Implementasi Canny Edge Detection Untuk Pengukuran Sepatu Berbasis Android

i
IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN

SEPATU BERBASIS ANDROID
SKRIPSI
HAFNI SILFIZAH HASIBUAN

131402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2019

ii
IMPLEMENTASI CANNY EDGE DETECTION UNTUK

PENGUKURAN SEPATU BERBASIS ANDROID
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh

Ijazah Sarjana Teknologi Informasi

131402009
PROGRAM STUDI S1 TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
MEDAN
2019

iii

iv
PERNYATAAN
IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN

SEPATU BERBASIS ANDROID
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali
beberapa kutipan dan ringkasan yang masing-masing telah disebutkan
sumbernya.
Medan, Agustus 2019

131402071

v
UCAPAN TERIMA KASIH
Puji dan syukur kehadirat Allah SWT, karena rahmat dan izin dari-Nya penulis dapat
menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana
Komputer, pada Program Studi S1 Teknologi Informasi Fakultas Ilmu Komputer dan
Teknologi Informasi Universitas Sumatera Utara.
Penulis mengucapkan banyak terima kasih kepada Bapak Prof. Runtung Sitepu, SH.,
M.Hum selaku Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Opim Salim Sitompul
selaku Dekan Fasilkom-TI Universitas Sumatera Utara, Bapak Romi Fadillah Rahmat
B.Comp.Sc., M.Sc selaku Ketua Program Studi S1 Teknologi Informasi Universitas
Sumatera Utara sekaligus sebagai Pembibing I yang telah memberikan bimbingan dan
saran, Bapak Ivan Jaya, S.Si., M. selaku Dosen pembimbing II yang telah memberikan
bimbingan dan saran. Bapak Ainul Hizriadi, S.Kom, M.Sc sebagai Dosen Pembimbing
Akademik yang telah memberikan ide dan saran kepada penulis, Ibu Sarah Purnamawati,
S.T., M.Sc sebagai Dosen Pembanding I dan bapak Ivan Jaya, S.Si., M.Kom sebagai
Dosen Pembanding II. Seluruh dosen serta staf pegawai di lingkungan Program Studi S1
Teknologi Informasi dan Fasilkom-TI Universitas Sumatera Utara, yang telah membantu
proses administrasi selama masa perkuliahan.
Ucapan terima kasih juga saya ucapkan kepada keluarga saya yang sudah senantiasa
memberikan motivasi, doa, dan kasih sayang yang membuat saya berminat
menyelesaikan tugas akhir ini, kepada Ayah saya (Rustam Efendi Hasibuan), Ibu saya
tercinta (Rohani), Adik saya terimut (Nurul Aini Hasibuan, Amd.), Bunde saya
(Rosmaniar Hasibuan), Sepupu – sepupu saya (Rusmi Charyani Hasibuan, S,I Kom, Dr.
Maulia Windani, Suci Fadillah, Siti Rahmi Hasibuan, S.E, Eka Sari Putri S.E,) serta
keluarga besar lainnya yang tak bisa saya sebutkan satu persatu. Saya juga mengucapkan
beribu terima kasih kepada sahabat – sahabat saya Senja Kirana (Lusi Cania Manurung
S.S, Wilda Cahyani S.Ant, Mira Mentari Lubis S, Km, Andre Raka

vi
Dewa Amd.,Erin Rizki Amd., Bagus Heru Setyawa Amd., Wahyu Abdi Nugeraha SE,
Dwi Fajar Heryansyah), serta keluarga besar KOMPAS - USU telah mendukung saya.
Untuk teman-teman seperjuangan dalam memperoleh gelar S.kom, mendoakan,
membantu dalam menyiapkan skripsi ini (Pujiarti, Anggi Damira, Novi Endah Marhaen,
Sri Artika,, dan Yuni Marsinta Butar-butar) serta kepada seluruh teman-teman Teknologi
Informasi angkatan 2013 khususnya kom A yang tidak bisa penulis ucapkan satu persatu.
Kemudian Terimakasih Kepada Tim Toba Caldera Management yang telah mendukung
penulis, serta Abdul Rahman S. Psi yang sudah mendukung penulis.
Semoga Allah SWT melimpahkan berkah kepada semua pihak yang telah
memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan
skripsi ini.
Medan, Agustus 2019
Penulis

vii
ABSTRAK
Sepatu termasuk kebutuhan pokok, karena hampir setiap orang memerlukannya untuk
menunjang kegiatan sehari – hari, namun terdapat banyak faktor yang menghambat
proses jual beli sepatu, salah satunya keraguan saat memutuskan ukuran sepatu. Biasanya
konsumen akan memilih membeli sepatu secara langsung di toko untuk menghindari
resiko ketidakcocokan ukuran. Atau jika ingin memesan sepatu secara online maka
konsumen memutuskan nomor sepatu yang pernah dibeli sebelumnya, alhasil pembeli
bisa saja mendapatkan ukuran sepatu yang kurang pas. Untuk pengukuran sepatu masih
dilakukan secara manual sehingga cara tersebut dianggap masih kurang efisien dan rumit
secara pelaksanaan. Oleh karena itu, dibutuhkannya suatu sistem untuk membantu user
menentukan ukuran sepatu yang sesuai ukuran telapak kaki. Sistem diolah melalui
pengolahan citra dan menggunakan koin untuk mendapatkan ukuran, Pendeteksian
dilakukan dengan metode canny edge detection, chess board (chebyshev). Metode canny
edge detection untuk mendapatkan garis tepi objek, selanjutnya chessboard untuk
mrnghitung pixel objek. Berdasarkan pengujian pada 45 orang pada penelitian ini
menunjukkan akurasi mencapa hingga 90%. Hasil dari sistem berupa ukuran sepatu EU,
UK, US, serta gambar pola telapak kaki.
Kata Kunci : sepatu, ukuran telapak kaki, canny edge detection,chess board, image
processing

viii
IMPLEMENTATION OF CANNY EDGE DETECTION

FOR ANDROID BASED SHOES MEASUREMENT
ABSTRACT
Shoes include basic needs, because almost everyone needs them to support their daily
activities, but there are many factors that hinder the process of buying and selling shoes,
one of which is doubt when deciding on shoe size. Usually consumers will choose to buy
shoes directly at the store to avoid the risk of size mismatch. Or if you want to order
shoes online, then the consumer decides the number of shoes that were bought before, as
a result the buyer can just get a shoe size that is less fitting. For shoes measurement is still
done manually so that the method is considered still less efficient and complicated in
implementation. Therefore, we need a system to help users determine the size of shoes
that fit the sole of the foot. The system is processed through image processing and using
coins to get the size, the detection is done by the canny edge detection method. Based on
testing on 50 people in this study showed an accuracy of up to 90%. The results of the
system are Eu, UK, Us, and footprints.
Keywords: shoes, foot size, canny edge detection, image processing

ix
DAFTAR ISI
Halaman
KULIT DALAM I
HALAMAN JUDUL ii
PERSETUJUAN iii
PERNYATAAN ORISINALITAS iv
UCAPAN TERIMA KASIH V
ABSTRAK vii
ABSTRACK viii
DAFTAR ISI ix
DAFTAR TABEL xii
DAFTAR GAMBAR xiii
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 4
1.3. Batasan Masalah 4
1.4. Tujuan Penelitian 5
1.5. Manfaat Penelitian 5
1.6. Metodologi Penelitian 5
1.7. Sistematika Penulisan 6
BAB 2 LANDASAN TEORI

x
2.1. Landasan Teori 7

2.1.1. Ukuran Sepatu 7
2.1.2. Android 8
2.1.3 Pengolahan Citra Digital 9
2.1.4 Opencv 10
2.1.5. Canny Edge Detection 11
2.1.6. Kalibrasi 12
2.1.7 chessboard
2.2. Penelitian Terdahulu 12
BAB 3ANALISIS DAN PERANCANGAN SITEM

3.1. Analisis Sistem 13
3.2. Data yang Digunakan 15
3.3 Arsitektur Umum 17
3.3.1. Input 17
3.3.2. Proses 18
a. Ekstraksi Fitur 19
b. Grayscalling 19
c. Canny Edge Detection 20
d. Contour Tracing 20
e. Filter Contouring 21
f. Kalibrasi 22
3.3.3 Output 22
3.4. Use-Case Diagram 23
3.5. Perancangan Antarmuka 24
3.5.1. Perancangan Sistem 24
BAB 4 IMPLEMENTASI DAN PENGUJIAN

xi
4.1. Implementasi Sistem 27

4.1.1 Spesifikasi perangkat Lunak yang
digunakan 27
4.1.2 Implementasi perancangan Antarmuka 28
1. Tampilan Splashscreen 28
2. Tampilan Activity Awal 28
3. Tampilan Activity Pengambilan Citra 29
4. Tampilan Activity Hasil 30
4.2. Pengujian Sistem 31
4.2.1 Pengujian Pengukuran Sepatu Secara
Manual 31
4.2.2 Pengujian Pngukuran Sepatu Melalui
Sistem 38
Perbandingan Data Pengukuran Manual
4.3.
dengan Pengukuran Melalui Sistem 51
BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan 55
5.2. Saran 55
DAFTAR PUSTAKA

xii
DAFTAR TABEL
Halaman
Tabel 2.1 Data Ukuran Standard Sepatu Internsional 8

Tabel 2.2. Penelitian Terdahulu 13
Tabel 3.1. Data Ukuran Standard Sepatu Internasional 16
Tabel 3.3 Contoh matriks citra RGB ukuran x3 pixel 19
Tabel 3.4 Hasil Konversi Matriks Citra Keabuan 19
Tabel 3.2. Use-Case Diagram 23
Tabel 3.3 Perancangan Sistem Antarmuka 24
Tabel 4.1. Pengukruan sepatu Secara Manual 31
Tabel 4.2. Pengukuran Sepatu menggunakan aplikasi 39
Tabel 4.3. Perbandngan pengujian pengukuran panjang(cm) telapak kaki 51
Tabel 4.4. Perbandingan pengujian pengukuran sepatu 53

xiii
DAFTAR GAMBAR
Halaman
Gambar 2.1. Open CV 11
Gambar 2.2. Hasil dari Proses Canny Edge Detection 11
Gambar 2.3. Koin Rp. 500 12
Gambar 3.1. Arsitektur Umum 17
Gambar 3.2. Pengambilan gambar 18
Gambar 3.3. Hasil Citra Grayscale 20
Gambar 3.4 Hasil citra Deteksi Tepi Canny 20
Gambar 3.5. Citra dengan Kontur yang Terdeteksi 21
Gambar 3.6. Citra Filter Contouring 21
Gambar 4.1. Tampilan splashscreen 28
Gambar 4.2. Tampilan Awal 29
Gambar 4.3. Tampilan Activity Pengambilan Citra 30
Gambar 4.4. Tampilan Activity Hasil 30
Diagram Persentase Kesalahan Perbandingan Pengujian
Gambar 4.5.
Perhitungan Panjang (cm) telapak kaki 52
Diagram Persentase Kesalahan Perbandingan Pengujian
Gambar 4.6.
Ukuran Sepatu 54

1
BAB I
PENDAHULUAN
1.1 Latar belakang
Perkembangan teknologi Smartphone pada saat ini sangat berkembang pesat.

Smartphone dapat menunjang berbagai macam aktifitas, segala keperluan masyarakat
khususnya dalam hal komunikasi. tidak hanya sebatas untuk menelepon atau
mengirim pesan singkat (sms) saja tetapi juga dapat di gunakan untuk komunikasi
melalui internet dan sejumlah aplikasi yang memudahkan masyarakat dalam setiap
pekerjaan yang dilakukan dan dalam kehidupan sehari – hari. Seiring dengan
meningkatnya teknologi, perkembangan bisnis yag mengandalkan jaringan internet
pun kini sudah menjamur dan banyak memberikan dampak positif.
Saat ini masyarakat banyak yang berminat menggunakan smartphone untuk
memudahkan semua aktivitas. Smartphone sudah menjadi kebutuhan sehari – hari
karena segala kebutuhan sudah tersedia didalamnya. Ditengah maraknya
perkembangan teknologi saat ini, penulis tertarik untuk memperhatikan kebutuhan
pokok manusia yang lainnya, yakni sepatu . karena hampir setiap orang
memerlukannya untuk menunjang kegiatan sehari – hari. Sepatu atau alas kaki dapat
melindungi kaki dari kotoran ataupun benda tajam saat menginjak tanah dan batu
krikil di jalan, , sepatu pun sudah menjadi gaya hidup bagi kebanyakan orang pada
zaman ini (Sancaktar, 2006)
Para pelaku industri pun berlomba – lomba untuk menawarkan berbagai jenis
sepatu. Namun terdapat banyak faktor yang menghambat proses jual beli sepatu, salah
satunya keraguan saat memutuskan ukuran sepatu. Setiap konsumen melakukan
berbagai macam tentang pencarian, pembelian, penggunaan produk pada setiap
periode tertentu (Schiffman dan Kanuk, 2007). Biasanya konsumen akan memilih

2
membeli sepatu secara langsung di toko dengan mencobanya terlebih dahulu untuk
menghindari resiko ketidakcocokan ukuran. Atau jika ingin memesan sepatu melalui
internet maka konsumen memutuskan nomor sepatu yang pernah dibeli sebelumnya,
dengan harapan ukuran sepatu sudah tepat. Alhasil konsumen akan menerima barang
dengan ukuran yang mungkin saja pas atau tidak pas. Menurut penelitian yang dilakukan
oleh College of Podiatry, dari 2.000 orang dewasa yang disurvei, sepertiga pria dan
hampir separuh wanita mengaku membeli sepatu yang tidak pas. Meskipun tidak tampak
seperti masalah besar ketika sepasang sepatu terasa terlalu ketat pada saat pembelian,
namun penelitian menunjukkan bahwa sepatu yang tidak pas bisa menyebabkan efek
kesehatan negatif seperti sakit kepala dan sakit punggung. Dan yang lebih parahnya
adalah Hammertoes, deformitas, pertumbuhan bunion, dan nyeri pada kaki.
Bagi konsumen yang ingin menempah sepatu juga mengalami kesusahan karena
bentuk pola telapak kaki yang masing – masing orang berbeda. Biasanya untuk tempahan
sepatu secara langsung, konsumen harus mengukur telapak kaki secara manual dengan
menggambar telapak kaki di atas kertas atau media lain untuk diukur dengan alat meteran
dan mendapatkan pola kaki konsumen. Maka dari itu masih banyak orang yang takut
belanja sepatu melalui internet dengan alasan ukuran sepatu kurang pas dengan sepatu
yang dipesan. Solusinya adalah mendapatkan ukuran sepatu yang sesuai standard ukuran
sepatu internasional dan memberikan pola telapak kaki untuk menentukan ukuran yang
harus dikenakan.
Dengan kemajuan ilmu teknologi, metode pengolahan citra digital bisa
dikembangkan untuk mendapatkan ukuran sepatu. Pengolahan Citra (Image Processing)
adalah proses pengolahan gambar yang bertujuan untuk memanipulasi dan menganalisis
citra dengan bantuan komputer. Proses ini akan memperbaiki suatu gambar agar lebih
mudah diinterpretasi oleh mata manusia ataupun mesin, melakukan proses penarikan
informasi, deskripsi objek atau pengenalan objek pada citra sehingga menghasilkan citra
digital. Teknologi Image processing ini dapat diaplikasikan pada smartphone berbasis
android, salah satunya untuk menghasilkan gambar pola telapak kaki serta ukurannya.

3
Sebelumnya telah dilakukan penelitian dengan penerapan metode canny edge

detection, penelitian dilakukan oleh Shofwatul Uyun dan Ahmad Mustafid pada tahun
2017 dengan judul Segmentasi Citra Sapi Berbasis Deteksi Tepi Menggunakan Algoritma
Canny Edge Detection untuk menentukan lingkar dada, panjang badan dan bobot sapi
dengan mengambil citra dari masing – masing sapi. Untuk mendapatkan ukuran tersebut,
penelitian ini meletakkan sebuah tongkat dengan ukuran yang sudah ditentukan dan jarak
objek tongkat dengan kamera juga ditentukan. Dari objek tongkat dan sapi tersebut,
didapatkan ukuran lingkar dada, panjang badan, dan bobot sapi. Dari penelitian ini
memberikan data yang lebih akurat dibanding pengukuran secara manual. Serta beberapa
penelitian lainnya.
Dari penelitian Wahyu Fuadi dan Selamat Meliala, telah dilakukan penelitian
untuk sistem pengukuran tinggi badan dan tinggi tendangan dengan metode chess board.
Peneleitian ini berjudul Perancangan Sistem Pengidentifikasian Tinggi badan dan Tinggi
Tendangan Taekwondo Menggunakan Metode Chess Board, pada tahun 2016. Untuk
mendapatkan ukuran, pengambilan gambar ditentukan jarak kamera pada objek sejauh 4-
5 meter, dan kamera diberikan penyangga setinggi 120 cm. sistem menghasilkan
persentase kesalahan 0,82%.
Berdasarkan penelitian tersebut, maka penulis tertarik untuk melakukan
penelitian untuk membantu mendapatkan gambar pola dan ukuran sepatu yang akurat
yakni “ Implementasi Canny Edge Detection untuk Pengukuran Sepatu Berbasis
Android”.
1.2 Rumusan Masalah
Pada umumnya ukuran sepatu merupakan hal sepele untuk ditentukan namun dapat
mengakibatkan kerugian kepada orang yang memakai sepatu dengan ukuran yang tidak
pas. Apalagi seringkali biasanya pembeli memesan ukuran sepatu hanya berdasarkan
pengalaman membeli sepatu sebelumnya, padahal mungkin saja akan menimbulkan
ketidakcocokan dengan sepatu yang dipesan selanjutnya. Bahkan beberapa orang ragu
membeli sepatu secara online atau tidak langsung karena permasalahan ukuran sepatu.

4
Pada pemesanan tempahan sepatu, gambar pola dan pengukuran telapak kaki juga diukur
secara manual. Oleh karena itu diperlukan suatu sistem untuk membantu user menentukan
ukuran sepatu yang sesuai pengukuran telapak kaki.
1.3 Batasan Masalah
1. Citra yang diolah adalah objek telapak kaki dan koin ( koin Rp.500,- tahun emisi
2013).
2. Gambar diambil dari kamera pada smartphone android
3. Saat pengambilan gambar, posisi koin tepat melingkupi lingkaran merah di layar
smartphone
4. Objek kaki tidak menggunakan alas kaki apapun, dan menggunakan celana
panjang atau tampak dari tumit hingga ujung jari kaki
5. Konsistensi pergerakan smartphone saat pengambilan citra
6. Kaki yang diukur adalah kaki orang dewasa, panjang telapak kaki yang diukur
kisaran 22,8 cm – 27,9 cm.
1.4 Tujuan Penelitian
Untuk memberikan ukuran sepatu dan gambar pola dengan menggunakan

metode canny edge detection dan chess board.
1.5 Manfaat Penelitian
1. Dapat memberikan efisiensi pengukuran panjang telapak kaki untuk menentukan

ukuran sepatu, serta meningkatkan produktifitas penjualan sepatu melalui
internet.
2. Dapat memberikan ukuran panjang dan lebar, serta gambaran pola telapak kaki
untuk menempah sepatu secara digital.

5
1.6. Metodologi Penelitian
Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai

berikut:
1. Studi Literatur
Pada tahap ini dilakukan pengumpulan bahan referensi mengenai pengolahan
citra digital, pengukuran sepatu, dari beberapa jurnal, artikel, dan sumber
referensi lainnya.
2. Analisis
Pada tahap ini dilakukan analisis terhadap bahan referensi yang telah
dikumpulkan dari beberapa sumber sebelumnya untuk mendapatkan pemahaman
pada cara kerja image processing, Euclidean distance, dan pengukuran sepatu
3. Perancangan
Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, pelatihan,
dan perancangan antar muka. Proses perancangan dilakukan berdasarkan hasil
analisis terhadap studi literatur yang sudah dikumpulkan.
4. Implementasi
Pada tahap ini dilakukan implementasi terhadap analisis dan perancangan yang
telah dilakukan ke dalam pembangunan sebuah program sesuai dengan
kebutuhan dan alur yang telah ditentukan
5. Pengujian
Pada tahap ini dilakukan pengujian aplikasi yang telah dibangun untuk
memastikan hasil berjalan sesuai dengan yang diharapkan.
6. Penyusunan Laporan
Pada tahap ini dilakukan penulisan laporan dan dokumentasi dari hasil analisis
dan implementasi system yang sudah dirancang serta faktor-faktor yang dapat
mempengaruhi hasil dari system.
1.7. Sistematika Penulisan
Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama antara lain sebagai
berikut :

6
Bab 1 : Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian, batasan
masalah, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
Bab 2: Landasan Teori

Bab ini berisi kumpulan teori-teori yang yang berhubungan dengan pokok pembahasan
dalam penelitian ini. Teori-teori yang akan dibahas berhubungan dengan pengolahan citra
digital dan pengukuran sepatu, serta penelitian terdahulu.
Bab 3: Analisis dan Perancangan

Bab ini berisi tentang arsitektur umum, diagram aktivitas, perancangan system, tampilan
antarmuka.
Bab 4: Implementasi dan Pengujian

Bab ini berisi tentang pembahasan implementasi dari analisis dan perancangan yang telah
disusun pada bab 3. Selain itu, hasil yang didapatkan dari pengujian yang dilakukan
terhadap implementasi yang dilakukan juga dijabarkan pada bab ini.
Bab 5: Kesimpulan dan Saran

Bab ini berisi tentang ringkasan dan kesimpulan dari analisis rancangan yang telah
dibahas pada bab 3, serta hasil penelitian yang telah dijelaskan pada bab 4. Bagian akhir
pada bab ini berisikan saran-saran yang diajukan untuk pengembangan penelitian
selanjutnya.

7
BAB II
LANDASAN TEORI
2.1 Landasan Teori
2.1.1 Ukuran Sepatu
Sepatu adalah jenis alas kaki (Footweer) yang biasanya terdiri dari bagian-bagian, sol,
kap, tali sepatu, outsole, vamp atau upper, welt, tongue (lidah sepatu), lancing (tempat
mengikatkan tali sepatu) dan lain lain.Sepatu menjadi kebutuhan setiap orang, karena alas
kaki dapat melindungi kaki dari kotoran ataupun benda tajam saat menginjak tanah dan
batu krikil di jalan. Seiring dengan kemajuan jaman, alas kaki tidak lagi hanya menjadi
kebutuhan, alas kaki sudah menjadi gaya hidup bagi kebanyakan orang. Sepatu bisa kita
temui di pasar tradisional, mall, pusat perbelanjaan, toko sepatu, dan yang lagi trend saat
ini yaitu toko online atau online store seperti matahari mall, lazada, zalora, tokopedia,
bukalapak, dan online store lainnya. Sepatu juga biasa di gunakan untuk keperluan
Fashion, Sekolah, Kerja, Olahraga, Pesta dan sebagainya . Ukuran Sepatu menjadi hal
terpenting untuk diperhatikan dalam pemilihan sepatu, apakah ukuran yang sesuai dengan
kaki pemiliknya. Untuk pengukuran sepatu, Satuan ukuran sepatu mengikuti beberapa
standar pengukuran yang berbeda-beda di antara 1 negara dengan negara lainnya.
Begitujuga pengukuran sepatu untuk anak-anak dan orang dewasa.
Gambar 2.1 Pengukuran Sepatu

(Sumber : pakarinfo.com, cara mengukur ukuran sepatu pria, wanita, dan anak - anak)

8
Pengukuran sepatu biasanya dilakukan dengan menggunakan peranti brannock. Untuk di

indonesia sendiri sepertinya kita biasa menggunakan standar pengukuran sepatu di Eropa.
Seperti size 32, size 40 dan sebagainnya sepatu harus memiliki jarak atau ruang kosong
sekitar 1,2 cm antara jari terpanjang kita dengan ujung bagian dalam sepatu. Berdasarkan
penelitian Wardayati (2013) berikut acuan ukuran sepatu standard di Indonesia (Eu),
Amerika (US), Inggrs (UK) :
Tabel 2.1 Data Ukuran Standar Sepatu Internasional
Ukuran Sepatu
No. Ukuran (Cm)
Indonesia US UK
(EU) M W M W
1. 22,8 35 3,5 5 3 2,5
2. 23,5 36 4,5 6 4 3,5
3. 23,8 37 5 6,5 4,5 4
4. 24,5 38 6 7,5 5,5 5
5. 25,1 39 7 8,5 6,5 6
6. 25,4 40 7,5 9 7 6,5
7. 25,7 41 8 9,5 7,5 7
8. 26 42 8,5 10 8 7,5
9. 26,7 43 9 10,5 8,5 8
10. 27,3 44 10,5 12 10 9,5
11. 27,9 45 11,5 13 11 10,5
(Sumber : Wardayati, Alasan Ukuran Sepatu Beragam, 2013)
Tabel 2.1 menjelaskan data yang digunakan untuk menentukan ukuran sepatu di
Indonesia dan Internasional. Pada ukuran standar sepatu di Indonesia menggunakan
standard Europe(Eu) karena rata – rata produk sepatu yang dibuat dan dipasarkan di
Indonesia memakai standard EU (Wardayati, 2013)
2.1.2 Mengukur Sepatu Secara Manual

Dikutip dari Buku Darco, The Foot and The Shoe Measurement and Size, pada
tahun 2015. Ada banyak cara yang dilakukan setiap orang untuk mengetahui ukuran
sepatu yang cocok bagi ukuran kaki mereka. Salah satunya dengan mencoba langsung di
toko sepatu. Hal ini perlu dilakukan karena terkadang, tiap merk sepatu memiliki ukuran
yang berbeda – beda standardnya. Dan cara ini pula yang biasa dilakukan kalau ingin
belanja sepatu online, mencobanya secara langsung di toko.

9
Standar ukuran sepatu yang sudah dicetak akan memudahkan anda untuk
memutuskan apa ukuran sepatu terbaik anda dan menghindari kesalahan dan kerugian
membeli sepatu yang ukurannya salah. Banyak toko sepatu yang biasanya menyediakan
alat pengukur kaki sendiri tetapi beberapa juga tidak. Agar tidak bingung kita bisa melihat
bagan ukuran sepatu.
Bagi konsumen, melakukan metode pengukuran membuat keuntungan bagi
mereka karena hal ini berhubungan dengan kenyamanan tubuh mereka. Ini berlaku sama
pada semua jenis, bentuk, dan bahan sepatu.
Cara mengukur kaki anda dengan benar:
 Untuk pengukuran dari panjang kaki, kamu dapatmenggunakan alat yang
sederhana seperti pensil, kertas, ruller.
 Letakkan selembar kertas di tempat yang datar, kemudian letakkan kaki tegak
lurus diatas kertas
 Gambarkan garis dari setiap tepi kaki
 Ukur kaki menggunakan ruller. Ukuran kaki dari tumit belakang hingga ujung
jari kaki.
 Ukuran centimeter (CM) kemudian di kategorikan berdasarkan standar ukuran
sepatu.
Contoh alat yang biasanya digunakan untuk pengukuran sepatu :
Gambar 2.2 Alat Pengukuran Sepatu

( Sumber : Buku Darco, The Foot and The Shoe Measurement and Size, 2015 )

10
Gambar 2.3 Pengukuran Telapak kaki

(Sumber : Lazada)
2.1.3 Android
Android adalah sebuah sistem operasi mobile yang dikembangkan oleh Google, dibentuk
dari kernel linux dan didesain terutama untuk perangkat mobile touchscreen seperti
smartphone dan tablet. Android merupakan sistem operasi yang bersifat open source
sehingga dapat dengan bebas digunakan ,dikembangkan, dan tanpa biaya.. Aplikasi
Android ditulis dalam bahasa pemrograman. Android memberi kesempatan untuk
membuat aplikasi yang dibutuhkan yang bukan aplikasi bawaan Namun penting untuk
diingat bahwa aplikasi Android tidak dieksekusi menggunakan Java Virtual Machine
standar (JVM). Google membuat VM yang dinamakan Dalvik yang bertanggung jawab
untuk mengkonversi dan mengeksekusi kode byte Java. Semua kelas – kelas Java buatan
harus dikonversi kedalam kumpulan instruksi yang sesuai dengan Dalvik sebelum
dieksekusi kedalam sistem operasi Android. Dalvik VM mengambil file kelas Java yang
telah diproses dan mengkombinasikannya dengan satu atau lebih file Dalvik executable
(.dex). Dalvik diciptakan untuk mendukung sistem operasi mobile yang ringan karena
keterbatasannya kemempuan perangkat keras dibandingkan dengan desktop dan laptop
pada umumnya (Holla & Katti. 2012).
Menurut Fahrani (2015), Android memiliki fitur – fitur penting diantaranya :

11
1. Sebuah Application Framework yang menyediakan banyak pengaturan API

untuk membangun berbagai macam aplikasi.
2. Dalvik virtual machine, memungkinkan pengguna untuk menjalankan aplikasi
Android.
3. Pengaturan Graphics Library untuk pemrograman 2D dan 3D.
4. Integrated browser. Web browser berbasis WebKit engine terdapat pada browser
default pada Android ataupun dapat diintegrasikan dengan aplikasi lain.
5. Media Support. Mendukung berbagai format audio, video, dan gambar(MPEG4,
H.264, MP3, AAC, AMR, JPG, PNG, GIF).
6. SQLite. Basis data relasional yang ringan namun sangat powerful.
7. Bluetooth, EDGE, kompas, dan accelerometer. Mendukung komunikasi
jaringan(tergantung hardware).
8. Lingkungan development yang lengkap. Termasuk perangkat emulator, tools
untuk debugging, profiling dan kinerja memori, dan plugin untuk Eclipse
Integrated Development Environment (IDE).
2.1.3 Pengolahan Citra Digital
Menurut Kadir & Susanto (2013) pengolahan gambar citra atau digital image processing
adalah ilmu yang mempelajari tentang manipulasi dan modifikasi citra, seperti perbaikan
kualitas citra, pemilihan ciri citra (feature images) yang bertujuan untuk analisis, dan
transformasi citra (rotasi, skala, translasi), dengan menggunakan komputer untuk
mendapatkan hasil yang lebih baik. Pada proses pengolahan citra ini bermaksud agar
gambar awal yang memiliki gangguan lebih mudah untuk diinterpretasikan dengan cara
memanipulasikan citra menjadi citra lain. Pengolahan citra digital (digital image
processing) adalah proses dimana citra dimanipulasi dengan berbagai cara agar citra
tampak terlihat lebih indah ataupun agar citra dapat diolah untuk proses klasifikasi dan
identifikasi.
Pada umumnya citra yang akan diolah adalah citra digital berwarna (citra RGB).
Tiap pixel citra RGB memiliki 3 nilai penting, yaitu nilai Red, Green, dan Blue. Masing –

12
masing elemen tersebut memiliki format 8 bit sehingga satu buah pixel dapat
menghasilkan 16777216 jenis warna.
Video adalah kumpulan citra yang ditampilkan secara cepat sehingga objek pada
gambar tersebut tampak seperti bergerak. Semakin banyak citra atau frame yang dapat
ditampilkan per detik maka video yang dihasilkan akan terlihat lebih nyata dan lebih
bagus untuk dilihat.
2.1.4 OpenCV
OpenCV pertama kali diluncurkan secara resmi pada tahun 1999 oleh Inter Research
sebagai lanjutan dari bagian proyek bertajuk aplikasi intensif berbasis CPU, real-time ray
tracing dan tembok penampil 3D. Para kontributor utama dalam proyek ini termasuk
mereka yang berkecimpung dalam bidang optimasi di Intel Russia, dan juga Tim
Pusataka Performansi Intel.Pada awalnya, tujuan utama dari proyek OpenCV ini
dideskripsikan sebagai berikut,
 Penelitian penginderaan citra lanjutan tidak hanya melalui kode program terbuka,
tetapi juga kode yang telah teroptimasi untuk infrastruktur penginderaan citra.
 Menyebarluarkan ilmu penginderaan citra dengan menyediakan infrastruktur
bersama di mana para pengembang dapat menggunakannya secara bersama-sama,
sehingga kode akan tampak lebih mudah dibaca dan ditransfer.
 Membuat aplikasi komersial berbasiskan penginderaan citra, di mana kode yang
telah teroptimasi tersedia secara bebas dengan lisensi yang tersedia secara bebas
yang tidak mensyaratkan program itu harus terbuka atau gratis.
OpenCV (Open Source Computer Vision Library) adalah sebuah pustaka
perangkat lunak yang ditujukan untuk pengolahan citradinamis secara real-time, yang
ibuat oleh Intel, dan sekarang didukung oleh Willow Garage dan Itseez. Program ini
bebas dan berada dalam naungan sumber terbuka dari lisensi BSD. Pustaka ini merupakan
pustaka lintas platform. Program ini didedikasikan sebagaian besar untuk pengolahan
citra secara real-time. Jika pustaka ini menemukan pustaka Integrated Performance
Primitives dari intel dalam sistem komputer, maka program ini akan menggunakan rutin
ini untuk mempercepat proses kerja program ini secara otomatis.

13
2.1.5 Canny Edge Detection
Deteksi tepi adalah proses mengidentifikasi dan menemukan diskontinuitas tajam dalam
gambar. Deteksi tepi telah digunakan oleh pengenalan obyek, pelacakan sasaran, deteksi
obyek dan lain - lain. Pada penelitian ini, metode deteksi tepi yang digunakan adalah
metode Canny. Metode canny adalah salah satu metode deteksi tepi untuk menemukan
tepi dari citra masukan tanpa mempengaruhi fitur dari tepi (Nisha, 2015). Metode Canny
terdiri dari beberapa langkah, yaitu menghilangkan noise dengan gaussian blur, mencari
tepi dengan menggunakan sobel operator dan menentukan arah garis tepi, melakukan
penipisan tepi dengan Non Maximum Supression dan hysterisis. Contoh hasil dari deteksi
tepi Canny dapat dilihat dari gambar berikut:
Gambar 2.4 Hasil dari Proses Canny Edge Detection

(Sumber : Wikipedia Canny Edge Detector)
2.1.6 Kalibrasi
Menurut ISO/IEC Guide 17025 (2005) dan vocabulary of International Metrology (VIM),
kalibrasi adalah serangkaian kegiatan yang membentuk hubungan antara nilai yang
ditunjukkan oleh instrument ukur atau system pengukuran, atau nilai yang diwakili oleh
bahan ukur, dengan nilai – nilai yang sudah diketahui yang berkaitan dari besaran yang
diukur dalam kondisi tertentu. Dengan kata lain, kegiatan ini untuk menetukan kebenaran
konvensional nilai penunjukana alat ukur dan bahan ukur dengan cara membandingkan

14
terhadap standar ukur yang mampu telusur (traceable) ke standar nasional maupun
internasional. Tujuan kalibrasi ini adalah :
 Untuk menentukan deviasi (penyimpangan) kebenaran nilai konvensional
penunjukan suatu instrument ukur
 Menjamin hasil – hasil pengukuran
Hasil kalibrasi antara lain :
 Nilai objek ukur
 Nilai koreksi / penyimpangan
 Nilai ketidakpastian pengukuran (besarnya kesalahan yang mungkin terjadi
dalam pengukuran, dievaluasi setelah ada hasil pekerjaan yang diukur & analisis
ketidakpastian yang benar dengan memperhitungkan semua sumber
etidakpastian yang ada dalam metode yang digunakan serta besarnya kesalahan
yang mungkin terjadi dalam pengukuran)
 Sifat metrology lain seperti factor kalibrasi, krva kalibrasi
2.17 Chess board

Dinamai demikian Pafnuty Chebyshev, sorang ahli matematika Rusia yang merupakan
penerima hadiah Demidov dan dikenal karena karyanya tentang probabilitas, statistic,
mekanika, geometri analitikda teori bilangan.. konsep jarak chebyshev ditangkap oleh
bilangan ini :
Jarak digunakan untuk menentukan tingkat kesamaan (similarity degree) dua vector fitur.
Tingkat kesamaan berupa suatu nilai (score) dan berdasarkan skor tersebut dua vector
fitur akan dikatakan mirip atau tidak. Salah satu cara yang digunakan untuk mengukur
jarak dua buah titik pada citra, yaitu metode chess board. Metode chebyshev distance
yang disebut dengan chessboard distance adalah sama dengan pergerakan king pada
permainan catur yang bergerak dari satu titik ke titik yang lainnya.
D ( [ i1,j1 ] , [ i2,j2 ] ) = max ( | i1 – i2 |, | j1 – j2 | ) (2.1)

15
Gambar 2.5 Konsep jarak Chebyshev / Chess board

(Sumber : Open Genus Foundation, 2018)
2.2 Penelitian Terdahulu
Penelitian dengan judul Measurement of Size and Distance of Object Using Mobile
devices yang dilakukan oleh Laotrakunchai, S. mengukur objek metode berbasis gambar
yang dapat mengukur jarak diambil oleh perangkat seluler cerdas dengan menggunakan
akselorometer dengan cara menggeser smartphone sesuai dengan panjang dan lebar objek
untuk mencari ukuran objek dan menggeser dari titik awal smartphone berada sampai ke
objek untuk menghitung jarak.
Penelitian dengan judul Sistem Pengukuran Badan Pria untuk Menentukan
Ukurn Baju Bebasis Kamera Kinect yang dilakukan oleh Djoko Purwanto. Sistem
pengukuran dilakukan dengan sebuah kamera Kinect, yang akan mengirim info gambar
dan depth untuk diolah dan menghasilkan ukuran lebar badan.
Penelitian dengan judul Stereo Vision Images Processing for Realtime Object
Distance and Size Measurements yang dilakukan oleh Mustafah Y. M. dengan melakukan
perhitungan jarak dan ukuran objek menggunakan pengambilan citra secara stereo vision
dan mengukur jarak dan objek dengan membandingkan lebar dan tinggi objek yang
didapat dari dua citra dari dua kamera yang berbeda.
Penelitian dengan judul Pengenalan pola Iris Mata menggunakan metode
Template Matching dengan Library OpenCV yang dilakukan oleh Sahid Nur Afrizal.

16
Penelitian ini menggunakan metode deteksi tepi Canny untuk tahap pencocokan dan
eudlidean Distance untuk menghitung jarak di kedua iris mata.
Penelitian dengan judul Segmentasi Citra Sapi Berbasis Deteksi Tepi
Menggunakan Algoritma Canny Edge Detection yang dilakukan oleh Ahmad Mustafid
dan Shofwatul Uyun, penelitian ini menghasilkan lingkar dada, panjang badan dan bobot
sapi dengan tahap yang dilakukan dengan cara mengambil data dengan pemotretan
dengan jarak yang ditentukan dan dengan menggunaan metode Canny Edge Detection.
Penelitian dengan judul Perancangan Sistem Pengidentifikasian Tinggi Badan
dan Tendangan Taekwondo Menggunakan metode Chessboard yang dilakukan oleh
Wahyu Fuadi dan Selamat Meliala , penelitian ini menghasilkan tinggi tendangan
taekwondo dengan mengubah citra dengan segmentasi. Lalu, menghitung tinggi
tendangan dengan chessboard dan kalibrasi gambar.
Tabel 2.2 Penelitian Terdahulu
No Peneliti / Judul Keterangan
Tahun
1. Laotrakunchai, Measurement of size and  Pengukuran dilakukan dengan
S. / 2013 Distance of Object Using menggeser smartphonedari
Mobile Devices ujung sisi ke ujung lainnya
 Menggunakan accelerometer
smartphone
2. Purwanto, Sistem Pengukuran  Menggunakan kamera kinect
Djoko / 2015 Badan Pria untuk
Menentukan Ukurn Baju
Bebasis Kamera Kinect
3. M, Mustafa Y. Stereo vision Images  Menggunakan 2 kamera
/ 2012 Processing for Realtime  Pengukuran jarak dihitung
Object Distance and Size dengan perbandingan objek
Measurements yang didapat dari citra 2 kamera
4. Afrizal, Sahid Pengenalan pola Iris  Pengenalan gambar
Nur / 2016 Mata menggunakan menggunakan deteksi tepi

17
metode Template Canny, tahap pencocokan

Matching dengan Library menggunakan metode Euclidean
OpenCV distance untuk menghitung jarak
dari kedua iris mata.
5. Mustafid, Segmentasi Citra Sapi  Data citra diambil dengan cara
Ahmad dan Berbasis Deteksi Tepi pemotretan dilakukan dengan
Shofwatul Menggunakan Algoritma jarak 150 cm terhadap obyek
Uyun / 2017 Canny Edge Detection sapi serta tinggi kamera 75 cm
dari tanah
 Preprocessing dengan
menggunakan Canny Edge
Detection
6. Wahyu Fuadi Perancangan Sistem  Pengukuran tinggi badan &
dan Selamat Pengidentifikasian Tinggi tendangan menggunakan
Meliala/ 2016 Badan dan Tendangan metode chessboard
Taekwondo  Untuk pengambilan gambar,
Menggunakan metode jarak objek dan kamera 4- 5
Chessboard meter, dan tinggi penyangga
kamera 120 cm

18
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Implementasi metode yang digunakan untuk mengatasi kerancuan dalam menentukan

ukuran sepatu sesuai ukuran standar sepatu di Indonesia (Eu), dan Internasional Amerika
(US), Inggris (UK), dan memberikan pola telapak kaki secara otomatis melalui metode
pengolahan citra. Pengolahan citra adalah suatu ilmu komputerisasi yang memungkinkan
manusia dapat mengambil informasi tidak lepas dari bidang computer vision. Hasilnya
yakni citra dengan proses berupa perbaikan kualitas citra atau penyajian informasi citra.
Metode yang diajukan untuk mengidentifikasi ukuran telapak kaki seseorang
berdasarkan citra terdiri dari beberapa langkah – langkah sebagai berikut : pertama
mengarahkan kamera pada bagian kaki dengan tampak tumit kaki hingga ujung jari kaki
dengan menyertakan sebuah objek koin. Koin sebagai objek referensi (pembanding / jarak
sebenarnya). Kemudian koin diposisikan sesuai dengan lingkaran yang sudah tersedia di
layar smartphone. Ekstraksi fitur, grayscalling; countour tracing, filter contouring,
pendeteksian tepi dengan metode canny; mendeteksi ukuran panjang dan lebar telapak
kaki dengan kalibrasi, dan menyimpan gambar pola telapak kaki.
3.2 Data yang Digunakan
Data yang digunakan dalam penelitian ini berupa citra screenshot melalui
kamera smartphone Android, koin, dan objek kaki. Adapun beberapa faktor yang
mempengaruhi data yang akan digunakan yaitu kualitas kamera smartphone, p

19
Pencahayaan (lighting), objek kaki yang tidak terhalang benda, serta konstansi
saat pengambilan gambar.
Dalam penelitian ini, penulis menggunakan kamera smartphone Android Xiaomi
4x yang memiliki spesifikasi 13 megapixel dengan resolusi gambar 640 x 480 piksel.
Objek koin Rp. 500,- yakni ukuran tetap adalah 27 mm atau 2,7 cm. Telapak kaki yang
dijadikan bahan uji telah ditentukan penulis berupa satu bagian telapak kaki seorang
wanita berukuran 25,3cm x 10,1cm. namun penulis akan mencoba dengan telapak kaki
beberapa dari orang sebagai penguat dalam percobaan.
Ukuran berikut sebagai acuan ukuran sepatu standard di Indonesia (Eu), Amerika (US),
Inggris (UK) :
Tabel 3.1 Data Ukuran Standar Sepatu Internasional
Ukuran Sepatu
Ukuran
No. US UK
(Cm) Indonesia
(EU)
M W M W
1. 22,8 35 3,5 5 3 2,5
2. 23,5 36 4,5 6 4 3,5
3. 23,8 37 5 6,5 4,5 4
4. 24,5 38 6 7,5 5,5 5
5. 25,1 39 7 8,5 6,5 6
6. 25,4 40 7,5 9 7 6,5
7. 25,7 41 8 9,5 7,5 7
8. 26 42 8,5 10 8 7,5
9. 26,7 43 9 10,5 8,5 8
10. 27,3 44 10,5 12 10 9,5
11. 27,9 45 11,5 13 11 10,5
(Sumber : Wardayati, Alasan Ukuran Sepatu Beragam, 2013)
Tabel 3.1 menjelaskan data yang digunakan untuk menentukan ukuran sepatu di
Indonesia dan Internsional. Pada ukuran standar sepatu di Indonesia menggunakan
standard Europe(Eu) karena rata – rata produk sepatu yang dibuat dan dipasarkan di
Indonesia memakai standard EU.

20
3.3 Arsitektur Umum
Gambar 3.1. Arsitektur Umum
Pada gambar 3.1 dapat dilihat proses dimulai dari input yakni pengambilan
gambar, kemudian sebelum dilakukan proses, dilakukan pre processing terlebih dahulu
dengan mengekstraksi fitur dan grayscalling, kemudian akan di proses dengan canny edge
detection, contour tracing, filter contouring & cropping & kalibrasi perhitungan. Setelah
itu didapatkan output ukuran panjang telapak kaki & rekomendasi ukuran sepatu standard
Eu, UK, US, serta gambar pola telapak kaki. Untuk penjelasan dari system sebagai
berikut :
3.3.1 Input
Pengambilan citra adalah berupa gambar objek telapak kaki atau dari tumit kaki hingga
ujung jari kaki tampak jelas dan koin (koin Rp.500,- tahun emisi 2003) dengan

21
menggunakan kamera pada smartphone android, user mengarahkan kamera pada satu
bagian kaki yang jelas terlihat dan tanpa menggunakan alas kaki, serta posisi koin
diletakkan di samping telapak kaki dengan sama rendah dan pijakan telapak kaki sejajar.
Posisi memegang kamera konstan atau statis, kamera diarahkan pada objek koin dan
telapak kaki, serta pencahayaan yang baik.
Pada layar smartphone akan terlihat sebuah lingkaran merah, maka user
mengarahkan kamera pada koin sehingga koin melingkupi atau berada di dalam posisi
lingkaran tersebut. Kemudian user mensejajarkan kaki pada garis siku- siku yang terlihat
pada layar guna agar kaki tegak lurus, Lalu menyentuh layar dimana posisi objek telapak
kaki berada, maka pada layar kamera akan muncul sebuah kotak merah dimana posisi
telapak kaki sebagai penanda objek. Selanjutnya user melakukan screenshot untuk
mendapatkan output. Penggunaan koin sebagai objek referensi (pembanding / jarak
sebenarnya) untuk pengolahan citra yang mudah didapatkan setiap orang dan ukurannya
yang tetap.
Gambar 3.2 Pengambilan Gambar
3.3.2 Proses
Proses dari sistem ini di mulai ketika user menyentuh layar smartphone pada objek, lalu
dilakukan tahap :
a. Ekstraksi Fitur ( Exraction Feature )

22
Proses pengambilan ciri (feature) dari suatu bentuk dan warna yang nantinya
nilai yang didapatkan akan dianalisis untuk proses selanjutnya, hasil dari proses
ini untuk mengenali daerah fitur yang signifikan pada gambar objek telapak kaki.
Proses ini dilakukan dengan menghitung nilai RGB yang ditemui disetiap titik
yang ditemui dalam setiap pengecekan, dimana pengecekan dilakukan dalam
berbagai arah tracing pengecekan pada koordinat kartesian dari citra yang
dianalisis.
R = 119 R = 98 R = 121
G = 93 G = 67 G = 85
B = 78 B = 49 B = 69
R = 72 R = 98 R = 122
G = 56 G = 81 G = 101
B = 41 B = 63 B = 84
R = 59 R = 65 R = 83
G = 43 G = 48 G = 62
B = 28 B = 30 B = 45
Tabel 3.2 Contoh Matriks citra RGB ukuran 3 x 3 piksel
b. Grayscalling
Proses ini bertujuan untuk mengurangi parameter yang akan digunakan untuk
proses berikutnya sehingga mempercepat proses-proses selanjutnya. Citra
berwarna yang mempunyai nilai matriks RGB (Red,Green,Blue) akan diubah ke
dalam citra keabuan. Untuk perhitungan konversi nilai RGB menjadi nilai
keabuan (Gray) melalui proses grayscaling dengan menggunakan persamaan
𝐼𝑅(𝑥,𝑦)+ 𝐼𝐺(𝑥,𝑦)+ 𝐼𝐵(𝑥,𝑦)
berikut : 𝐼𝐵𝑊 (𝑥, 𝑦) =
3
119 + 93 + 78 290
𝐼𝐵𝑊(1, 1) = = = 97 (3.1)
3 3
Dengan melakukan perhitungan yang sama pada semua piksel citra RGB,
maka didapatkan hasil seperti berikut :
97 71 92
56 82 102
43 48 63

23
Tabel 3.3 Hasil konversi matriks citra keabuan
Gambar 3.3 Hasil Citra Grayscale
c. Edge Detection Canny

Untuk mengelompokkan objek – objek dalam citra lebih lanjut, menghilangkan
noise maka tahap selanjutnya adalah pendeteksian tepi dengan metode Canny.
Hasil pendeteksian ini adalah garis – garis tepi objek yang akan menggambarkan
batasan dari tepi objek. Pertama dilakukan penapisan terhadap citra dengan
menghilangkan noise. Setelah penghalusan gambar, selanjutnya mendapatkan
kekuatan tepi dengan menghitung arah tepi dan menghubungkan arah tepi
dengan sebuah arah yang dapat dilacak. Deteksi tepi dilakukan dengan
membaca setiap pixelpada citra dengan cara membaca dari pixel paling kiri atas
(timur utara) dan bergerak paling kanan bawah (barat selatan). Oleh karena itu,
untuk membantu penelusuran tepi, gradient Gx dan Gy masing – masing dengan
matriks operator canny matriks 3x3. Contoh perhitungan :
Tabel 3.2 Contoh matriks Deteksi Tepi Canny
1 0 -1 -1 -1 -1
Gx 1 0 -1 Gy 0 0 0
1 0 -1 1 1 1

24
Gambar 3.4 Hasil deteksi tepi canny

d. Contour Tracing
Pada proses contour tracing dilakukan pelacakan setiap kontur dalam gambar,
garis tepi yang membentuk suatu bangun datar (kontur). Proses ini memisahkan
objek dari latar belakang, untuk mengklasifikasikan bentuk dan menemukan titk
fitur objek dan menggunakan informas kontur untuk menyimpan bentuk objek.
Contoh hasil pendeteksian kontur dapat dilihat pada gambar 3.5.
Gambar 3.5. Citra dengan kontur yang terdeteksi

25
e. Filter Contour
Setelah contour diperoleh, diperlukan proses filter pada masing – masing
contour untuk menyeleksi lengkungan yang terdapat pada setiap contour yang
saling terhubung merupakan objek yang akan di analisis.pada proses ini
dilakukan pengisian sehingga diperoleh kontur yang solid. Setelah objek
terdeteksi dilakukan drawing kotak, lalu tahap cropping untuk membuang
gambar yang tidak diinginkan, hasil citra cropping adalah seluas area telapak
kaki.
Gambar 3.6. Citra filter kontur yang terdeteksi
f. Chessboard
Proses ini digunakan untuk menentukan jumlah piksel dari objek yang diamati.
Perhitungan ukuran panjang dan lebar dengan koin merupakan selisih antara
piksel tertinggi (y max) dan terendah (y min). dari batas tepi yang sudah ada lalu
proses perhitungan dilakukan. Piksel yang yang diproses adalah piksel dari batas
tepi objek kaki.
g. Kalibrasi
Proses ini untuk mencari ukuran jumlah piksel dari garis citra acuan. Proses ini
melakukan perhitungan konversi piksel ke centimeter dari objek yang akan

26
dihitung panjangnya. Hasilnya menyimpan jumlah piksel per centimeter. Berikut

kita lakukan perhitungan pada objek koin dengan menggunakan persamaan :
Jumlah piksel per = Height objek (pixel)

Height Objek (Cm) (3.2)
centimeter
Jumlah piksel per = __43__
centimeter 2,7 cm
= 16
Proses konversi piksel ke centimeter tersebut merupakan proses

perbandingan antar jumlah piksel denga nilai kalibrasi. Selanjutnya akan
dilakukan perhitungan untuk mendapatkan ukuran objek telapak kaki.
Perhitungan dapat dihitung dengan membagi jumlah piksel (weidth) dengan
jumlah hasil konversi. Dengan persamaan berikut :
Height (pixel)
Panjang kaki(cm) = (3.3)
Jumlah piksel / Cm
Width (pixel)
Lebar kaki(cm) =
Jumlah piksel / Cm
Selanjutnya dikalkulasikan pada ukuran standard sepatu di Indonesia (EU),
UK, dan US. Table dapat dilihat pada Tabel 3.1.
3.3.3 Output
Output dari sistem ini berupa hasil ukuran panjang & lebar telapak kaki dalam
centimenter (cm) dan ukuran sepatu standard di Indonesia menggunakan Europe (Eu),
Amerika (US), dan Inggris (UK). Dengan begitu user akan lebih efisien mendapatkan
ukuran sepatu. Untuk penempahan sepatu, sistem akan menghasilkan gambar pola
telapak kaki, ukuran panjang & lebar (cm) dalam format jpg.

27
3.4 Use-Case Diagram
Tabel 3.2 Use Case Diagram
Use case diagram adalah diagram yang digunakan untuk menggambarkan secara ringkas
siapa yang menggunakan sistem dan apa saja yang bisa dilakukannya. Diagram use-case
tidak menjelaskan detail tentang proses, Namun hanya memberi gambaran singkat hubungan
antara user dan sistem. User menyiapkan koin, kemudian mengambil posisi untuk mengambil
citra sesuai petunjuk, lalu user mengarahkan kamera pada objek koin dan satu bagian telapak
kaki tampak secara keseluruhan dari tumit kaki hingga ujung jari kaki. Pada layar smartphone
sudah tersedia lingkaran merah sebagai letak objek koin, posisikan koin berada melingkupi

28
lingkaran merah tersebut. Selanjutnya posisikan kaki di sudut siku- siku pada layar dari tumit
kaki hingga ujung jari kaki, lalu menyentuh layar smartphone dimana posisi objek telapak
kaki berada, hingga muncul pengotakan pada objek telapak kaki. Kemudian melakukan
screenshot gambar. Setelah itu akan keluar hasil rekomendasi ukuran sepatu lengkap dengan
ukuran panjang dan lebar (Cm) telapak kaki, serta gambar pola telapak kaki.
3.5 Perancangan Antarmuka
Pada tahap ini akan dilakukan perancangan antar muka dari sistem aplikasi dan user.
Rancangan antar muka ini di harapkan agar dapat membuat pengguna lebih tetarik dan
kemudahan dalam pengaplikasiannya seperti yang di tampilkan pada story board sebagai
berikut :
3.5.1 Perancangan Sistem
Tabel 3.3. Perancangan Sistem Antarmuka

Tampilan Splash Screen Splash Screen merupakan halaman pertama yang
muncul saat aplikasi dijalankan dan waktu
tampilnya hanya beberapa second saja.
LOGO
USU Halaman ini berisi :
JUDUL TUGAS AKHIR a. Logo Universitas Sumatera Utara

b. Judul Tugas Akhir
Tampilan Awal Pada tampilan awal menampilkan notifikasi
petunjuk dan contoh untuk pengambilan foto,
dan tombol lanjut untuk masuk ke tahap
pengambilan foto telapak kaki.
PETUNJUK
APLIKASI Petunjuk:
OK a. Sediakan terlebih dahulu koin Rp. 500,-

b. Letakkan uang koin tersebut dilantai dan
sejajarkan dengan kaki anda

29
c. Sejajarkan koin dalam lingkaran merah pada

aplikasi
d. Hasil ukuran sepatu (Eu) dapat dilihat
disamping kanan layar, dengan satuan Cm
dan ukuran sepatu. Untuk ukuran sepatu US
& UK pada sisi kiri bawah, untuk panjang &
lebar (cm) disebelah atas objek kaki.
e. Klik tombol “Save” untuk menyimpan hasil
pengukuran dan gambar
Tampilan Pengambilan Citra Untuk pengambilan citra, User diminta untuk
mengarahkan kamera pada koin sehingga koin
berada di dalam posisi lingkaran merah yang
tampak pada layar smartphone. Pada layar
terdapat sudut siku-siku untuk memudahkan user
mensejajarkan tumit kaki secara benar.
Kemudian menyentuh layar kamera pada objek
telapak kaki, maka pada layar kamera akan
muncul sebuah kotak merah di mana posisi
telapak kaki sebagai penanda objek. Selanjutnya
user melakukan screenshot untuk mendapatkan
output dengan menekan menu “save”.
Berikut Menu yang tersedia pada tampilan ini :
a. Ukuran telapak kaki dalam ukuran CM

b. Ukuran sepatu standard indonesia (EU)
c. Tombol Save untuk menyimpan gambar dan
hasil rekomendasi ukuran sepatu
d. About untuk keterangan pemilik aplikasi
e. Exit untuk keluar dari aplikasi

30
Tampilan Hasil Akhir Hasil ukuran kaki akan keluar secara realtime, dan
setelah mengklik tombol save, maka akan meng-
hasilkan output dalam bentuk jpg (a), sebagai
berikut :
1. Panjang kaki (cm) yang akan dikalkulasikan
menjadi ukuran sepatu pada sisi kanan atas
2. Ukuran (Eu) dibawah tampilan panjang kaki
(a) 3. Ukuran UK & US di sisi bawah kiri
4. Panjang dan Lebar (Cm) pada objek kaki
5. Gambar pola kaki dalam bentuk jpg (b)
(b)
(b)

31
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Bab ini membahas tentang hasil yang diperoleh dari implementasi metode yang
digunakan untuk mengukur telapak kaki dan memberikan gambar pola telapak kaki.
Pengujian sistem sesuai dengan analisis dan perancangan yang telah dibahas pada Bab 3.
4.1 Implementasi Sistem
Pada tahap ini akan dibahas proses implementasi yang merupakan lanjutan dari analisis
dan perancangan. Proses pengimplementasian ini menggunakan hardware dan software
untuk menjalankan aplikasi. Aplikasi pengukuran telapak kaki ini menggunakan bahasa
pemrograman visual basic.
4.1.1 Spesifikasi Perangkat Lunak dan Perangkat Keras yang digunakan

Adapun perangkat lunak yang digunakan untuk menghasilkan aplikasi tersebut adalah:
1. Sistem operasi yang digunakan pada laptop adalah Windows 10 Pro 64-bit
2. B4A
3. Sistem operasi Android smartphone versi 4.0 atau lebih tinggi
4. Library OpenCV yang digunakan versi 3.1.0
5. Processor laptop : Intel Core i3-6200U
6. RAM laptop : 4GB
7. Kapasitas harddisk laptop : 500GB
8. Processor Android smartphone : Octa-core Max 1.7GHz
9. RAM Android smartphone : 2GB
10. Kapasitas internal memory smartphone : 8GB
13. Kamera belakang smartphone : 13 MP
14. Resolusi layar smartphone : 640 x 480 pixels

32
4.1.2 Implementasi perancangan antarmuka

Adapun implentasi perancangan antarmuka berdasarkan rancangan yang telah dilakukan
pada Bab 3 adalah sebagai berikut.
1. Tampilan splashscreen
Halaman ini merupakan halaman yang akan muncul pertama kali saat user
menjalankan aplikasi. Tampilan splash screen akan tampil hanya beberapa detik
saja dan setelah itu akan tampil activity awal.
Gambar 4.1 Tampilan Splash Screen

2. Tampilan activity awal
Activity awal adalah activity yang pertama kali muncul pada saat aplikasi
pertama kali dijalankan yang berisikan tampilan notifikasi petunjuk & untuk
pengambilan citra serta mengklik tombol “OK” untuk masuk ke activity
selanjutnya. Adapun petunjuk nya, sebagai berikut :
a) Sediakan terlebih dahulu koin Rp. 500,-
b) Letakkan uang koin tersebut dilantai dan sejajarkan dengan kaki anda
c) Sejajarkan koin dalam lingkaran merah pada aplikasi
d) Hasil ukuran sepatu (Eu) dapat dilihat disamping kanan layar, dengan satuan
Cm dan ukuran sepatu. Untuk ukuran sepatu US & UK pada sisi kiri bawah,
untuk panjang & lebar (cm) disebelah atas objek kaki.
e) Klik tombol “Save” untuk menyimpan hasil pengukuran dan gambar
Tampilan activity awal dapat dilihat pada gambar 4.2.

33
Gambar 4.2 Tampilan Awal
3. Tampilan activity pengambilan citra
Pada Activity ini layar smartphone menampilkan apa yang dilihat kamera,
terdapat sebuah lingkaran merah yang berada di tengah layar. Fungsi lingkaran
merah tersebut sebagai letak objek koin harus diposisikan sejajar. Pada layar
terdapat sudut siku-siku untuk memudahkan user mensejajarkan tumit kaki
secara benar Setelah itu sentuh layar smartphone pada objek telapak kaki, hingga
muncul kotak merah pada objek tersebut. Kemudian di sisi kanan layar dapat
dilihat ukuran panjang telapak kaki dalam Cm, rekomendasi ukuran sepatu (Eu).
Setelah itu klik menu “save” untuk menyimpan hasil. Tampilan activity dapat
dilihat pada gambar 4.3. pada tampilan ini sudah tersedia secara realtime ukuran
panjang kaki (Cm), dan rekomendasi ukuran sepatu. Terdapat beberapa menu
yakni menu “instruction’, menu ini akan memunculkan kembali activity awal

34
untuk menjelasakan petunjuk penggunaan aplikasi, menu “Exit” menu ini di

gunakan untuk keluar dari aplikasi.
Gambar 4.3 Tampilan activity pengambilan citra
4. Tampilan activity hasil

Activity ini akan meng-hasilkan output ukuran dalam bentuk jpg (a), sebagai
berikut :
1. Panjang kaki (cm) yang akan dikalkulasikan menjadi ukuran sepatu pada sisi
kanan atas
2. Ukuran (Eu) dibawah tampilan panjang kaki
3. Ukuran UK & US di sisi bawah kiri
4. Panjang dan Lebar (Cm) pada objek kaki
Gambar pola kaki dalam bentuk jpg (b). Tampilan activity hasil dapat
dilihat pada gambar 4.4.
Gambar 4.4 Tampilan Activity Hasil

35
4.2 Pengujian Sistem
Setelah proses implementasi, dilanjutkan dengan proses pengujian. Pengujian aplikasi ini
dilakukan untuk mengetahui apakah pengukuran telapak kaki dengan menggunakan
konsep chessboard berjalan sesuai rancangan. Pengujian dilakukan pada 45 orang yang
berbeda.
4.2.1 Pengujian Pengukuran sepatu secara Manual
Berikut ini merupakan pengujian manual yakni pengukuran sepatu dengan cara
meletakkan kaki tegak lurus pada media kertas putih, lalu digambar dengan
menggunakan spidol, kemudian mengukur panjang dan lebar menggunakan meteran atau
ruller. Ukuran yang sudah ada kemudian di kelompokkan menjadi ukuran standar sepatu
dengan melihat referensi standard sepatu. Untuk referensi ukuran sepatu dapat dilihat
pada tabel 3.5
Tabel 4.1 Pengukuran sepatu secara manual
Pengukuran
Ukuran Standard
M/ Manual
No Citra Uji Nama Sepatu
W (Cm)
P L Eu UK US
1. Lusi W 24,3 10 37 4 6,5
2. Dina W 24 9,6 37 4 6,5

36
3. Mesly W 25,3 9,5 41 7 9,5
4. Ranti W 24,5 9,3 38 5 7,5
5. Winda W 23,5 9,8 36 3,5 6
6. Mian W 24,3 9,6 37 4 6,5
Holong M 25 9,5 39 6.5 7

7.
8. Celly W 22,3 8,5 35 2,5 5
9. Irvan M 26 9,5 42 8 8,5

37
10. Hombar M 25,4 10 40 7 7,5
11. Ilyas M 24,7 10,5 38 5,5 6
12. Kurniawan M 25,7 11 41 7,5 8
13. Cebitang M 26,3 11,6 42 8 8,5
14. Rilo M 25,8 10,2 41 7,5 8
15. Egi M 26,6 11,1 42 8 8,5

38
16. Bengbeng M 25,6 11 40 7 7,5
17. Juni M 25,5 11 40 7 7,5
18. Lambas M 26,6 10,3 42 8 8,5
19. Febri M 25,6 10 40 7 7,5
20. Jummy M 25,1 10,1 39 6,5 7
21. Ahmad M 25,1 10,5 39 6,5 7
22. Hendra M 25,4 10,5 40 7 7,5

39
23. Susi M 24,3 11,1 37 4 6,5
24. Hariono M 27 11 42 8,5 9
25. Yazid M 25,4 10,5 40 7 7,5
26. 7 Arjuna M 25,4 10,5 40 7 7,5
27. Susi M 25,4 10 40 7 7,5
28. Ilham M 26 9,5 42 8 8,5
29. Fauzi M 25 9,5 39 6,5 7

40
30. Suci W 23,8 9 37 4 6,5
31. Natalius M 26,5 10,5 42 8 8,5
32. David M 25,6 10,5 40 7 7,5
33. Bogy M 26,1 11 42 8 8,5
34. Risky M 25,7 10 41 7,5 8
35. Irfan M 26,5 10 42 8 8,5
36. Tandi M 25,2 10 39 6,5 7

41
37. Gusli M 27 11,5 43 8,5 9
38. Jusli M 25,2 10,5 39 6,5 7
39. Hotbito M 25,6 11 40 7 7,5
40. Tarapul M 25,6 10,7 40 7 7,5
41. Tulus M 26,5 11,3 42 8 8,5
42. Hannes M 25,8 11 41 7,5 8
43. Vito M 27,2 11 44 10 10,5

42
44. Bou sitorus W 23,1 9,3 35 2,5 5
45. Hafni W 25,3 10,1 39 6 8,5
4.2.2 Pengujian Pengukuran Sepatu Melalui Aplikasi
Untuk pengukuran melalui aplikasi, ada percobaan yang dilakukan hanya sekali dan
langsung mendapatkan hasil yang akurat dengan posisi yang benar dan pergerakan
tangan yang statis. Penulis juga melakukan beberapa percobaan untuk mendapatkan
hasil yang lebih akurat dengan memposisikan objek dengan pas dikarenakan batasan
masalah pergerakan sangat sensitif terhadap perubahan ukuran seperti getaran tangan
saat memegang smartphone. Beberapa percobaan dilakukan dengan menggunakan
bantuan tripod agar pengambilan gambar bisa stabil/konsisten. Objek kaki juga harus
menggunakan celana panjang karena aplikasi melakukan pendeteksian warna kaki dari
tumit hingga ujung jari kaki, apabila tidak menggunakan celana panjang maka system
akan mendeteksi seluruh warna kaki alhasil ukuran menjadi salah. Pada beberapa
percobaan, sistem juga terdapat kesalahan mengenali objek kaki, dikarenakan terdapat
kesamaan warna kaki dan lantai (background). Pada kasus lain, sistem salah mengenali
kaki karena warna celana yang hampir sama dengan warna kulit, pengujian dapat dilihat
pada table di urutan nomor 15 dengan nama Rilo. Untuk kasus lain pada kurangnya
cahaya saat pengambilan gambar, objek kaki yang terdeteksi tidak seluruh bagian atau
menjadi terpotong, akibatnya ukuran pun menjadi tidak pas, kasus dapat dilihat pada

43
tabel di urutan ke 45 dengan nama Bou Sitorus pada percobaan 1 & 2. Hasil pengujian
pengukuran sepatu menggunakan aplikasi dapat dilihat di Tabel 4.2 Pengukuran sepatu
menggunakan aplikasi.
Hasil Analisis pada beberapa pengujian menggunakan aplikasi pada Tabel 4.2.
1. Kaki tidak tegak lurus, maka ukuran lebar yang didapat sangat lebar, pada tabel
nomor 1,35,41
2. Sistem mendeteksi ukuran sampai ke pergelangan kaki dikarenakan sistem
mendeteksi warna kaki, pada tabel nomor 3
3. Pengambilan gambar beberapa kali tidak pas pada posisi objek koin, pada tabel
nomor 5,6,13,14,16,25,
4. Pendeteksian warna kaki terpotong atau tidak sempurna dikarenakan kurangnya
cahaya saat pengambilan gambar, pada tabel nomor 8, 42, 44
5. Sistem tidak mengenali warna kaki dikarenakan warna kaki sama dengan
background atau lantai, maka diatasi dengan mengganti warna background,
kasus padatabel nomor 9 dan 10, 29, 39
6. Sitem salah mengenali objek kaki dikarenakan warna celana hampir sama
dengan warna kaki, kasus ini pada tabel nomor 15, 28,
7. Pada saat pengambilan gambar, pemegangan kamera kurang stabil, getaran
tangan saat memegang kamera juga mempengaruhi hasil dari sistem. Kasus
dapat dilihat pada beberapa percobaan di tabel nomor 18, 20, 30,

44

45
Tabel 4.2 Pengukuran sepatu menggunakan aplikasi
Nama Pengukuran Nilai

Aplikasi Rata- Ukuran
Percoba (Cm) rata
No Citra Uji Sepatu
Jenis an Ke - P
Kelamin (cm) Eu UK US
P L
I 25,1 17,6
Lusi II 24,8 17,6
III 24,6 17,6
1. Keterangan : 24,9 38 5 7.5
Kaki tidak tegak
Women lurus, maka ukuran
lebar yang didapat
sangat lebar
I 24,3 9.,6
Dina
2. Keterangan : 24,3 37 4 6,5

-
Women
I 26,8 15,1
Mesly II 26,3 15,1
III 25,8 15,3
3. 26,3 41 7 9,5
Keterangan :
system mendeteksi
Women
warna sampai ke
pergelangan kaki
I 24,3 9,6
4. Ranti II 24,6 9,3 24,6 38 5 7,5
III 24,8 9,1

46
Keterangan :
-
I 23,8 9,6
Winda II 23,8 9,6
III 23,8 9,6

5. IV 24,1 11,8 23,9 37 3,5 6
Keterangan :
Beberapa kali
pengambilan
gambar tidak pas
pada objek koin
I 24,3 9,6
Mian II 23,8 9,8
III 23,6 9,6

6. 23,9 36 3,5 6
Keterangan :
Beberapa kali
pengambilan
gambar tidak pas
pada objek koin
I 26,1 10,1
Holong II 25,8 9,8
III 25,8 10,1

7. 25,7 39 6,5 7
IV 25,3 9,6
Keterangan :
-
I 22,8 9,6
Celly II 20,3 9,3
8. III 19,8 9,3 21,7 35 2,5 5
IV 22,8 8,8
Women
V 22,8 8,8

47
Keterangan:
Pada percobaan I-
III pendeteksian
warna terpotong
karena kurang
cahaya
I 25,6 9,8
Irvan II 26,1 9,8
Keteangan :
sistem tidak
9. mengenali warna 25,9 42 8 8,5
kaki karena sama
dengan
Men background, maka
diatasi dengan
, mengganti warna
background
I 25,8 10,8
Hombar II 25,6 11,1
Keterangan :
sistem tidak
10. mengenali warna 25,7 40 7 7,5
kaki karena sama
dengan
Men background, maka
diatasi dengan
mengganti warna
background
I 25,3 10,1
Ilyas II 25,3 9,8
III 24,8 9,8

11. 25,2 39 6,5 7
Keterangan :
Men
-
I 26,1 11,3
12. Liman 25,7 42 8 8,5
II 25,3 10,6

48
Keterangan :
Men -
I 27,1 11,6
Kurnia
II 25,6 11,3
Wan
III 26,6 11,6
13. 26,4 42 8 8,5
Keterangan :
Beberapa kali
Men pengambilan
gambar tidak pas
pada objek koin
I 25,3 9,6
Cebitan
II 25,8 9,6
III 25,6 9,6

14. Keterangan : 25,6 41 7,5 8
Beberapa kali
pengambilan
Men
gambar tidak pas
melingkupi objek
koin
I 27,6
Rilo II 26,6 13,3
III 11,3
IV 26,1 10,1
15. Keterangan : 22,9 42 8 8,5
Pada percobaan I -
III objek kaki
Egi menggunakan
celana dengan
warna yang hampir
sama
I 27,1 12,1
16. II 26,3 11,8 26,3 40 7 7,5

III 26,3 11,8

49
IV 25,6 11,1
Keterangan:
Beberapa kali
Bengbe pengambilan
ng gambar tidak pas
melingkupi objek
koin
I 25,6 10,1
II 25,8 10,1
17. 40 7 7.5
Keterangan :
Men -
I 26,3 9,1
Juni II 26,6 9,1
18. Keterangan : 26,45 42 8 8,5

Pemegangan
kamera kurang
stabil
I 25,6 10,1
Lamba
Keterangan : 25,
19. 40 7 7,5
Objek terdeteksi 6
hampir sempuran
Men
I 25,3 10,1
20. II 25,8 10,1 25,5 41 7,5 8

Febri
Keterangan :

50
Pemegangan
kamera kurang
stabil
Men
I 25,1 10,3
Jimmy II 25,1 10,6
III 26,1 10,4
21. IV 25,8 10,3 25,64 39 6,5 7
V 26,1 10,6
Men
Keterangan :
Percobaan I & II
hampir sempurna
I 25,8 10,3
Ahmad II 26,1 10,6
22. 25,95 42 8 8,5

Keterangan :
Men -
I 24,3 11,1
Hendra II 24,3 11,1
III 24,6 12,1

23. 24,4 37 4 6,5
Keterangan :
Men
-
I 26,3 10,8
24. Hariono 26,45 42 8 8,5
II 26,6 10,8

51
Keterangan :
Men -
I 25,3 9,8
Yazid II 25,8 9,6
III 25,8 10,1

25. Keterangan : 25,6 40 7 7,5
Beberapa kali
pengambilan
Men
gambar tidak pas
melingkupi objek
koin
I 25,6 9,7
Arjuna II 25,8 10,1
26. 25,7 40 7 7,5

Keterangan :
Men -
I 25,8 9,8
Susi II 25,6 9,8
27. 40 7 7,5
Keterangan :
Women -
I 11,1 6,1
Ilham II 26,1 10,1

28. 22,5 42 8 8,5
III 26,6 11,3
Men IV 26,3 10,8

52
Keterangan :
Percobaan I sistem
salah mengenali
warna kaki karena
warna celana yang
hampir sama.
I 12,6 12,1
Fauzi II 25,1 10,6
III 25,3 10,6
29. Keteranagan : 21 39 6 6,5

Percobaan I,
Sistem salah
Men mengenali warna
kaki, dan
mendeteksi warna
background
I 24,3 14,3
Suci II 24,1 9,1
III 23,8 9,1
30. IV 24,1 9,1 23,98 37 4 6,5
V 23,6 8,8
Women Keteranagan :
Beberapa
percobaan kurang
stabil
I 26,6 11,6
Natalius II 26,3 11,6
31. 26,45 42 8 8,5

Keterangan :
Men -
32. David I 25,6 11,1 25,4 41 7,5 8

53
II 25,8 11,1
III 25,1 11,1
IV 25,1 10,3
Men
Keterangan :
-
I 26,6 9,8
Bogy II 26,3 10,1
III 26,3 10,1

42
33. 26,32 8 8,5
2
Keterangan :
Men
-
I 25,8 12,6
Risky II 25,8 11,3
III 25,8 12,3

34. IV 26,1 12,3 25,87 41 7,5 8
Men
Keterangan :
I 26,6 10,2
Irfan II 26,6 10,2
35. 42 8 8,5
Keterangan :
Men -

54
I 25,3 10,1
Tandi II 25,3 10,1
36. 25,3 39 6,5 7

Keterangan :
Men -
I 25,8 11,8
Gusli
37. 25,8 41 7,5 8

Keterangan :
Men
I 25,6 11,3
Jusli II 25,6 15,6
38. 25,6 40 7 7,5

Keterangan :
Men -
I 11,1 2,1
Hotbito II 12,8 2,3
III 10,6 1,8
39. IV 25,8 14,6 15,1 41 7,5 8

Keterangan :
Men Percobaan I – III
sistem salah
mengenali objek
kaki

55
I 25,6 10,3
Tarapul II 25,1 10,1
III 25,8 10,3

40. 40 7 7,5
IV 26,3 10,3
Men Keterangan :
-
I 25,3 12,3
Tulus II 25,1 12,6
III 23,8 10,6

24,6
41. IV 23,6 10,6 39 6,5 7
2
V 25,3 10,8
Men
Keterangan :
Objek kaki terlalu
ke kanan kamera
I 26,3 12,1
Hannes II 3,3 0,6
III 26,1 11,6

42. 18,56 42 8 8,5
Keterangan :
Minimnya cahaya
Men membuat objek
sulit terdeteksi
I 26,6 13,7
Vito II 26,6 13,3
43. 26,6 42 8 8,5

Keterangan :
Men
44. Bou I 23,3 9,8 19,32 35 2,5 5

56
Sitorus II 11,3 5,1
III 15,6 9,6
IV 23,1 9,6
V 23,3 9,3
Keterangan :
Women Beberapa kali
pengambilan
gambar sulit
dilakukan karena
kurangnya cahaya
I 25,3 10,3
Hafni II 25,3 10,1
45. 25,3 39 6 8,5

Keterangan :
Women -

57
4.3 Perbandingan Data Pengukuran Manual dengan Pengkuruan melalui Sistem
Selanjutnya dilakukan pengujian perbandingan data pengukuran secara manual dan

melului aplikasi untuk membuktikan bahwa sistem yang telah dirancang berjalan dengan
baik serta sesuai dengan analisis perancangan sistem yang telah dibuat sebelumnya.
Untuk itu dirancang suatu skenario dalam pengujian ketepatan akurasi sistem dalam
pengukuran dengan membandingkan hasil yang didapat dengan penghitungan manual dan
melalui aplikasi. Nilai yang dimasukkan untuk menghitung perbandingan persentase
kesalahan, yakni citra pada percobaan yang paling baik posisinya.
Persentase kesalahan yang didapat pada tabel:

% error =│Manual − Aplikasi│x 100
Manual (3.4)
24,3−24,6
% error =│ │x 100 = 1,2%
24,3
Tabel 4.3 Perbandingan Pengujian Ukuran panjang (cm) telapak kaki pada
aplikasi dan Secara Manual
No Nama Manual Aplikasi Kesalahan
yang diuji (%)
1. Lusi 24,3 24,6 1,2
2. Dina 24 24,3 1,2
3. Mesly 25,3 25,8 1,9
4. Ranti 24,5 24,6 0,4
5. Winda 23,5 23,8 1,3
6. Mian 24,3 24,3 0
7. Holong 25 25,3 1,2
8. Celly 22,3 22,8 2,2
9. Irvan 26 26,1 0,4
10. Hombar 25,4 25,6 0,8
11. Ilyas 24,7 25,3 2,4
12. Kurniawan 25,7 26,1 1,5
13. Cebitang 26,3 26,6 1,1
14. Rilo 25,8 25,8 0
15. Egi 26,6 26,1 1,9
16. Bengbeng 25,6 25,6 0
17. Juni 25,5 25,6 0,4
18. Lambas 26,6 26,6 0
19. Febri 25,6 25,6 0
20. Jummy 25,1 25,8 2,8

58
21. Ahmad 25,1 25,1 0

22. Hendra 25,4 26,1 2,7
23. Susi 24,3 24,3 0
24. Hariono 27 26,6 1,4
25. Yazid 25,4 25,6 0,8
26. Arjuna 25,4 25,6 0,8
27. Susi 25,4 25,6 0,8
28. Ilham 26 26,1 0,4
29. Fauzi 25 25,3 1,2
30. Suci 23,8 23,6 0,8
31. Natalius 26,5 26,6 0,4
32. David 25,6 25,8 0,8
33. Bogy 26,1 26,3 0,7
34. Risky 25,7 25,8 0,4
35. Irfan 26,5 26,6 0,4
36. Tandi 25,2 25,3 0,4
37. Gusli 27 25,8 4,4
38. Jusli 25,2 25,6 1,6
39. Hotbito 25,6 25,8 0,8
40. Tarapul 25,6 25,6 0
41. Tulus 26,5 25,1 5,2
42. Hannes 25,8 26,1 1,2
43. Vito 27,2 26,6 2,2
44. Bou sitorus 23,1 23,3 0,9
45. Hafni 25,3 25,3 0
Dari perhitungan persentase kesalahan diatas dapat dihitung nilai rata – rata kesalahan
dengan persamaan berikut :
Nilai rata –rata = Jumlah Kesalahan % (3.5)

Kesalahan Jumlah Data
Nilai rata – rata kesalahan = 1,08% .

59
6
5
4
3
2
1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Gambar 4.5 Diagram persentase perbandingan pengujian ukuran panjang (cm)

Telapak kaki pada aplikasi dan secara manual
Tabel 4.4 Perbandingan pengujian ukuransepatu

No Nama Manual Aplikasi Kesalahan
yang (%)
diuji
1. Lusi 37 38 2,7
2. Dina 37 37 0
3. Mesly 41 41 0
4. Ranti 38 38 0
5. Winda 36 37 2,7
6. Mian 37 37 0
7. Holong 39 39 0
8. Celly 35 35 0
9. Irvan 42 42 0
10. Hombar 40 40 0
11. Ilyas 38 39 2,6
12. Kurniawan 41 42 2,4
13. Cebitang 42 42 0
14. Rilo 41 41 0
15. Egi 42 42 0
16. Bengbeng 40 40 0
17. Juni 40 40 0
18. Lambas 42 42 0
19. Febri 40 40 0
20. Jummy 39 41 5,1
21. Ahmad 39 39 0
22. Hendra 40 42 5
23. Susi 37 37 0
24. Hariono 42 42 0

60
25. Yazid 40 40 0
26. Arjuna 40 40 0
27. Susi 40 40 0
28. Ilham 42 42 0
29. Fauzi 39 39 0
30. Suci 37 36 0
31. Natalius 42 42 0
32. David 40 41 2,5
33. Bogy 42 42 0
34. Risky 41 41 0
35. Irfan 42 42 0
36. Tandi 39 39 0
37. Gusli 43 41 4,6
38. Jusli 39 40 2,5
39. Hotbito 40 41 2,5
40. Tarapul 40 40 0
41. Tulus 42 39 7,1
42. Hannes 41 42 2,4
43. Vito 44 42 4,5
44. Bou sitorus 35 35 0
45. Hafni 39 39 0
Dari perhitungan persentase kesalahan diatas dapat dihitung nilai rata – rata kesalahan
dengan persamaan berikut :
Nilai rata – rata kesalahan = Jumlah kesalahan% (3.6)

Jumlah Data
Nilai rata – rata kesalahan = 1,03%
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Gambar 4.1 Diagram Persentase kesalahan perbandingan pengujian ukuran

sepatu

61
Dari tabel diatas dapat disimpulkan sistem dibangun mendekati akurasi, namun
kelemahan sistem yakni dalam mengoperasikan sistem dibutuhkan kejelian untuk
mendapatkan ukuran yang benar – benar akurat. Karena sistem sangat sensitif terhadap
perubahan gerak dan posisi objek walaupun hanya getaran tangan, hal ini juga
dikarenakan variasi ukuran sepatu yang sangat signifikan pengelompokkan ukurannya
hanya berbeda nilai 0,1 cm - 1 cm. Penyimpangan data terjadi pada beberapa sample
pencahayaan yang kurang dan pendeteksian warna antara warna kulit kaki dengan
background dan celana. Untuk nilai keakuratan sistem bisa dikatakan baik karena nilai
persentase kesalahan rata – rata panjang (cm) mencapai 1,08%, dan ukuran sepatu 1,03%.
Untuk kedepannya mungkin bisa menggunakan sistem dengan metode yang lebih efisien
sehingga lebih mudah dioperasikan oleh use, misalnya seperti menggunakan kamera
kinek.

62
BAB 5
KESIMPULAN DAN SARAN
Bab ini akan membahas tentang kesimpulan dari penerapan metode yang
diajukan untuk pengukuran sepatu, serta saran-saran pengembangan yang dapat
dilakukan pada penelitian selanjutnya.
5.1 Kesimpulan
Berdasarkan hasil penelitian dan pengujian yang dilakukan oleh penulis, maka
dapat disimpulkan bahwa:
1. Pengambilan gambar harus konsisten / statis karena ukuran dapat berubah

dengan pergerakan tangan saat memegang kamera.
2. Pengukuran dapat dilakukan dengan metode canny edge detection , namun
dengan syarat pengambilan objek tampak tumit belakang hingga ujung jari kaki.
3. Akurasi kesalahan pengukuran panjang telapak kaki mencapai 1,08% dan
kesalahan ukuran sepatu mencapai 1,03%. Itu berarti sistem bisa dikatakan
akurat.
4. Pengukuran dengan menggunakan pengolahan citra dapat dilakukan dan
dikembangkan untuk pengukuran benda lainnya, namun terdapat banyak faktor
untuk pengukuran telapak kaki ini seperti pencahayaan, posisi objek kaki dan
koin yang membuat pengukuran menjadi kurang tepat.

63
5.2 Saran
Berdasarkan penelitian yang dilakukan, berikut saran-saran yang diharapkan

penulis dapat dilakukan pada penelitian selanjutnya:
1. Pencarian jarak objek dengan kamera dapat dicari dengan metode yang lebih
efisien dioperasikan oleh user.
2. Pengukuran yang dapat dilakukan dengan metode yang lebih mudah digunakan
misalnya menggunakan kamera kinek.

64
DAFTAR PUSTAKA
Afrizal, Sahid Nur. 2016. Pengenalan pola Iris Mata menggunakan metode Template
Matching dengan Library OpenCV. Fakultas Sains dan Matematika
Universitas Diponegoro
Amaliyah, Mas. 2018. Karakteristik Sepatu Dengan KeluhanMuskuloskeletal Pada Kaki

dan Pergelangan Kaki Sales Promotion Girl Golden Market Jember.
Universitas Jember
Boehm, Raphael. 2015. The foot and The Shoe Measurement and Size . Europe: Darco
Cara Mengukur Ukuran Sepatu Pria dan Anak – anak. 2017. www. pakarinfo.com
Fahrani, Ovy Rizki. 2015. Game adaptasi Bekel Berbasis Android. Universitas Sumatera
Utara
Holla, Suhas., & Katti Mahima. 2012. Android Based Mobile Application Development
and its Security. International Journal of Computer Trends and Technology
Kadir, Abdul., Adhi Susanto. 2013. Teori dan Aplikasi Pengolahan Citra. Yogyakarta.
Khrisna, Dika Adi. 2011 Identifikasi Objek Berdasarkan Bentuk dan Ukuran. Universitas
Diponegoro
Kusnendar. 2013. Cara Mengukur Kaki Untuk Mengetahui Ukuran Sepatu.
Laotrakunchai, S. 2013. Measurement of size and Distance of Object Using Mobile.

Chiang Mai University
M, Mustafa Y. 2012. DevicesStereo vision Images Processing for Realtime Object

Distance and Size Measurements
Mardani, Rahadian. 2014. Analisis Kesesuaian Antropometri Kaki orang Indonesia

dengan Ukuran Sepatu British, Amerika, dan Eropa. Universitas Gadjah Mada

65
Mustafid, Ahmad dan Shofwatul Uyun. 2017, Segmentasi Citra Sapi Berbasis Deteksi
Tepi Menggunakan Algoritma Canny Edge Detection, UIN Sunan Kalijaga
Nisha. 2015. Comparative Analysis of Canny and Prewitt Edge Detection Techniques
used in Image Processing .
Nugrabenny, Dwi Sekolah. 2015. Metode nilai jarak guna Kesamaan atau Kemiripan Ciri
Suatu Citra ( Kasus Deteksi Awan Cumulonimbus Menggunakan Principal
Component Analysis ). Tinggi Teknologi Adisudjipto
Open Genus Foundation. 2018. Jarak Chebyshev. https://iq.opengenus.org/chebyshev-

distance/amp/
Purwanto, Djoko. 2015. Sistem Pengukuran Badan Pria untuk Menentukan Ukurn Baju
Berbasis Kamera Kinect. Institut Teknologi Sepuluh November
Sancaktar, Asli. 2006. An Analysis of Shoe Within The Context of Social History of
Fashion. Izmir of Institute Technology
Schiffman, Leon G. dan Leslie L. Kanuk. 2007. Perilaku Konsumen dan Pemasaran
Stragtegi, edisi revisi. Bandung; Linda Karya
Wardayati, Tatik. 2013. Alasan Ukuran Sepatu Beragam. Intisari Online

Implementasi Canny Edge Detection Untuk Pengukuran Sepatu Berbasis Android

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Implementasi Canny Edge Detection Untuk Pengukuran Sepatu Berbasis Android

Diunggah oleh

Hak Cipta:

Format Tersedia

i

IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN

HAFNI SILFIZAH HASIBUAN

PROGRAM STUDI S1 TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

IMPLEMENTASI CANNY EDGE DETECTION UNTUK

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh

HAFNI SILFIZAH HASIBUAN

PROGRAM STUDI S1 TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

UNIVERSITAS SUMATERA UTARA

IMPLEMENTASI CANNY EDGE DETECTION UNTUK PENGUKURAN

Medan, Agustus 2019

HAFNI SILFIZAH HASIBUAN

UNIVERSITAS SUMATERA UTARA

UCAPAN TERIMA KASIH

UNIVERSITAS SUMATERA UTARA

Medan, Agustus 2019

UNIVERSITAS SUMATERA UTARA

UNIVERSITAS SUMATERA UTARA

IMPLEMENTATION OF CANNY EDGE DETECTION

Keywords: shoes, foot size, canny edge detection, image processing

UNIVERSITAS SUMATERA UTARA

BAB 2 LANDASAN TEORI

UNIVERSITAS SUMATERA UTARA

2.1. Landasan Teori 7

BAB 3ANALISIS DAN PERANCANGAN SITEM

BAB 4 IMPLEMENTASI DAN PENGUJIAN

UNIVERSITAS SUMATERA UTARA

4.1. Implementasi Sistem 27

BAB 5 KESIMPULAN DAN SARAN

UNIVERSITAS SUMATERA UTARA

Tabel 2.1 Data Ukuran Standard Sepatu Internsional 8

UNIVERSITAS SUMATERA UTARA

UNIVERSITAS SUMATERA UTARA

1.1 Latar belakang

Perkembangan teknologi Smartphone pada saat ini sangat berkembang pesat.

UNIVERSITAS SUMATERA UTARA

UNIVERSITAS SUMATERA UTARA

Sebelumnya telah dilakukan penelitian dengan penerapan metode canny edge

1.2 Rumusan Masalah

UNIVERSITAS SUMATERA UTARA

1.3 Batasan Masalah

1.4 Tujuan Penelitian

Untuk memberikan ukuran sepatu dan gambar pola dengan menggunakan

1.5 Manfaat Penelitian

1. Dapat memberikan efisiensi pengukuran panjang telapak kaki untuk menentukan

UNIVERSITAS SUMATERA UTARA

1.6. Metodologi Penelitian

Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai

1.7. Sistematika Penulisan

UNIVERSITAS SUMATERA UTARA

Bab 2: Landasan Teori

Bab 3: Analisis dan Perancangan

Bab 4: Implementasi dan Pengujian

Bab 5: Kesimpulan dan Saran

UNIVERSITAS SUMATERA UTARA

2.1 Landasan Teori

2.1.1 Ukuran Sepatu

Gambar 2.1 Pengukuran Sepatu

UNIVERSITAS SUMATERA UTARA

Pengukuran sepatu biasanya dilakukan dengan menggunakan peranti brannock. Untuk di

2.1.2 Mengukur Sepatu Secara Manual