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