Deteksi Rintangan HASIL DAN PEMBAHASAN

15

IV. HASIL DAN PEMBAHASAN

4.1. Deteksi Rintangan

Dari citra setting yang telah direkam, dengan menggunakan software Paint Shop Pro v.6, diketahui nilai RGB dari tiap laser yang terekam oleh kamera CCD. RGB yang dicantumkan pada program untuk thresholding diambil dari citra outdoor. Setting pada dinding di outdoor menghasilkan nilai RGB seperti yang terlampir pada Lampiran 1. Dengan metode trial and error dan beberapa kombinasi nilai thresholding lain, didapatkan untuk nilai R diambil 0.403, nilai G diambil 0.292 dan nilai B yang diambil 0.32. Dipilih kombinasi nilai RGB tersebut dikarenakan kombinasi tersebut merupakan kombinasi terbaik dalam proses binerisasi citra pemandangan di depan traktor. Setelah nilai RGB yang sesuai didapatkan, nilai RGB tersebut dicantumkan pada program pengolah citra deteksi rintangan. Citra setting yang telah disimpan dalam harddisk dipanggil untuk melakukan deteksi rintangan. Program deteksi rintangan yang dirancang menggunakan bahasa pemrograman C. Untuk dapat mendeteksi rintangan dilakukan proses binerisasi terhadap citra dan kombinasi proses morfologi yang terdiri dari erosi, dilasi, opening dan closing untuk memperbaiki hasil pengolahan citra. Dari citra yang telah diolah tersebut didapatkan interpretasi dari titik laser merah yang digunakan sebagai indikator deteksi jarak rintangan di depan traktor. Sebagai contoh seperti yang terlihat pada Gambar 4.1 yang menunjukkan interface program. Interpretasi dari laser merah didapatkan setelah dilakukan beberapa kombinasi operasi pengolahan citra. Gambar 4.1. Contoh interface program pada saat proses thresholding merah terhadap citra setting pada dinding dengan jarak 1 meter Binerisasi dilakukan dengan menggunakan tersholding merah. Morfologi dilakukan dengan menggunakan kombinasi dari proses erosi, dilasi, opening dan closing. Erosi berfungsi untuk mengikis obyek sebanyak satu lapis piksel untuk membersihkan noise kecil. Dilasi berfungsi untuk memperbesar obyek sebanyak satu lapis piksel untuk mengembalikan ukuran. Opening berfungsi untuk mengikis obyek sebanyak satu lapis piksel untuk membersihkan noise kecil sambil menjaga ukuran obyek. Pada intinya, opening merupakan shortcut dari urutan kombinasi erosi kemudian dilasi. Sedangkan closing berfungsi untuk menutup celah sebesar satu lapis piksel untuk menutup lubang- 16 lubang kecil pada obyek sambil menjaga ukurannya. Pada intinya, closing merupakan shortcut dari urutan kombinasi dilasi kemudian erosi. Kombinasi morfologi tersebut tidak secara keseluruhan digunakan untuk mengolah suatu citra rintangan yang diambil. Pada beberapa citra rintangan yang diambil, cukup dengan menggunakan erosi setelah thresholding merah sudah bisa memberikan hasil citra biner yang sesuai. Namun, pada beberapa citra rintangan lain yang telah diambil setelah dilakukan thresholding merah dan erosi masih perlu didilasi untuk mendapatkan hasil citra biner yang sesuai. Tabel 4.1. Keberhasilan deteksi rintangan dengan jarak pengambilan citra 1 meter Kode Jarak Pengambilan Deteksi Rintangan Citra meter Berhasil Tidak Berhasil 10.1 1 √ - 10.2 1 √ - 10.3 1 √ - 10.13 1 √ - 10.14 1 √ - 10.15 1 √ - 10.16 1 √ - 10.28 1 √ - 10.29 1 √ - 10.30 1 √ - Keberhasilan 100 Kegagalan Tabel 4.2. Keberhasilan deteksi rintangan dengan jarak pengambilan citra 2 meter Kode Jarak Pengambilan Deteksi Rintangan Citra meter Berhasil Tidak Berhasil 10.4 2 √ - 10.5 2 √ - 10.6 2 - √ 10.17 2 √ - 10.18 2 √ - 10.19 2 - √ 10.20 2 √ - 10.31 2 √ - 10.32 2 √ - 10.33 2 √ - Keberhasilan 80 Kegagalan 20 Keberhasilan program dalam mendeteksi rintangan di lapangan dihitung berdasarkan jarak pengambilan citra. Sesuai dengan Tabel 4.1, keberhasilan program untuk mendeteksi rintangan pada jarak 1 meter adalah 100 . Tabel 4.2 menunjukkan keberhasilan program mendeteksi rintangan dengan jarak pengambilan citra 2 meter adalah sebesar 80 . Tabel 4.3 memperlihatkan keberhasilan 17 program dalam mendeteksi rintangan dengan jarak pengambilan citra 3 meter sebesar 40 . Tabel 4.4 dan Tabel 4.5 menunjukkan keberhasilan program dalam mendeteksi rintangan dari jarak pengambilan citra 4 meter dan 5 meter sebesar 0 . Tabel 4.3. Keberhasilan deteksi rintangan dengan jarak pengambilan citra 3 meter Kode Jarak Pengambilan Deteksi Rintangan Citra meter Berhasil Tidak Berhasil 10.7 3 √ - 10.8 3 - √ 10.9 3 - √ 10.21 3 √ - 10.34 3 - √ Keberhasilan 40 Kegagalan 60 Tabel 4.4. Keberhasilan deteksi rintangan dengan jarak pengambilan citra 4 meter Kode Jarak Pengambilan Deteksi Rintangan Citra meter Berhasil Tidak Berhasil 10.10 4 - √ 10.11 4 - √ 10.12 4 - √ 10.22 4 - √ 10.23 4 - √ Keberhasilan Kegagalan 100 Tabel 4.5. Keberhasilan deteksi rintangan dengan jarak pengambilan citra 5 meter Kode Jarak Pengambilan Deteksi Rintangan Citra meter Berhasil Tidak Berhasil 10.24 5 - √ 10.25 5 - √ 10.26 5 - √ 10.27 5 - √ Keberhasilan Kegagalan 100

4.2. Kalibrasi dan Perhitungan Jarak