr. 5 Prototipe mobil robot
B. Segmentasi Gesture Tangan Gbr. 7 (a) Instruksi robot maju, (b) instruksi belok kanan, (c) instruksi
Proses ini diawali dengan menentukan nilai batas atas dan belok kiri, (d) instruksi berhenti, dan (e) Instruksi mundur
batas bawah nilai komponen hue, saturation dan , value dari
kulit tangan setelah melalui proses pra pengolahan Pengujian euclidean distance dan sudut finger tips pada
sebelumnya. tiap pola navigasi yang ditunjukkan pada tabel II, diperoleh
Hasil kalibrasi diperoleh nilai hue min 0 dan max 227, nilai jarak euclidean distance efektif yang bernilai > 180 pixel,
saturation min 15 % dan max 100%, value min 5% dan max serta didapat juga nilai sudut finger tips pada masing-masing
pola gesture tangan.
A-155
TABEL II UCAPAN TERIMA KASIH
NILAI MAKSIMUN, MINIMUM SUDUT FINGER TIPS DAN
JARAK EUCLIDEAN GESTURE TANGAN Karya ilmiah ini merupakan publikasi hasil penelitian
penulis pada program hibah penelitian “Sains Teknologi dan
No Sudut Finger Jarak Euclidean Gesture
Seni (SATEKs)” Univesitas Sriwajaya tahun 2015 dengan
Tips (o) Rata-rata (pixel) Tangan
1 0 - 40 206,1843835 Little sumber pendanaan dari dana DIPA Universitas. Untuk itu
2 40 - 60 234,0683661 Ring penulis mengucapkan terima kasih atas pendanaan yang
3 60 - 80 242,4706168 Middle diberikan pada penelitian ini. Demikan juga dengan fasilitas
4 80 - 130 222,7285343 Index laboratorium Otomasi Industri, Fakultas Ilmu Komputer Unsri
5 130 - 215 187,4886663 Thumb serta anggota tim peneliti.