PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN …digilib.unila.ac.id/37260/3/SKRIPSI TANPA BAB PEMBAHASAN.pdf · vehicle density, the program uses microsoft visual studio 2013,

PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN

DI LINTASAN JALAN DUA ARAH MENGGUNAKAN

LIBRARY CVBLOB

(Skirpsi)

Oleh

M.HAFIZULAHUDIN

FAKULTAS TEKNIK

JURUSAN TEKNIK ELEKTRO

UNIVERSITAS LAMPUNG

2018

ABSTRACT

THE DESIGN OF VEHICLES COUNTING NUMBER PROGRAM

ON THE TWO-WAY STREET USING CVBLOB LIBRARY

BY

M. HAFIZULAHUDIN

Theincrease number of vehicles coused the road congestion. Therefore, it needs

traffic density monitoring for the local government as the reference to ascertain the

number of vehicles that cross the highway, so that, the local government can repair

the existing road, widening of road, and also add new roads or arrange new routes.

This study contains the design and analysis of monitoring and counting of traffic

vehicles number on two lines using two videos as the input with the difference

vehicle density, the program uses microsoft visual studio 2013, the c++ language

and equipped with Cvblob library from Open cv.The results obtained numeric data

from two videos with the difference density. According to the test, cvblob method is

superior at the normal road conditions.

Keywords: Cvblob, Open Cv and Visual Studio 2013.

ABSTRAK

PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN

DI LINTASAN JALAN DUA ARAH MENGGUNAKAN LIBRARY

CVBLOB

OLEH

M.HAFIZULAHUDIN

Seiring meningkatnya jumlah kendaraan yang beroperasi mengakibatkan

kemacetan. Oleh karena itu, diperlukan pemantauan kepadatan lalulintas agar

pemerintah setempat dapat menjadikan referensi untuk mengetahui jumlah

kendaraan yang melintas pada jalan raya agar pemerintah dapat memperbaiki jalan

yang sudah ada, pelebaran jalan, dan juga penambahan jalan baru atau penataan rute

baru. Penelitian ini berisi perancangan dan analisa pemantau dan penghitung jumlah

kendaraan lalulintas di dua jalur menggunakan dua video sebagai input dengan

kepadatan kendaraan yang berbeda, pemrograman menggunakan microsoft visual

studio 2013 dengan bahasa C++ dan dilengkapi dengan sebuah library CvBlob dari

Open cv. Hasil yang diperoleh berupa data angka dari dua video dengan kepadatan

yang berbeda. Berdasarkan pengujian metode CvBlob lebih unggul pada saat

kondisi jalan lenggang

Kata kunci: CvBlob, Open Cv dan Visual Studio 2013,

PERANCANGAN PROGRAM PENGHITUNG JUMLAH KENDARAAN

DI LINTASAN JALAN DUA ARAH MENGGUNAKAN LIBRARY

CVBLOB

Oleh

M. Hafizulahudin

Skripsi

Sebagai Salah Satu Syarat Untuk Mencapai Gelar

SARJANA TEKNIK

Pada

Jurusan Teknik Elektro

Fakultas Teknik Universitas Lampung

FAKULTAS TEKNIK

UNIVERSITAS LAMPUNG

BANDAR LAMPUNG

2018

RIWAYAT HIDUP

Penulis dilahirkan di waymengaku, Kabupaten Lampung Barat pada

tanggal 29 Desember 1995. Penulis merupakan anak ketujuh dari tujuh

soudara dari pasangan bapak M. Razi dan Ibu Siti Ahdah.

Mengenai riwayat pendidikan, penulis lulus Sekolah Dasar di SDN 01

Liwa Lampung Barat pada tahun 2007, lulus Sekolah Menengah Pertama

di SMPN 02 Liwa Lampung Barat pada tahun 2010, lulus Sekolah Menengah Atas di SMAN

01 Liwa Lampung Barat pada tahun 2013, dan diterima di Jurusan Teknik Elektro Universitas

Lampung pada tahun 2013 melalui jalur Seleksi Nasional Masuk Perguruan Tinggi Negeri

(SNMPTN). Selama menjadi Mahasiswa, penulis aktif di organisasi Himpunan Mahasiswa

Teknik Elektro (HIMATRO) Fakultas Teknik Sebagai Anggota Depertemen Kaderisasi dan

Pengembangan Organisasi.

Atas Ridho

Dengan penuh kerendahan hati, aku persembahkan karayku ini untuk Orang

Tuaku tercinta yang selalu memberikan Do’a dan Dukungan.

MOTO

“Allah tidak membebani seseorang melainkan sesuai dengan kesanggupannya”

( Al-Baqaroh; 286)

“ selalu bersyukur atas nikmat yang telah diberikan”

(M. Hafizulahudin)

SANWACANA

Bismillaahirrohmaanirroohiim

Segala puji bagi Alloh SWT karena berkat rahmat dan karunia-Nya telah

memberikan kekuatan dan kemampuan berpikir kepada penulis dalam penyelesaian

penulisan Skripsi ini sehingga laporan ini dapat selesai tepat pada waktunya.

Sholawat dan salam tak lupa penulis sampaikan kepada Nabi Muhammad SAW

karena dengan perantara beliau kita semua dapat merasakan nikmatnya ibadah,

nikamatnya bersyukur, dan insya Alloh nikmatnya surga.

Skripsi ini berjudul “Perancangan Program Penghitung Jumlah Kendaraan di

Lintasan Jalan Dua Arah Menggunakan Library CvBlob“ yang merupakan

salah satu syarat untuk memperoleh gelar Sarjana Teknik di Jurusan Teknik Elektro

Fakultas Teknik Universitas Lampung.

Selama menjalani pengerjaan Skripsi ini, penulis mendapatkan bantuan pemikiran

maupun dorongan moril dari berbagai pihak. Oleh karena itu dalam kesempatan

kali ini, penulis ingin mengucapkan terima kasih kepada :

1. Bapak Prof. Dr. Ir. Hasriadi Mat Akin, M.P. selaku Rektor Universitas

Lampung.

2. Bapak Prof. Suharno, M.Sc., Ph.D. selaku Dekan Fakultas Teknik Universitas

Lampung.

xi

2. Bapak Dr. Ing. Ardian Ulvan, S.T., M.Sc. dan Bapak Dr. Herman Halomoan S,

S.T.,M.T selaku Ketua Jurusan serta Seketaris Teknik Elektro Fakultas Teknik

Universitas Lampung.

3. Bapak Dr.Eng.F.X..Arinto S,S.T.,M.T, selaku kepala Laboraturium

Elektronika, Jurusan Teknik Elektro Universitas Lampung serta sebagai Dosen

Penguji Utama, terimkasi atas masukannya guna membuat skripsi ini menjadi

lebih baik.

4. Ibu Dr. Sri Purwiyanti,S.T.,M.T. selaku Pembimbing Utama, Terima Kasih atas

kesediaan waktunya untuk membimbing dan memberikan ilmu.

5. Ibu Herlinawati,S.T.,M.T. selaku Pembimbing Pendamping, Terima Kasih atas

kesediaan waktunya untuk membimbing dan memberikan ilmu.

6. Seluruh Dosen Teknik Elektro Universitas Lampung, Terimakasih atas

bimbingan dan ilmu yang telah diberikan selama menuntut ilmu di Jurusan

Teknik Elektro Universitas Lampung.

7. Kak Yudi Eka Putra S.T selaku PLP Laboratorium Elektronika, yang telah

membantu dalam banyak hal.

8. Kedua orang tua penulis, bapak dan ibu tercinta yang tiada henti hentinya

memberikan dukungan, doa, nasihat, dan kasih sayang tiada batas akhir dan

semoga beliau selalu didalam lindungan Allah SWT;

9. Para Asisten dan Staff Elka yang telah memberikan gagasan dan bantuan dalam

hal pembuatan alat, serta suasana indah yang mungkin kedepannya tidak kita

rasakan kembali.

xii

10. Seluruh Teman, Sahabat, Keluargaku, Teknik Elektro 2013 atas kebersamaan

dan kekeluargaan yang kalian semua berikan kepada penulis, mulai penulis

masuk kuliah hingga penulis menyelesaikan skripsi ini, terima kasih atas nilai

kehidupan yang kalian berikan. Bagi penulis kalian Keluarga yang selalu Luar

Biasa.

11. Sepptiyana yang telah membantu dan memberikan dukungan kepada penulis

selama proses penyusunan tugas akhir ini.

12. Semua pihak yang tidak dapat disebut satu persatu yang telah membantu serta

mendukung penulis dari awal kuliah sampai dengan terselesaikannya Skripsi

ini.

Semoga Alloh SWT membalas kebaikan semua pihak yang telah membantu dalam

penyelesaian Skripsi ini.

Bandar Lampung, Oktober 2018

Penulis,

M. Hafizulahudin

DAFTAR ISI

Halaman

ABSTRACT ............................................................................................................. i

ABSTRAK .............................................................................................................. ii

HALAMAN JUDUL .............................................................................................. iii

LEMBAR PERSETUJUAN.................................................................................. xv

LEMBAR PENGESAHAN .................................................................................. xv

LEMBAR PERNYATAAN ................................................................................... vi

RIWAYAT HIDUP ............................................................................................... vii

PERSEMBAHAN ................................................................................................ viii

SANWACANA ....................................................................................................... x

DAFTAR ISI ........................................................................................................ xiii

DAFTAR GAMBAR .......................................................................................... xvii

DAFTAR TABEL ............................................................................................... xix

I. PENDAHULUAN ............................................................................................... 1

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

1.2. Tujuan Penelitian ........................................................................................ 3

xiii

1.3. Manfaat Penelitian ...................................................................................... 3

1.4. Perumusan Masalah .................................................................................... 3

1.5. Batasan masalah ......................................................................................... 4

1.6. Hipotesis ...................................................................................................... 4

1.7. Sistematika Penuliasan ............................................................................... 4

II. TINJAUAN PUSTAKA ..................................................................................... 6

2.1. Pengertian citra ........................................................................................... 6

2.1.1 Pengolahan citra ................................................................................ 6

2.2. Format File Citra ............................................................................................. 9

2.3. Deteksi Objek ............................................................................................ 10

2.3.1 Background Subtraction ................................................................... 11

2.3.2 Morphologcal Image Procesing ....................................................... 13

2.4. CvBlobs ..................................................................................................... 16

2.4.1 Blob Deteksi ............................................................................................. 17

2.4.2 Mendeteksi Gumpalan berdasarkan Warna, Ukuran dan Bentuk ........... 18

III. METODE PENELITIAN ................................................................................ 21

3.1. Waktu dan Tempat Penelitian ................................................................... 21

3.2. Aalat Dan Bahan ....................................................................................... 21

3.3. Perancangan Sistem .................................................................................. 22

xiv

3.3.1.Diagram Alir Penelitian .................................................................. 22

3.4. Spesifikasi Sistem ...................................................................................... 24

3.5. Metode yang Diusulkan ............................................................................. 24

3.5.1 Diagram Alir Metode yang Diusulkan ............................................. 24

3.5.2 Bacground Subtraction .................................................................... 26

3.5.3 Blob Deteksi ..................................................................................... 29

3.6 Perolehan Citra ......................................................................................... 30

IV. HASIL DAN PEMBAHASAN ...................................................................... 32

4. 1. Hasil dan Pengambilan Data ....................................................................... 32

4.1.1. Hasil Perolehan Citra.......................................................................... 34

4.2 Proses Pengolahan ......................................................................................... 35

4.2.1. Implementasi Input dan Penampilan Video ......................................... 36

4.2.2. Ekstraksi Video ................................................................................... 37

4. 2.3 Morphological Image Procesing............................................................ 38

4. 2.4 Perancangan Blob Tracking dan Hasil Blob Tracking ......................... 40

4. 2.5 Kesalahan Blob Tracking ....................................................................... 42

4. 2.6 Line Deteksi ............................................................................................ 43

4. 2.7 Implementasi Output .............................................................................. 46

4.3 Pembahasan ................................................................................................. 47

4.3.1 Analisisi Keakuratan Sistem Klasifikasi Kendaraan .............................. 47

xv

4.3.2 Analisisis Keakuratamn Penghitung Kendaraan .................................... 48

V. KESIMPULAN DAN SARAN ........................................................................ 57

5.1. Kesimpulan ..................................................................................................... 57

5.2. Saran .............................................................................................................. 58

DAFTAR PUSTAKA

LAMPIRAN

xvi

DAFTAR GAMBAR

Halaman

Gambar 2.1. Bacground Subtraction .................................................................... 12

Gambar 2.2.Operasi Dilatasi................................................................................. 14

Gambar 2.3. Operasi Erosi ................................................................................... 15

Gambar 2.4. Segumpalan simple blob................................................................... 16

Gambar 2.5. Convexcity ........................................................................................ 19

Gambar 2.6. Inertia Ratio ..................................................................................... 20

Gambar 3.1. Diagram Alir penelitian ................................................................... 23

Gambar 3.2. Diagram Alir Metode yang Diusulkan ............................................. 25

Gambar 3.3. Contoh Proses Background Subraction ............................................ 28

Gambar 3.4.Blob Deteksi ...................................................................................... 29

Gambar 3.5. Penerapan Blob Deteksi ................................................................... 30

Gambar 4.1.Tempat Pengambilan Data ............................................................... 33

Gambar 4.2. Hail Prolehan Citra Awal di jl. Zainal Abidin ................................. 34

Gambar 4.3. Hail Prolehan Citra Awal di jl. Pramuka Rajabasa .......................... 34

Gambar 4.4 Tampilan Awal Visual Studio 2013. ................................................. 35

Gambar 4.5 Input Program video ......................................................................... 36

xvii

Gambar 4.6 Output Program Video ...................................................................... 36

Tabel 4.7 Program Background Subtraction ......................................................... 37

Tabel 4.8 Hasil Morphologi ................................................................................. 39

Tabel 4.9 Hasil Frame Blob ................................................................................. 40

Gambar 4.10. Hasil frame blob tracking .............................................................. 41

Gambar 4.11 Kesalahan Blob Deteksi .................................................................. 43

Gambar 4.12 Line Deteksi Sebelum Terdeteksi .................................................... 45

Gambar 4.13 Line yang Terdeteksi ....................................................................... 45

Gambar 4.14 Jumlah Objek yang Terdeteksi ........................................................ 46

Gambar 4.15 Grafik Hubungan Perbandingan jumlah (kiri) ................................ 50

Gambar 4.16 Grafik Hubungan Perbandingan jumlah (kana) .............................. 52

Gambar 4.17 Grafik Hubungan Perbandingan jumlah (keseluruhan) ................... 55

DAFTAR TABEL

Halaman

Tabel 3.1 Alat dan Bahan ...................................................................................... 21

Tabel 4.1 Jumlah Kendaraan pada Jalan Sebelah Kiri .......................................... 48

Tabel 4.2 Jumlah Kendaraan pada Jalan Sebelah Kanan ...................................... 50

Tabel 4.2 Jumlah Kendaraan pada Jalan keseluruhan ........................................... 53

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Seiring meningkatnya perekonomian dan semakin banyaknya jumlah

penduduk di Indonesia setiap tahun, maka dapat berdampak pada jumlah

kendaraan yang beroprasi pada jalan raya. Maka hal ini dapat dibuktikan

dengan tingginya angka penjualan kendaraan yang mencapai 3.326.380 pada

tahun 2010. Maka wajar saja kemacetan dan kepadatan di kota-kota besar

semakin meningkat, hal ini dikarenakan kendaraan yang melintas di jalan raya

sudah tidak sebanding lagi dengan fasilitas jalan yang ada. Bertambahnya

jumlah kendaraan yang beroperasi seolah-olah menjadi keuntungan bagi

kehidupan. Oleh karena itu hal ini akan berdampak pada penurunan kualitas

udara, dan dapat merusak lingkungan hidup disekitar yang disebabkan oleh

polusi dari kendaraan dan kepadatan lalulintas yang akan menyebabkan

kemacetan. Untuk dapat mengetahui kepadatan rata-rata lalulintas maka

diperlukan survei mengghitung jumlah kendaraan secara manual.

Pelaksanaan survei biasanya hanya dilakukan oleh seorang pengamat untuk

kepentingan pribadi ataupun kepentingan yang lainnya hal ini memunkinkan

seorang pengamat dapat terjadi human eror pada saat proses penghitungan

kendaraan karena terlalu banyaknya jumlah kendaraan yang melintas, maka

2

pengaruh lingkungan atau kondisi internal peneliti itu sendiri sehingga

mengakibatkan kurang akuratnya proses penghitungan dan pendeteksian

suatu objek atau kendaraan yang dilakukan secara langsung oleh seorang

peneliti. Selain rentan terjadinya human error, penghitungan yang dilakukan

oleh manusia akan sangat memerlukan biaya yang sangat besar untuk setiap

pelaksanaannya sehingga kurang efisien (Widiyardini, 2010).

Oleh karena itu, maksud dari suatu penelitian ini dapat melakukan sebuah

perancangan program penghitung jumlah kendaraan di lintasan jalan raya dua

arah menggunakan sofware visual studio C++ 2013 dan dilengkapi dengan

library pendukung dari library OpenCV yaitu CvBlob. Pada library OpenCV

digunakan karena memiliki banyak subprogram yang dapat digunkan dan

dikombinasikan sehingga memiliki berbagai fungsi dalam pemrograman yang

berkaitan dengan pengolahan citra digital. Pada tugas ahkir ini merupakan

pengembangan dari salah satu jenis penelitian yang telah banyak

diaplikasikan salah satu contoh pada penelitian yang sebelumnya yaitu

Perancangan Program Penghitung Jumlah kendaraan di Lintasan Satu Arah

Menggunakan Bahasa Pemrograman C++ dengan Pustaka OpenCv (Cahaya,

Fajar Mit. 2014) yang menghitung jumlah kendaraan jalan satu arah.

Berdasarkan pada kondisi tersebut, fokus penelitian ini adalah

mengembangkan dari penelitan sebelumnya, yaitu Perancangan Program

Penghitung Jumlah Kendaraan di Lintasan Dua Arah Menggunkan Librarry

CvBlob. Data yang diproleh dapat digunakan sebagai referensi untuk

mengetahui jumlah kendaraan yang melintas pada jalan raya agar pemerintah

3

dapat memperbaiki jalan yang sudah ada, pelebaran jalan, dan juga

penambahan jalan baru atau penataan rute baru.

1.2 Tujuan Penelitian

Tujuan dari penelitian ini adalah:

1. Membuat sistem yang dapat mendeteksi jumlah kendaraan yang melintas

di jalan dua jalur.

2. Dapat menerapkan metode CvBlob pada sistem pendeteksi jumlah

kendaraan yang melintas di jalan dua arah.

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah memperoleh sistem pengolahan citra digital

yang mampu mendeteksi dan menghitung jumlah objek atau kendaraan yang

yang melintas di jalan dua jalur, sehingga sistem yang di proleh dapat

dikembangkan menjadi sebuah softwere yang dapat mendeteksi dan

menghitung jumlah kendaraan pada jalan dua jalur.

1.4 Rumusan Masalah

Mengacu pada permasalahan yang ada, maka perumusan masalah penelitian

ini berfokus pada aspek berikut:

1. Bagaimana cara mendeteksi objek bergerak pada dua area yang berbeda.

2. Bagaimana cara menghitung jumlah kendaraan yang melintas di jalan dua

arah pada jalan raya.

3. Bagaimana dapat membedakan perhitungan jumlah kendaraan yang

melintas di jalan dua arah.

4

1.5 Batasan Masalah

Dalam penelitian ini terdapat beberapa batasan masalah, yaitu:

1. Bentuk objek yang diamati hanya objek yang melintas di jalan raya.

2. Software yang digunakan adalah software Visual Studio.C++ dan OpenCV

3. Tidak membahas apabila terjadi cuaca buruk dan kecelakaan lalu lintas.

4. Pendeteksian tidak secara real time.

1.6 Hipotesis

Sistem yang dirancang dapat mendeteksi dan menghitung jumlah kendaraan

yang melintas pada dua arah dengan jalur kendaraan yang berbeda . Software

Visual Studio 2013 dan OpenCV digunakan untuk menganalisa jumlah data

kendaraan yang terekam pada kamera.

1.7 Sistematika Penulisan

Untuk memudahkan penulisan dan pemahaman mengenai materi tugas akhir

ini, maka tugas akhir ini dibagi menjadi 5 buah bab, yaitu:

BAB I. Pendahuluan

Memuat latar belakang masalah, tujuan, rumusan masalah, batasan masalah,

manfaat penelitian, hipotesis, dan sistematika penulisan.

BAB II. Tinjauan Pustaka

Berisi tentang teori-teori yang mendukung sitem perancangan yang

digunakan dalam penelitian dan membahas penelitian yang telah dilakukan.

5

BAB III. Metode Penelitian

Berisi rancangan sistem, yang meliputi alat dan bahan yang digunakan,

langakah pengerjaan yang dilakukan, penentuan spesifikasi sistem,

perancangan sistem, serta diagram alir sistem.

BAB IV. Hasil dan Pembahasan

Menjelaskan prosedur pengujian, hasil pengujian, dan analisa data.

BAB V. Kesimpulan dan Saran

Memuat kesimpulan yang diproleh dari hasil dan pengujian sistem, dan saran

tentang penelitian untuk pengembangan lebih lanjut.

6

BAB II

TINJAUAN PUSTAKA

2.1 Pengertian Citra

Citra merupakan fungsi kontinu dari intensitas cahaya pada suatu bidang.

Sebagian dari berkas cahaya yang berasal dari sumber cahaya akan di

pantulkan kembali, pantulan cahaya inilah yang ditangkap oleh alat optik,

misalnya mata pada manusia, kamera, pemindai, dan sebagainya, sehingga

bayangan objek yang disebut citra tersebut terekam (Hermawan, 2014). Citra

yang dimaksud adalah contoh dari citra (citra diam) yaitu suatu citra tunggal

yang tidak bergerak. Sedangkan untuk pada citra bergerak adalah rangkaian

citra diam yang ditampilkan secara beruntun (skuensial) sehingga terlihat

pada mata sebagai gambar yang bergerak, maka hasil dari citra yang bergerak

disebut dengan frame.

2.1.1 Pengolahan citra

Pengolahan citra adalah pemerosesan citra, khusunya menggunakan

komputer, menjadi citra yang kualitasnya lebih baik, dan bermanfaat

bagi kehidupan kita seperti untuk meningkatkan kualitas citra,

menghilangkan cacat pada citra, mengidentifikasi pada objek, dan

penggabungan dengan bagian citra yang lain.. Agar citra mudah

diinterpretasikan maka citra tersebut perlu dimanipulasi menjadi citra

7

yang kualitasnya lebih baik. Softewre yang berkaitan erat dengan

pengolahan citra adalah computer vision. Pada hakikatnya, computer

vision mencoba meniru cara kerja sistem visual manusia (Hadwi, 2013).

Manusia sendiri melihat objek dengan indra pengelihatan, lalu citra

objek diteruskan ke otak untuk diinterpretasi sehingga manusia

mengerti objek apa yang tampak dalam pandangan matanya.

Hasil dari interpretasi yang digunkan untuk pengamiblan keputusan,

misalnya digunkan untuk memberi perintah untuk menghindar ketika

melihat suatu halangan saat sedang berjalan Computer vision

merupakan proses otomatis yang mengintegrasikan sejumlah besar

proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra,

klasifikasi, pengenalan (recognation), dan membuat keputusan

(Mulyawan, 2014). Operasi-operasi yang dilakukan di dalam

pengolahan citra banyak ragamnya. Secara umum, operasi pengolahan

citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut:

1. Perbaikan kualitas citra

Pada operasi perbaikan kualitas citra bertujuan untuk memperbaiki

citra dengan cara memanipulasi parameter-parameter citra. Berikut

contoh-contoh perbaikan citra adalah:

a. Perbaikan tepian objek

b. Perbaikan kontras gelap atau terang

c. pemberian warna semu

d. penajaman citra

e. Penipisan derau

8

2. Pemugran citra

Pada operasi ini bertujuan untuk menghilangkan atau

meminimumkan cacat pada citra. Tujuannya hampir sama dengan

operasi perbaikan citra, bedanya pada pemugaran citra penyebab

degradasi gambar diketahui. Contoh operasinya adalah:

a. Penghilangan derau

b. Penghilangan kesamaran

3. Pemampatan citra

Oprasi pemampatan citra agar dapat dipresentasikan kedalam bentuk

yang lebih kompak. Hal penting yang harus diperhatikan dalam

pemampatan citra adalah citra yang telah dimampatkan harus tetap

mempunyai kualitas gambar yang lebih baik. Contoh metode

pemampatan citra adalah metode JPEG.

.

4. Segmentasi citra

Oprasi segmentasi citra bertujuan untuk memecahkan suatu citra ke

dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi

ini berkaitan erat dengan pengenalan pola.

5. Analisa citra

Jenis operasi ini bertujuan menghitung besaran kuantitatif dari citra

untuk menghasilkan deskripsinya. Pada teknik analisa ini

mengekstraksi ciri-ciri tertentu dan membantu identifikasi objek.

Proses segmentasi diperlukan untuk mengalokasi objek yang

9

diinginkan dari sekelilingnya. Seperti contoh pada analisa citra

antara lain:

a. Ekstraksi batas

b. Pendeteksi objek

c. Representasi daerah

6. Rekontrulsi pada citra

Jenis operasi ini membentuk ulang sebuah objek dari beberapa citra

hasil proyeksi. Pada operasi ini banyak digunakan dalam dunia

medis. Contohnya adalah beberapa foto rontgen dengan sinar X

digunakan untuk membentuk ulang gambar organ tubuh.

2.2 Format File Citra

Citra digital memiliki beberapa jenis format file yang dapat digunakan serta

memiliki karakteristik dan manfaat yang berbeda dari tiap format file citra

digital yang digunakan. Format file citra digital dapat berupa .bmp, .png, .tiff,

.gif, .pgm, dan lain-lain. Sedangkan untuk format video ada beberapa macam

jenis antara lain ASF, AVI, DV, mpg, vob, mov, mp4, wrnf, dan 3gp. Dalam

tugas akhir ini digunakan format file video avi. Format file avi merupakan

format berkas (file) video buatan Microsoft. Format ini merupakan salah satu

format video tertua yang diperkenalkan Microsoft sejak dirilisnya Windows

3.1. format video ini mampu menghasilkan pergerakan 15 fps dengan kualitas

suara mencapai 11.025 Hz. Hampir semua kamera video khusus yang analog,

menghasilkan format file berekstensi “avi” saat ditransfer ke PC.

10

2.3 Deteksi Objek

menurut kamus besar (KBBI), kata dari deteksi memiliki artian usaha untuk

menemukan dan menentukan keberadaan, anggapan, ataupun kenyataan.

Pada pengolah citra, proses pendeteksian objek dapat dilakukan dengan

memisahkan foreground dengan background-nya. Deteksi objek merupakan

sebuah proses dalam pengolahan citra dimana citra merupakan sebuah citra

bergerak (video). Citra video pada dasarnya merupakan suatu gabungan dari

beberapa citra gambar yang saling berganti pada durasio waktu tertentu. Citra

yang berganti pada video disebut dengan frame. proses pengantian frame

pada video berlansung secara cepat sehingga kita tidak dapat menyadarinya .

Dalam sebuah citra video, frame kedua tidak selalu identik dengan frame

pertama, begitu pula dengan frame-frame berikutnya. Hal inilah yang menjadi

dasar pemikiran teknik-teknik deteksi objek bergerak pada pengolahan citra

dengan menganalisa nilai selisih antara frame pertama yang dapat juga

disebut dengan latar belakang atau background dengan frame-frame

berikutnya. Terdapat metode-metode dalam pendeteksian objek bergerak,

beberapa diantaranya adalah background substraction dan haar-like feature

(Febriyanto, Andi. 2013). Disimpulkan bahwa metode background

substraction lebih baik digunakan daripada metode haar-like feature, karena

metode background substraction lebih peka terhadap perubahan suatu objek

ataupun perubahan lingkungan disekitar objek. Selain itu metode background

substraction dapat bekerja secara optimal dalam berbagai kondisi seperti

perubahan warna objek, perubahan background, kecepatan objek, serta

perubahan intensitas cahaya di lingkungan sekitar objek. Prinsip kerja dari

11

metode background substraction ini adalah dengan cara substraksi, frame saat

ini dengan frame sebelumnya, kemudian hasil substraksi ini akan dianalisa

untuk menemukan pergerakan objek pada citra video. Namun terdapat

kelemahan dalam metode ini, karena terlalu sensitifnya metode ini dalam

substraksi background, mengakibatkan banyaknya noise yang ditimbulkan

sehingga objek sulit untuk dikenali. Oleh karena itu biasanya background

substraction ditambah dengan metode Morphological Image Processing.

2.3.1 Background Substraction

Background Subtraction adalah proses untuk menemukan objek pada

gambar dengan cara membandingkan gambar yang ada dengan sebuah

model latar belakang. Background Substraction mempunyai peranan

penting dalam Computer Vision yaitu salah satunya dalam hal sistem

pemantauan. Peranan yang dilakukan dalam Background Substraction

adalah mengetahui atau membedakan bagian latar dan objek yang ada

pada sebuah citra. Untuk mengetahui adanya objek di dalam citra maka

hal yang harus dilakukan adalah dengan mempelajari atau mengetahui

model dari latar. Background Subtraction merupakan metode yang

umumnya digunakan untuk mendeteksi objek bergerak pada video dari

kamera statis (stationary camera). Proses deteksi objek bergerak

dengan metode Background Subtraction ini biasa digunakan untuk

mendeteksi pejalan kaki, mendeteksi banyaknya ikan dan lainnya.

Prosedur Background Subtraction terdiri dari 3 tahap, yaitu pre-

processing, background modeling, dan foreground detection.

12

Gambar 2.1 Background subtraction 1- gambar sekarang, 2-

background model, 3- hasil background subtraction, 4-hasil

background subtraction setelah threshold.

1. Pre-processing

Pada tahap ini data mentah dari kamera (atau input lainnya) diproses

menjadi bentuk yang dapat dimengerti oleh bagian program lain.

Pada tahap ini dilakuakan eliminasi objek kecil seperti peningkatan

kualitas pada citra (kecerahan, kontras, dsb). Perbaikan citra juga

dibutuhkan data sesuai kebutuhan seperti resize (mengubah resolusi

atau ukuran suatu citra a) dan cropping (penghapusan bagian sudut

dari citra untuk memotong/mengambil/mengeluarkan dari citra).

2. Background modelling

Pada tahap ini bertujan untuk membentuk model background yang

konsisten, namun tetap dapat beradaptasi dengan perubahan

lingkungan yang ada. Model harus dapat mentoleransi tingkat

perubahan lingkungan, namun tetap sensitif dalam mendeteksi

13

pergerakan dari objek yang relevan. Algoritma background

modelling sendiri sangat banyak, namun pada skripsi ini akan

dipakai Approximated Filter yaitu hanya pendekatan batas atas dan

batas bawah berdasarkan pixel yang didapat karena proses

komputasinya cepat dan hasilnya cukup memuaskan.

3. Foreground detection

Pada tahap ini, dilakukan proses ekstraksi foreground dari

background. Secara sederhana hal ini dilakukan dengan persamaan

berikut :

𝑹(𝒓,𝒄) = 𝑰(𝒓,𝒄) − 𝑩(𝒓,𝒄)…………………………..…(2.1)

R = hasil foreground

I = citra saat ini

B = background model

r = baris, c = kolom

Nilai R lalu dibandingkan dengan nilai threshold yang telah

ditentukan, jika lebih besar dibandingakan dari nilai threshold maka

piksel di I(r,c) dapat dianggap berbeda dengan pixel di B (r,c).

Nilai threshold adalah suatu nilai untuk mentolerasi error yang

mungkin terjadi, threshold sendiri dipakai untuk mengurangi eror yang

disebabkan oleh suatu noise.(Sito, 2013).

2.3.2 Morphological Image Procesing

Morphologi merupakan teknik pengolahan citra dengan menggunakan

bentuk (shape) sebagai bentuk acuan. Pada niilai pixel dalam

pengolahan citra digital hasil diproleh dari perbandingan antara pixel

14

yang bersesuaian pada citra digital masukan dengan pixel tetangganya.

Operasi morphologi tergantung pada suatu urutan kemunculan dari

pixel, tidak memperhatikan nilai numeric dari pixel sehingga pada

teknik morphologi dikatan sesuai apabila digunakan untuk melakukan

pengolahan binary image dan grayscale image. Dengan mengatur atau

memilih ukuran dan bentuk dari suatu matrik (structuring element) yang

digunakan maka kita dapat mengatur pada sensitivitasnya operasi

morphologi terhadap suatu bentuk tertentu (spesifik) pada pengolahan

citra digital masukan. Operasi morphologi standar yang dilakukan

adalah proses erosi dan dilatasi.

Gambar 2.2 Operasi Dilatasi

Proses Dilatasi merupakan suatu proses atau teknik untuk memperbesar

segmen suatu objek (citra biner) dengan menambahkan suatu lapisan

dari pada sekeliling suatu objek dengan menggunkan persamaan

sebagai berikut

A + B = C ..........................................(2.2)

15

Dimana A adalah sebuah citra awal dan B adalah structuring atau suatu

lapisan dari sekeliling suatu objek

Gamabar 2.3 operasi erosi

Gambar 2.3 merupakan suatu operasi erosi yaitu suatu proses

pemindahan atau penguranagan titik pixel pada batas suatu objek citra

digital. Pada operasi erosi dapat menggunakan persamaan

A – B = C ..........................................(2.3)

Dimana A adalah sebuah citra awal dan B adalah structuring atau suatu

lapisan dari sekeliling suatu objek.

Pada proses dilatasi dan operasi erosi merupakan suatu teknik

penambahan dan pengurang pada titik pixel. Jumlah pixel yang

ditambahkan atau yang dikurangkan dari batas objek pada citra digital

masukan tergantung pada ukuran dan bentuk dari structuring element

yang digunakan

16

2.4 CvBlobs

CvBlob merupakan sebuah library tambahan pada OpenCv yang berisi

algoritma dan dapat digunakan untuk menentukan suatu grup dari pixel

saling terhubung. Metode ini sangat berguna untuk mengidentifikasi

objek yang yang terpisah-pisah pada suatu citra, atau dapat digunakan

sebagi penghitung jumlah dari suatu objek pada citra. Dan Sebuah blob

adalah sekelompok piksel yang terhubung dalam gambar yang terbagi

beberapa properti umum ( nilai grayscale).

Gambar 2.4 Segumpalan simple blob.

Gambar 2.4 merupakan daerah gelap terhubung adalah gumpalan citra,

sedangkan untuk pada gumpalan orange merupakan sebuah deteksi

gumpalan. Tujuan dari deteksi gumpalan adalah untuk mengidentifikasi

dan menandai daerah tertentu. Metode tersebut adalah blob detection.

Citra harus di proses dengan metode threshold terlebih dahulu,

berdasarkan warna yang akan dideteksi. Setelah itu citra dengan warna

diatas nilai threshold dapat di kategorikan sesuai dengan aturan yang

17

ditentukan terlebih dahulu, misal untuk pixel yang memiliki nilai lebih

kecil dari pada nilai threshold akan dikelompokan sebagai informasi

yang tidak penting. Sedangkan untuk mendapatkan titik berat masa

adalah dengan mencari rata-rata lokasi dari tiap pixel dari warna

threshold tersebut.

2.4.1 Blob Detection

Blob detection adalah suatu algoritma yang mendeteksi kumpulan

titik-titik piksel yang memiliki warna berbeda (terang atau gelap)

dari latar belakang dan menyatukannya dalam suatu ragion.

Dalam deteksi blob, algoritma yang di pakai adalah algoritma

growing ragions. Algoritma ini digunakan untuk menemukan

blob didalam gambar dan bisa diaplikasikan di squence image.

Konsep dari algoritma ini adalah menampilkan sebuah image

sebagai matrix pixel dan nilai garis yang sudah pasti. Algoritma

ini dikendalikan oleh beberapa parameter diantaranya:

1. Thresholding

Konversi gambar sumber ke beberapa gambar biner dengan

mengesampingkan gambar sumber dengan ambang batas mulai

dari min Threshold. Ambang batas ini bertambah oleh ambang

batas step hingga max Threshold. Jadi ambang pertama adalah min

Threshold, yang kedua adalah min Threshold + threshold step,

yang ketiga adalah min Threshold + 2x threshold step, dan

seterusnya.

18

2. Grouping (pengelompokan)

Dalam setiap gambar biner, pixel putih yang terhubung

dikelompokkan bersama.

3. Merging (penggabungan)

Pusat-pusat gumpalan biner dalam gambar biner dihitung, dan

gumpalan yang terletak lebih dekat daripada

minDistBetweenBlobs digabungkan.

4. Center & Radius Calculation

Pusat dan jari-jari gumpalan penggabungan baru dihitung dan

dikembalikan.

2.4.2 Mendeteksi Gumpalan berdasarkan Warna, Ukuran dan

Bentuk

Simple Blob Detector dapat diatur dengan beberapa parameter:

1. Berdasarkan Warna : Pertama, Anda perlu mengatur filter

warna = 1. Set blobColor = 0 untuk memilih gumpalan yang

lebih gelap, dan blobColor = 255 untuk gumpalan yang lebih

terang.

2. Berdasarkan Ukuran : Anda dapat menyaring gumpalan

berdasarkan ukuran dengan menetapkan parameter

filterByArea = 1, dan nilai yang sesuai untuk minArea dan

maxArea. Misalnya. pengaturan minArea = 100 akan

19

menyaring semua gumpalan yang memiliki kurang dari 100

pixel.

3. Berdasarkan Bentuk : memiliki 3 parameter yaitu;

A. Circularity

Circularity ini hanya mengukur seberapa dekat dengan

lingkaran gumpalan itu. Misalnya, segi enam reguler

memiliki lingkaran yang lebih tinggi daripada sebuah

persegi. Untuk memfilter berdasarkan lingkaran, atur

filterByCircularity = 1. Kemudian set nilai yang sesuai

untuk minCircularity dan maxCircularity.

B.Convexity

Convexity didefinisikan sebagai (Area Blob). Sekarang,

Convex Hull of a shape adalah bentuk area blob paling ketat

yang benar-benar membungkus bentuk. Untuk memfilter

dengan konveksitas, atur filterByConvexity = 1, diikuti

dengan pengaturan 0 ≤ minConvexity ≤ 1 dan maxConvexity

(≤ 1).

Gambar 2.5 Convexity.

20

Pada gamabr 2.5 merupakan suatu contoh pemerosesan

convexity, sebuah pemerosesan dari beblob yaitu dengan

penamabah piksel atau membungkus bentuk seperti gambar

sebelum terknovexcity dan sesudah terconvexity

B. Inertia Ratio

Inertia Ratio adalah suatu teknik mengubah bentuk dengan

cara menambahkan pixel-pixel.

Gambar 2.6 Inertia Ratio.

Misalnya, untuk lingkaran, nilai ini adalah 1, untuk elips itu

antara 0 dan 1, dan untuk garis itu adalah 0. Untuk

menyaring dengan Inertia Ratio atur filterByInertia = 1, dan

atur 0 ≤ minInertiaRatio ≤ 1 dan maxInertiaRatio (≤ 1 )

dengan tepat. Seperti terlihat pada Gambar 2.6.

BAB III

METODE PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian dan pembuatan tugas akhir ini dimulai pada April 2017 hingga

April 2018 bertempat di Laboratorium Teknik Elektronika, Jurusan Teknik

Elektro, Universitas Lampung.

3.2 Alat dan Bahan

Alat dan bahan yang dipergunkan dalam pembuatan tugas ahkir yang perlu

di persiapkan adalah sebagai berikut:

Tabel 3.1 Alat dan bahan

No. Alat dan Bahan Jumlah

1 Handy cam 1

2 Tripod handycam 1

3 Perangkat lunak OpenCV 2.4.10 1

4 Library blob 1

5 Perangkat lunak Visual Studio 2013 1

6 Kabel USB Tipe mini-B (2.0) 1

7 1 unit laptop Asus x455L 1

22

3.3 Perancangan Sistem

Pada langkah awal dilakukan survey jalan raya dengan arus lalu lintas

sedang atau tidak terlalu padat untuk menentukan tempat dan waktu untuk

akuisisi data. Jalan raya harus dilalui jembatan penyebrangan atau

sejenisnya untuk tempat peletakan handycam dan tripod, sudut yang

diperlukan untuk akuisisi citra sebesar 65o sampai dengan 90o dari jalan

datar agar mendapat sudut gambar yang baik. Kamera diatur sedemikian

rupa agar tidak bergerak atau selalu pada kondisi stabil agar hasil akuisisi

mendapatkan yang terbaik.

Kemudian hasil akuisisi citra diolah menggunakan metode segmentasi citra

dengan fungsi cv blob untuk mendeteksi citra background dan citra

foreground. Citra background diidentifikasi dengan bagian video yang

diam, sedangkan citra foreground adalah objek yang bergerak pada video.

Pembuatan garis deteksi menggunakan blob detection dengan warna

berbeda agar perbedaan objek kiri dan kanan terdeteksi dengan menyentuh

garis deteksi, garis deteksi akan bekerja apabila sebuah objek menyentuh

garis deteksi dan pada garis deteksi yang sudah dibuat kemudian garis dapat

berubah warna maka objek akan terhitung (counting)

3.3.1 Diagram Alir Penelitian

Diagram alir penelitian ini untuk memperjelas langkah kerja yang

akan dilakukan pada penelitian ini, terlihat pada gambar 3.1

merupakan rancangan awal secara umum. sebagai acuan dalam

perancangan sistem yang dibuat. Pada diagram alir penelitian ini

23

membahas dari proses perencanaan dan hal yang akan dilakukan

pada penelitian ini .

Gambar 3.1 Diagram Alir Penelitian.

24

3.4 Spesifikasi Sistem

Spesifikasi sistem pada penelitian ini meliputi berbagai hal sebagai berikut:

1. Kamera digunakan sebagai pengindra, untuk mengambil suatu citra

objek yang diperlukan, handycam menggunakan input power sebesar

5v Dc, dan juga menghasilkan keluaran video dengan format file

AVI atau Mp4.

2. Hasil yang telah didapatkan dari keluaran kamera yang tersimpan

di memori lalu dipindahkan kr laptop untuk diolah.

3. File video yang tersimpan di laptop dengan menggunkan format

AVI lalu dijadikan sebagai input pada pengolahan citra yang akan

dilakukan.

4. Citra yang sudah didapatkan maka akan diolah menggunakan

perangkat lunak OpenCV 2.4.10 beserta library CvBlob dan Visual

Studio 2013 pada Laptop sebagai media pemrograman.

3.5 Metode yang Diusulkan

3.5.1 Diagram Alir Metode yang Diusulkan

Diagram alir metode yang diusulkan ini untuk memperjelas langkah

kerja yang akan dilakukan pada penelitian ini, terlihat pada gambar 3.2

merupakan rancangan awal secara umum. sebagai acuan dalam

perancangan metode yang diusulkan. Pada diagram alir penelitian ini

membahas perencanaan metode dan hal yang akan dilakukan pada

penelitian ini .

25

Gambar 3.2 Diagram Alir Metode yang Diusulkan

Gambar 3.2 menunjukan diagram metode yang diusulakan, dimulai

dari input berupa video yang akan diolah, kemudian video akan di

ekstrak agar pengolahan data lebih gampang , setelah memlalui

ekstraksi video akan dilakukan pengecekan background awal

menggunakan metode background subtraction setelah dipisahakan

antara background dan foreground maka hal selanjutnya melakukan

pelacakan blob (blob tracking) dan dilanjutkan dengan algoritma

penghitung jumlah kendaraan.

26

Pada perancangan program ini library CvBlob digunakan untuk

memudahkan pemerosesan pembuatan program penghitung jumlah

kendaraan dalam memisahkan gumpalan-gumpalan atau ttitk piksel

yang terdapat dalam suatu frame dan kemudian melabelinya

sehingga antara gumpalan yang satu dengan gumpalan yang lainnya

dapat dibedakan dengan identitas yang berbeda. Dalam proses

penghitungan jumlah kendaraan yang melintas dijalan raya terbagi

menjadi empat bagian yaitu, pengaturan metode penghitungan,

pengaturan garis hitung, proses penghitungan dan proses penandaan

jalur (track). Pengaturan garis hitung dilakukan untuk mendapatkan

garis hitung yang paling sesuai dengan kondisi jalan yang akan

diamati.

3.5.2 Background Substraction

Background Subtraction bekerja dengan mengambil suatu citara yang

bertujuan agar mendapatkan hasil dari sebuah model latar belakang.

Latar belakang yang sudah didapatkan tersebut digunakan sebagai

acuan untuk dibandingkan dengan citra yang diambil setelahnya lalu

didapatkan hasil citra yang berbeda. Proses pengurangan citra yang

telah didapatkan lalu dilakukan secara absolut dimana perbedaan setiap

piksel dari kedua citra akan diperoleh dan selalu bernilai positif.

Karena proses ini akan melihat perbedaan untuk setiap piksel di dalam

citra, maka kedua citra harus mempunyai sebuah tipe data dan ukuran

yang sama.

27

Contoh dari pengurangan sebuah citra secara absolute terlihat pada

pengurangan X dan Y berikut ini menjadi citra Z. Hasil suatu

pengurangan citra secara absolut maka akan selalu menghasilkan

sebuah nilai positif.

X = uint8 ([255 10 75; 44 225 100]);

Y = uint8([50 50 50; 50 50 50]);

Z = imabsdiff (X, Y)

Z = 205 40 25 6 175 50

Nilai Z adalah kumpulan titik piksel yang telah menjadi foreground.

selanjutnya dilakukan transformasi menggunakan threshlold untuk

dapata mengetahui suatu nilai piksel tersebut termasuk kedalam hitam

atau putih. Jumlah titik piksel dari citra yang didapatkan akan dihitung

dengan parameter keadaan ruas jalan. Model latar belakang di ambil

pada keadaan ruas jalan kosong. Perbandingan background dan citra

yang didapatkan adalah sebagai input yang akan dilanjutkan ke

program.

28

Gambar 3.3. Contoh proses Background Substraction..

Gambar 3.3. menerangkan contoh metode yang dipergunkan sebagai

penentu ruas jalan. Dari hasil pengurangan dua buah citra tersebut

didapatkan hasil citra berupa perahu saja tanpa adanya citra yang lain,

dan citra perahu tersebut belum bisa dijadikan objek karena belum di

threshold, sehingga dilakukan pengelompokan nilai derajat keabuan

setiap piksel menjadi hitam dan putih. Cara ini difungsikan supaya

dapat menentukan parameter kepadatan piksel pada citra, dengan

menghitung jumlah piksel putih sebagai suatu objek

29

3.5.3 Blob Deteksi

Algoritma ini menggunkan konsep yang dapat menampilkan citra

sebagai matriks piksel dan nilai garis yang sudah pasti.

Gambar 3.4 Blob deteksi

Gambar 3.4 merupakan penerapan algoritma growing regions pada citra

dengan ukuran 6x4 piksel. Untuk gambar (a) adalah keseluruhan citra yang

merupakan sebuah bacground. Setiap piksel citra dalam tinggi (hight)

dianggap sebagai garis citra. Dan untuk gambar (b) adalah sebuah proses

penerpan algoritma Growing Regions.

30

Gambar 3.5 penerapan Blob deteksi

Gambar 3.5 merupakan gambar penerapan dari garis deteksi yang akan

dirancang dalam sebuah program dengan menggunakan metode blob

detection. Dalam hal ini dilakukan penempatan dua garis deteksi pada

masing-masing arah kendaran dimana untuk arah sebelah kanan berwarna

merah dan sebelah kiri berwarna kuning, sehingga objek yang terdeteksi oleh

garis deteksi akan terhitung (counting).

3.6 Perolehan Citra

Citra yang didapatkan digunakan untuk di proses pada penelitian ini

didapatkan dari sebuah handycam yang diletakan secara statik diatas tiang

penyebrangan jalan, Citra video yang telah diproleh lalu diolah

menggunakan softwere Microsoft Visual Studio 2013 dengan bahasa c++

dan OpenCV 2.4.10 beserta library CvBlob yang terinstal pada laptop, dan

31

selanjutnya akan didapatkan sebuah citra video yang dapat menghitung dan

mendeteksi sebuah objek kendaraan di jalan raya dua arah menggunakan

CvBlob dan garis deteksi. Dimana garis deteksi memiliki dua tipe warna

yang berbeda yaitu untuk warna merah untuk sebelah kanan dan warna

kuning untuk sebelah kiri, apabila sebuah objek melewati garis deteksi

sehingga garis yang dibuat berubah warna hijau untuk garis sebelah kanan

dan putih untuk sebelah kiri maka objek akan terhitung.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah melakukan perancangan sistem, dan membuat pengimplementasian

berupa sistem klasifikasi dan pengitung jumlah kendaraan yang melintas di dua

jalur berbasis pengolah citra ini, maka dapat disimpulkan sebagai berikut:

1. Berdasarkan hasil pengujian yang telah dilakukan, sistem dapat membuat

line deteksi pada jalan dua jalur dengan metode cv blob detection.

2. Berdasarkan hasil pengujian yang telah dilakukan, sistem penghitung

jumlah kendaraan mampu menghitung jumlah kendaraan di dua jalur.

3. Kondisi jalan satu arah memiliki keakuratan hitung yang lebih baik dari

kondisi jalan dua dua jalur.

58

5.2 Saran

Dari hasil pengujian penghitung optomatis ini masih terdapat beberapa

kekurangan dan dimungkinkan untuk pengembangan lebih lanjut. Oleh

karenanya, penulis merasa perlu untuk memberi saran demi peningkatan kualitas

dan pengembangannya yaitu sebagai berikut:

1. Sistem counting pada jalan dua jalur ini masih sangat sederhana

sehingga dapat ditingkatkan menggunakan metode yang lebih baik.

2. Untuk pengembangan lebih lanjut , bayangan dari objek asli yang

bergerak dapat dieliminasi menggunakan metode eliminasi.

3. Algoritma penghitung ini masih memiliki kemungkinan menghitung satu

objek menjadi lebih dari satu dalam kondisi tertentu, sehingga algoritma

tersebut dapat dikembangkan dengan baik sehingga tidak terlalu banyak

noise yang dapat menggangu saat pendeteksian.

DAFTAR PUSTAKA

Cahyana, Fajar Mit. “Perancangan Program Penghitung Jumlah Kendaraan di

Lintasan Jalan Raya Satu Arah Menggunkan Bahasa Pemrograman C++

dengan Pustaka Opencv”, Skripsi, Malang, Teknik Elektro, Universitas

Brawijaya,2014

Febriyanto, A. 2013. Analisis Kinerja Background Substraction dan Haar-Like

Feature Untuk Monitoring Pejalan Kaki Menggunakan Kamera Webcam,

Laporan Tugas Akhir. Fakultas Sains dan Teknologi. Universitas Islam

Negeri Sunan Kalijaga

Github,https://github.com/MicrocontrollersAndMore/OpenCV_3_Car_CountingC

pp, (diakases 16 Oktober, 2017)

Hadwi Permata Anggi (2013). Simulasi dan analisis metode level set untuk

deteksi kountur objek 3d sederhana berbasis streovision. Universitas

Telkom

Hermawan, Fany. (2014) [online] Tersedia http://elib.unikom.ac.id.

UNIVERSITAS KOMPUTER INDONESIA. (diakses 2 agustus 2016)

Mulyawan, H(2014). Identifikasi Dan Tracking Objek Berbasis Image Processing Secara

Real time. Politeknik Negara Surabaya, Surabaya

Sito, Achmad. Harjoko, Agus. 2013. Metode Background Substraction untuk Deteksi Objek

Pejalan Kaki pada Lingkungan Statis. Fakultas Teknologi Informasi. Universitas

Budi Luhur

Stackoverflow, http://stackoverflow.com/review/suggested-edits/8575035 (diakses 22

April 2015, pukul 07.55)

Widiyardini S.T.,“Implementasi Deteksi Gerakan untuk sistem pemantauan

ruangan menggunakan webcam”, Malang, 2010