The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
Politeknik Elektronika Negeri Surabaya, Indonesia
Sistem Deteksi Bola Berdasarkan Warna Bola Dan
Background Warna Lapangan Pada Robot
Barelang FC
Hanjaya Mandala(1) .EkoRudiawan,S.ST(2) .HendawanSoebhakti,ST.,MT(3).
(1) (2) (3) Politeknik Negeri Batam
Mechatronics Engineering Study Program
Parkway Street, Batam Centre, Batam 29461, Indonesia
E-mail: (1)hanjaya_mandala@yahoo.com,(2)Ekorudiawan@polibatam.ac.id,(3)Hendawan@polibatam.ac.id
Abstrak – Dalam suatu permainan sepak bola, sebuah
robot soccer harus dapat menggiring bola dan menendang
bola ke arah gawang. Agar dapat bermain dengan benar,
sebuah robot soccer harus dilengkapi dengan sistem deteksi
bola yang baik. Kamera digunakan sebagai sensor
pendeteksi bola. Robot soccer harus dapat mengenali bola
di dalam lapangan dengan hanya menggunakan kamera.
Permasalahan yang muncul adalah adanya objek lain selain
bola dalam lapangan. Permasalahan lainnya adalah
intensitas cahaya dapat mempengaruhi keberhasilan
pengenalan bola. Pada penelitian ini dikembangkan sistem
deteksi bola dengan menggunakan perpaduan segmentasi
HSV dari warna bola dan warna latar lapangan. Ukuran
bola dideteksi menggunakan library cvblob. Untuk
mengurangi pengaruh intensitas cahaya maka fitur auto
dari kamera akan dinonaktifkan. Hasil dari penelitian ini,
84% robot soccer dapat bermain sepak bola layaknya
pemain juara dunia sepak bola dengan mendeteksi bola
sebagai objek utama dalam lapangan.
Kata kunci : Robot Soccer, kamera, HSV, cvblob
I. PENDAHULUAN
Dalam pertandingan sepak bola, robot humanoid
bermain layaknya permainan sepak bola yaitu mampu
menggiring dan menendang bola kearah gawang. Agar
dapat bermain dengan benar, sebuah robot harus dapat
mendeteksi bola yang ada di lapangan dengan
menggunakan kamera. Permasalahan yang dihadapi
adalah adanya objek lain selain bola didalam dan diluar
lapangan.
Beberapa penelitian yang telah dilakukan untuk
memecahkan permasalahan tersebut antara lain
menggunakan sistem deteksi objek dengan ekstasi citra
HSV. Proses ini memiliki tingkat keberhasilan 90% jika
dibandingkan dengan ekstrasi citra RGB yang tingkat
keberhasilanya sebesar 66.7 % [1]. Kelemahaan metode
ini adalah pengenalan bola yang hanya menggunakan ciri
dari ekstrasi warna bola tanpa memperhatikan ciri lain
dari bola.
Penelitian lain menggunakan metode hough
transform circle[2]. Dari hasil eksperimen diperoleh
tingkat keberhasilan pengenalan bola sebesar rata-rata
94,44%. Kelemahan dari metode ini adalah memerlukan
waktu proses pengenalan yang lebih lama dibandingkan
dengan metode thresholding standar.
Untuk mengatasi cara deteksi bola yang tidak salah,
maka pada penelitian ini akan dikembangkan sistem
deteksi bola berdasarkan warna bola dan background
warna lapangan, yaitu proses deteksi objek menggunakan
perpaduan segmentasi HSV dari warna bola dan warna
latar lapangan. Untuk mengurangi pengaruh perubahan
intensitas cahaya, maka fitur-fitur auto dari kamera
dinon-aktifkan. Ukuran panjang dan lebar bola yang
dideteksi menggunakan library cvblob. Dengan demikian
dapat mengurangi kesalahan deteksi dari sistem sehingga
proses pendeteksian bola dapat berjalan dengan akurat
dan real time.
II. DASAR TEORI
Permasalahan sistem deteksi yang memanfaatkan
tanda atau ciri visual sebuah objek tidak lepas dari konsep
deteksi dan pengenalan tanda atau ciri visual objek.
Berikut ini akan dibahas tentang beberapa hal yang
berkaitan dengan permasalahan tersebut.
A. Color Filtering
Color Filtering adalah suatu teknik pengolahan citra
yang yang dipakai untuk memanipulasi suatu citra
berdasarkan warna spesifik. Cara kerjanya adalah dengan
membandingkan komponen warna setiap piksel citra
dengan warna spesifik.
Warna yang digunakan dalam Color Filtering dapat
direpresentasikan dalam berbagai ruang warna, antara
lain RGB (Red, Green, Blue), HSV (Hue, Saturation,
Value), YCbCr, dsb. HSV merupakan ruang warna yang
sangat cocok untuk mengidentifikasi warna-warna dasar,
dimana warna dasar ini digunakan dalam penelitian
sebagai warna identifikasi robot. Selain itu, HSV
menoleransi terhadap perubahan intensitas cahaya. Inilah
yang menjadi keunggulan HSV dibandingkan dengan
ruang warna lainnya[3].
B. Model warna HSV
HSV mendefinisikan warna dalam terminologi Hue,
Saturation dan Value. Keuntungan HSV adalah terdapat
warna-warna yang sama dengan yang ditangkap oleh
indra manusia. Sedangkan warna yang dibentuk model
lain seperti RGB merupakan hasil campuran dari warna-
warna primer [4]. HSV memiliki 3 karakteristik pokok,
yaitu Hue, Saturation dan Value.
2
 The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
Politeknik Elektronika Negeri Surabaya, Indonesia

C. Konsep Binerisasi Citra (Thresholding) III. PERANCANGAN SISTEM

Konsep binerisasi citra adalah sebuah konsep untuk
mengubah suatu citra menjadi dua jenis intensitas yaitu 0
atau 255. Untuk melakukan proses ini digunakan ambang
batas (threshold) yang nilainya dapat diatur sesuai
keperluan. Persamaan 2.1 adalah persamaan untuk
merubah citra asli menjadi citra biner
Jika nilai threshold yang dipasang adalah 100, maka
semua pixel yang nilainya diatas atau sama dengan 100
diganti menjadi 255, sedangkan pixel yang nilainya
dibawah 100 diganti menjadi 0.
Pada robot Barelang FC yang digunakan memiliki
sistem kontruksi yang dibagi menjadi sistem mekanik,
elektrikal, dan sistem deteksi.
A. Sistem Mekanik
Desain robot menggunakan dua puluh unit servo
sebagai penggerak pada bagian pergelangan sendi seperti
pada gambar 3.1.

f(x,y);if f(x,y)>Threshold then f(x,y)=255 else 0

(2.1)

D. Morfologi Filterisasi
Pendekatan morfologi mengubah pandangan suatu
citra sebagai himpunan. Pemrosesan citra secara
morfologi biasanya dilakukan terhadap citra biner (hanya
terdiri dari 0 dan 1). Pemrosesan citra secara morfologi
dilakukan dengan cara melewatkan sebuah structuring
element terhadap sebuah citra dengan cara yang hampir
Gambar 3.1 Desain Mekanik Robot
sama dengan konvolusi. Beberapa operasi morfologi
yang dibahas dibawah ini adalah erosi dan dilasi. B. Sistem Elektrikal
Komponen-komponen pengontrol robot yang
1) Erosi digunakan pada robot ditunjukkan pada gambar 3.2
Erosi merupakan proses penghapusan titik-titik
batas objek menjadi bagian dari latar, berdasarkan 20

structuring element yang digunakan. Pada operasi ini, 1 19 2

Webcam Camera
ukuran obyek diperkecil dengan mengikis sekeliling 3 4

objek [7]. Cara yang dapat dilakukan ada 2: 5 6

 Dengan mengubah semua titik batas menjadi titik latar Mini PC Servo Controller 9
11 12
10

 Dengan mengatur semua titik di sekeliling titik latar 13 14

menjadi titik latar.

17 15 16 18

2) Dilasi
Dilasi merupakan proses penggabungan titik-titik
Gambar 3.2 Diagram Elektrikal Robot
latar menjadi bagian dari objek, berdasarkan structuring
element yang digunakan[7]. Proses ini adalah kebalikan
dari erosi, yaitu merubah latar disekeliling objek menjadi C. Sistem Deteksi
bagian dari objek tersebut. Terdapat 2 cara untuk Pada robot Barelang FC, sistem deteksi bola terbagi
melakukan dilasi ini, yaitu: dalam proses deteksi bola berdasarkan warna dan
 Dengan cara mengubah semua titik latar yang pengenalan bola dapat digambarkan pada diagram blok
bertetangga dengan titik batas menjadi titik obyek, atau sistem seperti pada gambar 3.3
lebih mudah dalam mengatur setiap titik yang
tetangganya adalah titik obyek menjadi titik obyek.
 Dengan mengubah semua titik di sekeliling titik batas
menjadi titik obyek, atau lebih mudah dalam mengatur
semua titik tetangga sebuah titik obyek menjadi titik
obyek.

3
 The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
Politeknik Elektronika Negeri Surabaya, Indonesia

Sistem Deteksi Bola Tabel 4.1 Hasil Pengujian Sistem Deteksi Bola Oranye
Pengujian Tingkat Keberhasilan Deteksi Bola Tenis Oranye

Kamera
Konversi Citra asli Binarisasi
Erosi Dilasi
Jarak (m) Warna Bola Aktual De te ksi Status
(RGB)  Citra HSV (Thresholding) Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
0.288444
Kuning Terdeteksi Tidak Berhasil
Sistem Pengenalan Bola Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
0.576888
Background Kuning Tidak Terdeteksi Be rhasil
Robot mendeteksi objek Bounding Box CV Blob Bola
Lapangan Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
0.865332
Kuning Tidak Terdeteksi Be rhasil
Gambar 3.3 Diagram Blok Sistem Deteksi Robot Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
Penggambilan gambar dari kamera merupakan 1.153776
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
proses awal. Setelah itu sistem deteksi mendeteksi objek Oranye Terdeteksi Be rhasil
berdasarkan warna yaitu mengubah citra RGB menjadi 1.44222
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
HSV. Kemudian citra di filter terhadap warna bola dan Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
warna lapangan yaitu merupakan proses dari binarisasi. 1.730664
Merah Terdeteksi Tidak Berhasil
Kuning Tidak Terdeteksi Be rhasil
Citra hasil dari ekstraksi binarisasi selanjutnya perlu Biru Tidak Terdeteksi Be rhasil
dilakukan filterisasi morphological. Dengan tujuan untuk Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
2.019108
menghilangkan noise-noise dari gambar dilakukan erosi. Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Proses penakanan area objek yang ingin dideteksi Oranye Terdeteksi Be rhasil
merupakan proses filter dari dilasi. 2.307552
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
Agar robot dapat mengenali bola didalam lapangan Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
setelah melalui proses deteksi warna, maka proses 2.595996
Merah Terdeteksi Tidak Berhasil
Kuning Tidak Terdeteksi Be rhasil
selanjutnya ialah identifikasi ciri dari bola. Ukuran bola Biru Tidak Terdeteksi Be rhasil
dan lapangan dibantu menggunakan library cvblob. Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
2.88444
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
IV. HASIL DAN ANALISA Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
Untuk mendapat hasil dan analisa maka perlu 3.172884
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
dilakukan beberapa pengujian. Adapun pengujian seperti Oranye Terdeteksi Be rhasil
dibawah ini. 3.461328
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
A. Pengujian sistem deteksi robot 3.749772
Merah Terdeteksi Tidak Berhasil
Untuk proses pengujian sistem deteksi warna bola Kuning
Biru
Tidak Terdeteksi
Tidak Terdeteksi
Be rhasil
Be rhasil
digunakan 4 buah bola tenis dengan warna merah, kuning, Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
oren dan biru yang diperlihatkan pada gambar 4.1 dalam 4.038216
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
pengujian bola diletakan dengan jarak yang berbeda dari Oranye Terdeteksi Be rhasil
robot yaitu menggunakan jarak terjauh pada lapangan 4.32666
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
pengujian yang berada pada garis diagonal lapangan. Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
4.615104
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
4.903548
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
5.191992
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
5.480436
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Gambar 4.1 Bola Pengujian Sistem Deteksi Warna Merah Tidak Terdeteksi Be rhasil
5.76888
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.057324
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.345768
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.634212
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.922656
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
4
7.2111
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
 Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
1.730664
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi The
Be rhasil 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
Merah Terdeteksi Tidak Berhasil
2.019108 Politeknik Elektronika Negeri Surabaya, Indonesia
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
2.307552
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
2.595996
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
2.88444
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
B. Pengujian sistem pengenalan bola
Biru Tidak Terdeteksi Be rhasil Pengujian ini dilakukan dengan cara meletakkan
Oranye Terdeteksi Be rhasil
3.172884
Merah Terdeteksi Tidak Berhasil bola didalam (gambar4.2), tepi (gambar4.3) dan luar
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil lapangan (gambar 4.4).
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
3.461328
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
3.749772
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
4.038216
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
4.32666
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
Gambar 4.2 Bola Pada Tepi Lapangan.
4.615104
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
4.903548
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
5.191992
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
5.480436
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
5.76888
Kuning Tidak Terdeteksi Be rhasil Gambar 4.3 Bola Pada Luar Lapangan.
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.057324
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.345768
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.634212
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
6.922656
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil Gambar 4.4 Bola Pada Dalam Lapangan.
Oranye Terdeteksi Be rhasil
7.2111
Merah Tidak Terdeteksi Be rhasil Dalam pengenalan bola didalam lapangan
Kuning Tidak Terdeteksi Be rhasil
Biru Tidak Terdeteksi Be rhasil
memanfaatkan algoritma koordinat bola yang berada
didalam koordinat lapangan. Sehingga berdasarkan
Berdasarkan Tabel 4.1 dapat dilihat bahwa gambar diatas dapat dilihat bahwa sistem pengenalan bola
persentase keberhasilan dari sistem pendeteksian bola dapat mengenali bola yang berada dalam lapangan.
tenis oranye ini sebesar 84% dari persentase keseluruhan
sebesar 100% V. KESIMPULAN
Pada penelitian sistem deteksi bola berdasarkan
warna bola dan background warna lapangan, diperoleh
84% tingkat keberhasilan pada proses deteksi
menggunakan ekstrasi warna HSV pada bola,
penyebabnya adalah nilai spektrum antara warna merah
dan oren yang dekat. Proses deteksi pada sistem ini
memiliki proses yang cepat dan real time.

5
 The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
Politeknik Elektronika Negeri Surabaya, Indonesia

VI. DAFTAR PUSTAKA [7] Gentang Syabba Nahla, “Tracking Bola Menggunakan Robotino”
Buku Tugas Akhir Diploma IV, Jurusan Teknik Informatika,
[1] Calvinsan Pratama Dewangga, “Sistem Deteksi Bola, Gawang, Politeknik Elektronika Negeri Surabaya, 2010.
Dan Kostum Pada Robot Barelang FC Menggunakan Machine
Vision”, Buku Tugas Akhir Diploma IV, Jurusan Mekatronika,
Politeknik Negeri Batam, 2014. VII. BIOGRAPHY
[2] Muhammad Anwar Ma’sum, Dean Zaka Hidayat, “Optimasi Hanjaya Mandala lahir di Batam,
Pencarian Objek Bola Pada Robot Soccer Humanoid
Menggunakan Metode Hough Transform”. Indonesian
Kepulauan Riau pada tanggal 17
Symposium on Robot Soccer Competition. 2013. november 1995. Sekarang sedang
[3] Dhiemas, R.Y.S. 2011.“Pencarian Posisi Robot: Studi Kasus menjalani perkuliahan pada semester 6 di
Pencarian Sumber Kebocoran Politeknik Negeri Batam. Sejak tahun
Gas”.(Online).(http://jiki.cs.ui.ac.id/index.php/jiki/article/downlo 2014 aktif dalam tim robot Politeknik
ad/39/44). Diakses Tanggal 17 April 2016 Negeri Batam. Pernah mengikuti kontes
[4] Kadir, Abdul, “Teori dan Aplikasi Pengolahan Citra.”, Andi, robot regional dan nasional pada tahun
Yogyakarta, 2013. 2014 dan 2015 di divisi KRPAI beroda
[5] Purnomo, Mauridhi Hery dan Muntasa, Arif, “Konsep
Pengolahan Citra Digital dan Ekstraksi Fitur”, Edisi Pertama, dan kontes robot sepak bola Indonesia.
Graha Ilmu, Yogyakarta, 2010.
[6] Soebakthi, Hendawan. “Pengembangan Sistem Navigasi Natural
Landmark-Based pada Security Mobile Robot”. M.T. Tesis.
Institut Teknologi Sepuluh November. Surabaya. 2012.