38
Gambar 4.4 Halaman Scene Kota Matsum
4.3 Pengujian Hasil Pengenalan Jari Tangan
Pada pengujian Aplikasi pengenalan tangan ini, Uji coba dilakukan untuk mengetahui apakah jumlah jari tangan dari userakanterbaca dan melakukan instruksi yang sesuai
dengan yang telah dirancang seperti pemilihan 2 scene animasi objek 3D.Pada pengujian ini peneliti membuat 8 skenario yang mana masing-masing skenario
memiliki kondisi yang berbeda misalnya saat pencahayaan terang atau gelap dan juga jarak jari tangan ke kamera yang mana variabel tersebut sangat mempengaruhi dari
pengenalan jari tangan.Hasil pengujian ditampilkan dalam tabel yang memperlihatkan data hasil uji coba.
Skenario 1: Uji coba dilakukan pada backgroundwarna yang polos dan kondisi pencahayaan yang baik dengan pengaturan range HSV diatas. Hasil pengujian
ditunjukkan oleh Tabel 4.3,
Tabel 4.3 Pengujian scenario 1 No.
Jumlah Jari
Banyak pengujian
n True
Positive False
Positive Akurasi
Error
1 1
72 70
2 97.22
2.78 2
2 60
60 100
Universitas Sumatera Utara Universitas Sumatera Utara
39
Gambar 4.5 Skenario 1 dengan Jumlah Jari 1
Setelah dilakukan beberapa kali pengujian, didapatkan nilai rentang HSV yang stabil dalam pendeteksian yaitu H = 70 – 210, S = 10 – 190, dan V = 25 – 200. Nilai rentang
tersebut dijadikan nilai rentang default untuk aplikasi. Gambar 4.5 menunjukkan hasil pengenalan jari tangan 1 pada ruangan yang cukup terang sesuai dengan skenario 1
untuk menjalankan perintah pindah ke scene Kota Matsum, jumlah jari tangan ini dapat dikenali oleh system dengan tingkat akurasi yang tinggi, yaitu sebar 97.22 dari
72 kali percobaan, kesalahan yang mungkin terjadi pada proses ini ketika ada perubahan intensitas cahaya yang menjadi redup menyebabkan warna daerah kulit
tangan menjadi gelap, sehingga tidak dapat dikenali sistem sebagai warna kulit dan juga jari yang terlipat terdefenisi sebagai jari.
Gambar 4.6 skenario 1 dengan jumlah jari 2
Gambar 4.6 menunjukkan hasil pengenalan jumlah jari tangan dengan jumlah jari 2 dengan skenario 1 untuk menjalankan perintah pindah ke scene kesawan. Dari
hasil pengujian didapatkan hasil pengenalan jumlah jari oleh system sebesar 100 dari 60 percobaan.Dari pengujian yang dilakukan dalam skenario 1 untuk 2 perintah
tersebut, maka diperoleh hasil rata-rata akurasi sebagai berikut.
A =
97.22+100 2
= 98.61
Universitas Sumatera Utara Universitas Sumatera Utara
40
Skenario 2: Uji coba dilakukan pada background yang polos tetapi pencahayaan yang kurang baik dengan pengaturan range HSV diatas. Hasil pengujian
ditunjukan oleh Tabel 4.4.
Tabel 4.4 Pengujian scenario 2 No.
Jumlah Jari
Banyak pengujian
n True
Positive False
Positive Akurasi
Error
1 1
75 72
3 96
4 2
2 85
83 2
97.64 2.36
Gambar 4.7 Skenario 2 dengan Jumlah Jari 1
Gambar 4.8 diatas adalah pengujian pengenalan jumlah jari tangan dengan jumlah jari 1 dengan skenario 2 dimana kondisi cahaya yang redup.Hasil pengujian
pengenalan jari tangan oleh sistem dengan instruksi pindah scene kesawan didapatkan sebesar 96 dari 75 percobaan.Kesalahan yang mungkin terjadi dikarenakan
pendeteksian warna kulit yang gelap sehingga sistem sulit untuk mengenali objek tangan.
Gambar 4.8 Skenario 2 dengan Jumlah Jari 2
Universitas Sumatera Utara Universitas Sumatera Utara
41
Gambar 4.9 diatas hasil pengujian jumlah jari tangan 2 pada skenario 2 dimana cahaya pada ruangan tidak terang atau redup.Hasil jumlah jari yang dapat dikenali
oleh sistem yaitu 97.64 dari 85 percobaan. B =
96+97.64 2
= 96.82
Dari seluruh pengujian yang dilakukan untuk pengenalan jumlah jari tangan manusia, efek pencahayaan cukup berpengaruh oleh sistem dalam pengenalan jari tangan. Pada
cahaya yang terang maka seluruh warna objek yang tertangkap oleh webcam akan terdefinisi dengan baik, sebaliknya jika pencahayaan pada ruangan pengujian tersebut redup, maka
sistem akan sulit mendeteksi warna kulit dikarenakan warna objek yang terlalu gelap sehingga tidak dapat didefinisikan sebagai warna kulit. Berikut adalah perhitungan rata-rata
akurasi pengenalan jari tangan berdasarkan cahaya. Rata-rata Akurasi
=
�+� 2
=
98.61+96.82 2
= 97.715
Skenario 3: Uji coba dilakukan pada jarak lebih dari 65 cm yaitu 80 cm dari depan webcam, dengan pencahayaan yang baik dan background warna polos dengan
pengaturan range HSV diatas. Hasil pengujian ditunjukkan oleh Tabel 4.5.
Tabel 4.5 Pengujian scenario 3
No. Jumlah
Jari Banyak
pengujian n
True Positive
False Positive
Akurasi Error
1 1
50 50
100 2
2 65
65 100
Universitas Sumatera Utara Universitas Sumatera Utara
42
Gambar 4.9 Skenario 3
Gambar 4.9 menunjukkan hasil pengujian pengenalan jumlah jari tangan dengan jumlah jari lima dan satu dengan jarak dari kamera sejauh 80 dengan instruksi
sesuai dengan tabel 4.5. didapat hasil pengenalan sebesar 0 dengan 50 percobaan. Kesalahan yang terjadi dikarenakan jarak yang terlalu jauh sehingga jarak antara jari
terlihat terlalu rapat sehingga area kontur yang terdeteksi menghasilkan nilai depth point yang terlalu kecil.
C =
0+0 2
= 0 Skenario 4: Uji coba dilakukan pada jarak kurang dari 50 cm yaitu 30 cm dari
depan webcam,dengan pencahayaan yang baik dan background warna polos dengan pengaturan range HSV diatas. Hasil pengujian ditunjukkan oleh Tabel 4.10.
Tabel 4.6 Pengujian scenario 4
No. Jumlah
Jari Banyak
pengujian n
True Positive
False Positive
Akurasi Error
1 1
75 74
1 98.66
1.34 2
2 65
65 100
Universitas Sumatera Utara Universitas Sumatera Utara
43
Gambar 4.10 Skenario 4
Gambar 4.10 menunjukkan hasil pengujian pengenalan jumlah jari tangan dengan jumlah jari tangan 1 dengan jarak dari kamera sebesar 30 cm sesuai dengan
skenario 1 dengan instruksi sesuai dengan table 4.6. setelah dilakukan pengujian didapat hasil pengenalan jumlah jari tangan oleh sistem sebesar 100 dari 75
percobaan. D =
98.66+100 2
= 99.33
Dari seluruh pengujian yang dilakukan untuk pengenalan jumlah jari tangan manusia, jarak ke kamera juga cukup berpengaruh oleh sistem dalam pengenalan jari tangan. Pada
jarak yang jauh maka kontur tangan yang terdeteksi akan rapat dan menghasilkan nilai depth point yang terlalu kecil sehingga tidak dapat dilakukan perhitungan defects.Berikut adalah
perhitungan rata-rata akurasi pengenalan jari tangan berdasarkan cahaya. Rata-rata Akurasi
=
�+� 2
=
0+99.3 2
= 49.665
Universitas Sumatera Utara Universitas Sumatera Utara
44
4.4 Pengujian Marker Augmented Reality