Pengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air

Pengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air Adhadi Kurniawan, I Wayan Mustika, dan Sri Suning Kusumawardani Laboratorium Sistem Elektronis, Jurusan Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada, Yogyakarta Jl. Grafika No.2, Kampus UGM, Yogyakarta 55281, Indonesia

Email : [email protected], [email protected], [email protected] Abstract— Flood is a type of natural disaster that may occur periodically. It could cause severe damage, with the advance of digital image processing technology, various applications can be applied to assist people in various field. In this study, a technique to detect the water level using digital image processing is proposed. The proposed technique uses tracking the object color method to identify the water level and RGB color for testing. RGB color test is used to get a clear color and contrast which can be detected later using an IP webcam. The selected color will be used as indicator either normal or warning limit. On testing to detect colors, the colors that are in use are the basic colors are red, green and blue. The success rate in detecting the base color that is 97% for red, 10% for green color and 48% for the color blue. Based on the success rate of the then used was red. In testing to detect water levels, IP webcam can detect water levels based on the color red and the success rate obtained is 95% of the overall testing. Keywords-Tracking Objects; ColorFitering; Segmentation Color; IP Webcam

Abstrak— Banjir adalah jenis bencana alam yang terjadi secara alami dan berulang yang dapat secara langsung maupun secara tidak langsung dapat menimbulkan kerusakan parah dan ancaman publik. Kemajuan teknologi pengolahan citra digital yang semakin pesat, maka dapat mempermudah manusia dan dewasa ini banyak aplikasi yang dapat menerapkannya dalam berbagai bidang. Penelitian ini melakukan deteksi ketinggian air dengan menggunakan pengolahan citra digital. Metode yang ditawarkan adalah metode tracking object color. Warna yang dipilih akan dijadikan indikator ketinggian air dengan skala penunjukkan batas normal dan batas ketinggian yang berpotensi banjir. Pada pengujian mendeteksi warna, warna yang di gunakan adalah warna dasar yaitu warna merah, warna hijau dan warna biru. Tingkat keberhasilan yang didapat dalam mendeteksi warna dasar yaitu 97% untuk warna merah, 10% untuk warna hijau dan 48% untuk warna biru. Berdasarkan tingkat keberhasilan yang didapat maka yang digunakan adalah warna merah. Dalam pengujian mendeteksi ketinggian air, IP webcam dapat mendeteksi ketinggian air berdasarkan warna merah dengan baik dan tingkat keberhasilan yang didapat adalah 95% dari keseluruhan pengujian. Katakunci-Tracking Objek; Color Filtering; Segmentasi Warna; IP Webcam

I.

PENDAHULUAN

Banjir adalah jenis bencana alam yang terjadi secara alami dan berulang yang dapat secara langsung maupun secara tidak langsung dapat menimbulkan kerusakan parah dan ancaman publik. Menurut [1], banjir adalah adanya air di daerah yang biasanya kering, sedangkan bencana banjir adalah banjir yang signifikan mengganggu atau mengganggu aktivitas manusia dan sosial. Banjir dapat terjadi tanpa pemberitahuan sebelumnya, oleh karena itu diperlukan sistem peringatan dini mengenai banjir. Sistem peringatan dini tentang banjir pada prinsipnya dimaksudkan supaya masyarakat yang bermukim di daerah endemik agar dapat memperoleh informasi lebih awal tentang besaran (magnitude) banjir yang mungkin terjadi dan juga waktu evakuasi memadai sehingga risiko yang ditimbulkan dapat diminimalkan [2]. Sistem peringatan dini banjir dapat dicapai salah satunya dengan mendeteksi ketinggian pintu air. Penelitian yang berkaitan dengan deteksi ketinggian air dilakukan dengan sistem monitoring tingkat ketinggian air bendungan berbasis mikrokontroler [3]. Sistem ini merupakan sebuah peralatan yang berfungsi mendeteksi ketinggian air oleh sensor dan hasilnya dilaporkan melalui sebuah peralatan display yang berupa LCD dan LED. Informasi tentang tingkat ketinggian air ditunjukkan oleh peralatan display tersebut. Memonitor tingkat ketinggian air selain menggunakan peralatan display berupa LCD dan LED dapat juga menggunakan teknologi kamera. Kamera yang digunakan dapat berbasis webcam, CCTV maupun IP kamera. Pemrosesan biasanya menggunakan pengolahan citra digital. Perkembangan teknologi menggunakan pengolahan citra digital sudah banyak diaplikasikan, baik dalam masukannya berupa file image, file video bahkan menggunakan kamera. Pemrosesan video pendeteksi kecepatan dan ketinggian aliran lahar dingin pendukung sistem peringatan dini merupakan salah satu memanfaatkan computer vision system deteksi kecepatan dan ketinggian aliran lahar. Metode deteksi ini dirancang menggunakan metode optical flow pyramidal lucas kanade, edge detection sobel, thresholding, frame adder, hough transform, dilation dan region of interest [4]. Pada aplikasi lainnya, sistem pendeteksi orang tergeletak memanfaatkan kamera pengawas dengan menggunakan metode template matching. Penelitian ini merancang suatu sistem yang dapat mendeteksi orang tergeletak dengan memanfaatkan kamera pengawas sebagai divais masukan citra dan kemudian citra masukan akan diolah dengan

proses background subtraction, binerisasi, median filtering, hole-filing, dan template matching [5]. Sedangkan Penggunaan tracking object pada penelitian [6] membuat sistem yang bertujuan dalam penggunaan sebuah robot untuk melakukan tracking sebuah bola lalu mengikutinya pada jarak yang bisa berubah-ubah. Beberapa penyebab bencana banjir adalah tingginya curah hujan yang terjadi dan luasnya sungai yang tidak mampu menampung aliran air. Faktor lain juga akibat penggunaan lahan yang salah di daerah-daerah. Tingkat populasi yang meningkat menyebabkan pemukiman yang tidak terkontrol dan tidak teratur [7]. Tingginya curah hujan yang terjadi di hulu sungai membuat jumlah debit air meningkat sehingga ketinggian air juga meningkat, oleh karena itu ketinggian air dapat mengakibatkan banjir. Indikator ketinggian di pintu air bendungan selalu dipantau. Tiap bendungan batas ketinggian air berbedabeda. Berdasarkan informasi yang diberikan oleh [8] menunjukkan batas status normal di bendungan Katulampa adalah kurang dari 80 cm sedangkan indikator ketinggian melebihi 200 cm status berubah menjadi siaga 1. Perubahan status ketinggian ini merupakan indikator akan terjadi banjir. Penelitian melakukan deteksi ketinggian air dengan menggunakan pengolahan citra digital. Metode yang ditawarkan adalah metode tracking object color dengan bantuan Matlab untuk mengolah citra. Penelitian ini menggunakan pengujian warna RGB. Pengujian warna RGB ini nanti untuk mendapatkan warna yang jelas dan kontras yang dapat terdeteksi oleh IP webcam. Warna yang dipilih akan dijadikan indikator ketinggian air dengan skala penunjukkan batas normal dan batas ketinggian yang berpotensi banjir. Prosedur tracking color ini lebih ditekankan pada proses pencarian warna dan mendeteksi ketinggian air berdasarkan resolusi citra yang tertangkap oleh IP webcam. Perubahan ketinggian air berdasarkan volume air dalam waduk. Pada prosesnya IP webcam akan menangkap citra, citra yang tertangkap akan dilakukan tracking object color dengan teknik color filtering dan segmentasi warna. Proses tracking object color ini digunakan untuk menemukan sebuah warna yang terdapat pada citra. Setelah menemukan warna yang dicari pada citra maka proses selanjutnya adalah melakukan proses bounding box. Bounding box di sini membentuk sumbu X dan Y. Sumbu X dan Y ini merupakan lebar dan tinggi pada citra. Ukuran dari bounding box akan terus berubah-ubah menyesuaikan dari ukuran objek yang di tracking [9] sehingga ketinggian dapat dideteksi berdasarkan warna yang dipilih nantinya. II.

TEORI

A. Pengolahan Citra Digital Pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada pemrosesan setiap data 2 dimensi. Citra digital merupakan sebuah larik (array) yang berisi nilainilai real maupun kompleks yang merepresentasikan dengan deretan bit tertentu [10]. Pengolahan citra atau image processing adalah suatu sistem dimana proses dilakukan dengan masukan berupa

citra (image) dan hasilnya (output) juga berupa citra (image). Pada awalnya pengolahan citra ini dilakukan untuk memperbaiki kualitas citra, namun dengan berkembangnya dunia komputasi yang ditandai dengan semakin meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya ilmu-ilmu komputer yang memungkinkan manusia dapat mengambil informasi dari suatu citra maka image processing tidak dapat dilepaskan dengan bidang computer vision [11]. B. Color Filtering Color Filtering adalah metode yang berguna untuk menemukan sebuah warna yang terdapat pada sebuah gambar, dengan ditemukannya warna yang dicari pada sebuah gambar, kita dapat menentukan proses apa yang selanjutnya harus dilakukan. Pada dasarnya pencarian ini menggunakan kombinasi dari komponen Red, Green, dan Blue yang terdapat pada gambar. Nilai dari masing-masing komponen ini didapat dari hasil beberapa kali eksperimen. Hasil dari eksperimen ini adalah sebuah kombinasi dari komponen warna Red, Green, dan Blue. Kombinasi warna ini yang kemudian dijadikan filter yang merupakan penentu sebuah warna diloloskan atau tidak. Keluaran dari metode ini langsung akan menghasilkan sebuah gambar biner. Gambar biner sendiri adalah sebuah gambar yang hanya memiliki 2 derajat keabuan yaitu hitam dan putih seperti pada Gambar 1. Dimana warna putih pada gambar adalah merupakan representasi dari sebuah pixel yang warnanya di loloskan. Sedangkan warna hitam pada gambar merupakan representasi dari pixel yang warnanya tidak di loloskan, sehingga dari proses diatas dapat menyimpulkan bahwa warna putih pada gambar adalah objek yang sedang dicari karena warna putih pada gambar merupakan warna pada pixel yang sesuai dengan filter yang didapat dari hasil eksperimen [12].

Gambar 1. Contoh Gambar Derajat Keabuan

C. Sistem Warna RGB Dalam pengolahan citra warna di tunjukkan dengan nilai heksadesimal dari 0x00000000 sampai 0x00ffffff. Warna hitam adalah 0x00000000 dan warna putih adalah 0x00ffffff. Definisi warna diatas seperti Gambar 1 dibawah, variabel 0x00 menyatakan angka di belakangnya adalah heksadesimal. Terlihat pada Gambar 2, bahwa setiap warna memiliki range nilai 00 (angka desimalnya adalah 0) dan ff (angka desimalnya adalah 256), atau mempunyai nilai derajat keabuan 256 = 28. Dengan demikian range warna yang digunakan adalah (28)(28)(28) = 224,2 (atau dikenal dengan istilah True Color pada windows). Nilai warna yang digunakan diatas merupakan gabungan warna

cahaya merah, warna hijau dan warn biru seperti yang terlihat pada Gambar 3, sehingga untuk menentukan nilai suatu warna yang bukan warna dasar digunakan gabungan skala kecerahan setiap warnanya. Gambar 3 dibawah ini untuk menyajikan warna tertentu dapat dengan mudah dilakukan, yaitu dengan mencampur ketiga warna dasar RGB [12].

Dalam penempatan IP webcam terletak lebih tinggi dari objek yang dideteksi sedangkan skala penunjukkan ketinggian air berdasarkan warna ditempatkan di dalam air. Penempatan IP webcam skala penunjukkan ketinggian air berdasarkan warna terlihat pada Gambar 5 dibawah ini. Semakin banyak air yang tertampung, maka semakin tinggi air dan IP webcam akan mendeteksi ketinggian tersebut dengan skala penunjukkan berdasarkan warna yang telah ditentukan. Skala penunjukkan ini akan memberikan informasi batas normal dan batas ketinggian yang berpotensi banjir. Informasi ketinggian ini akan dapat menjadi masukkan terhadap tindakan yang akan dilakukan oleh pihak terkait. Power Supply

Gambar 2. Nilai Warna RGB dalam Heksadesimal

IP webcam

Level Ketinggian Air

Gambar 3. Kombinasi Warna dalam Heksadesimal Air

III. TINJAUAN SISTEM Sistem dalam penelitian ini menggunakan IP webcam untuk mendeteksi ketinggian air. Pada prosesnya IP webcam akan menangkap citra, citra yang tertangkap akan dilakukan tracking object color. Proses tracking object color ini digunakan untuk menemukan sebuah warna yang terdapat pada citra. Setelah menemukan warna yang dicari pada citra maka proses selanjutnya adalah melakukan proses bounding box. Bounding box akan menunjukkan skala penunjukkan batas ketinggian air berdasarkan warna. Ini terlihat dari perubahan objek dengan menyesuaikan dari ukuran objek warna yang di tracking. Objek akan direpresentasikan ke ukuran resolusi IP webcam dengan resolusi 640x480. Ukuran resolusi ini terlihat pada Gambar 4 sehingga skala penunjukkan batas ketinggian air berdasarkan warna akan terlihat pada sumbu Y pada citra tersebut. y

5

x Gambar 4. Ukuran Resolusi Kamera 640x480

Gambar 5. Penempatan IP webcam

Sedangkan flowchart sistem kerja deteksi ketinggian air berdasarkan warna terlihat pada Gambar 6. Sistem ini ketika dijalankan IP webcam terlebih dahulu di setting resolusi yang diinginkan, lalu IP webcam akan menangkap objek, setelah objek tertangkap proses selanjutnya adalah mendeteksi objek yang berwarna. Objek yang berwarna itu akan di tracking setelah itu di lakukan tahap color filtering dan segmentasi warna mencari warna yang diinginkan. Pada proses tracking ini juga proses bounding box dilakukan untuk mendeteksi ketinggian air. Proses bounding box ini akan berubahubah sesuai dengan objek yang dideteksi. Ketika terjadi perubahan ketinggian maka akan dilakukan tracking kembali, jika terdeteksi ketinggian yang berpotensi banjir maka proses berhenti.

TABEL I. DATA PERLAKUAN PENGUJIAN KATAGORI PENCAHAYAAN DAN WARNA MERAH No

Resolusi

Citra

320x240

Intensitas Cahaya

BERDASARKAN

Uji

Berhasil

(lux)

Jarak IP Webcam (cm)

7

80

20

20

21

80

20

19

110

210

20

19

149

210

20

19

166

30

20

20

1

2

3

4

5

TABEL II. DATA PERLAKUAN PENGUJIAN KATAGORI PENCAHAYAAN DAN WARNA HIJAU Gambar 6. Flowchart Sistem Kerja Deteksi Ketinggian Air

Uji

Berhasil

(lux)

Jarak IP Webcam (cm))

6

120

20

3

2

17

210

20

2

3

23

60

20

2

4

52

80

20

1

5

123

210

20

2

No

IV.

Resolusi

PENGUJIAN DAN HASIL 1.

A. Pengujian Untuk mengetahui keandalan dalam mendeteksi ketinggian air berdasarkan warna dilakukan beberapa tracking warna merah, hijau dan biru. Hasil ini nanti akan menetapkan warna apa yang akan digunakan dalam skala penunjukkan deteksi ketinggian air berdasarkan warna. Pengujian dilakukan dengan berdasarkan intensitas cahaya. Pada pengujian ini akan dilakukan beberapa perlakuan. Dalam perlakuan ini intensitas cahaya sama dengan 0 dianggap kondisi gelap, intensitas cahaya kurang dari 35 dianggap redup dan lebih dari 35 dianggap terang. Dalam intensitas cahaya satuan yang digunakan lux. Pada Tabel I, II dan III menunjukkan perlakuan yang diujikan dengan warna dasar yaitu warna merah, warna hijau dan warna biru. Pengujian ini juga berdasarkan jarak yang digunakan bervariasi untuk melihat juga kemampuan IP webcam dapat menangkap citra. Setelah pengujian warna selesai dilakukan dan didapat warna apa yang tepat digunakan dalam mendeteksi ketinggian maka pengujian selanjutnya adalah mendeteksi ketinggian air berdasarkan warna. Pengujian ini dilakukan dengan intensitas cahaya berbeda dan kemampuan IP webcam dalam mendeteksi ketinggian berdasarkan warna. Warna yang dipilih sebagai skala penunjukan ketinggian air.

Intensitas Cahaya

BERDASARKAN

320x240

Citra

TABEL III. DATA PERLAKUAN PENGUJIAN KATAGORI PENCAHAYAAN DAN WARNA BIRU Intensitas Cahaya

BERDASARKAN

Uji

Berhasil

(lux)

Jarak IP Webcam (cm)

4

80

20

2

2

20

60

20

15

3

47

210

20

5

4

112

120

20

18

5

123

210

20

8

No 1.

Resolusi

Citra

320x240

TABEL IV. DATA PERLAKUAN PENGUJIAN BERDASARKAN KATAGORI PENCAHAYAAN DAN DETEKSI KETINGGIAN AIR Intensitas Cahaya

Uji

Deteksi Tinggi

(lux)

Jarak IP Webcam (cm)

10

30

20

19

2

15

30

20

18

3

15

30

20

19

4

20

30

20

20

5

20

30

20

19

No 1

Resolusi 320x240

Citra

B. Hasil Pengujian dilakukan terhadap warna merah terlihat pada Tabel I, IP webcam dapat mendeteksi warna merah dengan intensitas cahaya sebesar 7 lux, dengan jarak terhadap objek sejauh 80 cm. Pengujian dilakukan sebanyak 20 kali dengan tingkat keberhasilan yang ditunjukkan dari IP webcam menangkap objek warna merah pada kondisi intensitas yang berbeda-beda. Intensitas cahaya pada pengujian mulai dari intensitas cahaya yang redup sebesar 7 lux hingga intensitas cahaya terang sebesar 166 lux mendapatkan tingkat keberhasilan rata-rata sebesar 97% dari jumlah keseluruhan pengujian pada warna merah. Pengujian selanjutnya, dilakukan terhadap warna hijau terlihat pada Tabel II, IP webcam belum dapat mendeteksi warna hijau. Hal ini terlihat pada beberapa kali pengujian dengan intensitas cahaya yang berbeda dan jarak IP webcam terhadap objek tetap belum dapat dideteksi. Intensitas cahaya pada pengujian mulai dari intensitas cahaya yang redup sebesar 6 lux hingga intensitas cahaya sebesar 123 lux mendapat tingkat keberhasilan rata-rata sebesar 10% dari jumlah keseluruhan pengujian pada warna hijau. Kemudian pengujian dilakukan terhadap warna biru terlihat pada Tabel III, IP webcam dapat mendeteksi warna biru dengan intensitas cahaya sebesar 20 lux, dengan jarak terhadap objek sejauh 60 cm. Pengujian dilakukan dengan beberapa perlakuan intensitas cahaya dan dilakukan sebanyak 20 kali tiap percobaan. Perlakuan intensitas cahaya yang redup sebesar 4 lux hingga intensitas cahaya yang terang sebesar 123 lux didapat tingkat keberhasilan yang ditunjukkan dalam mendeteksi warna biru rata-rata dari keseluruhan pengujian sebesar 48%. Berdasarkan pengujian pada deteksi warna yang telah dilakukan maka dapat ditentukan warna apa yang tepat dijadikan sebagai skala penunjukan ketinggian air. Warna yang tepat berdasarkan pengujian deteksi warna adalah warna merah. Tingkat keberhasilan yang ditunjukkan dalam mendeteksi warna merah sebesar 97%. Pemilihan warna merah ini juga dikarenakan warna dasar merah mempunyai warna yang kontras terhadap background selain itu juga pada kondisi redup warna merah tetap dapat terdeteksi oleh IP webcam. Pada pengujian deteksi ketinggian air, warna merah digunakan sebagai skala penunjukkan ketinggian air. Pengujian ini dapat dilihat pada Tabel IV. Tabel IV memperlihatkan bagaimana IP webcam mendeteksi ketinggian air. Pengujian dilakukan dengan simulasi, simulasi dengan menempatkan skala penunjukkan warna merah pada dinding aquarium. IP webcam mendeteksi ketinggian secara berkala. Ketinggian air terdeteksi berbeda-beda sesuai dengan ketinggian air. Pada pengujian yang pertama dilakukan 20 kali pengujian dengan intensitas cahaya 10 lux, dengan jarak IP webcam 30 cm terdeteksi ketinggian 19 kali ketinggian air. Skala penunjukkan warna merah menunjukkan sumbu Y yang dijadikan indikator ketinggian pada citra menunjukkan ketinggian 145 pixel. Sedangkan pada pengujian ketiga dengan ketinggian air berbeda menunjukkan ketinggian 154 Pixel, kemudian pada pengujian yang kelima

menunjukkan ketinggian 274 pixel. Pengujian masingmasing dilakukan sebanyak 20 kali dengan total pengujian 100 kali pengujian. Tingkat keberhasilan rata-rata IP webcam mendeteksi ketinggian air sebesar 95% dari keseluruhan pengujian yang dilakukan.

[10] [11]

[12] V.

KESIMPULAN

Berdasarkan pengujian deteksi warna dan deteksi ketinggian air maka dapat disimpulkan bahwa IP webcam dapat mendeteksi warna dasar yaitu warna merah, warna hijau, dan warna biru. Tingkat keberhasilan rata-rata dalam mendeteksi warna dasar adalah 97% untuk warna merah, 10% untuk warna hijau, dan 48% untuk warna biru sehingga dalam pemilihan warna untuk skala penunjukkan yang tepat menggunakan warna merah dengan tingkat keberhasilan sebesar 97%. Kemudian pada pengujian deteksi ketinggian air dengan skala penunjukkan warna merah dari 20 kali pengujian tiap percobaan dengan total pengujian 100 kali pengujian dapat mendeteksi ketinggian air dengan baik. Tingkat keberhasilan yang ditunjukkan mencapai 95% dari keseluruhan pengujian. REFERENCES [1]

[2] [3]

[4]

[5]

[6]

[7]

[8] [9]

S N Jonkman and I. Kelman, "An analysis of the causes and circumstances of flood disaster deaths," pp. 75-97, 2005. G. Irianto, "Sistem Peringatan Dini Tentang Banjir," ed: Kompas, 2003. Z. Budiarso, "SISTEM MONITORING TINGKAT KETINGGIAN AIR BENDUNGAN BEBASIS MIKROKONTROLLER," Jurnal Dinamika Informatika, vol. 3, 2011. L. Awaludin, A. Harjoko, and R. Sumiharto, "Pemrosesan Video Pendeteksi Kecepatan dan Ketinggian Aliran Lahar Dingin Pendukung Sistem Peringatan Dini," IJEIS-Indonesian Journal of Electronics and Instrumentation Systems, vol. 2, pp. 187-198, 2012. J. K. Candra, "Sistem Pendeteksi Orang Tergeletak Memanfaatkan Kamera Pengawas dengan Menggunakan Metode Template Matching," 2013. G. S. Nahla, S. Setiawardhana, and D. Pramadihanto, "Tracking Bola Menggunakan Robotino," EEPIS Final Project, 2011. I. Akar, K. Kalkan, D. Maktav, and Y. Ozdemir, "Determination of land use effects on flood risk by using integration of GIS and remote sensing," in Recent Advances in Space Technologies, 2009. RAST '09. 4th International Conference on, 2009, pp. 23-26. P. Air. Available: http://27.111.43.223/banjir/Mobile/#hal_1 N. R. B.S.L and D. F. Akbar, "Object Tracking Berbasis Background Substraction dan Kalman Filter " 2014.

D. Putra, Pengolahan citra digital: Penerbit Andi, 2010. H. Mulyawan, "IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME," EEPIS Final Project, 2011. H. Prabowo and S. Soelistiono, "Multiple Object Tracking OpenCV (Pelacakan Beberapa Objek Menggunakan OpenCV) " Fakultas Sains dan Teknologi Universitas Airlangga Surabaya.