APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER POINTER HALAMAN JUDUL

perpustakaan.uns.ac.id

digilib.uns.ac.id

APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER POINTER HALAMAN JUDUL

Skripsi

Disusun Oleh : Muchamad Dachlan Zaim NIM. M0507028

JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2011 commit to user


digilib.uns.ac.id

APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER POINTER HALAMAN PENGAJUAN

Disusun Oleh : Muchamad Dachlan Zaim NIM. M0507028

Skripsi ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Informatika

JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2011

commit to user ii


digilib.uns.ac.id

PERSETUJUAN HALAMAN PERSETUJUAN

Laporan Tugas Akhir Mahasiswa :

Muchamad Dachlan Zaim NIM. M0507028

dengan Judul

APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER POINTER

Disetujui untuk dipresentasikan pada sidang akhir Pada hari Rabu, 27 Juli 2011

commit to user iii


digilib.uns.ac.id

PENGESAHAN HALAMAN PENGESAHAN Skripsi ini telah dipertahankan di hadapan Tim Penguji Skripsi Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta dan diterima untuk memenuhi persyaratan mendapatkan gelar Sarjana Informatika. Hari, tanggal : Rabu, 27 Juli 2011

commit to user iv


digilib.uns.ac.id

MOTTO HALAMAN MOTTO “Man Jadda Wa Jada Siapa yang bersungguh-sungguh, sungguh akan mendapatkan (keberhasilan)”

commit to user v


digilib.uns.ac.id

PERSEMBAHAN HALAMAN PERSEMBAHAN

For Allah SWT For Muhammad Rosulullah SAW For my Mom and Babeh For My Sist and Brow For All my Friends For My Kitties and alm For All Readers

commit to user vi


digilib.uns.ac.id

KATA PENGANTAR

Alhamdulillah Segala puji bagi Allah SWT yang telah melimpahkan Rahmat, Nikmat, dan Hidayah-Nya, sholawat serta salam semoga tetap tercurahkan kepada junjungan kita Nabi Muhammad SAW penegak kebenaran yang patut kita ikuti jejak langkahnya sampai akhir hayat. Skripsi dengan judul “Aplikasi Presentasi Airboard Dengan Image Tracking Laser Pointer” dengan petunjuknya, akhirsnya dapat diselesaikan untuk memenuhi sebagian persyaratan mendapatkan gelar Sarjana Informatika. Penulis menyadari akan keterbatasan yang dimiliki. Begitu banyak bantuan diberikan dalam penyusunan Tugas Akhir ini. Oleh karena itu, penulis mengucapkan terima kasih kepada : 1. Orang tua tercinta serta keluarga, untuk setiap kasih sayang dan pengorbanan yang tak mungkin terbalas, 2. Ibu Umi Salamah, M. Kom. Selaku ketua jurusan yang telah membantu dan memberikan arahan dalam proses pembuatan tugas akhir. 3. Bapak Drs. YS. Palgunadi, M.Sc, selaku Dosen Pembimbing I sekaligus pembimbing akademik yang telah memberikan arahan serta masukan selama proses penyusunan Tugas Akhir ini, 4. Bapak Didiek Sri Wiyono, ST, MT, selaku Dosen Pembimbing II yang telah memberikan arahan serta masukan selama proses penyusunan Tugas Akhir ini, 5. Dosen-dosen informatika yang telah membagi ilmunya kepada penulis selama proses belajar sampai disusunnya skripsi ini, 6. Rekan-rekan seperjuangan mahasiswa Informatika 2007 yang telah membantu dalam berbagi pengetahuan dan pengalaman khususnya dalam penyusunan skripsi ini, 7. Semua pihak yang telah membantu kelancaran proses penyusunan skripsi ini. Semoga amal kebaikan semua pihak tersebut mendapatkan imbalan dari Tuhan Yang Maha Esa. Akhir kata, diharapkan penelitian ini dapat bermanfaat bagi perkembangan ilmu pengetahuan dan juga bermanfaat untuk semua pihak yang berkepentingan. Surakarta, 29 Juli 2011

commit to user vii

Penulis


digilib.uns.ac.id

ABSTRACT

Zaim, Muchamad Dachlan 2011. Airboard Presentation Application with Image Tracking Laser Pointer. Department of Informatics, Faculty of Mathematics and Science. Sebelas Maret University, Surakarta

Airboard is a presentation application in the field of human computer interaction that serves as a tool in implementing IT-based presentation materials. It’s also as a "pen" to write notes directly on the material with a laser pointer tracking image. Image tracking laser pointer is the method to get the coordinates of the laser beam pointer from an image. Therefore, the purpose of this research is to create an application that can solve these problems and compare several methods with certain algorithms in the application. This research consisted of four stages namely display calibration phase, laser detection, command detection and interpretation. In testing, calibration phase was used to compare manual with automatic calibration. Laser detection and command detection were used to test valid data by equivalence class partitioning test. Variations on the phase of laser detection are the colors of laser beam, points, and the methods performed 5 times. Variations on the phase of command detection are the commands, movements, speeds and methods performed 2 times. Test results showed that the calibration phase of the automatic calibration was quite capable of replacing manual calibration, by a margin of less than 3 pixels in webcam area with conditions appropriate threshold value. The best methods of laser detection were the method Difference Edge Laser Detection and method Brightness and Extract Red Channel Laser Detection with the successful detection was 100% for each color of different laser. The best method of command detection was the method Extract Cr and Difference Edge Detection Laser, with success percentage was 95.83%. Keywords: Airboard, Human Computer Interaction, Application Presentation, image tracking laser pointer

commit to user viii


digilib.uns.ac.id

ABSTRAK

Zaim, Muchamad Dachlan 2011. Aplikasi Presentasi Airboard dengan Image Tracking Laser Pointer. Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret, Surakarta

Airboard adalah aplikasi presentasi di bidang interaksi manusia komputer yang berfungsi sebagai alat bantu dalam menjalankan materi presentasi berbasis IT dan sebagai “pena” untuk menuliskan catatan secara langsung pada materi tersebut dengan image tracking laser pointer. Image tracking laser pointer adalah cara bagaimana mendapatkan koordinat sinar laser pointer dari sebuah citra. Oleh karena itu tujuan dari penelitian ini adalah terwujudnya aplikasi airboard dan membandingkan beberapa metode dengan algoritma tertentu. Penelitian ini terdiri dari empat tahapan yaitu tahap kalibrasi tampilan, deteksi laser, deteksi perintah dan interpretasi. Pada tahap kalibrasi membandingkan antara kalibrasi manual dengan otomatis. Pada tahap deteksi laser dan deteksi perintah menggunakan pengujian data valid equivalence partitioning class. Pada tahap deteksi laser dilakukan pengujian sebanyak 5 kali dengan variasi data berupa sinar laser, titik, dan metode. Pada tahap deteksi perintah dilakukan pengujian dengan variasi data berupa sinar laser, perintah, gerak, kecepatan dan metode yang dilakukan sebanyak 2 kali. Hasil pengujian tahap kalibrasi menunjukkan bahwa kalibrasi otomatis cukup mampu menggantikan kalibrasi manual, dengan selisih di bawah 3 pixel pada area webcam dengan kondisi nilai threshold yang tepat. Metode terbaik pada tahap deteksi laser adalah metode Difference Edge Laser Detection dan metode Brightness and Extract Red Channel Laser Detection dengan keberhasilan deteksi sebesar 100% untuk tiap warna laser yang berbeda. Metode terbaik tahap deteksi perintah adalah metode Extract Cr and Difference Edge Laser Detection, dengan persentase sebesar 95,83%. Kata Kunci: Airboard, Interaksi Manusia Komputer, Aplikasi Presentasi, laser tracking

commit to user ix


digilib.uns.ac.id

DAFTAR ISI

HALAMAN JUDUL ................................................................................................................... i HALAMAN PENGAJUAN ....................................................................................................... ii HALAMAN PERSETUJUAN .................................................................................................. iii HALAMAN PENGESAHAN ................................................................................................... iv HALAMAN MOTTO ................................................................................................................. v HALAMAN PERSEMBAHAN ................................................................................................ vi KATA PENGANTAR .............................................................................................................. vii ABSTRACT............................................................................................................................... viii ABSTRAK ................................................................................................................................. ix DAFTAR ISI............................................................................................................................... x DAFTAR TABEL.................................................................................................................... xiii DAFTAR GAMBAR ............................................................................................................... xiv DAFTAR LAMPIRAN............................................................................................................ xvi BAB I PENDAHULUAN ........................................................................................................... 1 1.1

LATAR BELAKANG ................................................................................................ 1

1.2

RUMUSAN MASALAH ............................................................................................ 2

1.3

BATASAN MASALAH ............................................................................................. 3

1.4

TUJUAN PENELITIAN............................................................................................. 3

1.5

MANFAAT PENELITIAN ........................................................................................ 3

1.6

SISTEMATIKA PENULISAN................................................................................... 4

BAB II TINJAUAN PUSTAKA ................................................................................................ 5 2.1

DASAR TEORI .......................................................................................................... 5

2.1.1

Pengolahan Citra ..................................................................................................... 5

2.1.2

Citra / Image ........................................................................................................... 7

2.1.3

Pengolahan Citra Warna ......................................................................................... 9

2.1.3.1

Citra RGB ............................................................................................................... 9

2.1.3.2

Citra HSL .............................................................................................................. 11

2.1.3.3

Citra YCbCr .......................................................................................................... 12

2.1.3.4

Citra Grayscale ..................................................................................................... 13 commit to user x


digilib.uns.ac.id

2.1.3.5

Citra Biner............................................................................................................. 13

2.1.4

Deteksi Tepi .......................................................................................................... 15

2.1.5

Difference Edge Detection .................................................................................... 16

2.1.6

Grayscale Filter .................................................................................................... 16

2.1.7

Binary Thresholding Filtering .............................................................................. 17

2.1.8

Brightness Detection ............................................................................................. 17

2.1.9

Blob Detection Algorithm ..................................................................................... 17

2.1.10

Quadrilateral Transformation .............................................................................. 18

2.1.11

Gradient Calculation ............................................................................................ 18

2.2

PENELITIAN TERKAIT ......................................................................................... 18

2.2.1

Interaction with a Projection Screen Using a Camera-Tracked Laser Pointer ... 19

2.2.2

Laser Pointer Interaction Techniques using Peripheral Areas of Screens........... 19

2.2.3

Image processing Based Tracking System ............................................................ 19

2.2.4

uPen ...................................................................................................................... 20

2.3

RENCANA PENELITIAN ....................................................................................... 20

BAB III METODOLOGI PENELITIAN ................................................................................. 23 3.1

TAHAP PERSIAPAN (STUDI PUSTAKA) ........................................................... 23

3.2

TAHAP ANALISA DAN PERANCANGAN .......................................................... 23

3.3

TAHAP IMPLEMENTASI ...................................................................................... 23

3.3.1 3.4

Menulis Kode Program ......................................................................................... 24 TAHAP PENGUJIAN .............................................................................................. 24

3.4.1

Tahap Kalibrasi Tampilan (Display Calibration) ................................................. 25

3.4.2

Tahap Deteksi Laser (Laser Detection) ................................................................ 25

3.4.3

Tahap Deteksi Perintah (Command Detection) .................................................... 26

3.5

TAHAP PENULISAN LAPORAN .......................................................................... 27

BAB IV HASIL DAN PEMBAHASAN .................................................................................. 28 4.1

ARSITEKTUR APLIKASI ...................................................................................... 28

4.2

METODE DAN ALGORITMA PENELITIAN ....................................................... 29

4.2.1

Tahap Kalibrasi Tampilan (Display Calibration) ................................................. 29

4.2.2

Tahap Deteksi Laser (Laser Detection) ................................................................ 30

4.2.3

Tahap Deteksi Perintah (Command Detection) .................................................... 32 commit to user xi


4.2.4 4.3

digilib.uns.ac.id

Tahap Interpretasi (Interpretation) ....................................................................... 33 HASIL IMPLEMENTASI SISTEM ......................................................................... 34

4.3.1

Algoritma dan Metode Penelitian ......................................................................... 34

4.3.2

Screen Output Implementasi ................................................................................. 40

4.4

HASIL PENGUJIAN ................................................................................................ 46

4.4.1

Tahap Kalibrasi Display ....................................................................................... 46

4.4.2

Tahap Deteksi Laser ............................................................................................. 51

4.4.3

Tahap Deteksi Perintah ......................................................................................... 52

BAB V KESIMPULAN DAN SARAN ................................................................................... 55 5.1

KESIMPULAN ......................................................................................................... 55

5.2

SARAN ..................................................................................................................... 56

DAFTAR PUSTAKA ............................................................................................................... 57 LAMPIRAN.............................................................................................................................. 59

commit to user xii


digilib.uns.ac.id

DAFTAR TABEL

Tabel 1 Jenis Mode Warna ...................................................................................................... 8 Tabel 2 Data Kalibrasi Display Tempat Pertama ................................................................... 59 Tabel 3 Data Kalibrasi Display Tempat Kedua ...................................................................... 60 Tabel 4 Data Deteksi Laser Metode 1..................................................................................... 61 Tabel 5 Data Deteksi Laser Metode 2..................................................................................... 62 Tabel 6 Data Deteksi Laser Metode 3..................................................................................... 63 Tabel 7 Data Deteksi Laser Metode 4..................................................................................... 64 Tabel 8 Data Rekapitulasi Deteksi Laser ................................................................................ 65 Tabel 9 Data Rekapitulasi Deteksi Perintah ........................................................................... 66 Tabel 10 Data Deteksi Perintah Metode 1 ................................................................................ 66 Tabel 11 Data Deteksi Perintah Metode 2 ................................................................................ 67 Tabel 12 Data Deteksi Perintah Metode 3 ................................................................................ 69 Tabel 13 Data Deteksi Perintah Metode 4 ................................................................................ 70

commit to user xiii


digilib.uns.ac.id

DAFTAR GAMBAR

Gambar 1

Presentasi dengan menggunakan laser dan webcam .............................................. 2

Gambar 2

Blok diagram pengolah citra .................................................................................. 7

Gambar 3

Proses Sampling dan Kuitansi ............................................................................... 8

Gambar 4

Nilai 8 bit RGB .................................................................................................... 10

Gambar 5

Nilai warna RGB pada hexadecimal .................................................................... 10

Gambar 6

Komposisi warna RGB ........................................................................................ 11

Gambar 7

Lingkaran Hue ..................................................................................................... 11

Gambar 8

Dekomposisi citra RGB ke dalam komponen luminance dan chrominance) ...... 12

Gambar 9

Citra grayscale dan citra hitam putih ................................................................... 13

Gambar 10 Representasi citra biner ........................................................................................ 14 Gambar 11 Proses Edge Detection ......................................................................................... 15 Gambar 12 Hasil Edge Detection ........................................................................................... 16 Gambar 13 Algoritma Differerence Edge Detection .............................................................. 16 Gambar 14 Gradient Calculation ........................................................................................... 18 Gambar 15 Skenario sistem interaksi ..................................................................................... 19 Gambar 16 Tahapan aplikasi Airboard ................................................................................... 21 Gambar 17 Diagram rancangan alur pelaksanaan tugas akhir ................................................ 23 Gambar 18 Arsitektur Sistem ................................................................................................. 28 Gambar 19 Proses Auto Calibration ....................................................................................... 29 Gambar 20 Proses Manual Calibration .................................................................................. 29 Gambar 21 Proses Quadrilateral Transformation .................................................................. 30 Gambar 22 Proses Transformasi Display ............................................................................... 30 Gambar 23 Proses Brightness Detection ................................................................................ 30 Gambar 24 Proses Difference Edge Laser Detection ............................................................. 31 Gambar 25 Proses Brightness and Extract Red Channel Laser Detection ............................. 31 Gambar 26 Proses Extract Cr and Difference Edge Laser Detection .................................... 32 Gambar 27 Proses Gradient Calculation ................................................................................ 32 Gambar 28 Perintah dari Airboard ......................................................................................... 33 Gambar 29 Output Kalibrasi Manual ...................................................................................... 40 commit to user xiv


digilib.uns.ac.id

Gambar 30 Tampilan airboard v.2 pada saat kalibrasi otomatis............................................. 41 Gambar 31 Proses kalibrasi otomatis...................................................................................... 41 Gambar 32 Perbedaan treshold pada kalibrasi otomatis ......................................................... 42 Gambar 33 Perbedaan Gambar yang belum mengalami kalibrasi display dan telah terkalibrasi display (terdapat proses transformasi koordinat) ................................................. 43 Gambar 34 Output Airboard v2 pada saat deteksi laser ......................................................... 43 Gambar 35 Hasil deteksi laser yang menghasilkan koordinat ................................................ 43 Gambar 36 Perubahan Citra pada Metode 1 ........................................................................... 44 Gambar 37 Perubahan Citra pada Metode 2 ........................................................................... 44 Gambar 38 Perubahan Citra pada Metode 3 ........................................................................... 45 Gambar 39 Perubahan Citra pada Metode 4 ........................................................................... 46 Gambar 40 Hasil Interpretasi Power Point dan Pointer Pen ................................................... 46 Gambar 41 Empat titik video projector pada kalibrasi tampilan ............................................ 47 Gambar 42 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X. ........................ 47 Gambar 43 Detail selisih kalibrasi otomatis dengan kalibrasi manual koordinat X. ............ 48 Gambar 44 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 1. 48 Gambar 45 Detail selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 1................................................................................................................ 49 Gambar 46 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X pada tempat 2. 50 Gambar 47 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 2. 50 Gambar 48 Hasil Pengujian beberapa Metode pada Tahap Deteksi Laser. ............................ 51 Gambar 49 Perbedaan Ketiga Sinar Laser pada Pengujian. ................................................... 51 Gambar 50 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (>750 ms). ...... 52 Gambar 51 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (<750 ms). ...... 53 Gambar 52 Rancangan sistem setelah pengujian .................................................................... 54

commit to user xv


digilib.uns.ac.id

DAFTAR LAMPIRAN

Lampiran 1. Tahap Kalibrasi Display ....................................................................................... 59 Lampiran 2. Tahap Deteksi Laser ............................................................................................. 60 Lampiran 3. Tahap Deteksi Perintah ........................................................................................ 66

commit to user xvi


digilib.uns.ac.id

BAB I PENDAHULUAN 1 1.1

PENDAHULUAN LATAR BELAKANG Zaman sudah mulai berubah, metode pengajaran yang konvensional sudah mulai tergantikan dengan metode-metode yang sesuai dengan perkembangan zaman. Penggunaan media Teknologi Informasi dan Komunikasi (TIK), seperti video projector memberikan pengaruh terhadap dunia pendidikan khususnya dalam proses pembelajaran, sehingga guru dan anak didik dituntut untuk dapat memanfaakan TIK untuk kepentingan penyelenggaraan kegiatan pengembangan pendidikan. Pengajaran dengan TIK akan membuat proses pendidikan menjadi lebih menarik dan mampu mengatasi proses yang monoton. Bila tidak ada inovasi maka kualitas pendidikan akan berjalan di tempat, akibatnya lulusan siswa-siswa tersebut kurang mampu berbicara di persaingan global. Salah satu perkembangan teknologi informasi dalam pendidikan, yaitu dengan menggunakan sebuah materi yang telah dipersiapkan sebelumnya dan akan disajikan menggunakan berbagai alat penampil, seperti OHP (Over Head Projector) dan video projector. Pada zaman dahulu pengajaran menggunakan papan ajar dari blackboard menggunakan kapur tulis sebagai media tulisnya, kemudian dilanjutkan dengan papan ajar whiteboard dengan menggunakan spidol sebagai media tulisnya, hingga sampai ke era OHP (Over Head Projector) dengan menggunakan lapisan mika yang bertuliskan sebuah materi dan dipantulkan ke sebuah layar. Namun, para pengajar sekarang sudah mulai beralih menggunakan video projector yang dihubungkan dengan komputer untuk menampilkan materi yang akan disajikan melalui sebuah layar sesuai. Akan tetapi, kekurangan dalam penggunaan media-media ini adalah interaksi antara pengajar dan siswa menjadi kurang baik. Pada saat pengajar menggunakan media-media ini, contohnya OHP maka posisi pengajar harus menghadap ke layar, hal ini sama saja dengan membelakangi siswa. Ketika menulis di lapisan mika pun juga dengan posisi seperti itu pula. Kekurangan ini sesuai dengan penelitian Asri Djalil, 2007 dan Lisnawati, 2011.

commit to user 1


digilib.uns.ac.id 2

Pada video projector pengajar bisa menghadap siswa dengan baik. Namun, ada satu hal yang kurang, yaitu interaksi terhadap materi yang disajikan. Seorang pengajar yang menggunakan media ini biasanya memberikan materi dengan posisi berdiri dan menggunakan sebuah laser pointer untuk menjelaskan serta untuk menguasai materi presentasi dengan baik. Apabila pengajar ingin menuliskan sesuatu secara langsung (seperti, membuat catatan, catatan kaki, penjelasan) pada materi tersebut (layaknya pengajar yang menggunakan blackboard atau whiteboard), maka pengajar perlu menuju ke sebuah komputer dan menggunakan mouse untuk menerangkan secara detail bagian yang akan dijelaskan secara langsung. Hal ini akan mengurangi efektifitas pengajaran, karena dapat memecah konsentrasi siswa dalam memahami materi yang diberikan (Indrawati, 2005). Oleh karena itu, dibutuhkan solusi agar seorang pengajar dapat menuliskan secara langsung pada sebuah materi yang disajikan, layaknya media konvensional tanpa kembali ke posisi komputer berada.

Gambar 1 Presentasi dengan menggunakan laser dan webcam (Shizuki B, 2006) Berdasarkan masalah tersebut, maka penulis tertarik untuk melakukan penelitian mengenai “Aplikasi Presentasi Airboard dengan Image Tracking Laser Pointer” Diharapkan dengan adanya aplikasi Airboard ini, pengajar tidak perlu khawatir untuk menuliskan secara langsung pada sebuah materi serta dapat berinteraksi secara langsung untuk menjalankan presentasi dengan menggunakan laser pointer tanpa perlu kembali ke posisi komputer yang digunakan.

1.2

RUMUSAN MASALAH Permasalahan yang akan dibahas pada penelitian ini adalah bagaimana cara menggunakan, membandingkan dan menganalisis performansi beberapa metode yang digunakan pada aplikasi Airboard.commit to user


digilib.uns.ac.id 3

1.3

BATASAN MASALAH Batasan masalah pada Tugas Akhir ini adalah penelitian lebih terfokus pada pembuatan aplikasi Airboard dengan batasan sebagai berikut: 1. Menggunakan peralatan utama berupa perangkat keras, yaitu sinar laser pointer dan webcam yang digunakan pada microsoft Windows. 2. Warna laser yang digunakan untuk pengujian adalah warna merah, warna biru dan hijau. 3. Hanya menggunakan single object, yaitu satu jenis warna laser pointer pada saat menjalankan aplikasi ini. 4. Menggunakan metode image tracking laser pointer.

1.4

TUJUAN PENELITIAN Tujuan dari tugas akhir ini, adalah 1. Terwujudnya aplikasi Airboard sebagai alat bantu dalam menjalankan materi presentasi berbasis IT dan sebagai “pena” untuk menuliskan catatan secara langsung pada materi tersebut. 2. Menganalisis performansi terbaik dari beberapa metode yang digunakan pada aplikasi tersebut pada tahap kalibrasi tampilan, pengenalan sinar laser pointer dan pengenalan perintah yang dimasukkan oleh pengguna.

1.5

MANFAAT PENELITIAN Manfaat penelitian ini diharapkan berguna bagi masyarakat dan bagi penulis, yaitu 1. Bagi penulis: Penulis dapat memperluas wawasan dan pengetahuan penulis tentang: a. Pengenalan sinar laser pointer dari webcam dan merepresentasikannya menjadi sebuah “pena” untuk menggerakkan cursor pointer mouse komputer b. Penggunaan metode tersebut pada sebuah aplikasi Airboard yang dapat membantu pengguna dalam menulis secara langsung pada sebuah materi c. Perbandingan sejauh mana keberhasilan beberapa metode yang digunakan pada aplikasi tersebut.

commit to user


digilib.uns.ac.id 4

2. Bagi masyarakat: Sebagai sumber referensi dan penelitian dasar pada penelitian selanjutnya khususnya mengenai deteksi laser.

1.6

SISTEMATIKA PENULISAN Sistematika penulisan memuat tentang metode penulisan yang digunakan dalam pembuatan laporan penelitian, dengan uraian sebagai berikut : 1. Bab Pendahuluan, berisi mengenai latar belakang, rumusan masalah, tujuan, manfaat atas penelitian, tinjauan pustaka dan metodologi yang digunakan dalam pembuatan sistem dan sistematika penyusunan laporan. 2. Bab Landasan Teori, dijelaskan secara umum teori yang berhubungan dengan materi yang nantinya digunakan untuk melakukan proses analisis, perancangan dan implementasi sistem, misalnya mengenai image processing, berbagai metode image processing yang digunakan dalam penelitian ini dan lain sebagainya. 3. Bab Analisis Kebutuhan dan Perancangan, menguraikan tentang gambaran obyek penelitian, analisis semua permasalahan yang ada, dimana masalah-masalah yang muncul akan diselesaikan melalui penelitian. 4. Bab Hasil dan Pembahasan, dipaparkan hasil-hasil dari tahapan penelitian, dari tahap analisis, desain, hasil testing dan implementasinya, berupa penjelasan teoritik, baik secara kualitatif, kuantitatif, atau secara statistik. 5. Bab Kesimpulan dan Saran, berisi kesimpulan dan saran. Kesimpulan berisi rumusan jawaban terhadap pertanyaan (perumusan masalah) dengan bukti-bukti yang ada dan telah dilakukan dalam penelitian ini. Saran berisi pemecahan masalah yang diteliti atau tindak lanjut dari hasil penelitian kedepannya yang bersifat operasional.

commit to user


digilib.uns.ac.id

BAB II TINJAUAN PUSTAKA 2 2.1

TINJAUAN PUSTAKA DASAR TEORI 2.1.1

Pengolahan Citra Menurut Abdoun dan Abouchabaka (2011), pengolahan citra adalah suatu disiplin ilmu yang sangat penting dalam berbagai aplikasi secara real yang meliputi banyak metode dan banyak penelitian. Berbagai macam metode yang digunakan dalam penelitian ini membutuhkan spesifikasi yang tinggi dari para pengguna perangkat lunak pengolahan gambar dan penguasaan setiap bahasa pemrograman tunggal yang tidak dimiliki untuk setiap pengguna. Menurut Gunawan (2009), pengolahan citra adalah suatu metode untuk mengolah gambar asli menjadi gambar digital. Pengambilan gambar dapat menggunakan kamera video atau alat yang dapat digunakan untuk mentransfer gambar. Menurut Aini (2010), pengolahan citra (Image processing) merupakan suatu sistem dimana proses dilakukan dengan masukan berupa citra (image) dimana hasilnya juga berupa citra (image). Sesuai dengan perkembangan komputer itu sendiri, pengolahan citra mempunyai dua tujuan utama, yaitu sebagai berikut: 1. Memperbaiki

kualitas

citra,

dimana

citra

yang

dihasilkan

dapat

menampilkan informasi secara jelas. Hal ini berarti manusia sebagai pengolah informasi (human perception). 2. Mengekstrasi informasi ciri yang menonjol pada suatu citra, dimana hasilnya adalah informasi citra dimana manusia mendapatkan informasi ciri dari citra secara numerik. Menurut Hartanto (2007), pengolahan citra merupakan sebuah bentuk pemrosesan sebuah citra atau gambar dengan cara memproses numerik dari gambar tersebut, dalam hal ini yang diproses adalah masing-masing pixel atau titik dari gambar tersebut. Bentuk umum dari image filtering hampir serupa

commit to user 5


digilib.uns.ac.id 6

dengan image processing. Salah satu teknik pemrosesan citra ini memanfaatkan komputer sebagai peranti untuk memproses masing-masing pixel dari sebuah gambar. Oleh karena itulah muncul istilah pemrosesan citra secara digital atau “Digital Image processing”. Image processing sendiri dapat didefiniskan juga sebagai proses filtering sebuah gambar, pixel demi pixel. Istilah manipulasi gambar atau “Image Manipulation” sering juga digunakan untuk menyebutkan istilah pemrosesan citra atau gambar tersebut. “Digital image processing” diperkenalkan pertama kali di New York, USA pada awal tahun 1920-an. Pertama kalinya digunakan untuk meningkatkan kualitas gambar koran yang dikirimkan oleh kabel bawah laut yang terbentang antara London dan New York. Sampai tahun 1960-an perkembangannya tidaklah terlalu menggembirakan. Namun pada akhir tahun 1960-an, dimana perkembangan komputer yang pesat dan mampu menawarkan kecepatan dan kapasitas

yang lebih tinggi memacu perkembangan dari

implementasi algoritma pemrosesan citra yang lebih pesat lagi. Untuk saat ini penggunaan dari pemrosesan citra telah melingkupi berbagai macam disiplin ilmu diantaranya bidang Arsitektur, Geografi, Ilmu Komputer, Kedokteran, Fotografi, Arkeologi, dan lain sebagainya. Menurut Hartanto (2007), tujuan utama dari “Digital image processing” tersebut selain untuk

meningkatkan kualitas gambar yang diperoleh, juga

dimaksudkan untuk memproses data yang diperoleh untuk ditanggapi secara otomatis oleh sebuah mesin atau peralatan. Kelebihan dari penggunaan “Digital image processing” adalah dalam hal ketepatan dan flesibilitasnya. Sedangkan kerugiannya adalah

dalam hal kecepatan dan biaya sebagai akibat dari

pemanfaatan proses yang lebih kompleks. Gunawan (2009), Image processing atau sering disebut dengan pengolahan citra digital merupakan suatu metode yang digunakan untuk mengolah atau memproses dari gambar asli sehingga menghasilkan gambar lain yang sesuai dengan kebutuhan. Pengambilan gambar bisa dilakukan oleh kamera video atau alat-alat yang lain yang dapat digunakan untuk mentransfer gambar. Dalam pengolahan citra, dilakukan operasi terhadap citra asli menjadi commit to user


digilib.uns.ac.id 7

citra baru berdasarkan citra asli. Operasi yang dilakukan pada citra dikategorikan sebagai berikut : 1. Point, yaitu operasi yang menghasilkan output dimana setiap pixel hanya dipengaruhi oleh pixel pada posisi yang sama dari citra asli. 2. Local, yaitu operasi yang menghasilkan output dimana pixel-nya dipengaruhi oleh pixel-pixel tetangga pada citra asli. 3. Global, yaitu opeasi yang menghasilkan output dimana pixel-nya dipengaruhi oleh semua pixel yag ada dalam citra asli. Misalnya ada suatu gambar yang terlalu gelap maka dengan image processing gambar tersebut bisa diproses sehingga mendapatkan gambar yang jelas. Secara garis besar bisa gambarkan seperti blok diagram pada gambar dibawah ini:

Gambar 2 Blok diagram pengolah citra (Gunawan, 2009)

2.1.2

Citra / Image Citra terbentuk dari kumpulan intensitas cahaya yang tersusun dalam bidang dua dimensi. Kumpulan intensitas cahaya tersebut dinyatakan dalam suatu fungsi kontinyu f(x,y) dimana x dan y menyatakan koordinat ruang dan nilai intensitas cahaya memberi informasi warna dan kecerahan citra. Citra digital merupakan yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut dengan pixel. Contohnya adalah gambar/titik diskrit pada baris m dan kolom n disebut dengan pixel [m,n]. Sampling adalah proses untuk menentukan warna pada pixel tertentu pada citra dari sebuah gambar yang kontinu. Pada proses sampling biasanya dicari warna rata-rata dari gambar analog yang kemudian dibulatkan. Proses sampling sering juga disebut proses digitasi.

commit to user


digilib.uns.ac.id 8

Sampling menyatakan banyaknya pixel (blok) untuk mendefinisikan suatu gambar. Sedangkan kuantisasi menunjukkan banyaknya derajat nilai pada setiap pixel (menunjukkan jumlah bit pada gambar digital, misal b/w dengan dua bit, grayscale dengan delapan bit, true color dengan 24 bit).

Gambar 3 Proses Sampling dan Kuitansi (Tofani K. M. H. S, 2010) Citra atau umumnya dikenal gambar merupakan kumpulan titik-titik penyusun citra itu sendiri. Titik-titik tersebut dikenal dengan pixel. Banyaknya titik-titik penyusun citra tersebut disebut resolusi. Jadi, resolusi merupakan MxN pixel. Masing-masing pixel yang menyusun suatu citra dapat memiliki warna yang berbeda-beda, yang disebut dengan bit depth. Bit depth dinyatakan dengan angka yang bersatuan bit. Sebagai contoh bit depth = 3, artinya terdapat 23 = 8 variasi yang mungkin untuk setiap pixel-nya. Semakin besar nilai bit depth, maka semakin besar pula ukuran fungsi citra tersebut. Ada beberapa jenis mode warna, antara lain : Tabel 1 Jenis Mode Warna (Tofani K. M. H. S, 2010) Jenis

Keterangan

Mode

Ukuran bit

Jumlah

depth

variasi

warna

Warna

Grayscale

Warna keabuan, disusun oleh warna dasar Red,

8 bit depth

Green, Blue yang masing-masing memiliki nilai

2

8

=

256

variasi warna

dasar yang sama. Misal = Red = 67, Green = 67, dan Blue = 67. Dari suatu nilai yang sama akan membentuk satu warna keabuan yang berbeda pada rentang gradasi hitam dan putih.

Monokrom

Warna yang hanya terdiri dari hitam dan putih

1 bit

21 = 2 variasi warna

commit to user


digilib.uns.ac.id 9 Keterangan

Jenis

Mode

Ukuran bit

Jumlah

depth

variasi

warna

Warna

RGB

CMYK

2.1.3

Warna yang disusun oleh 3 channel, yaitu Red,

8 x 3 = 24

24

2 =

Green, Blue yang masing-masing memiliki 8 bit

16.777.216

depth.

variasi warna

Warna yang terdiri dari 4 channel, yaitu Cyan,

8 x 4 = 32

232 =

Magenta, Yellow, Black yang masing-masing

4.294.967.296

memiliki 8 bit depth,

variasi warna

Pengolahan Citra Warna 2.1.3.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Sebenarnya bagaimana citra disimpan dan dimanipulasi dalam komputer diturunkan

dari

teknologi

televisi,

yang

pertama

kali

mengaplikasikannya untuk tampilan grafis komputer. Jika dilihat dengan kaca pembesar, tampilan monitor komputer akan terdiri dari sejumlah triplet titik warna merah (Red), hijau (Green) dan biru (Blue). Tergantung pada pabrik monitornya untuk menentukan apakah titik tersebut merupakan titik bulat atau kotak kecil, tetapi akan selalu terdiri dari 3 triplet red, green dan blue. Citra RGB disebut juga citra truecolor. Citra RGB merupakan citra digital yang terdiri dari tiga layer yang mengandung matriks data berukuran m x n x 3 yang merepresentasikan warna merah, hijau dan biru untuk setiap pixel-nya. Tiap layer juga memiliki intensitas kecerahan warna yang nantinya saat ketiga layer digabungkan akan membentuk suatu kombinasi warna baru tergantung besarnya tingkat kecerahan. Tiap layer berukuran 8 bit, berati memiliki tingkat kecerahan warna sampai 256 level. Artinya tiap layer warna dapat menyumbang tingkat kecerahan warnanya dari rentang level 0 sampai level 255. Dimana 0 merepresentasikan warna hitam dan 255 merepresentasikan warna putih.

commit to user


digilib.uns.ac.id 10 Citra dalam komputer tidak lebih dari sekumpulan sejumlah

triplet dimana setiap triplet terdiri atas variasi tingkat keterangan (brightness) dari elemen red, green dan blue. Representasinya dalam citra, triplet akan terdiri dari 3 angka yang mengatur intensitas dari Red (R), Green (G) dan Blue (B) dari suatu triplet. Setiap triplet akan merepresentasikan 1 pixel (picture element). Suatu triplet dengan nilai 67, 228 dan 180 berarti akan mengeset nilai R ke nilai 67, G ke nilai 228 dan B ke nilai 180. Angka-angka RGB ini yang seringkali disebut dengan color values. Pada format .bmp citra setiap pixel pada citra direpresentasikan dengan dengan 24 bit, 8 bit untuk R, 8 bit untuk G dan 8 bit untuk B, dengan pengaturan seperti pada gambar 5

Gambar 4 Nilai 8 bit RGB (Fatta H.A, 2007) Dasar dari pengolahan citra adalah pengolahan warna RGB pada posisi tertentu. Dalam pengolahan citra warna dipresentasikan dengan nilai hexadecimal dari 0x00000000 sampai 0x00ffffff. Warna hitam adalah 0x00000000 dan warna putih adalah 0x00ffffff. Definisi nilai warna di atas seperti gambar di bawah, variabel 0x00 menyatakan angka dibelakangnya adalah hexadecimal.

Gambar 5 Nilai warna RGB pada hexadecimal (Gunawan, 2009) Terlihat bahwa setiap warna mempunyai range nilai 00 (angka desimalnya adalah 0) dan ff (angka desimalnya adalah 255), atau mempunyai nilai derajat keabuan 256 = 28. Dengan demikian range warna yang digunakan adalah (28) (28) (28) = 224 (atau yang dikenal dengan istilah True Colour pada Windows). Nilai warna yang commit to user


digilib.uns.ac.id 11

digunakan di atas merupakan gambungan warna cahaya merah, hijau dan biru seperti yang terlihat pada gambar di atas. Sehingga untuk menentukan nilai dari suatu warna yang bukan warna dasar digunakan gabungan skala kecerahan dari setiap warnanya.

Gambar 6 Komposisi warna RGB (Gunawan, 2009)

2.1.3.2 Citra HSL Warna dalam media digital dapat direpresentasikan dalam berbagai cara. Mode RGB merepresentasikan semua warna sebagai campuran dari 3 cahaya merah, hijau, dan biru. Mode HSL merupakan mode yang ditemukan oleh Alvy Ray Smith pada tahun 1978. Mode ini merepresentasikan warna dalam 3 komponen: hue, saturation, dan lightness. Hue merupakan corak warna atau pilihan warna yang meliputi spektrum warna pelangi seperti merah, kuning, hijau, dst. Hue seringkali direpresentasikan dalam bentuk lingkaran yang berisi warna-warna pelangi seperti pada gambar 2. Karena berbentuk lingkaran, hue memiliki nilai sebesar sudut lingkaran yaitu dari 0 sampai 360.

Gambar 7 Lingkaran Hue (Evan, 2009) commit to user


digilib.uns.ac.id 12 Saturation

merupakan

tingkat

pewarnaan

atau

tingkat

kemurnian sebuah warna. Warna dengan saturation tinggi memiliki corak warna yang terlihat jelas, sedangkan warna dengan saturation rendah terlihat sebagai percampuran antara beberapa warna. Warna grayscale (yang didapat dari percampuran warna-warna RGB dengan perbandingan 1:1:1) memiliki tingkat saturation yang paling rendah. Nilai saturation berkisar dari 0 sampai 100. Lightness menyatakan tingkat terang sebuah warna. Warna putih yang merupakan percampuran warna RGB dengan nilai maksimum memiliki lightness paling tinggi, sedangkan warna hitam memiliki lightness paling rendah. Nilai lightness juga berkisar dari 0 sampai 100.

2.1.3.3 Citra YCbCr YCbCr merupakan standar internasional bagi pengkodean digital gambar televisi yang didefinisikan di CCIR. Y merupakan komponen luminance, Cb dan Cr adalah komponen chrominance. Pada

monitor

monokrom

nilai

luminance

digunakan

untuk

merepresentasikan warna RGB. Chrominance merepresentasikan corak warna dan saturasi (saturation). Nilai komponen ini juga mengindikasikan banyaknya warna biru dan merah pada warna.

Gambar 8 Dekomposisi citra RGB ke dalam komponen luminance dan chrominance (Tofani K. M. H. S, 2010) commit to user



2.1.3.4 Citra Grayscale Dalam komputasi, suatu citra digital grayscale atau greyscale adalah suatu citra dimana nilai dari setiap pixel merupakan sample tunggal. Citra yang ditampilkan dari citra jenis ini terdiri atas warna abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”, dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu ”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap pixel pada spektrum elektromagnetik single band. Citra grayscale disimpan dalam format 8 bit untuk setiap sample pixel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manupulasi bit yang tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan remote sensing

biasa juga digunakan format 10,12

maupun 16 bit.

Gambar 9 Citra grayscale dan citra hitam putih (Fatta H.A, 2007)

2.1.3.5 Citra Biner Citra biner, yaitu citra yang hanya terdiri atas dua warna, yaitu hitam dan putih. Oleh karena itu, setiap pixel pada citra biner cukup direpresentasikan dengan 1 bit. commit to user



Gambar 10 Representasi citra biner (Hidayat W, 2010) Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih kaya dari citra biner, namun tidak membuat citra biner mati. Pada beberapa aplikasi citra biner masih tetap di butuhkan, misalkan citra logo instansi ( yang hanya terdiri dari warna hitam dan putih), citra kode barang (bar code) yang tertera pada label barang, citra hasil pemindaian dokumen teks, dan sebagainya. Seperti yang sudah disebutkan diatas, citra biner hanya mempunyai dua nilai derajat keabuan : hitam dan putih. Pixel – pixel objek bernilai 1 dan pixel – pixel latar belakang bernilai 0. Pada waktu menampilkan gambar adalah putih dan 1 adalah hitam. Jadi pada citra biner, latar belakang berwarna putih sedangkan objek berwarna hitam seperti tampak pada gambar 2.1 diatas. Meskipun komputer saat ini dapat memproses citra hitam-putih (grayscale) maupun citra berwarna, namun citra biner masih tetap di pertahankan keberadaannya. Alasan penggunaan citra biner adalah karena citra biner memiliki sejumlah keuntungan sebagai berikut: 1). Kebutuhan memori kecil karena nilai derajat keabuan hanya membutuhkan representasi 1 bit. 2). Waktu pemrosesan lebih cepat di bandingkan dengan citra hitamputih ataupun warna.

commit to user



2.1.4

Deteksi Tepi Deteksi Tepi (Yew G.E., 2010) adalah alat dasar yang digunakan dalam berbagai aplikasi pengolah gambar untuk memperoleh informasi dari frame sebagai langkah awal untuk fitur ekstraksi dan segmentasi objek. Proses ini mendeteksi garis luar dari suatu obyek dan batas-batas antara objek dengan latar belakang gambar. Fungsi filter deteksi tepi juga bisa digunakan untuk meningkatkan gambar yang kabur atau anti-aliased video streaming. Deteksi tepi (Edge Detection) (Gunawan B, 2009) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah : •

Untuk menandai bagian yang menjadi detail citra

•

Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi citra Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik

tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh.

Gambar 11 Proses Edge Detection (Gunawan, 2009) Pada gambar di bawah terlihat bahwa hasil deteksi tepi beberapa citra menggunakan model diferensial berupa tepi-tepi dari suatu gambar.

commit to user



Gambar 12 Hasil Edge Detection (Gunawan, 2009)

2.1.5

Difference Edge Detection Metode yang dibuat oleh Caragea (2008), Difference Edge Detection mendeteksi perbedaan antara pasangan pixel di sekitar pixel dan menggunakan nilai tertinggi dari perbedaan empat pasang pixel yang dapat digunakan untuk membentuk garis melalui pixel tengah.

Gambar 13 Algoritma Differerence Edge Detection

2.1.6

Grayscale Filter Grayscale filter digunakan untuk mengubah gambar berwarna menjadi sebuah gambar hitam putih dengan cara mengubah efek warna dari masingmasing pixel menjadi derajat keabua-abuan. Citra hasil color filtering kemudian dikonversi menjadi grayscale agar dapat digunakan oleh class Blob Counter. Proses konversi dari citra berwarna

commit to user



menjadi grayscale menggunakan koefesian dari ITU- Recommendation BT.709. Grayscale = 0.2125 * red + 0.7154 * green + 0.0721 * blue

2.1.7

Binary Thresholding Filtering Citra Biner (Threshold) dilakukan dengan mempertegas citra dengan cara mengubah citra hasil yang memiliki derajat keabuan 256 (8 bit), menjadi hanya dua buah yaitu hitam dan putih. Hal yang perlu diperhatikan pada proses Thresholding adalah memilih sebuah nilai

threshold dimana piksel yang

bernilai dibawah nilai threshold akan diset menjadi hitam dan piksel yang bernilai diatas nilai threshold akan diset menjadi putih. Misalkan ditetapkan suatu nilai batas / ambang, sebesar 128 dimana elemen-elemen (pixel) pada citra batas nilainya lebih kecil dari pada nilai batas tersebut ‘menyala’, dan elemen-elemen lainnya dianggap ‘dimatikan’, dan keduanya diubah nilainya sesuai statusnya.

2.1.8

Brightness Detection Brightness Detection mendeteksi pixel yang paling terang pada gambar yang diproses dengan metode ini dengan pencahayaan di atas nilai ambang tertentu yang telah ditentukan. Luminance dari pixel dapat dihitung dengan menggunakan nilai RGB-nya, dengan rumus sederhana: Luminance = (299 * red + 587 * green + 114 * blue) / 1000

2.1.9

Blob Detection Algorithm Salah satu dari Edge Detection yang dipakai untuk mendapatkan koordinat objek adalah dengan menggunakan metode deteksi blob yaitu mendeteksi kumpulan titik-titik pixel yang memiliki warna berbeda (lebih terang atau lebih gelap) dari latar belakang dan menyatukannya dalam suatu region. Dalam penelitian tugas akhir ini, warna latar belakang ditentukan berwarna hitam sedang warna objek terdeteksi ditentukan berwarna putih (lebih terang).

commit to user



2.1.10 Quadrilateral Transformation Quadrilateral Transformation adalah algoritma transformasi segiempat, yang memungkinkan untuk mengubah setiap segiempat dari sumber gambar yang diberikan kepada gambar persegi panjang. Ide dari algoritma ini didasarkan pada transformasi homogen dan matematika yang digambarkan oleh Paulus Heckbert (1989).

2.1.11 Gradient Calculation Gradient Calculation (Derhgawen A, 2007) adalah mengenali banyak titik yang bergerak sepanjang sumbu x dan y, sehingga dapat digunakan untuk mengenali gerakan. Sebagai contoh, jika gerakan titik laser sepanjang sumbu xjauh lebih dari gerakan di sepanjang sumbu y, gerakan ini kurang lebihnya membentuk gerakan horisontal. Jadi, berdasarkan posisi awal dan akhir dari titik laser pointer, akan menentukan apakah gerakan itu ke kiri atau ke kanan. Teknik yang sama digunakan juga untuk mendeteksi ke atas, ke bawah, dan gerakan diagonal

Gambar 14 Gradient Calculation (Derhgawen A, 2007)

2.2

PENELITIAN TERKAIT Pada studi literatur yang telah dilakukan, penelitian sejenis telah banyak dilakukan, terutama untuk mengenali sinar laser pointer, tetapi berbeda metode dan implementasinya. Penelitian Kirstein dan Heinrich Müller yang berjudul Interaction with a Projection Screen Using a Camera-Tracked Laser Pointer, banyak digunakan sebagai rujukan dalam penelitian mengenai pengenalan sinar laser pointer dengan webcam untuk berbagai aplikasi. Berikut adalah uraian penelitian yang sudah ada mengenai pengenalan sinar laser pointer:

commit to user



2.2.1

Interaction with a Projection Screen Using a Camera-Tracked Laser Pointer Penelitian (Kirstein C., Muller H., 1998) ini menerangkan bagaimana cara membuat sebuah sistem untuk berinteraksi secara langsung dengan layar proyeksi video menggunakan laser pointer. Titik laser pada layar ditangkap oleh kamera video, dan lokasi tersebut diketahui dengan teknik pengolahan citra (image processing). Perilaku titik ini diterjemahkan menjadi sinyal yang dikirim menjadi input pada mouse komputer dan menyebabkan reaksi yang sama apabila mouse digerakkan, sehingga kursor mouse dapat digerakkan hanya menggunakan laser pointer. Algoritma yang digunakan adalah Motion Detection, Pattern Recognition dan SubPixel Estimation.

Gambar 15 Skenario sistem interaksi (Kirstein C, 1998)

2.2.2

Laser Pointer Interaction Techniques using Peripheral Areas of Screens Pada paper ini menjelaskan tentang teknik interaksi baru yang menggunakan laser pointer secara langsung dengan memanipulasi aplikasi yang ditunjukkan pada layar besar. Teknik ini berdasarkan pada teknik goal-crossing dan kuncinya adalah pada empat area layar perangkat yang sangat besar. Teknik ini membuat pengguna mudah untuk menjalankan perintah, dan interaksi yang berdasarkan pada teknik crossing memungkinkan pengguna untuk mengeksekusi perintah dengan cepat dan berkesinambungan. (Shizuki B., Hisamatsu T., Takahashi S., Tanaka J., 2006).

2.2.3

Image processing Based Tracking System Pengolahan citra (image processing) berbasis sistem pelacakan yang dilengkapi dengan sistem komputasi yang kuat telah banyak memunculkan

commitsaat to user aplikasi dalam berbagai bidang ini. Dalam tulisan ini, pengolahan citra



berbasis sistem pelacakan. Dalam rangka untuk mengenali pola warna atau titik yang diinginkan pada projector screen biasanya menggunakan perangkat keras bertipe filter. Algoritma-algoritma untuk mengenali pola inilah yang dibahas dalam jurnal ini, yaitu Color Separation Filter. (Alitavoli M., Basiri S., Basiri B., 2006)

2.2.4

uPen Paper yang berjudul “uPen: A Smart Pen-liked Device for Facilitating Interaction on

Large Displays” ini menyajikan uPen, laser pointer

dikombinasikan dengan switch-kontak, tiga tombol dan modul komunikasi nirkabel. Perangkat interaksi baru memungkinkan pengguna untuk berinteraksi pada layar besar di kejauhan atau langsung seperti pada mouse komputer. Aplikasi onboard memungkinkan sistem uPen untuk mengidentifikasi pengguna yang berbeda dan menyediakan layanan pribadi kepada mereka, seperti berhubungan antar pengguna dengan hak-hak tertentu, memberikan akses ke konten pribadi setiap pengguna (misalnya, halaman rumah, kalender pribadi). Selain itu, dengan metode asosiasi dua langkah, sistem uPen memiliki kemampuan untuk membedakan stroke dari uPen yang berbeda dan bekerja secara simultan serta mendukung interaksi multiuser. Sebuah sistem prototipe telah diterapkan pada Smart Class peneliti dan studi mengatakan bahwa mahasiswa mendapatkan manfaat dalam menggunakan sistem uPen ini. (Bi X., Shi Y., Xiaojie C., 2006)

2.3

RENCANA PENELITIAN Penelitian yang akan dilakukan pada tugas akhir ini hanya menggunakan laser pointer dan webcam biasa, berbeda dengan uPen pada penelitian oleh Xiaojun Bi (2006), dengan menggunakan beberapa metode image processing pada pengenalan sinar video projector untuk kalibrasi display dengan quadrilateral transformation dan pengenalan sinar laser pointer untuk mendapatkan koordinat lokasi sinar laser pointer tersebut, sehingga dapat ditransformasikan menjadi sebuah gerak cursor pointer mouse, berbeda metode yang digunakan oleh Majid Alitavol (2006), Buntarou Shizuki commit to user



(2006) dan Kirstein (1998). Aplikasi ini mempunyai beberapa tahapan yang akan dijelaskan secara terperinci pada diagram berikut ini:

Gambar 16 Tahapan aplikasi Airboard a. Tahap Kalibrasi Tampilan, yaitu tahap kalibrasi untuk mendeteksi area video projector pada display kamera yang akan digunakan untuk mentranslasikan koordinat lokasi sinar laser pointer ke koordinat lokasi sebenarnya pada display komputer. b. Tahap Deteksi Laser, yaitu tahap untuk mendeteksi sinar laser pointer dan lokasi koordinatnya yang akan digunakan pada tahapan selanjutnya. Pada tahap ini terdapat 4 metode, yaitu: i. Brighntess Laser Detection (M1), metode yang ditawarkan oleh Derhgawen (2007) ini berbasis brightness pixel, sesuai dengan spesifikasi laser pointer pada saat tertangkap oleh sebuah layar, yaitu berwarna putih di pusat sinar laser pointer dan memudar di sekelilingnya. ii. Difference Edge Laser Detection (M2), metode ini merupakan hasil ujicoba pada saat penelitian yang berbasis pada brightness pixel dengan menggunakan difference edge detection untuk mengatasi perbedaan pixel sinar laser pointer pada saat digerakkan dimana nilai brightness-nya hampir sama dengan sinar dari video projector. iii. Brightness and Extract Red Channel Laser Detection (M3), metode ini merupakan hasil ujicoba pada saat penelitian yang berbasis pada brightness pixel dengan menggunakan brightness correction dan extract red channel untuk mengatasi perbedaan pixel sinar laser pointer pada saat digerakkan dimana nilai brightness-nya hampir sama dengan sinar dari video projector. commit to user



iv. Extract Cr and Difference Edge Laser Detection (M4), metode ini merupakan hasil ujicoba pada saat penelitian yang berbasis pada brightness pixel dengan menggunakan Extract Cr dan Difference Edge Detection untuk mengatasi perbedaan pixel sinar laser pointer pada saat digerakkan dimana nilai brightness-nya hampir sama dengan sinar dari video projector. c. Tahap Deteksi Perintah, yaitu mendeteksi perintah yang diinputkan melalui pergerakan sinar laser pointer. Pada tahap ini ada 4 perintah yang bisa digunakan, yaitu Next Slide, Previous Slide, Draw On (pointer pen aktif), Draw Off (pointer pen tidak aktif) d. Tahap Interpretasi, yaitu tahapan memanfaatkan koordinat laser pointer dan perintah pada tahap sebelumnya untuk diubah menjadi gerak cursor pointer mouse, untuk navigasi dan untuk menjalankan pointer pen pada aplikasi microsoft power point. Sedangkan untuk proses pengujian hanya untuk menguji pada 3 tahapan saja, yaitu: a. Tahap Kalibrasi Pada tahap kalibrasi dilakukan pengujian, dengan menghitung selisih perbedaan antara kalibrasi manual dan kalibrasi otomatis dengan berbagai threshold. b. Tahap Deteksi Laser Tahap deteksi laser dilakukan pengujian dengan equivalence partitioning class pada data valid dengan variasi data berupa sinar laser (3 sinar laser), 9 titik, dan metode (4 metode) dilakukan sebanyak 5 kali, sehingga total pengujian sebanyak 540 percobaan. c. Tahap Deteksi Perintah Tahap deteksi laser dilakukan pengujian dengan equivalence partitioning class pada data valid dengan variasi data berupa sinar laser (3 sinar laser), perintah (4 buah perintah), gerak (3 gerakan tiap perintah), kecepatan (lambat dan cepat) dan metode (4 metode) dilakukan sebanyak 2 kali, sehingga total pengujian sebanyak 576 percobaan.

commit to user


digilib.uns.ac.id 23 BAB III METODOLOGI PENELITIAN

3

PERENCANAAN SISTEM Metodologi yang akan digunakan pada penelitian ini ditunjukkan pada gambar 17.

Gambar 17 Diagram rancangan alur pelaksanaan tugas akhir 3.1

TAHAP PERSIAPAN (STUDI PUSTAKA) Studi pustaka yaitu dengan mengumpulkan referensi berupa buku-buku tentang teori Laser Detection, jurnal, skripsi, maupun tulisan ilmiah yang dimuat di situs maupun web. Referensi tersebut kemudian dilakukan pemilahan topik masalah mengenai penelitian yang berhubungan dengan tugas akhir ini dan pernah dilakukan oleh peneliti lain. Output yang ingin dihasilkan dari penelitian ini adalah rangkuman dasar teori dan hasil dari penelitian sebelumnya.

3.2

TAHAP ANALISA DAN PERANCANGAN Membuat analisa dari studi pustaka yang telah dilakukan sebelumnya dan membuat rancangan sistem yang akan digunakan untuk membuat aplikasi airboard. Output dari analisan dan perancangan adalah arsitektur aplikasi dan algoritma yang akan digunakan dalam pembuatan aplikasi airboard.

3.3

TAHAP IMPLEMENTASI Setelah menganalisis dan merancang, selanjutnya tahap implementasi dengan tujuan menghasilkan prototype program yang sesuai dengan hasil perancangan di atas.

commit to user 23



3.3.1 Menulis Kode Program Kegiatan

selanjutnya

adalah

penulisan

kode

program

(coding)

menggunakan lingkungan bahasa pemrograman dan platform yang telah ditentukan. Seluruh fungsi yang ada dalam program diterjemahkan ke dalam rangkaian kode sumber aplikasi hingga selanjutnya menjadi sebuah prototype sistem yang bisa digunakan. Perangkat yang digunakan untuk mengimplementasikan rancangan yang telah dibuat meliputi perangkat lunak dan perangkat keras, yaitu 1. Ruang Lingkup Perangkat Lunak Perangkat lunak yang digunakan untuk membangun aplikasi ini antara lain : a. Microsoft Visual C# 2008 Express Edition b. Library Aforge.Net 2. Ruang Lingkup Perangkat Keras Perangkat keras yang digunakan untuk penelitian ini antara lain : a. Personal Computer dengan spesifikasi sebagai berikut: i. Intel Core 2 Duo 1,73Ghz ii. RAM 512 MB iii. Hardisk 80GB b. Webcam resolusi quarter VGA (320 x 240) px c. Laser Pointer dengan 3 warna yang berbeda, yaitu red beam laser (laser merah), green beam laser (laser hijau), dan blue beam laser (laser biru)

3.3.2 Debugging Selanjutnya dilakukan debugging untuk menguji aplikasi serta mencari error yang masih terdapat pada program untuk selanjutnya diperbaiki.

3.4

TAHAP PENGUJIAN Teknik pengujian dilakukan dengan melihat pada tahapan-tahapan yang dilakukan pada penelitian ini, tetapi hanya dilakukan ujicoba hingga tahap ketiga (command detection), karena pada tahap keempat tidak menggunakan metode yang

commit to user



khusus, hanya memanfaatkan API Windows saja. Berikut adalah teknik pengujian masing-masing tahapan, yaitu 3.4.1

Tahap Kalibrasi Tampilan (Display Calibration) Pada tahap kalibrasi dilakukan pengujian, dengan menghitung selisih perbedaan antara kalibrasi manual dan kalibrasi otomatis dengan berbagai threshold. Pada tahap ini, pengujian dilakukan dengan membandingkan 2 metode kalibrasi antara manual dan otomatis dengan 2 tempat yang berbeda dimana masing-masing tempat mempunyai threshold range yang berbeda untuk menentukan koordinat 4 titik pada display video projector yang tertangkap pada display webcam. Alur pengujian pada tahap ini secara detail adalah seperti di bawah ini: 1) Pada tempat pertama dilakukan : a) Kalibrasi manual dengan melakukan ujicoba kalibrasi sebanyak 5 kali. b) Kalibrasi otomatis dengan bermacam-macam range threshold berjarak 10 yang masih dapat mendeteksi titik pojok display video projector, dimana masing-masing nilai threshold melakukan ujicoba kalibrasi sebanyak 5 kali. 2) Pada tempat kedua dilakukan : a) Kalibrasi manual dengan melakukan ujicoba kalibrasi sebanyak 5 kali. b) Kalibrasi otomatis dengan bermacam-macam range threshold berjarak 10 yang masih dapat mendeteksi titik pojok display video projector, dimana masing-masing nilai threshold melakukan ujicoba kalibrasi sebanyak 5 kali.

3.4.2

Tahap Deteksi Laser (Laser Detection) Tahap

deteksi

laser

dilakukan

pengujian

dengan

equivalence

partitioning class pada data valid dengan variasi data berupa sinar laser (3 sinar laser yang mempunyai warna laser berbeda-beda, yaitu red beam laser (laser merah), green beam laser (laser hijau), dan blue beam laser (laser biru)), 9 titik, dan metode (4 metode) dilakukan sebanyak 5 kali, sehingga total pengujian sebanyak 540 percobaan. commit to user



Alur pengujian pada tahap ini secara detail, yaitu dengan masingmasing metode (ada 4 metode), dilakukan ujicoba keberhasilan deteksi laser pada: 1) Titik I (daerah atas kanan) selama 5 detik ujicoba 2) Titik II (daerah atas tengah) selama 5 detik ujicoba 3) Titik III (daerah atas kiri) selama 5 detik ujicoba 4) Titik IV (daerah tengah kanan) selama 5 detik ujicoba 5) Titik V (daerah tengah tengah) selama 5 detik ujicoba 6) Titik VI (daerah tengah kiri) selama 5 detik ujicoba 7) Titik VII ( daerah bawah kanan) selama 5 detik ujicoba 8) Titik VIII (daerah bawah tengah) selama 5 detik ujicoba 9) Titik IX (daerah bawah kiri) selama 5 detik ujicoba

3.4.3

Tahap Deteksi Perintah (Command Detection) Tahap

deteksi

laser

dilakukan

pengujian

dengan

equivalence

partitioning class pada data valid dengan variasi data berupa sinar laser (3 sinar laser), perintah (4 buah perintah), gerak (3 gerakan tiap perintah), kecepatan (lambat dan cepat) dan metode (4 metode) dilakukan sebanyak 2 kali, sehingga total pengujian sebanyak 576 percobaan. Alur pengujian pada tahap ini secara detail, yaitu pada masing-masing metode (ada 4 metode), dilakukan ujicoba keberhasilan deteksi perintah dengan 1) Perintah I (kanan) a) Kanan Atas dengan 2 kecepatan yang berbeda b) Kanan Tengah dengan 2 kecepatan yang berbeda c) Kanan Bawah dengan 2 kecepatan yang berbeda Perintah dikatakan sukses, apabila terjadi perubahan slide sebelum perintah selanjutnya dieksekusi (yaitu slide berubah menjadi slide setelahnya). Apabila tidak terdapat perubahan slide, maka perintah command detection dikatakan gagal. 2) Perintah II (kiri) a) Kiri Atas dengan 2 kecepatan yang berbeda commit to user



b) Kiri Tengah dengan 2 kecepatan yang berbeda c) Kiri Bawah dengan 2 kecepatan yang berbeda Perintah dikatakan sukses, apabila terjadi perubahan slide sebelum perintah selanjutnya dieksekusi (yaitu slide berubah menjadi slide sebelumnya). Apabila tidak terdapat perubahan slide, maka perintah command detection dikatakan gagal. 3) Perintah III (atas) a) Atas Kanan dengan 2 kecepatan yang berbeda b) Atas Tengah dengan 2 kecepatan yang berbeda c) Atas Kiri dengan 2 kecepatan yang berbeda Perintah dikatakan sukses, apabila perintah selanjutnya adalah arah ke bawah untuk mulai menggambar dan menghasilkan goresan yang menunjukkan bahwa Draw On sudah aktif. Apabila perintah selanjutnya arah ke atas, maka perintah ke atas sebelumnya gagal, dan harus dilakukan ulang perintah. 4) Perintah IV (bawah) a) Bawah Kanan dengan 2 kecepatan yang berbeda b) Bawah Tengah dengan 2 kecepatan yang berbeda c) Bawah Kiri dengan 2 kecepatan yang berbeda Perintah dikatakan sukses dilihat dari hasil perintah selanjutnya, yaitu perintah arah ke atas untuk mulai mengaktifkan kembali mode Draw On. Apabila tidak menghasilkan goresan, maka perintah bawah sukses. Apabila menghasilkan goresan, berati mode Draw On masih aktif lagi. 3.5

TAHAP PENULISAN LAPORAN Tahap akhir adalah penulisan laporan berdasarkan implementasi yang sudah dilakukan. Penulisan laporan meliputi penulisan bagian pendahuluan, penulisan bagian pembahasan, dan terakhir adalah menarik kesimpulan untuk menjawab rumusan masalah yang telah ditentukan sebelumnya.

commit to user


digilib.uns.ac.id

BAB IV HASIL DAN PEMBAHASAN 4 4.1

HASIL DAN PEMBAHASAN ARSITEKTUR APLIKASI Studi pustaka yang telah dilakukan menghasilkan sebuah solusi perancangan aplikasi berupa diagram tahapan deteksi laser dan interpretasinya untuk menjalankan materi presentasi berbasis IT serta untuk menjadi sebuah “pena” dalam menulis pada materi presentasi tersebut. Aplikasi ini dilakukan melalui empat tahap, yaitu kalibrasi tampilan, deteksi laser, deteksi perintah dan tahap interpretasi sesuai dengan gambar 18.

Gambar 18 Arsitektur Sistem

commit to user 28



4.2

METODE DAN ALGORITMA PENELITIAN Metode yang digunakan pada penelitian ini mempunyai 4 tahapan, yaitu 4.2.1

Tahap Kalibrasi Tampilan (Display Calibration) Display Calibration, yaitu kalibrasi untuk mendeteksi area video projector pada display kamera yang akan digunakan untuk mentranslasikan koordinat lokasi sinar laser pointer ke koordinat lokasi sebenarnya pada display komputer. Pada tahap ini ada beberapa metode yang dilakukan pada penelitian ini, yaitu: a. Auto Calibration (Difference Edge Detection)

Gambar 19 Proses Auto Calibration Pada tahap ini ada beberapa metode yang dilakukan, yaitu: a) Grayscale Transformation, yaitu tahapan untuk mengubah citra asli yang didapatkan dari sumber utama menjadi citra grayscale. b) Difference Edge Detection, yaitu tahapan mendeteksi perbedaan warna pasangan pixel yang berbeda pada citra grayscale. c) Threshold Filtering, yaitu tahapan untuk mengubah citra grayscale yang dihasilkan oleh Difference Edge Detection menjadi citra biner dengan menentukan nilai threshold tertentu. d) Blob Detection, yaitu tahapan mendeteksi kumpulan pixel yang mempunyai warna yang berbeda dari citra latar belakang dan menyatukannya menjadi satu region. Pada tahapan ini menghasilkan 4 titik koordinat kalibrasi. b. Manual Calibration

Gambar 20 Proses Manual Calibration Pada tahap ini, pengguna hanya memasukkan inputan sebanyak 4 titik, dengan cara menekan Klik Kiri dari titik 1 sampai dengan titik 4, dan untuk menghubungkan dengan titik pertama cukup dengan menekan Klik

commit to user



Kanan (setelah titik ke-4 di-Klik). Pada tahapan ini, dilakukan tahapan penyimpanan koordinat kalibrasi.

c. Coordinate Transformation

Gambar 21 Proses Quadrilateral Transformation Pada tahap ini dilakukan perubahan bentuk dari segi empat yang dihasilkan dari kalibrasi menjadi segi empat beraturan sesuai dengan layar komputer. Perubahan bentuk ini akan menentukan perubahan hasil tangkapan koordinat pada pendeteksian sinar laser pointer, terutama pada saat interpretasi cursor pointer mouse.

Gambar 22 Proses Transformasi Display

4.2.2

Tahap Deteksi Laser (Laser Detection) Laser Detection, yaitu mendeteksi sinar laser pointer dan lokasi koordinatnya yang akan digunakan pada tahapan interpretasi a. Brightness Laser Detection (M1)

Gambar 23 Proses Brightness Detection Pada tahap ini dilakukan brightness detection, yaitu tahapan mengambil nilai RGB (Red Green Blue) tiap pixel pada suatu citra dan menghitung pixel yang paling terang dengan menggunakan rumus brightness, sehingga ditemukan titik yang paling terang dari suatu citra tersebut.

commit to user



b. Difference Edge Laser Detection (M2)

Gambar 24 Proses Difference Edge Laser Detection Pada tahap ini dilakukan beberapa tahapan yaitu: a) Grayscale Transformation, yaitu tahapan mengubah citra pada tahapan sebelumnya yang hanya menampilkan warna tertentu saja menjadi citra grayscale (abu-abu). b) Difference Edge Detection, yaitu tahapan mendeteksi perbedaan warna pasangan pixel yang berbeda pada citra grayscale tahapan sebelumnya. c) Threshold Filtering, yaitu tahapan mengubah citra grayscale menjadi citra biner dengan titik threshold yang telah ditentukan. d) Blob Detection, yaitu tahapan mendeteksi kumpulan pixel yang mempunyai warna yang berbeda dari citra latar belakang dan menyatukannya menjadi satu region. Pada tahapan ini menghasilkan 1 titik koordinat dari hasil tangkapan sinar laser pointer pada citra asli.

c. Brightness and Extract Red Channel Laser Detection (M3)

Gambar 25 Proses Brightness and Extract Red Channel Laser Detection Pada tahap ini dilakukan beberapa tahapan yaitu: a) Brightness Correction, yaitu filter yang beroperasi di ruang warna HSL dan menyesuaikan nilai kecerahan pixel menggunakan nilai luminance tertentu dari ruang warna HSL. b) Extract RGB Red Channel, yaitu filter warna dengan cara mengambil channel warna Merah (Red Channel) pada suatu citra dari ruang warna RGB dan mengubah citra tersebut menjadi citra grayscale. c) Threshold Filtering, yaitu tahapan mengubah citra grayscale menjadi citra biner dengan titik threshold yang telah ditentukan. d) Blob Detection, yaitu tahapan mendeteksi kumpulan pixel yang mempunyai warna yang berbeda dari citra latar belakang dan commit to user



menyatukannya menjadi satu region. Pada tahapan ini menghasilkan 1 titik koordinat dari hasil tangkapan sinar laser pointer pada citra asli.

d. Extract Cr and Difference Edge Laser Detection (M4)

Gambar 26 Proses Extract Cr and Difference Edge Laser Detection Pada tahap ini dilakukan beberapa tahapan yaitu: a) Extract YCbCr Cr Index, yaitu filter warna dengan cara mengambil channel warna Cr (Chrominen) pada suatu citra dari ruang warna HSL dan mengubah citra tersebut menjadi citra grayscale. b) Difference Edge Detection, yaitu tahapan mendeteksi perbedaan warna pasangan pixel yang berbeda pada citra grayscale tahapan sebelumnya. c) Threshold Filtering, yaitu tahapan mengubah citra grayscale menjadi citra biner dengan titik threshold yang telah ditentukan. d) Blob Detection, yaitu tahapan mendeteksi kumpulan pixel yang mempunyai warna yang berbeda dari citra latar belakang dan menyatukannya menjadi satu region. Pada tahapan ini menghasilkan 1 titik koordinat dari hasil tangkapan sinar laser pointer pada citra asli.

4.2.3

Tahap Deteksi Perintah (Command Detection) Command Detection, mendeteksi perintah yang diinputkan melalui pergerakan sinar laser pointer. Pada tahap ini ada 4 perintah yang bisa digunakan, yaitu Next Slide, Previous Slide, Draw On (pointer pen aktif), Draw Off (pointer pen tidak aktif)

Gambar 27 Proses Gradient Calculation Pada tahapan ini dilakukan tahapan Gradient Calculation, untuk menentukan perintah yang dimasukkan oleh pengguna. Perintah yang akan digunakan ada 4 macam perintah, yaitu:

commit to user



a. Kiri (Previous Slide) Perintah yang digunakan pada bagian ini adalah mengarahkan laser pointer dari arah KANAN KE KIRI. b. Kanan (Next Slide) Perintah yang digunakan pada bagian ini adalah mengarahkan laser pointer dari arah KIRI KE KANAN. c. Atas (Draw On) Perintah yang digunakan pada bagian ini adalah mengarahkan laser pointer dari arah ATAS KE BAWAH. d. Bawah (Draw Off) Perintah yang digunakan pada bagian ini adalah mengarahkan laser pointer dari arah BAWAH KE ATAS.

Gambar 28 Perintah dari Airboard 4.2.4

Tahap Interpretasi (Interpretation) Tahapan memanfaatkan koordinat laser pointer dan perintah pada tahap sebelumnya untuk diubah menjadi gerak cursor pointer mouse, untuk navigasi dan untuk menjalankan pointer pen pada aplikasi microsoft power point. Pada tahap ini tidak menggunakan metode yang khusus, karena hanya memanfaatkan API pada Windows saja. Pada tahapan ini meliputi beberapa bagian dibawah ini, yaitu: a. Cursor Pointer Mouse Pada tahap ini digunakan API Mouse pada Microsoft Windows yang akan menggerakkan cursor pointer mouse berdasar koordinat lokasi sinar laser yang ditemukan.

commit to user



b. Microsoft power point Pada tahap ini digunakan API Windows, yaitu mendeteksi Windows microsoft power point yang aktif dan mengaktifkannya. Perintah-perintah pada command detection dieksekusi pada tahap ini, yaitu: a) Kiri (Previous Slide), aplikasi secara otomatis menekan huruf p b) Kanan (Next Slide) , aplikasi secara otomatis menekan huruf n c) Atas (Draw On) , aplikasi secara otomatis menekan tombol control+p d) Bawah (Draw Off) , aplikasi secara otomatis menekan tombol control+a c. PointerPen Pada tahap digunakan API Mouse pada Microsoft Windows pada saat presentasi sedang dilakukan serta mode DrawOn aktif. Pada saat laser belum berhenti, maka KLIK KIRI pada Mouse telah diaktifkan tanpa melepas KLIK KIRI. Pada saat laser sudah tidak terdeteksi lagi, maka KLIK KIRI pada Mouse di-nonaktifkan atau dilepaskan.

4.3

HASIL IMPLEMENTASI SISTEM 4.3.1

Algoritma dan Metode Penelitian a. Tahap Kalibrasi Display 1) Kalibrasi Manual

2) Kalibrasi Otomatis a. GrayImage

commit to user



b. Difference edge detector

c. Threshold Filter

d. Blob Detection

e. Shape Checker

3) Transformasi Koordinat

b. Tahap Deteksi Laser 1) Metode 1

commit to user



2) Metode 2 Sama dengan metode kalibrasi otomatis, hanya berbeda pada metode Blob Detection, yaitu:

3) Metode 3 Hampir sama dengan metode 2, namun metode pertama dan kedua saja yang berbeda. Metode pertama digunakan Brightness Correction dan Metode 2 digunakan ExtractChannel Red.

4) Metode 4 Hampir sama dengan metode 2, namun metode pertama dan kedua saja yang berbeda. Metode pertama digunakan YCbCr Extract Channel Cr dan Metode 2 digunakan commit to user Difference Edge Detection.



c. Tahap Deteksi Perintah 1) Inisialisasi titik yang disimpan, dengan cara: a) Titik Awal dengan x1 dan y1

b) Titik Akhir dengan x2 dan y2

2) Menghitung nilai dx dan dy

3) Menentukan Perintah yang dihasilkan (kanan, kiri, atas, bawah, dan diagonal)

commit to user



4) Jika Semua perintah tidak ada, maka deteksi perintah memberikan nilai ”?”

d. Tahap Interpretasi 1) Cursor Pointer Mouse

2) Powerpoint

Di dalam foreach tersebut, dilakukan deteksi adanya Microsoft power point

commit to user



Jika tidak dalam posisi Draw On, maka

commit to user



3) Pointer Pen

4.3.2

Screen Output Implementasi a. Kalibrasi Tampilan 1) Kalibrasi Manual Pada tahap ini, pengguna hanya memasukkan inputan sebanyak 4 titik, dengan cara menekan Klik Kiri dari titik 1 (pojok kiri atas), titik 2 (pojok kanan atas), titik 3 (pojok kanan bawah) dan terakhir titik 4 (pojok kiri bawah) Langkah terakhir pengguna untuk menghubungkan titik pertama dengan titik keempat cukup dengan menekan Klik Kanan (setelah titik ke-4 di-Klik).

Gambar 29 Output Kalibrasi Manual 2) Kalibrasi Otomatis Pada tahap ini, pengguna hanya menekan tombol kalibrasi saja secara langsung, karena aplikasi ini akan secara otomatis mendeteksi area video projector yang digunakan.

commit to user



Gambar 30 Tampilan airboard v.2 pada saat kalibrasi otomatis Proses yang dilakukan sesuai gambar 31, yaitu Grayscale Transformation (kiri atas), Difference Edge Detection (kanan atas), Threshold Filtering (kiri bawah), dan terakhir Blob Detection (kanan bawah) yang menghasilkan koordinat dari keempat titik pojok dari area video projector.

Gambar 31 Proses kalibrasi otomatis Pada aplikasi ini, pengguna sebenarnya memasukkan threshold yang sesuai agar dapat digunakan untuk mendeteksi area video projector. Pemilihan nilai threshold yang sesuai akan menentukan

commit to user



keberhasilan dan akurasi koordinat titik pojok yang dihasilkan yang diperlihatkan pada gambar 32.

Threshold = 0

Threshold = 10

Threshold = 20

Threshold = 30

Threshold = 40

Threshold = 50

Threshold = 60

Threshold = 70

Gambar 32 Perbedaan treshold pada kalibrasi otomatis 3) Transformasi Koordinat Proses yang dilakukan setelah menemukan koordinat keempat titik pojok sesuai gambar 33, yaitu transformasi koordinat dari area webcam yang cukup luas (kiri) berubah menjadi area video projector (kanan).

commit to user



Gambar 33 Perbedaan Gambar yang belum mengalami kalibrasi display dan telah terkalibrasi display (terdapat proses transformasi koordinat)

b. Deteksi Laser Tahap yang dilakukan selanjutnya adalah tahap deteksi laser. Pada tahap ini, terdapat 4 metode yang digunakan yang menghasilkan koordinat titik laser pointer dari area yang telah tertransformasi sesuai gambar 33 bagian kanan. Tampilan pada saat digunakan aplikasinya ditunjukkan pada gambar 34, sedangkan koordinat titik laser pointer yang ditemukan pada area tertransformasi ditunjukkan pada gambar 35.

Gambar 34 Output Airboard v2 pada saat deteksi laser

Gambar 35 Hasil deteksi laser yang menghasilkan koordinat

commit to user



1) Metode 1 (Brightness Laser Detection) Metode ini dilakukan brightness detection, yaitu tahapan mengambil nilai RGB (Red Green Blue) tiap pixel pada suatu citra dan menghitung pixel yang paling terang dengan menggunakan rumus brightness, sehingga ditemukan titik yang paling terang dari suatu citra tersebut.

Gambar 36 Perubahan Citra pada Metode 1 2) Metode 2 (Difference Edge Laser Detection) Metode ini dilakukan beberapa proses sesuai gambar 37, yaitu dari citra webcam (kiri atas) yang kemudian dilakukan tahap kalibrasi tampilan menjadi area tertransformasi (tengah atas) tanpa koordinat, Grayscale Transformation (kanan atas), Difference Edge Detection (kiri bawah), Threshold Filtering (tengah bawah), dan terakhir Blob Detection (kanan bawah) yang menghasilkan koordinat titik laser pointer.

Gambar 37 Perubahan Citra pada Metode 2

commit to user



3) Metode 3 (Brightness and Extract Red Channel Laser Detection) Metode ini dilakukan beberapa proses sesuai gambar 38, yaitu dari citra webcam (kiri atas) yang kemudian dilakukan tahap kalibrasi tampilan menjadi area tertransformasi (tengah atas) tanpa koordinat, Brightness Correction (kanan atas), Extract RGB Red Channel (kiri bawah), Threshold Filtering (tengah bawah), dan terakhir Blob Detection (kanan bawah) yang menghasilkan koordinat titik laser pointer.

Gambar 38 Perubahan Citra pada Metode 3 4) Metode 4 (Extract Cr and Difference Edge Laser Detection) Metode ini dilakukan beberapa proses sesuai gambar 39, yaitu dari citra webcam (kiri atas) yang kemudian dilakukan tahap kalibrasi tampilan menjadi area tertransformasi (tengah atas) tanpa koordinat, Extract YCbCr Cr Index (kanan atas), Difference Edge Detection (kiri bawah), Threshold Filtering (tengah bawah), dan terakhir Blob Detection (kanan bawah) yang menghasilkan koordinat titik laser pointer.

commit to user



Gambar 39 Perubahan Citra pada Metode 4 c. Interpretasi Power Point dan Pointer Pen Hasil interpretasi power point dan pointer pen pada aplikasi ini yang digunakan untuk menggambar ditunjukkan pada gambar 40.

Gambar 40 Hasil Interpretasi Power Point dan Pointer Pen

4.4

HASIL PENGUJIAN 4.4.1

Tahap Kalibrasi Display a. Pengujian pada Tempat Pertama Pengujian pada tempat pertama dan kedua didapatkan hasil beberapa titik pojok tampilan video projector (A, B, C, D) sesuai dengan gambar 41

commit to user



B A

C D Gambar 41 Empat titik video projector pada kalibrasi tampilan Data pengujian yang telah didapatkan dan sesuai pada lampiran 1, dapat ditunjukkan hasil sebagai berikut:

120.00

113.40 104.40

Selisih Kalibrasi Otomatis dan Manual (Koordinat X pada Tempat 1)

55.20

60.00

52.40

error

80.00

53.40

100.00

Titik A B

C

40.00

T40

T50

0.60

T30

0.60 0.40

T20

0.60 2.20 0.60 0.20

T10

0.20 2.00 0.40 0.20

T0

0.00 1.80 1.00 0.40

0.00

0.20 0.40 0.20 1.00

20.00

0.40 1.40 0.80 0.80

D

T60

threshold

Gambar 42 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X. Data koordinat X empat titik (A, B, C, D) pada tempat pertama, dilakukan pengujian threshold dari 0 hingga 60. Selisih perbedaan dengan kalibrasi manual diperlihatkan pada gambar 42.

commit to user



2.20

Detail Selisih Kalibrasi Otomatis dan Manual (Koordinat X pada Tempat 1 dengan T10-T50)

1.80

Titik

1.40

2.00

0.00 T10

T20

0.60

D 0.20

0.40 0.20

0.20

T30

0.60

C

0.00

0.20 0.40 0.20

0.50

B

0.40

1.00

1.00

1.00

A 0.80 0.80

1.50

0.40

error

2.00

2.50

T40

T50

threshold

Gambar 43 Detail selisih kalibrasi otomatis dengan kalibrasi manual koordinat X. Gambar 43 menunjukkan secara detail selisih yang cukup kecil di bawah nilai 2,50 sehingga dari gambar 42 hanya diperlihatkan threshold 10 hingga threshold 50 saja.

80.00 70.00 60.00

60.20 67.20 61.40 62.40

Selisih Kalibrasi Otomatis dan Manual (Koordinat Y pada Tempat 1)

Titik A

error

50.00

B 40.00

C 30.00

D 1.20 0.40 0.20 0.40

0.80 0.20 0.40 0.20

1.40 2.80 0.20 0.60

T0

0.80 0.80 0.60 0.40

0.00

0.20 0.40 0.80 0.40

10.00

0.80 2.00 1.00 0.40

20.00

T10

T20

T30

T40

T50

T60

threshold

Gambar 44 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 1. Data koordinat Y empat titik (A, B, C, D) pada tempat pertama, dilakukan pengujian threshold dari 0 hingga 60. Selisih perbedaan dengan kalibrasi manual diperlihatkan pada gambar 44.

commit to user



2.80

Detail Selisih Kalibrasi Otomatis dan Manual (Koordinat Y pada Tempat 1 dengan T10-T60) 3.00 2.00

2.50

1.40

B

C 0.20 0.60

0.80 0.20 0.40 0.20

T30

1.20

T20

0.40 0.20 0.40

0.80 0.80 0.60 0.40

0.50

0.20 0.40 0.80 0.40

A

0.40

1.00

Titik

1.00

1.50 0.80

error

2.00

D

0.00 T10

T40

T50

T60

threshold

Gambar 45 Detail selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 1. Gambar 45 menunjukkan secara detail selisih yang cukup kecil di bawah nilai 3,00 sehingga dari gambar 44 hanya diperlihatkan threshold 10 hingga threshold 60 saja. Perbedaan threshold ini menyebabkan hasil yang berbeda-beda pada deteksi pojok video projector, sesuai dengan screen output implementasi pada sub bab sebelumnya. Threshold yang tepat akan menghasilkan deteksi pojok yang lebih baik, tidak terlalu kecil dan tidak terlalu besar. Apabila threshold terlalu kecil, maka deteksi titik tidak mampu mendapatkan titik pojok yang tepat, karena deteksi tepi yang dilakukan oleh difference edge detection menghasilkan tepi yang tebal. Namun, apabila threshold terlalu besar, maka deteksi tepi juga tidak mampu mendapatkan titik pojok yang tepat pula, karena tepi yang dihasilkan oleh difference edge detection terlalu tipis dan terpotong, sehingga Blob detection tidak mampu mendeteksi area tertutup video projector yang tertangkap webcam.

commit to user



b. Pengujian pada Tempat Kedua Selisih Kalibrasi Otomatis dan Manual (Koordinat X pada Tempat 2)

2.00

2.00

2.00

2.00

2.00

2.00

2.50

Titik

B

1.00

1.00

1.00

1.00

1.00

1.00

1.00

1.00

1.00

error

A 1.50

C

D

T0

T10

0.00

0.00

0.00

0.00

0.50

T20

T30

threshold

Gambar 46 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat X pada tempat 2. Detail selisih yang cukup kecil di bawah nilai 3,00 untuk data koordinat X pada tempat kedua ditunjukkan oleh gambar 46, sedangkan detail selisih yang cukup kecil dengan nilai maksimum 3,00 untuk data koordinat Y yang ditunjukkan oleh gambar 47 antara threshold 0 hingga threshold 30 saja. Untuk threshold 40, auto calibration tidak mampu mendeteksi area video projector.

2.00

2.00

2.00

2.00

1.00

1.00

1.00

1.00

1.00

1.00

1.00

A

B 1.00

error

2.00 1.50

3.00

3.00

Titik

2.50

1.00

3.00

1.00

3.50

3.00

Selisih Kalibrasi Otomatis dan Manual (Koordinat Y pada Tempat 2)

C

D

0.50 0.00 T0

T10

T20

T30

threshold

Gambar 47 Selisih kalibrasi otomatis dengan kalibrasi manual koordinat Y pada tempat 2. Dapat disimpulkan bahwa metode kalibrasi otomatis cukup mampu menggantikan kalibrasi manual, dengan selisih perbedaan yang kecil, commit to user



sebesar kurang lebih dibawah 3 pixel pada area webcam dengan kondisi nilai threshold yang tepat.

Tahap Deteksi Laser Sesuai data pengujian pada lampiran 2, dapat ditunjukkan hasil sebagai berikut:

98.95

100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00

100.00 90.00 80.00 70.00 60.00 50.00 40.00 30.00 20.00 10.00 0.00

85.21

Hasil Pengujian beberapa Metode pada Tahap Deteksi Laser

Persentase

4.4.2

Metode M1

M2

M3

M4

Red

Green Warna Laser

Blue

M1 = Brightness Laser Detection M2 = Difference Edge Laser Detection M3 = Brightness and Extract Red Channel Laser Detection M4 = Extract Cr and Difference Edge Laser Detection

Gambar 48 Hasil Pengujian beberapa Metode pada Tahap Deteksi Laser. Pada tahap deteksi laser, sinar laser green dan blue mempunya nilai yang tinggi dibandingkan dengan sinar laser merah, karena ketajaman sinar laser tersebut. Hal ini dikarenakan tidak adanya sinar laser warna merah yang cukup tajam yang dapat dibandingkan dengan sinar laser warna hijau dan biru/ungu. Gambar 49 menunjukkan perbandingan ketiga sinar laser tersebut.

Gambar 49 Perbedaan Ketiga Sinar Laser pada Pengujian. commit to user



Dapat disimpulkan bahwa keempat metode cukup mampu mendeteksi keberadaan sinar laser dengan minimal keberhasilan deteksi sebesar diatas 85%. Untuk metode terbaik dicapai oleh metode 2 (Difference Edge Laser Detection) dan 3 (Brightness and Extract Red Channel Laser Detection) dengan keberhasilan deteksi sebesar 100% untuk tiap warna laser yang berbeda.

4.4.3

Tahap Deteksi Perintah Sesuai data pengujian pada lampiran 3, dapat ditunjukkan hasil sebagai berikut:

90.00

Metode

80.00

M1

70.00 Persentase

100.00

100.00

100.00

100.00

100.00

91.67

92.00

100.00

100.00

100.00

100.00

100.00

100.00

Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (>750ms)

M2

60.00

M3

50.00

M4

40.00 30.00 20.00 10.00 0.00 Red

Green Warna

Blue

M1 = Brightness Laser Detection M2 = Difference Edge Laser Detection M3 = Brightness and Extract Red Channel Laser Detection M4 = Extract Cr and Difference Edge Laser Detection

Gambar 50 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (>750 ms).

commit to user



90.00

100.00

100.00

96.00

100.00

100.00 83.33

96.00

100.00

100.00

95.83

Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (<750ms)

Metode

80.00

M1 60.00 50.00

M2 42.00

M3

M4

40.00 20.00 10.00 0.00

0.00

30.00 8.33

Persentase

70.00

Red

Green

Blue

Warna M1 = Brightness Laser Detection M2 = Difference Edge Laser Detection M3 = Brightness and Extract Red Channel Laser Detection M4 = Extract Cr and Difference Edge Laser Detection

Gambar 51 Hasil Pengujian beberapa Metode pada Tahap Deteksi Perintah (<750 ms). Pada kecepatan lambat (waktu tempuh >750 ms) sesuai gambar 50, hampir semua metode dapat mengenali perintah secara baik dengan rata-rata keberhasilan sebesar di atas 90 % (nilai minimal pada metode 3 untuk warna hijau). Namun, untuk kecepatan yang tinggi (waktu tempuh < 750 ms) sesuai gambar 51, sinar merah tidak dapat dikenali secara jelas. Hal ini sesuai dengan penyebab perbedaan keberhasilan sinar merah pada tahap deteksi sinar laser. Keberhasilan deteksi ini tidak signifikan dengan deteksi laser karena jumlah titik yang dibutuhkan untuk deteksi perintah minimal 2 titik pada sejumlah koordinat titik yang ditemukan hingga batasan tidak ditemukan titik sebanyak 8 buah citra. Namun, pada deteksi sinar laser dihitung tiap detiknya terekam berapa jumlah koordinat yang tertangkap. Dengan kata lain, deteksi perintah menghitung sejumlah titik dan deteksi sinar laser menghitung keberhasilan tiap 1 titik. Metode terbaik pada tahap ini dicapai oleh metode 4 (Extract Cr and Difference Edge Laser Detection) dengan keberhasilan deteksi sebesar di atas 95%, tepatnya 95,83%.

commit to user



Rancangan sistem yang tepat sesuai dengan penelitian ini adalah

Gambar 52 Rancangan sistem setelah pengujian

commit to user


digilib.uns.ac.id

BAB V KESIMPULAN DAN SARAN 5 5.1

KESIMPULAN DAN SARAN KESIMPULAN Kesimpulan yang bisa diambil pada penelitian tugas akhir ini adalah pada tahap kalibrasi, metode kalibrasi otomatis cukup mampu menggantikan kalibrasi manual, dengan selisih perbedaan yang kecil, sebesar kurang lebih di bawah 3 pixel pada area webcam dengan kondisi nilai threshold yang tepat. Pada tahap deteksi laser, metode yang terbaik adalah Difference Edge Laser Detection dan Brightness and Extract Red Channel Laser Detection dengan keberhasilan deteksi sebesar 100% untuk tiap warna laser yang berbeda. Pada tahap deteksi perintah, metode yang terbaik adalah metode Extract Cr and Difference Edge Laser Detection, dengan persentase deteksi perintah diatas 95%, yaitu 95,83% baik pada mode cepat maupun lambat dibandingkan dengan metode yang lain, diikuti metode Difference Edge Laser Detection dan metode Brightness and Extract Red Channel Laser Detection serta yang terakhir metode Brightness Laser Detection. Pada mode lambat hampir semua metode bisa digunakan dengan persentase paling sedikit diatas 90%, yaitu sebesar 91,67%. Namun, pada mode cepat, sinar merah (red beam laser) mengalami kegagalan yang cukup banyak, dikarenakan pancaran yang kurang kuat dibanding dengan sinar biru (blue beam laser) dan hijau (green beam laser). Pada akhirnya, rancangan sistem aplikasi Airboard terdiri dari tahap kalibrasi dengan auto calibration, tahap deteksi laser dengan Difference Edge Laser Detection dan Brightness and Extract Red Channel Laser Detection serta tahap deteksi perintah dengan Extract Cr and Difference Edge Laser Detection dan Gradient Calculation.

commit to user 55



5.2

SARAN Saran yang dapat ditujukan untuk penelitian berikutnya yang terkait dengan penelitian ini adalah: 1. Metode Kalibrasi Otomatis dapat dilanjutkan penelitiannya dengan menambahkan metode untuk membandingkan beberapa threshold, sehingga titik kalibrasi tampilan yang tepat bisa diperoleh dari titik yang mempunyai nilai yang sama. 2. Penelitian ini dapat dilanjutkan agar memungkinkan untuk memanfaatkan semua fasilitas mouse (klik kiri, klik kanan dan dragging) 3. Pada waktu menjalankan draw off (dari bawah ke atas), aplikasi ini menghasilkan sebuah citra, karena posisi “pena” dalam kondisi aktif. Jadi, penelitian ini dapat dilanjutkan agar dapat menjalankan perintah draw off tanpa menghasilkan sebuah citra

commit to user

APLIKASI PRESENTASI AIRBOARD DENGAN IMAGE TRACKING LASER POINTER HALAMAN JUDUL

Recommend Documents