Page 1
PENERAPAN ALGORITMA CANNY DAN BLOB
DETECTION PADA ROBOT SOCCER UNTUK
MENDETEKSI TEPI CITRA OBJEK BERBASIS
ANDROID
Skripsi
Diajukan sebagai salah satu persyaratan untuk memperoleh gelar Sarjana
Pendidikan Program Studi Pendidikan Teknik Elektro
Oleh
M. Kamal Wahyudi NIM. 5301411023
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS NEGERI SEMARANG
2016
Page 4
iv
MOTTO DAN PERSEMBAHAN
Motto :
The quieter you become, the more you are able to hear (backtrack).
Anyone who has never made a mistake has never tried anything new.
Dipersembahkan Untuk :
Allah SWT yang telah memberikan segalanya sehingga skripsi ini bisa
diselesaikan.
Orang tua saya dan keluarga pastinya.
Pengelola Beasiswa Bidikmisi UNNES dan Direktorat Jenderal Perguruan
Tinggi.
Semua adik kelasku dan kawan-kawanku yang belum ambil skripsi,
semoga ini bisa memotivasi kalian.
Congex Mania : aa’ Opik, Mas Supono, Tomingse, Redhood, Sparky
Gratisan, Mas Sardewa, Mas Demak (Duo Demak), Mr Crowja dkk..
Page 5
v
ABSTRAK
M. Kamal Wahyudi. 2016. Penerapan Algoritma Canny dan Blob Detection pada
Robot Soccer untuk Mendeteksi Tepi Citra Objek Berbasis Android. Pembimbing
Tatyantoro Andrasto, S.T., M.T. Program Studi S-1 Pendidikan Teknik Elektro
Fakultas Teknik Universitas Negeri Semarang.
Robot Soccer merupakan robot yang dirancang untuk bermain sepak bola
secara autonomous. Masalah utama Robot Soccer adalah dalam pendektesian
yaitu kurangnya kemampuan robot dalam membedakan antara bola dengan objek
gangguan yang mempunyai warna sama dengan bola. Penelitian ini menggunakan
algoritma Canny sebagai deteksi tepi dan Blob Detection untuk mengenali bentuk
yang diamati, serta penggunaan Android sebagai pengambil citra digital melalui
media Bluetooth.
Pada penelitian ini menggunakan metode Research and Development
(R&D). Prosedur penelitian dilakukan dengan melakukan perancangan, penerapan
metode dan pengujian sistem komunikasi antara robot dengan Android serta
pengujian unsur-unsur robot yang berupa servo, intensitas cahaya dan motor DC.
Hasil dari penelitian menunjukkan bahwa tingkat keberhasilan
menggunakan algoritma Canny dan Blob Detection sebesar 85% terhadap
intensitas cahaya yang relatif berubah-ubah. Robot juga berhasil membedakan
antara objek utama dengan gangguan sebesar 80% dan menjaga supaya bola tetap
bisa terlacak meskipun hilang dalam jangkauan. Jika menginginkan sistem
komputasi yang lebih sempurna, maka yang harus dilakukan adalah mengganti
performa yang lebih tinggi pada Android dan didukung oleh kualitas kamera yang
lebih memadai.
Kata Kunci : Robot Soccer, Android, Canny, Blob Detection, Bluetooth
Page 6
vi
KATA PENGANTAR
Puji syukur penulis ucapkan kepada Allah SWT yang telah memberikan
rahmat taufik dan hidayah-Nya sehingga penulis dapat menyelesaikan penelitian
skripsi yang berjudul “Penerapan Algoritma Canny dan Blob Detection pada
Robot Soccer untuk Mendeteksi Tepi Citra Objek Berbasis Android”.
Pada penyusunan skripsi ini tak lepas dari dukungan dan dorongan dari
beberapa pihak yang telah membantu. Oleh karena itu, penulis mengucapkan
banyak terima kasih kepada :
1. Bapak Prof. Dr. Fathur Rokhman, M.Hum selaku Rektor Universitas
Negeri Semarang yang telah memberikan kesempatan kepada penulis
untuk menempuh pendidikan di Universitas Negeri Semarang.
2. Bapak Dr. Nur Qudus., M.T. selaku Dekan Fakultas Teknik, Bapak Dr.-
Ing. Dhidik Prastiyanto S.T., M.T. selaku Ketua Jurusan Teknik Elektro
Universitas Negeri Semarang yang telah memfasilitasi penulis selama
menempuh studi.
3. Drs. Henry Ananta M.Pd. selaku dosen wali yang telah memberikan
pengarahan dan motivasi selama menempuh studi.
4. Bapak Tatyantoro Andrasto, S.T., M.T. selaku Dosen Pembimbing yang
selalu membimbing dan memberikan arahan, saran, ilmu dan motivasi
selama penyusunan skripsi.
5. Bapak/Ibu dosen Teknik Elektro yang telah memberikan ilmu dan
pengalamannya selama menempuh studi.
Page 8
viii
DAFTAR ISI
PERNYATAAN…………………………………………………………………. ii
PENGESAHAN…………………………………………………………………. iii
MOTTO DAN PERSEMBAHAN ......................................................................... iv
ABSTRAK ......................................................................................................... v
KATA PENGANTAR ........................................................................................... vi
DAFTAR ISI ...................................................................................................... viii
DAFTAR GAMBAR ............................................................................................ xii
DAFTAR TABEL ................................................................................................. xv
DAFTAR LAMPIRAN ........................................................................................ xvi
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang .......................................................................................... 1
1.2 Rumusan Masalah ..................................................................................... 3
1.3 Tujuan Penelitian ...................................................................................... 3
1.4 Manfaat Penelitian .................................................................................... 4
1.5 Batasan Masalah ....................................................................................... 4
1.6 Sistematika Penulisan Skripsi ................................................................... 5
BAB II KAJIAN PUSTAKA DAN LANDASAN TEORI .................................... 7
2.1 Algoritma .................................................................................................. 7
2.1.1 Algoritma Canny ............................................................................. 7
2.1.2 Algoritma Blob Detection.............................................................. 10
2.2 Computer Vision ..................................................................................... 11
2.3 Model Warna RGB dan HSV ................................................................. 14
Page 9
ix
2.4 Thresholding ........................................................................................... 16
2.5 OpenCV .................................................................................................. 18
2.6 Robot Soccer ........................................................................................... 20
2.7 Smartphone Android ............................................................................... 21
2.8 Eclipse IDE ............................................................................................. 22
2.9 Bluetooth HC-05 ..................................................................................... 23
2.10 Arduino Mega 2560 ................................................................................ 25
BAB III METODE PENELITIAN........................................................................ 26
3.1 Tempat Penelitian ................................................................................... 26
3.2 Metode Penelitian ................................................................................... 26
3.3 Alur Penelitian ........................................................................................ 27
3.4 Alat dan Bahan ........................................................................................ 27
3.5 Perancangan Alat Penelitian ................................................................... 29
3.5.1 Perancangan Kerangka Bawah Robot (Base) ................................ 29
3.5.2 Perancangan Mekanik Penendang ................................................. 30
3.5.3 Perancangan Rangkaian Pengendali Motor ................................... 31
3.5.4 Perancangan Tempat Kamera ........................................................ 32
3.5.5 Perancangan GUI (Graphical User Interface) .............................. 33
3.6 Perancangan Logika Algoritma .............................................................. 35
3.6.1 Perancangan Logika Algoritma Canny Edge Detection ................ 36
3.6.2 Perancangan Logika Algoritma Blob Detection ............................ 38
3.7 Tracking Objek ....................................................................................... 44
3.8 Pengujian dan Pengambilan Data ........................................................... 48
3.8.1 Pengujian Motor Servo .................................................................. 48
3.8.2 Pengujian Kamera .......................................................................... 50
Page 10
x
3.8.3 Pengujian H-Bridge Motor ............................................................ 51
3.8.4 Pengujian Pergerakan Motor .......................................................... 53
3.8.5 Pengujian Intensitas Cahaya .......................................................... 54
3.8.6 Pengujian Komunikasi ................................................................... 55
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ...................................... 58
4.1 Hardware Robot Soccer ......................................................................... 58
4.2 GUI (Graphical User Interface) ............................................................. 60
4.3 Pengujian Servo ...................................................................................... 62
4.4 Pengujian Kamera ................................................................................... 63
4.4.1 Pengujian Jarak Pandang Efisien Robot ........................................ 64
4.4.2 Pengujian Algoritma Deteksi Tepi Canny ..................................... 64
4.4.3 Pengujian Algoritma Blob Detection............................................. 67
4.5 Pengujian H-Bridge Motor ..................................................................... 67
4.6 Pengujian Pergerakan Motor Berdasarkan Data dari Kamera ................ 68
4.7 Pengujian Intensitas Cahaya ................................................................... 69
4.8 Pengujian Bluetooth HC-05 .................................................................... 71
4.8.1 Pengujian Pairing Bluetooth HC-05 ............................................. 71
4.8.2 Pengujian Komunikasi Bluetooth HC-05 ...................................... 73
4.9 Uji Kelayakan dan Keandalan Robot ...................................................... 76
4.9.1 Uji Kelayakan Robot...................................................................... 76
4.9.2 Uji Keandalan Robot...................................................................... 77
BAB V SIMPULAN DAN SARAN ..................................................................... 78
5.1 Simpulan ................................................................................................. 78
5.2 Saran ....................................................................................................... 79
Page 11
xi
DAFTAR PUSTAKA ........................................................................................... 80
LAMPIRAN ....................................................................................................... 83
Page 12
xii
DAFTAR GAMBAR
Gambar 2.1 Penghalusan Citra ................................................................................ 8
Gambar 2.2 Pencarian Tepi Berdasarkan Gradien .................................................. 8
Gambar 2.3 Memaksimalkan Tepian yang Sebenarnya .......................................... 9
Gambar 2.4 Klasifikasi Tiap Piksel ........................................................................ 9
Gambar 2.5 Model Warna RGB............................................................................ 14
Gambar 2.6 Kombinasi Warna RGB .................................................................... 15
Gambar 2.7 Model Warna HSV ............................................................................ 16
Gambar 2.8 Perhitungan Tiap Piksel dari Citra. ................................................... 17
Gambar 2.9 Pembagian pada Nilai Center Threshold .......................................... 18
Gambar 2.10 Robot Soccer ................................................................................... 20
Gambar 2.11 Smartphone dan Tablet PC .............................................................. 21
Gambar 2.12 Lembar Kerja Eclipse ...................................................................... 23
Gambar 2.13 Bluetooth HC-05 ............................................................................. 24
Gambar 3.1 Diagram Alur Penelitian.................................................................... 28
Gambar 3.2 Diagram Blok Desain Perangkat Robot Soccer ................................ 29
Gambar 3.3 Rancangan Desain Base Robot Soccer .............................................. 30
Gambar 3.4 Rancangan Desain Penendang Robot Soccer .................................... 31
Gambar 3.5 Rancangan Desain Board Pengendali Motor .................................... 32
Gambar 3.6 Ilustrasi Vision Robot ........................................................................ 32
Gambar 3.7 Desain Tilt Kamera Menggunakan 1 Buah Servo ............................. 33
Gambar 3.8 Rancangan Halaman Awal GUI Android.......................................... 34
Page 13
xiii
Gambar 3.9 Rancangan Halaman Kedua GUI Android. ....................................... 34
Gambar 3.10 Flowchart Aplikasi Keseluruhan .................................................... 35
Gambar 3.11 Hasil dari Eksekusi Program Grayscale ......................................... 37
Gambar 3.12 Hasil dari Eksekusi Program Canny ............................................... 38
Gambar 3.13 Hasil Nilai Tepian untuk Xmin, Xmax, Ymin dan Ymax .................. 39
Gambar 3.14 Titik Center Objek a) Lingkaran (Titik Xc dan Yc Sama), b) Objek
Gangguan (Titik Xc dan Yc Berbeda) ............................................ 40
Gambar 3.15 Tanda Titik Merah Untuk Mencari Nilai-Nilai Xn dan Yn pada
Tiap-Tiap Derajat Yang Sudah Ditentukan ................................... 41
Gambar 3.16 Titik Nilai X5 dan Y5 pada Derajat 150° ........................................ 43
Gambar 3.17 Pemberian Kesensitifan Deteksi Sebesar 4 Piksel .......................... 43
Gambar 3.18 Resolusi Layar Dibagi 9 (Zona) ...................................................... 45
Gambar 3.19 Flowchart Sistem Gerakan Motor Terhadap Data yang Diterima. . 45
Gambar 3.20 Pembagian Sistem lastScan ............................................................. 46
Gambar 3.21 Flowchart Penjelasan Sistem lastScan dan Eksekusi Keseluruhan
pada Robot ..................................................................................... 47
Gambar 3.22 Skema Pemberian Pulsa Untuk Mengatur Derajat Servo................ 48
Gambar 3.23 Pinout Servo dan Terhubung ke Arduino. ...................................... 49
Gambar 3.24 Penempatan Kamera pada Servo dan Membatasi Sudut Servo 10-50
Derajat ........................................................................................... 50
Gambar 3.25 Rangkaian Driver MOSFET ........................................................... 51
Gambar 3.26 Penomoran Motor ............................................................................ 53
Gambar 3.27 Rangkaian Sistem Wiring Pengujian Sistem Komunikasi .............. 55
Page 14
xiv
Gambar 3.28 Flowchart Alur Kerja Bluetooth ..................................................... 56
Gambar 4.1 Hardware Robot Soccer .................................................................... 58
Gambar 4.2 Bagian Penopang HP Robot Soccer .................................................. 59
Gambar 4.3 Tampilan GUI Utama Robot ............................................................. 60
Gambar 4.4 Tampilan Utama pada Option Mode ................................................. 61
Gambar 4.5 Hubungan Motor Servo dengan Busur Derajat ................................. 62
Gambar 4.6 Pengujian Intensitas Cahaya.............................................................. 70
Gambar 4.7 Pengujian Komunikasi Bluetooth...................................................... 71
Page 15
xv
DAFTAR TABEL
Tabel 3.1 Pengujian Derajat Motor Servo............................................................. 49
Tabel 3.2 Pengujian Sistem Kalibrasi Kamera ..................................................... 51
Tabel 3.3 Pengambilan Data Driver MOSFET. .................................................... 52
Tabel 3.4 Pengambilan Data dari Kamera. ........................................................... 54
Tabel 3.5 Pengambilan Data Intensitas Cahaya. ................................................... 55
Tabel 3.6 Tabel Pengujian Komunikasi. ............................................................... 57
Tabel 4.1 Pengujian Servo .................................................................................... 63
Tabel 4.2 Pengujian Kamera ................................................................................. 64
Tabel 4.3 Nilai Threshold Metode Canny ............................................................. 65
Tabel 4.4 Pengujian Metode Blob Detection ........................................................ 67
Tabel 4.5 Pengujian H-Bridge Motor ................................................................... 68
Tabel 4.6 Pengujian Pergerakan Motor ................................................................. 69
Tabel 4.7 Pengujian Intensitas Cahaya ................................................................. 70
Tabel 4.8 Pengujian Pairing Bluetooth ................................................................. 72
Tabel 4.9. Pengujian Komunikasi Bluetooth ........................................................ 74
Tabel 4.10. Uji Kelayakan Robot .......................................................................... 76
Tabel 4.11 Pernyataan Tentang Robot Soccer ...................................................... 77
Page 16
xvi
DAFTAR LAMPIRAN
Lampiran 1 Rangkaian Robot Soccer Beroda ....................................................... 83
Lampiran 2 Desain Robot ..................................................................................... 84
Lampiran 3 Pengujian Metode Blob Detection ..................................................... 85
Lampiran 4 Flowchart Kerja Robot Keseluruhan ................................................. 88
Lampiran 5 Bluetooth HC-05 DATASHEET......................................................... 89
Lampiran 6 Tabel Data Pengujian Sistem Komunikasi Bluetooth ....................... 94
Lampiran 7 Data PWM Motor dan Analisis Pergerakan Robot ........................... 97
Lampiran 8 Data Intensitas Cahaya .................................................................... 106
Lampiran 9 Rule ERSB 2016 .............................................................................. 107
Lampiran 10 Dokumentasi .................................................................................. 108
Lampiran 11 Surat Tugas .................................................................................... 109
Lampiran 12 Surat Keterangan Penelitian di Laboratorium Teknik Elektro ...... 110
Lampiran 13 Surat Keterangan Uji Kelayakan di Fornext Robotics Semarang . 111
Lampiran 14 Lembar Evaluasi ............................................................................ 112
Page 17
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Robosoccer League atau yang sering disebut Ekshibisi Robot Sepak Bola
Beroda (ERSB) merupakan kompetisi yang diadakan oleh lembaga Direktorat
Jenderal Pendidikan Tinggi (DIKTI). Secara umum, fungsi dari robot ini adalah
untuk bermain sepak bola secara autonomous tanpa kendali manusia. Untuk itu,
robot diharuskan memiliki kemampuan melihat dan mengikuti pergerakan bola
secara realtime. Salah satu kendala yang dialami robot adalah kurangnya
kemampuan untuk membedakan antara objek bola dengan objek gangguan seperti
pakaian penonton atau objek lain yang mempunyai warna serupa dengan bola.
Disisi lain, untuk peraturan sekarang robot diharuskan memakai warna tertentu
yang diletakkan diatas body robot yang dimana berguna untuk membedakan
antara robot satu dengan lainnya (ERSB, 2016:6). Akan tetapi hal ini membuat
robot semakin sulit dalam mengejar bola karena semakin banyak gangguan yang
didapat.
Pada prinsipnya tujuan dari kendali visual robot otomatis penjejak bola ini
diterapkan supaya robot memiliki kecerdasan dalam mengenali objek berupa bola
dengan menggunakan beberapa algoritma seperti deteksi tepi dan Blob Detection,
dimana robot bisa mengenali mana objek utama dan mana yang harus diabaikan
(Rahmad,2013:viii). Ada beberapa algoritma dalam mengenali tepi yaitu Prewitt,
Sobel, Canny dan Roberts. Berdasarkan perbandingan dengan hasil dari keempat
Page 18
2
algoritma yang digunakan dalam pendeteksian tepi, dapat disimpulkan bahwa
metode Canny memberikan hasil yang cukup baik dimana tingkat akurasi
keberhasilan 92% dibandingkan dengan metode Prewitt, Sobel dan Roberts
(Oktania,2013:i).
Dalam jurnal yang ditulis oleh Vijayarani dan Vinupriya (2013:1766)
menyatakan deteksi tepi Canny menghasilkan akurasi yang cukup tinggi dalam
mendeteksi suatu tepi dan waktu eksekusi. Untuk implementasi menggunakan
kamera sebagai pemroses berbasis video realtime, Canny Edge Detection
membutuhkan kemampuan memori komputer yang tinggi untuk dapat memproses
seluruh data video realtime yang diambil supaya tidak terjadi error dalam proses
pengolahannya (Winarno,Edy,2011:49). Pada robot penjejak bola, pengolahan
citra sangat dibutuhkan. Hal ini dikarenakan bidang ilmu pengolahan citra
membahas segala sesuatu yang berhubungan dengan bagaimana memproses
gambar/video dari kamera supaya bisa dibaca oleh komputer / mikrokontroler.
Dengan merujuk pada beberapa karya ilmiah di atas, komputerisasi
pembacaan data kamera yang memadai sangatlah penting, guna penerapan
algoritma deteksi tepi Canny dan Blob Detection bisa berjalan lancar. Salah
satunya adalah menggunakan smartphone Android. Android menyediakan
platform terbuka (open source) bagi pengembang yang ingin menciptakan aplikasi
versi mereka sendiri, sehingga seorang developer bisa mengakses data kamera
maupun sensor yang diinginkan. Sesuai dengan penelitian Speckmann (2008:10),
untuk saat ini platform yang paling baik digunakan dalam pengembangan aplikasi
pada handset adalah sistem operasi Android.
Page 19
3
Dengan melihat uraian sebelumnya, maka penulis membuat skripsi ini
dengan judul “Penerapan Algoritma Canny dan Blob Detection pada Robot
Soccer Untuk Mendeteksi Tepi Citra Objek Berbasis Android”.
1.2 Rumusan Masalah
Dengan melihat pemaparan latar belakang, maka dalam penelitian skripsi
ini rumusan masalah adalah sebagai berikut:
1. Bagaimana merancang dan membuat robot sepak bola menggunakan kamera
Android sebagai pemroses video berbasis realtime yang bisa menemukan dan
membedakan antara objek utama (bola) dengan objek gangguan menggunakan
algoritma Canny dan Blob Detection?
2. Bagaimana cara mengontrol pergerakan robot berdasarkan tracking dari
kamera sehingga bola tetap terlacak?
1.3 Tujuan Penelitian
Tujuan dari penelitian skripsi ini adalah :
1. Merancang dan membuat robot sepak bola menggunakan kamera Android
sebagai pemroses video berbasis realtime yang dapat menemukan dan
membedakan objek utama dan mengabaikan objek gangguan menggunakan
algoritma Canny dan Blob Detection.
2. Mengontrol pergerakan robot berdasarkan tracking dari kamera sehingga bola
tetap terlacak.
Page 20
4
1.4 Manfaat Penelitian
Manfaat dari penelitian ini adalah:
1. Algoritma Canny dan Blob Detection ini dapat dimanfaatkan sebagai salah
satu program robot KRSBI dan ERSB pada Kontes Robot Sepak Bola
Indonesia.
2. Sebagai rujukan bagi peneliti lain yang akan melakukan pengembangan atau
penelitian selanjutnya.
1.5 Batasan Masalah
Dalam penelitian ini mempunyai beberapa batasan, yaitu:
1. Prototype robot adalah beroda, dimana menggunakan 3 motor DC, penempatan
roda bebas berada di samping kanan, samping kiri dan di belakang, serta
menggunakan driver MOSFET untuk kontrol motor.
2. Menggunakan Android Xiaomi Redmi Note 3 sebagai data input dari kamera.
3. Menggunakan Arduino Mega sebagai eksekutor data yang diterima dari
Android dan sebagai pengontrol pergerakan robot.
4. Objek yang akan diamati yaitu bola tenis berwarna orange dan gawang warna
kuning (sesuai ketentuan peraturan ERSB 2016).
5. Penjejakan objek bergerak dengan algoritma Canny dan Blob Detection di
implementasikan menggunakan software Eclipse IDE.
6. Implementasi algoritma Canny dan Blob Detection menggunakan library
OpenCV versi 3.1.0.
7. Sistem penendang bola menggunakan 1 buah motor DC 5V.
8. Menggunakan 1 buah servo torsi 3 kg untuk menopang kamera/sebagai arah
Page 21
5
pergerakan untuk pengelihatannya (Tilt).
1.6 Sistematika Penulisan Skripsi
Sistematika penulisan skripsi merupakan metode penulisan yang digunakan
untuk mempermudah pemahaman tentang struktur penulisan dan isi skripsi. Pada
sistematika penulisan skripsi ini terdiri dari tiga bagian utama yaitu bagian
pendahuluan, isi dan penutup.
Bagian pendahuluan, pada bagian pertama skripsi ini berisi halaman judul,
persetujuan pembimbing, halaman pengesahan, halaman pernyataan, motto dan
persembahan, kata pengantar, daftar isi, daftar gambar, daftar tabel dan daftar
lampiran.
Bagian isi, pada bagian ini terdiri dari lima bab yaitu :
Bab 1 Pendahuluan, pada bab ini berisi tentang latar belakang, perumusan
masalah, tujuan, manfaat, batasan masalah dan sistematika penulisan
skripsi.
Bab 2 Landasan Teori, bab ini berisi tetang kajian mengenai landasan
teori dari penelitian skripsi ini.
Bab 3 Metode penelitian, berisi tentang tempat pelaksanaan diadakannya
penelitian, alat dan bahan yang digunakan, perancangan alat, prinsip
kerja dari algoritma Canny, Blob Detection dan metode pengambilan
data penelitian.
Bab 4 Hasil Penelitian dan Pembahasan, pada bab ini berisi tentang
hasil-hasil dari penelitian pengambilan data dan pembahasan dari
penelitian.
Page 22
6
Bab 5 Penutup, bab penutup terdiri dari kesimpulan dan saran dari hasil
penelitian yang telah dilakukan.
Bagian Penutup, pada bagian akhir ini berisi daftar pustaka dan lampiran.
Page 23
7
BAB II
KAJIAN PUSTAKA DAN LANDASAN TEORI
2.1 Algoritma
Algoritma adalah metode efektif diekspresikan sebagai rangkaian terbatas
dari instruksi-instruksi yang telah didefinisikan dengan baik untuk menghitung
sebuah fungsi. Dimulai dari sebuah kondisi awal dan input awal, instruksi-
instruksi tersebut menjelaskan sebuah komputasi yang apabila dieksekusi,
diproses lewat sejumlah urutan kondisi terbatas yang terdefinisi dengan baik, yang
pada akhirnya menghasilkan "output" dan berhenti di kondisi akhir (Rogers,
1987:2).
2.1.1 Algoritma Canny
Canny adalah algoritma untuk mendeteksi suatu tepian dalam citra (Danil,
2012:197). Tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang
cepat atau tiba-tiba (besar) dalam jarak yang singkat. Tujuan mendeteksi tepi
sendiri adalah untuk mengelompokkan objek-objek dalam citra, dan juga
digunakan untuk menganalisis citra lebih lanjut.
Canny Edge Detector ditemukan oleh John F. Canny pada tahun 1986 dan
menggunakan algoritma multi-tahap untuk mendeteksi berbagai tepi dalam citra.
Algoritma Canny berjalan dalam 4 langkah yang terpisah yaitu:
1. Penghalusan citra : Penghalusan bertujuan untuk mengurangi dampak
noise terhadap pendeteksian edge.
Page 24
8
Gambar 2.1 Penghalusan Citra
2. Finding gradient : Pada langkah mencari potensi gradien citra ada dua
buah informasi yang dibutuhkan yaitu kekuatan edge (edge
strength/magnitude), dan arah edge (edge direction/orientation).
Gambar 2.2 Pencarian Tepi Berdasarkan Gradien
3. Non-maksimum-suppresion : Hasil penerapan operator gradien untuk
menghitung potensi gradien di tahap sebelumnya tidak memberikan
informasi secara spesifik tentang lokasi dari edge yang dicari. Non-
maximum supression bertujuan membuang potensi gradien di suatu piksel
dari kandidat edge jika piksel tersebut bukan merupakan maksimal lokal
Page 25
9
pada arah edge di posisi piksel tersebut (di sinilah arah gradien
diperlukan).
Gambar 2.3 Memaksimalkan Tepian yang Sebenarnya
4. Edge tracking by hysteresis : Hasil dari langkah non-maximum
suppression adalah citra yang berisi kandidat edge serta intensitas dari
kekuatan edge di posisi piksel tersebut. Langkah terakhir adalah
thresholding atau klasifikasi tiap piksel apakah termasuk dalam kategori
piksel edge atau tidak.
Gambar 2.4 Klasifikasi Tiap Piksel
Page 26
10
2.1.2 Algoritma Blob Detection
Dalam pengolahan citra, Blob Detection mengacu pada model visual yang
bertujuan untuk mendeteksi poin atau daerah dalam gambar yang berbeda dalam
sifat-sifat seperti kecerahan atau warna yang dibandingkan dengan sekitarnya.
Bentuk blob timbul dalam cara yang berbeda bergantung pada ukuran dan dapat
dideteksi dengan menggunakan metode sederhana dalam sebuah representasi
gambar.
Ada beberapa teori mengenai definisi blob yang dikemukakan oleh beberapa
orang, yaitu antara lain:
1. Lindeberg mendefinisikan sebuah blob sebagai sebuah daerah yang
terkait setidaknya satu daerah yang ekstrem, baik maksimum maupun
minimum atau sebuah daerah terang maupun daerah gelap (Lindeberg,
1993:12).
2. Hinz mendefinisikan sebuah blob sebagai sebuah bujur sangkar dengan
daerah yang homogen (Hinz, 2005:4).
3. Rosenfeld dan Sher mendefinisikan sebuah blob sebagai sebuah
persimpangan dari garis tegak lurus ke daerah tepi dari tangennya,
dikelilingi oleh enam arah atau lebih (Rosenfeld, 1998:9).
4. Yang dan Parvin mendefinisikan sebuah blob 3D sebagai fitur berbentuk
bulat dalam sebuah skala ruang (Yang dan Parvin, 2002:16).
Blob Detection sendiri adalah sebutan dari metode yang digunakan untuk
mendeteksi suatu blob (gumpalan). Untuk mendefinisikan gumpalan tersebut
sebagai objek lingkaran, kotak atau yang lain dapat menggunakan bantuan
Page 27
11
software, salah satunya menggunakan library openCV yang dimana memberikan
fitur untuk bisa mengenali benda tersebut. Untuk bisa mengenali benda tersebut
adalah lingkaran, maka fungsi yang dipanggil dalam library openCV adalah
minEnclosingCircle. MinEnclosingCircle tergolong fungsi yang mudah digunakan
karena fungsi ini mengacu pada konsep “mirip lingkaran” sehingga fungsi ini
memberikan kemudahan dimana user bisa mengatur seberapa sensitif citra kamera
menganalisa objek yang diamati.
2.2 Computer Vision
Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan
yang mempelajari bagaimana komputer dapat mengenali objek yang diamati.
Cabang ilmu ini bersama Artificial Intelligence akan mampu menghasilkan Visual
Intelligence System. Perbedaannya adalah Computer Vision lebih mempelajari
bagaimana komputer dapat mengenali objek yang diamati. Computer Vision
berkaitan dengan pemodelan dan meniru pengelihatan manusia dengan
menggunakan perangkat lunak dan perangkat keras pada komputer (Ji, Qiang,
2010:22).
Perlunya metode untuk mendekati kemampuan manusia dalam menangkap
informasi, sebuah teknologi Computer Vision harus terdiri dari banyak fungsi
pendukung yang berfungsi secara penuh (Adri, 2009:10). Fungsi-fungsi
pendukung tersebut antara lain:
1) Proses penangkapan citra atau gambar (image acquisition)
Image acquisition pada manusia dimulai dari mata, kemudian
Page 28
12
informasi visual diterjemahkan ke dalam suatu format yang kemudian
dapat dimanipulasi oleh otak. Seperti halnya proses tersebut, Computer
Vision membutuhkan sebuah mata untuk menangkap sebuah sinyal visual.
Kamera akan menerjemahkan sebuah scene atau image. Keluaran dari
kamera berupa sinyal analog, dimana frekuensi dan amplitudonya
merepresentasikan detail ketajaman (brightness) pada scene (frekuensi
berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo
berkaitan dengan tingginya sinyal listrik yang dihasilkan).
Kamera mengamati sebuah kejadian pada satu jalur dalam satu
waktu, memindainya dan membaginya menjadi ratusan garis horizontal
yang sama. Tiap-tiap garis membuat sinyal analog yang amplitudo
menjelaskan perubahan brightness sepanjang garis sinyal tersebut.
Komputer tidaklah bekerja dengan sinyal analog, oleh karena itu
diperlukan Analog to Digital Converter (ADC), dibutuhkan untuk
memproses semua sinyal tersebut oleh komputer. ADC ini akan mengubah
sinyal analog yang direpresentasikan dalam bentuk informasi sinyal tunggal
ke dalam sebuah aliran (stream) sejumlah bilangan biner. Bilangan biner
ini kemudian disimpan di dalam memori dan akan menjadi data raw yang
akan diproses.
2) Proses pengolahan citra (image processing)
Pada proses ini Computer Vision akan melibatkan sejumlah
manipulasi utama (initial manipulation) dari data binary yang dihasilkan
pada proses image acquisition. Image processing membantu peningkatan
Page 29
13
dan perbaikan kualitas image, sehingga dapat dianalisa dan diolah lebih
jauh secara efisien. Image processing akan meningkatkan perbandingan
sinyal terhadap noise. Sinyal-sinyal tersebut adalah informasi yang akan
merepresentasikan objek yang ada dalam image, sedangkan noise adalah
segala bentuk interferensi dan pengaburan yang terjadi pada sebuah objek.
3) Analisa data citra (Image Analysis)
Pada tahap ini, scene akan dieksplorasi ke dalam bentuk karakteristik
utama dari objek melalui suatu proses investigasi. Sebuah program
komputer akan mulai melihat melalui bilangan biner yang
merepresentasikan informasi visual untuk mengidentifikasikan fitur-fitur
spesifik dan karakteristiknya. Pada proses yang lebih khusus lagi, program
image analysis digunakan untuk mencari tepian batas-batas objek dalam
image. Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya
atau antara dua objek yang spesifik. Tepi ini akan terdeteksi sebagai akibat
dari perbedaan level brightness pada sisi yang berbeda dengan salah
satu batasnya.
4) Proses pemahaman data citra (Image Understanding)
Proses ini merupakan langkah terakhir dalam proses Computer Vision,
dimana spesifik objek dan hubungannya diidentifikasi. Pada bagian ini akan
melibatkan kajian tentang teknik-teknik artificial intelligent. Understanding
berkaitan dengan template matching yang ada dalam sebuah scene. Metode
ini menggunakan program pencarian (search program) dan teknik
penyesuaian pola (pattern matching techniques).
Page 30
14
2.3 Model Warna RGB dan HSV
1) Model Warna RGB
Model warna RGB adalah model warna berdasarkan konsep
penambahan kuat cahaya primer yaitu Red, Green dan Blue. Dalam suatu
ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut adalah
gelap total. Tidak ada sinyal gelombang cahaya yang diserap oleh mata kita
atau RGB (0,0,0). Apabila dilakukan penambahan cahaya merah pada
ruangan tersebut, maka ruangan akan berubah warna menjadi merah
misalnya RGB (255,0,0), semua benda dalam ruangan tersebut hanya dapat
terlihat berwarna merah. Demikian apabila cahaya diganti dengan hijau atau
biru. Gambar 2.5 merupakan ilustrasi warna RGB (Rahmad,2013:17).
Gambar 2.5 Model Warna RGB
Page 31
15
Dengan penggambaran seperti pada Gambar 2.5 maka masing-masing
warna dapat dikombinasi untuk mendapatkan warna yang berbeda, seperti
ditunjukan pada Gambar 2.6 (Rahmad,2013:18).
Gambar 2.6 Kombinasi Warna RGB
2) Model Warna HSV
HSV merupakan kependekan dari Hue, Saturation, dan Value. Model
HSV pertama kali diperkenalkan oleh A.R Smith pada tahun 1978, dimana
karakteristik pokok dari warna tersebut adalah:
1. Hue: menyatakan warna sebenarnya, seperti merah, violet, dan
kuning dan digunakan menentukan kemerahan (redness), kehijauan
(greeness), dan sebagainya.
2. Saturation: atau bisa disebut chroma, adalah kemurnian atau
kekuatan warna.
3. Value: kecerahan dari warna. Nilainya berkisar antara 0-100 %.
Apabila nilainya 0 maka warnanya akan menjadi hitam, semakin
besar nilai maka semakin cerah dan muncul variasi-variasi baru dari
warna tersebut.
Page 32
16
Dalam praktek, hue dikuantisasi dengan nilai dari 0 sampai 255. 0
menyatakan merah, lalu memutar nilai-nilai spektrum tersebut kembali lagi
ke 0 untuk menyatakan merah lagi. Ini dapat dipandang sebagai sudut dari
0° sampai 360°. Gambar 2.7 merupakan ilustrasi pewarnaan HSV
(Sutoyo,2009:23).
Gambar 2.7 Model Warna HSV
2.4 Thresholding
Thresholding adalah proses mengubah citra berderajat keabuan menjadi
citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk
obyek dan background dari citra secara jelas. Dalam jurnal lain dikatakan
thresholding adalah metode paling sederhana dari segmentasi citra. Dari citra abu-
abu, thresholding dapat digunakan untuk membuat citra biner (Shapiro, 2002:21).
Langkah pertama untuk mendapatkan citra threshold adalah mengubah ke
citra grayscale dengan persamaan (2.1).
Page 33
17
Grayscale = (R+G+B) / 3 (2.1)
Langkah selanjutnya adalah membuat batas pembagian hanya satu (nilai
acuan center), berarti nilai piksel terbagi menjadi dua kelompok dan memberi
label high (255) atau low (0) seperti ditunjukan pada persamaan (2.2).
(2.2)
Piksel-piksel yang nilai intensitasnya di bawah 128 diubah menjadi hitam
(nilai intensitas 0), sedangkan piksel-piksel yang nilai intensitanya di atas 127
diubah menjadi warna putih (nilai intensitas = 255). Contoh perhitungan dapat
dilihat pada Gambar 2.8 (Oktania,2013:19). Hingga didapatkan hasil menjadi citra
biner seperti Gambar 2.9 (Oktania,2013:21).
Gambar 2.8 Perhitungan Tiap Piksel dari Citra.
Page 34
18
Gambar 2.9 Pembagian pada Nilai Center Threshold
2.5 OpenCV
OpenCV adalah sebuah library yang berisi fungsi-fungsi pemrograman
untuk teknologi Computer Vision secara realtime (Bradski,2008:20). OpenCV
bersifat open source, bebas digunakan untuk hal-hal yang bersifat akademis
maupun komersial. Di dalam OpenCV, terdapat interface untuk bahasa
pemrograman C, C++, Python, dan nantinya Java yang dapat berjalan pada
Windows, Linux, Android dan Mac. Terdapat lebih dari 2500 algoritma dalam
OpenCV, digunakan di seluruh dunia.
Pada awalnya OpenCV ditulis dengan menggunakan bahasa C namun
sekarang secara menyeluruh sudah menggunakan antarmuka bahasa C++ dan
seluruh pengembangannya terdapat dalam format bahasa C++. Contoh aplikasi
dari OpenCV yaitu interaksi manusia dengan komputer: identifikasi, segmentasi,
pengenalan objek, pengenalan wajah, pengenalan gerakan, penelusuran gerakan,
gerakan diri, dan pemahaman gerakan, struktur dari gerakan, kalibrasi stereo
Page 35
19
dan beberapa kamera serta komputasi mendalam, dan robotik.
Fitur-fitur yang terdapat pada OpenCV antara lain:
1. Manipulasi data image (alokasi, rilis, duplikasi, pengaturan,
konversi).
2. Image dan I/O video (masukan berbasis file dan kamera, keluaran
image/video file).
3. Manipulasi matriks dan vektor serta aljabar linear (produk, solusi,
eigenvalues, SVD).
4. Beragam struktur data dinamis (daftar, baris, grafik).
5. Dasar pengolahan citra (filter, deteksi tepi, deteksi sudut, pengambilan
sampel, dan interpolasi, konversi warna, operasi morfologi,
histogram).
6. Analisis struktur (komponen yang berhubungan, pengolah kontur,
transformasi jarak, variasi momen, transformasi Hough, perkiraan
polygonal, penyesuaian garis, Delaunay triangulation).
7. Kalibrasi kamera (menemukan dan menelusuri pola kalibrasi, dasar
estimasi matriks, estimasi homografi, korespondensi stereo).
8. Analisis gerakan (optical flow, segmentasi gerakan, penelusuran).
9. Pengenalan objek (metode eigen, HMM).
10.Dasar Graphical User Interface atau GUI (menampilkan image/video,
penanganan mouse dan keyboard, scroll-bars).
Modul-modul terdapat pada OpenCV antara lain:
1. cv-fungsi utama OpenCV.
Page 36
20
2. cvaux-fungsi penolong OpenCV.
3. cxcore-pendukung struktur data dan aljabar linear.
4. highui-fungsi Graphical User Interface (GUI).
2.6 Robot Soccer
Robot soccer adalah salah satu jenis mobile robot sederhana yang dapat
bergerak sesuai perintah yang diberikan oleh user, dimana robot mempunyai
gerakan dasar berupa maju, mundur, belok kiri, belok kanan dan menendang
(Setya:2013:1). Ide awal menggunakan robot dalam permainan sepak bola
dicetuskan oleh Profesor Alan Mcworth dari Universitas British Columbia,
Kanada dalam artikelnya yang berjudul “On Seeing Robot” yang dipresentasikan
pada tahun 1992 dan dipublikasikan di buku Computer Vision: System, Theory,
and Applications halaman 1-13, World Scientific Press, Singapore, 1993.
Beberapa seri dari artikel yang diterbitkan oleh kelompoknya adalah tentang
kendali visual robot untuk sepak bola.
Gambar 2.10 Robot Soccer
Page 37
21
2.7 Smartphone Android
Android adalah sistem operasi untuk perangkat mobile berbasis linux yang
mencangkup sistem operasi, middleware dan aplikasi (Muharran, 2014:8).
Android menyediakan platform terbuka bagi para pengembang untuk membuat
aplikasi mereka sendiri. Android tidak terkait ke satu vendor smartphone,
beberapa smartphone berbasis Android yaitu HT, Motorolla, Samsung, LG,
Huawei, Archos, dan lain-lain. Tidak hanya menjadi sistem dalam smartphone
tapi juga dalam sistem tablet PC. Contoh smartphone dan tablet PC yang operasi
sistemnya menggunakan Android ditunjukan pada Gambar 2.11
(Muharran,2014:19).
Gambar 2.11 Smartphone dan Tablet PC
Android tersedia secara terbuka bagi manufaktur perangkat keras untuk
memodifikasi sesuai kebutuhan. konfigurasi perangkat Android tidak sama antara
satu perangkat dengan perangkat lainnya, namun Android sendiri mendukung
fitur-fitur tertentu, fitur-fitur Android diantaranya sebagai berikut:
a. Penyimpanan (storage) menggunakan SQLite yang merupakan database
relational yang ringan untuk menyimpan data.
b. Koneksi (connectivity) mendukung GSM/EDGE, IDEN, CDMA, EV-
Page 38
22
DO, UMTS, Bluetooth (termasuk A2DP dan AVRCP), WiFi, LTE dan
WiMAX.
c. Pesan (Messaging) mendukung SMS dan MMS.
d. Web browser menggunakan open source WebKit termasuk di dalamnya
engine Chrome V8 Java Script.
e. Media yang didukung antara lain: H.263, H.264 (3GP atau MP4), MPEG
4 SP, AMR, AMR-WB (3GP container), ACC, HE-ACC (MP4 atau
3GP), MP3, MIDI, Ogg Vorbis, WAV, JPEG, PNG, GIF dan BMP.
f. Framework aplikasi yang mendukung penggantian komponen dan
reusable termasuk dukungan penggunaan library eksternal.
g. Hardware terdapat sensor akselerometer, kamera, digital kompas, sensor
proximity dan GPS.
h. Multi-touch, Multi-tasking
2.8 Eclipse IDE
Para pengembang aplikasi Android menggunakan Eclipse sebagai
Integrated Development Environment (IDE) berbasis Java. IDE adalah program
komputer yang memiliki beberapa fasilitas yang diperlukan dalam pembangunan
perangkat lunak. Eclipse merupakan IDE yang populer dikalangan para
pengembang Android, karena Eclipse memiliki plug-in lengkap yang tersedia
untuk mengembangkan aplikasi Android. Selain itu, Eclipse mendapat dukungan
langsung dari Google untuk menjadi IDE pengembangan Android guna membuat
project Android dimana source software langsung dari situs resminya Google.
Page 39
23
Platform Java terdiri dari sekumpulan library, compiler, debugger dan alat
lain yang dipaket dalam Java Development Kit (JDK). Supaya sebuah program
Java dapat dijalankan, maka file dengan ekstensi .java harus dikompilasi menjadi
file bytecode. Untuk menjalankan file bytecode tersebut dibutuhkan JRE (Java
Runtime Environment) yang memungkinkan pengguna untuk menjalankan
program Java. Gambar 2.12 merupakan lembar kerja Eclipse.
Platform Java memiliki tiga buah edisi yang berbeda :
J2EE (Java 2 Enterprise Edition)
J2SE (Java 2 Second Edition)
J2ME (Java 2 Micro Edition).
Gambar 2.12 Lembar Kerja Eclipse
2.9 Bluetooth HC-05
Bluetooth adalah sebuah teknologi komunikasi wireless (tanpa kabel) yang
beroperasi pada pita frekuensi 2,4 GHz dengan menggunakan sebuah frekuensi
Page 40
24
hopping transceiver yang mampu menyediakan layanan komunikasi data dan
suara secara real-time antara host-host Bluetooth dengan jarak jangkauan yang
terbatas (sekitar 10 meter).
Bluetooth HC-05 merupakan perangkat Bluetooth yang dalam penerimaan
dan pengiriman datanya menggunakan komunikasi serial UART. Bluetooth HC-
05 memungkinkan dapat berkomunikasi langsung dengan mikrokontroler melalui
jalur TX dan RX yang terdapat pada pinout nya. Pada dasarnya, Bluetooth HC-05
mempunyai keunggulan, yaitu bisa dijadikan master atau slave. Gambar 2.13
adalah bentuk fisik dari Bluetooth HC-05.
Gambar 2.13 Bluetooth HC-05
Bluetooth HC-05 memiliki spesifikasi dalam penggunaannya antara
lain:
Sensitivitas -80dBm (Typical) dan daya transmit RF sampai dengan
+4dBm.
Page 41
25
Operasi daya rendah, yaitu 1,8V – 3,6V I/O dan terdapat antena yang
sudah terintegrasi dengan Bluetooth itu sendiri.
Antarmuka UART dengan baudrate yang dapat diprogram.
2.10 Arduino Mega 2560
Arduino Mega adalah board mikrokontroler berbasis ATmega 2560, dapat
dilihat pada Gambar 2.14. Memiliki 53 pin input dari output digital dimana 15
pin input tersebut dapat digunakan sebagai output Pulse Width Modulation
(PWM) dan 16 pin input analog, 16 MHz osilator kristal, koneksi USB, jack
power, ICSP header, dan tombol reset. Untuk mendukung mikrokontroler agar
dapat digunakan, cukup menghubungkan board Arduino Mega ke komputer
dengan menggunakan kabel USB atau listrik dengan sumber DC ke Arduino
Mega. Arduino sendiri menggunakan bahasa pemrograman C++.
Gambar 2.14 Arduino Mega
Page 42
78
BAB V
SIMPULAN DAN SARAN
5.1 Simpulan
Dari hasil penelitian ini, dapat disimpulkan bahwa:
1. Penggunaan algoritma deteksi tepi Canny dan Blob Detection pada
robot sepak bola yang menggunakan kamera Android sebagai pemroses
video berbasis realtime berhasil membedakan antara bola dengan objek
gangguan. Robot tetap dapat menemukan bola meskipun dengan
intensitas cahaya yang relatif berubah-ubah dengan tingkat keberhasilan
sebesar 85% dengan menggunakan resolusi kamera Android sebesar
14MP.
2. Robot soccer ini mempunyai sistem lastScan yang dimana program
mampu mengontrol pergerakan robot supaya selalu mengikuti
kemanapun arah bola itu pergi. Apabila tracking dari kamera
mendeteksi bola hilang ke arah kiri, maka robot akan rotasi ke arah kiri.
Begitupun sebaliknya.
Page 43
79
5.2 Saran
Berdasarkan pembahasan dan kesimpulan dalam penelitian ini, dapat
disarankan sebagai berikut:
1. Peningkatan resolusi kamera yang lebih tinggi akan mempengaruhi
hasil data gambar yang lebih baik. Tidak hanya itu, processor yang
mumpuni juga sangat mempengaruhi seberapa cepat robot dapat
mengeksekusi data yang dikirim dari Android tersebut.
2. Untuk pengembangan selanjutnya dalam Kontes Robot Indonesia
(KRI) divisi sepak bola beroda bisa menggunakan komunikasi serial
usb karena data akan terbaca dengan cepat. Penambahan algoritma
dalam scanning juga disarankan guna robot soccer bisa
mengidentifikasi beberapa objek lain yang tidak hanya bola supaya
robot bisa berjalan lebih maksimal.
3. Untuk pengembangan bagian Android, bisa ditambahkan navigasi
kompas supaya robot bisa mengetahui gawang lawan dengan cepat.
Page 44
80
DAFTAR PUSTAKA
Adri, Muhammad. 2009. Computer Vision : Basic Concept of Computer Vision.
Jurnal. Universitas Negeri Padang.
Bradski, G. & Kaehler, A. 2008. Learning OpenCV: Computer Vision with the
OpenCV Library. O'Reilly Media, Inc. California.
Danil, 2012. Edge Detection dengan Algoritma Canny. Skripsi. STMIK IBBI
Emami, Sherliv, dkk. 2012. Mastering OpenCV with Pratical Computer Vision
Projects. Birmingham: Packt Publishing Ltd.
ESRB, 2016. Sosialisasi Kontes Robot Indonesia. Rule. Politeknik Elektronika
Negeri Surabaya
Helmiriawan. 2012. Rancang Bangun Dan Analisis Sistem Pemantau Lalu Lintas
Menggunakan OpenCV Dengan Algoritma Canny dan Blob Detection.
Skripsi. Universitas Indonesia.
Hinz. 2005. Fast and Subpixel Precise Blob Detection and Attribution.
Ji, Qiang. 2010. Introduction – Vision 3D. Jurnal.
Kaspers, 2011. Blob Detection. Jurnal.
Lindeberg. 1993. Detecting Salient Blob-like Image Structures and Their Scales
with A Scale-space Primal Sketch: A Method for Focus-of-attention.
Muharran, Maryam. 2014. Aplikasi Pembelajaran Dasar Aksara Sunda Berbasis
Android. Skripsi. Universitas Komputer Indonesia.
Page 45
81
Oktania, Anas. 2013. Perbandingan Dalam Mendeteksi Tepi Pada Kain Batik
Dengan Metode Prewitt, Sobel, Canny Dan Roberts. Skripsi. Universitas
Pembangunan Nasional "Veteran" Jawa Timur Surabaya.
Prasetyo, Eko. 2011. Pengolahan Citra Digital. Skripsi. Universitas
Muhamamdiyah Gresik.
Pratama, N.A, dan Tatyantoro A. 2014. Telekomunikasi Pada Robot Swarm
Pemadam Api menggunakan Protokol ModBus. Edu Elektrika Jurnal,
Vol.6, No.2, hal.8. Universitas Negeri Semarang.
Rahmad, Bagus. 2013. Desain Pengolahan Citra Autonomous Mobile Robot
Penjejak Bola Menggunakan Kamera. Skripsi. Universitas Jember.
Rogers. 1987. Counseling and Clinical Practice, The Move Beyond Individual
Counseling, An International Dialogue.
Rosenfeld. 1998. Detecting Image Primitives Using Feature Pyramids.
Shapiro, Linda G. & Stockman, George C. 2002. Computer Vision. Prentice Hall.
Shofa, F., dan Tatyantoro A. 2015. Penerapan Metode Simple Maze pada Robot
Wall Follower untuk Menyelesaikan Labirin. Edu Elektrika Jurnal, Vol.2,
No.2, hal. 40.
Speckmann B. 2008. The Android mobile platform Skripsi. Eastern Michigan
University.
Sugiyono. 2013. Metode Penelitian Kuantitatif Kualitatif dan R&D. ALFABETA.
Bandung.
Sutoyo, Mulyanto, dkk. 2009. Teori Pengolahan Citra Digital. Penerbit ANDY
Yogyakarta.
Page 46
82
Vijayarani. 2013. Performance Analysis of Canny and Sobel Edge Detection
Algorithms in Image Mining. Jurnal. Bharathiar University, Coimbatore,
India.
Wahana Komputer. 2016. Android Programming with Eclipse. Penerbit ANDY
Yogyakarta.
Wibawa, Setya. 2013. Aplikasi Pengolahan Citra Berbasis Gerakan Tangan Untuk
Pengendali Robot Soccer Wireless. Jurnal. Politeknik Elektronika Negeri
Surabaya.
Winarno, Edy. 2011. Aplikasi Deteksi Tepi pada Realtime Video menggunakan
Algoritma Canny Detection. Jurnal. Universitas Stikubank.
Yang & Parvin. 2002. Chef: Convex Hull of Features for 3D Blob Detection.