PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA

perpustakaan.uns.ac.id

digilib.uns.ac.id

PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA

Skripsi Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

EDI SUMARSO I 1306033

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2011 commit to user


digilib.uns.ac.id

LEMBAR PENGESAHAN

Judul Skripsi:

PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA Ditulis oleh: Edi Sumarso I 1306033 Mengetahui, Dosen Pembimbing I

Dosen Pembimbing II

Dr. Cucuk Nur Rosyidi, ST, MT. NIP. 19711104 199903 1 001

Taufiq Rochman, STP., MT. NIP. 19701030 199802 1 001

Ketua Program S-1 Non Reguler Jurusan Teknik Industri Fakultas Teknik UNS

Taufiq Rochman, STP., MT. NIP. 19701030 199802 1 001

Pembantu Dekan I Fakultas Teknik UNS

Ketua Jurusan Teknik Industri Fakultas Teknik UNS

Ir. Noegroho Djarwanti, MT NIP. 19561112 198403 2 007

Ir. Lobes Herdiman, MT NIP. 19641007 199702 1 001

commit to user ii


digilib.uns.ac.id

LEMBAR VALIDASI

Judul Skripsi:

PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA

Ditulis oleh: Edi Sumarso I 1306033 Telah disidangkan pada hari Rabu tanggal 27 April 2011 Di Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta, dengan

Dosen Penguji

1. Azizah Aisyati, ST, MT NIP. 19720318 199702 2 001

2. Yuniaristanto, ST, MT NIP. 19750617 200012 1 001

Dosen Pembimbing

1. Dr. Cucuk Nur Rosyidi, ST, MT NIP. 19711104 199903 1 001

2. Taufiq Rochman, STP., MT NIP. 19701030 199802 1 001

commit to user iii


digilib.uns.ac.id

SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH Saya mahasiswa Jurusan Teknik Industri Fakultas Teknik UNS yang bertanda tangan di bawah ini: Nama

: Edi Sumarso

NIM

: I 1306033

Judul tugas akhir

: Perancangan Perangkat Lunak untuk Menentukan Besar Sudut Pada Segmen Tubuh Berbasis Pengolahan Citra

Dengan ini saya menyatakan bahwa Tugas Akhir atau Skripsi yang saya susun tidak mencontoh atau melakukan plagiat dari karya tulis orang lain. Jika terbukti Tugas Akhir yang saya susun tersebut merupakan hasil plagiat dari karya orang lain maka Tugas Akhir yang saya susun tersebut dinyatakan batal dan gelar sarjana yang saya peroleh dengan sendirinya dibatalkan atau dicabut. Demikian surat pernyataan ini saya buat dengan sebenarnya dan apabila di kemudian hari terbukti melakukan kebohongan maka saya sanggup menanggung segala konsekuensinya.

Surakarta, 28 April 2011

Edi Sumarso I1306055

commit to user iv


digilib.uns.ac.id

SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini, Nama

: Edi Sumarso

NIM

: I 1306033

Judul tugas akhir

: Perancangan Perangkat Lunak untuk Menentukan Besar Sudut Pada Segmen Tubuh Berbasis Pengolahan Citra

Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun sebagai syarat lulus Sarjana S1 disusun secara bersama-sama dengan Pembimbing I dan Pembimbing II. Bersamaan dengan syarat pernyataan ini bahwa hasil penelitian dari Tugas Akhir (TA) atau Skripsi yang saya susun bersedia digunakan untuk publikasi dari proceeding, jurnal, atau media penerbit lainnya baik di tingkat nasional maupun internasional sebagaimana mestinya yang merupakan bagian dari publikasi karya ilmiah Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.


Edi Sumarso I1306033

commit to user v


digilib.uns.ac.id

KATA PENGANTAR Alhamdulillah, puji syukur penulis ucapkan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini. Shalawat serta salam kepada Rasulullah Muhammad SAW, Al Amin suri tauladan kita. Pada kesempatan ini, dengan segenap kerendahan hati dan rasa yang setulustulusnya, penulis mengucapkan terima kasih yang sebesar-besarnya kepada : 1.

Allah SWT, yang telah melimpahkan segala berkah dan rahmat-Nya sehingga penulis dapat menyelesaikan laporan skripsi ini dengan lancar.

2.

Kedua orang tua tercinta, Ibu dan Ayahku yang telah mendidik dan membesarkan anak-anaknya dengan kasih sayang serta nasehat yang telah diberikan hingga saya menjadi tumbuh besar seperti sekarang ini.

3.

Kakak tercinta, mbak Atik dan mbak Tutik, kakak iparku mas Tarto, dan keponakanku Zaza. atas do’a dan dukungannya yang telah dicurahkan. “Love U All”

4.

Ibu Ir. Noegroho Djarwanti, MT, selaku Pembantu Dekan I Fakultas Teknik Universitas Sebelas Maret Surakarta.

5.

Bapak Ir. Lobes Herdiman, MT, selaku Ketua Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta.

6.

Bapak Taufiq Rochman, STP, MT, selaku Ketua Program S-1 Nonreguler Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta.

7.

Bapak Dr. Cucuk Nur Rosyidi, ST, MT, selaku dosen pembimbing skripsi I dan Bapak Taufiq Rochman, STP, MT selaku dosen pembimbing skripsi II yang telah sabar dalam memberikan pengarahan dan bimbingan sehingga penulis dapat menyelesaikan skripsi ini dengan lancar.

8.

Ibu Azizah Aizyanti, ST, MT selaku dosen penguji skripsi I, dan Bapak Yuniaristanto ST, MT, selaku dosen penguji skripsi II yang berkenan memberikan saran dan perbaikan terhadap skripsi ini.

9.

Ibu Retno Wulan Damayanti ST, MT, selaku pembimbing akademik.

commit to user vi


digilib.uns.ac.id

10. Seluruh staf dan karyawan Jurusan Teknik Industri UNS, atas segala kesabaran dan kesediaan dalam memberikan bantuan dan fasilitas demi kelancaran penyelesaian skripsi ini. 11. Orang tersayang yang telah setia menemani dalam keadaan apapun walaupun terpisah ruang dan waktu . ”Miss U ” 12. Sobat latansa Danang Setya Nugroho, Ferdy Nugroho, Heru Crisnanto, dan Lya iwan Efendi yang telah bersama-sama menjalani kuliah ini dengan banyak kenangan yang akan tetap berkesan, semoga kita tetep kompak ya sobat (Satu Hati Satu Rasa). 13. Keluarga besar kontrakan The Keppind’s Community, Sultra Retnawan suripto, Tira Budi Utomo, Miftahudin, Testiyan Wijaya, dan Angger Oscar Arista, Terima kasih atas segala kebersamaan dan bantuannya. 14. Sahabat-sahabatku , Hendro Dwi K, Sheilma Puspita Rani, Sultra Retnawan , Angger Oskar Arista, Ida susanti, Rofiatin, Erva Septyana, Rezky Adista, , Febri Sigit, Nur Farida yang telah memberi semangad dan motivasi serta temen ngumpul dijurusan. Luph U all ☺. 15. Rekan-rekan satu kelas lainnya, Hary Prastowo, Eko Kurniawan, Brian Joko, Dwi Sundari, Erika Fauziah, Ani Lestari, Kumbara Prima Putra, FX. Swasto, Didik Priyadi, Edy Wiranata, Hapsari, Amrina, Hendra, Kumbara Prima, Erlyna Dian, Arif As’ari. Fiko Erisa, , , Wakhid, Witarso, Taufik, Terima kasih buat persahabatannya, kebersamaann dan dukungannya. 16. Saodara–saodara LATIC (Lawu Tiger Club) dan Tiger seindonesia terimakasih untuk dukugannya dan doanya, (Jagan biarkan Tourring mengganggu aktifitas kuliah u) BRAVO LATIC. 17. Temen-temen Rumah semuanya trimakasih. 18. Temen-temen kost Jaya kusuma jon koplo, mbah ompong, memex, wahyu, dini, dan semuanya... yang telah melalui hari-hari bersama di jaya kusuma...merdeka... 19. Seluruh pihak-pihak yang tidak dapat penulis sebutkan satu persatu, atas segala bimbingan, bantuan, kritik, dan saran dalam penyusunan tugas akhir ini.

commit to user vii


digilib.uns.ac.id

Semoga skripsi ini dapat bermanfaat bagi rekan-rekan mahasiswa maupun siapa saja yang membutuhkannya. Penulis menyadari bahwa laporan tugas akhir ini masih jauh dari sempurna, dengan senang hati dan terbuka penulis menerima segala saran dan kritik yang membangun.


Penulis

commit to user viii


digilib.uns.ac.id

DAFTAR ISI

Hal ABTRAK..........................................................................................................................v ABSTRACT.......................................................................................................................vi KATA PENGANTAR.....................................................................................................vii DAFTAR ISI.................................................................................................................... ix DAFTAR TABEL............................................................................................................xiii DAFTAR GAMBAR.......................................................................................................xiv DAFTAR LAMPIRAN....................................................................................................xvi

BAB I

PENDAHULUAN 1.1. Latar Belakang Masalah....................................................................... I-1 1.2. Perumusan Masalah.............................................................................. I-2 1.3. Tujuan Penelitian.................................................................................. I-3 1.4. Manfaat Penelitian................................................................................ I-3 1.5. Batasan Masalah................................................................................... I-3 1.6. Asumsi.................................................................................................. I-3 1.7. Sistematika Penulisan........................................................................... I-3

BAB II

TINJAUAN PUSTAKA 2.1. Pengolahan Citra.................................................................................. II-1 2.2. Matlab................................................................................................... II-2 2.3. Elemen Citra......................................................................................... II-4 2.4. Segmentasi Gambar.............................................................................. II-5 2.5. Citra Biner............................................................................................ II-6 2.5.1. Konversi Citra Hitam Putih ke Citra Biner............................... II-6 2.6. Deteksi Tepi (Edge Detection)..............................................................II-7 2.6.1. Prinsip-Prinsip Deteksi Tepi..................................................... II-7 2.7. Skeletonisasi......................................................................................... II-9 2.8. Algoritma Thinning....................................................................,..........II-10 2.9. Pruning................................................................................................. II-12 commit to user vi


digilib.uns.ac.id

2.10. Definisi, Tujuan dan Manfaat Thinning............................................... II-14 2.11. Metode Rapid Upper Limb Assessment (Rula)..................................... II-14

BAB III

METODOLOGI PENELITIAN 3.1. Identifikasi Masalah ............................................................................... III-2 3.2. Studi Pustaka........... ............................................................................... III-2 3.3. Latar Belakang Masalah.......................................................................... III-2 3.4. Penentuan Tujuan Penelitian .................................................................. III-2 3.5. Pengembagan Algoritma......................................................................... III-2 3.6. Pengembagan Program Dengan Matlab 7.8............................................ III-3 3.7. Ujicoba Perangkat Lunak........................................................................ III-3 3.8. Analisis Dan Interprestasi Hasil.............................................................. III-3 3.9. Kesimpulan Dan Saran ........................................................................... III-3

BAB IV

PERANCANGAN ALGORITMA 4.1. Pembacaan Berkas Citra......................................................................... IV-2 4.2. Citra Biner (Binari Image)...................................................................... IV-2 4.3. Deteksi Tepi (Edge Detection)................................................................ IV-3 4.4. Skeletonisasi.............................................................................................IV-3 4.4.1. Penentuan Titik Koordinat Sudut.................................................. IV-5 4.4.2. Perumusan Titik Koordinat........................................................... IV-5 4.4.3. Output Sudut................................................................................. IV-6 4.5. GUI (Graphic User Interface)................................................................. IV-7 4.6. Pengujian Perangkat Lunak..................................................................... IV-9

BAB V

ANALISIS DAN INTERPRETASI HASIL 5.1. Analisis Hasil Penelitian....................................................................... V-1 5.1.1 Analisis Perangkat Lunak..................................................................... V-1 5.1.2 Analisis Hasil Pengujian Sudut............................................................. V-2 5.1. Intepretasi Hasil.................................................................................... V-2

commit to user vii


BAB VI

digilib.uns.ac.id

KESIMPULAN DAN SARAN 6.1. Kesimpulan........................................................................................... VI-1 6.2. Saran..................................................................................................... VI-1

DAFTAR PUSTAKA

commit to user viii


digilib.uns.ac.id

DAFTAR TABEL Hal Tabel 4.1. Total Hasil Uji Perangkat Lunak................................................................. IV-19 Tabel 4.2. Data Perhitugan Uji 1................................................................................. IV-20 Tabel 4.3. Data Perhitugan Uji 2.................................................................................. IV-22 Tabel 4.4. Data Perhitugan Uji 3.................................................................................. IV-24 Tabel 4.5. Data Perhitugan Uji 4.................................................................................. IV-26 Tabel 4.6. Data Perhitugan Uji 5.................................................................................. IV-28 Tabel 4.7. Hasil Pengujian............................................................................................ IV-29

commit to user ix


digilib.uns.ac.id

DAFTAR GAMBAR Hal Gambar 2.1.

Proses Deteksi Tepi Citra...........................................................................II-7

Gambar 2.2.

Hasil Beberapa Deteksi Tepi......................................................................II-8

Gambar 2.3.

Gambar (kernel)........................................................................................ II-8

Gambar 2.4.

Hasil Gambar Skeletonisasi...................................................................... II-11

Gambar 2.5.

Gambar (kernel)........................................................................................ II-12

Gambar 2.6.

Gambar Sebelum dan Sesudah Thinning.................................................. II-13

Gambar 2.7.

Gambar (kernel)........................................................................................ II-12

Gambar 2.8.

Postur tubuh bagian lengan atas (upper arm)........................................... II-16

Gambar 2.9.

Postur tubuh bagian lengan atas (lower arm)........................................... II-16

Gambar 2.10. Postur tubuh bagian pergelangan tangan (wrist)...................................... II-16 Gambar 2.11. Postur tubuh bagian leher (neck).............................................................. II-16 Gambar 2.12. Postur tubuh bagian batang tubuh (trunk)................................................ II-17 Gambar 2.13. Komponen vektor bidang datar................................................................ II-17 Gambar 2.14. Notasi vektor............................................................................................ II-18 Gambar 2.15. Grafik persamaan kutub simetri sumbu x................................................. II-19 Gambar 2.16. Grafik persamaan kutub simetri sumbu y................................................. II-19 Gambar 2.17. Grafik persamaan kutub simetri terhadap titik asal.................................. II-20 Gambar 3.1. Metodologi penelitian............................................................................... III-1 Gambar 4.1. Diagram Alir Algoritma Perangkat Lunak............................................... IV-1 Gambar 4.2.

Citra Biner................................................................................................ IV-2

Gambar 4.3. Deteksi tepi Canny (a) Citra awal (b) Citra hasil..................................... IV-3 Gambar 4.3. (a) Himpunan citra asli A (b) Berbagai posisi ligkaran, sedemikian rupa sehingga pustnya berada pada kerangka A (c) Kerangka A secara lengkap.................................................................................................... IV-4 Gambar 4.5. Titik interaksi mouse................................................................................. IV-5 Gambar 4.6. Proses citra perumusan titik koordinat sudut............................................ IV-6 Gambar 4.7. Output sudut............................................................................................. IV-7 Gambar 4.8. Tampilan graphic user intrface................................................................. IV-8 Gambar 4.9. (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autoca.......................................................... IV-9

commit to user x


digilib.uns.ac.id

Gambar 4.10. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad.................................................... IV-10 Gambar 4.11. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad.................................................... IV-11 Gambar 4.12. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad.................................................... IV-12 Gambar 4.13. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad.................................................. IV-13 Gambar 4.14. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad................................................... IV-14 Gambar 4.15. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad................................................... IV-15 Gambar 4.16. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad................................................... IV-16 Gambar 4.17. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad................................................... IV-17 Gambar 4.18. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad................................................... IV-18

commit to user xi


digilib.uns.ac.id

DAFTAR LAMPIRAN Hal Lampiran I-1 Hitung nilai sudut Lengan bawah (lower arm) ........................................ L-1 Lampiran I-2 Hitung nilai sudut Lengan bawah (lower arm)......................................... L-3 Lampiran I-3 Hitung nilai sudut Pergelagan tangan (wrist) ........................................... L-5 Lampiran I-4 Hitung nilai sudut Leher (neck) ................................................................ L-7 Lampiran I-5 Hitung nilai sudut Batang tubuh (trunk) ................................................... L-9

commit to user xii


digilib.uns.ac.id

ABSTRAK Edi Sumarso. NIM : I1306033. PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA. Skripsi. Surakarta : Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, April 2011. Manual Material Handling banyak dijumpai dalam aktifitas kerja seharihari. Untuk mengurangi resiko cidera dalam aktifitas MMH, dikembangkan beberapa analisis postur. RULA adalah salah satu metode yang dapat digunakan untuk menganalisis postur berdasarkan sudut segmen tubuh bagian atas. Sudut tersebut dapat ditentukan besarannya dengan menggunakan dua cara yaitu secara manual dan

menggunakan

bantuan komputer. Penelitian

ini

bertujuan

mengembangkan perangkat lunak berbasis pengolahan citra untuk menentukan besaran sudut segmen tubuh bagian atas menggunakan fungsi dalam Matlab 7.8, seperti deteksi tepi dan skeletonisasi. Deteksi tepi digunakan untuk mendeteksi batas-batas citra sedangkan skeletonisasai digunakan untuk mengubah citra menjadi satu piksel. Penentuan sudut dilakukan dengan menggunakan tiga titik koordinat yang hasilnya kemudian dibandingkan dengan hasil pengukuran sudut dengan Autocad. Uji t berpasangan digunakan untuk mengetahui perbedaan hasil pengukuran sudut kedua perangkat lunak tersebut. Dari penelitian ini dapat disimpulkan bahwa pengolahan citra dapat digunakan untuk menentukan besaran sudut segmen tubuh bagian yang relavan dengan RULA. Perangkat lunak yang dihasilkan memberikan akurasi yang lebih baik dibandingkan dengan Autocad. Hal ini disebabkan pada penentuan sudut menggunakan Autocad diperlukan garis bantu sebagai dasar penentuan sudut dalam perangkat lunak yang dihasilkan dari penelitian ini diperoleh dari proses skeletonisasi. Perangkat lunak yang dihasilkan dapat dikembangkan lebih lanjut agar dapat mendeteksi dan menentukan sudut secara otomatis dan dapat diintergrasikan dengan RULA berbantuan komputer. Kata Kunci: Pengolahan citra, segmen tubuh, sudut, RULA. xix + 74 halaman; 36 gambar; 7 tabel; 4 lampiran Daftar Pustaka: 12 (1993-2010)

commit to user ix


digilib.uns.ac.id

BAB I PENDAHULUAN Pada bab ini dijelaskan mengenai latar belakng masalah dari penelitian, perumusan masalah yang diangkat dalam penelitian ini, tujuan dan manfaat dari penelitian yang dilakukan. Berikutnya diuraikan mengenai batsan masalah, asumsi yang digunakan dalam penelitian, dan sistematika penulisan untuk menyelesaikan permasalahan yang diangkat dalam penelitian. 1.1 LATAR BELAKANG Postur kerja merupakan pengaturan sikap tubuh pada saat bekerja. Sikap kerja yang berbeda akan menghasilkan kekuatan yang berbeda. Postur kerja yang baik sangat ditentukan oleh pergerakan postur tubuh pada saat melakukan aktivitas kerja. Pada saat ini metode yang digunakan untuk mengganalisis postur kerja adalah metode RULA (Rapid Upper Limb Assessment). Beberapa penelitian telah dilakukan dengan menggunakan metode RULA, diantaranya adalah Hedge (1995) yang menganalisis postur kerja yang mengunakan metode RULA. Kothiyal dan Yuen (1995) menganalisis posisi mouse untuk aktivitas otot dengan menggunakan metode RULA dan EMG (elektromiografi). Lueder (1996) menjelaskan cara pengaplikasian metode RULA, khususnya untuk para pengguna komputer. Penelitian menggunakan metode RULA telah dilakukan oleh (Pourmahabadian, 1998). Penelitian tersebut dilakukan pada pekerja bagian pengepakan industri farmasi di Iran, dimana para pekerja banyak melakukan postur kerja duduk. Hasil penelitian menunjukkan bahwa total skor RULA adalah 4 dan 5 yang mengindikasikan bahwa pekerjaan pengepakan pada industri farmasi di Iran memiliki level resiko kecil dan diperlukan tindakan perbaikan postur kerja beberapa waktu ke depan. Pada metode RULA untuk perhitungan skor elemen-elemennya masih dilakukan dengan menggunakan cara manual, masih menggunakan busur bilahsinus atau penggaris busur untuk menentukan sudut. Proses tersebut membutuhkan waktu yang relatif lama dengan tingkat keakuratan yang rendah.

commit to user I-1


digilib.uns.ac.id

Untuk mempercepat dan meningkatkan tingkat akurasi dalam penentuan sudut segmen tubuh, maka dirancang perangkat lunak yang dapat digunakan untuk menentukan besar sudut pada segmen tubuh berbasis pengolahan citra. Pengolahan citra adalah suatu bentuk proses sinyal dengan input berupa gambar (image) yang ditransformasikan menjadi gambar lain sebagai keluarannya dengan teknik tertentu

(Gonzalez, 2004). Pengolahan citra dilakukan untuk

memperbaiki kesalahan data sinyal gambar yang terjadi akibat transmisi, serta untuk meningkatkan kualitas penampakan gambar agar lebih mudah diinterpretasi oleh sistem penglihatan manusia, dengan melakukan manipulasi dan juga analisis terhadap gambar. Kegiatan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (komputer). Inputannya adalah citra dan keluarannya juga citra tapi dengan kualitas lebih baik dari pada citra masukan. Misal citra warnanya kurang tajam, kabur (blurring), mengandung noise (misal bintik-bintik putih), sehingga perlu ada pemrosesan untuk memperbaiki citra. Citra tersebut menjadi sulit diinterpretasikan karena informasi yang disampaikan menjadi berkurang. Matlab adalah sebuah bahasa dengan kinerja tinggi (high performance) untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai. Dimana masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar. Matlab bisa digunakan untuk menganalisis citra, yang merupakan suatu sistem interaktif yang memiliki elemen data dalam suatu array sehingga tidak lagi terhalang dengan masalah dimensi. Matlab mempunyai fungsi-fungsi yang dapat digunakan untuk pengolahan citra misalkan algoritma deteksi tepi, dan skeletonisasi. Kegunaan deteksi tepi ini ditujukan untuk mengetahui tepi-tepi objek dalam citra dan skeletonsasi bertujuan untuk mendapatkan kerangka dari suatu objek di dalam suatu citra objek atau disebut proses merubah bentuk dari citra hasil restorasi yang berbentuk deteksi tepi citra menjadi citra yang menampilkan batas-batas objek yang hanya setebal satu piksel (Gonzalez, 2004).

commit to user I-2


digilib.uns.ac.id

Pada saat ini, salah satu bidang yang mengalami peningkatan adalah sistem pengenalan gaya gerak berjalan manusia (Gait Recognition). Sistem pengenalan ini memetakan titik-titik dari tubuh manusia. Teknologi ini satu generasi lebih maju dibandingkan teknologi pengenalan yang sudah dikenal saat ini. Gaya berjalan memiliki kemampuan yang tinggi untuk membedakan seseorang, akan tetapi cukup untuk keperluan verifikasi dengan tingkat keamanan yang rendah. Lestari (2004) menyatakan pengenalan seseorang dari cara berjalannya dapat dilakukan dengan analisis angular (sudut yang dibentuk bagian-bagian kaki saat berjalan dari samping). Dalam penelitian tersebut untuk menentukan sudut pada bagian-bagian kaki saat berjalan dari samping, metode pengolahan citra, citra digital, citra biner, skeletonisasi, dan Hough Transform. Metode citra digital, citra biner, skeletonisasi pada penelitian tersebut digunakan sebagai acuan dalam penelitian ini untuk menentukan besaran sudut pada segemen tubuh. 1.2 PERUMUSAN MASALAH Masalah di penelitian ini dapat dirumuskan sebagai berikut: Bagaimana merancang perangkat lunak untuk menentukan besar sudut segmen tubuh berbasis pengolahan citra. 1.3 TUJUAN PENELITIAN Tujuan penelitian ini adalah menghasilkan perangkat lunak yang dapat digunakan untuk menentukan besar sudut pada segmen tubuh berbasis pengolahan citra dengan memanfaatkan fungsi dari fitur-fitur matlab. 1.4 MANFAAT PENELITIAN Manfaat yang diharapkan dari penelitian ini adalah : 1. Memberikan kemudahan, kecepatan dan ketepatan dalam penentuan sudut pada segmen tubuh. 2. Meminimalkan kesalahan (human error) dalam menentukan sudut pada segmen tubuh.

commit to user I-3


digilib.uns.ac.id

1.5 BATASAN MASALAH Batasan masalah dalam penelitian ini digunakan agar penelitan tidak terlalu luas topik pembahasannya, adapun batasan masalah dalam penelitian ini adalah : 1. Penelitian ini hanya membahas perhitungan sudut. 2. Aplikasi dirancang menggunakan perangkat lunak Matlab 7.8. 3. Perhitungan ditentukan dengan 5 sudut yaitu Lengan atas, Lengan bawah, Pergelangan tangan, Leher dan Batang tubuh. 1.6 ASUMSI 1. Sudut ditentukan dengan 3 titik. 2. Citra yang dianalisis tidak dipengaruhi oleh cahaya dan benda lain yang dapat mengganggu proses pengolahan citra. 1.7 SISTEMATIKA PENULISAN Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya. Dari pokok-pokok permasalahan dapat dibagi menjadi enam bab, seperti dijelaskan pada halaman selanjutnya. BAB I

: PENDAHULUAN Bab ini berisikan pendahuluan yang meliputi latar belakang, perumusan masalah, tujuan penelitian, pembatasan masalah dan sistematika penulisan.

BAB II

: STUDI PUSTAKA Berisi mengenai landasan teori yang mendukung dan terkait langsung dengan penelitian yang akan dilakukan dari buku, jurnal penelitian, sumber literatur lain, dan studi terhadap penelitian terdahulu.

commit to user I-4


digilib.uns.ac.id

BAB III : METODOLOGI PENELITIAN Berisi tentang uraian langkah-langkah penelitian yang dilakukan, selain juga merupakan gambaran kerangka berpikir penulis dalam melakukan penelitian dari awal sampai penelitian selesai. BAB IV : PERANCANGAN ALGORITMA Berisi tentang data-data atau informasi yang diperlukan dalam menganalisis permasalahan yang ada serta pengolahan data dengan menggunakan metode yang telah ditentukan. BAB V

: ANALISIS DAN INTERPRETASI HASIL Analisis berisi penjelasan dari output yang didapatkan pada tahapan pengumpulan dan pengolahan data,`interpretasi hasil merupakan ringkasan singkat dari hasil penelitian.

BAB VI : KESIMPULAN DAN SARAN Berisi tentang kesimpulan yang diperoleh dari pengolahan data dan analisis yang telah dilakukan serta rekomendasi yang diberikan untuk perbaikan.

commit to user I-5


digilib.uns.ac.id

BAB II LANDASAN TEORI 2.1

PENGOLAHAN CITRA (Image Processing) Pengolahan citra merupakan proses pengolahan dan analisis citra yang

banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks yang diwakili oleh bit-bit tertentu. Pengolahan citra adalah suatu metode yang digunakan untuk memproses atau memanipulasi gambar dalam bentuk 2 dimensi (Gonzalez, 2004). Pengolahan citra adalah suatu bentuk pengolahan atau pemrosesan sinyal dengan input berupa gambar (image) dan ditransformasikan menjadi gambar lain sebagai keluarannya dengan teknik tertentu. Pengolahan citra dilakukan untuk memperbaiki kesalahan data sinyal gambar yang terjadi akibat transmisi dan selama akuisisi sinyal, serta untuk meningkatkan kualitas penampakan gambar agar lebih mudah diinterpretasi oleh sistem penglihatan manusia baik dengan melakukan manipulasi dan juga penganalisisan terhadap gambar. Pengolahan citra dapat juga dikatakan sebagai segala operasi untuk memperbaiki, menganalisa, atau mengubah suatu gambar. Konsep dasar pemrosesan suatu objek pada gambar menggunakan Pengolahan citra diambil dari kemampuan indera penglihatan manusia yang selanjutnya dihubungkan dengan kemampuan otak manusia. Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada beberapa sistem pencitraan ada pula yang berbentuk segienam) yang memiliki lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau piksel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem

commit to user II-1


digilib.uns.ac.id

yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang merepresentasikan informasi yang diwakili oleh titik tersebut . Format data citra digital berhubungan erat dengan warna. Pada kebanyakan kasus, terutama untuk keperluan penampilan secara visual, nilai data digital merepresentasikan warna dari citra yang diolah. Format citra digital yang banyak dipakai adalah Citra Biner (monochrome), Citra Skala Keabuan (grayscale), Citra Warna (truecolor), dan Citra Warna Berindeks. Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Analisis

citra

bertujuan

mengidentifikasi

parameter-parameter

yang

diasosiasikan dengan ciri (feature) dari objek dalam citra, untuk selanjutnya parameter tersebut digunakan dalam menginterpretasi citra. Analisis citra pada dasarnya terdiri dari tiga tahapan : ekstraksi ciri (feature extraction), segmentasi dan klasifikasi. Ada beberapa metode yang digunakan untuk mendeteksi untuk menentukan posisi titik pusat target. Metode yang paling konvensional adalah dengan mengukur atau mendigitasi pada media cetak kertas (hardcopy). Metode Hough Transform, metode yang populer dalam pendekatan (approximation) kurva. Metode ini dikenal memiliki keunggulan dalam mendeteksi keberadaan objek yang memiliki pola tertentu walaupun tidak diketahui posisinya, serta relatif tidak terpengaruh oleh derau (noise) maupun data yang tidak lengkap atau hilang. Kemampuannya dalam melakukan deteksi objek bahkan menyamain template matching, tetapi jauh lebih cepat (Munir, 2004). 2.2

MATLAB Matlab adalah sebuah bahasa dengan kemampuan tinggi untuk komputasi

teknis. Ia menggabungkan komputasi, visualisasi, dan pemrograman dalam satu kesatuan yang mudah digunakan di mana masalah dan penyelesaiannya diekspresikan dalam notasi matematik yang sudah dikenal. Pemakaian matlab meliputi : 1.

Matematika dan komputasi

2.

Pengembangan algoritma

3.

Akuisisi data

commit to user II-2


digilib.uns.ac.id

4.

Pemodelan, simulasi dan prototype

5.

Grafik saintifik dan engineering

6.

Perluasan pemakaian, seperti graphical user interface (GUI). Matlab adalah system interaktif yang mempunyai basis data array yang

tidak membutuhkan dimensi. Ini memungkinkan kita dapat menyelesaikan banyak masalah komputasi teknis, khususnya yang berkaitan dengan formulasi matrik dan vector. Nama matlab merupakan singkatan dari matrix labolatory. Matlab awalnya dibuat untuk memudahkan dalam mengakses software matriks yang telah dikembangkan oleh Linpack dan Eispack. Dalam perkembangannya, matlab mampu mengintegrasikan beberapa software matriks sebelumnya dalam satu software untuk komputasi matriks. Tidak hanya itu, Matlab juga mampu melakukan komputasi simbolik yang biasa dilakukan oleh MAPLE. Sistem Matlab terdiri atas lima bagian utama : 1.

Development Environment. Ini adalah kumpulan semua alat-alat dan fasilitas untuk membantu kita dalam menggunakan fungsi dan file MATLAB. Bagian ini memuat desktop, Command window, command history, editor and debugger, dan browser untuk melihat help, workspace, files.

2.

The Matlab Mathematical Function Library. Bagian ini adalah koleksi semua algoritma komputasi, mulai dari fungsi sederhana seperti sum, sine, cosine sampai fungsi lebih rumit seperti, invers matriks, nilai eigen, fungsi Bessel dan fast Fourier transform.

3.

The matlab language. Ini adalah bahasa matriks/array level tinggi dengan control flow, fungsi, struktur data, input/output, dan fitur objek programming lainnya.

4.

Graphics. Matlab mempunyai fasilitas untuk menampilkan vektor dan matriks sebagai grafik. Fasilitas ini mencakup visualisasi data dua dan tiga dimensi, pemrosesan citra (image), animasi, dan grafik animasi.

5.

The Matlab Application Program Interface (API). Paket ini memungkinkan kita menulis bahasa C dan Fortran yang berinteraksi dengan Matlab. Ia memuat fasilitas untuk pemanggilan kode-kode dari Matlab (dynamic

commit to user II-3


digilib.uns.ac.id

linking), yang disebut Matlab sebagai mesin penghitung, dan untuk membaca dan menulis Matfile.

2.3

ELEMEN CITRA Citra mengandung sejumlah elemen dasar. Elemen dasar tersebut

dimanipulasi dalam pengolahan citra, elemen tersebut adalah. 1.

Warna Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna mempunyai panjang gelombang. Warna yang diterima oleh mata merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda. Kombinasi warna yang memberikan rentang warna yang paling lebar adalah red (R), green (G), blue (B).

2.

Kecerahan (brightness) Kecerahan disebut juga intensitas cahaya. Kecerahan pada sebuah piksel (titik) di dalam citra bukanlah intensitas yang rill, tetapi sebenarnya adalah intensitas rata dari suatu area yang melingkupinya.

3.

Kontras Kontras menyatakan sebaran terang dan gelap di dalam sebuah gambar. Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi citranya adalah terang atau sebagian besar gelap. Pada citra dengan kontras yang baik, komposisi gelap dan terang tersebar secara merata.

4.

Kontur Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada piksel yang bertetangga. Karena adanya perubahan intensitas, mata manusia dapat mendeteksi tepi objek di dalam citra.

5.

Bentuk (shape) Bentuk adalah properti intrinsik dari objek tiga dimensi, dengan pengertian bahwa shape merupakan properti intrinsik utama untuk sistem visual manusia. Pada umumnya citra yang dibentuk oleh mata merupakan citra dwimatra (dua dimensi), sedangkan objek yang dilihat umumnya berbentuk

commit to user II-4


digilib.uns.ac.id

trimatra (tiga dimensi). Informasi bentuk objek dapat diekstraksi dari citra pada permulaan prapengolahan dan segmentasi citra. 6.

Tekstur Tekstur diartikan sebagai distribusi spasial dari derajat keabuan di dalam sekumpulan piksel yang bertetangga. Jadi tekstur tidak dapat didefinisikan untuk sebuah piksel. Sistem visual manusia menerima informasi citra sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala pada mana tekstur tersebut dipersepsi.

7.

Waktu dan Pergerakan Respon suatu sistem visual tidak hanya berlaku pada faktor ruang, tetapi juga pada faktor waktu. Sebagai contoh, bila citra-citra diam ditampilkan secara cepat, akan berkesan melihat citra yang bergerak.

8.

Deteksi dan Pengenalan Dalam mendeteksi dan mengenali suatu citra, ternyata tidak hanya sistem visual manusia saja yang bekerja, tetapi juga ikut melibatkan ingatan dan daya pikir manusia.

2.4

SEGMENTASI GAMBAR Segmentasi gambar merupakan sebuah proses dimana dalam proses

tersebut terjadi pemisahaan objek-objek pada suatu gambar yang telah dipilih. Secara umum segmentasi dapat dibagi menjadi tiga kelompok yaitu: 1.

Segmentasi berdasar klasifikasi (classification based segmentation), segmentasi ini merupakan segmentasi yang dilakukan dengan mencari kesamaan dari ukuran tertentu pada nilai piksel yang terdapat pada suatu gambar.

2.

Segmentasi berdasar tepi (edge base segmentation), sedangkan untuk segmentasi berdasarkan tepi bertujuan untuk mendapatkan batas tepi antar objek yang berguna sebagai pembatas antar segmen.

3.

Segmentasi berdasar daerah (region based segmentation), untuk segmentasi berdasarkan daerah dilakukan untuk mencari daerah yang di duga sebagai

commit to user II-5


digilib.uns.ac.id

objek berdasarkan kumpulan piksel yang memiliki kesamaan yang dimulai dari suatu titik ketitk yang lain yang ada di sekitarnya. Berikut merupakan beberapa contoh pendeteksian yang terdapat pada segmentasi gambar, diantaranya: 1.

Deteksi Tepi Deteksi tepi merupakan sebuah operasi yang di jalankan untuk mendeteksi garis tepi atau batas untuk segmentasi atau identifikasi objek.

2.

Deteksi Garis. Terdapat 4 buah karateristik gari yang dapat di proses untuk dideteksi pada citra, diantaranya: garis horizontal (00), garis miring ke atas (450), garis vertika (900), atau garis miring ke bawah (450).

3.

Deteksi Titik Deteksi titik merupakan metode deteksi yang dilakukan dengan cara menghitung harga piksel pusat pada suatu daerah, dengan mengevaluasi beberapa piksel di sekelilingnya pada seluruh citra. Bila citra memiliki derajat kecerahan yang sama maka akan bernilai nol.

2.5

Citra Biner Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai

derajat keabuan yaitu hitam dan putih. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih kaya daripada citra biner, namun tidak membuat citra biner mati. 2.5.1 Konversi Citra Hitam-Putih ke Citra Biner Pengkonversian citra hitam-putih (grayscale) menjadi citra biner dilakukan untuk alasan-alasan berikut : 1. Untuk mengidentifikasi keberasaan objek, yang direpresentasikan sebagai daerah (region) di dalam citra. Misal kita ingin memisahkan objek dari latar belakangnya. Piksel-piksel objek ini dinyatakan dengan nilai 1 sedangkan piksel lainnya dengan 0. Objek ditampilkan seperti gambar siluet. Untuk memperoleh siluet yang bagus, objek harus dapat dipisahkan dengan mudah dari latar belakangnya.

commit to user II-6


digilib.uns.ac.id

2. Untuk lebih memfokuskan pada analisis bentuk morfologi yang dalam hal ini intensitas pikselnya tidak terlalu penting dibandingkan dengan bentuknya. 3.

Untuk menampilkan citra piranti keluaran yang hanya mempunyai resolusi intensitas satu bit, yaitu piranti penampilan dua aras atau biner seperti pencetak (printer)

4. Mengkonversi citra yang telah ditingkatkan kualitas tepinya (edge enhancement) ke penggambaran garis-garis tepi. Ini perlu untuk membedakan tepi yang kuat yang berkoresponden dengan batas-batas objek dengan tepi lemah yang berkoresponden dengan perubahan illumination, bayangan dan lain-lain. 2.6

Deteksi Tepi (Edge Detection)

2.6.1 Prinsip-Prinsip Deteksi Tepi Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah : 1.

Untuk menandai bagian yang menjadi detail citra

2.

Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi citra suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya.

Gambar berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh.

Gambar 2.1 Proses deteksi tepi citra Sumber : Sutoyo (2009)

commit to user II-7


digilib.uns.ac.id

Perhatikan hasil deteksi dari beberapa citra menggunakan model differensial di atas:

Gambar 1

Gambar 2

Gambar 1

Gambar 2

Gambar 2.2 Hasil beberapa deteksi tepi Deteksi tepi ini mempunyai 4 macam metode dalam pembuatannya. Yaitu metode robert, canny, prewitt dan sobel. Pada penelitian ini, akan membuat aplikasi deteksi tepi dengan 2 metode, karena mengingat batasan masalah yang ada. Metode yang digunakan adalah metode prewitt dan metode canny. 1.

Metode Prewitt Pengembangan dari gradient operator dengan menggunakan 2 mask (horisontal dan vertikal) ukuran 3x3. Pada operator ini kekuatan gradient ditinjau dari sudut pandang horisontal dan vertikal (memperhatikan titik disekitar pada posisi horisontal dan vertikal). Selain itu metode Prewitt merupakan pengembangan metode Robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kernel fillter yang digunakan dalam metode Prewitt ini adalah:

commit to user II-8


digilib.uns.ac.id

Gambar 2.3 Contoh gambar metode prewitt (kernel) 2. Metode Canny Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi oleh algoritma Canny: a.

Mendeteksi dengan baik (kriteria deteksi) Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.

b.

Melokalisasi dengan baik (kriteria lokalisasi) Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.

c.

Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya. Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil dari tepian yang dihasilkan. Beberapa parameter tersebut antara lain : •

Nilai Standar Deviasi Gaussian

•

Nilai Ambang

commit to user II-9


2.7

digilib.uns.ac.id

SKELETONISASI Skeletonisasi adalah proses merubah bentuk dari citra hasil restorasi yang

berbentuk citra biner menjadi citra yang menampilkan batas-batas objek yang hanya setebal satu piksel. Untuk melakukan proses skeletonisasi dipergunakan algoritma thinning. Algoritma ini secara iteratif menghapus piksel-piksel pada citra biner, dimana transisi dari 0 ke 1 (atau dari 1 ke 0 pada konvensi lain) terjadi sampai dengan terpenuhi suatu keadaan dimana satu himpunan dari lebar perunit (satu piksel) terhubung menjadi suatu garis (Marvin, 2007). Tujuan thinning pada proses skeletonisasi adalah untuk menghilangkan piksel-piksel yang berada di dalam obyek depan (foreground object) pada citra biner. Thinning dalam skeletonisasi berfungsi untuk merapikan atau menyempurnakan hasil output proses edge detection dengan cara mengurangi lebar sisi ataupun batas. Dan sebagai tambahan untuk melakukan proses skeletonisasi maka hindari citra yang memiliki tingkat erosi yang tinggi karena akan sedikit sulit melakukan proses skeleton sebab erosi berfungsi untuk mengurangi nilai piksel dan merubah hingga menjadi beberapa garis-garis. Sehingga dikhawatirkan akan menimbulkan kekancuan pada tahap skeletonisasi.

2.8

ALGORITMA THINNING Thinning adalah operasi morfologis yang digunakan untuk menghilangkan

piksel yang dipilih dari gambar biner. Metode ini digunakan untuk mendetetksi kerangka dari suatu gambar (image). Thinning biasanya diterapkan pada gambar biner dan menghasilkan gambar biner lain sebagai output. Thinning digunakan untuk proses skeletonisasi, yaitu transformasi gambar di mana pada hasil akhir akan didapat kerangka skeletonisasi dari gambar sumber. Skeletonisasi akan mengurangi wilayah foreground dari gambar biner (binary image) menjadi bentuk kerangka yang secara garis besar akan menampilkan perluasan dan konektivitas dari wilayah asli sambil membuang hampir keseluruhan dari piksel foreground asli. Sebagai contoh dapat dilihat Gambar 2.4 :

commit to user II-10


digilib.uns.ac.id

Gambar 2.4 Contoh hasil Skeletonisasi Dalam skeletonisasi dilakukan pengurangan terhadap semua garis sehingga diperoleh ketebalan sebanyak hanya satu piksel. Adapun thinning yang dilakukan secara berulang-ulang akan menghasilkan gambar seperti tersebut di atas. Lebih lanjut, penggunaan thinning dapat dilihat pada beberapa aplikasi nyata seperti pengenalan karakter optis, pengenalan sidik jari, pemrosesan dokumen, pengenalan struktur sel biologis dan sebagainya. Aplikasi dari thinning biasanya menyangkut obyek di mana ketebalan bentuk tidak berpengaruh terhadap proses pengenalan. Obyek tersebut cukup dapat dideskripsikan dengan struktur yang disusun dari garis-garis yang terhubung. Algoritma ini akan menghilangkan titik sisi (edge point) palsu atau yang tidak diinginkan dan menambahkan titik sisi di suatu tempat yang seharusnya ada tetapi kenyataannya belum ada. Aturan ini diperluas menjadi : 1.

Menghilangkan titik sisi palsu atau yang tidak diinginkan.

2.

Menambahkan titik sisi baru.

3.

Menggeser titik sisi ke posisi baru. Aturan ini diberlakukan dengan menerapkan prinsip piksel. Adapun

thinning yang dilakukan secara berulang-ulang akan menghasilkan gambar seperti tersebut di atas. Lebih lanjut, penggunaan thinning dapat dilihat pada beberapa aplikasi nyata seperti pengenalan karakter optis, pengenalan sidik jari, pemrosesan dokumen, pengenalan struktur sel biologis dan sebagainya. Aplikasi dari thinning biasanya menyangkut obyek di mana ketebalan bentuk tidak berpengaruh



digilib.uns.ac.id

terhadap proses pengenalan. Obyek tersebut cukup dapat dideskripsikan dengan struktur yang disusun dari garis-garis yang terhubung. 2.9

PRUNING Bisa

dianggap

salah

satu

aplikasi

thinning.

Ditujukan

untuk

menghilangkan spur akibat ketidakteraturan pada daerah batas dari gambar asli. Pruning diterapkan pada sejumlah terbatas iterasi (tidak sampai konvergen) untuk menghindari terbuangnya semua piksel. Contoh kernel untuk pruning adalah

Gambar 2.5 Contoh proses pruning (kernel) 1. Untuk menemukan batas (4-tetangga) pada obyek biner, misal: menghapus titik foreground yang tidak memiliki tetangga pada backgroundnya. 2. Untuk penerapan dengan batas 8-tetangga. 3a&3b. untuk pruning (tiap iterasi harus melibatkan 4 rotasi 90° dari elemen). Dari seluruh uraian di atas, diperoleh sebuah algoritma yang secara sederhana dapat dituliskan sebagai berikut: 1. Pertimbangkan semua piksel batas dari wilayah foreground .misalnya, titik foreground yang memiliki minimal satu tetangga background (background neighbour). 2. Hapus setiap titik yang memiliki lebih dari satu tetangga foreground (foreground neighbour) sepanjang dengan melakukan hal tersebut tidak mengakibatkan terpisahnya dua wilayah yang mengandung piksel tersebut secara lokal. 3. Ulangi hingga garis konvergen. Prosedur ini mengikis sebanyak mungkin batas (boundaries) dari obyek foreground tetapi tidak mempengaruhi piksel pada ujung garis.



digilib.uns.ac.id

C Contoh dari penerapan prosedur p ini:

Gambar 2.6 2 Gambarr sebelum daan sesudah thinning E Efek ini bissa diperolehh menggunaakan morfollogi thinning dengan mengiterasi m h hingga konvvergen dengan kernel 3xx3 pada Figgure 2 (lihatt di bawah) dan semua t transformasi i rotasi 90°ddari kernel inni (total 4×2 = 8 kernels)).

Gamb bar 2.7 Con ntoh proses thinnin t (kerrnel) P Pada setiap iterasi, imaage akan diooperasikan dengan d kerneel di sebelah h kiri, lalu d dilanjutkan operasi den ngan kernel di sebelah kanan, dan selanjutnyaa dengan 6 h hasil rotasi 90° 9 dari keddua elemen itu. i Proses akan a berulanng secara sikklis sampai t tidak ditemu ui perubahaan lagi. Dappat dikatakaan bahwa ddi sini kita melakukan p penentuan octagonal o s skeleton darri bentuk biner, b yaitu himpunan titik yang t tersebar di tengah okttagon yang menempati bagian dalam dari beentuk atau m menyentuh batas b bentuk k minimal 2 ttitik. 2 2.10 DEFIN NISI, TUJU UAN DAN M MANFAAT THINNING G Definnisi image thinning t adaalah proses morphologyy image yang merubah b bentuk aslii binary im mage menjadi image yang mennampilkan batas-batas b o obyek/foreg round hany ya setebal commit saatu piksel. Algoritma A th thinning secara iteratif to user II-13


digilib.uns.ac.id

‘menghapus’ piksel-piksel pada binary image, dimana transisi dari 0 ke 1 (atau dari 1 ke 0 pada konvensi lain) terjadi sampai dengan terpenuhi suatu keadaan dimana satu himpunan dari lebar per unit (satu piksel) terhubung menjadi suatu garis. Sepintas, image thinning mempunyai kemiripan dengan edge detection dalam hal output dari citra yang dihasilkan, kedua proses tersebut sama-sama menampilkan batas obyek pada citra. Namun, tetap saja ada perbedaaan antara Image Thinning dengan Edge Detection dari segi prinsip kerjanya, yaitu : 1.

Edge detection : merubah graylevel image atau color image menjadi image yang menampilkan batas-batas/boundaries obyek berdasarkan kekontrasan warna antar piksel.

2.

Image Thinning : mereduksi piksel-piksel pada obyek binary image menjadi piksel. yang benilai sama dengan nilai piksel pada background. Menghasilkan binary image dengan informasi berupa batas-batas obyek berdasarkan piksel dengan ketebalan satu piksel. Tujuan image thinning adalah untuk menghilangkan pixel-pixel yang berada

didalam obyek depan (foreground object) pada binary images. Manfaat image thinning adalah sebagai berikut : 1.

Biasanya diterapkan pada proses skeletonisasi.

2.

Berguna untuk merapikan/menyempurnakan hasil output proses edge detection dengan cara mengurangi lebar sisi/batas/edge.

2.11 METODE RAPID UPPER LIMB ASSESSMENT (RULA) RULA merupakan sebuah metode penilaian postur kerja yang secara khusus digunakan untuk meneliti dan menginvestigasi gangguan pada tubuh bagian atas. RULA pertama kali dikembangkan oleh Mc.Atamney dan Corlett (1993) dari (University of Nottingham’s Institute of Occupational Ergonomics). Metode ini tidak membutuhkan peralatan special dalam penetapan penilaian postur leher, punggung, dan lengan atas. Metode RULA dikembangkan sebagai metode untuk mendeteksi postur kerja yang merupakan faktor resiko (risk factors) dan didesain untuk menilai para



digilib.uns.ac.id

pekerja dan mengetahui beban musculoskeletal yang kemungkinan dapat menimbulkan gangguan pada anggota badan atas (Mc.Atamney dan Corlett ,1993). Faktor resiko yang telah diinvestigasi sebagai faktor beban eksternal, yaitu: 1. Jumlah gerakan. 2. Kerja otot statis. 3. Tenaga/ kekuatan. 4. Penentuan postur kerja oleh peralatan. 5. Waktu kerja tanpa istirahat. Ada 4 faktor beban eksternal (jumlah gerakan, kerja otot statis, tenaga/ kekuatan, dan postur) yang ditinjau dalam penilaian RULA dan dikembangkan untuk: 1.

Memberikan sebuah metode penyaringan suatu populasi kerja dengan cepat, yang berhubungan dengan kerja yang beresiko.

2.

Mengidentifikasi usaha otot yang berhubungan dengan postur kerja, penggunaan tenaga dan kerja yang berulang-ulang, yang dapat menimbulkan kelelahan (fatigue) otot.

3.

Memberikan hasil yang dapat digabungkan dengan sebuah metode penilaian ergonomic yaitu epidemiologi, fisik, mental, lingkungan dan faktor organisasi.

Penelitian menggunakan metode RULA memiliki 5 tahapan pengembangan, yaitu yang terdiri dari Lengan atas (upper arm), Lengan bawah (lower arm), pergelangan tangan (wrist), Leher (neck), Punggung (trunk). Hal ini memastikan bahwa seluruh postur tubuh dicatat sehingga postur kaki, badan, dan leher yang terbatas yang mungkin mempengaruhi postur bagian atas dapat masuk dalam pemeriksaan, Tahapan penelitian dapat dilihat pada Gambar di bawah ini.



•

digilib.uns.ac.id

Lengan atas (upper arm)

Gambar 2.8 Postur tubuh bagian lengan atas (upper arm) Sumber: McAtamney dan Corlett (1993)

•

Lengan bawah (lower arm)

Gambar 2.9 Postur tubuh bagian lengan atas (lower arm) Sumber: McAtamney dan Corlett (1993)

•

Pergelangan tangan (wrist)

Gambar 2.10 Postur tubuh bagian pergelangan tangan (wrist) Sumber: McAtamney dan Corlett (1993)

•

Leher ( neck )

Gambar 2.11 Postur tubuh bagian leher (neck) Sumber: McAtamney dan Corlett (1993)



•

digilib.uns.ac.id

Batang tubuh ( trunk )

Gambar 2.12 Postur tubuh bagian batang tubuh (trunk) Sumber: McAtamney dan Corlett (1993)

2.11. VEKTOR Vektor adalah serangkaian instruksi matematis yang dijabarkan dalam bentuk, garis, dan bagian-bagain lain yang saling berhubungan dalam sebuah gambar. Informasi yang digunakan diantaranya adalah posisi titik awal, titik akhir dan arahnya yang dihitung berdasarkan metode matematika (Bezier, Spline, nurbs) sehingga dapat diperbesar dan diperkecil tanpa merusak kualitas gambar. Vektor adalah besaran yang mempunyai nilai dan arah. Contoh sebuah kapal bergerak dengan kecepatan sebesar 20 knot pada arah 30 derajat dari suatu pelabuhan. Dari pernyataan di atas dapat dipahami bahwa kapal tersebut bergerak dengan kecepatan 20 knot yang merupakan besaran, selain itu dijelaskan juga arah yang ditempuh, yaitu 30 derajat dari pelabuhan. 1.

Komponen Vektor Vektor yang digambarkan pada bidang koordinat mempunyai komponen horisontal (gerakan ke kanan/kiri) dan komponen vertikal (gerakan ke atas/bawah).

Gambar 2.13 Komponen vektor bidang datar Sumber: Purcell dan Varberg (1999)



digilib.uns.ac.id

Berdasarkan Gambar 2.13 komponen horisontal vektor AB sebesar xB – xA, sedang komponen vertikal vektor AB sebesar yB – yA. Karena vektor mempunyai dua komponen yaitu komponen horisontal (sejajar sumbu X) dan komponen vertikal (sejajar sumbu Y) maka setiap vektor dapat dinyatakan dengan notasi

di mana x komponen horisontal dan y

komponen vertikal.

Gambar 2.14 Notasi vector Sumber: Purcell dan Varberg (1999)

Vektor AB di atas dinotasikanm

=

yang artinya bahwa komponen

horizontalnya 6 satuan ke kanan dan komponen vertikalnya 5 (lima) satuan ke atas. 2.

Grafik Persamaan Kutub Persamaan-persamaan kutub yang telah kita pelajari berkaitan dengan grafik-grafik yang telah dikenal, terutama garis, lingkaran, dan irisan kerucut. Sekarang, marilah kita menggalihkan perhatian pada grafik-grafik yang lebih kompleks (ekotic), seperti grafik yang berbentuk jantung (cardioid), limako (limacon) dan spiral. Persamaan-persamaan kutub untuk kurva-kurva tersebut masih relatif sederhana, tetapi persamaan-persamaan Cartensiusnya rumayan rumit. jadi, kita akan melihat salah satu keuntugan memiliki lebih dari satu sistem koordinat yang trersedia. Beberapa kurva mempunyai persamaan yang sederhana di dalam suatu sistem, sementara beberapa kurva lainnya mempunyai persamaan yang sederhana di dalam sistem lainnya. Kita akan membahas hal ini kemudian ketika kita sudah menyelesaikan suatu soal dengan memilih sebuah sistem koordinat yang



digilib.uns.ac.id

paling sesuai. Unsur simetri dapat membantu kita untuk memahami sebuah grafik. Berikut ini adalah uji yang memadai untuk simetri dalam koordinat kutub. Kebenarannya dapat dilihat pada gambar yang bersangkutan. a.

Grafik persamaan kutub simetri pada sumbu x (yaitu sumbu kutub dan perpanjagannya ke kiri) apabila Ө diganti dengan –Ө menghasilkan persamaan yang sama (Gambar 2.15).

b.

Grafik persamaan kutub simetri pada sumbu y (yaitu garis Ө = apabila Ө diganti dengan

/2)

– Ө menghasilkan persamaan yang sama

(Gambar 2.16). c.

Grafik persamaan kutub simetri terhadap titik asal, apabila r diganti –r menghasilkan persamaan yang sama (Gambar 2.17).

(a) Gambar 2.15 Grafik persamaan kutub simetri sumbu x Sumber: Purcell dan Varberg (1999)

(b) Gambar 2.16 Grafik persamaan kutub simetri sumbu y Sumber: Purcell dan Varberg (1999)



digilib.uns.ac.id

(c) Gambar 2.17 Grafik persamaan kutub simetri terhadap titik asal Sumber: Purcell dan Varberg (1999)



digilib.uns.ac.id

BAB III METODOLOGI PENELITIAN Metodologi penelitian diuraikan dalam bentuk tahapan-tahapan penelitian yang dimulai dengan studi pustaka, latar belakang masalah, penentuan tujuan penelitian, pengembangan program dengan Matlab 7.8, analisis dan interpretasi hasil, kesimpulan dan saran. Tahapan penelitian dapat dilihat pada Gambar 3.1.

Gambar 3.1 Metodologi penelitian

commit to user III-1


3.1

digilib.uns.ac.id

IDENTIFIKASI MASALAH Dalam identifikasi masalah, masalah dapat didefinisikan sebagai suatu

pertanyaan yang diinginkan untuk dipecahkan. Masalah inilah yang menyebabkan sasaran dari sistem tidak dapat dicapai. Pada tahap ini dilakukan studi pendahuluan tentang penghitungan analisis postur kerja untuk mengukur sudut tubuh manusia dengan menggunakan pengolahan citra. 3.2

STUDI PUSTAKA Studi pustaka dilakukan untuk mendapatkan gambaran mengenai teori-

teori

dan

konsep-konsep

yang

akan

digunakan

dalam

menyelesaikan

permasalahan yang diteliti serta mendapatkan dasar-dasar referensi yang kuat dalam menerapkan suatu metode yang digunakan. Studi pustaka dilakukan dengan membaca dan mempelajari buku-buku, jurnal ilmiah, dan tugas akhir mahasiswa teknik industri yang terkait dengan tema penelitian. 3.3

LATAR BELAKANG MASALAH Pada tahapan penelitian ini besaran sudut yang biasanya dilakukan secara

manual. Perhitugan besaran sudut akan diteliti dengan menerapkan algoritma komputer dengan pengolahan citra. Oleh karena itu, metode RULA merupakan metode yang paling tepat, karena RULA secara khusus digunakan untuk meneliti gangguan pada tubuh bagian atas. 3.4

PENENTUAN TUJUAN PENELITIAN Tujuan yang hendak dicapai dalam penelitian ini adalah menghasilkan

perangkat lunak yang digunakan untuk mengubah besar sudut pada segmen tubuh. 3.5

PENGEMBANGAN PROGRAM DENGAN MATLAB 7.8. Pada dasarnya membuat aplikasi berbasis window dengan Matlab dapat

dilakukan dengan 2 cara, yaitu (Away, 2010): 1. Menggunakan script Matlab. 2. Menggunakan GUI Designer.



3.6

digilib.uns.ac.id

UJICOBA PERANGKAT LUNAK Untuk mengetahui apakah aplikasi layak dipakai atau tidak, maka

dilakukan pengujian program aplikasi dengan menggunakan perangkat lunak Matlab 7,8. Perangkat lunak diuji dengan menentukan besar sudut segmen tubuh menggunakan uji coba dengan perangkat lunak Autocad. Jika program aplikasi belum layak maka program yang telah dibuat akan diperbaiki. 3.7

ANALISIS DAN INTERPRETASI HASIL Tahap analisis dan interpretasi hasil dilakukan untuk menganalisis hasil

terhadap pengumpulan dan pengolahan data sebelumnya, serta sebagai validasi hasil rancangan yang dihasilkan dari pemakaian program Matlab. 3.8

KESIMPULAN DAN SARAN Bagian terakhir penelitian berisi kesimpulan yang menjawab tujuan akhir

dari penelitian berdasarkan hasil pengolahan dan analisa data yang telah dilakukan, serta saran-saran yang berisi masukan untuk penelitian-penelitian berikutnya agar lebih baik lagi.



digilib.uns.ac.id

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bab ini dibahas tentang pengumpulan dan pengolahan data yang digunakan dalam melakukan pengolahan citra untuk mengukur besaran sudut pada segmen tubuh. Untuk mengolah keseluruan proses, dimanfaatkan fungsifungsi dalam perangkat lunak Matlab 7,8. Fungsi-fungsi yang digunakan terdapat dalam pengolahan citra yang akan mempermudah perancangan perangkat lunak aplikasi pengolahan citra. Perancangan perangkat lunak ini digunakan berkas citra dengan format jpg dan png. Secara garis besar perangkat lunak yang akan dirancang memiliki algoritma seperti yang ditunjukkan pada Gambar 4.1.

Gambar 4.1 Diagram Alir Algoritma Perangkat Lunak

commit to user IV-1


digilib.uns.ac.id

Urutan langkah-langkah proses jalannya program adalah sebagai berikut : 4.1 PEMBACAAN BERKAS CITRA Proses pertama dalam algoritma ini adalah pembacaan berkas citra yang dilakukan dengan perintah citra gambar segmen tubuh diperoleh dengan menggunakan perangkat kamera digital yang cukup memadai disertai dengan beberapa perangkat lainnya. Citra gambar yang akan digunakan adalah png, bmp, atau jpg dan gambar tidak dipenggaruhi oleh cahaya, benda lain yang dapat

mengganggu proses pengolahan citra. Pada perancangan ini digunakan Matlab 7.8 karena fungsi-fungsinya lengkap dan mudah dalam pembuatan tampilan GUI. 4.2 CITRA BINER (BINARY IMAGE) Setelah dilakukan pembacaan citra, lalu dilanjutkan dengan proses citra biner adalah citra yang hanya mempunyai dua informasi intensitas warna, yaitu hitam dan putih. Derajat keabuan berada dalam rentang antara hitam dan putih. Citra yang memiliki derajat keabuan dari hitam ke putih ini disebut juga citra hitamputih (greyscale image) atau citra monokrom. Hasil dari proses citra biner dapat dilihat pada gambar di bawah ini.

Gambar 4.2 Citra Biner

commit to user IV-2


digilib.uns.ac.id

4.3 DETEKSI TEPI (EDGE DETECTION) Setelah dilakukan proses citra biner, dilanjutkan dengan pengubahan citra menjadi citra deteksi tepi (edge detection) dari objek di dalam citra. Pada perangkat lunak pengolahan citra ini menggunakan algoritma deteksi tepi Canny. Kegunaan deteksi tepi pada perangkat lunak ini ditujukan untuk mengetahui tepitepi objek dalam citra. Hasil proses ini diperlihatkan pada Gambar 4.3

(a)

(b)

Gambar 4.3 Deteksi tepi Canny (a) Citra awal (b) Citra hasil 4.4 SKELETONISASI Setelah proses deteksi tepi selesai dilanjutkan dengan proses skeletonsasi bertujuan untuk mendapatkan kerangka dari suatu objek di dalam suatu citra objek atau disebut juga proses merubah bentuk dari citra hasil restorasi yang berbentuk deteksi tepi citra menjadi citra yang menampilkan batas-batas objek yang hanya setebal satu piksel. Hasil dari proses citra biner dapat dilihat pada Gambar 4.4.

commit to user IV-3


digilib.uns.ac.id

(a)

(b)

(c) Gambar 4.4 (a) Himpunan citra asli A (b) Berbagai posisi ligkaran, sedemikian rupa sehingga pustnya berada pada kerangka A (c) Kerangka A secara lengkap

commit to user IV-4


digilib.uns.ac.id

Pada gambar diatas citra gambar A citra gambar asli, kemudian diproses menjadi gambar B, maka proses gambar B akan muncul lingkaran-lingkaran pada gambar, lingkaran tersebut berberfungsi sebagai pengkikisan pada gambar, setelah proses pengkikisan selesai maka akan muncul seperti kerangka atau akan menjadi setebal satu piksel. 4.4.1 Penentuan titik koordinat sudut Setelah dilakukan proses skeletonisasi langkah selanjutnya adalah menentukan titik koordinat titik sudut dengan interaksi mouse pada gambar yang sudah di proses menjadi satu piksel. Koordinat poin piksel dimanfaatkan guna untuk mentukan titik besaran sudut pada segmen tubuh. Hasil dari proses citra penentuan titik koordinat sudut dapat dilihat pada Gambar 4.5.

Titik interaksi mouse

Gambar 4.5 Titik interaksi mouse

commit to user IV-5


digilib.uns.ac.id

4.4.2 Perumusan Titik Koordinat Setelah proses penentuan titik koordinat sudut sudah diketahui, operator tinggal memproses dengan interaksi mouse dengan cara manual, dengan menggeklik ganda mana yang akan dihitung titik besaran sudutnya pada segmen tubuh. Contoh hasil dari proses citra perumusan titik koordinat sudut dapat dilihat pada Gambar 4.6.

Klik ganda proses 2

Klik ganda proses 1

Klik ganda proses 3

Gambar 4.6 Proses citra perumusan titik koordinat sudut 4.4.3 Output sudut Kemudian setelah proses perumusan titik koordinat sudut sudah diproses maka seterusnya akan muncul total output sudut. Hasil dari proses output sudut dapat dilihat pada Gambar 4.7.

commit to user IV-6


digilib.uns.ac.id

Gambar 4.7 Output sudut 4.5 GUI (Graphic User Interface) GUI merupakan salah satu model interaksi antara manusia dan komputer. Selain GUI, ada juga model yang lain seperti Character User Interface (CUI) yang sering kita kenal dengan command line. Dari sisi kenyamanan (attitude), kedua model ini memiliki fungsinya masing-masing. Dalam perancangan ini, GUI didesain sebagai berikut Pembacaan citra asli dan penampilan citra dengan cara menekan tombol run pada program matlab kemudian akan muncul program GUI yang akan diperlihatkan pada Gambar 4.8. Sebagai media disain, matlab menyediakan sebuah GUI yang dibungkus dalam fuungsi guide. Untuk menjalankan fungsi ini, tinggal mengetikan pada window matlab.

commit to user IV-7


digilib.uns.ac.id

5

6

4 7 8

3

9 2

1 11

10

Gambar 4.8 Tampilan graphic user intrface Keteragan tampilan graphic user intrface : 1. Browse, pengaplikasian gambar yang akan diproses 2. Titik nilai sudut X, titik 4 3. Titik nilai sudut X, titik 2 4. Titik nilai sudut X, titik 1 5. Titik nilai X 6. Titik nilai Y 7. Titik nilai sudut Y, titik 5 8. Titik nilai sudut Y, titik 6 9. Titik nilai sudut Y, titik 7 10. Total nilai akhir 11. Total nilai akhir sudut 12. Selesai, aplikasi keluar

commit to user IV-8

12


digilib.uns.ac.id

4.6 PENGUJIAN PERANGKAT LUNAK Perangkat lunak diuji dengan menentukan besar sudut segmen tubuh berbasis pengolahan citra. Hasil pengujiannya, sebagai berikut : ¾ Hasil uji Hitung nilai sudut Lengan atas (upper arm)

(a)

(b)

(c)

(d)

Gambar 4.9 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi GUI Matlab (d) Citra hasil Autocad

commit to user IV-9


digilib.uns.ac.id

¾ Hitung nilai sudut Lengan bawah (lower arm)

(a)

(b)

(c)

(d)


commit to user IV-10


digilib.uns.ac.id

¾ Hitung nilai sudut Pergelangan tangan (wrist)

(a)

(b)

(b)

(d)




digilib.uns.ac.id

¾ Hitung nilai sudut Leher (neck)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

¾ Hitung nilai sudut Batang tubuh (trunk)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

¾ Hasil uji Hitung nilai sudut Lengan atas (upper arm)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

¾ Hitung nilai sudut Lengan bawah (lower arm)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

¾ Hitung nilai sudut Pergelagan tangan (wrist)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

¾ Hitung nilai sudut Leher (neck)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

¾ Hitung nilai sudut Batang tubuh (trunk)

(a)

(b)

(c)

(d)




digilib.uns.ac.id

Tabel 4.1. Data Uji Hipotesis Lengan Atas.

Uji 1 2 3 4 5 6 7 8 9 10

Matlab 98 128 97 109 124 102 100 91 98 96

Autocad 85 118 93 114 122 112 106 102 92 94 jumlah rata2

-13 -10 -4 5 -2 10 6 11 -6 -2 -5 -0,5

݀ଶ 169 100 16 25 4 100 36 121 36 4 611 0,25

Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut: 1. Uji •

hipotesis nol dan hipotesis alternatif H0: µd = µ0 H1: µd > µ0 atau H1:µd < µ0

•

Tingkat kepercayaan (α). Pada pengujian hipotesis ini tingkat kepercayaan yang digunakan adalah α = 0,05 atau tingkat kepercayaan 95%.

•

Kriteria penerimaan Karena uji yang dilakukan adalah uji 1 pihak maka berdasarkan tabel t dengan tα/2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.

dengan perhitungan: ݀ҧ =

∑ xi n

(85 − 98) + (118 − 128) + (93 − 97) + (114 − 109) + ... + (94 − 96) 10 ݀ҧ = -0,5

݀ҧ =

݀ҧ 2 = 0,25



Sd =

digilib.uns.ac.id

10 * 611 − (−0,5) 2 10 * 9

Sd = 21,9032

t=

d − µ0

sd / n − 0,5 − 0 t= 21,9032 / 10 t = -0,00722 Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = -0,00722. Karena t-hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima.

Tabel 4.2. Data Uji Hipotesis Lengan Bawah.

Uji 1 2 3 4 5 6 7 8 9 10

Matlab 95 91 86 89 87 97 87 94 90 81


3 -1 2 -1 4 7 -4 -2 0 0 8 0,8

݀ଶ 9 1 4 1 16 49 16 4 0 0 64 0,64


hipotesis nol dan hipotesis alternatif H0: µd = µ0



digilib.uns.ac.id

H1: µd > µ0 atau H1:µd < µ0 •


•


dengan perhitungan:

∑ xi

݀ҧ =

n

(98 − 95) + (90 − 91) + (88 − 86) + (88 − 89) + ... + (81 − 81) 10 ݀ҧ = 0,8 ݀ҧ =

݀ҧ 2 = 0,64 Sd =

10 * 64 − (0,8) 2 10 * 9

Sd = 22,12487

t=

d − µ0

sd / n − 0,8 − 0 t= 22,12487 / 10 t = 0,011434 •

Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = 0,011434. Karena thitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima.



digilib.uns.ac.id

Tabel 4.3. Data Uji Hipotesis Pergelangan Tangan.

Uji 1 2 3 4 5 6 7 8 9

Matlab 51 32 54 32 51 61 45 60 78

Autocad 24 20 47 35 23 31 50 31 45

10

33

58 jumlah rata2

݀ଶ

-27 -12 -7 3 -28 -30 5 -29

729 144 49 9 784 900 25 841

-33 25 -133 -13,3

1089 625 17689 176,89



•


•


dengan perhitungan: ݀ҧ = ݀ҧ =

∑ xi n (24 − 51) + (20 − 32) + (47 − 54) + (35 − 32) + ... + (58 − 33) 10



digilib.uns.ac.id

݀ҧ = -13,3 ݀ҧ 2 = 176,89 Sd =

10 *17689 − (−013,3) 2 10 * 9

Sd = 28,44627

t=

d − µ0

sd / n − 13,3 − 0 t= 28,44627 / 10 t = -0,14785

• Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = -0,14785. Karena t-hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima.

Tabel 4.4. Data Uji Hipotesis Leher.

Uji 1 2 3 4 5 6 7 8 9 10

Matlab 36 66 41 30 8 24 50 35 37 35


-11 -11 8 -11 7 -1 -1 -8 0 12 -16 -1,6

݀ଶ 121 121 64 121 49 1 1 64 0 144 686 2,56

Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:



digilib.uns.ac.id

4. Uji •


•


•


dengan perhitungan:

∑ xi

݀ҧ =

n (25 − 36) + (55 − 66) + (49 − 41) + (19 − 30) + ... + (47 − 35) 10

݀ҧ =

݀ҧ = -1,6 ݀ҧ 2 = 2,56 Sd =

10 * 686 − (−1,6) 2 10 * 9

Sd =25,68969

t=

d − µ0

sd / n − 1,6 − 0 t= 25,68969 / 10

t = -0,0197



digilib.uns.ac.id

• Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = -0,0197 Karena t-hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima.

Tabel 4.5. Data Uji Hipotesis Batang Tubuh.

Uji 1 2 3 4 5 6 7 8 9 10

Matlab 42 40 39 39 47 44 30 38 41 35


݀ଶ ‐11

121

‐5

25

4

16

‐2

4

‐14

196

‐5

25

1

1

4

16

4

16

‐7 ‐31 ‐3,1

49 469 46,9



•


•




digilib.uns.ac.id

dengan perhitungan:

∑ xi

݀ҧ =

n (31 − 42) + (35 − 40) + (43 − 39) + (37 − 39) + ... + (28 − 35) 10

݀ҧ =

݀ҧ = -3,1 ݀ҧ 2 = 46,9 Sd =

10 * 469 − (−3,1) 2 10 * 9

Sd = 20

t=

d − µ0

sd / n − 3,1 − 0 t= 20 / 10 t = -0,49015 • Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = -0,49015 Karena t-hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima. Maka hasil rekapitulasi hasil pengujian didapat hasil sebagai berikut: Tabel 4.6 Hasil pengujian

Posisi Lengan atas Lengan bawah Pergelangan tangan Leher Batang tubuh

t hitung -0,00722 0,011434 -0,14785 -0,0197 -0,49015



digilib.uns.ac.id

BAB V ANALISIS DAN INTERPRETASI HASIL Analisis hasil penelitian bertujuan menjelaskan hasil dari pengolahan data, sehingga hasil penelitian menjadi lebih jelas. Analisis dalam penelitian ini diuraikan pada sub bab berikut ini. 5.1 ANALISIS HASIL PENELITIAN Analisis dalam hal ini meliputi analisis perangkat lunak pengolahan citra untuk pengukuran sudut pada segmen tubuh manusia. Pada pengolahan data menunjukan bahwa perangkat lunak yang dihasilkan mampu memberikan tingkat keakuratan yang tinggi. Perangkat lunak mampu mendeteksi tepian dan merubah bentuk gambar dari citra objek, untuk mengetahui sudut pada segmen tubuh manusia. Namun, untuk mendapatkan data koordinat tersebut, masih memerlukan interface manual, yaitu dengan klik mouse komputer. 5.1.1 Analisis Perangkat Lunak Perangkat lunak dirancang sesuai dengan kebutuhan terhadap RULA yaitu untuk menentukan sudut pada segmen tubuh manusia berbasis pengolahan citra. Algorima yang digunakan dalam penelitian ini adalah deteksi tepi, skeletonisasi dan penentuan koordinat poin piksel. Pada perangkat lunak ini, memiliki beberapa kekurangan meliputi: 1.

Deteksi tepi, pada penelitian ini perangkat lunak menghasilkan: Proses deteksi tepi pada perangkat lunak ini, mampu mendeteksi tepian pada tubuh manusia. Kekurangan proses ini, bila citra yang dianalisis memiliki pencahayaan yang tidak merata, maka tidak mampu mendeteksi dengan baik.

2.

Skeletonsasi: Proses skeletonsasi bertujuan untuk mendapatkan kerangka dari suatu objek di dalam suatu citra objek atau disebut juga proses merubah bentuk dari citra hasil restorasi yang berbentuk deteksi tepi citra menjadi citra yang menampilkan batas-batas objek yang hanya setebal satu piksel.

commit to user V-1


3.

digilib.uns.ac.id

Koordinat poin pixel, digunakan untuk mengukur pada ojek gambar. Pada proses ini, perangkat yang dihasilkan memiliki kekurangan yaitu untuk mendapatkan koordinat harus menggunakan interaksi manual. Selain itu, posisi pengambilan titik koordinat akan mempengaruhi hasil output gambar.

4.

Hanya memproses citra yang latar belakangnya dan objek memiliki kontras yang tinggi.

5.1.2 Analisis Hasil Pengujian sudut Pada tahap ini dilakukan analisis terhadap perangkat lunak ini layak diterapkan atau tidak. Analisis dilakukan guna mengetahui seberapa akurat perangkat lunak ini dalam menghitung sudut pada segmen tubuh. Pengujian terhadap perangkat lunak pada analisis deteksi tepi, dengan melakukan analisis pada beberapa macam gambar. Analisis program Matlab dilakukan dengan membandingkan dengan program Autocad, penghitungan secara manual (nilai ukuran sebenarnya) dengan penghitungan dengan perangkat lunak. Dari hasil penghitungan dan perbandingan beberapa macam gambar citra, Pada proses pengujian, terdapat 10 set data citra skeletonisasi yang dijadikan sebagai masukan uji coba perangkat lunak. Dari uji coba dengan beberapa citra sudut dengan penelitian ini perangkat lunak yang di hasilkan dibandingkan dengan Autocad maka dibuat perbandingan hasil dari gambar-gambar tersebut. Pengujian perangkat lunak Matlab dengan Autocad, hasil pengukuran sudut Matlab dengan Autocad diolah dengan hipotesa statistik, yaitu uji-t berpasangan (paired t-test), dengan α = 0,05. Berdasarkan hasil pengujian statistik uji didapatkan hasil pengujian pada Tabel 4.7. Karena t-hitung semua pengujian dalam retang dari ttabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima. 5.2 INTEPRETASI HASIL Rancangan perangkat lunak pengolahan citra dibuat untuk membantu dalam menentukan besaran sudut pada segmen tubuh. Dengan output berupa total hasil, yang dapat memberikan informasi hasil pengolahan penentuan sudut pada segmen tubuh. Hasil pengujian prototype menunjukkan, perangkat lunak mampu menentukan besaran sudut pada segmen tubuh dan hasil pencahayaan yang

commit to user V-2


digilib.uns.ac.id

merata. Bila pencahayaan pada citra kurang merata, maka hasil dari pendeteksian kurang jelas. Sehingga, dalam proses sekeletonisasi akan berkurang. Pengukuran sudut postur kerja, biasa dilakukan dengan bantuan perangkat lunak Autocad. Kesulitan yang dialami menggunakan perangkat lunak Autocad adalah user harus membuat garis bantuan terlebih dahulu untuk menentukan sudut segmen tubuh. Dari masalah tersebut, akan menjadi tingkat kecepatan dalam analisis akan lebih lama. Sedangkan dengan perangkat lunak pengolahan citra yang dihasilkan, citra akan otomatis membuat bentuk skeletonisasi. Citra yang sudah diproses menjadi skeletonisasi, kemudian menentukan titik koordinat sudut pada citra. Perangkat lunak pengolahan citra yang dihasilkan memiliki kekurangan, yaitu pada proses penentuan koordinat pixel yang tidak bisa dilakukan secara otomatis, sehingga tingkat kecepatan penentuan besar sudut segmen tubuh menjadi berkurang. Hal ini disebabkan karena masih dibutuhkan proses interaksi user terhadap perangkat lunak untuk menentukan titik koordinat.

commit to user V-3


digilib.uns.ac.id

BAB VI KESIMPULAN DAN SARAN

Pada bab ini berisi kesimpulan berdasarkan analisis yang telah diuraikan pada bab sebelumnya serta saran pengembangan penelitian selanjutnya. 6.1

KESIMPULAN Kesimpulan yang dapat diambil dari penelitian ini, sebagai berikut:

1. Penelitian ini menghasilkan sebuah perangkat lunak untuk penentuan sudut segmen tubuh dengan memanfaatkan fungsi-fungsi dari fitur Matlab 7.8. 2. Hasil pengujian membuktikan output sudut hasil pengujian dengan perangkat lunak tidak berbeda secara signifikan dengan Autocad. 6.2

SARAN Saran untuk penelitian selanjutnya berdasarkan penelitian ini adalah :

1.

Penelitian dapat dilakukan dengan meningkatkan kemampuan perangkat lunak untuk dapat mendeteksi dan mengukur besar sudut secara otomatis.

2.

Pengembangan perangkat lunak dapat dilakukan dengan mengurangi pengaruh kontras pada proses pengolahan citra.

3.

Perangkat lunak yang dihasilkan dapat diitergrasikan dengan sistem scoring RULA yang terkomputerisasi.

commit to user VI-1

PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA

Recommend Documents