Diagram Alir T1 612010016 BAB III

14 a b c Gambar 3.6. Citra template 3 berukuran 231×90 piksel, a Citra template 3 Abed, b Citra template 3 Oka, c Citra template 3 Erna

3.3. Diagram Alir

Diagram alir proses template matching dibagi menjadi 2 yaitu proses template matching tanpa melakukan pengurangan rata-rata citra template �̅ dengan rata-rata citra masukan yang tertimpa oleh template �̅ � dan proses template matching dengan melakukan pengurangan rata-rata citra template �̅ dengan rata-rata citra masukan yang tertimpa oleh template �̅ � . Hasil pengurangan rata-rata citra template �̅ dengan rata- rata citra masukan yang tertimpa oleh template �̅ � ini disebut dengan Δ R . Diagram alir proses template matching pada sistem tanpa Δ R dapat dilihat pada Gambar 3.7. Diagram alir proses template matching pada sistem tanpa Δ R dapat dilihat pada Gambar 3.8. Diagram alir proses pendeteksian wajah tampak depan dengan template 1 template wajah tampak depan tanpa Δ R dapat dilihat pada Gambar 3.9. Diagram alir proses pendeteksian wajah hadap kanan dengan template 2 template wajah hadap kanan tanpa Δ R dapat dilihat pada Gambar 3.10. Diagram alir proses pendeteksian wajah hadap kiri dengan template 3 template wajah hadap kiri tanpa Δ R dapat dilihat pada Gambar 3.11. Diagram alir proses pendeteksian wajah tampak depan dengan template 1 template wajah tampak depan dengan Δ R dapat dilihat pada Gambar 3.12. Diagram alir proses pendeteksian wajah hadap kanan dengan template 2 template wajah hadap kanan dengan Δ R dapat dilihat pada Gambar 3.13. Diagram alir proses pendeteksian wajah hadap kiri dengan template 3 template wajah hadap kiri dengan Δ R dapat dilihat pada Gambar 3.14. Diagram alir kerja rotator pada sistem dapat dilihat pada Gambar 3.15. 15 Gambar 3.7. Diagram alir proses template matching pada sistem tanpa Δ R . Mendeteksi Wajah dengan Template Tampak depan Mendeteksi Wajah dengan Template Hadap Kanan Tidak Ya Citra Nilai korelasi maksimum ≥ α 1 Simpan posisi koordinat nilai korelasi maksimum ke dalam variabel P W End Nilai korelasi maksimum ≥ α 2 Nilai korelasi maksimum ≥ α 3 Tidak Start Tidak Ya Ya Mendeteksi Wajah dengan Template Hadap Kiri O M N 16 Gambar 3.8. Diagram alir proses template matching pada sistem dengan Δ R . Mendeteksi Wajah dengan Template Tampak depan Mendeteksi Wajah dengan Template Hadap Kanan Tidak Ya Citra Nilai korelasi maksimum ≥ α 1 Simpan posisi koordinat nilai korelasi maksimum ke dalam variabel P W End Nilai korelasi maksimum ≥ α 2 Nilai korelasi maksimum ≥ α 3 Tidak Start Tidak Ya Ya Mendeteksi Wajah dengan Template Hadap Kiri F G H 17 Gambar 3.9. Diagram alir proses pendeteksian wajah tampak depan dengan template 1 pada sistem tanpa Δ R . t Mencari nilai korelasi citra masukan dengan template 1 Cari nilai korelasi maksimum PreprocessingRGB to grayscale, Resizing Template 1 O Simpan nilai korelasi ke dalam variabel K or 18 Gambar 3.10. Diagram alir proses pendeteksian wajah hadap kanan dengan template 2 pada sistem tanpa Δ R . q Mencari nilai korelasi citra masukan dengan template 2 Cari nilai korelasi maksimum PreprocessingRGB to grayscale, Resizing Template 2 M Simpan nilai korelasi ke dalam variabel K or 19 Gambar 3.11. Diagram alir proses pendeteksian wajah hadap kiri dengan template 3 pada sistem tanpa Δ R . w Mencari nilai korelasi citra masukan dengan template 3 Cari nilai korelasi maksimum PreprocessingRGB to grayscale, Resizing Template 3 N Simpan nilai korelasi ke dalam variabel K or 20 Keterangan : � � = nilai threshold Δ R Gambar 3.12. Diagram alir proses pendeteksian wajah tampak depan dengan template 1 pada sistem dengan Δ R . p PreprocessingRGB to grayscale, Resizing Template 1 Mencari nilai korelasi citra masukan dengan template 1 Cari nilai korelasi maksimum F Δ R ≥ � � Δ R =| �̅ - �̅ �| Simpan nilai korelasi ke dalam variabel K or Nilai korelasi=0 Ya Tidak 21 Keterangan : � � = nilai threshold Δ R Gambar 3.13. Diagram alir proses pendeteksian wajah hadap kanan dengan template 2 pada sistem dengan Δ R . e PreprocessingRGB to grayscale, Resizing Template 2 Mencari nilai korelasi citra masukan dengan template 2 Cari nilai korelasi maksimum G Δ R ≥ � � Simpan nilai korelasi ke dalam variabel K or Nilai korelasi=0 Ya Tidak Δ R =| �̅ - �̅ �| 22 Keterangan : � � = nilai threshold Δ R Gambar 3.14. Diagram alir proses pendeteksian wajah hadap kiri dengan template 3 pada sistem dengan Δ R . r PreprocessingRGB to grayscale, Resizing Template 3 Mencari nilai korelasi citra masukan dengan template 3 Cari nilai korelasi maksimum H Δ R ≥ � � Simpan nilai korelasi ke dalam variabel K or Nilai korelasi=0 Ya Tidak Δ R =| �̅ - �̅ �| 23 Gambar 3.15. Diagram alir kerja rotator pada sistem. Start P A =264 Proses template matching ∆=|P W -P A | P A =P W 1 ≤ P W ≤ 214 Ya Ya Tidak S=36 0≤∆≤50 S=30 51≤∆≤101 S=33 102≤∆≤152 306≤∆≤356 153≤∆≤203 204≤∆≤254 255≤∆≤305 S=39 S=42 S=45 S=48 S=51 Ya Ya Ya Tidak Tidak Tidak Ya Ya Ya Tidak Tidak Tidak Bergerak ke kiri Tidak End Bergerak ke kanan 314 ≤ P W ≤ 526 Ya Tidak 24 Titik C Titik D kenyataan Titik C Titik D citra masukan Pada Gambar 3.15 menunjukkan diagram alir kerja rotator pada sistem. P A adalah posisi horisontal awal koordinat wajah dengan nilai sebesar 264. Nilai ini didapat dari titik tengah posisi horisontal ukuran citra masukan. Dimana ukuran posisi horisontal citra masukan sebesar 527 piksel. ∆ adalah hasil pengurangan antara posisi horisontal koordinat wajah yang diperoleh dari proses template matching dikurangi dengan posisi horisontal awal koordinat wajah. Posisi horisontal koordinat wajah yang diperoleh dari proses template matching ini selanjutnya diberi nama P W . Kecepatan perpindahan posisi subyek dari titik C ke titik D diatur oleh variabel S. S adalah variabel yang mengatur kecepatan putar pada rotator. Nilai S ini didapat dari pengukuran jarak perpindahan posisi subyek dari titik C ke titik D dikenyataan terhadap pengukuran jarak perpindahan posisi subyek dari titik C ke titik D dalam citra masukan. Ilustrasi untuk perpindahan posisi subyek dapat di lihat pada Gambar 3.16. Gambar 3.16. Perpindahan posisi subyek Setiap nilai perubahan posisi subyek pada citra masukan diberikan rentang nilai dengan nilai S yang bervariasi. Hal ini dimaksudkan agar kecepatan putar rotator nantinya mampu mengikuti kecepatan perpindahan subyek dari titik C ke titik D. Nilai minimum kecepatan yang dapat diberikan pada rotator yaitu sebesar 30 dan nilai maksimum kecepatan yang dapat diberikan pada rotator yaitu sebesar 51. Nilai S akan diset sebesar 30 saat nilai perubahan posisi subyek diantara rentang 0 sampai 50 piksel, nilai S diset sebesar 33 saat nilai perubahan posisi subyek diantara rentang 51 sampai 101 piksel, nilai S diset sebesar 36 saat nilai perubahan posisi subyek diantara rentang 102 sampai 152 piksel, nilai S diset sebesar 39 saat nilai perubahan posisi subyek diantara rentang 153 sampai 203 piksel, nilai S diset sebesar 42 saat nilai perubahan posisi subyek diantara rentang 204 sampai 254 piksel, nilai S diset sebesar 45 saat nilai perubahan posisi subyek diantara rentang 255 sampai 305 piksel, nilai S diset sebesar 49 saat nilai perubahan posisi subyek diantara rentang 306 sampai 356 piksel dan nilai S akan diset sebesar 51 saat nilai perubahan posisi subyek lebih dari 357 piksel. Untuk mengetahui arah pergerakan putar rotator yaitu dengan memberikan interval pada citra masukan. Dimana untuk P W dengan interval antara 1 sampai 214 piksel rotator akan bergerak ke kiri, P W dengan interval antara 314 sampai 526 piksel rotator akan bergerak ke kanan, dan untuk P W dengan interval diluar batas yang ditentukan 23 cm 50 piksel 25 rotator akan berhenti tidak bergerak. Batas interval pada citra masukan dapat dilihat pada Gambar 2.7.

3.4. Penentuan Parameter