ANALISIS DIMENSI KERUSAKAN JALAN BERBASIS

CITRA DIGITAL

di Laboratorium Telekomunikasi dan Frekuensi Tinggi

Universitas Ahmad Dahlan Yogyakarta

Laporan Kerja Praktek

Untuk memenuhi sebagian persyaratan mencapai
derajat Sarjana Teknik

Oleh :
Sandi Rahmadi 1700022074
Galih Setyawan 1803022112

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS AHMAD DAHLAN
YOGYAKARTA
2021
 HALAMAN PENGESAHAN

LAPORAN KERJA PRAKTEK

ANALISIS DIMENSI KERUSAKAN JALAN BERBASIS
CITRA DIGITAL

DI LABORATORIUM TELEKOMUNIKASI DAN FREKUENSI TINGGI,

TEKNIK ELEKTRO, UNIVERSITAS AHMAD DAHLAN
YOGYAKARTA
02 Februari 2021 - 31 Maret 2021
Disusun Oleh:
Sandi Rahmadi 1700022074
Galih Setyawan 1803022112

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNOLOGI INDUSTRI,
UNIVERSITAS AHMAD DAHLAN
2021
Yogyakarta, 29 Mei 2021
LABORATORIUM TELEKOMUNIKASI DAN FREKUENSI TINGGI,
TEKNIK ELEKTRO, UNIVERSITAS AHMAD DAHLAN
YOGYAKARTA

Mengetahui, Mengetahui:
Kepala Laboratorium Teknik Elektro Pembimbing Teknis
Yogyakarta

Ir. Wahyu Sapto Aji, S.T., M.T., IPM Phisca Aditya Rosyady, S.Si., M.Sc.
NIY: 60181169 NIY: 60010256

1
 2

HALAMAN PERSETUJUAN
LAPORAN KERJA PRAKTEK
ANALISIS DIMENSI KERUSAKAN JALAN BERBASIS
CITRA DIGITAL

di Laboratorium Telekomunikasi dan Frekuensi Tinggi,

Universitas Ahmad Dahlan Yogyakarta
02 Februari 2021 - 31 Maret 2021

yang dipersiapkan dan disusun oleh

Sandi Rahmadi 1700022074
Galih Setyawan 1803022112

telah diterima dan disetujui

pada tanggal 29 Mei 2021

Pembimbing : Phisca Aditya Rosyady, S.Si., M.Sc.

Penguji : Drs. Abdul Fadlil, M.T., Ph.D ........................

: Riky Dwi Puriyanto, S.T., M.Eng. ........................

Mengetahui,
Ketua Program Studi Teknik Elektro
Universitas Ahmad Dahlan,

Nuryono Satya Widodo, S.T., M.Eng.

NIP. 197808152005011001
 3

KATA PENGANTAR

Puji syukur kehadirat Allah SWT atas berkat dan karunia-Nya sehingga kami dapat

melaksanakan dan menyelesaikan kegiatan Kerja Praktek di Laboratorium Telekomunikasi dan

Frekuensi Tinggi Universitas Ahmad Dahlan Yogyakarta sampai dengan penyusunan laporan

hasil Kerja Praktik ini dapat terselesaikan. Laporan Kerja Praktek ini kami susun untuk

memenuhi kewajiban sebagai salah satu syarat kelulusan studi pada Program Studi Teknik

Elektro di Universitas Ahmad Dahlan. Sholawat serta salam semoga tetap tercurahkah kepada

Rasulullah Muhammad SAW sebagai suri teladan yang baik bagi seluruh umat manusia.

Kerja Praktik merupakan salah satu mata kuliah yang wajib ditempuh di Program Studi

Teknik Elektro Universitas Ahmad Dahlan, Yogyakarta. Laporan Kerja Praktik ini disusun

untuk memenuhi persyaratan mencapai derajat sarjana teknik dan sebagai laporan hasil Kerja

Praktik yang telah dilaksanakan lebih kurang dua bulan di Laboratorium Telekomunikasi dan

Frekuensi Tinggi Universitas Ahmad Dahlan, Yogyakarta.

Penyusun sangat menyadari bahwa dalam penyusunan laporan kerja praktik ini juga

mendapat bantuan dan dukungan dari semua pihak. Oleh karena itu penyusun mengucapkan

banyak terima kasih kepada:

1. Allah SWT yang telah memberikan rahmat serta hidayah-Nya kepada kami untuk

menjalankan kerja praktik di Laboratorium Teknik Elektro Universitas Ahmad Dahlan

Yogyakarta.

2. Kedua orang tua kami yang telah memberi kasih sayang serta dukungan moral dan

spiritual.

3. Bapak Sunardi, S.T., M.T., Ph.D selaku Dekan Fakultas Teknologi Industri Universitas

Ahmad Dahlan.
 4

4. Bapak Nuryono Satya Widodo, S.T., M.Eng. selaku Kepala Prodi Teknik Elektro.

5. Bapak Phisca Aditya Rosyady, S.Si. M.Sc. selaku Pembimbing Kerja Praktik di

Laboratorium Teknik Elektro Universitas Ahmad Dahlan, Yogyakarta. Terimakasih atas

bimbingannya selama ini sehingga kami dapat menyelesaikan laporan ini semaksimal

mungkin.

6. Bapak Ir.Wahyu Sapto Aji, S.T., M.T., IPM. selaku kepala Laboratorium Teknik Elektro

Universitas Ahmad Dahlan yang telah memberikan izin untuk melakukan kerja praktek

di Laboratorium Universitas Ahmad Dahlan, Yogyakarta.

7. Bapak Phisca Aditya Rosyady, S.Si., M.Sc selaku Koordinator Kerja Praktek yang telah

menyediakan program Kerja Praktek kepada kami di Laboratorium Teknik Elektro.

8. Teman-teman Teknik Elektro yang selalu mendukung berbagai kegiatan dalam penulisan

laporan ini, terimakasih atas bantuan dan dukungannya, kalian luar biasa.

9. Semua pihak yang telah membantu penyusunan laporan ini, yang tidak dapat kami

sebutkan satu per satu.

Penyusun sangat menyadari bahwa masih banyak kekurangan dari laporan ini, baik dari

materi maupun teknik penyajiannya, mengingat kurangnya pengetahuan dan pengalaman

penyusun. Oleh karena itu, kritik dan saran yang membangun sangat penyusun harapkan,

sehingga laporan Kerja Praktik ini lebih baik ke depannya. Semoga laporan Kerja Praktik ini

dapat memberikan manfaat bagi semua.

Yogyakarta, 05 November 2020

Penyusun
 5

DAFTAR ISI

HALAMAN PENGESAHAN .................................................................................................. 1

DAFTAR ISI ............................................................................................................................. 5

DAFTAR GAMBAR ................................................................................................................ 8

DAFTAR TABEL .................................................................................................................. 10

DAFTAR LISTING ............................................................................................................... 11

BAB 1 PENDAHULUAN ........................................................................................................ 1

1.1 Latar Belakang Masalah .............................................................................................. 1

1.2 Waktu dan Tempat Kerja Praktek ............................................................................... 3

1.3 Tugas Khusus .............................................................................................................. 3

1.4 Judul/Topik Kerja Praktek .......................................................................................... 3

1.5 Manfaat Kerja Praktek ................................................................................................ 3

1.5.1 Bagi Mahasiswa ................................................................................................... 4

1.5.2 Bagi Perguruan Tinggi ......................................................................................... 4

1.5.3 Bagi Laboraturium ............................................................................................... 4

BAB 2 GAMBARAN UMUM LABORATURIUM ............................................................. 5

2.1 Sejarah Perkembangan Laboraturium ......................................................................... 5

2.2 Maksud dan Tujuan ..................................................................................................... 6

2.3 Fasilitas Laboraturium................................................................................................. 7

2.3.1 Laboratorium Dasar Teknik Elektro .................................................................... 7

2.3.2 Laboratorium Telekomunikasi dan Frekuensi Tinggi.......................................... 8

2.3.3 Laboratorium Otomasi dan Instalasi Listrik ........................................................ 8

2.3.4 Laboratorium Mikroprosesor ............................................................................... 8

2.3.5 Laboratorium Komputer ...................................................................................... 8

 6

2.3.6 Sarana Pendukung Laboratorium ......................................................................... 9

2.3.7 Manajemen Laboratorium .................................................................................... 9

2.4 Struktur Pengurus Laboratorium ............................................................................... 10

2.5 Lokasi Laboratorium ................................................................................................. 10

2.6 Visi dan Misi Program Studi Teknik Elektro ............................................................ 11

2.6.1 Visi ..................................................................................................................... 11

2.6.2 Misi .................................................................................................................... 11

BAB 3 DASAR TEORI.......................................................................................................... 12

3.1 Pengolahan Citra Digital ........................................................................................... 12

3.1.1 Jenis Citra Digital .............................................................................................. 12

3.2 Segmentasi Citra ....................................................................................................... 13

3.2.1 Metode Segmentasi Citra ................................................................................... 14

3.3 OpenCV..................................................................................................................... 15

3.4 Thonny Python IDE .................................................................................................. 15

3.5 Raspberry PI 4 ........................................................................................................... 16

3.6 Webcam Logitech C525 ............................................................................................ 18

BAB 4 HASIL DAN PEMBAHASAN .................................................................................. 20

4.1 Persiapan Alat dan Bahan ......................................................................................... 20

4.2 Pengecekan Alat ........................................................................................................ 21

4.3 Diagram Blok Alat .................................................................................................... 22

4.4 Diagram Alir Alat...................................................................................................... 23

4.5 Pengambilan Sampel Citra ........................................................................................ 24

4.6 Pengujian Program .................................................................................................... 26

4.6.1 Program untuk mengakses webcam logitech C525 ........................................... 26

4.6.2 Program deteksi lubang jalan ............................. Error! Bookmark not defined.

4.6.3 Program Perhitungan Luas Lubang Pada Jalan Yang Berlubang ...................... 30

4.7 Pengujian Alat ........................................................................................................... 32

 7

4.7.1 Pengujian webcam Logitech C525 .................................................................... 32

4.7.2 Pengujian mengakses gambar citra dari file ...................................................... 32

4.7.3 Pengujian program equalizer histogram ............................................................ 33

4.7.4 Pengujian program normalisasi.......................................................................... 34

4.7.5 Pengujian program gaussian blur ...................................................................... 34

4.7.6 Pengujian program konversi HSV ..................................................................... 35

4.7.7 Pengujian program thresholding ........................................................................ 36

4.7.8 Pengujian program deteksi kontur ..................................................................... 37

4.7.9 Pengujian program kontur terbesar .................................................................... 38

4.7.10 Pengujian program menghitung luas lubang jalan ............................................. 39

BAB 5 PENUTUP .................................................................................................................. 47

5.1 Kesimpulan................................................................................................................ 47

5.2 Saran .......................................................................................................................... 47

DAFTAR PUSTAKA ............................................................................................................. 49

 8

DAFTAR GAMBAR

Gambar 2.1 Lokasi Laboratorium Universitas Ahmad Dahlan Yogyakarta................. 10

Gambar 3.1 Tampilan Thonny Python IDE .................................................................. 16

Gambar 3.2 Tampilan Raspberry Pi 4........................................................................... 17

Gambar 3.3 Webcam Logitech C525............................................................................ 19

Gambar 4.1 Diagram blok alat ...................................................................................... 22

Gambar 4.2 Diagram alir sistem ................................................................................... 23

Gambar 4.3 Area pengambilan sampel citra ................................................................. 24

Gambar 4.4 Citra pothole-01.jpg .................................................................................. 25

Gambar 4.5 Citra pothole-02.jpg .................................................................................. 25

Gambar 4.6 Citra pothole-03.jpg .................................................................................. 25

Gambar 4.7 Citra pothole-04.jpg .................................................................................. 25

Gambar 4.8 Citra pothole-05.jpg .................................................................................. 25

Gambar 4.9 Citra pothole-06.jpg .................................................................................. 25

Gambar 4.10 Citra pothole-07.jpg ................................................................................ 25

Gambar 4.11 Citra pothole-08.jpg ................................................................................ 25

Gambar 4.12 Citra pothole-09.jpg ................................................................................ 26

Gambar 4.13 Citra pothole-10.jpg ................................................................................ 26

Gambar 4.14 Trackbar parameter deteksi jalan berlubang ........................................... 30

Gambar 4.15 Hasil pengujian webcam Logitech C525 ................................................ 32

Gambar 4.16 Pengujian akses citra melalui file............................................................ 33

Gambar 4.17 (a) citra asli, (b) hasil equalize histogram ............................................... 33

Gambar 4.18 (a) hasil equalize histogram, (b) hasil normalisasi .................................. 34

Gambar 4.19 (a) hasil normalisasi, (b) hasil filter gaussian blur ................................. 35
 9

Gambar 4.20 (a) Hasil filter gaussian, (b) Hasil konversi HSV ................................... 35

Gambar 4.21 (a) Hasil filter gaussian, (b) Hasil thresholding ...................................... 36

Gambar 4.22 (a) Hasil thresholding, (b) hasil deteksi kontur ....................................... 38

Gambar 4.23 (a) Hasil deteksi kontur, (b) kontur terbesar ........................................... 39

Gambar 4.24 Skema pengambilan citra ........................................................................ 40

Gambar 4.25 Sampel kalibrasi luasan 1 ........................................................................ 40

Gambar 4.26 Sampel kalibrasi luasan 2 ........................................................................ 41

Gambar 4.27 Sampel kalibrasi luasan 3 ........................................................................ 41

Gambar 4.28 Dimensi citra ........................................................................................... 42

Gambar 4.29 Hasil perhitungan luas dalam satuan cm2 ............................................... 43

Gambar 4.30 Hasil analisa citra sampel 1 ..................................................................... 44

Gambar 4.31 Hasil analisa citra sampel 2 ..................................................................... 44

Gambar 4.32 Hasil analisa citra sampel 4 ..................................................................... 44

Gambar 4.33 Hasil analisa citra sampel 5 ..................................................................... 44

Gambar 4.34 Hasil analisa citra sampel 6 ..................................................................... 44

Gambar 4.35 Hasil analisa citra sampel 7 ..................................................................... 44

Gambar 4.36 Hasil analisa citra sampel 8 ..................................................................... 44

Gambar 4.37 Hasil analisa citra sampel 10 ................................................................... 44

Gambar 4.38 Pengujian pada bidang lingkaran ............................................................ 46

Gambar 4.39 Pengujian pada bidang persegi ................................................................ 46

Gambar 4.40 Pengujian pada bidang segitiga ............................................................... 46

 10

DAFTAR TABEL

Tabel 3.1 Spesifikasi Raspberry Pi 4 ............................................................................. 17

Tabel 3.2 Spesifikasi webcam Logitech C525............................................................... 19

Tabel 4.1 Alat dan bahan pengujian .............................................................................. 20

Tabel 4.2 Pengecekan Alat ............................................................................................ 21

Tabel 4.3 Nilai parameter thresholding ......................................................................... 37

Tabel 4.4 Hasil analisa lubang jalan .............................................................................. 45

Tabel 4.5 Daftar bidang datar pengujian persamaan (9) ................................................ 45

 11

DAFTAR LISTING

Listing 4.1 Program menjalankan webcam.................................................................... 27

Listing 4.2 Program deteksi jalan berlubang ................................................................. 29

Listing 4.3 Program perhitungan luas lubang ................................................................ 32

 BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

Kerja praktek merupakan alternatif khusus yang di selenggarakan oleh

Program Studi Teknik Elektro di masa pandemi Covid-19. Kerja praktek

merupakan suatu hal yang penting dan berguna bagi mahasiswa, karena dapat

meningkatkan kompetensi mahasiswa sebelum memasuki dunia kerja yang lebih

nyata. Mahasiswa dapat menerapkan teori atau ilmu yang diperoleh di bangku

kuliah serta dapat menambah wawasan tentang dunia kerja yang dapat mengasah

softskill mahasiswa.

Jalan merupakan prasarana transportasi darat yang mempunyai peranan

penting dalam mendukung bidang ekonomi, sosial dan budaya serta berbagai aspek

kehidupan masyarakat lainnya. Untuk mendukung keselematan, keamanan,

kenyamanan, dan memperpendek waktu tempuh maka diperlukan jalan dengan

kualitas yang baik (Irawan et al., 2016). Jalan dengan dengan kondisi yang buruk

bisa mengganggu kegiatan pencapaian ke suatu tempat tujuan.

Kerusakan jalan banyak mengakibatkan masalah dan gangguan yang terjadi.

Kemacetan, keselamatan, biaya perbaikan dan biaya ganti rugi kecelakaan

merupakan contoh nyata dampak kerusakan jalan yang selalu dihadapi selama ini

(Hartono, Wibisono and Sukamto, 2017). Untuk itu jalan perlu dipelihara secara

1
 2

terus menerus. Pemeliharaan jalan diawali dengan pemeriksaan permukaan jalan

secara berkala untuk mengetahui ada tidaknya kerusakan.

Secara konvensional, pemeriksaan kerusakan jalan dilakukan secara manual

di mana petugas survei akan berjalan untuk mencatat lokasi dan luasan kerusakan

jalan serta menandainya. Cara ini kurang efektif karena membutuhkan waktu yang

lama, membutuhkan biaya yang lumayan besar, tenaga kerja yang banyak dan

berbahaya karena intensitas kendaraan berlalu lalang yang tinggi, faktor

subyektifitas dan faktor kelelahan (Arum Sari and Dewi, 2018). Salah satu cara

untuk mendeteksi kerusakan jalan secara otomatis adalah dengan menganalisis

kondisi jalan berdasarkan citra yang diambil pada jalan tersebut.

Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin

ilmu yang mempelajari tentang teknik-teknik mengolah citra berupa gambar diam

(foto) maupun gambar bergerak (yang berasal dari kamera/video) yang dilakukan

secara digital menggunakan komputer (Kusumanto and Tompunu, 2011). Melalui

metode ini, kondisi permukaan jalan direkam menggunakan kamera video yang

dirakit sedemikian hingga pada kendaraan survei.

Berdasarkan uraian di atas, penelitian bertujuan untuk membuat sebuah

sistem deteksi kerusakan jalan dengan menggunakan Raspberry Pi 3B sebagai mini

komputer dan Kamera Pi untuk merekam permukaan jalan. Hasil rekaman video

permukaan jalan diolah menggunakan berbagai macam teknik pengolahan citra

digital untuk mendeteksi adanya kerusakan pada jalan. Salah satunya adalah dengan

metode segmentasi untuk memisahkan area lubang pada jalan dengan area

sekitarnya.
 3

1.2 Waktu dan Tempat Kerja Praktek

Pelaksanaan kerja praktek telah dilaksanakan pada:

Waktu : 02 Februari 2021 – 31 Maret 2021

Tempat : Laboratorium Telekomunikasi Dan Frekuensi Tinggi Universitas

Ahmad Dahlan Yogyakarta

Alamat : Jalan Ringroad Selatan, Tamanan, Banguntapan, Bantul

Telepon : (0274) 563515

1.3 Tugas Khusus

Tugas khusus yang di lakukan saat kerja praktek adalah:

a. Memperoleh pengetahuan dan keterampilan keteknikan baru maupun

pengalaman langsung dalam kegiatan kerja praktek,

b. Mempelajari cara pemrosesan citra digital menggunakan Raspberry pi,

Mengetahui dan memahami cara membuat algoritma analisator untuk deteksi

kerusakan jalan dengan citra digital

1.4 Judul/Topik Kerja Praktek

Judul kerja praktek ini adalah “Analisis Dimensi Kerusakan Jalan Berbasis

Citra Digital”.

1.5 Manfaat Kerja Praktek

Manfaat dari kerja praktik ini adalah:

 4

1.5.1 Bagi Mahasiswa

a. Untuk memperoleh perbandingan antara teori yang diperoleh pada

bangku kuliah dengan praktek sesungguhnya.

b. Untuk memperoleh pengetahuan praktis secara langsung dari sistem

pengolahan citra digital dan pengalaman bekerja dengan tim untuk

memecahkan masalah.

c. Untuk Mahasiswa mampu mengukur kemampuan diri dalam

penguasaan pekerjaan.

1.5.2 Bagi Perguruan Tinggi

Meningkatkan disiplin ilmu dalam pengembangan ilmu pengetahuan dan

teknologi kepada mahasiswa.

1.5.3 Bagi Laboratorium

a. Untuk ikut serta laboratorium dalam rangka peningkatan kualitas

sumber daya manusia sehingga tercipta tenaga kerja terdidik yang dapat

bersaing.

b. Meningkatkan pengetahuan implementasi Raspberry Pi berbagai

macam hal seperti pengolahan citra, Smart Home, deteksi posisi benda

dan lain-lain.
 BAB 2

GAMBARAN UMUM LABORATURIUM

Sebagai suatu sarana yang sangat penting bagi salah satu institusi pendidikan

yaitu universitas, adanya fasilitas sarana dan prasarana penunjang berupa

Laboratorium ternyata menjadi bagian yang sangat penting dan tidak terpisahkan

untuk kegiatan belajar mengajar yang terus berjalan. Laboratorium merupakan

tempat dan wadah yang efektif dan efisien untuk kegiatan pembelajaran terutama

yang bersangkutan dengan masalah praktikum, penelitian, pengembangan teori,

minat bakat, rekayasa dan keahlian serta profesi. Sehingga pihak-pihak yang

melakukan berbagai aktivitas baik mahasiswa maupun dosen dapat

menjalankannya dengan lebih baik, nyaman, dan terarah karena adanya tempat dan

manajemen yang diatur khusus untuk menangani bagian tersebut.

Universitas Ahmad Dahlan merupakan salah satu institusi pendidikan di

Yogyakarta yang menyadari pentingnya laboratorium dan merealisasikan adanya

Laboratorium Teknik Elektro Universitas Ahmad Dahlan yang sekarang

berkedudukan di jalan Ringroad Selatan, Kragilan, Tamanan, Banguntapan, Bantul,

yang diharapkan dapat membantu kegiatan-kegiatan yang berkaitan dengan

kepentingan seluruh aktivitas akademika Universitas Ahmad Dahlan Yogyakarta.

2.1 Sejarah Perkembangan Laboraturium

Pada mulanya di tahun 1998, semenjak secara resmi Teknik Elektro menjadi

salah satu program studi di bawah Fakultas Teknologi Industri Universitas Ahmad

5
 6

Dahlan, Laboratorium Teknik Elektro Universitas Ahmad Dahlan bertempat di

kampus 1 Universitas Ahmad Dahlan jalan Kapas nomor 9 Semaki Yogyakarta.

Setelah adanya pembangunan kampus 3 Universitas Ahmad Dahlan dan juga

Laboratorium Terpadu Universitas Ahmad Dahlan, Laboratorium Teknik Elektro

berpindah ke Laboratorium Terpadu dan menempati lantai dasar di ruang 220.

Kemudian adanya pembangunan kampus 4 Universitas Ahmad Dahlan yang saat

ini menjadi kampus pusat Universitas Ahmad Dahlan dan juga diresmikan

Laboratorium Terpadu Universitas Ahmad Dahlan bertempat di lantai 5 (Lima).

Setelah menempati lahan baru tersebut perangkat dan peralatan praktikum

Laboratorium Teknik Elektro menjadi semakin lengkap, selain itu juga memiliki

tempat yang jauh lebih luas dari pada sebelumnya serta manajemen yang lebih baik

dan saat laporan ini disusun laboratorium berada di bawah kepemimpinan Bapak

Ir. Wahyu Sapto Aji, S.T., M.T., IPM.

2.2 Maksud dan Tujuan

Maksud dan tujuan didirikannya laboratorium ini adalah untuk melaksanakan

praktikum. Sebagai contohnya Praktikum Teknik Interface dan Peripheral

merupakan mata kuliah praktis yang termasuk di dalam kurikulum wajib daftar

mata kuliah program Studi Teknik Elektro Universitas Ahmad Dahlan. Praktikum

ini dilakukan untuk memantapkan pengetahuan mahasiswa setelah mempelajari

mata kuliah Teknik Interface dan Peripheral., sekaligus mengaplikasikan

Penerapan keilmuan Interface dan Peripheral yang telah dipelajari. Agar maksud

dan tujuan tersebut tercapai laboratorium Teknik Elektro ini mempunyai beberapa

fasilitas dan sarana praktikum contohnya dalam praktek Teknik Interface dan
 7

Peripheral. Praktikum Teknik Interface dan Peripheral memiliki bobot 1 sks

sebagaimana mata kuliah praktikum yang lain merupakan bentuk implementasi dari

ilmu teori yang terdapat pada mata kuliah yang telah dipelajari.

Dalam kurikulum tahun akademik 2016/2017 Universitas Ahmad Dahlan,

praktikum Teknik Interface dan Peripheral dilakukan pada mahasiswa Teknik

Elektro semester 4 dengan beban 1 sks dan berstatus wajib. Pelaksanaan praktikum

dilakukan di laboratorium teknik elektro dibimbing oleh asisten dari mahasiswa

teknik elektro sendiri dan telah memenuhi persyaratan sebagai asisten.

2.3 Fasilitas Laboraturium

Jurusan Teknik Elektro Universitas Ahmad Dahlan menyediakan 7

laboratorium untuk mendukung kegiatan perkuliahan dan pengembang penelitian

bidang teknologi. Laboratorium teknik elektro berada di lantai 1, 3 dan 5.

laboratorium lantai 1 dan 3 digunakan untuk praktikum robotika dan tempat tim

robot untuk persiapan lomba baik skala nasional maupun internasional, sedangkan

di lantai 5 terdapat empat laboratorium di antaranya, laboratorium dasar teknik

elektro, laboratorium telekomunikasi dan frekuensi tinggi, laboratorium otomasi

dan instalasi listrik, laboratorium mikroprosesor, dan laboratorium komputer.

2.3.1 Laboratorium Dasar Teknik Elektro

Laboratorium dasar teknik elektro mendukung proses pembelajaran dasar-

dasar atau prinsip-prinsip teknik elektro baik teknik elektro analog dan digital.

Laboratorium ini memberi sarana kepada para mahasiswa dalam mempelajari dasar

sistem elektronika dan hukum-hukum rangkaian listrik dan aplikasinya pada sistem
 8

elektronika umum khususnya pada sistem elektronika industri. Laboratorium ini

melayani praktikum mahasiswa, pengerjaan tugas akhir mahasiswa, penelitian

mahasiswa bersama dosen, dan kerja praktek mahasiswa.

2.3.2 Laboratorium Telekomunikasi dan Frekuensi Tinggi

Laboratorium Telekomunikasi dan Frekuensi tinggi mendukung proses

pembelajaran dan penelitian di bidang telekomunikasi, mulai dari telekomunikasi

dasar (misalnya modulasi, baik analog maupun digital), antena, sistem radio, media

transmisi (optik, nirkabel, LAN), dan pemrosesan sinyal digital.

2.3.3 Laboratorium Otomasi dan Instalasi Listrik

Laboratorium otomasi dan instalasi listrik berfokus dalam bidang sistem

kendali dan otomasi industri. Di lab ini sendiri melaksanakan praktikum

mahasiswa, kerja praktek mahasiswa, dan tempat menyelenggarakan kegiatan

sertifikasi bagi mahasiswa dalam bidang PLC atau bidang otomasi industri.

2.3.4 Laboratorium Mikroprosesor

Laboratorium ini mengembangkan aplikasi sistem mikrokontroler untuk

pendidikan dan terapan sistem kendali. Pembelajaran di laboratorium ini meliputi

teknik antarmuka, sistem mikroprosesor lanjut, dan embedded system.

2.3.5 Laboratorium Komputer

Fungsi utama laboratorium komputer adalah untuk kegiatan praktik atas teori

yang sudah didapat dalam perkuliahan. Adapun kegiatan praktikum yang

dilaksanakan pada mata kuliah dasar pemrograman komputer, antara lain:

Pengenalan Bahasa C++, Matlab, teknik digital. Selain digunakan untuk kegiatan
 9

praktikum, laboratorium komputer juga digunakan untuk kegiatan pengerjaan tugas

akhir / skripsi, simulasi, pelatihan, dan penelitian yang terkait.

2.3.6 Sarana Pendukung Laboratorium

Sarana pendukung Laboratorium Teknik Elektro adalah sebagai berikut:

a. Ruangan AC

b. Papan tulis

c. Komputer

d. Meja praktikum

e. Kursi praktikum

2.3.7 Manajemen Laboratorium

Dalam kesehariannya, Laboratorium Teknik Elektro untuk manajemen segala

kegiatannya dilakukan oleh tiga orang Laboran, di bawah kepemimpinan kepala

laboran, diawasi dan berkoordinasi dengan Ketua Program Studi Teknik Elektro

dari pihak Dekanat Fakultas Teknologi Industri.

 10

2.4 Struktur Pengurus Laboratorium

Kepala Labaratorium
Ir.Wahyu Sapto Aji, S.T.,
M.T., IPM.

Lab. Dasar Teknik

Lab. Komputer & Lab.
Elektro & Lab. Lab. Telekomunikasi Lab. Otomasi &
Robotika & Frekuensi Tinggi Instalasi Listrik
Mikroprosesor
M.Sulkhan Hidayat Muchammad Ardan R Suko Febriyanto
Khoirudin Wisnu M

2.5 Lokasi Laboratorium

Laboratorium Teknik Elektro Universitas Ahmad Dahlan Yogyakarta

berlokasi di Jalan Ringroad Selatan, Kragilan, Tamanan, Banguntapan, Bantul,

Yogyakarta disajikan pada Gambar 2.1.

Gambar 2.1 Lokasi Laboratorium Universitas Ahmad Dahlan Yogyakarta

(Sumber: Google map)
 11

2.6 Visi dan Misi Program Studi Teknik Elektro

2.6.1 Visi

Visi Program Studi Teknik Elektro UAD adalah menjadi program studi yang

unggul dan dikenal internasional dalam pengetahuan dan aplikasi di bidang teknik

elektro khususnya otomasi industri dan telematika berbasis nilai-nilai keislaman.

2.6.2 Misi

a. Menyelenggarakan program akademik, penelitian, dan pengabdian masyarakat

dalam bidang teknik elektro khususnya otomasi industri, telekomunikasi,

komputer dan informatika yang berkualitas yang terbakukan secara nasional

dan internasional.

b. Menyelenggarakan kerjasama dengan akademik, dunia industri dan

pemerintahan baik lokal, nasional maupun internasional.

c. Mengimplementasikan pedoman hidup islami dalam setiap aktivitas akademik

maupun non akademik di lingkungan Program Studi Teknik Elektro.

 BAB 3

DASAR TEORI

3.1 Pengolahan Citra Digital

Pengolahan citra digital adalah sebuah disiplin ilmu yang mempelajari

tentang teknik-teknik mengolah citra berupa gambar diam (foto) maupun gambar

bergerak (video) yang dilakukan secara digital menggunakan komputer. Citra

digital secara matematis merupakan representasi dari fungsi intensitas cahaya

dalam bentuk diskrit pada bidang dua dimensi. Citra tersunan dari sekumpulan

piksel (picture element) yang terdiri dari baris dan kolom (Kusumanto dan

Tompunu, 2011).

3.1.1 Jenis Citra Digital

Pada aplikasi pengolahan citra digital pada umumnya, citra digital dapat

dibagi menjadi 3, citra warna, citra grayscale dan citra bineri (Suryowinoto and

Hamid, 2017).

1 Citra Warna

Pada citra warna setiap piksel memiliki warna tertentu, warna tersebut dibagi

dalam tiga kanal warna, yaitu merah (Red), hijau (Green) dan biru (Blue). Jika

masing-masing lapisan warna memiliki jarak nilai antara 0 hingga 255, maka

jumlah totalnya adalah 2553 = 16.581.375 (16 K) variasi warna berbeda pada

gambar, dimana variasi warna ini cukup untuk gambar apapun. Karena jumlah

12
 13

bit yang diperlukan untuk setiap piksel, gambar tersebut juga disebut gambarbit

warna.

2 Citra Grayscale

Grayscale merupakan citra dari hasil proses normalisasi dari 3 buah layer dari

citra berwarna RGB menjadi 1 layer. Pada citra digital keabuan mempunyai

warna gradasi mulai dari putih sampai hitam. Rentang tersebut berarti bahwa

setiap piksel diwakili oleh 8 bit.

3 Citra Biner

Merupakan citra digital terdiri dari warna hitam dan putih, terdapat dua warna

untuk setiap piksel, yang memerlukan 1 bit per piksel (0 atau 1) atau apabila

dalam 8 bit ( 0 dan 255), dimana hal ini akan efisien dalam hal penyimpanan di

dalam media penyimpanan.

3.2 Segmentasi Citra

Segmentasi citra adalah proses membagi suatu citra menjadi wilayah-wilayah

yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat

keabuan suatu piksel dengan tingkat keabuan piksel tetangganya, lalu hasil proses

segmentasi digunakan untuk proses tingkat lebih lanjut yang dapat dilakukan

terhadap suatu citra, misalnya proses klasifikasi citra dan proses identifikasi objek.

Pada citra yang hanya mengandung satu objek, objek dibedakan dari latar

belakangnya (Padmo A.M and Murinto, 2016).

 14

3.2.1 Metode Segmentasi Citra

Beberapa metode segmentasi citra diantaranya adalah:

1. Threshold

Merupakan salah satu metode segmentasi citra yang prosesnya didasarkan pada

perbedaan derajat keabuan citra. Proses tersebut dilakukan untuk memisahkan

antara foreground (objek yang dikehendaki) dengan background (objek lain

yang tidak dikehendaki). Pada hasil segmentasi, foreground direpresentasikan

oleh warna putih (1) dan background direpresentasikan oleh warna hitam (0).

2. Active Contour

Merupakan metode segmentasi yang menggunakan model kurva tertutup yang

dapat bergerak melebar ataupun mengecil dengan meminimalkan energi citra

menggunakan energi dari luar, serta dipengaruhi oleh ciri-ciri dari citra tersebut

seperti garis atau tepi (edge).

3. Segmentasi Warna berdasarkan komponen Hue

Merupakan metode yang memisahkan antara objek dengan background

berdasarkan nilai warna dari tiap piksel tertentu dari objek tersebut dengan

mengkonversi ruang warna citra yang semula RGB menjadi ruang warna HSV

(Hue, Saturation, Value). Hue adalah komponen yang merepresentasikan

warna dari berbagai panjang gelombang cahaya yang diekstrak dan dibagi-bagi

menjadi beberapa daerah warna.

4. Deteksi Tepi

Merupakan sebuah proses yang berfungsi untuk mendeteksi garis tepi yang

membatasi dua wilayah citra. Tepian disebut sebagai lokasi piksel yang
 15

memiliki nilai perbedaan intensitas citra secara ekstrem. Operasi deteksi tepi

dilakukan melalui proses konvolusi matriks menggunakan

suatu kernel matriks.

3.3 OpenCV

Open Source Computer Vision (OpenCV) adalah sebuah library yang berisi

fungsi-fungsi pemograman untuk teknologi komputer vision secara realtime.

OpenCV bersifat open source, bebas digunakan untuk hal-hal yang bersifat

akademis dan komersial. Pada OpenCV terdapat antarmuka untuk C++, C, Python,

dan Java yang nantinya dapat berjalan pada Windows, Linux, Android, dan Mac.

Terdapat lebih dari 2500 algoritma dalam OpenCV yang telah dioptimalkan

(Lazaro, Buliali and Amaliah, 2017).

3.4 Thonny Python IDE

Thonny merupakan IDE (Integrated Development Environment) untuk

Bahasa Pemrograman Python yang dilengkapi dengan Python 3 built-in. Thonny

ditujukan khususnya bagi pemula untuk mempelajari bahasa pemrograman.

Thonny memiliki beberapa fitur berguna yang juga menjadikannya IDE yang baik

untuk pengembangan Python penuh. Beberapa fitur-fiturnya adalah penyorotan

kesalahan sintaks, debugger, penyelesaian kode, evaluasi ekspresi langkah demi

langkah dan mode untuk menjelaskan konsep referensi dan heap.

Thonny IDE digunakan pada Raspberry Pi 3B sebagai editor untuk menulis

program. Pada Raspberry Pi 3B Thonny sudah terpasang secara bawaan pada sistem

OS. Tampilan dari aplikasi Thonny Python IDE tampak pada Gambar 3.1.
 16

Gambar 3.1 Tampilan Thonny Python IDE

3.5 Raspberry PI 4

Raspberry Pi 4 adalah Rangkaian Papan Tunggal (Single Board Circuit

/SBC). Raspberry Pi 4 menggunakan sistem operasi debian GNU/Linux yang

bersifat Open Source dan bahasa pemrograman Python. Raspberry Pi 4 memiliki

kapasitas memori yang 4GB (Gigabyte) dan penyimpanan tidak menggunakan

hardisk tetapi menggunakan SD card. Selain itu juga dilengkapi empat buah port

USB, konektor HDMI dan port ethernet. Raspberry Pi 4 membutuhkan energi

sebesar 5V dengan arus minimal 3A. Tampilan dan spesifikasi Raspberry Pi 4

tampak pada Gambar 3.2 dan Tabel 3.1.

 17

Gambar 3.2 Tampilan Raspberry Pi 4

Raspberry Pi memiliki pin-pin input dan output (I/O) diantaranya adalah

sebagai berikut.

1. General Purpose Input dan Output (GPIO). Pinpin tersebut dapat

digunakan untuk membaca input dari tombol serta switches serta

mengontrol aktuator seperti LED, relay dan motor, yang di fungsikan

sebagai input atau output data digital.

2. Display Serial Interface (DSI) konektor. Konektor ini dapat digunakan

dengan menggunakan kabel pita tipis 15 pin sebagai penghubung antara

LCD atau layar OLED.

Camera Serial Interface (CSI) Connector. Port ini berfungsi sebagai

penghubung langsung antara raspberry pi dengan sebuah modul kamera. Adapun

spesifikasi dari Rassberri PI 4 disajikan pada Tabel 3.1.

Tabel 3.1 Spesifikasi Raspberry Pi 4

Spesifikasi Keterangan
Soc BCM2711
 18

Spesifikasi Keterangan
Procesor quad-core Cortex-A72
(ARMv8) @ 1.5GHz
Memory /RAM 4 GB SDRAM 400MHz
GPU VideoCore VI GPU
Wireless Adapter Dual-band (2.4 GHz/5.0 GHz)
802.11b/g/n/ac WiFi 5
Bluetooth Bluetooth 5.0 BLE
GPIO 40 Pin
Port USB 2x USB 3.0 ports
2x USB 2.0 ports
Card Stroge Micro SD card slot (now push-
pull rather than push-push)
LAN Gigabit Ethernet (RJ45)
External Audio and Video 2-lane MIPI CSI camera port
Stereo audio via AV port, digital
audio via HDMI ports
Sistem Operassi Debian GNU/Linux, Fedora,
Arch Linux ARM, RISC OS
3.6 Webcam Logitech C525

Logitech C525 adalah sebuah periferal berupa yang digunakan sebagai

pengambil citra/gambar yang dihubungkan ke Raspberry Pi (Shadiq, Sudjadi and

Darjat, 2015). Gambar yang diambil oleh Logitech C525 ditampilkan ke layar

monitor, karena dikendalikan oleh Raspberry Pi maka ada interface atau port yang

digunakan untuk menghubungkan Kamera Pi dengan Raspberry Pi.

Kamera Pi digunakan pada penelitian ini untuk mengambil gambar jalan raya

berupa video yang kemudian akan diproses oleh Raspberry Pi 3B menggunakan

pengolahan citra digital untuk menganalisis apakah ada kerusakan pada jalan atau

tidak. Gambar 3.3 merupakan tampilan bentuk fisik dari kamera Logitech C525.
 19

Gambar 3.3 Webcam Logitech C525

Adapun spesifikasi dari kamrea webcam Logitech C525 disajikan pada

Tabel 3.2

Tabel 3.2 Spesifikasi webcam Logitech C525

Spesifikasi Keterangan
Ukuran Sekitar 60 × 30
Bobot 30 gram
Resolusi 8 Megapiksel
Mode video HD 720p
 BAB 4

HASIL DAN PEMBAHASAN

4.1 Persiapan Alat dan Bahan

Adapun alat dan bahan yang persiapkan pada pengujian alat disajikan pada

Tabel 4.1.

Tabel 4.1 Alat dan bahan pengujian

No. Alat dan Bahan Keterangan

1. Rarpberry Pi 4B digunakan sebagai
komponen utama dalam pemrosesan
citra..

2. Logitech C525 yang digunakan untuk

mengambil citradalam bentuk gambar
dan video.

3. Kabel HDMI to VGA yang digunakan

untuk menyambungkan raspberry ke
monitor.

20
 21

No. Alat dan Bahan Keterangan

4. Power Supply 5V digunakan untuk
mensupplay tegangan pada Rarpberry
Pi 4.

5. Monitor digunakan sebagai antarmuka

untuk tampilan dari Raspberry Pi 4.

4.2 Pengecekan Alat

Pengecekan Alat adalah kegiatan untuk memastikan apakah terdapat

kerusakan pada komponen-komponen alat yang digunakan dalam Sistem

Analisator Kerusakan Jalan Berbasis Citra Digital, sehingga saat pengambilan data,

alat yang digunakan sesuai dengan yang diinginkan. Pengecekan alat pada

penelitian ini dapat dilihat pada Tabel 4.2.

Tabel 4.2 Pengecekan Alat

No. Komponen Alat Kondisi Kompnen Keterangan

1. Raspberry Pi 4 Dalam keadaan baik Digunakan sebagai mini
komputer pada penelitian
alat.

2. Webcam Dalam keadaan baik Digunakan untuk mengambil

Logitech C525 citradalam bentuk gambar
dan video.
Konektor HDMI Dalam keadaan baik digunakan untuk
to VGA menghubungkan raspberry PI
ke monitor.
 22

No. Komponen Alat Kondisi Kompnen Keterangan

4. Power Supply Dalam keadaan baik Digunakan untuk meng-
supplay tegangan pada
Rarpberry Pi 3B.
5. Monitor Dalam keadan baik Monitor digunakan sebagai
antarmuka untuk tampilan
dari Raspberry Pi 3B.

4.3 Diagram Blok Alat

Perancangan Alat pada penelitian ini meliputi perancangan diagram blok

perangkat keras yang disajikan pada Gambar 4.1.

Gambar 4.1 Diagram blok alat

Gambar 4.1 menggambarkan skema perangkat keras pada penelitian ini

dimana terdapat satu buah Catu daya, satu buah masukan yaitu webcam, satu buah

keluaran yaitu monitor dan satu buah proses yaitu Raspbery PI 4. Pada bagian Catu

Daya digunakan charger smartphone yang memiliki fitur fast charging dengan

spesivikasi 5V 2.5A yang dapat memberi catu daya dengan stabil meski raspberry

PI 4 dalam kondisi komputasi yang sibuk. Webcam Logitech C525 digunakan

sebagai pencuplik citra dari jalan yang akan dianalisa luasan area lubang. Raspberry

PI 4 digunakan sebagai komponen untuk komputasi pengolahan citra dimana pada

 23

versi ini memiliki ram 4GB sehingga dapat menjalankan komputasi lebih cepat dari

versi sebelumnya. Monitor digunakan untuk mengecek hasil dari program.

4.4 Diagram Alir Alat

Diagram alir (flowchart) merupakan suatu bagan dengan simbol-simbol

tertentu yang menggambarkan urutan proses secara mendetail dan hubungan antara

suatu proses (instruksi) dengan proses lainnya dalam suatu program. Diagram alir

untuk program citra digital pada Sistem Analisator Kerusakan Jalan Raya Berbasis

Citra Digital yang digunakan pada penelitian ini tampak pada Gambar 4.2.

Gambar 4.2 Diagram alir sistem

Pada diagram alir sistem gambar 4.3 diatas, menjelaskan proses pendeteksian

objek dan pengambilan contour serta mendapatkan nilai luas dan diameter, pada
 24

kondisi awal diperlukan adanya proses pengambilan gambar/video secara realtime

dengan menggunakan kamera pi, kemudian gambar/video tersebut akan diproses

pada Raspberry Pi 3B dengan berbasis pengolahan citra digital. Pendeteksian objek

berdasarkan nilai HSV, jika nilai HSV pada suatu gambar/video memenuhi maka

akan terjadi pendeteksian objek kemudian hasil deteksi tersebut dicontur dan

mendapatkan nilai luas dan diameter, jika tidak maka akan melakukan proses

pengambilan gambar/video kembali secara terus menerus sampai memenuhi nilai

HSV.

4.5 Pengambilan Sampel Citra

Sampel citra yang diuji diambil di daerah sekitar Desa Pogung, Sinduadi,

Mlati, Sleman dan Jl. Pandega Marta. Adapun area tempat pengambilan citra

pengujian disajikan pada Gambar 4.3.

Gambar 4.3 Area pengambilan sampel citra

 25

Sedangkan hasil citra yang diambil pada area yang terdapat pada gambar

Gambar 4.3 disajikan pada gambar Gambar 4.4 – Gambar 4.13.

Gambar 4.4 Citra pothole-01.jpg Gambar 4.5 Citra pothole-02.jpg

Gambar 4.6 Citra pothole-03.jpg Gambar 4.7 Citra pothole-04.jpg

Gambar 4.8 Citra pothole-05.jpg Gambar 4.9 Citra pothole-06.jpg

Gambar 4.10 Citra pothole-07.jpg Gambar 4.11 Citra pothole-08.jpg

 26

Gambar 4.12 Citra pothole-09.jpg Gambar 4.13 Citra pothole-10.jpg

4.6 Pengujian Program

Pengujian program merupakan kegiatan yang dimaksudkan untuk menguji

program dengan menggunakan perangkat lunak Thony Python IDE. Program yang

ditulis dengan perangkat lunak Thony Python IDE disebut sebagai sketch. Sketch

ditulis dalam suatu editor teks dan disimpan dalam file dengan ekstensi .py. Format

tersebut muncul ketika program yang dibuat disimpan pada suatu folder. Program

pada Thony Python IDE digunakan untuk seluruh kegiatan pemrograman alat pada

penelitian ini.

4.6.1 Program untuk mengakses webcam logitech C525

Program pada Listing 4.1 akan menjalankana Kamera Pi yang terhubung

pada Raspberry Pi 3B dengan delay 5 detik. Verify dan Running program

menunjukan tidak terdapat error dan kamera berjalan sesuai perintah program.
 27

import numpy as np
import cv2
cap = cv2.VideoCapture(0)
while(True):
ret, frame = cap.read()
cv2.imshow('frame',frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Listing 4.1 Program menjalankan webcam

Program pada Listing 4.2 bertujuan untuk mendeteksi jalan berlubang dengan

algoritma yang sudah dirancang seperti pada Gambar 4.2. Untuk memudahkan

pencarian nilai threshold digunakan fitur trackbar pada opencv agar aplikasi dapat

lebih interaktif pada saat proses pencarian nilai dari berbagai parameter.

import cv2
import numpy as np
def nothing(x):
pass
res = None
cv2.namedWindow('controls')
cv2.createTrackbar('H_L','controls',0,255,nothing)
cv2.createTrackbar('H_H','controls',255,255,nothing)
cv2.createTrackbar('S_L','controls',0,180,nothing)
cv2.createTrackbar('S_H','controls',180,180,nothing)
cv2.createTrackbar('V_L','controls',0,255,nothing)
cv2.createTrackbar('V_H','controls',255,255,nothing)
cv2.createTrackbar('GAU','controls',1,11,nothing)
cv2.createTrackbar('ALP','controls',0,255,nothing)
cv2.createTrackbar('BET','controls',255,255,nothing)

cv2.namedWindow('control')
button = [20,60,50,250]
def process_click(event, x, y,flags, params):
if event == cv2.EVENT_LBUTTONDOWN:
if y > button[0] and y < button[1] and x > button[2] an
d x < button[3]:
print('Clicked on Button!')
convert_hsv(res)

def convert_hsv(img):
 28

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

return hsv

cv2.setMouseCallback('control',process_click)
control_image = np.zeros((80,300), np.uint8)
control_image[button[0]:button[1],button[2]:button[3]] = 180
cv2.putText(control_image, 'Button',(100,50),cv2.FONT_HERSHEY_P
LAIN, 2,(0),3)
while(1):
gaus_param = int(cv2.getTrackbarPos('GAU','controls'))
param_h_l = int(cv2.getTrackbarPos('H_L','controls'))
param_s_l = int(cv2.getTrackbarPos('S_L','controls'))
param_v_l = int(cv2.getTrackbarPos('V_L','controls'))
param_h_h = int(cv2.getTrackbarPos('H_H','controls'))
param_s_h = int(cv2.getTrackbarPos('S_H','controls'))
param_v_h = int(cv2.getTrackbarPos('V_H','controls'))
param_alp = int(cv2.getTrackbarPos('ALP','controls'))
param_bet = int(cv2.getTrackbarPos('BET','controls'))
img = cv2.imread("pothole-08.jpg")
img2 = cv2.normalize(img,None,param_alp,param_bet,cv2.NORM_MIN
MAX)
if gaus_param % 2 == 0:
gaus_param += 1
dst = cv2.GaussianBlur(img2,(gaus_param,gaus_param),cv2.BORDER
_DEFAULT)
hsv = cv2.cvtColor(dst, cv2.COLOR_BGR2HSV)
if param_h_l >= param_h_h:
param_h_l = param_h_h - 1
if param_s_l >= param_s_h:
param_s_l = param_s_h - 1
if param_v_l >= param_v_h:
param_v_l = param_v_h - 1
if param_h_h <= param_h_l:
param_h_h = param_h_l + 1
if param_s_h <= param_s_l:
param_s_h = param_s_l + 1
if param_v_h <= param_v_l:
param_v_h = param_v_l + 1

lower_pothole = np.array([param_h_l,param_s_l,param_v_l])
upper_pothole = np.array([param_h_h,param_s_h,param_v_h])

mask = cv2.inRange(hsv, lower_pothole, upper_pothole)

res = cv2.bitwise_and(dst,dst, mask= mask)
cv2.imshow('img',res)
cv2.imshow('control',control_image)
k = cv2.waitKey(1) & 0xFF
if k == 27:
break
 29

cv2.destroyAllWindows()
Listing 4.2 Program deteksi jalan berlubang
Adapun parameter yang dibuatkan trackbar para program diantaranya
adalah:
1. Lower hue
2. Lower saturation
3. Lower value
4. Upper hue
5. Upper saturation
6. Upper value
7. Dimensi kernel gaussian blur
8. Nilai alpha normalisasi
9. Nilai beta normalisasi

Trackbar untuk mencari nilai parameter deteksi jalan berlubang disajikan pada

Gambar 4.14.
 30

Gambar 4.14 Trackbar parameter deteksi jalan berlubang

4.6.2 Program Perhitungan Luas Lubang Pada Jalan Yang Berlubang

Program pada Listing 4.3 bertujuan untuk mengkonversi luas area dari satuan

pixel ke cm2. Sebagian besar program pada Listing 4.3 diambil dari Listing 4.2 yang

dimodifikasi yaitu menghilangkan trackbar dan menambahkan algoritma konversi

luas lubang dalam satuan cm2.

import cv2
import numpy as np

font = cv2.FONT_HERSHEY_SIMPLEX
bottomLeftCornerOfText = (10,500)
fontScale = 1
fontColor = (0,255,255)
lineType = 3

param_normalize = [0 ,132]
param_low_HSV = [0 ,17 ,26]
 31

param_high_HSV = [56 ,180 ,113]

raw = cv2.imread("pothole-08.jpg")
raw2 = cv2.imread("pothole-08.jpg")
ycrcb_img = cv2.cvtColor(raw, cv2.COLOR_BGR2YCrCb)
ycrcb_img[:, :, 0] = cv2.equalizeHist(ycrcb_img[:, :, 0])
img = cv2.cvtColor(ycrcb_img, cv2.COLOR_YCrCb2BGR)
img2 = cv2.normalize(img,None,0,132,cv2.NORM_MINMAX)
dst = cv2.GaussianBlur(img2,(11,11),cv2.BORDER_DEFAULT)
hsv = cv2.cvtColor(dst, cv2.COLOR_BGR2HSV)
lower_pothole = np.array(param_low_HSV)
upper_pothole = np.array(param_high_HSV)
mask = cv2.inRange(hsv, lower_pothole, upper_pothole)
res = cv2.bitwise_and(hsv,hsv, mask= mask)
ret, thresh = cv2.threshold(mask, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, c
v2.CHAIN_APPROX_SIMPLE)

if len(contours) != 0:
# draw in blue the contours that were founded
#cv2.drawContours(img, contours, -1, (255,255,0), 3)

# find the biggest countour (c) by the area

c = max(contours, key = cv2.contourArea)
cv2.drawContours(raw, c, -1, (255,255,0), 3)
cv2.drawContours(raw2, contours, -1, (255,255,0), 3)
area = cv2.contourArea(c)
areacm = area*0.02362
x,y,w,h = cv2.boundingRect(c)
cv2.putText(raw,'Citra : Pothole-08.jpg',
(10,500),
font,
fontScale,
fontColor,
lineType)
cv2.putText(raw,'Luas bolong: '+ str(round(areacm,2)) + 'cm2',
(10,540),
font,
fontScale,
fontColor,
lineType)
cv2.imshow('img',np.hstack((raw2,raw)))
cv2.imwrite('08-hitung-08.jpg', raw)
#cv2.imwrite('R-pothole-01.jpg', raw)
while(1):
# waitfor the user to press escape and break the while loop
k = cv2.waitKey(1) & 0xFF
if k == 27:
break
 32

#destroys all window

cv2.destroyAllWindows()
Listing 4.3 Program perhitungan luas lubang
4.7 Pengujian Alat

Pada bagian pengujian alat, akan dipaparkan terkait pengujian dan

pembahasan terkait dengan blok diagram alat maupun diagram alir sistem.

4.7.1 Pengujian webcam Logitech C525

Pengujian alat berupa webcam Logitech C525 pada Raspberry PI 4 berfungsi

dengan baik. fitur autofokus pada webcam Logitech C525 juga berfungsi dengan

baik serta webcam dapat berfungsi dengan lancar tanpa delay. Hasil pengujian

webcam Logitech C525 sajikan pada Gambar 4.15.

Gambar 4.15 Hasil pengujian webcam Logitech C525

4.7.2 Pengujian mengakses gambar citra dari file

Pengujian mengakses gambar citra melalui file yang sudah disediakan

berjalan dengan baik, hasil pengujian akses citra melalui file disajikan pada Gambar

4.16.
 33

Gambar 4.16 Pengujian akses citra melalui file

4.7.3 Pengujian program equalizer histogram

Pengujian alat dengan mengubah citra asli dengan menggunakan metode

equalize histogram yang dimaksudkan untuk menyeimbangkan histogram

persebaran warnanya. sehingga lebih mudah untuk diproses. hasil dari eksekusi

program equalize histogram pada citra asli disajikan pada Gambar 4.17.

(a) (b)

Gambar 4.17 (a) citra asli, (b) hasil equalize histogram

 34

4.7.4 Pengujian program normalisasi

Pengujian alat dengan mengubah citra hasil dari equalize histogram dengan

menggunakan metode normalize minmax yang memiliki dua parameter yaitu

aplha dan beta. dimana fungsi dari alpha dimaksudkan untuk meningkatkan

kecerahan dan beta untuk menurunkan kecerahan. nilai default alpha adalah 0,

dan beta adalah 255. pada proses thresholding metode normalize bertujuan untuk

mengatur besar rongga pada hasil thresholding. hasil eksekusi dari metode

normalize disajikan pada Gambar 4.18.

(a) (b)
Gambar 4.18 (a) hasil equalize histogram, (b) hasil normalisasi
4.7.5 Pengujian program gaussian blur

Pengujian alat pada bagian filter gaussian blur dimaksudkan untuk

mengurangi ketajaman gambar. Bila ada perbedaan warna yang tinggi pada jarak

yang kecil akan diburamkan sehingga memudahkan proses thresholding. hasil

eksekusi program filter gaussian blur disajikan pada Gambar 4.19.

 35

(a) (b)
Gambar 4.19 (a) hasil normalisasi, (b) hasil filter gaussian blur
4.7.6 Pengujian program konversi HSV

Pengujian alat pada bagian ini yaitu mengubah ruang warna RGB menjadi

ruang warna HSV. Ruang warna HSV dipilih karena dapat mengubah warna yang

awalnya gabungan dari beberapa warna primer menjadi warna spektrum pada

cahaya, sehingga dapat meningkatkan akurasi pada metode thresholding. hasil

pengujian konversi warna HSV disajikan pada Gambar 4.20.

(a) (b)
Gambar 4.20 (a) Hasil filter gaussian, (b) Hasil konversi HSV
 36

4.7.7 Pengujian program thresholding

Pengujian alat pada program thresholding dimaksudkan untuk memisahkan

objek lubang jalan. Pada pengujian thresholding, lubang jalan tidak benar-benar

terpisah. melainkan ada objek lain yang memiliki ciri yang sama dengan lubang

jalan. hasil pengujian program thresholding disajikan pada Gambar 4.21.

(a) (b)
Gambar 4.21 (a) Hasil filter gaussian, (b) Hasil thresholding
Langkah berikutnya adalah mencari nilai setiap parameter dengan

menggunakan program mencari nilai HSV. Parameter yang dicari diantaranya

adalah:

1. Normalize

2. Lower inRange HSV

3. Upper InRange HSV

4. Kernel filter gaussian

5. Threshold biner.

Hasil pengujian parameter dari 10 sampel yang sudah ditentukan disajikan

pada Tabel 4.3.

 37

Tabel 4.3 Nilai parameter thresholding

Lower
Upper inRange
Normalize
inRange kernel Threshold
Pothole HSV
HSV Gaussian
Min Max H S V H S V min max
1 0 146 0 0 100 255 180 255 7 127 255
2 1 169 0 7 0 255 180 255 9 127 255
3 Tidak dapat diselesaikan
4 35 169 0 5 105 255 180 255 7 127 255
5 64 255 0 7 70 255 180 176 11 127 255
6 0 217 0 12 61 255 180 255 7 127 255
7 0 194 0 9 0 150 180 255 11 127 255
8 0 132 0 17 26 56 180 113 9 127 255
9 Tidak dapat diselesaikan
10 20 234 0 20 0 142 180 255 11 127 255

Dari 10 sampel yang diuji, terdapat 2 sampel citra yang tidak dapat

diselesaikan dengan menggunakan metode ini, sedangkan 8 sampel lainnya

algoritma dapat mendeteksi lubang jalan pada citra tersebut. Dengan menggunakan

persamaan 1.

sukses
persentase = 100% (1)
total _ data

hasil perhitungan dengan menggunakan persamaan 1 yaitu

8
persentase = 100%
10 (2)
persentase = 80%

4.7.8 Pengujian program deteksi kontur

Pengujian alat pada program deteksi kontur berfungsi untuk mendeteksi

setiap tepi yang ada dari hasil threshold. pada bagian pengujian deteksi kontur.
 38

masih terdapat banyak bagian yang bukan lubang jalan terdeteksi olek program

deteksi kontur. Threshold HSV tidak dapat memisahkan jalan berlubang secara

sempurna sehingga perlu dipisahkan dengan cara membuat kontur jalan berlubang

sebagai kontur dengan area yang paling luas. hasil pengujian deteksi kontur

disajikan pada Gambar 4.22.

(a) (b)

Gambar 4.22 (a) Hasil thresholding, (b) hasil deteksi kontur

4.7.9 Pengujian program kontur terbesar

Pengujian alat dengan program pencarian kontur terbesar bertujuan untuk

memisahkan kontur jalan berlubang. Manual setting thresholding didesain agar

menghasilkan kontur jalan berlubang memiliki area yang paling besar sehingga

mudah untuk dideteksi. langkah berikutnya adalah menghitung luas area kontur

yang telah dideteksi masih dalam satuan pixel. hasil pengujian program deteksi

kontur terbesar disajikan pada Gambar 4.23.

 39

(a) (b)

Gambar 4.23 (a) Hasil deteksi kontur, (b) kontur terbesar

4.7.10 Pengujian program menghitung luas lubang jalan

Pengujian program menghitung luas lubang jalan dilakukan dengan

mengonversi luas perhitungan dari program yang awalnya berupa satuan pixel

menjadi cm2. pengubahan satuan tersebut dilakukan untuk memudahkan

pengukuran. Pengambilan citra dilakukan dengan kamera dengan posisi tegak

horizontal. pengambilan citra disajikan seperti pada Gambar 4.24. perbandingan

luas citra dengan luas sebenarnya disajikan pada persamaan (3).

 40

Gambar 4.24 Skema pengambilan citra

Areal = Apixel (3)

Untuk mengetahui luas di setiap satu frame foto, dilakukan perhitungan

dengan memotret keramik dengan ketinggian 120cm.

Gambar 4.25 Sampel kalibrasi luasan 1

 41

Gambar 4.26 Sampel kalibrasi luasan 2

Gambar 4.27 Sampel kalibrasi luasan 3

Dari ketiga sampel gambar Gambar 4.25 sampai Gambar 4.27, rata-rata setiap

foto mencangkup panjang 5 keramik dan lebar 4 keramik dengan kriteria setiap

keramik memiliki lebar 30x30 cm maka didapatkan total keramik seperti yang telah

disajikan pada persamaan (4).

 42

A = p *l
A = 5* 4 (4)
A = 20

Setelah diketahui jumlah keramik yang tercuplik pada frame citra, selanjutnya

dikalikan dengan luas setiap keramik. setiap keramik memiliki panjang sisi 30 cm

sehingga luas dari setiap keramik adalah 900cm2 . Maka luas dari setiap frame

dalam satuan cm2 disajikan pada persamaan (5).

Areal = 20*900cm2
(5)
Areal = 18000cm2

Setelah diketahui luas frame dalam satuan cm2 langkah selanjutnya adalah

mengetahui luas pixel dari dimensi citra yang diuji. Kriteria dimensi citra

disajikan pada Gambar 4.28.

Gambar 4.28 Dimensi citra

Persamaan (6) digunakan untuk menghitung luas dimensi citra.

Apixel = w * h (6)

Pada Gambar 4.28, diketahui w = 1008 dan h = 756, maka didapatkan luas

Apixel yaitu:
 43

Apixel = 1008*756
(7)
Apixel = 762048 px

mengacu pada persamaan (3), dapat dihasilkan

Areal = Apixel
18000cm 2 = 762048 px 2 * x
18000 (8)
x=
762048
x = 0.02362

jadi persamaan akhir untuk menghitung luasan dalam satuan cm2 dari satuan

pixel disajikan pada persamaan (9)

Areal = Apixel *0.02362 (9)

Gambar 4.29 Hasil perhitungan luas dalam satuan cm2

Gambar 4.29 merupakan hasil dari perhitungan pada sistem alat, sedangkan

hasil lengkap analisa luas lubang jalan disajikan pada Gambar 4.30 sampai

Gambar 4.37.
 44

Gambar 4.30 Hasil analisa citra Gambar 4.31 Hasil analisa citra
sampel 1 sampel 2

Gambar 4.32 Hasil analisa citra Gambar 4.33 Hasil analisa citra
sampel 4 sampel 5

Gambar 4.34 Hasil analisa citra Gambar 4.35 Hasil analisa citra
sampel 6 sampel 7

Gambar 4.36 Hasil analisa citra Gambar 4.37 Hasil analisa citra
sampel 8 sampel 10
 45

Hasil analisa perhitungan luas lubang pada jalan disajikan pada Tabel 4.4.

Tabel 4.4 Hasil analisa lubang jalan

No Citra Luas (cm2)

1 pothole-01.jpg 810.52
2 pothole-02.jpg 639.29
3 pothole-04.jpg 589.25
4 pothole-05.jpg 363.23
5 pothole-06.jpg 738.55
6 pothole-07.jpg 1331.83
7 pothole-08.jpg 1323.09
8 pothole-10.jpg 2658.06

Untuk membuktikan persamaan (9) dilakukan pengujian untuk

memverifikasi dengan pendeteksian luas gambar bidang datar dengan luas yang

sudah ditentukan. Ada tiga objek yang disajikan pada Tabel 4.5.

Tabel 4.5 Daftar bidang datar pengujian persamaan (9)

No Bidang Luas (cm2)

1 Lingkaran 660cm2
2 Persegi 400cm2
3 Segitiga 230cm2

Hasil pengujian perbandingan luas estimasi dengan luas sebenarnya

disajikan pada Gambar 4.38 sampai Gambar 4.40.

 46

Gambar 4.38 Pengujian pada bidang lingkaran

Gambar 4.39 Pengujian pada bidang persegi

Gambar 4.40 Pengujian pada bidang segitiga

Hasil pengujian pada tiga buah objek bidang datar yang telah ditentukan

luasnya menghasilkan eror berkisar antara 0.358% - 4.19%

 BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan uji coba dan analisa pendeteksian serta perhitungan luas jalan

berlubang yang dilakukan pada 10 sampel citra jalan berlubang yang dilakukan di

Laboratorium Telekomunikasi dan Frekuensi Tinggi mampu menganalisa dan

menghitung luas jalan berlubang dengan tingkat error 0.358% - 4.19%, namun nilai

parameter lower, upper HSV, gaussian blur kernel, aplha, beta pada fungsi masih

beragam. Program yang berperan penting dalam proses pendeteksian jalan

berlubang adalah equalizer histogram. Peningkatan akurasi pendeteksian lubang

berjalan meningkat setelah menambahkan program filter gaussian blur dan

normalize. umumnya kernel gaussian blur yang digunakan pada proses segmentasi

digunakan 7x7 hingga 11x11 pixel. Hasil dari analisa besar luas jalan berlubang

yang dilakukan jalan Pandega Marta bervariasi dari 363 cm2 sampai 2658 cm2.

5.2 Saran

Berdasarkan hasil dari hasil kerja praktek yang dilakukan di Laboratorium

Telekomunikasi dan Frekuensi Tinggi Universitas Ahmad Dahlan Yogyakarta,

pengujian alat untuk pengklasifikasian kerusakan jalan masih terbatas pada sistem

dan metode analisis kerusakan jalan secara realtime. Selanjutnya mahasiwa kerja

praktek mengusulkan beberapa saran sebagai berikut:

47
 48

a. Di Laboratorium Telekomunikasi dan Frekuensi Tinggi Universitas Ahmad

Dahlan terdapat banyak ilmu yang dimiliki terutama dibidang ilmu pengolahan

citra digital khususnya pendeteksian dan tracking objek. Sehingga dapat

direkomendasikan kepada mahasiswa lainnya untuk media pembelajaran

khususnya untuk mahasiswa teknik elektro.

Pengujian alat sistem analisator kerusakan jalan berbasis citra digital dapat

mendeteksi dan mentracking kerusakan jalan berlubang dengan bentuk yang

berbeda-beda. Diharapkan khususnya mahasiswa teknik elektro selanjutnya bisa

mengembangkan program analisator kerusakan jalan berbasis citra digital

menggunakan metode-metode pengolahan citra lainnya.

 DAFTAR PUSTAKA

Arum Sari, Y. and Dewi, C. (2018) ‘Sistem Temu Kembali Citra Lubang Jalan

Aspal Berdasarkan Tingkat Kerusakan Menggunakan Ekstraksi Fitur Gray

Level Co-occurrence Matrix Improved Linear Regression View project IT

for Agriculture View project’, Jurnal Pengembangan Teknologi Informasi

dan Ilmu Komputer, 2(10), pp. 3811–3821. Available at: http://j-

ptiik.ub.ac.id.

Hartono, R., Wibisono, Y. and Sukamto, R. A. (2017) ‘Damropa (Damage Roads

Patrol): Aplikasi Pendeteksi Jalan Rusak Memanfaatkan Accelerometer

pada Smartphone’, Program Studi Ilmu Komputer, pp. 1–6. doi:

10.31219/osf.io/yekpr.

Irawan, A. et al. (2016) ‘Perancangan Sistem Deteksi Kerusakan Aspal Jalan

Melalui Video Menggunakan Fatst Fourier Transform’, Prosiding SNRT

(Seminar Nasional Riset Terapan), 5662, pp. 111–119.

Kusumanto, R. and Tompunu, A. N. (2011) ‘Technogenic activity of man and local

sources of environmental pollution’, Studies in Environmental Science,

17(C), pp. 329–332. doi: 10.1016/S0166-1116(08)71924-1.

Lazaro, A., Buliali, J. L. and Amaliah, B. (2017) ‘Deteksi Jenis Kendaraan di Jalan

Menggunakan OpenCV’, Jurnal Teknik ITS, 6(2). doi:

10.12962/j23373539.v6i2.23175.

Padmo A.M, A. and Murinto (2016) ‘Segmentasi Citra Batik Berdasarkan Fitur
49
 50

Tekstur Menggunakan Metode Filter Gabor Dan K-Means Clustering’,

Jurnal Informatika, 10(1), pp. 1173–1179. doi: 10.26555/jifo.v10i1.a3349.

Shadiq, H. M., Sudjadi and Darjat. (2015) ‘Perancangan Kamera Pemantau

Nirkabel Menggunakan Raspberry Pi Model B’, Transient: Jurnal Ilmiah

Teknik Elektro, 3(4), pp. 546–551. Available at:

https://ejournal3.undip.ac.id/index.php/transient/article/view/8124.

Suryowinoto, A. and Hamid, A. (2017) ‘Penggunaan Pengolahan Citra Digital

dengan Algoritma Edge Detection dalam Mengidentifikasi Kerusakan

Kontur Jalan’, Seminar Nasional Sains dan Teknologi Terapan V, pp. 149–

154.

Wijaya, D. I., Nurhasan, U. and Barata, A. M. (2017) ‘Implementasi Raspberry Pi

Untuk Rancang Bangun Sistem Keamanan Pintu Ruang Server Dengan

Pengenalan Wajah Menggunakan Metode Tiangle Face’, Jurnal

Informatika Polinema, 4(1), pp. 64–75. Available at:

https://media.neliti.com/media/publications/266747-implementasi-

raspberry-pi-untuk-rancang-e9579c10.pdf.
LAMPIRAN

51
 52

Lampiran 1 adalah listing program menjalankan webcam

import numpy as np
import cv2
cap = cv2.VideoCapture(0)
while(True):
ret, frame = cap.read()
cv2.imshow('frame',frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
Lampiran 2 Program deteksi jalan berlubang
import cv2
import numpy as np
def nothing(x):
pass
res = None
cv2.namedWindow('controls')
cv2.createTrackbar('H_L','controls',0,255,nothing)
cv2.createTrackbar('H_H','controls',255,255,nothing)
cv2.createTrackbar('S_L','controls',0,180,nothing)
cv2.createTrackbar('S_H','controls',180,180,nothing)
cv2.createTrackbar('V_L','controls',0,255,nothing)
cv2.createTrackbar('V_H','controls',255,255,nothing)
cv2.createTrackbar('GAU','controls',1,11,nothing)
cv2.createTrackbar('ALP','controls',0,255,nothing)
cv2.createTrackbar('BET','controls',255,255,nothing)

cv2.namedWindow('control')
button = [20,60,50,250]
def process_click(event, x, y,flags, params):
if event == cv2.EVENT_LBUTTONDOWN:
if y > button[0] and y < button[1] and x > button[2] an
d x < button[3]:
print('Clicked on Button!')
convert_hsv(res)

def convert_hsv(img):
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
return hsv

cv2.setMouseCallback('control',process_click)
control_image = np.zeros((80,300), np.uint8)
control_image[button[0]:button[1],button[2]:button[3]] = 180
cv2.putText(control_image, 'Button',(100,50),cv2.FONT_HERSHEY_P
LAIN, 2,(0),3)
while(1):
gaus_param = int(cv2.getTrackbarPos('GAU','controls'))
 53

param_h_l = int(cv2.getTrackbarPos('H_L','controls'))
param_s_l = int(cv2.getTrackbarPos('S_L','controls'))
param_v_l = int(cv2.getTrackbarPos('V_L','controls'))
param_h_h = int(cv2.getTrackbarPos('H_H','controls'))
param_s_h = int(cv2.getTrackbarPos('S_H','controls'))
param_v_h = int(cv2.getTrackbarPos('V_H','controls'))
param_alp = int(cv2.getTrackbarPos('ALP','controls'))
param_bet = int(cv2.getTrackbarPos('BET','controls'))
img = cv2.imread("pothole-08.jpg")
img2 = cv2.normalize(img,None,param_alp,param_bet,cv2.NORM_MIN
MAX)
if gaus_param % 2 == 0:
gaus_param += 1
dst = cv2.GaussianBlur(img2,(gaus_param,gaus_param),cv2.BORDER
_DEFAULT)
hsv = cv2.cvtColor(dst, cv2.COLOR_BGR2HSV)
if param_h_l >= param_h_h:
param_h_l = param_h_h - 1
if param_s_l >= param_s_h:
param_s_l = param_s_h - 1
if param_v_l >= param_v_h:
param_v_l = param_v_h - 1
if param_h_h <= param_h_l:
param_h_h = param_h_l + 1
if param_s_h <= param_s_l:
param_s_h = param_s_l + 1
if param_v_h <= param_v_l:
param_v_h = param_v_l + 1

lower_pothole = np.array([param_h_l,param_s_l,param_v_l])
upper_pothole = np.array([param_h_h,param_s_h,param_v_h])

mask = cv2.inRange(hsv, lower_pothole, upper_pothole)

res = cv2.bitwise_and(dst,dst, mask= mask)
cv2.imshow('img',res)
cv2.imshow('control',control_image)
k = cv2.waitKey(1) & 0xFF
if k == 27:
break
cv2.destroyAllWindows()
 54

Lampiran 3 Program perhitungan luas lubang

import cv2
import numpy as np

font = cv2.FONT_HERSHEY_SIMPLEX
bottomLeftCornerOfText = (10,500)
fontScale = 1
fontColor = (0,255,255)
lineType = 3

param_normalize = [0 ,132]
param_low_HSV = [0 ,17 ,26]
param_high_HSV = [56 ,180 ,113]

raw = cv2.imread("pothole-08.jpg")
raw2 = cv2.imread("pothole-08.jpg")
ycrcb_img = cv2.cvtColor(raw, cv2.COLOR_BGR2YCrCb)
ycrcb_img[:, :, 0] = cv2.equalizeHist(ycrcb_img[:, :, 0])
img = cv2.cvtColor(ycrcb_img, cv2.COLOR_YCrCb2BGR)
img2 = cv2.normalize(img,None,0,132,cv2.NORM_MINMAX)
dst = cv2.GaussianBlur(img2,(11,11),cv2.BORDER_DEFAULT)
hsv = cv2.cvtColor(dst, cv2.COLOR_BGR2HSV)
lower_pothole = np.array(param_low_HSV)
upper_pothole = np.array(param_high_HSV)
mask = cv2.inRange(hsv, lower_pothole, upper_pothole)
res = cv2.bitwise_and(hsv,hsv, mask= mask)
ret, thresh = cv2.threshold(mask, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, c
v2.CHAIN_APPROX_SIMPLE)

if len(contours) != 0:
# draw in blue the contours that were founded
#cv2.drawContours(img, contours, -1, (255,255,0), 3)

# find the biggest countour (c) by the area

c = max(contours, key = cv2.contourArea)
cv2.drawContours(raw, c, -1, (255,255,0), 3)
cv2.drawContours(raw2, contours, -1, (255,255,0), 3)
area = cv2.contourArea(c)
areacm = area*0.02362
x,y,w,h = cv2.boundingRect(c)
cv2.putText(raw,'Citra : Pothole-08.jpg',
(10,500),
font,
fontScale,
fontColor,
lineType)
cv2.putText(raw,'Luas bolong: '+ str(round(areacm,2)) + 'cm2',
 55

(10,540),
font,
fontScale,
fontColor,
lineType)
cv2.imshow('img',np.hstack((raw2,raw)))
cv2.imwrite('08-hitung-08.jpg', raw)
#cv2.imwrite('R-pothole-01.jpg', raw)
while(1):
# waitfor the user to press escape and break the while loop
k = cv2.waitKey(1) & 0xFF
if k == 27:
break
#destroys all window
cv2.destroyAllWindows()

Lampiran 4 adalah hasil pengukuran luas area jalan berlubang

No Citra Luas (cm2)
1 pothole-01.jpg 810.52
2 pothole-02.jpg 639.29
3 pothole-04.jpg 589.25
4 pothole-05.jpg 363.23
5 pothole-06.jpg 738.55
6 pothole-07.jpg 1331.83
7 pothole-08.jpg 1323.09
8 pothole-10.jpg 2658.06
 56

Lampiran 5 Foto bagian depan Laboratorium Telekomunikasi dan Frekuensi

Tinggi