Gambar 4.1 Diagram Percobaan

BAB 4 HASIL DAN PEMBAHASAN

4.1

Kerangka Percobaan

Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang dilakukan untuk melihat pengaruh beberapa parameter terhadap kinerja sistem.

Gambar 4.1 Diagram Percobaan

55

56

Percobaan segmentasi objek dibawah pengaruh pencahayaan dilakukan dengan beberapa kondisi pada gambar 4.1 dengan memperhatikan parameter

yang

mempengaruhi keberhasilan sistem. •

Percobaan object variable Tujuan dilakkan percobaan object variable untuk mengetahui pengaruh parameter bentuk, warna dan tekstur objek foreground terhadap sistem segmentasi. Dalam percobaan ini digunakan tiga macam objek yang masing-masing objek memiliki bentuk berbeda yaitu cangkir, M-key BCA, dan pena.

•

Percobaan background variable Tujuan

dilakukan

percobaan

background

variable

untuk

mengetahui pengaruh warna serta jumlah objek background yang akan digunakan pada percobaan terhadap keberhasilan sistem. Percobaan akan dilakukan dengan dua kondisi background yang berbeda yaitu kondisi satu buah objek sebagai background yang memiliki warna bervariasi dan kondisi dengan tiga buah objek sebagai background. •

Percobaan illumination Tujuan dilakukan percobaan dengan nilai intentas cahaya yang berbeda untuk mengetahui pengaruh nilai intensitas cahaya terhadap keberhasilan segmentasi.

4.2

Spesifikasi Sistem

Sistem yang dirancang memiliki spesifikasi sebagai berikut :

-

Menggunakan 1 unit webcam.

-

Menggunakan lampu sorot sebagai sumber pencahayaan

-

Menggunakan workbench dari kayu dengan dimensi panjang x lebar x tinggi (85cm x 20cm x 40cm)

-

Menggunakan background warna putih

57

-

Menggunakan 1 unit buku sebagai objek background

-

Menggunakan 1 unit kotak warna oranye sebagai objek background

-

Menggunakan 1 unit pemantik api sebagai objek background

-

Menggunakan 1 lembar hansaplast sebagai objek background

-

Menggunakan 1 unit pena sebagai objek foreground

-

Menggunakan 1 unit M-key BCA sebagai objek foreground

-

Menggunakan 1 unit kaleng susu sebagai objek foreground

-

Menggunakan 1 unit cangkir

-

Sistem operasi yang digunakan pada personal computer adalah Windows 7

4.3

-

Menggunakan software Matlab

-

Menggunakan Image Acquisition Toolbox

-

Menggunakan Image Processing Toolbox

Prosedur Operasional

Langkah – langkah dalam pengoperasian : 1. Siapkan peralatan a) Komputer -Nyalakan komputer -Buka aplikasi Matlab b) Kamera -Pasang Kamera pada Workbench secara vertical seperti pada gambar 4.2 -Hubungkan kamera dengan komputer dengan menggunakan kabel USB

58

Gambar 4.2 Kamera webcam

c) Lampu sorot -Pasang lampu sorot pada workbench seperti pada gambar 4.3 -Pada workbench terdapat dudukan slider untuk lampu

Gambar 4.3 Lampu sorot

2. Buka program Matlab 3. Untuk melakukan pengambilan citra menggunakan program acquisition image yaitu gelas2.m pada gambar 4.4

59

Gambar 4.4 Tampilan menu open pada Matlab

4. Setelah tampilan program untuk image acquisition terbuka, beri nama file untuk citra yang akan diambil sebagai citra background atau citra foreground pada fungsi imwrite seperti pada gambar 4.5

Gambar 4.5 Tampilan koding script image acquisition pada Matlab

60

5. Tampilan saat mengambil citra background pada gambar 4.6, untuk mengambil citra background.

Gambar 4.6 Tampilan execute Image Acquistion untuk background

6. Tampilan saat mengambil citra foreground seperti pada gambar 4.7

Gambar 4.7 Tampilan execute Image Acquistion untuk foreground pada Matlab

61

7. Setelah citra background dan foreground diambil, buka program untuk segmentasi yaitu newEdge.m pada gambar 4.8. Masukan file citra background dan citra foreground yang telah diambil pada image acquisition untuk dilakukan proses segmentasi.

Gambar 4.8 Tampilan koding script segmentasi pada Matlab

8. Jalankan program segmentasi 9. Maka akan didapatkan tampilan citra objek yang sudah tersegmentasi pada gambar 5.9 10. Citra yang ditangkap oleh kamera dan selanjutnya diproses di komputer memiliki ukuran 480x640.

62

Gambar 4.9 Tampilan execute koding segmentasi pada Matlab

4.4 Implementasi

Implementasi yang dilakukan ditujukan untuk menguji parameter yang mempengaruhi output sistem yang telah dirancang. Parameter yang digunakan adalah intensitas cahaya, warna, bentuk dan tekstur objek. Pada tahap implementasi penulis menggunakan dua kali pengambilan gambar yaitu background dan foreground. Hal-hal yang harus diperhatikan dalam implementasi adalah : •

Bagaimana kondisi objek background yang memiliki warna, bentuk dan tekstur bervariasi berpengaruh terhadap sistem segmentasi?

•

Bagaimana kondisi objek foreground yang memiliki warna dan bentuk bervariasi berpengaruh terhadap sistem segmentasi?

•

Bagaimana kondisi jumlah objek sebagai backgound berpengaruh terhadap sistem segmentasi?

•

Bagaimana pengaruh perubahan intensitas cahaya pada lingkungan sekitar terhadap keberhasilan proses segmentasi objek?

•

Bagaimana pengaruh intensitas cahaya yang sangat rendah terhadap sistem segmentasi?

63

Berdasarkan hal-hal tersebut maka implementasi yang harus dilakukan adalah : •

Pengambilan gambar objek untuk foreground dengan variasi bentuk dan warna yang berbeda.

•

Pengambilan gambar objek untuk background dengan variasi warna dan tekstur yang berbeda.

•

Pengambilan gambar objek dengan jumlah yang berbeda untuk background.

•

Pengambilan gambar dengan berbagai jenis intensitas cahaya sampai 100 lux dengan range 50 lux.

•

Pengambilan gambar dengan intensitas cahaya dari 100 lux sampai 1100 lux dengan range 100 lux.

Citra yang ditangkap oleh kamera mengandung dua macam objek yang memiliki bentuk dan warna berbeda dengan latar belakang berwarna putih. Objek yang diinginkan akan disegmentasi dari objek lain yang menjadi latar belakang atau background.

Gambar 4.10 Pengambilan citra

64

Pengambilan citra dilakukan dengan workbench yang digunakan seperti telihat pada gambar 4.10. Kamera diletakkan tegak lurus terhadap posisi objek diletakkan. Jarak dari lampu sorot terhadap objek disesuaikan dengan lux yang diinginkan. Untuk mendapatkan intensitas cahaya sebesar 100-1100 lux maka lampu sorot diletakan 27 cm terhadap objek yang akan disegmentasi. Sedangkan untuk mendapatkan intensitas sangat rendah misalnya 10 sampai 100 lux maka di letakkan 40 cm terhadap objek yang akan disegmentasi.

Gambar 4.11 Objek yang akan disegmentasi

Gambar 4.11 objek-objek yang digunakan untuk segmentasi pada sistem yang diantaranya cangkir dan kaleng susu mewakili objek berbentuk lingkaran, pena mewakili persegi panjang dan M-key BCA mewakili objek tidak teratur.

(a)

(b)

Gambar 4.12 (a) Citra background satu objek dan (b) citra background empat objek

65

Gambar 4.12 citra dengan intensitas cahaya 50 lux terdiri dari objek buku dengan latar belakang dengan variasi warna dan citra background dengan kondisi lain terdiri dari empat objek dengan variasi warna yang lebih beragam pada objek-objek tersebut.

4.5 Evaluasi

4.5.1 Analisa Intensitas Cahaya dan Variabel Objek

Tabel 4.1 Citra foreground objek pena dan hasil segmentasi Benda

Intensitas cahaya rendah

Intensitas cahaya tengah

Intensitas cahaya tinggi

(51 lux -100 lux)

(501 lux -600 lux)

(1001 lux- 1100 lux )

Pena

Hasil segmentasi

Tabel 4.1 menunjukkan citra foreground dengan objek pena yang ingin dipisahkan dari background yaitu buku sehingga didapatkan citra objek yang diinginkan untuk dipisahkan yaitu pena. Objek pena mewakili bidang persegi panjang yang luas permukannya tidak terlalu besar dan memiliki tekstur warna gelap atau hitam. Dengan intensitas cahaya yang diberikan senilai 50 lux, tengah

66

501 lux, dan intensitas paling tinggi 1001 lux objek pena dapat berhasil disegmentasi pada sistem, walaupun masih memiliki noise pada citra hasil segmentasi yang dikarenakan warna background di sekitar pena memiliki nilai intensitas pixel yanag hampir sama dengan nilai intensitas pixel objek pena tersebut. Perbedaan nilai intensitas pixel tersebut diakibatkan oleh besarnya nilai intensitas cahaya yang diberikan untuk percobaan. Semakin tinggi nilai intensitas cahaya yang diberikan yaitu 1001 lux maka nilai intensitas pixel pada citra akan semakin kontras antara background dengan objek pena warna gelap yang akan disegmentasi.

Tabel 4.2 Citra foreground objek cangkir dan hasil segmentasi Benda

Intensitas cahaya rendah (51 lux – 100 lux)

Intensitas cahaya tengah (501 lux – 600 lux)

Intensitas cahaya tinggi (1001 lux – 1100 lux)

Cangkir

Hasil Segmentasi

Gambar 4.2 tabel menunjukkan citra foreground dengan objek cangkir yang ingin kita pisahkan dari background buku dengan nilai intensitas cahaya yang diberikan yaitu 51 lux, 501 lux dan 1001 lux sehingga didapatkan citra objek yang disegmentasi yaitu objek cangkir. Objek cangkir yang mewakili

67

bidang lingkaran memiliki tekstur warna putih dapat berhasil disegmentasi pada sistem. Berbeda dengan percobaan sebelumnya saat menggunakan objek pena sebagai foreground, percobaan dengan objek cangkir memiliki citra hasil segmentasi lebih baik diperlihatkan pada tabel 4.2 yaitu segmentasi objek cangkir memberikan hasil citra lebih bersih dibandingkan dengan objek pena.

Tabel 4.3 Citra foreground objek M-key BCA dan hasil segmentasi Benda




(51 lux -100 lux)

(501 lux – 600 lux)

(1000 lux – 1100 lux)

M-key BCA

Gambar 4.3 tabel menunjukkan citra foreground dengan objek M-key BCA yang ingin dipisahkan dari background sehingga didapatkan objek yang disegmentasi yaitu objek M-key BCA. Objek M-Key BCA berbentuk tidak teratur memiliki tekstur warna yang beragam yaitu warna biru, putih dan merah. Dengan intensitas yang diambil dari terendah 51 lux, intensitas tengah 501 lux, dan intensitas tinggi 1001 lux M-key BCA dapat berhasil disegmentasi oleh sistem seperti pada tabel 4.3. Citra hasil segmentasi M-Key BCA lebih baik

68

dibandingkan dengan objek pena, meskipun masih ada terlihat noise di sekitar tepi-tepi objek.

Tabel 4.4 Citra foreground objek kaleng susu dan hasil segmentasi Benda




(50 lux)

(500 lux)

(1000 lux)

Kalen g Susu

Tabel 4.4 menunjukkan citra foreground dengan objek kaleng susu yang ingin dipisahkan dari background sehingga di dapat objek yang disegmentasi yaitu objek kaleng susu. Objek kaleng susu mewakili bidang lingkaran memiliki tekstur warna hitam dan putih dengan intensitas 51 lux, intensitas tengah 501 lux, dan intensitas tinggi 1001 lux dapat berhasil disegmentasi oleh sistem. tingkat keberhasilan sistem melakukan segmentasi lebih tinggi dibandingkan dengan objek pena dan M-Key BCA karena nilai pixel tepi pada kaleng susu tidak sama dengan citra background. Dilihat dari proses segmentasi objek, bentuk objek yang luas dengan tekstur warna yang beragam dapat menentukan keberhasilan sistem dalam melakukan segmentasi citra objek. Untuk menguji pengaruh sistem terhadap intensitas cahaya yang sangat rendah maka mengambil data dengan objek pena yang akan disegmentasi dengan range 10 lux yang akan ditunjukkan pada tabel 4.5

69

Tabel 4.5 Segmentasi citra objek pena Input dengan itensitas cahaya

Intensitas 10 lux

Intensitas 20 lux

Itensitas 30 lux

Intensitas 40 lux

Hasil output

70

Itensitas 50 lux

Intensitas 60 lux

Intensitas 70 lux

Intensitas 80 lux

71

Intensitas 90 lux

Intensitas 100 lux

Dilihat dari tabel 4.5 terlihat citra yang ditangkap oleh kamera tidak sesuai dengan intensitas cahaya yang ditunjukkan oleh lux meter saat mengalami kenaikan intensitas cahaya. Hal ini dikarenakan kemampuan lampu yang mengalami flicker saat dilakukan pengaturan cahaya dengan intensitas rendah. Didapatkan pencahayaan yang tidak konsisten dari lampu saat pencahayaan rendah, sehingga mengakibatkan citra yang ditangkap kamera tidak konsisten. Sehingga dilakukan percobaan untuk mengambil data dengan intensitas cahaya rendah dengan range 50 lux.

72

segmentation successful rate

Gambar 4.13 Hasil segmentasi

Dari gambar 4.13 dapat dilihat percobaan dengan objek pena, cangkir, M-key BCA yaitu setiap objek mempunyai bentuk dan warna variatif yang memberikan pengaruh dalam proses segmentasi objek. Pada gambar 4.13 memperlihatkan bahwa objek pena yang memiliki bidang yang pipih dan gelap memiliki tingkat keberhasilan segmentasi yang rendah dibandingkan dengan objek yang memiliki permukaan lebih luas dengan warna terang. Objek M-key BCA pada intensitas tertentu memiliki tingkat keberhasilan segmentasi yang tidak terlalu tinggi dikarenakan objek yang ingin disegmentasi memiliki nilai intensitas pixel yang hampir sama dengan objek background. Pada objek cangkir didapatkan hasil segmentasi yang baik karena warna objek cangkir memiliki perbedaan warna yang kontras sehingga nilai intensitas pixel objek cangkir tidak mirip dengan nilai intensitas pixel background. Percobaan dengan intensitas cahaya kondisi saat intensitas di bawah 50 lux memiliki tingkat keberhasilan paling rendah seperti terlihat pada gambar 4.13 karena pencahayaan yang gelap menimbulkan jumlah cahaya yang dipantulkan r(x, y) mendekati 0, sehingga lebih banyak cahaya yang diserap oleh objek.

73

Gambar 4.14 Hasil segmentasi cangkir dengan metode region growing

Gambar 4.15 Hasil segmentasi pena dengan region growing

Berbeda dengan metode edge suppressing, metode region growing tidak memberikan hasil segmentasi cangkir yang baik seperti terlihat pada gambar 4.14. Tidak konsistennya tingkat keberhasilan segmentasi dengan metode region growing membuat metode ini tidak dapat digunakan untuk kondisi objek dengan warna beragam. Metode region growing tidak dapat memberikan hasil segmentasi yang sukses pada

74

objek pena seperti terlihat pada gambar 4.15 yang menunjukkan tingkat keberhasilan segmentasi adalah nol persen dalam kondisi seluruh intensitas cahaya.

4.5.2 Analisa Intensitas Cahaya dan Variabel Background

Tabel 4.6 Objek pena dengan background beragam dan hasil segmentasi Benda




(51 lux -100 lux)

(501 lux – 600 lux)

(1000 lux – 1100 lux)

Pena

Hasil Segmentasi

Dengan menguji parameter background variable maka dilakukan segmentasi dengan empat macam objek sebagai background yaitu kotak balsam jingga, sampul hansaplas, pemantik api dan buku.

Segmentasi objek pena dengan kondisi empat

macam objek sebagai background berhasil dilakukan walaupun masih terdapat sedikit noise dengan kondisi background dengan objek warna variatif. Tabel 4.6, tabel 4.7dan tabel 4.8 memperlihatkan segmentasi berhasil dilakukan pada intensitas cahaya yang rendah yaitu 51 lux sampai 100 lux dan intensitas cahaya yang tinggi yaitu 1000 lux sampai 1100 lux dengan kondisi empat macam objek yang beragam sebagai background, yang memberikan hasil citra objek yang diinginkan dapat terpisah dari background.

75

Tabel 4.7 Objek cangkir dengan background beragam dan hasil segmentasi Benda




(51 lux – 60 lux)

(501 lux-600 lux)

(1000 lux – 1100 lux)

Cangkir

Hasil Segmentasi

Tabel 4.8 Objek M-Key BCA dengan background beragam dan hasil segmentasi Benda

M-key BCA

Hasil Segmentasi




(51 lux – 100 lux)

(501 lux- 600 lux)

(1000 lux – 110 lux)

76

Tabel 4.9 Objek cangkir dengan kondisi foreground yang berbeda intensitas dengan background Input dengan itensitas cahaya

Intensitas 1 lux-50 lux

Intensitas 51 lux – 100 lux

Itensitas 101 lux – 200 lux


Hasil output

77





78

Intensitas701 lux – 800 lux




Tabel 4.9 merupakan hasil percobaan dengan kondisi foreground dengan intensitas sampai dengan 1100 lux yang disegmentasi dengan background dengan intensitas 50 lux. Didapatkan hasil citra segmentasi yang sedikit berbeda dibandingkan dengan tabel 4.7 saat foreground cangkir memiliki nilai intensitas cahaya yang sama dengan background yang disegmentasi. Tabel 4.9 memperlihatkan hasil segmentasi yang masih terlihat sedikit tekstur objek background yaitu buku saat intensitas 200 lux sampai 1100 lux.

Saat foreground diberi cahaya lebih rendah dari 50 lux dan

background diberi cahaya dengan range 51 lux sampai 100 lux, maka didapatkan hasil

79

segmentasi lebih baik dibandingkan kondisi foreground dengan nilai intensitas 201 lux sampai 1100 lux.

Gambar 4.16 Grafik hasil segmentasi cangkir dengan satu objek background

Objek cangkir memberikan grafik keberhasilan pada gambar 4.16 hasil segmentasi paling baik jika dibandingkan dengan dengan objek M-Key BCA dan objek pena saat dilakukan segmentasi dengan intensitas cahaya sampai dengan 1100. Hal ini dikarenakan cangkir memiliki luas permukaan yang lebih besar dibandingkan dengan objek M-Key BCA dan pena sehingga luas permukaan objek background yaitu buku lebih banyak tertutupi oleh objek cangkir. Tekstur dan warna buku yang variatif sebagai background yang lebih banyak tertutup oleh cangkir sehingga membuat proses segmentasi lebih mudah dilakukan karena saat melakukan segmentasi metode edge suppressing tidak perlu mencari edge pada citra background yang akan dihilangkan. Sehingga proses segmentasi yang akan mencari edge yang mewakili objek cangkir pada foreground.

80


Gambar 4.17 Grafik hasil segmentasi cangkir dengan jumlah lebih dari satu objek sebagai background

Gambar 4.17 menunjukan cangkir yang disegmentasi dengan kondisi empat macam objek pada background memberikan hasil keberhasilan yang baik ketika dengan pencahayaan sampai 1100 lux. Tingkat keberhasilan segmentasi cangkir pada gambar 4.17 terlihat sedikit berbeda dengan gambar 4.16 saat cangkir dipisahkan dari satu macam objek background yaitu hanya buku, yang terlihat hasil keberhasilan segmentasi yang lebih konsisten pada pencahayaan yang tinggi yaitu 600 lux sampai 1100 lux. Gambar 4.17 menunjukkan keberhasilan segmentasi mengalami sedikit penurunan dan penaikan saat pencahayaan tinggi yaitu 700 lux sampai 1100 lux.

Hal ini dapat

diakibatkan karena kondisi background dengan empat macam objek yang memiliki warna variatif yaitu jingga pada kotak balsem, biru muda, putih, merah dan hitam pada sampul hansaplas, buku dan pemantik api. Dengan variatifnya warna pada objek yang menjadi background tersebut maka akan mempengaruhi proses segmentasi dalam mencari edge objek background yang dilakukan oleh metode edge suppressing dikarenakan banyaknya cahaya yang dipantulkan oleh objek.

Pemantulan objek

backgroud yang terletak berdekatan dengan objek foreground yaitu cangkir menyebabkan karakteristik pixel yang mewakili objek cangkir menjadi sedikit berubah.

81


Gambar 4.18 Grafik hasil segmentasi M-Key BCA dengan satu objek background

Dalam menguji sistem segmentasi maka variabel nilai intensitas pixel, jumlah pixel yang terdapat pada citra, dan distribusi penyebaran intensitas pixel pada citra akan diukur untuk menentukan tingkat keberhasilan sistem dalam melakukan segmentasi. Grafik keberhasilan sistem segmentasi menggunakan metode edge suppressing dihasilkan berdasarkan variabel jumlah pixel yaitu pixel-pixel objek pada citra yang berhasil disegementasi.


Gambar 4.19 Grafik hasil segmentasi M -Key BCA dengan jumlah lebih dari satu objek sebagai background

82

Hasil segmentasi M-Key BCA dengan empat macam objek sebagai background pada gambar 4.19 memberikan tingkat keberhasilan hasil segmentasi yang lebih konsisten dibandingkan dengan gambar 4.17 yaitu objek cangkir saat dilakukan segmentasi dengan pencahayaan tinggi yaitu 501 lux sampai 1001 lux.

Perbedaan

luasnya permukaan dan warna yang dimiliki oleh cangkir dan M-Key BCA menyebabkan tingkat keberhasilan segmentasi yang berbeda. Cangkir yang memiliki luas permukaan lebih besar daripada M-Key BCA menyebabkan cahaya yang dipantulkan oleh cangkir lebih banyak. Selain itu cangkir memiliki warna yang sangat terang yaitu putih sehingga warna cangkir tersebut lebih mudah memantulkan cahaya dibandingkan dengan warna M-Key BCA yang sebagian besar berwarna biru gelap. Banyaknya pemantulan cahaya oleh cangkir dapat menyebabkan perbedaan karakteristik pixel pada citra yang diambil oleh kamera sehingga memungkinkan terjadi perubahan komposisi RGB (Red Green Blue) pada citra tersebut saat intensitas cahaya tinggi. Berbeda dengan M-Key BCA yang tidak terlalu banyak memantulkan cahaya sehingga citra yang ditangkap oleh kamera memiliki karakteristik pixel yang hampir sama saat intensitas cahaya tinggi. Variabel distribusi penyebaran intensitas pixel pada citra yang diukur pada penelitian ini dapat memberikan karakteristik citra yang lebih mudah untuk dilakukan proses segmentasi dan rumit untuk dilakukan proses segmentasi.

Disamping itu

distribusi penyebaran intensitas pixel yang dinyatakan oleh histogram dapat memberikan karateristik citra yang memberikan hasil segmentasi yang baik dan citra hasil segmentasi kurang baik. Dengan mengukur variabel distribusi penyebaran intensitas pixel citra maka dapat dianalisa komponen RGB (Red Green Blue) yang terkandung pada citra. Warna variatif setiap objek yang digunakan pada perancangan ini dinyatakan dengan histogram citra RGB pada gambar 4.20 dan gambar 4.21. Histogram citra untuk objek cangkir dengan intensitas 1001 lux sampai 1100 lux pada gambar 4.20 memperlihatkan jumlah pixel untuk komponen blue pada citra lebih banyak dibandingkan komponen red dan green. Jika dilihat dari histogram citra dengan objek M-Key BCA pada gambar 4.21 memiliki komponen red yang lebih banyak dibandingkan dengan komponen red pada histogram citra dengan objek cangkir pada seperti terlihat pada gambar 4.20. Dengan lebih banyaknya jumlah pixel dengan komponen red dan blue pada citra objek M-Key BCA, maka membuat warna objek tersebut lebih variatif

83

dibandingkan dengan objek cangkir. Disamping itu pada gambar 4.20 bentuk histogram komponen blue terpusat pada satu daerah yang dapat menggambarkan karakteristik intensitas pixel objek cangkir dimana sebagai besar pixel pada citra tersebut memiliki nilai intensitas komponen blue yang hampir sama. Berbeda dengan pada gambar 4.21 yang bentuk histogram komponen blue tidak terpusat hanya pada satu daerah saja, sehingga menunjukkan karakteristik bahwa objek M-Key BCA mempunyai memiliki komponen blue dengan intensitas pixel yang beragam.

Gambar 4.20 Histogram cangkir dengan satu objek backgorund intensitas 1001 lux sampai 1100 lux

84

Gambar 4.21 Histogram M-Key BCA dengan satu objek background intensitas 1001 lux sampai 1100 lux

Gambar 4.22 Histogram cangkir dengan satu objek background intensitas 51 lux sampai 100 lux

Histogram citra objek cangkir dengan intensitas 51 lux pada gambar 4.22 memiliki perbedaan distribusi intensitas pixel komponen red green blue yang terkandung pada citra dengan intensitas 1001 lux sampai 1100 lux pada gambar 4.20. Komponen blue pada histogram citra objek cangkir dengan intensitas 50 lux berpusat pada satu daerah

85

dengan jarak intensitas pixel 0 sampai 100, sedangkan pada gambar 4.20 komponen blue pada histogram objek cangkir dengan intensitas 1000 lux berpusat pada satu daerah dengan jarak intensitas pixel sampai 200. Selain itu komponen red dan green pada histogram gambar 4.22 lebih terpusat pada jarak intensitas 0 sampai 100 dan 50 sampai 150. Dapat dilihat dari gambar 4.20 dengan pencahayaan rendah yaitu 51 lux, cahaya yang dipantulkan oleh objek yang tertangkap oleh kamera tidak terlalu banyak sehingga dihasilkan histogram RGB citra dengan distribusi penyebaran intensitas pixel dengan nilai yang rendah. Berbeda dengan gambar 4.20 yang diberi pencahayaan tinggi sehingga objek dapat memantulkan cahaya lebih banyak yang mengakibatkan citra yang ditangkap oleh kamera memberikan distribusi penyebaran intensitas pixel dengan nilai tinggi. Walaupun pada intensitas cahaya yang sama tinggi yaitu 1001 lux sampai 1100 lux objek cangkir dan M-key BCA memberikan distribusi penyebaran intensitas pixel yang berbeda seperti pada gambar 4.20 dan 4.21. Perbedaan tersebut dikarenakan perbedaan warna variatif yang dimiliki oleh objek cangkir dan objek M-key BCA.

Gambar 4.23 Histogram M-Key BCA dengan background putih intensitas 1001 lux sampai 1100 lux

86

Sistem memberikan hasil segmentasi paling baik saat background hanya berwarna putih yaitu tidak terdapat objek berwarna selain putih sebagai background. Citra M-Key BCA dengan background putih saja memberikan histogram RGB yang berbeda seperti terlihat pada gambar 4.23 dengan histogram M-Key BCA dengan background objek buku seperti terlilhat pada gambar 4.21. Komponen blue untuk histogram pada gambar 4.23 hanya berpusat pada satu daerah sehingga komposisi intensitas pixel pada citra lebih seragam dibandingkan dengan komponen blue untuk histogram pada gambar 4.21 yang berpusat pada dua daerah sehingga menghasilkan komposisi intesitas pixel yang lebih variatif dibandingkan histogram pada gambar 4.23. Saat dilakukan pengambilan citra objek M-Key BCA dengan intensitas cahaya yang rendah yaitu sampai 50 lux, maka histogram citra pada gambar 4.24 memberikan komponen blue dengan intensitas pixel yang rendah yaitu 0 sampai 150 yang berbeda dengan histogram pada gambar 4.21. Sedangkan komponen green pada histogram masih memberikan nilai intensitas pixel yang tinggi seperti pada komponen green pada histogram 4.21.

Gambar 4.24 Histogram M-Key BCA dengan satu objek background intensitas 51 lux sampai 100 lux

87

Gambar 4.25 Histogram pena dengan satu objek background intensitas 1001 lux sampai 1100 lux

Objek pena memberikan distribusi penyebaran intensitas pixel pada gambar 4.25 yang sangat berbeda dibandingkan distribusi penyebaran intensitas pixel pada citra dengan objek cangkir. Dari gambar 4.25 pena memiliki histogram komponen green dan red yang berbentuk multimodal. Citra dengan objek pena memiliki bentuk histogram yang mirip dengan citra dengan objek MKey BCA. Dengan melihat citra hasil segmentasi dengan beberapa objek yang telah diuji oleh beberapa parameter yaitu kondisi intensitas cahaya yang berbeda, bentuk, warna dan tekstur objek maka citra yang memberikan hasil segmentasi paling baik yaitu citra dengan objek cangkir dengan nilai intensitas yang tidak terlalu rendah. Intensitas cahaya yang terlalu rendah yaitu dibawah 100 lux memberikan hasil segmentasi kurang baik pada beberapa objek, sehingga parameter intensitas cahaya merupakan salah satu parameter dasar yang mempengaruhi keberhasilan sistem melakukan segmentasi. Dari hasil grafik keberhasilan, cangkir yang memiliki warna terang dan tidak beragam memberikan citra hasil segmentasi lebih baik dibandingkan dengan M-Key BCA

88

yang memiliki warna beragam yaitu biru, merah, putih, sehingga disamping intensitas

cahaya

maka

warna

menjadi

parameter

mempengaruhi sistem dalam melakukan segmentasi.

dasar

yang

dapat

Gambar 4.1 Diagram Percobaan

Recommend Documents