commit to user
IV-2 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 hitam-
putih 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-3 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 tepi-
tepi 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-4 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-5 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.
Gambar 4.5 Titik interaksi mouse
Titik interaksi mouse
commit to user
IV-6
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.
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.
Klik ganda proses 3 Klik ganda proses 1
Klik ganda proses 2
commit to user
IV-7
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-8
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 1
7
2 3
4 6
8 5
9
10 11
12
commit to user
IV-9 4.6 PENGUJIAN PERANGKAT LUNAK
Perangkat lunak diuji dengan menentukan besar sudut segmen tubuh berbasis pengolahan citra. Hasil pengujiannya, sebagai berikut :
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-10 Hitung nilai sudut Lengan bawah lower arm
a b
c d
Gambar 4.10 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-11 Hitung nilai sudut Pergelangan tangan wrist
a b
b d
Gambar 4.11 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-12 Hitung nilai sudut Leher neck
a b
c d Gambar 4.12 a Citra gambar asli b Citra hasil GUI c Citra hasil
Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-13 Hitung nilai sudut Batang tubuh trunk
a b
c d
Gambar 4.13 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-14
Hasil uji
Hitung nilai sudut Lengan atas upper arm
a b
c d
Gambar 4.14 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-15 Hitung nilai sudut Lengan bawah lower arm
a b
c d
Gambar 4.15 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-16 Hitung nilai sudut Pergelagan tangan wrist
a b
c d
Gambar 4.16 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-17 Hitung nilai sudut Leher neck
a b
c d
Gambar 4.17 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-18 Hitung nilai sudut Batang tubuh trunk
a b
c d
Gambar 4.18 a Citra gambar asli b Citra hasil GUI c Citra hasil Skeletonisasi GUI Matlab d Citra hasil Autocad
commit to user
IV-19
Tabel 4.1. Data Uji Hipotesis Lengan Atas.
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut: 1.
Uji • hipotesis nol dan hipotesis alternatif
H : µ
d
= µ H
1
: µ
d
µ atau H
1
:µ
d
µ • 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 t α2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan: =
n xi
∑
= 10
96 94
... 109
114 97
93 128
118 98
85 −
+ +
− +
− +
− +
− = -0,5
2
= 0,25 Uji Matlab
Autocad 1 98 85 -13 169
2 128 118 -10 100 3 97 93 -4 16
4 109 114 5 25 5 124 122 -2 4
6 102 112 10 100 7 100 106 6 36
8 91 102 11 121 9 98 92 -6 36
10 96 94 -2 4 jumlah
-5 611
rata2 -0,5
0,25
commit to user
IV-20
Sd =
9 10
5 ,
611 10
2
− −
Sd =
21,9032 t =
n sd
d
µ
−
t = 10
9032 ,
21 5
, −
− t = -0,00722
Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = -0,00722. Karena t-hitung
lebih kecil dari t-tabel maka H diterima sehingga pada tingkat kepercayaan 0,95
diterima.
Tabel 4.2. Data Uji Hipotesis Lengan Bawah.
Uji Matlab Autocad
1 95 98 3 9 2 91 90 -1 1
3 86 88 2 4 4 89 88 -1 1
5 87 91 4 16 6 97 104 7 49
7 87 83 -4 16 8 94 92 -2 4
9 90 90 0 0
10 81 81 0 0 jumlah
8 64
rata2 0,8
0,64 Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
2. Uji
• hipotesis nol dan hipotesis alternatif H
: µ
d
= µ
commit to user
IV-21 H
1
: µ
d
µ atau H
1
:µ
d
µ • 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 t α2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan: =
n xi
∑
= 10
81 81
... 89
88 86
88 91
90 95
98 −
+ +
− +
− +
− +
− = 0,8
2
= 0,64 Sd =
9 10
8 ,
64 10
2
− Sd =
22,12487 t =
n sd
d
µ
−
t = 10
12487 ,
22 8
, −
− t = 0,011434
• Kesimpulan Berdasarkan statistik uji didapatkan nilai t-hitung = 0,011434. Karena t-
hitung lebih kecil dari t-tabel maka H diterima sehingga pada tingkat
kepercayaan 0,95 diterima.
commit to user
IV-22
Tabel 4.3. Data Uji Hipotesis Pergelangan Tangan.
Uji Matlab Autocad
1 51 24 -27 729 2 32 20 -12 144
3 54 47 -7 49 4 32 35 3 9
5 51 23 -28 784 6 61 31 -30 900
7 45 50 5 25 8 60 31 -29 841
9 78 45 -33 1089
10 33 58 25 625 jumlah
-133 17689
rata2 -13,3
176,89 Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
3. Uji
• hipotesis nol dan hipotesis alternatif H
: µ
d
= µ H
1
: µ
d
µ atau H
1
:µ
d
µ • 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 t α2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan: =
n xi
∑
= 10
33 58
... 32
35 54
47 32
20 51
24 −
+ +
− +
− +
− +
−
commit to user
IV-23 = -13,3
2
= 176,89 Sd =
9 10
3 ,
013 17689
10
2
− −
Sd = 28,44627
t = n
sd d
µ
−
t = 10
44627 ,
28 3
, 13
− −
t = -0,14785 • Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,14785. Karena t-hitung lebih kecil dari t-tabel maka H
diterima sehingga pada tingkat kepercayaan 0,95 diterima.
Tabel 4.4. Data Uji Hipotesis Leher.
Uji Matlab Autocad
1 36 25 -11 121 2 66 55 -11 121
3 41 49 8 64 4 30 19 -11 121
5 8 15 7 49 6 24 23 -1 1
7 50 49 -1 1 8 35 27 -8 64
9 37 37 0 0
10 35 47 12 144 jumlah
-16 686
rata2 -1,6
2,56 Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
commit to user
IV-24 4.
Uji • hipotesis nol dan hipotesis alternatif
H : µ
d
= µ H
1
: µ
d
µ atau H
1
:µ
d
µ • 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 t α2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan: =
n xi
∑
= 10
35 47
... 30
19 41
49 66
55 36
25 −
+ +
− +
− +
− +
−
= -1,6
2
= 2,56 Sd =
9 10
6 ,
1 686
10
2
− −
Sd = 25,68969
t = n
sd d
µ
−
t = 10
68969 ,
25 6
, 1
− −
t = -0,0197
commit to user
IV-25 • Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,0197 Karena t-hitung lebih kecil dari t-tabel maka H
diterima sehingga pada tingkat kepercayaan 0,95 diterima.
Tabel 4.5. Data Uji Hipotesis Batang Tubuh.
Uji Matlab Autocad
1 42 31
‐11 121
2 40 35
‐5 25
3 39 43
4 16
4 39 37
‐2 4
5 47 33
‐14 196
6 44 39
‐5 25
7 30 31
1 1
8 38 42
4 16
9 41 45
4 16
10 35 28
‐7 49
jumlah ‐31
469 rata2
‐3,1 46,9
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut: 5.
Uji • hipotesis nol dan hipotesis alternatif
H : µ
d
= µ H
1
: µ
d
µ atau H
1
:µ
d
µ • 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 t α2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
commit to user
IV-26 dengan perhitungan:
= n
xi
∑
= 10
35 28
... 39
37 39
43 40
35 42
31 −
+ +
− +
− +
− +
−
= -3,1
2
=
46,9
Sd = 9
10 1
, 3
469 10
2
− −
Sd = 20
t = n
sd d
µ
−
t = 10
20 1
, 3
− −
t = -0,49015 • Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,49015 Karena t-hitung lebih kecil dari t-tabel maka H
diterima sehingga pada tingkat kepercayaan 0,95 diterima.
Maka hasil rekapitulasi hasil pengujian didapat hasil sebagai berikut:
Tabel 4.6 Hasil pengujian
Posisi t hitung
Lengan atas -0,00722
Lengan bawah 0,011434
Pergelangan tangan -0,14785
Leher -0,0197 Batang tubuh
-0,49015
commit to user
V-1
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.