IMPLEMENTASI METODE KOMPUTER VISION SEBAGAI PENGOLAHAN CITRA API PADA KEBAKARAN LAHAN

A-39

IMPLEMENTASI METODE KOMPUTER VISION SEBAGAI PENGOLAHAN CITRA API PADA KEBAKARAN LAHAN Ahmad Zarkasi 1, Huda Ubaya 2 Jurusan Sistem Komputer Fakultas Ilmu Komputer Universitas Sriwijaya Jalan Palembang-Prabumulih Km.32 Indralaya, OI, Sumatera Selatan 30662 [email protected], [email protected]

Abstrak— Pemantauan kebakaran hutan dan semak dapat dilakukan menggunakan citra satelit ataupun kamera dengan metode pengolahan citra menggunakan pesawat tanpa awak (UAV).Pengolahan citra adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia komputer. Pada penelitian ini akan menitik beratkan pada merancang dan mengimplementasikan metode komputer vision metrode thresholding, yang digunakan untuk pengolahan data citra kamera yang akan mendeteksi api pada kebakaran lahan. Hasil yang diperoleh adalah nilai HSV dari objek api masuk dalam range rata rata hue : 0 – 65, saturation : 14.5 – 51.4 dan value : 82.4 – 159. Nilai inilah yang akan digunakan sebagai color filtering untuk parameter mendeteksi objek api dan juga sebagai batasan nilai thersholding untuk segmentasi citra. Kata Kunci— Kebakaran lahan, komputer vision, thresholding, pesawat tampan awak.

I. PENDAHULUAN Peristiwa kebakaran besar di lahan gambut Indonesia hampir terjadi setiap tahun, kebakaran terakhir terjadi tahun 2014 (Maret-Agustus).Kini permasalahan kebakaran lahan gambut mencuat kembali. Kebakaran hutan rawa gambut merupakan proses pembakaran bahan organik yang menyebar secara liar dengan mengkonsumsi bahan bakar alam hutan seperti serasah, humus, tanah gambut, rumput, ranting-ranting, gulma, semak, dedaunan serta pohon-pohon segar. Hasil penelitian dan pengalaman selama ini menunjukkan bahwa pemicu api awal berhubungan erat dengan pengguna api untuk pembakaran vegetasi, pembakaran dalam pemanfaatan sumberdaya alam, dan pembakaran lahan tidur serta penguasaan lahan [1]. Pemantauan kebakaran hutan dapat dilakukan menggunakan citra satelit ataupun pesawat tanpa awak (UAV) dengan aplikasi pengolahan citra.Pengolahan citra adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia komputer. Inputnya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik daripada citra masukan misal citra warnanya kurang tajam, kabur, mengandung noise

(misal bintik-bintik putih) sehingga perlu pemrosesan untuk memperbaiki citra karena akan sulit diinterpretasikan sebab informasi yang disampaikan menjadi berkurang. Pengolahan citra bersifat multidisiplin, yaitu merambah ke banyak aspek, antara lain: fisika, elektronika, matematika, seni, bidang medis, dan teknologi komputer [2]. Pemantauan kebakaran hutan dan semak dapat dilakukan menggunakan citra satelit ataupun kamera dengan metode pengolahan citra.Pengolahan citra adalah kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia komputer. Berdasarkan penelitian sebelumnya [3], dimana sistem pendeteksi tersebut digunakan untuk mendeteksi kebakaran hanya di dalam suatu ruangan menggunakan webcam dan PC sebagai peralatan keamanan dengan pengolahan citra menggunakan metode warna RGB (Red, green, Blue). Pada penelitian tersebut terdapat kelemahan pada metode warna RGByaitu hanya bisa digunakan di dalam ruangan dengan kondisi pencahayaan yang cenderung statis, sehingga tidak cocok untuk pendeteksian api diluar ruangan. Penelitian [4] yang menggunakan metode Watershed berdasarkan ruang warna RGB.Penelitian tersebut hanya menggunakan citra diam dari citra satelit sebagai inputannya secara manual. Berdasarkan masalah diatas mada pada penelitian ini akan menitik beratkan pada merancang dan mengimplementasikan metode komputer vision yaitu thresholding, untuk pengolahan data citra kamera yang akan mendeteksi api pada dalam dan luar ruangan. II. TINJAUAN PUSTAKA 2.1 Defenisi Api Untuk memperoleh gambaran mengenai sistem kamera pendeteksi api berdasarkan pada latar belakang pembuatan penelitian ini, maka perlu dipahami definisi dari api. Adapun definisi api menurut NFPA secara umum api penyebab kebakaran didefinisikan sebagai suatu peristiwa oksidasi yang melibatkan tiga unsur yang harus ada, yaitu; bahan bakar yang mudah terbakar, oksigen yang ada dalam udara, dan sumber energi atau panas, sehingga terjadilah kebakaran yang berakibat menimbulkan kerugian harta benda, cidera bahkan kematian [6].

A-40 Api dari benda padat yang digunakan pada penelitian ini berupa api lilin, api kertas, api kayu, rumput dan daun memiliki karakter yang secara visual dan pencitraan dapat dilihat oleh mata seperti berikut : 1. Api dari benda padat memiliki spektrum warna, pada bagian pangkal api memiliki warna putih transparan, pada bagian tengah berwarna orange atau kuning tua, sedangkan pada bagian pinggir berwarna kemerahan. 2. Semakin banyak benda padat yang terbakar akan menimbulkan kobaran api yang besar pula. 3. Benda padat yang terbakar panas api menimbulkan asap. 4. Bahan bakar padat yang terbakar akan meninggalkan sisa berupa abu atau arang. 2.2 Citra Digital Citra (image) adalah gambar pada bidang dwimatra (dua dimensi).Citra adalah angka, dari segi estetika, citra atau gambar adalah kumpulan warna yang bisa terlihat indah, memiliki pola, berbentuk abstrak dan lain sebagainya.Citra dapat berupa foto udara, penampang lintang (cross section) dari suatu benda, gambar wajah, hasil tomografi otak dan lain sebagainya [5]. Berdasarkan jenis nya citra terdiri dari dua jenis yaitu citra diam (still images) adalah citra tunggal yang tidak bergerak, dan citra bergerak (moving images) adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial) sehingga member kesan pada mata kita sebagai gambar yang bergerak. Setiap citra dalam rangkaian itu disebut frame [6].

Gambar 2.2.Citra grayscale

Citra Biner Dalam banyak aplikasi yang melibatkan citra, sangat berguna untuk memisahkan wilayah objek yang kita perlukan dari wilayah-wilayah lain yang tidak kita perlukan yang dikenal sebagai background. Proses thresholding sering menyediakan cara yang mudah dan nyaman untuk melakukan segmentasi citra ini dengan cara membedakan intensitas atau warna antara objek (foreground) dengan latar belakang (background). Kadang thresholding juga sangat penting untuk dapat melihat daerah dari sebuah citra yang nilai pixelnya terletak dalam range atau band intensitas (atau warna). Proses thresholding ini akan menghasilkan citra biner. Citra biner didapatkan dengan cara meng-threshold-kan citra grayscale. Operasi thresholdingakan mengelompokkan nilai derajat keabuan setiap pixel kedalam 2 kelas, yaitu hitam dan putih. Contoh citra biner seperti terlihat pada gambar 2.3 berikut,

Citra Red, Green, Blue (RGB) Dasar dari pengolahan citra adalah pengolahan warna RGB pada posisi tertentu.Dalam pengolahan citra warna direpresentasikan dengan nilai hexadesimal dari 0x00000000 sampai dengan 0x00ffffff. Warna hitam dengan nilai 0x00000000, dan warna putih bernilai 0x00ffffff.Presentasi pola citra RGB dapat dilihat dalam Gambar 2.1 berikut.

Gambar 2.3 Citra biner

Cropping Image

Gambar 2.1.Representasi Hexadesimal Citra RGB

Citra Grayscale Citra yang nilai pixel-nya merepresentasikan derajat keabuan atau intensitas warna putih.Nilai intensitas paling rendah merepresentasikan warna hitam dan nilai intensitas paling tinggi merepresentasikan warna putih. Pada umumnya citra grayscale memiliki kedalaman pixel 8 bit (256 derajat keabuan). Gambar 2.2 berikut merupakan citra grayscale.

Merupakan salah satu proses dalam pengolahan suatu citra, dimana proses ini diperuntukan untuk mengambil bagianbagian yang diperlukan dalam satu frame citra yang dibutuhkan untuk suatu proses citra. Dalam tugas akhir ini proses cropping dilakukan untuk memperkecil jumlah pixel sehingga pemrosesan datanya lebih mudah.Adapun rumus yang digunakan adalah [8] : x’ = x – xL untuk x = xL sampai xR

... (1)

y’ = y – yT untuk y = yT sampai yB

…(2)

Dimana (xL,yT) dan (xR,yB) adalah koordinat titik pojok kiri atas dan pojok kanan bawah citra yang akan di-crop. Ukuran citra menjadi [8] : w’ = xR – xL

… (3)

A-41 h’ = yB –YT

… (4)

Gambar 2.6. Quodcopter

2.5 Kamera Digital Gambar 2.4. Proses Cropping

2.3 UAV (Unmanned Aerial Vehicle) Secara umum robot terbang adalah suatu robot yang mempunyai kemampuan untuk menjelajah di udara bebas, yang dilengkapi dengan mesin atau motor pengerak untuk mengatur pergerakan robot. Sedangkan Unmanned Aerial Vehicleatau UAV [1] adalah sebuah mesin terbang yang dapat dikendalikan dengan kendali jarak jauh atau pesawat terbang tanpa satu pun awak pesawat yang mengendalikan didalamnya.Kontrol pesawat tanpa awak ada dua variasi utama, variasi pertama yaitu dikontrol melalui pengendali jarak jauh dan variasi kedua adalah pesawat yang terbang secara mandiri berdasarkan program yang dimasukan kedalam pesawat sebelum terbang.Gambar 2.5 merupakan gambar quadcopter.

Kamera digunakan sebagai sensor yang dapat mendeteksi objek api yang akan diproses dengan image processing pada laptop. Kamera juga memiliki spesifikasi khusus agar menghasilkan kualitas citra yang baik dan tidak membebani kinerja program pengolahan citranya.Pertimbangan spesifikasi meliputi resolusi, hasil video (PAL atau NTSC), ukuran lensa, berat kamera, ukuran kamera dan tengangan listrik yang di butuhkan.Untuk berat dan ukuran jadi pertimbangan agar kamera tidak mengganggu keseimbangan wahana. III. IMPLEMENTASI SISTEM 3.1 Perangkat Keras Sistem Dalam tahap ini dilakukan perancangan sistem hardware, yang dimaksudkan untuk mengetahui karakteristik, pengambilan data dan pengolahan data sensor . Data lingkungan tersebut berupa data citra api. Kamera wifi digital akan menangkap citra dilapangan yang berupa informasi lingkungan. Data tersebut akan dikirimkan ke laptop untuk diproses melalui media tv tunner, yang data tersebut akan dikirim ke laptop atau pc. Dengan menggunakan apilkasi pengolah data citra kamera, maka akan didapatkan hasil citra lingkungan yang dikirmkan. Untuk jelasnya dapat dilihat dalam gambar 3.1 berikut yang merupakan blok diagram sistem.

Gambar 2.5. Quodcopter

2.4 Tv Tunner Tv Tunner adalah perangkat untuk menangkap siaran televisi analog yang dihubungkan kelaptop agar bisa menonton siaran televise melalui laptop. Data analog yang merupakan output dari video akan dimasuk ke tv tunner. TV tunner berfungsi sebagai konverter untuk mengubah dari data pada RCA menjadi data yang bisa diterima oleh USB Dan video akan ditampilkan melalui aplikasi video pada komputer. Dalam konverter data analog diubah menjadi data digital dan masuk ke laptopagar dapat diolah dan ditampilkan. Gambar 2.6 berikut merupakan Tv tunner.

Gambar.3.1 Blok Diagram Sistem

3.2 Perancangan Perangkat Keras Komponen alat yang digunakan untuk pengiriman data citra dari udara ke ground station terdapat dua komponen yaitu, komponen udara merupakan alat yang dibawa mengudara oleh quadcopter dan komponen tanah merupakan alat yang digunakan di ground station. Komponen udara berupa kamera digital, dan video transmitter. Sedangkan komponen tanah berupa video receiver, tv tunner dan laptop. Data citra yang dicapture oleh kamera lalu ditransmisikan menggunakan video.

A-42 Gambar 3.2 berikut merupakan implementasi sistem pendeteksi api dengan menggunakan quadcopter.

Dalam penelitian ini menggunakan ruang warna HSV ,sehingga harus dikonversi dahulu dari warna RGB ke warnaHSV. Ruang warna HSVmemiliki kelebihan dalam pendeteksian objek berbasiskan pengolahan citra yaitu ruang HSV dapat menoleransi terhadap perubahan intensitas cahaya yang menyinari objek sehingga cocok untuk pendeteksian objek diluar ruangan dengan kondisi pencahayaan yang dinamis[7]. Proses konversi RGB ke HSV didapatkan dengan cara menuliskan rumus matematis konversi warna RGB ke warnaHSV[14]kedalam bahasa pemrograman C# pada OpenCV di interface yang telah dirancang menggunakan Microsoft Visual Studio. Cara kerja program konversi RGB ke HSV yaitu dengan memproses setiap pixel dari warna RGB

Gambar 3.2.Sistem Deteksi api menggunakan quadcopter

Thresholding 3.3 Perancangan Perangkat Lunak Perancangan perangkat lunak pengolahan citra ini menggunakan program Visual Studio 2013 yang telah dilengkapi dengan library OpenCV dengan Bahasa pemrograman C#.OpenCV (open source computer vision) merupakan library pemrograman untuk pengolahan citra yang biasa diaplikasikan pada robotika atau alat elektronik lainnya seperti kamera, Ipad, dll untuk digunakan sebagai pendeteksi wajah maupun pengenalan objek. Perancangan perangkat lunak sistem pendeteksi api melalui quadcopter ini terdiri dari beberapa tahapan. Tahap pertama yaitu menginisialisaikan kamera digital yang aktif agar dapat terintegrasi oleh laptop. Agar kamera dapat terintegrasi di laptop yaitu dengan membuat combo box pada visual studio untuk menampung semua port kamera yang aktif tahap ini disebut inisialisasi kamera. 3.4 Pengolahan Citra Capture Image Capture image adalah proses menangkap citra secara terus menerus oleh kamera selama kamera tersebut dalam mode aktif dan menampilkannya pada picture box dengan resolusi citra berukuran 320 x 240 pixel yang ditampilkan pada interface yang telah dibuat pada program. Citra masukan dari kamera tersebut dalam bentuk ruang warna RGB (red, green, blue).Citra RGB terdiri dari tiga komponen warna dasar, yaitu Red, Green dan Blue. Setiap komponen warna dasar tersebut memiliki kanal warna antara 0 – 255 [14].

Thresholding merupakan konversi citra berwarna ke citra biner yang dilakukan dengan cara mengelompokkan nilai derajat keabuan setiap pixel kedalam 2 kelas, hitam dan putih. Pada citra hitam putih terdapat 256 level, artinya mempunyai skala “0” sampai “255” atau [0,255], dalam hal ini nilai intensitas 0 menyatakan hitam, dan nilai intensitas 255 menyatakan putih, dan nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih [7]. IV. HASIL DAN PEMBAHASAN 4.1 Hasil Pengujian Perangkat Keras Pengujian perangkat keras sistem bertujuan untuk mengetahui apakah sistem berjalan sesuai keinginan dan dipastikan bahwa semua komponen perangkat keras telah terhubung dengan benar. Dalam penelitian ini, tidak difokuskan pada quadcopter, melainkan pada proses pengolahan citra apinya pada ketinggian tertentu untuk memdapatkan hasil pengamatan citra yang optimal. Sehingga kedepannya pembahasan mengenai quadcopter tidak teralalu mendetail. Komponen - komponen yang digunakan dalam sistem pendeteksi objek api ini terdiri dari komponen udara yang dibawa oleh quadcopter saat terbang yaitu kamera digital, gimbal, sedangkan komponen tanah adalah yang berada di groundstation yaitu video receiver, tv tunner, dan komputer. Berikut ini gambar 4.1 merupakan hasil perancangan quadcopter pendeteksi objek api yang merupakan komponen udara.

Resize image Resize image atau mengubah ukuran citra adalah proses untuk mendapatkan resolusi citra yang ideal untuk digunakan dalam proses pengolahan citra. Saat proses pengolahan citra setiap pixel akan diproses, sehingga semakin besar jumlah pixel yang diproses mengakibatkan semakin lama program melakukan eksekusi sehingga proses akan memakan waktu lama. Maka resolusi awal video yang berukuran 1080 x 720 pixel diresize dengan rasio perbandingan 1 banding 3 menjadi berukuran 320 x 240 pixel. Konversi RGB ke HSV

4.1. Quadcopter media pendeteksi api

A-43 4.2 Hasil Pengujian Perangkat Lunak Perangkat lunak pada sistem pendeteksi objek api menggunakan bahasa pemrograman C# dengan software Microsoft Visual Studio 2015. Program untuk mendeteksi api ini menggunakan tehnik pengolahan citra dengan kamera sebagai sensor inputannya, dimana pada perangkat lunak tersebut terdapat tahapan - tahapan proses pengolahan citra. Hasil dari pengujian perangkat lunak pengolahan citra dengan deteksi sembarang objek dapat dilihat pada gambar 4.2 dibawah ini.Program dapat bekerja dengan baik sesuai yang diharapkan dan meminimalisasi kesalahan yang ditemukan.

dalam range nilai color filtering HSV api, hasilnya seperti terlihat pada gambar 4.4 dibawah ini.

Gambar 4.4. Hasil pengujian pola warna hijau

Pola Warna Kuning

Gambar 4.2. Hasil pengujian perangkat lunak

Objek pengujian berwana kuning diletakkan denganjarak 30 cm - 40 cm dari kamera. Hasilnya benda berwarna kuning tersebut tidak terdeteksi sebagai api karena tidak termasuk dalam range nilai color filtering HSV api, hasilnya seperti terlihat pada gambar 4.5 dibawah ini

4.3 Hasil Pengujian Perangkat Keras Pengujian pola warna dialakukan sebagai perbandingan keakuratan program pendeteksi api. Ini merupakan pengujian awal dari rangkaian pengujian deteksdi api sebelum pengujian lahan gambut dilakukan. Pengujian ini akan menghasilkan nilai HSV sebagai color filtering api untuk mendeteksi api juga dilakukan terhadap objek selain api sebagai data pembanding. Pola Warna Merah Objek pengujian berwana merah diletakkan denganjarak 40 cm dari kamera. Hasilnya benda berwarna merah tersebut tidak terdeteksi sebagai api karena tidak termasuk dalam range nilai color filtering HSV api, hasilnya seperti terlihat pada gambar 4.3 dibawah ini.

Gambar 4.5. Hasil pengujian pola warna kuning

Pola Api Pengujian ini bertujuan untuk memamastikan program pendeteksi api dalam kondisi yang sudah siap, pengujian menggunakan media api pada lilin yan telah dinyalakan pada jaran 30 cm sampai dengan 40 cm. pengujian ini untuk membuktikan apakah api terdeteksi dengan baik. Hasilnya pola api pada lilin tersebut terdeteksi sebagai api karena termasuk dalam range nilai color filtering HSV api. Untuk hasil pengujian dalam ruangan dapat dilihat dalam gambar 4.6 dan hasil pengujian untuk lahan dapat dilihat dalam gambar 4.7 Gambar 4.3. Hasil pengujian pola warna merah

Pola Warna Hijau Objek pengujian berwana hijau diletakkan denganjarak 30 cm - 40 cm dari kamera. Hasilnya benda berwarna hijau tersebut tidak terdeteksi sebagai api karena tidak termasuk

A-44 hijau dan kuning tidak termasuk dalam deteksi api. Sedangkan hasil pengujian pola api dalam ruangan berhasil dengan baik, karena Berdasarkan hasil pengamatan nilai HSV dari objek api masuk dalam range rata – rata hue : 0 – 65, saturation : 14.5 – 51.4 dan value : 82.4 – 159. Nilai inilah yang akan digunakan sebagai color filtering untuk parameter mendeteksi objek api dan juga sebagai batasan nilai thersholding untuk segmentasi citra.

Gambar 4.6. Hasil pengujian pola api dalam ruangan

UCAPAN TERIMA KASIH Dalam menyelesaikan penelitian ini, penulis banyak menperoleh dukungan dari Fakultas Ilmu Komputer Unsri dalam hal memfasilitasi peneliti dalam proses pelaksanaan penelitian di Laboratorium Robotika dan Sistem Kendali. Juga kepada Lembaga Penelitian dan Pengabdian Unsri yang telah memberikan dukungan baik material dan dorongan untuk peningkatan mutu penelitian. REFERENSI [1]

Agus, Fahmuddin., Subiksa, Made, 2008. “Lahan Gambut: Potensi untuk Pertanian dan Aspek Lingkungan”.Balai Penelitian Tanah dan World Agroforestry Centre (ICRAF), Bogor.

[2]

Akbar, Acep., Faidil Sukhyar,. 2014. “ Kebakaran Hutan dan Lahan Rawa Gambut: Penyebab Faktor Pendukungnya dan Alteratf Pengolahannya ”, Balai Penelitian Kehutanan Banjarbaru.

[3]

Munir, Rinaldi. 2004. ” Pengolahan Citra Digital dengan pendekatan algoritmik. Penerbit Informatika”, Bandung. Indonesia.

[4]

Holder Bill, 2001. Unmanned Air Vehicles, An Illustrated Study of UAVs. Schiffer Publishing.Atglen, PA.

[5]

Kumar Senthil, Ramesh dan Srinivasan, 2011. First Pilot View (FPV) Flaying UAV Test Bad For Acoustic and Image Data Generation.Department of Aerospace Engineering, Anna University. Bangalore, India.

[6]

Putra, Darma. 2010. Pengolahan Citra Digital. Buku Teks.Penerbit ANDI. Yogyakarta. Indonesia

[7]

Elizabeth. Pengembangan Sistem Identifikasi Biometrik Wajah Menggunakan Metode Neural Network dan Pattern Matching.2008. Makalah Ilmiah. Teknik Elektro UI. Jakarta. Indonesia.

[8]

Kanade Takeo, Amidi Omead dan Ke Qifa, 2004. Real-Time and 3D Vision for Autonomous Small and Micro Air Vehicles. Robotics Institute, Carnegie Mellon University.

Gambar 4.7. Hasil pengujian pola api di lahan

Berdasarkan hasil perhitungan rata – rata nilai HSV dari semua objek yang akan menjadi nilai HSV tunggal untuk pengujian pendeteksi api adalah rata – rata adalah hue : 0 – 65, saturation : 14.5 – 51.4 dan value : 82.4 – 159. Nilai inilah yang akan digunakan sebagai color filtering untuk parameter mendeteksi objek api dan juga sebagai batasan nilai thersholding untuk segmentasi citra. Metode nilai rata – rata ini digunakan karena nilai HSV objek api ini terdapat pada nilai HSV semua jenis objek api. Maka nilai rata – rata tersebut dapat mengenali semua jenis objek api pada percobaann sebelumnya.

V. KESIMPULAN Adapun kesimpulan dalam penelitian ini adalah pengujian pola lingkungan hanya dilakukan pada 3 pola warna dan pola api dalam ruangan, dan pengujian diluar ruangan menggunakan dua pola yaitu api disemak dan lahan gambut Hasil pengujian pola warna mendapatkan hasil yang baik, karena warna merah,