PENGEMBANGAN DISTRIBUSI ILOS RASPBERRY PI UNTUK COMPUTER VISION (ILOS RaspiCV) DIANDRA BUDHI NUGRAHA

PENGEMBANGAN DISTRIBUSI ILOS RASPBERRY PI UNTUK COMPUTER VISION (ILOS RaspiCV)

DIANDRA BUDHI NUGRAHA

DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Pengembangan Distribusi ILOS Raspberry Pi untuk Computer Vision (ILOS RaspiCV) adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2015

Diandra Budhi Nugraha NIM G64100083

ABSTRAK DIANDRA BUDHI NUGRAHA. Pengembangan Distribusi ILOS Raspberry Pi untuk Computer Vision (ILOS RaspiCV). Dibimbing oleh HERU SUKOCO. Open source software (OSS) dewasa ini sangat diminati oleh kalangan pengguna teknologi karena mudah dipelajari dan kode sumber yang terbuka secara bebas, salah satu di antaranya adalah Linux. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah distribusi Linux untuk perangkat keras Raspberry Pi yang menunjang kegiatan computer vision. Pemilihan perangkat lunak menggunakan teknik survei terhadap mahasiswa dan dosen Ilmu Komputer yang berpengalaman di bidang computer vision. Penelitian ini melibatkan 76 orang sebagai contoh dari populasi sebesar 311 orang. Teknik survei dilakukan dengan menyebarkan kuisioner terhadap 76 responden yang berisi pilihan daftar-daftar perangkat lunak mengenai computer vision. Pemilihan perangkat lunak berdasarkan rata-rata bobot tertinggi pada setiap pilihan perangkat lunak dan menyesuaikan dengan kemampuan Raspberry Pi 8GB. Penelitian ini mendapatkan 6 perangkat lunak untuk pengembangan ILOS RaspiCV yaitu OpenCV, MySQL, GNU Octave, Java, Codeblock, dan R. Hasil dari penelitian ini merupakan sebuah distribusi sistem operasi untuk computer vision dengan ukuran installer 7.04GB. Kata kunci: computer vision, Linux, ILOS, purposive sampling, Raspbian, remastering

ABSTRACT DIANDRA BUDHI NUGRAHA. The Development of ILOS Raspberry Pi Distribution for Computer Vision (ILOS RaspiCV). Supervised by HERU SUKOCO. Open source software (OSS) is interesting for technology users because it is easy to learn. In addition, the source code is openly provided. One of popular OSS is Linux. The objective of this research is to develop a Linux distribution for Raspberry Pi devices to support computer vision research. Software selection used a survey technique to students and lectures of Computer Science Department who have experience in computer vision field. This research involved 76 respondents sample from a population of 311. The survey has been conducted by distributing questionnaires containing a list of softwares on computer vision to the respondents. Each option consisted of 4 options based on the level of interest with different values. The result of software selection was based on the average of highest value on each selection of software and adjusted with the ability of Raspberry Pi 8GB. This research resulted in 6 softwares for the development of ILOS RaspiCV, namely, OpenCV, MySQL, GNU Octave, Java, Codeblock, dan R. The result of the research was an operating system distribution for computer vision in 7.04GB installer. Keywords: computer vision, Linux, ILOS, purposive sampling, Raspbian, remastering

PENGEMBANGAN DISTRIBUSI ILOS RASPBERRY PI UNTUK COMPUTER VISION (ILOS RaspiCV)

DIANDRA BUDHI NUGRAHA

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015

Penguji: 1 Dr Ir Sri Wahjuni, MT 2 Auriza Rahmad Akbar, SKomp MKom

Judul Skripsi : Pengembangan Distribusi ILOS Raspberry Pi untuk Computer Vision (ILOS RaspiCV) Nama : Diandra Budhi Nugraha NIM : G64100083

Disetujui oleh

DrEng Heru Sukoco, SSi MT Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom Ketua Departemen

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Juni 2014 ini adalah remastering, dengan judul Pengembangan Distribusi ILOS Raspberry Pi untuk Computer Vision (ILOS RaspiCV). Terima kasih penulis ucapkan kepada bapak DrEng Heru Sukoco, SSi MT selaku pembimbing. Terima kasih juga penulis ucapkan pada ibu Dr Ir Sri Wahjuni, MT dan Bapak Auriza Rahmad Akbar, SKomp MKom selaku dosen lab keilmuan Net Centric Computing yang telah banyak memberikan saran dan masukan terhadap penelitian ini. Ungkapan terima kasih juga penulis ucapkan kepada ayah, ibu, keluarga, Dessi Ovrianti, Ade Azis Kusnaya, Ilkom angkatan 47, dan rekan-rekan NCC atas do’a dan dukunganya selama ini. Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2015 Diandra Budhi Nugraha

DAFTAR ISI DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

TINJAUAN PUSTAKA

3

METODE PENELITIAN

6

Analisis Kebutuhan Sistem

6

Survei Kebutuhan Perangkat Lunak

6

Perancangan Sistem

9

Implementasi

9

Pengujian

10

HASIL DAN PEMBAHASAN

10

Analisis Kebutuhan Sistem

10

Survei Kebutuhan Perangkat Lunak

10

Pemilihan Distribusi Induk

13

Penyesuaian Atribut Distribusi Induk

16

Remastering

16

Pengujian

17

SIMPULAN DAN SARAN

17

Kesimpulan

17

Saran

17

DAFTAR PUSTAKA

18

LAMPIRAN

19

DAFTAR TABEL 1 2 3 4 5 6 7

Pilihan jawaban kuisioner dan pembobotan Jumlah responden ILOS RaspiCV Selang rataan skor dan penafsiran bobot skor Daftar hasil penafsiran Paket aplikasi yang dihapus Paket aplikasi yang ditambah Hasil pengujian

11 12 13 14 15 15 17

DAFTAR GAMBAR 1 2 3 4

Alur penelitian Tahapan survei kebutuhan perangkat lunak Tahapan implementasi Grafik penafsiran pemilihan perangkat lunak

6 7 9 14

DAFTAR LAMPIRAN 1 2 3 4 5 6

Kuisioner kebutuhan perangkat lunak Rekap kebutuhan perangkat lunak Hasil pembobotan perangkat lunak Logo ILOS RaspiCV Wallpaper ILOS RaspiCV Identitas distribusi

19 21 22 23 23 24

PENDAHULUAN Latar Belakang Pada saat ini perkembangan Open source software (OSS) sudah sangat berkembang dan banyak diminati oleh kalangan pengguna teknologi. Dengan kode sumber yang mudah untuk dipelajari dan bebas untuk dikembangkan menjadi alasan mengapa OSS sangat diminati oleh kalangan pengguna, salah satu contohnya adalah Linux. Linux merupakan sistem operasi open source yang telah banyak berkontribusi dalam pengembangan OSS. Hal ini menyebabkan banyaknya distribusi Linux yang dapat dikembangkan oleh sekelompok orang, baik membuatnya dari awal maupun dengan menurunkan dari distribusi Linux yang sudah ada atau dikenal dengan remastering. OSS memungkinkan orang maupun perusahaan untuk membuat distribusi Linux sendiri sesuai dengan kebutuhan dan tujuannya sendiri seperti pendidikan, perkantoran, industri, multimedia, permainan, pemrograman, bahkan pertanian. Kebebasan yang diberikan oleh OSS membuat beberapa dari mahasiswa Institut Pertanian Bogor (IPB) turut berpartisipasi dalam mengembangkan distribusi Linux sendiri yang bernama IPB Linux operating system (ILOS). Tujuan dari pembuatan ILOS sendiri yaitu supaya aplikasi-aplikasi tersebut akan lebih dikenal dan bermanfaat khususnya untuk mahasiswa IPB sendiri (Lubis 2008). Oleh karena itu, kemudahan penggunaan menjadi fungsionalitas distribusi ILOS untuk menarik lebih banyak pengguna, sehingga aplikasi-aplikasi yang dibuat dan dikembangkan oleh mahasiswa IPB ini dapat dikenal dan bermanfaat bagi pengguna. Penelitian sebelumnya mengenai pengembangan distribusi Linux dengan menggunakan metode remastering pernah dikembangkan oleh beberapa mahasiswa IPB. Beberapa contoh diantaranya adalah konsep dasar pembuatan distribusi ILOS hasil turunan distribusi PCLinuxOS (Lubis 2008), pengembangan distribusi ILOS for education (ILOSEDU) (Manunggal 2009), pengembangan distribusi ILOS for multimedia (ILOSMEDIA) (Musthofa 2011), pengembangan distribusi ILOS for computer science (ILOS CS) (Ardhie 2011), dan penerapan teknik penarikan contoh kuota untuk penentuan aplikasi pada distro IPB Linux Operating System (ILOS) (Antoni 2013). Penelitian ILOS sebelumnya dibuat dan diujikan terhadap perangkat keras notebook dan komputer desktop yang berbeda. Penelitian sebelumnya menjadi dasar pemikiran untuk mengembangkan ILOS, tetapi akan dibuat dan diujikan terhadap perangkat keras Raspberry Pi yang merupakan komputer mini dan memiliki spesifikasi di bawah notebook dan komputer desktop. Raspberry Pi (Raspi) merupakan sebuah single board computer (SBC) yang memiliki ukuran kecil dan berfungsi seperti sebuah komputer. Raspi juga memiliki sebuah sistem operasi dan sistem operasi yang digunakanya saat ini adalah Linux yang berbasis Debian yang bernama Raspbian. Raspbian OS bertujuan untuk menghadirkan sistem operasi yang cepat dan optimal untuk perangkat Raspi yang memiliki arsitektur berbeda dengan komputer desktop. Penelitian terkait Raspi sudah pernah dikembangkan oleh beberapa mahasiswa IPB diantaranya, pemanfaatan Raspberry Pi sebagai alat uji kadar nitrogen dan fosfor pada pupuk (Fajri 2014), sistem keamanan parkir berbasis RFID dan standar nirkabel IEEE 802.11B/G menggunakan Raspberry Pi (Ramdhani 2015), reliabilitas pengiriman

2 data pada pemantauan sistem irigasi (Sanger 2015), perbandingan kinerja pemrosesan paralel pada PC dan Raspberry Pi untuk pendeteksian gulma pada lahan pertanian menggunakan fraktal (Iqbal 2015), dan pengembangan sistem akuisisi data multi node untuk irigasi otomatis berbasis wireless sensor network (Rozikin 2015). Penelitan ini akan membuat sebuah distribusi baru hasil dari turunan distribusi induk Raspbian dengan paket aplikasi yang mendukung kegiatan computer vision. Diharapkan sistem operasi ini dapat menunjang kegiatan pengembangan aplikasi mengenai computer vision dengan menyediakan paket perangkat lunak untuk computer vision dan telah telah dikonfigurasi.

Perumusan Masalah Pengguna perangkat keras Raspi sudah mulai banyak mengembangkan aplikasi mengenai computer vision. Untuk memudahkan pengguna, diperlukan sebuah sistem operasi yang menunjang kegiatan computer vision yang berisi paket perangkat lunak mengenai computer vision. Oleh karena itu, masalah yang akan dipecahkan pada penelitian ini adalah: 1 Bagaimana cara mendapatkan paket perangkat lunak computer vision dengan melakukan teknik survei? 2 Bagaimana cara membangun sebuah distribusi Linux untuk computer vision pada perangkat Raspi dengan metode remastering?

Tujuan Penelitian Tujuan penelitian dari penelitian ini adalah: 1 Mendapatkan daftar perangkat lunak computer vision untuk Raspi dengan melakukan teknik survei. 2 Membangun sebuah distribusi baru yaitu ILOS RaspiCV sebagai sistem operasi untuk perangkat Raspi yang digunakan sebagai alternatif untuk menunjang kebutuhan penelitian computer vision.

Manfaat Penelitian Penelitian ini diharapkan dapat bermanfaat bagi mahasiswa dan dosen Departemen Ilmu Komputer IPB. Sistem operasi ini diharapkan dapat memudahkan pengguna Raspi yang akan mengembangkan aplikasi mengenai computer vision dengan menyediakan paket perangkat lunak computer vision dan telah dikonfigurasi.

Ruang Lingkup Penelitian Ruang lingkup penelitian dibatasi pada: 1 Survei kebutuhan perangkat lunak dilakukan terhadap mahasiswa dan dosen Departemen Ilmu Komputer yang memiliki pengetahuan mengenai computer vision.

3 2 ILOS RaspiCV dibangun menggunakan arsitektur processor ARMv6. 3 Distribusi induk yang digunakan adalah disribusi induk Raspbian. 4 Pemilihan paket perangkat lunak untuk kebutuhan computer vision dengan lisensi GNU GPL atau freeware yang dapat didistribusikan dan mendukung arsitektur processor ARMv6.

TINJAUAN PUSTAKA Teknik Penarikan Contoh Secara umum sampel penelitian adalah bagian dari populasi yang mewakili karakteristik populasi dalam penelitian. Sampel memiliki cakupan lebih kecil dari populasi. Menurut Sugiyono (2012) sampel adalah sebagian dari jumlah karakteristik yang dimiliki populasi. Untuk mendapatkan sampel, teknik pengambilan sampel (sampling) digunakan. Teori penarikan contoh mencoba untuk mengembangkan metode pemilihan contoh dengan biaya yang sekecil mungkin dan menghasilkan penduga parameter populasi yang mendekati parameter populasi aslinya (Cochran 1991). Pengertian efisiensi dalam teori penarikan contoh adalah teknik penarikan contoh yang menghasilkan dugaan paling mendekati parameter populasi sebenarnya dan membutuhkan biaya pengumpulan data sekecil-kecilnya serta memenuhi syarat-syarat data yang baik. Levy dan Lemeshow (1999) mendefinisikan survei sebagai studi terhadap sebagian populasi yang dipilih dari populasi yang lebih besar. Sebagian populasi ini akan memberikan kesimpulan untuk semua populasi yang diwakili. Supranto (1998) menjelaskan alasan mengapa teknik penarikan contoh digunakan, antara lain sensus memerlukan banyak waktu, tenaga, dan biaya, seringkali tidak diketahui objeknya secara keseluruhan, serta sering terjadi kesalahan dalam pengumpulan data karena terlalu banyak objek yang harus diteliti. Levy dan Lemeshow (1999) mengemukakan bahwa teknik penarikan contoh dapat dikategorikan dalam dua kelas, yaitu penarikan contoh berpeluang (probability sampling) dan penarikan contoh tidak berpeluang (nonprobability sampling). Penarikan contoh berpeluang mempunyai karakteristik bahwa semua elemen dalam populasi telah diketahui dan mempunyai peluang untuk dipilih sebagai contoh. Penarikan contoh tidak berpeluang mempunyai ciri bahwa tidak semua elemen populasi diketahui sehingga ada elemen populasi yang berpeluang nol (tidak berpeluang) untuk dipilih sebagai contoh.

Teknik Penarikan Contoh Purposive Sampling Purposive sampling adalah teknik penentuan sampel dengan pertimbangan tertentu Sugiyono (2012). Oleh karena itu, dapat dikatakan bahwa purposive sampling adalah pengambilan sampel secara sengaja sesuai dengan persyaratan sampel yang diperlukan. Purposive sampling juga disebut dengan judgmental sampling, yaitu pengambilan sampel berdasarkan penilaian peneliti mengenai siapa-siapa saja yang pantas untuk dijadikan sampel. Dalam waktu tertentu, peneliti

4 mungkin tidak bisa menggunakan penarikan contoh secara random jika peneliti menginginkan keterangan dari orang tertentu seperti seseorang dengan kemampuan khusus. Purposive sampling merupakan teknik nonprobability sampling yang partisipannya dipilih karena karakteristik tertentu, seperti keahlian pada bidang tertentu (Beins dan McCarthy 2012).

Sistem Operasi Sistem operasi didefinisikan sebagai sebuah program yang mengatur perangkat keras komputer dengan menyediakan landasan untuk aplikasi yang berada di atasnya, serta bertindak sebagai penghubung antara para pengguna dengan perangkat keras (Ibrahim 2004). Sistem operasi bertugas untuk mengendalikan dan mengkoordinasikan penggunaan perangkat keras untuk berbagai aplikasi untuk bermacam-macam pengguna. Dengan demikian, sebuah sistem operasi bukan merupakan bagian dari perangkat keras komputer dan juga bukan merupakan bagian dari perangkat lunak aplikasi komputer.

GNU/Linux Linux merupakan tiruan dari UNIX yang merupakan sistem operasi yang gratis dan bebas dikembangkan. Pada awalnya, Linux merupakan sebuah kernel dan dikombinasikan dengan sistem operasi GNU (GNU’s Not Unix) yang disebut GNU/Linux. Semua distribusi yang dikenal sebagai Linux sebenarnya adalah distribusi GNU/Linux. Pengembangan Linux pertama kali dilakukan oleh Linus Benedict Torvalds, Universitas Helsinki, Finlandia, sebagai proyek hobi. Seluruh kode sumber Linux termasuk kernel, device driver, libraries, program, dan tools pengembangan disebarkan secara bebas dengan lisensi General Public License (GPL) (Hariyanto 1999).

Raspbian Pada saat ini, Raspbian merupakan sistem operasi berbasis Linux untuk perangkat Raspi yang paling populer dan banyak digunakan. Raspbian merupakan sistem operasi open source berbasis Linux Debian yang telah dimodifikasi khusus untuk perangkat Raspi. Sistem operasi Raspbian bertujuan untuk membuat perangkat Raspi mudah digunakan dengan beberapa paket perangkat lunak yang telah disesuaikan dengan perangkat Raspi. Raspbian direkomendasikan untuk pemula yang akan menggunakan perangkat Raspi (Harrington 2015).

Computer Vision Computer vision adalah bidang yang mencakup metode untuk memperoleh, mengolah, menganalisis, dan memahami gambar secara umum untuk menghasilkan informasi numerik atau simbolik. Sebagai suatu disiplin ilmu, computer vision

5 berkaitan dengan sistem kecerdasan buatan yang dapat mengekstrak informasi dari gambar. Data gambar terdapat dalam beberapa bentuk seperti, urutan video, pandangan dari beberapa kamera, atau data multi-dimensi dari scanner medis. Sebagai suatu disiplin teknologi, computer vision berusaha untuk menerapkan teori dan model untuk membangun sebuah sistem computer vision (Szeliski 2010). Penelitian mengenai computer vision telah berkembang untuk memulihkan bentuk tiga dimensi dan tampilan objek dalam citra. Model yang dikembangkan dalam computer vision biasanya dikembangkan dalam fisika (radiometry, optics, dan sensor design) dan dalam komputer grafis. Hal ini mempelajari bagaimana sebuah objek bergerak dan hidup, serta bagaimana cahaya mencerminkan sesuai dengan permukaan, atmosfer yang tersebar, dibiaskan melalui lensa kamera (atau mata manusia), dan terakhir diproyeksikan ke sebuah bidang datar atau melengkung bidang gambar (Szeliski 2010).

IPB Linux Operating System (ILOS) ILOS merupakan sebuah distribusi Linux hasil dari mahasiwa Institut Pertanian Bogor yang merupakan kepanjangan dari IPB Linux Operating System. Pengembangan ILOS bertujuan untuk membangun sebuah sistem operasi yang bertujuan untuk bidang ilmu tertentu khususnya di IPB sendiri. ILOS yang dilakukan oleh penelitian sebelumnya diharapkan dapat lebih dikenal dan bermanfaat bagi mereka yang membutuhkan khususnya bagi mahasiswa IPB sendiri (Lubis 2008).

Distribusi Linux Distribusi Linux atau disingkat dengan istilah distro Linux dapat diartikan sebagai kumpulan paket-paket, manajemen, dan fitur-fitur yang berjalan di atas Linux kernel. Masing-masing distro Linux dapat dibedakan berdasarkan tiga ciri penting yaitu, tujuan, konfigurasi dan pemaketan, serta support model (Turnbull et al. 2009). Distro seperti Debian, CentOS, dan Fedora dibiayai oleh komunitas relawan. Distro lainnya seperti Red Hat dan Ubuntu dibiayai dan dukungan oleh vendor komersial. Meskipun demikian, perangkat lunak yang digunakan adalah open source. Jika pengguna menginginkan dukungan dan pemeliharaan tambahan diharuskan untuk membayar.

Remastering Remastering merupakan cara membuat distribusi Linux baik membuatnya dari awal maupun menurunkan dengan distribusi Linux yang sudah ada (Lubis 2008). Remastering juga dapat diartikan sebuah teknik untuk mengubah, menambahkan, dan mengurangi paket dan aplikasi yang terdapat dalam suatu sistem operasi.

6

METODE PENELITIAN Pada penelitian ini metode yang digunakan adalah metode remastering, dimana remastering dilakukan dengan menggunakan distribusi induk Raspbian yang merupakan turunan distribusi induk Debian Wheezy yang telah dimodifikasi dan dikembangkan untuk perangkat Raspberry Pi. Metode penelitian dilakukan dengan beberapa tahapan yaitu survei kebutuhan perangkat lunak, perumusan masalah, perancangan sistem, implementasi, dan pengujian. Alur penelitian dapat dilihat pada Gambar 1. Analisis Kebutuhan Sistem

Mulai

Survei Kebutuhan Perangkat Lunak

Perancangan Sistem

Sesuai Selesai

Pengujian

Implementasi

Tidak sesuai

Gambar 1 Alur penelitian

Analisis Kebutuhan Sistem Analisis kebutuhan sistem merupakan tahapan awal pada penelitian ini. Kebutuhan sistem perangkat lunak ini secara pokok dibagi menjadi kebutuhan perangkat keras dan kebutuhan perangkat lunak. Kebutuhan perangkat keras menampilkan jenis perangkat keras yang digunakan pada penelitian. Kebutuhan perangkat lunak menampilkan jenis perangkat lunak yang digunakan pada pengembangan ILOS RaspiCV.

Survei Kebutuhan Perangkat Lunak Survei kebutuhan perangkat lunak bertujuan untuk mendapatkan data yang akan digunakan pada penelitian. Survei kebutuhan perangkat lunak dilakukan dalam beberapa tahapan yang dijelaskan oleh Connaway dan Powell (2010) sebagai tahapan dasar dalam penelitian survei. Survei kebutuhan perangkat lunak terdiri atas beberapa tahapan yaitu merumuskan tujuan, memilih teknik pengumpulan data,

7 memilih sampel, mengumpulkan data, serta menganalisis dan menafsirkan hasil. Tahapan survei kebutuhan perangkat lunak dapat dilihat pada Gambar 2. Merumuskan tujuan

Memilih teknik pengumpulan data

Menentukan sampel

Mengumpulkan data

Menganalisis dan menafsirkan hasil Gambar 2 Tahapan survei kebutuhan perangkat lunak 1 Merumuskan tujuan Tahapan ini merupakan tahapan awal yang dilakukan pada survei kebutuhan perangkat lunak. Pada tahap ini dilakukan analisis untuk menentukan bagaimana cara mengumpulkan data, bagaimana data akan digunakan, dan siapa yang menjadi target responden. 2 Memilih teknik pengumpulan data Teknik pengumpulan data bertujuan untuk mendapatkan data yang akan digunakan pada penelitian. Dalam penelitian, teknik pengumpulan data merupakan faktor penting demi keberhasilan penelitian. Hal ini berkaitan dengan bagaimana cara mengumpulkan data, siapa sumbernya, dan alat apa yang digunakan. Sumber data adalah bagaimana dan dari mana data diperoleh. Sumber data terbagi menjadi data primer dan data sekunder. Data primer adalah data yang diperoleh peneliti secara langsung (dari tangan pertama), sedangkan data sekunder adalah data yang diperoleh peneliti dari sumber yang sudah ada. Teknik pengumpulan data menunjuk suatu cara, seperti kuesioner, wawancara, pengamatan, dan sebagainya, sedangkan instrumen penelitian merupakan alat yang digunakan untuk mengumpulkan data seperti lembar checklist, kuesioner, dan pedoman wawancara (Sekaran 2006). 3 Menentukan sampel Arikunto (1998) mengatakan bahwa sampel adalah bagian dari populasi (sebagian atau wakil populasi yang diteliti). Sampel penelitian adalah sebagian populasi yang diambil sebagai sumber data dan dapat mewakili seluruh populasi. Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Semakin besar jumlah sampel mendekati populasi, maka peluang kesalahan generalisasi semakin kecil dan sebaliknya semakin kecil jumlah sampel menjauhi populasi, maka semakin besar kesalahan generalisasi (Sugiyono 2012). Untuk menentukan sampel penelitian, digunakan rumus Slovin (Sevilla 2007), yaitu:

8 n=

N N.e2 +1

(1)

dengan: n = jumlah sampel N = jumlah total populasi e = batas toleransi kesalahan (error tolerance) Batas toleransi kesalahan dinyatakan dalam bentuk presentase. Semakin kecil toleransi kesalahan, semakin akurat sampel menggambarkan populasi (Sevilla 2007). Misalnya, penelitian dengan batas kesalahan 2% memiliki akurasi sebesar 98%. Dengan jumlah populasi yang sama, semakin kecil toleransi kesalahan maka semakin besar jumlah sampel yang dibutuhkan. Peneliti dapat menentukan tingkat presisi yang dikehendaki yang selanjutnya berdasarkan presisi tersebut dapat menentukan besarnya jumlah sampel. 4 Mengumpulkan data Teknik pengumpulan data merupakan faktor penting dalam mendukung keberhasilan penelitian. Setelah memilih sampel dan instrumen penelitian yang tepat, langkah berikutnya adalah mengumpulkan data dengan menggunakan teknik penarikan contoh. Pada penelitian ini, teknik penarikan contoh yang digunakan adalah purposive sampling. 5 Menganalisis dan menafsirkan hasil Tahap ini merupakan tahap akhir dari survei kebutuhan perangkat lunak. Proses analisis data yang dikumpulkan pada dasarnya melibatkan coding tanggapan, atau menempatkan setiap item dalam kategori yang sesuai, tabulasi data, dan melakukan perhitungan statistik yang sesuai. Pada tahap ini peneliti harus menafsirkan dan menyimpulkan hasil survei berdasarkan hasil analisis dan pengolahan data yang dilakukan. Data diolah dengan menghitung rata-rata bobot setiap pilihan jawaban dengan menggunakan rumus (Sevilla 2007): μ=

∑m i=1 (fi . bi ) N

(2)

dengan: μ = bobot rata-rata yang dicari fi = frekuensi pilihan ke-i bi = bobot pilihan ke-i N = total responden m = jumlah alternatif jawaban (tingkat kepentingan) Setelah bobot masing-masing perangkat lunak diketahui, dilakukan penafsiran untuk penetapan perangkat lunak yang akan digunakan. Untuk menafsirkan hasil pada penetapan perangkat lunak digunakan teknik rentang selang (RS) sesuai dengan alternatif pilhan jawaban, digunakan rumus (Umar 2008):

9 RS =

m-1 m

(3)

dengan: m = jumlah alternatif jawaban (tingkat kepentingan)

Perancangan Sistem Pada tahapan ini dilakukan perancangan ILOS RaspiCV meliputi perancangan dan modifikasi sistem, perancangan atribut distribusi, perancangan artwork, dan perancangan paket perangkat lunak yang ditambahkan pada pengembangan ILOS RaspiCV.

Implementasi Tahapan implementasi merupakan tahapan akhir pada penelitian ini. Hasil dari perancangan sistem kemudian diterapkan ke dalam sistem, sehingga sistem dapat berjalan sesuai dengan yang diharapkan. Tahapan dari implementasi terdiri dari pemilihan distribusi induk, penghapusan dan penambahan paket, penyesuaian atribut distribusi, dan remastering. Tahapan dari implementasi dapat dilihat pada Gambar 3. Pemilihan distribusi induk

Penghapusan dan penambahan paket Penyesuaian atribut distribusi

Remastering Gambar 3 Tahapan implementasi 1 Pemilihan distribusi induk Tahapan pertama adalah pemilihan distribusi Linux yang akan didistribusikan menjadi ILOS RaspiCV. Distribusi induk yang akan digunakan pada penelitian ini adalah distribusi induk Raspberry Pi yaitu Raspbian yang merupakan turunan dari distribusi Debian Wheezy yang telah dimodifikasi. 2 Penghapusan dan penambahan paket Penghapusan paket dilakukan jika perangkat lunak tersebut tidak digunakan pada pengembangan ILOS RaspiCV. Penambahan paket perangkat lunak menyesuaikan dengan hasil pengolahan data yang dilakukan dan sesuai dengan

10 kemampuan dan arsitektur Raspberry Pi. Perangkat lunak yang ditambahkan bertujuan untuk mendukung kegiatan computer vision. 3 Penyesuaian atribut distribusi Tahapan ini dilakukan untuk membedakan distribusi induk dengan distribusi hasil remastering meliputi pembuatan logo ILOS RaspiCV, wallpaper, tema, dan mengganti identitas distribusi. 4 Remastering Tahapan terakhir dari implementasi sistem adalah remastering. Remastering atau pembuatan installer ILOS RaspiCV di implementasikan dalam bentuk image berekstensi *.img.

Pengujian Pengujian dilakukan pada perangkat keras Raspberry Pi yang memiliki kemampuan dibawah komputer notebook dan desktop. Pengujian dilakukan dengan meng-install ILOS RaspiCV pada perangkat Raspberry Pi model B. Pengujian dilakukan untuk menganalisis lama proses booting, syarat minimum kapasitas SDHC, dan lama proses cloning installer.

HASIL DAN PEMBAHASAN Analisis Kebutuhan Sistem Pada tahapan ini sumber daya fisik yang digunakan adalah perangkat keras pengembangan dan perangkat lunak pengembangan. Perangkat keras yang digunakan pada penelitian ini adalah Raspberry Pi Model B dan komputer notebook. Raspi model B memiliki spesifikasi processor ARMv6 700 MHz low power, dengan memori 512 MB SDRAM, GPU dual core VideoCore IV multimedia coprocessor, dan kapasitas media penyimpanan 8GB. Perangkat notebook yang akan digunakan untuk meng-cloning image ilosraspi.img memiliki spesifikasi processor Intel Core i3-2310 2.10 GHz, memori 2GB SDRAM PC-8500, dan video Intel HD 256 MB. Sedangkan, perangkat lunak yang akan digunakan pada penelitian ini adalah sistem operasi Raspbian yang menjadi distribusi induk yang akan digunakan, sistem operasi Ubuntu 13.04 yang digunakan untuk cloning atau membuat installer ilosraspi, dan win32 disk imager untuk memasukan installer ilosraspi.img kedalam SD card.

Survei Kebutuhan Perangkat Lunak Merumuskan Tujuan Tujuan dari survei kebutuhan perangkat lunak adalah untuk mendapatkan daftar perangkat lunak yang digunakan pada pengembangan ILOS RaspiCV. Data tersebut digunakan untuk menentukan pilihan perangkat lunak yang akan digunakan. Data digunakan untuk menentukan jenis perangkat lunak apa saja yang

11 akan diterapkan pada pengembangan ILOS RaspiCV. Survei dilakukan terhadap mahasiswa dan dosen Ilmu Komputer Institut Pertanian Bogor yang memahami dan bergerak di bidang computer vision. Survei langsung tertuju terhadap reponden yang mengerti mengenai computer vision, sehingga teknik sampling yang digunakan dalam survei kebutuhan perangkat lunak adalah purposive sampling. Kriteria pemilihan responden dengan memilih dosen pada lab keilmuan computer vision untuk dosen dan untuk mahasiswa diasumsikan telah mengambil mata kuliah pengantar pengolahan citra digital sehingga minimal mengetahui perangkat lunak yang digunakan dalam kegiatan computer vision. Memilih Teknik Pengumpulan Data Teknik pengumpulan data pada penelitian ini adalah menyebarkan kuisioner yang berisi pernyataan dan pilihan daftar perangkat lunak untuk kebutuhan computer vision. Pernyataan-pernyataan yang diajukan dalam kuisioner menggunakan skala Likert. Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Dalam penelitian, fenomena sosial ini ditetapkan secara spesifik oleh peneliti, yang selanjutnya disebut dengan variabel penelitian. Dengan skala Likert, maka variabel yang akan diukur dijabarkan menjadi indikator variabel, kemudian indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa pernyataan atau pertanyaan. Oleh karena itu peneliti menggunakan skala Likert dengan 4 pilihan untuk setiap pilihan jawaban, yaitu sebagai berikut: Tabel 1 Pilihan jawaban kuesioner dan pembobotan No. Pilihan Bobot pilihan 1 Sangat penting (SP) 3 2 Penting (P) 2 3 Kurang penting (KP) 1 4 Tidak penting (TP) 0 Pilihan tidak penting (TP) digunakan untuk jawaban yang tidak diisi oleh responden. Responden diberikan penjelasan bahwa aplikasi yang tidak digunakan dinyatakan sebagai aplikasi yang dianggap tidak penting. Menentukan Sampel Ukuran sampel bertujuan untuk menentukan jumlah responden yang digunakan untuk pengumpulan data. Sampel pada penelitian ini merupakan responden yang terpilih dan memiliki pengetahuan mengenai computer vision. Untuk mengetahui ukuran sampel digunakan persamaan 1 dengan batas toleransi kesalahan sebesar 10%, sehingga diperoleh: n=

311 311 × 0.12 +1

= 75.66909976 ≈ 76

Kriteria pemilihan responden untuk mahasiswa yaitu dengan mencari mahasiswa yang pernah melakukan penelitian mengenai computer vision dan minimal pernah mengambil mata kuliah pengantar pengolahan citra digital. Oleh karena itu, jumlah penentuan proporsi untuk sampel berdasarkan kriteria tersebut,

12 yaitu dengan melakukan pemilihan secara langsung. Untuk responden dosen, ditentukan dengan memilih dosen yang memiliki riset di bidang computer vision di Departemen Ilmu Komputer yaitu pada lab keilmuan computer intelegence. Sehingga, didapatkan jumlah masing-masing responden dengan 39 orang mahasiswa S1, 32 orang mahasiswa S2, dan 5 orang dosen. Detail jumlah responden yang mengisi kuesioner dapat dilihat pada Tabel 2.

No 1 2 3

Tabel 2 Jumlah responden ILOS RaspiCV Klasifikasi Populasi (N) Sampel (S) Mahasiswa S1 179 39 Mahasiswa S2 100 32 Dosen 32 5

Mengumpulkan Data Setelah diketahui jumlah sampel sebesar 76, langkah selanjutnya adalah mengumpulan data. Pengumpulan data dilakukan dengan membagikan kuisioner terhadap responden yang telah dipilih sesuai dengan kriteria pemilihan, sehingga teknik sampling yang digunakan adalah purposive sampling. Kuesioner berisi pilihan daftar aplikasi mengenai computer vision yang terbagi dalam 3 kategori perangkat lunak yaitu, program computer vision, pemrograman, dan programprogram tambahan lainnya. Setiap pernyataan diberikan 4 pilihan jawaban mengenai tingkat kepentingan sebuah perangkat lunak yang akan digunakan yang mengacu pada skala Likert yang ada pada Tabel 1. Daftar rinci kuisioner dapat dilihat pada Lampiran 1. Menganalisis dan Menafsirkan Hasil Data kebutuhan perangkat lunak diolah dengan menghitung rata-rata bobot setiap pilihan jawaban dengan menggunakan persamaan 2. Berikut adalah contoh perhitungan pembobotan perangkat lunak pada aplikasi OpenCV:

µopencv =

(45×3)+(25×2)+(1×1)+(5×0) 76

= 2.45

Untuk mencari bobot perangkat lunak OpenCV, dilakukan dengan mengalikan jumlah responden yang memilih pada tingkat kepentingan tertentu dikalikan dengan bobot tingkat kepentingan tersebut. Nilai 45 merupakan jumlah responden yang memilih pada kategori sangat penting dikalikan dengan bobotnya yaitu 3, lalu ditambah dengan melakukan perhitungan yang sama tetapi dengan tingkat kepentingan selanjutnya. Daftar lengkap hasil perhitungan rata-rata bobot setiap jawaban dapat dilihat pada Lampiran 3. Tahapan awal pengolahan data yaitu dengan mengelompokan jumlah jawaban kebutuhan perangkat lunak yang dipilih oleh setiap responden sehingga memudahkan untuk pengolahan data selanjutnya. Detail rekap hasil pengelompokan jawaban kebutuhan perangkat lunak dapat dilihat pada Lampiran 2. Pengolahan data selanjutnya dilakukan dengan melakukan perhitungan rata-rata bobot pada pilihan jawaban yang dipilih oleh responden. Proses akhir pengolahan yaitu mengambil rata-rata bobot setiap perangkat lunak yang dipilih oleh responden. Detail hasil pembobotan perangkat lunak dapat dilihat pada Lampiran 3. Hasil rata-rata bobot akan digunakan untuk menentukan

13 perangkat lunak apa saja yang akan digunakan pada pengembangan ILOS RaspiCV sesuai dengan hasil pada penetapan perangkat lunak. Penetapan paket perangkat lunak bertujuan untuk mendapatkan perangkat lunak yang akan digunakan pada pengembangan ILOS RaspiCV. Penelitian ini menggunakan teknik rentang selang untuk menentukan perangkat lunak yang akan digunakan. Teknik ini digunakan untuk menghitung selang rataan skor terhadap alternatif jawaban yang terdapat di dalam kuesioner sehingga diperoleh kesimpulan atau keputusan terhadap keseluruhan data. Penentuan paket aplikasi yang akan digunakan berdasarkan kategori yang dihitung dengan menggunakan rentang selang pada persamaan 3. Hasil perhitungan rentang selang adalah sebagai berikut: RS =

4-1 = 0.75 4

Rentang selang yang diperoleh pada penelitian ini adalah 0.75 dengan 4 jumlah alternatif jawaban dan diperoleh nilai selang rataan skor berdasarkan tingkat kepentingan yang dapat dilihat pada Tabel 3. Tabel 3 No 1 2 3 4

Selang rataan skor dan penafsiran bobot skor Rentang skor Penafsiran 2.25 – 3.00 Sangat Penting 1.50 – 2.24 Penting 0.75 – 1.49 Kurang Penting 0.00 – 0.74 Tidak Dipaketkan

Pada Tabel 3 nilai pada rentang skor menunjukan tingkat keperluan terhadap jenis aplikasi yang diperlukan. Pada penelitian ini tingkat keperluan hasil penafsiran digunakan sebagai dasar pemilihan jenis aplikasi yang akan digunakan pada ILOS RaspiCV. Perangkat lunak yang memiliki bobot lebih kecil dari 1.50 atau termasuk dalam kategori kurang penting tidak dimasukan dalam pengembangan ILOS RaspiCV. Hasil pembobotan perangkat lunak diilustrasikan dalam bentuk grafik dan grafik penafsiran pemilihan perangkat lunak dapat dilihat pada Gambar 4. Garis berwarna merah merupakan batas pemilihan perangkat lunak, jika bobot perangkat lunak lebih kecil dari 1.50 maka perangkat lunak tersebut tidak dimasukkan sesuai hasil yang terdapat pada Tabel 3. Sehingga didapatkan perangkat lunak yang terpilih pada pengembangan ILOS RaspiCV sebanyak 6 perangkat lunak utama, 1 buah perangkat lunak dari kategori sangat penting dan 5 buah perangkat lunak dari kategori penting. Perangkat lunak utama yang dimasukkan adalah OpenCV, MySQL, GNU Octave, Java, Codeblock, dan R. Detail daftar hasil penafsiran dapat dilihat pada Tabel 4.

Pemilihan Distribusi Induk ILOS RaspiCV menggunakan sistem operasi Raspbian sebagai distribusi induk. Pemilihan ini didasarkan pada beberapa hal seperti berikut ini:

14 1 Raspbian merupakan sistem operasi Linux untuk Raspi yang paling optimal dan banyak digunakan. 2 Raspbian memiliki komunitas pengguna yang sangat besar dan aktif dalam memberikan dukungan serta bantuan untuk pengunaan distribusinya. Langkah awal pembuatan distribusi ILOS RaspiCV yaitu dengan melakukan instalasi Raspbian pada perangkat keras Raspberry Pi model B. 3

2,5

batas pemilihan perangkat lunak

Opencv MySQL

Bobot

2 Codeblock

1,5

Java PostgreSQL

Python

Matlab

P

R

TP

Weka Eclipse

1

VXL Boof CV PCL

0,5

SP

GPIO Lib PSPP

Orange

VLFeat

0 0

5

10

15

Jumlah perangkat lunak Gambar 4 Grafik penafsiran pemilihan perangkat lunak

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Tabel 4 Daftar hasil penafsiran Aplikasi Rataan Hasil penafsiran OpenCv 2.45 Sangat penting MySQL 2.03 Penting Matlab 1.91 Penting Java 1.68 Penting Codeblock 1.61 Penting R 1.59 Penting Eclipse 1.34 Kurang penting PostgreSQL 1.34 Kurang penting Python 1.33 Kurang penting Weka 1.29 Kurang penting GPIO Library 1.08 Kurang penting VXL 0.91 Kurang penting PSPP 0.78 Kurang penting BoofCV 0.76 Kurang penting Orange 0.72 Tidak dipaketkan PCL 0.70 Tidak dipaketkan VLFeat 0.63 Tidak dipaketkan

20

KP

15

Penghapusan dan Penambahan Paket Tahap selanjutnya dilakukan penghapusan dan penambahan paket aplikasi pada pengembangan ILOS RaspiCV. Paket aplikasi yang tidak digunakan dalam pengembangan ILOS RaspiCV akan dihapus dan paket aplikasi yang diperlukan akan ditambahkan. Untuk perangkat lunak matlab, dilakukan penggantian dengan GNU Octave. Perangkat lunak matlab tidak dapat diterapkan pada perangkat Raspi karena tidak kompatibel dengan perangkat keras tersebut dan tidak bersifat freeware. Oleh karena itu, dilakukan penggantian dengan perangkat lunak yang mirip dengan Matlab dan juga bersifat freeware yaitu GNU Octave. Daftar paket aplikasi yang dihapus dapat terlihat pada Tabel 5 dengan mengeksekusi perintah sebagai berikut: $ sudo apt-get purge [nama paket]

No. 1 2 3 4

Tabel 5 Paket aplikasi yang dihapus Nama paket Fungsi Wolfram engine Math & programming Scratch Multimedia Sonic Pi Multimedia Minecraft Pi Game

Perintah purge yaitu menghapus paket aplikasi beserta file konfigurasi yang terdapat pada paket aplikasi tersebut, karena tidak digunakan pada pengembangan ILOS RaspiCV. Pada tahap selanjutnya dilakukan pemutakhiran sistem dengan mengeksekusi perintah: $ sudo apt-get update && sudo apt-get –y upgrade

Proses update merupakan proses mengindeks respository yang terkini dan proses upgrade melakukan pemutakhiran sistem. Tahap penambahan paket aplikasi dilakukan sesuai dengan hasil penafsiran. Penambahan aplikasi dilakukan dengan mengeksekusi perintah sudo apt-get install [nama paket] dan secara manual dengan mengeksekusi perintah sudo dpkg –i [nama paket]. Daftar paket aplikasi yang ditambah dapat dilihat pada Tabel 6.

No. 1 2 3 4 5 6

Tabel 6 Paket aplikasi yang ditambah Nama Paket Fungsi OpenCV-2.4.9 Computer vision MySQL Relational database GNU Octave Komputasi numerik Java Pemrograman Codeblock Tools pemrograman R Komputasi statistik

16 Penyesuaian Atribut Distribusi Induk Penyesuaian dan perubahan atribut pada distribusi induk bertujan untuk membedakan distribusi awal dengan distribusi baru. Perubahan atribut distribusi meliputi: 1 Logo ILOS RaspiCV memiliki logo seperti yang ditunjukan pada Lampiran 4. Logo menyesuaikan dengan logo ILOS sebelumnya supaya tidak menghilangkan ciri dari distribusi ILOS sendiri. 2 Wallpaper Wallpaper ILOS RaspCVi yang telah dibuat disalin ke dalam berkas /usr/share/raspberrypi-artwork. Wallpaper dapat dilihat pada Lampiran 5. 3 Tema Tema dari ILOS RaspiCV menggunakan tema LXDE dan telah dimodifikasi sesuai dengan tampilan ILOS RaspiCV. 4 Identitas distribusi Perubahan identitas bertujuan untuk membedakan distribusi induk dengan distribusi baru. Terdapat tiga berkas penting dalam memberikan nama distribusi yaitu OS-release, issue, dan issue.net. Perubahan berkas tersebut dapat dilihat pada Lampiran 6.

Remastering Tahapan terakhir dari pengembangan distribusi ILOS RaspiCV adalah remastering. Untuk meminimalkan ukuran berkas yang akan menjadi installer distribusi ILOS RaspiCV dengan cara menghapus berkas pada direktori temporary dengan menjalankan perintah: $ sudo rm –rf /tmp/*

setelah itu lakukan remastering dengan memasukan SD card Raspberry Pi yang telah dimodifikasi terhadap komputer yang akan digunakan untuk membuat master OS dengan menjalankan perintah: $ sudo dd if=/dev/mmcblk0 of=ilosraspi.img bs=2M

perintah dd dilakukan untuk menyalin file dan mengubah format data sesuai yang ditentukan. Perintah if dilakukan untuk membaca file input dari SD card, perintah of untuk menulis file yang akan dijadikan installer yaitu dalam format .img, dan bs merupakan block size yang digunakan untuk membaca dan menulis bytes. Hasil remastering berupa file image dengan ekstensi .img dengan ukuran file 7.04 gigabyte.

17 Pengujian Pada tahap ini dilakukan pengujian terhadap distribusi ILOS RaspiCV. Proses cloning untuk membuat installer ILOS Raspi dilakukan pada perangkat notebook dengan memasukan SDHC Raspberry Pi. Lama proses cloning menghabiskan waktu yaitu sekitar 10 menit untuk menghasilkan installer dengan ekstensi .img. Pengujian dilakukan terhadap perangkat keras Raspberry Pi model B dengan memasang ilosraspicv.img terhadap SDHC Raspberry Pi yang berukuran 8 gigabyte. Proses booting ILOS RaspiCV berjalan dengan cepat yaitu sekitar 2 menit. ILOS RaspiCV dan paket aplikasi yang dipasang dapat berjalan dengan baik pada perangkat Raspberry Pi yang memiliki media penyimpanan 8GB. Hasil pengujian dapat dilihat pada Tabel 7.

No. 1 2 3 4 5 6

Tabel 7 Hasil pengujian Nama paket Ukuran OpenCV-2.4.9 1.9 GB MySQL 37.1 MB GNU Octave 42 MB Java 10 MB Codeblock 40.7 MB R 47 MB

Hasil Berhasil Berhasil Berhasil Berhasil Berhasil Berhasil

SIMPULAN DAN SARAN Kesimpulan Penelitian ini berhasil mengembangkan sebuah sistem operasi Linux untuk Raspberry Pi dengan distribusi induk Raspbian yang berbasis Linux Debian. Aplikasi yang dipaketkan ditetapkan berdasarkan hasil survei dengan 76 orang sebagai contoh diantaranya mahasiswa dan dosen Ilmu Komputer yang memiliki pengetahuan mengenai computer vision. Aplikasi yang dipaketkan sebanyak 6 jenis yang didapatkan dari hasil pengolahan data. Aplikasi yang dipaketkan menyesuaikan terhadap kemampuan dan arsitektur pada Raspberry Pi dengan media penyimpanan sebesar 8GB.

Saran Beberapa hal yang harus diperhatikan untuk pengembangan ILOS Raspberry Pi lebih lanjut yaitu: 1 Menggunakan perangkat keras Raspi model terbaru yang memiliki spesifikasi lebih baik dengan Raspi model B. Raspi model terbaru memiliki kinerja yang jauh lebih cepat dari Raspi sebelumnya. 2 Menggunakan distribusi induk lain untuk pengembangan ILOS yang spesifik untuk bidang ilmu tertentu.

18

DAFTAR PUSTAKA Antoni. 2013. Penerapan teknik penarikan contoh kuota untuk penentuan aplikasi pada distro IPB Linux operating system (ILOS) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Ardhie SP. 2011. Pengembangan distribusi ILOS for computer science (ILOS CS) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Arikunto. 1998. Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta (ID): Rineka Cipta. Beins CB, McCarthy AM. 2012. Research Methods and Statistics. New Jersey (US): Pearson Education. Cochran WG. 1977. Sampling Techniques. New York (US): Wiley. Connaway LS, Powell RR. 2010. Basic Research Methods for Librarians. California (US): ABC CLIO. Fajri Y. 2014. Pemanfaatan Raspberry Pi sebagai alat uji kadar nitrogen dan fosfor pada pupuk [skripsi]. Bogor (ID): Institut Pertanian Bogor. Harrington W. 2015. Learning Raspbian. Birmingham (UK): Packt Publishing. Hariyanto B. 1999. Sistem Operasi. Ed ke-2. Bandung (ID): Informatika. Ibrahim S. 2004. Pengantar Sistem Operasi Komputer. Yogyakarta (ID): Ardi Publishing. Iqbal MS. 2015. Perbandingan kinerja pemrosesan paralel pada PC dan Raspberry Pi untuk pendeteksian gulma pada lahan pertanian menggunakan fraktal [tesis]. Bogor (ID): Institut Pertanian Bogor. Levy PS, Lemeshow S. 1999. Sampling of Populations. New York (US): Wiley. Lubis IA. 2008. Konsep dasar pembuatan distribusi ILOS hasil turunan distribusi PCLinuxOS [skripsi]. Bogor (ID): Institut Pertanian Bogor. Manunggal A. 2009. Pengembangan distribusi ILOS for education (ILOSEDU) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Musthofa. 2011. Pengembangan distribusi ILOS multimedia (ILOSMEDIA) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Ramdhani D. 2015. Sistem keamanan parkir berbasis RFID dan standar nirkabel IEEE 802.11B/G menggunakan Raspberry Pi [skripsi]. Bogor (ID): Institut Pertanian Bogor. Rozikin C. 2015. Pengembangan sistem akuisisi data multi node untuk irigasi otomatis berbasis wireless sensor network [tesis]. Bogor (ID): Institut Pertanian Bogor. Sanger JB. 2015. Reliabilitas pengiriman data pada pemantauan sistem irigasi [tesis]. Bogor (ID): Institut Pertanian Bogor. Sevilla, Consuelo G. 2007. Research Methods. Quezon City (PH): Rex. Sugiyono. 2012. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung (ID): Alfabeta. Supranto J. 1998. Teknik Sampling untuk Survei & Eksperimen. Jakarta (ID): Rineka Cipta. Szeliski R. 2010. Computer Vision: Algorithms and Applications. Washington (US): Springer. Sekaran U. 2006. Research Methods for Business. New York (US): Wiley.

19 Turnbull J, Lieverdink P, Matodek D. 2009. Pro Linux System Administrator. New York (US): Springer. Umar H. 2008. Metode Penelitian Skripsi dan Tesis Bisnis. Ed ke-2. Jakarta (ID): Raja Grafindo Persada.

20 Lampiran 1 Kuesioner kebutuhan perangkat lunak Kuisioner Studi Kebutuhan Perangkat Lunak Mahasiswa IPB PENELITIAN TUGAS AKHIR MAHASISWA ILMU KOMPUTER IPB Kuisioner studi kebutuhan perangkat lunak ini bertujuan untuk mendapatkan daftar perangkat lunak mengenai computer vision yang akan dipaketkan ke dalam IPB Linux Operating System (ILOS) untuk perangkat Raspberry Pi yang dilengkapi dengan aplikasi open source. Raspberry Pi merupakan sebuah Single Board Computer (SBC) yang berukuran seperti kartu kredit yang dijadikan komputer mini dan dapat disambungkan dengan monitor dan keyboard. Raspberry Pi merupakan komputer yang bisa bekerja layaknya sebuah komputer desktop tetapi dengan spesifikasi yang terbatas. Raspberry Pi juga memiliki sebuah sistem operasi dan sistem operasi yang digunakan saat ini adalah Linux yang berbasis Debian. Penelitian ini bertujuan untuk mengembangkan sebuah distribusi Linux baru untuk Raspberry Pi yang bertujuan untuk kebutuhan computer vision. Diharapkan ILOS RaspiCV nantinya bisa menjadi sistem operasi yang optimal pada perangkat Raspberry Pi yang digunakan untuk kebutuhan computer vision. Petunjuk umum pengisian:  Isi dengan menggunakan tinta hitam atau biru  Isi dengan huruf KAPITAL  Pertanyaan pilihan diisi dengan mencentang atau menyilangi I. 1. 2. 3. 4. 5.

Nama NRP / NIP Departemen / Fakultas Bagian / Lab Jenis Responden

IDENTITAS RESPONDEN

: _______________________________________________ : _______________________________________________ : _______________________________________________ : _______________________________________________ : a. Mahasiswa S1 b. Mahasiswa S2 c. Dosen II.

1.

2. 3. 4. 5.

NO:

UMUM

OS yang anda gunakan untuk kebutuhan computer vision ? (boleh isi lebih dari satu) a. Microsoft Windows _____ c. Mac versi _____ b. GNU/Linux versi _____ d. Lainnya _____ Apakah anda pernah menggunakan GNU/Linux ? a. Ya b. Tidak Apakah anda sebelumnya mengetahui tentang perangkat keras Raspberry Pi ? a. Ya b. Tidak Apakah anda pernah menggunakan perangkat keras Raspberry Pi ? a. Ya b. Tidak Setujukah jika perangkat keras Raspberry Pi digunakan untuk kebutuhan computer vision ? a. Ya b. Tidak, kenapa ? III.

KEBUTUHAN PERANGKAT LUNAK

Petunjuk pengisian tabel kebutuhan perangkat lunak: - Pada bagian “Digunakan/tidak”, centang () jika digunakan dan tanda silang (x) jika tidak - Centang pada salah satu tingkat kepentingan jika perangkat lunak digunakan Jika perangkat lunak yang anda gunakan belum terdaftar, isi pada Tabel bagian Lain-lain

21 Lampiran 1 Lanjutan - Ket: KP: Kurang Penting, P: Penting, SP: Sangat Penting No

Perangkat Lunak

1 2 3 4 5

OpenCV VXL VLFeat BoofCV PCL

6 7 8 9

Codeblock Python Java Eclipse

10 11 12 13 14 15 16 17

MySQL PostgreSQL Weka Orange R PSPP Matlab GPIO Library

Digunakan / tidak

Deskripsi

Tingkat Kepentingan KP P SP

Program untuk computer vision Library computer vision C++ libraries untuk computer vision Library computer vision Java library computer vision 2D/3D image and point cloud processing Pemrograman Open Source Cross-Platform IDE Bahasa Pemrograman Bahasa Pemrograman Open Source IDE Program-program Tambahan Relational Database Management System Relational Database Management System Kumpulan algoritme machine learning untuk data mining Visualisasi data open source dan analisis Program komputasi statistik dan grafis Program pengolah data dan analisis statistik Perangkat lunak komputasi numerik Modul kontrol GPIO Lain-lain

18 19 20 21 22

IV. KOMENTAR DAN SARAN MENGENAI ILOS RASPICV

Tanggal Survey: ……./……../2015 Responden (.………………………………..)

22 Lampiran 2 Rekap kebutuhan perangkat lunak Tingkat Kepentingan No

Perangkat Lunak

Deskripsi

N

TP

KP

P

SP

76 76 76 76 76

5 43 49 43 46

1 6 11 10 13

25 18 11 21 11

45 9 5 2 6

76 76 76 76

17 28 21 27

10 6 1 10

35 31 35 25

14 11 19 14

76 76 76

8 25 23

5 11 16

40 29 29

23 11 8

76 76 76 76 76

43 19 44 12 39

15 7 10 5 7

14 36 17 37 15

4 14 5 22 15

Program untuk computer vision 1 2 3 4 5

OpenCV VXL VLFeat BoofCV PCL

6 7 8 9

Codeblock Python Java Eclipse

10 11 12

MySQL PostgreSQL Weka

13 14 15 16 17

Orange R PSPP Matlab GPIO Library

Library computer vision C++ libraries untuk computer vision Library computer vision Java library computer vision 2D/3D image and point cloud processing Pemrograman Open Source Cross-Platform IDE Bahasa Pemrograman Bahasa Pemrograman Open Source IDE Program-program tambahan Relational Database Management System Relational Database Management System Kumpulan algoritme machine learning untuk data mining Visualisasi data open source dan analisis Program komputasi statistik dan grafis Program pengolah data dan analisis statistik Perangkat lunak komputasi numerik Modul kontrol GPIO

N = Jumlah Responden TP = Tidak Penting / Tidak Digunakan, KP = Kurang Penting, P = Penting, SP = Sangat Penting

23 Lampiran 3 Hasil pembobotan perangkat lunak Tingkat Kepentingan No

Perangkat Lunak

1 2 3 4 5

OpenCV VXL VLFeat BoofCV PCL

6 7 8 9

Codeblock Python Java Eclipse

10

MySQL

11

PostgreSQL

12

Weka

13

Orange

14

R

15

PSPP

16 17

Matlab GPIO Library

Deskripsi

TP

Program untuk computer vision Library computer vision 0.00 C++ libraries untuk computer vision 0.00 Library computer vision 0.00 Java library computer vision 0.00 2D/3D image and point cloud 0.00 processing Pemrograman Open Source Cross-Platform IDE 0.00 Bahasa Pemrograman 0.00 Bahasa Pemrograman 0.00 Open Source IDE 0.00 Program-program tambahan Relational Database Management 0.00 System Relational Database Management 0.00 System Kumpulan algoritme machine 0.00 learning untuk data mining Visualisasi data open source dan 0.00 analisis Program komputasi statistik dan 0.00 grafis Program pengolah data dan analisis 0.00 statistik Perangkat lunak komputasi numerik 0.00 Modul kontrol GPIO 0.00

KP

P

SP

Rata bobot maks

0.01 0.08 0.14 0.13 0.17

0.66 0.47 0.29 0.55 0.29

1.78 0.36 0.20 0.08 0.24

2.45 0.91 0.63 0.76 0.70

0.13 0.08 0.01 0.13

0.92 0.82 0.92 0.66

0.55 0.43 0.75 0.55

1.61 1.33 1.68 1.34

0.07

1.05

0.91

2.03

0.14

0.76

0.43

1.34

0.21

0.76

0.32

1.29

0.20

0.37

0.16

0.72

0.09

0.95

0.55

1.59

0.13

0.45

0.20

0.78

0.07 0.09

0.97 0.39

0.87 0.59

1.91 1.08

TP = Tidak Penting / Tidak Digunakan, KP = Kurang Penting, P = Penting, SP = Sangat Penting

24 Lampiran 4 Logo ILOS RaspiCV

Lampiran 5 Wallpaper ILOS RaspiCV

25 Lampiran 6 Identitas distribusi /etc/OS-release Berkas ini berisi id distribusi, versi distribusi, dan nama distribusi. Isi berkas sebelum diubah: PRETTY_NAME=”Raspbian GNU/Linux 7 (wheezy)” NAME=”Raspbian GNU/Linux” VERSION_ID=”7” VERSION=”7 (wheezy)” ID=raspbian ID_LIKE=debian ANSI_COLOR=”1 ;31” HOME_URL=”http://www.raspbian.org/” SUPPORT_URL=”http://www.raspbian.org/RaspbianForums” BUG_REPORT_URL=”http://www.raspbian.org/RaspbianBugs”

Isi berkas setelah diubah: PRETTY_NAME=”Ilosraspicv GNU/Linux 7 (wheezy)” NAME=”Ilosraspicv GNU/Linux” VERSION_ID=”1” VERSION=”7 (wheezy)” ID=ilosraspicv ID_LIKE=debian ANSI_COLOR=”1 ;31” HOME_URL=”http://www.raspbian.org/” SUPPORT_URL=”http://www.raspbian.org/RaspbianForums” BUG_REPORT_URL=”http://www.raspbian.org/RaspbianBugs”

/etc/issue Isi berkas sebelum diubah: Raspbian GNU/Linux 7 \n \l Isi berkas setelah diubah: Ilosraspicv GNU/Linux 7 \n \l /etc/issue.net Isi berkas sebelum diubah: Raspbian GNU/Linux 7 Isi berkas setelah diubah: Ilosraspicv GNU/Linux 7

26

RIWAYAT HIDUP Penulis dilahirkan di Ciamis pada 24 Oktober 1992 dari pasangan Denni Kusdenni dan Dede Ika Rostika. Penulis merupakan putra pertama dari tiga bersaudara. Tahun 2010 penulis lulus dari SMA Negeri 2 Ciamis dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui Undangan Seleksi Masuk IPB dan diterima di Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama mengikuti perkuliahan, penulis aktif menjadi anggota dan pengurus Organisasi Mahasiswa Daerah Ciamis. Pada tahun 2011 dan 2012 penulis menjabat sebagai divisi humas dan divisi sponsorship kegiatan kepanitiaan IT Today. Penulis juga melakukan praktik kerja lapangan di PT. Bank Rakyat Indonesia Divisi IT sebagai programmer. Kegiatan lain penulis adalah mengikuti pelatihan teknologi informatika yang ada seperti workshop Yii Framework dan pelatihan Cisco CCNA selama 6 bulan di Departemen Fisika Institut Pertanian Bogor.