BAB 2 KAJIAN PUSTAKA
2.1 Intelijensia Semu 2.1.1 Definisi Intelijensia Semu Inteligensia Semu (Artificial Intelligence) secara harafiah terdiri dari dua kata, yakni inteligensia dan semu. Inteligensia secara global diartikan sebagai kemampuan
untuk
memperoleh
pengetahuan
dan
dapat
menggunakan
pengetahuannya dalam praktek, sedangkan semu berartikan buatan. Sehingga Inteligensia Semu merupakan kemampuan buatan yang diciptakan manusia untuk diterapkan pada teknologi informasi dalam pemaksimalan teknologi untuk membantu manusia. Inteligensia Semu memiliki empat karakteristik utama yang sangat berpengaruh dalam pengembangannya [Russel & Norvig, 2003], yaitu: •
Berpikir M anusiawi
•
Berperilaku M anusiawi
•
Berpikir Rasional
•
Berperilaku Rasional Penelitian di bidang AI sangat bersifat teknis dan spesialisasi, dibagi
menjadi beberapa bagian yang sering kali gagal berintegrasi satu sama lain. Bagian-bagian ini telah berkembang pada sebagian lembaga, bidang dari masingmasing peneliti, solusi dari masalah tertentu, perbedaan pendapat mengenai 7
8 bagaimana sistem AI seharusnya dilakukan dan aplikasi mana yang digunakan secara global. Topik permasalahan yang dikatakan sebagai sumber AI meliputi pengambilan kesimpulan dan alasannya, pemecahan masalahnya, pemetaan pengetahuan, perencanaan , pembelajaran , Pengolahan bahasa manusia ke komputer, persepsi mesin, kecerdasan sosial, kreativitas, dan kecerdasan umum [Russel & Norvig, 2003]. 2.1.2 Sejarah Inteligensia Semu Inteligensia Semu termasuk bidang ilmu yang relatif muda. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin melakukan pekerjaan seperti yang biasa dikerjakan oleh manusia. Alan Turing, seorang ilmuwan dari Inggris pertama kali mengusulkan adanya tes untuk melihat mungkinnya sebuah mesin dinyatakan cerdas. Hasil tes tersebut kemudian dikenal dengan Turing Test, dimana si mesin tersebut menyamar seolah-olah sebagai seorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan jika mesin dapat membuat seseorang percaya, bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut “cerdas”. Inteligensia Semu sendiri pertama kali diperkenalkan oleh seorang profesor dari Massachusetts Institute of Technology bernama John M cCarthy tahun 1956 pada Darthmouth Conference. Pada konferensi itu juga didefinisikan tujuan utama dari kecerdasan buatan yaitu mengetahui dan memodelkan prosesproses berpikir manusia dan mendesain mesin agar dapat menirukan tingkah laku manusia. Turing Test juga menyatakan prediksi dimana pada tahun 2000-an
9 komputer akan bisa melakukan percakapan dengan manusia. Pada tahun 1960-an peneliti di Amerika Serikat sacara sepenuhnya dibiayai oleh Departemen Pertahanan Amerika Serikat dan laboratorium dari seluruh dunia. Pada tahun 1974 dengan menjawab kritisasi dari Sir James Lighthill dan tekanan betubi-tubi dari Petinggi Amerika untuk menciptakan proyek yang lebih produktif, baik pemerintah Amerika Serikat dan Inggris menghentikan seluruh penelitian yang tidak efektif akan Artificial Intelligence. Pada tahun-tahun berikutnya ketika pembiayaan proyek sulit didapatkan tejadilah masa yang banyak dikenal sebagai AI Winter ( yaitu masa dimana penelitian AI menurun drastis layaknya musim dingin semua aktifitas dihentikan). Pada tahun 1985 perkembanganan pasar AI mencapai biaya sekitar 1 M ilyar dollar US, disaat itu Jepang muncul dengan proyek komputer generasi kelima yang menginspirasi pemerintah Amerika Serikat dan Inggris untuk mengembalikan penelitian akademis. Namun dengan mulainya masa kehancuran pasar M esin LISP, AI kembali jatuh dan terjadilah masa AI Winter yang lebih lama kurun waktunya. Diawal tahun 1990 dan awal abad ke-21, AI mencapai kesuksesannya. Artificial Intelligence digunakan pada bidang transaksi, pengolahan data, diagnosa medis, dan banyak lainnya melalui industri teknologi. Kesuksesan ini digapi karena beberapa faktor, yaitu: M eningkatnya kemampuan kerja komputer, penekanan lebih terhadap pemecahan masalah yang spesifik, pembuatan integrasi baru antara AI dengan bidang lainnya untuk memecahkan masalah, dan komitmen baru dari peneliti menjadi metode matematis solid dan standar ilmiah
10 yang jelas. Pada 11 M ay 1997, Deep Blue mennjadi sistem komputer pemain catur pertama mengalahkan juara catur penguasa Garry Kasparov. Pada tahun 2005, robot yang berasal dari Stanford memnangkan tantangan DARPA yang mana secara cerdas dapat melalui 131 mil padang pasir tanpa latihan. Karena itulah perkembangan AI semakin meluas contohnya pada 2009 di Tokyo International Robot Exhibition (IREX) sebuah robot berorientasi manusia bernama TOPIO dapat bermain tenis meja. Dan untuk perkembangan aktualnya, AI sendiri sedang dikembangkan dalam tahap
persepsinya memahami secara 3 Dimensi.
Pendeteksian wajah berdasarkan kontur wajah dan pengembangan dengan alat bernama Kinect dari gaming-console Xbox 360 merupakan contoh teknologi yang sedang marak diteliti. 2.2
Computer Vision 2.2.1 Definisi Computer Vision Computer Vision (atau image understanding, penalaran citra) merupakan suatu cabang ilmu dari Artificial Intelligence (Kecerdasan Buatan) yang tujuan utamanya adalah menganalisa dan menginterpretasi informasi atau objek visual[Veenman et al.,2001]. Computer Vision dianggap sebagai sebuah proses dimulai dari citra digital dan menyajikan hasil deskripsi nya ke dalam komputer. Vision adalah sebuah tugas untuk melihat. M elihat dengan pengertian bukan hanya sekedar melihat dengan kamera. Disaat kita melihat sesuatu, mata kita (sensing device: alat penginderaan) menangkap masukan berupa visual, kemudian informasi tersebut dikirimkan ke otak kita (interpreting device: alat
11 interpretasi, penafsiran, pengertian)[M ilgram & Colquhoun, 1999]. Demikian pula, dalam Computer Vision, kamera/device input sebagai alat penginderaan, dan komputer sebagai alat interpretasi untuk memroses citra yang ditangkap kamera. Computer Vision merupakan kombinasi antara : •
Pengolahan Citra (Image Processing), bidang yang berhubungan dengan prose transformasi citra. Proses ini bertujuan mengolah citra untuk mendapat informasi dari citra yang lebih baik.
•
Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses identifikasi objek pada citra (intepretasi citra). Proses ini bertujuan mengekstrak informasi yang dimiliki citra yang dibutuhkan untuk pemrosesan.
Gambar 2.1 Hubungan Antara Computer Vision, Pengolahan Citra, dan Pengenalan Pola
12 2.2.2
Definisi Citra Digital Secara harafiah, citra merupakan gambar padadua dimensi. Ditinjau dari
sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas radiasi pada biadang dua dimensi. Sumber radiasi mengeluarkan radiasi yang kemudian mengenai objek , objek memantulkan kembali sebagian dari radiasi tersebut, pantulan radiasi ini ditangkap oleh sensor pada alat-alat optik seperti mata, kamera, pemindai (sensor) dan sebagainya. Akhirnya bayangan tersebut direkam dalam suatu media tertentu. Citra dapat berbentuk foto hitam-putih atau berwarna, sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. M enurut presisi yang digunakan untuk menyatakan titik-titik koordinat pada ranah waktu atau bidang dan untuk menyatakan nilai keabuan atau warna suatu citra, maka secara teoritis citra dapat dikelompokkan menjadi empat kelas citra, yaitu cara kontinyu-kontinyu, kontinyu-diskrit, diskrit-kontinyu, dan diskrit-diskrit; dengan label pertama menyatakan presisi dari titik-titik koordinat pada bidang citra sedangkan label kedua menyatakan presisi nilai keabuan atau warna. Kontinyu dinyatakan dengan presisi tak hingga, sedangkan diskrit dinyatakan dengan presisi angka berhingga. Pengubahan citra yang bersifat kontinyu menjadi citra yang bersifat diskrit memerlukan pembuatan kisi-kisi arah vertikal dan horisontal, sehingga diperoleh citra dalam bentuk larik dua dimensi. Proses tersebut dikenal sebagai proses digitisasi atau pencuplikan (sampling). Setiap elemen larik tersebut dikenal sebagai elemen gambar atau piksel.
13 Sebagai hasil keluaran, citra dapat berupa : 1. Citra statis (still image) : Citra tunggal yang tidak bergerak 2. Citra bergerak (moving image) 2.2.3 Model Warna 2.2.3.1 RGB RGB adalah model warna yang berasal mula dari aplikasi tampilan CRT dimana dapat diwakilkan sebagai kombinasi tiga warna utama (merah, hijau, dan biru). Ini merupakan salah satu model warna yang paling banyak digunakan dalam memproses dan menyimpan data citra digital. Namun, tingginya ketergantungan antara channel, drastisnya perubahan persepsi non-uniformity, penggabungan data cenderung silau dan cerah membuat RGB menjadi pilihan yang tidak difavoritkan dalam analisis warna dan dalam algoritma deteksi berdasarkan warna.
2.2.3.2 HS V Hue-Saturation berdasarkan model warna diperkenalkan ketika adanya permintaan pengguna akan informasi numerik akan warna spesifik. M ereka mendeskripsikan warna dengan nilai perkiraan, berdasarkan ide pembuat akan ketebalan warna, kecerahan, dan campuran warna. Hue mendeskripsikan warna dominan (seperti merah, hijau, ungu, dan kuning) pada area, saturasi mengukur tingkat keragaman warna dari area pada proporsi akan keterangannnya [Ponyton 1995].
14
2.2.4 Pengolahan Citra Secara umum operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis berikut : 1. Perbaikan Kualitas Citra (image enhancement) Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini ciri-ciri khusus yang terdapat pada citra lebih ditonjolkan. Contoh klasifikasi ini antara lain: a. Perbaikan kontras gelap / terang (contrast enhancement). b. Perbaikan tepian objek (edge enhancement) c. Penajaman citra (sharpening) d. Pemberian warna semu (pseudocoloring) e. Penyaringan derau (noise filtering) 2. Pemugaran Citra (image restoration) Operasi ini bertujuan untuk menghilangkan / meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan perbaikan citra. Contoh klasifikasi ini antara lain: a. Penghilangan kesamaran akibat pergerakan (debluring).
15 b. Kesalahan pada fokus kamera (misfocus) c. Penghilangan derau (noise) 3. Pemampatan Citra (image compression) Operasi ini bertujuan untuk memampatkan citra sehingga memori yang dibutuhkan untuk menyimpan citra lebih kecil, tetapi hasil citra yang telah dimampatkan tetap memiliki kualitas gambar yang bagus. Contoh klasifikasi ini adalah metode JPEG. 4. Segmentasi Citra (image segmentation) Operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini erat kaitannya dengan pengenalan pola. 5. Analisis Citra (image analysis) Operasi ini bertujuan untuk menghitung besaran kuantitatif citra untuk menghasilkan deskripsinya. Teknik analisis citra mengekstraksi ciri-ciri tertetntu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh klasifikasi ini antara lain: a. Pendeteksian tepian (edge detection). b. Ekstraksi batas (boundary) c. Representasi daerah (region)
16 6. Rekonstruksi Citra (image reconstruction) Operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. operasi rekonstruksi citra banyak digunakan dalam bidang medis. Contohnya adalah foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh. Rangkaian citra diam yang ditampilkan secara beruntun (sequential) sehingga meberi kesan pada mata sebagai gambar yang bergerak 2.2.5
Pengenalan Pola Kita sebagai manusia menangkap informasi dari lingkungan sekitar
dengan menggunakan indera. M enggunakan serangkaian konsep umum atau pola-pola yang telah kita pelajari tentang objek yang disertai informasi multi sensor dan kemampuan kognitif akan mendeteksi pola, contohnya mengenali karakter alfabet, membedakan muka perempuan atau lelaki, atau mengenali seseorang
dikenal
hanya
berdasarkan
mendengarkan
suaranya
pada
telepon[Russel & Norvig, 2003]. Pada umumnya semua proses pengenalan melibatkan klasifikasi atau pengidentifikasian objek, orang, acara, ataupun situasi. Setelah itu keputusan akan ditentukan dan proses selanjutnya akan berjalan. Area kecerdasan buatan, machine-learning, dan pengenalan pola muncul berdasarkan kemampuan mengambil pengetahuan utama dari lingkungan dan memprosesnya secara matematis, hubungan dari masing-masing bidang ini diilustrasikan pada Gambar 2.2.
17
Gambar 2.2 Ilustrasi hubungan antar AI, ML, dan pengenalan pola
Pengenalan pola adalah sebuah ketentuan yang mencoba menemukan cara untuk meniru kemampuan manusia menggunakan informasi sensorik dan pengetahuan cerdas, memberikan dasar matematika, model, dan metode untuk belajar dari sejumlah contoh, dalam rangka mengotomatisasi proses klasifikasi atau kategorisasi [Russel & Norvig, 2003]. 2.2.6 Dilasi dan Erosi 2.2.6.1 Dilasi Operasi dilasi dilakukan untuk memperbesar ukuran segmen obyek dengan menambah lapisan disekeliling obyek. Terdapat 2 cara untuk melakukan operasi ini, yaitu dengan cara mengubah semua titik latar yang berdekatan dengan titik batas menjadi titik obyek, atau lebih mudahnya set setiap titik yang
18 tetangganya adalah titik obyek menjadi titik obyek. Cara kedua yaitu dengan mengubah semua titik di sekeliling titik batas menjadi titik obyek, atau lebih mudahnya set semua titik tetangga sebuah titik obyek menjadi titik obyek.
Gambar 2.3 Contoh proses dilasi
2.2.6.2 Erosi Operasi erosi adalah kebalikan dari operasi dilasi. Pada operasi ini, ukuran obyek diperkecil dengan mengikis sekeliling obyek. Cara yang dapat dilakukan juga ada 2. Cara pertama yaitu dengan mengubah semua titik batas menjadi titik latar dan cara kedua dengan menset semua titik disekeliling titik latar menjadi titik latar.
Gambar 2.4 Contoh proses erosi
2.3 Augmented Reality
19 2.3.1 Definisi Augmented Reality Augmented Reality (AR) adalah teknologi dimana daya penglihatan manusia pada dunia nyata ditambahkan dengan informasi tambahan dari model komputer [Khoudza, 2004]. Pengguna dapat bekerja dan mengeksaminasi objek 3D secara nyata bersamaan dengan menerima informasi tambahan tentang object ataupun tugas tersebut. Dibandingkan dengan menarik pengguna kedalam dunia virtual komputer, AR membawa informasi kedalam dunia nyata pengguna yang dibangun pada daya penglihatan dan kemampuan intepretasi manusia [Intille, 1997]. Berdasarkan konsep virtual reality oleh M ilgram dan Kishino(1994), AR merupakan salah satu bagian dari area umum dalam penggabungan realita. Baik pada lingkungan virtual maupun informasi virtual, dimana objek nyata akan digabungkan kedalamnya, akan menggantikan lingkungan sekitar dengan objek virtual. Benford et al. mengklasifikasi AR terpisah dari baik Virtual Reality (VR) dan telepresence. Berdasarkan Azuma et al.(2001) sistem AR : •
M enggabungkan objek nyata dan virtual pada lingkungan nyata;
•
M engatur dan mendaftar objek nyata maupun virtual; dan
•
Beraksi secara interaktif dalam 3 demensi dengan waktu aktual . Tiga aspek diatas sangatlah penting. Namun, dalam penerapannya
teknologi AR seharusnya tidak dibatasi dalam teknologi penglihatan tertentu seperti head-mounted display (HMD). Teknologi AR berpotensi diterapkan pada
20 semua indera, termasuk mendengarkan, menyentuh dan membaui. Hal ini juga dapat
Gambar 2.5 Konsep hubungan reality dan virtual
2.3.2 Sejarah Augmented Reality Prototipe AR pertama, dibuat oleh pencetus grafik komputer Ivan Sutherland dan murid-muridnya di Harvard University dan University of Utah, muncul pada sekitar tahun 1960 dan menggunakan teknik see-through untuk menampilkan grafik 3D. Sebuah grup peneliti kecil di U.S. Air Force’s Laboratorium Armstrong, NASA Ames Research Center, M assachusetts Institute of Technology, dan University of North Carolina meneruskan penelitian sekitar tahun 1970 dan 1980. Pada masa ini mobile devices seperti Sony Walkman (1979), jam digital diperkenalkan. Ini berperan dalam metode komputerisasi yang mudah dibawa pada kisaran tahun 1990 PC berkembang menjadi lebih kecil cukup untuk penggunaan tiap waktunya. Komputer Palmtop mula-mula seperti Psion I (1984), Apple Newton M essagePad (1993), dan Palm Pilot (1996). Kini banyak platform
21 mobile yang ada dan mendukung teknologi AR, seperti Personal Digital Assistants (PDAs), tablet PC, dan telepon genggam. Pada akhir generasi 1990, AR menjadi bidang unik pada penelitian, beberapa seminar mengenai AR mulai bermunculan, termasuk International Workshop and Symposium on Augmented Reality. Hal ini juga memungkinkan terjadinya perkembangan cepat aplikasi AR berkat software gratis yang tersedia contohnya ARToolkit. Di masa itu, beberapa survey muncul yang mana memberikan pembahasan mengenai AR secara detil, menjelaskan problem, klasifikasi, dan hasil pengembangan [Azuma et al.,2001].
Gambar 2.6 Klasifikasi global dari ruang yang dibagi berdasarkan transportasi dan buatannya.
Dalam mendefinisikan AR, banyak definisi yang mempersempit maknanya karena berfokus pada HM D (Head M ounted Display) sebagai media tampilan. Salah satunya adalah “sebagai sebuah bentuk VR (Virtual Reality) dimana HM D yang dipakai pengguna tidak terlihat atau transparan, sehingga dapat melihat dunia nyata secara jelas. Tetapi definisi yang tidak menggunakan referensi apapun pada teknologi tampilan, mengizinkan kita mendefinisikan AR
22 secara lebih luas. Salah satu contohnya, sebuah sistem AR dapat didefinisikan jika mempunyai tiga atribut di bawah ini: •
Sistem dapat menggabungkan objek nyata dan virtual dalam lingkungan nyata
•
Sistem dapat bekerja secara interaktif dan waktu nyata.
•
Sistem dapat saling membedakan objek nyata dengan objek virtual.
2.3.3 Teknologi Augmented Reality 2.3.3.1 Teknologi Tampilan Seperti yang dijelaskan sebelumnya, AR tidak terbatas hanya pada sebuah tipe teknologi tampilan saja. M asih ada tipe lain yang dapat digunakan. Ada tiga kategori tipe teknologi tampilan yang dibuat agar dapat dibedakan dengan jelas cara kerjanya, antara lain : head-attached displays, hand held displays dan spatial displays. Perangkat tampilan di atas digunakan untuk membentuk gambar augmented yang akan dipresentasikan pada pengguna. Gambar yang dapat dibentuk ada dua jenis, planar (datar) dan CURVED (melengkung) tergantung dari lensa yang digunakan. Proses pembentukan gambar dapat berlangsung di sepanjang jalur optik antara mata pengamat dan objek fisik. Dari dua hal inilah kita dapat mengkategorikan teknologi tampilan. 2.3.3.1.1 Head-attached Displays Head-attached displays adalah suatu perangkat tampilan yang dipasang di kepala pengguna. Teknik yang digunakan untuk menghasilkan gambar dapat
23 dimplementasikan dengan tiga cara. Dari tiga cara ini, ada tiga alat yang dapat dipakai, antara lain : Head-mounted display (HM D), head-mounted projector, dan retinal displays. A. Head-mounted Display (HMD) Berbicara HM D, ada dua macam perangkat yang dapat kita gunakan : video see-through dan optical see-through. Berikut gambar bagaimana cara kerja dua perangkat tersebut.
Gambar 2.7 Konsep video see-through
Gambar 2.8 Konsep optical see-through
Teknik video see-through menggunakan dua kamera untuk merekam fitur nyata. Kemudian, objek virtual akan dihasilkan oleh sistem grafis dari komputer. Dua hal ini akan digabung menjadi satu oleh video composer untuk menciptakan tampilan augmented. Selanjutnya gambar diproyeksikan ke suatu tampilan mikro dalam HM D. Dengan cara inilah sistem tampilan tertutup dibuat. Sedangkan pada teknik optical see-through, digunakan sebuah tampilan semi-transparan sehingga pengguna tetap dapat melihat dunia real. Objek virtual juga dihasilkan oleh sistem grafis dari komputer. Kemudian, setelah proses penggabungan dilakukan, hasilnya ditampilkan di layar semi-transparan tersebut.
24 M elalui teknik ini, tampilan augmented dapat dilihat bersamaan dengan fitur nyata. Konsep Virtual-Reality sebenarnya sudah ada dalam waktu yang cukup lama. Di mana lingkungan VR didefinisikan sebagai sebuah lingkungan sintetis sepenuhnya yang penggunanya benar-benar masuk di dalamnya. B. Head-mounted Projector Seperti HMD, Head-mounted projector (HM P) juga memiliki dua macam, yaitu tampilan head-mounted projective dan projective head-mounted. Pada tampilan head-mounted projective memanfaatkan layar retroreflective yang dipasang di depan mata pengguna, yang di mana permukaanya tersebut memiliki kemampuan untuk memantulkan cahaya sesuai dengan arahnya. Sebuah lensa proyektif yang dikombinasikan dengan pemecah cahaya digunakan untuk mengarahkan sebuah gambar dari tampilan LCD ke permukaan tersebut.
Gambar 2.9 Konsep Head-mounted projective; Gambar 2.10 Konsep projective head-mounted
25 Pada projective head-mounted, gambar tidak ditampilkan pada layar retro-reflective di depan pengguna, melainkan diproyeksi sepanjang jarak pandang pengguna dengan ceiling attached projector. Dua buah cermin digunakan untuk menggabungkan gambar yang C. Retinal Displays Dengan perangkat ini, retinal displays, kita dapat melihat gambar dari proyeksi langsung ke retina mata kita. Hal ini dilakukan dengan menempatkan sebuah titik kecil yang akan disinari laser. Laser yang digunakan berenergi rendah agar tidak melukai retina mata kita. Walaupun begitu, gambar yang dibuat akan tetap terang dan memiliki FOV yang lebih baik dari tampilan layar.
Gambar 2.11 Konsep retinal display 2.3.3.1.2 Hand-held Displays Hand-held displays atau perangkat yang dipegang atau dipasang pada tangan, menggabungkan beberapa komponen dalam satu perangkat, antara lain: processor, memory, display, dan teknologi interaktif. Umumnya perangkat ini bentuknya kecil, ringan, wireless dan mobile. Pendekatan umumnya dilakukan
26 dengan konsep video see-through. Dari bentuknya ada beberapa macam, yaitu : Personal Digital Assistant (PDA), mobile phone, dan hand-held video projector. A. Personal Digital Assistant (PDA) Adalah sebuah sebuah alat elektronik yang berbasis komputer dan berbentuk
kecil
serta
dapat
dibawa
ke
mana-mana.
Dalam
cara
pengoperasiannya, hampir semuanya menggunakan fitur layar sensitif di mana bentuk PDA memiliki layar yang besar. B. Mobile Phone Mobile phone atau telepon genggam, atau yang biasa kita sebut sebagai handphone, adalah sebuah perangkat yang memiliki fungsi seperti telepon yang dapat dibawa ke mana-mana tanpa perlu dihubungkan dengan kabel untuk masuk ke dalam jaringan. Dewasa ini, handphone sudah memiliki fitur kamera untuk menangkap gambar atau merekam video. Seperti gambar di bawah ini, dapat kita lihat bahwa kamera video handphone dapat mengenali marker dan memunculkan gambar di tampilan layar.
Gambar 2.12 Mobile Phone
27
C. Handheld Projector Handheld projector, atau proyektor mini, adalah sebuah teknologi yang mengaplikasikan fungsi proyeksi gambar pada suatu perangkat genggam sehingga mudah dibawa ke mana-mana. Alat ini dapat diimplementasikan dengan sistem AR seperti yang dapat kita lihat di gambar di bawah yang menunjukkan fungsinya sebagai penunjuk atau guide bagi user dalam mencari informasi di sebuah gudang.
Gambar 2.13 Handheld Projector
2.3.3.1.3 Spatial Display Tampilan spasial memungkinkan
menggunakan cara lain dalam
penggunaan AR dan terdapat 3 macam, yaitu video see-through, optical seethrough, dan projection based. A. Screen based video see-through Display
28 Dalam kategori tampilan ini, digunakan kamera video untuk menangkap adegan yang akan ditambahkan dengan objek virtual. Hasil penggabungan ini ditampilkan kepada pengguna melalui sebuah layar monitor. Dengan cara seperti ini, pengimplementasi AR dapat dilakukan dengan komputer biasa dan beberapa komponen lainnya. Namun, hal ini juga memiliki beberapa kekurangan,antara lain : karena pada umumnya monitor berlayar kecil, FOV( Field of View, luas tampilan) yang didapat juga kecil, resolusi gambar yang digabung terbatas, dan umumnya tidak mendukung interaksi langsung antara dunia nyata dengan virtual objek. Gambar berikut memperlihatkan cara setup 2.14 dan simulasi augmented 2.15.
Gambar 2.14 Cara Setup
Gambar 2.15 Simulasi Augmented
B. Spatial optical see-through displays Tipe tampilan ini menggunakan spatial optical combiners yang ditempatkan di dunia nyata. Beberapa jenis optical combiner yang ada dan menguntungkan seperti; mirror beam splitter, transparent screens dan optical
29 holograms.
Jika sebuah pemantul beam splitter digunakan maka pilihannya
adalah menggunakan jenis curved atau planar[Joele, 2005]. Gambaran hologram menangkap pemandangan dengan menyimpan amplitudo, panjang gelombang, dan fase informasi. Ini akan mengakibatkan rekonstruksi sempurna pada muka gelombang optikal. Hasil yang ditangkap akan memiliki tampilan 3 dimensi yang mana dapat diobservasi berdasarkan berbagai perspektif [Alzate, 2012]. Kerugian yang terhubung dengan optical combiner adalah berikut [Azuma,1997]. Dikarenakan teknologi optik dan display adalah aplikasi mobile secara spasial diatur tidak didukung, maka interaksi langsung dengan objek nyata dan virtual yang berada dibelakang optik dihindarkan dari lingkungan yang menggunakan optik bekas. Besarnya ukuran layar dan optical combiner yang terbatas menyebabkan pemotongan tidak natural pada objek virtual diluar area.
Gambar 2.16 (Dari kiri ke kanan) Contoh Beam Splitter, layar transparan, dan Optical Hologram
C. Projection based spatial displays M etode ini tidak menggunakan media dalam memproyeksi gambar melainkan gambar secara langsung diproyeksikan pada permukaan dari objek nyata. Gambar dapat diproyeksi menggunakan proyektor one slingle static, tetapi
30 untuk area gambar yang lebih besar dapat menggunakan proyektor yang dapat diatur atau beberapa proyektor pun dapat diaplikasikan. Gambar 2.17 menampilkan penggunaan proyektor single static untuk Augmentasi pada benda nyata dengan proyeksi gambar[Joele, 2005].
Gambar 2.17 (Dari kiri ke kanan) Pemasangan alat, objek nyata, dan objek augmented
Beberapa permasalahan terkait penggunaan head-attached display dapat diselesaikan dengan proyeksi berbasis AR[Azuma, 1997]. FOC secara teoritis tidak memiliki batas, dan resolusi yang dapat diskalakan didukung. Selain faktor dapat digubakan dinaikkan, ergonomis dapat diperhatikan dan akomodasi mata dapat dimudahkan. 2.4 Object Tracking Object tracking merupakan suatu metode yang digunakan untuk menemukan sebuah objek tertentu di dalam suatu citra digital (baik citrra statis maupun bergerak) yang didalamnya terdapat pula objek-objek lain yang ikut terekam bersama-sama dengan objek yang menjadi pusat perhatian. Beberapa penggunaan object tracking yang penting antara lain : 1. Pemantauan otomatis, biasanya digunakan memonitor/mengawasi aktifitas atau kejadian-kejadian mencurigakan atau tidak biasa.
31 2. Pengenalan objek bergerak, nisalnya untuk menemukan seseorang dengan identitas tertentu di bandara. 3. Video indexing, dapat mengambil video dari database multimedia. 4. Interaksi manusia dengan komputer, seperti mengenali bola mata manusia untuk input ke komputer, pergerakan tubuh manusia, dll. 5. M emonitor lalu lintas untuk mengambil data statistik dari lalu lintas. 6. Navigasi kendaraan, membentuk rute perjalanan berbasis video dan kemampuan menghindari objek. Singkat kata, objek tracking dapat didefinisikan sebagai suatu cara mengestimasi lintasan objek dalam gambar yang di mana objek tersebut bergerak di sekeliling scene. Dengan kata lain, sebuah pelacak (tracker) menentukan label yang tetap pada objek yang dilacak dalam frame-frame yang berbeda-beda dalam sebuah video. Tergantung dari domain yang dilacak, sebuah tracker juga dapat memberikan informasi dari sebuah objek seperti orientasi, luas, atau bentuk dari sebuah objek. Namun, dalam mendapatkan informasi tersebut, akan ada beberapa masalah yang akan dihadapi, antara lain: 1. Data yang tidak lengkap karena proyeksi bidang 3D ke dalam gambar 2D\ 2. Noise pada gambar 3. Gerakan objek yang terlalu kompleks, sulit dimengerti 4. Oklusi penuh dan tidak penuh pada objek 5. Bentuk objek yang kompleks 6. Kebutuhan pemrosesan secara real-time.
32 Berbagai macam pendekatan telah dilakukan untuk memecahkan masalah di atas. Umumnya pendekatan satu dengan lainnnya saling berbeda metode. Dalam skenario tracking, sebuah objek dapat dijelaskan sebagai apa saja yang menarik untuk dianalisa. M isalnya, perahu di laut, ikan di kolam, kendaraan di jalanan, pesawat di udara, orang berjalan di jalan, atau gelembung-gelembung di air, merupakan satu set objek yang mungkin penting untuk dilacak dalam domain yang lebih spesifik. Objek dapat diwakilkan oleh bentuk dan tampilannya. Berikut merupakan perwakilan objek yang sering digunakan: •
Points (Titik-titik)Æ Objek diwakili oleh sebuah titik (Gambar a), disebut titik centroid, atau sekumpulan titik (Gambar b). Penggunaan titik cocok untuk melacak objek yang memiliki area yang kecil pada gambar
•
Bentuk geometrik yang primitifÆ Objek diwakili oleh sebuah kotak (Gambar c) atau elips (Gambar d). Cara ini lebih cocok untuk objek rigid (kaku), tetapi juga dipakai untuk objek non-rigid.
•
M odel yang diartikulasi Æ Objek yang diartikulasi tersusun atas rangkaian bagian tubuh yang dihubungkan dengan sendi-sendi. Tiap bagian tubuh diwakili dengan elips atau silinder
•
Siluet objek
dan kontur Æ dengan kontur (Gambar g,h), kita dapat
mendefinisikan di mana batasan pada sebuah objek. Daerah di dalam kontur disebut siluet objek (Gambar i). Cara ini cocok untuk melacak bentuk nonrigid yang kompleks
33 •
M odel kerangka Æ M odel ini paling banyak digunakan untuk pengenalan objek. M odel kerangka ini dapat digunakan untuk mewakili objek artikulasi dan rigid.
Gambar 2.18 Berbagai macam representasi objek. (a) Satu pada titik pusat, (b) Beberapa titik (c) Segi empat, (d) Elips, (e) Artikulasi bentuk, (f) Kerangka, (g) Titiktitik pengendali pada kontur, (h) Kontur lengkap, (i) Siluet
M emilih fitur yang tepat memainkan peran yang sangat penting dalam object tracking, karena hal yang paling diinginkan dalam fitur visual adalah keunikannya sehingga mudah dibedakan di antara objek yang lain. Berikut fitur gambar yang umum: •
Warna Tampilan warna dari sebuah objek dipengaruhi oleh dua faktor, penerangan cahaya dan pantulan permukaan objek.
34
•
Edge Batasan objek biasanya dibentuk dari perubahan besar pada intensitas gambar. Hal yang penting adalah tidak terlalu sensitif pada penerangan cahaya seperti pada fitur warna.
•
Optical Flow Adalah vektor-vektor yang menjelaskan perpindahan setiap pixel pada sebuah wilayah gambar. Vektor ini dihitung dari pengaruh brightness. Fitur ini banyak digunakan pada segmentasi pergerakan objek dan aplikasi tracking.
•
Tekstur M erupakan
sebuah
ukuran
intensitas
pada
permukaan
objek.
Dibandingkan dengan fitur warna, tekstur membutuhkan proses yang lebih panjang untuk membentuk deskriptor. Tekstur juga tidak terlalu sensitif pada penerangan cahaya seperti juga pada edge.