Sistem Deteksi Otomatis Dan Pengukuran Papan Reklame Di Jalan Raya Berbasis Android

DAFTAR PUSTAKA

Anonim. 2012. Gaussian Blur Algorithm. http://www.pixelstech.net/ article/1353768112-Gaussian-Blur-Algorithm (diakses tanggal 14 Maret 2017).

Bozkurt, F., Yağanoğlu, M., & Günay, F. B. 2015. Effective Gaussian Blurring Process on Graphics Processing Unit with CUDA. International Journal of Machine Learning and Computing 5(1): 57 – 61.

Burnette, E. 2009. Hello Android. Second Edition. Amerika Serikat: Pragmatic Bookshelf.

Burton, R. 1998. Perpajakan. Jakarta: STIE Perbanas.

Chairani, R. 2016. Identifikasi Kesuburan Pria Melalui Kelainan Sperma Berdasarkan Morfologi (Teratospermia) Menggunakan Metode Invariant Moment. Skripsi. Universitas Sumatera Utara. Medan.

Fahrani, O. R. 2015. Game Adaptasi Bekel Berbasis Android. Skripsi. Universitas Sumatera Utara. Medan.

Gilski, P. & Stefanski, J. 2015. Android OS : A Review. TEM journal 4(1): 116 – 120. Han, D. & Wang, C. 2011. Tree Height Measurement based on image processing

Embeded in Smart Mobile phone. International Conference on Multimedia Technology, pp. 3293-3296.

Hulu, S. W. 2012. Dasar Pengenaan Pajak Reklame Pada Dinas Pertamanan Kota Medan. Skripsi. Universitas Sumatera Utara. Medan.

Holla, S. & Katti, M. M. 2012. ANDROID BASED MOBILE APPLICATION DEVELOPMENT and its SECURITY. International Journal of Computer Trends and Technology 3(3): 486 – 490.

Ionel, S., Alexandru, I., & Catalin, M. 2011. Algorithms for Objects’ Shape Recognition

and Measurement before Gripping. The Annals of ''Dunarea de Jos'' University of Galati 1(2): 11 – 16.

Kadir, A. & Susanto, A. 2013. Teori dan Aplikasi Pengolahan Citra. Andi : Yogyakarta. Kebomix. 2010. Android System Architecture. https://kebomix.wordpress.com/ 2010/08/17/ android-system-architecture/ (diakses tanggal 14 Maret 2017). Laotrakunchai, S., Wongkaew, A., & Patanukhom, K. Measurement of Size and

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Bab ini akan membahas tentang implementasi metode yang digunakan untuk pengukuran papan reklame dan penentuan besar jumlah pajak papan reklame. Adapun 2 tahap yang akan dibahas pada bab ini, yaitu tahap analisis dan perancangan sistem. Pada tahap analisis akan dilakukan analisis terhadap data yang digunakan untuk diproses. Pada tahap perancangan sistem akan dibahas mengenai perancangan metode yang akan dipakai dan perancangan tampilan sistem antarmuka.

3.1 Data yang Digunakan

Data yang digunakan dalam penelitian ini berupa citra frame per frame secara real-time

melalui kamera smartphone Android. Adapun beberapa faktor yang mempengaruhi data yang akan digunakan yaitu kualitas kamera smartphone, pencahayaan (lighting), objek yang menghalangi papan reklame, jarak pengambilan gambar dan sudut pengambilan gambar.

Dalam penelitian ini, penulis menggunakan kamera smartphone Android Xiaomi Mi4i yang memiliki spesifikasi 13 megapixel dengan resolusi gambar 1080 x 1920 piksel. Papan reklame yang dijadikan bahan uji telah ditentukan penulis berupa papan reklame berukuran 150cm x 90cm, namun penulis akan mencoba dengan beberapa papan reklame resmi yang sudah terpasang di jalan.

3.2 Analisis Sistem

Metode yang diajukan untuk mengidentifikasi ukuran sebuah billboard berdasarkan citra terdiri dari langkah – langkah sebagai berikut : penentuan nilai lintang dan garis bujur berdasarkan GPS pada smartphone; pengambilan citra frame per frame dari kamera smartphone; grayscaling; menghilangkan noise dengan gaussian blur; pendeteksian tepi dengan metode Canny; mengilangkan blob – blob kecil dengan erosi dan dilasi; pencarian dan penandaan contour yang memiliki 4 sudut dan luas terbesar; mengubah posisi objek seakan tegak lurus dengan kamera dengan perspective transform; penentuan nilai lintang dan garis bujur kedua dan menghitung jarak antar kedua nilai lintang dan garis bujur; pencarian ukuran panjang dan lebar billoard dengan

menggunakan rumus optik fisika. Setelah langkah – langkah tersebut dilakukan maka didapat ukuran panjang dan lebar billboard yang kemudian bisa dihitung total pajak papan reklame yang dikenakan oleh pemerintah. Penjelasan terperinci akan tahapan yang dilakukan akan dijelaskan pada bagian – bagian selanjutnya. Adapun arsitektur umum yang menggambarkan metode pada penelitian ini ditunjukkan pada Gambar 3.1.

Gambar 3.1. Arsitektur Umum 3.2.1 Penentuan Nilai Lintang dan Garis Bujur

Nilai lintang dan garis bujur dapat diperoleh langsung dengan menggunakan koding yang terdapat pada pemrograman Android yaitu kelas LocationManager. Terlebih dahulu memanggil fungsi requestLocationUpdates untuk meminta informasi lokasi

smartphone berada lalu memanggil fungsi getLastKnownLocation untuk mengambil objek dari kelas Location yang dimana bisa diambil nilai lintang dengan memanggil fungsi getLatitude dan nilai garis bujur dengan memanggil fungsi getLongitude. 3.2.2 Perhitungan jarak antar dua nilai Lintang dan Garis Bujur

Perhitungan jarak antar dua nilai lintang dan garis bujur dapat dicari dengan menggunakan fungsi yang telah disediakan oleh pihak Google pada kelas location di dalam API google maps yaitu distanceTo(). Fungsi distanceTo memiliki parameter

3.2.3 Grayscaling

Frame (citra) yang didapat dari kamera akan diubah ke dalam citra grayscale. Pada OpenCV terdapat fungsi untuk mengubah citra RGB ke citra grayscale yaitu cvtColor(). Penjelasan fungsi cvtColor() akan dibahas seperti berikut.

cvtColor(src, dst, code)

Parameter :

 Src : Citra input.

 Dst : Citra output yang berupa citra kebabuan.

 Code : Angka integer yang merepresentasikan kode transformasi warna apa yang akan dilakukan. Misal RGB ke grayscale dan RGB ke HSV.

Sebagai contoh, terdapat sebuah matriks citra warna berukuran 3 x 3 piksel yang memiliki nilai RGB seperti ditunjukkan pada Tabel 3.1.

Tabel 3.1. Matriks citra warna (RGB) ukuran 3 x 3 piksel

(i,j) 0 1 2

0 120 50 210 100 50 30 50 70 82 1 10 20 30 255 125 33 137 166 59 2 47 99 20 123 185 131 243 56 170

Maka proses perhitungan konversi nilai RGB menjadi nilai keabuan dengan persamaan (2.3) pada matriks (0,0) adalah sebagai berikut :

� = . + . � + . �

� = . + . + .

� = . + . + .

� = . =

Dengan melakukan perhitungan yang sama pada semua piksel citra RGB, maka didapatkan hasil seperti tabel 3.2.

Tabel 3.2. Hasil konversi nilai citra RGB ke nilai citra keabuan

(i,j) 0 1 2

0 88 61 63

1 18 150 140

2 72 144 123

Hasil konversi citra RGB papan reklame yang diambil dari kamera smartphone

Android (a) menjadi citra keabuan (b) dapat dilihat pada gambar 3.2.

(a) Citra RGB yang tertangkap kamera (b) Citra keabuan (grayscale) Gambar 3.2. Proses konversi citra RGB menjadi citra keabuan 3.2.4 Edge Detection Canny

Setelah noise pada citra dihilangkan, maka tahap selanjutnya adalah pendeteksian tepi dengan metode Canny. Pada OpenCV, fungsi untuk melakukan pendeteksian tepi

Canny adalah Canny(). Penjelasan fungsi Canny() akan dibahas seperti berikut.

Canny(src, dst, thres1, thres2, apertureSize)

Parameter :

 Src : Citra input berupa citra keabuan.

 Dst : Citra output berupa citra biner dengan tepi – tepi yang terdeteksi.

 Thres1 : Nilai batas awal untuk prosedur hysterisis.

 Thres2 : Nilai batas akhir untuk prosedur hysterisis.

 ApertureSize : Angka integer untuk menentukan besar matriks pada operator

sobel.

Hasil pendeteksian tepi dari citra keabuan menggunakan metode canny dapat dilihat pada gambar 3.3.

Gambar 3.3. Citra deteksi tepi canny 3.2.5 Dilasi dan Erosi

Tepi yang dihasilkan dari proses deteksi tepi Canny masih ada yang terputus – putus dan masih ada yang garis tepi yang tidak diinginkan. Oleh karena itu dibutuhkan proses dilasi dan erosi untuk menyatukan garis tepi yang terputus dan menghilangkan garis – garis kecil yang dianggap sebagai tepi. Fungsi dilasi dan erosi pada OpenCV adalah

dilate() dan erode(). Fungsi erode() dan dilate() memiliki parameter yang sama namun memberikan output yang berbeda. Fungsi erode() dan dilate() dapat dijabarkan sebagai berikut.

Dilate(src, dst, kernelSize) Erode(src, dst, kernelSize)

Parameter :

 Src : Citra input berupa citra biner.

 Dst : Citra output berupa citra biner yang telah ditebalkan (dilasi) atau ditipiskan (erosi).

 kernelSize: Penentuan ukuran matriks yang dipakai pada proses dilasi atau erosi. Jika kosong maka nilai default-nya adalah 3x3.

Citra hasil proses dilasi dan erosi dapat dilihat pada gambar 3.4.

(b) Gambar hasil proses erosi

Gambar 3.4. Citra hasil proses dilasi dan erosi 3.2.6 Contour Tracing

Pada tahap contour tracing, garis tepi yang membentuk suatu bangun datar (kontur) akan disimpan koordinatnya. OpenCV menyediakan fungsi untuk mencari contour, yaitu findContour() yang menghasilkan output titik – titik contour yang teridentifikasi. Titik – titik yang teridentifikasi dapat digambar dengan fungsi drawContour(). Berikut penjelasan fungsi findContour() dan drawContour().

findContour(src, contours, hierarchy, mode, method)

Parameter :

 Src : Citra input berupa citra biner.

 Contours : Titik koordinat kontur yang terdeteksi akan disimpan dalam bentuk vektor.

 Hierarchy : Vektor output opsional berisikan informasi tentang topologi citra.

 Mode : Cara pendeteksian titik kontur. Pada penelitian ini menggunakan

Imgproc.RETR_LIST.

 Method : Metode pendekatan kontur. Pada penelitian ini menggunakan

Imgproc.CHAIN_APPROX_NONE yang mengambil dan menyimpan semua titik kontur tanpa terkecuali.

3.2.7 Filter Contour

Setelah contour diperoleh, masih terdapat contour yang tidak sesuai dengan objek yang dimaksud. Oleh karena itu, diperlukan proses filter pada contour dengan cara mencari luas terbesar dan mencari banyak sudut / lengkungan yang terdapat pada masing – masing contour agar contour yang didapat merupakan papan reklame yang ingin diukur ukurannya. Fungi pada OpenCV untuk menghitung luas contour adalah contourArea() dan fungsi untuk mencari jumlah sudut adalah approxPolyDP(). Proses filter dilakukan karena papan reklame pasti memiliki luas contour terbesar dan berbentuk segi empat atau memiliki 4 sudut pada citra sehingga contour yang lain akan dieliminasi. Berikut penjelasan fungsi yang akan digunakan.

contourArea(contour)

Parameter :

 Contour : Titik kontur yang akan dihitung nilai luasnya.

approxPolyDp(contour, approxCurve, epsilon, closed)

Parameter :

 Contour : Titik kontur yang menjadi input.

 ApproxCurve : Hasil output berupa titik – titik koordinat dari sudut yang didapat.

 Epsilon : Nilai double yang menentukan nilai akurasi dalam pencarian sudut.

 Closed : Nilai boolean yang menentukan apakah sudut – sudut tersebut terhubung atau tidak.

Citra hasil proses penyaringan kontur dapat dilihat pada gambar 3.6.

3.2.8 Pengaturan Perspektif

Papan reklame yang diambil tidak sepenuhnya berbentuk persegi panjang dikarenakan pengambilan gambar tidak selalu tepat tegak lurus terhadap papan reklame. Oleh karena itu, penulis menggunakan fungsi minAreaRect() pada OpenCV dengan parameter kontur papan reklame yang didapat dari penyaringan kontur untuk mencari bentuk persegi panjang yang mendekati bentuk papan reklame yang tertangkap oleh kamera. Persegi panjang yang terbentuk berwarna kuning seperti pada gambar 3.7.

Gambar 3.7. Hasil dari fungsi minAreaRect() 3.2.9 Perhitungan ukuran Billboard

Perhitungan ukuran billboard dapat dihitung dengan menggunakan konsep proyeksi perspektif dengan persamaan (2.8) dan persamaan (2.9). Ukuran lebar dan tinggi objek pada citra didapat dari persegi panjang yang dibentuk dari minAreaRect(). Pada penelitian ini nilai nilai jarak fokus (focal length) telah ditentukan yaitu 1740. Misalkan lebar (width) objek pada citra bernilai 652 pixel ,tinggi (height) objek pada citra bernilai 392 pixel dan jarak objek terhadap kamera bernilai 400 cm, maka lebar dan tinggi objek yang asli dapat dihitung seperti berikut.

� =

� . _�

� =

� . �

� =

.

� =

.

� =

� =

3.2.10 Perhitungan biaya pajak reklame

Biaya pajak reklame dapat dihitung dengan menggunakan persamaan (2.1). Misalkan papan reklame yang akan diuji berada pada jalan Setia Budi yang merupakan jalan kelas 1, maka nilai sewa bernilai Rp 9.000,- dan nilai Strategis bernilai Rp 30.000.000,-. Oleh karena itu, jumlah pajak yang akan dibayarkan dapat dihitung seperti berikut.

� � = � � � � � ∗ �ℎ ∗ � � �

+ � � �� ∗ .

� � = ( ( , ∗ ,_. ) ∗ ∗ . ) + . . ∗ .

� � = . . , + . .

� � = � . . , , −/ ��

3.3 Kegiatan User dan Admin

Use case merupakan suatu bentuk pemodelan atau teknik yang digunakan dalam pengembangan sebuah software atau sistem informasi untuk mengetahui kebutuhan fungsional dari sistem yang akan di kerjakan. Secara sederhana use case dapat mendeskripsikan serangkaian interaksi antara aktor dengan sistem. Dalam sistem ini, aktor yang ada adalah admin dan user. Admin dapat menambah, menghapus, dan mengedit database pada semua tabel kecuali tabel papan reklame yang dipoto oleh user admin hanya bisa menghapus dan melihat data dari tabel tersebut. User mengaktifkan gps untuk mengunakan aplikasi. Lalu berdiri tepat dibawah papan reklame dan menekan tombol untuk mengambil koordinat dimana papan reklame tersebut berada. Kemudian

user mengambil jarak untuk mengambil foto sampai papan reklame tampak secara keseluruhan pada layar smartphone dan menekan layar pada saat papan reklame dikenali oleh aplikasi. Kemudian lebar, tinggi, luas, dan jarak untuk pajak yang akan dibayar. Kegiatan user dan admin dapat dilihat pada gambar 3.8.

Gambar 3.8 Use case kegiatan Admin dan User

3.4 Perancangan Sistem 3.4.1 Rancangan activity awal

Tampilan awal menampilkan tampilan peta google map dengan tombol untuk mengambil koordinat smartphone berada, alamat dimana koordinat tersebut berada, dan tombol untuk lanjut ke tahap pengambilan citra papan reklame. Rancangan tampilan

activity awal dapat dilihat pada gambar 3.9.

Gambar 3.9 Rancangan Tampilan Awal 3.4.2 Rancangan tampilan activity pengambilan citra

Dalam activity pengambilan citra hanya menampilkan apa yang ditangkap oleh kamera

smartphone beserta pengotakan hasil proses image procesing pada papan reklame dan teks yang memberitahukan user apabila ingin mengambil gambar , user harus menyentuh layar smartphone. Rancangan activity pengambilan citra dapat dilihat pada gambar 3.10.

Gambar 3.10 Rancangan Tampilan Activity Indekos 3.4.3 Rancangan activity hasil akhir

Dalam activity kontrakan menampilkan koordinat papan reklame dan tempat pengambilan poto, jarak antara bilboard dan tempat pengambilan citra papan reklame , dan data billboard seperti lebar (width), tinggi (height), luas (area), dan pajak reklame (tax). Terdapat dua tombol untuk mengambil ulang posisi tempat pengambilan citra dan untuk mengulangi perhitungan lebar, tinggi, luas dan pajak berdasarkan jarak yang diinput user pada textfield. Rancangan tampilan activity hasil akhir dapat dilihat pada Gambar 3.11.

BAB 4

IMPLEMENTASI DAN PENGUJIAN

Bab ini akan membahas tentang hasil yang diperoleh dari implementasi metode yang digunakan untuk mengukur papan reklame dan menghitung jumlah pajak yang akan dibayar dan pengujian sistem sesuai dengan analisis dan perancangan yang telah dibahas pada Bab 3.

4.1 Implementasi Sistem

Pada tahap ini akan dibahas proses implementasi yang merupakan lanjutan dari analisis dan perancangan. Proses pengimplementasian ini menggunakan hardware dan software

untuk menjalankan aplikasi. Aplikasi pencarian taksi terdekat ini menggunakan bahasa pemrograman Java dan PHP.

4.1.1 Spesifikasi Perangkat Lunak dan Perangkat Keras yang digunakan

Adapun perangkat lunak yang digunakan untuk menghasilkan aplikasi tersebut adalah: 1. Sistem operasi yang digunakan pada laptop adalah Window 10 Pro 64-bit

2. Android Studio versi 2.2.3

3. Sistem operasi Android smartphone versi 5.0.2 (Lollipop)

4. XAMPP versi 3.2.2 5. MySQL versi 5.5.27

6. Library OpenCV yang digunakan versi 3.1.0 7. Processor laptop : Intel Core i5-6200U 8. RAM laptop : 4GB

9. Kapasitas harddisk laptop : 1TB

10. Processor Android smartphone : Octa-core Max 1.7GHz 11. RAM Android smartphone : 2GB

13. Kamera belakang smartphone : 13 MP

14. Resolusi layar smartphone : 1080 x 1920 pixels

4.1.2 Implementasi perancangan antarmuka

Adapun impentasi perancangan antarmuka berdasarkan rancangan yang telah dilakukan pada Bab 3 adalah sebagai berikut.

1. Tampilan activity awal

Activity awal adalah activity yang pertama kali muncul pada saat aplikasi pertama kali dijalankan yang berisikan tampilan google map dimana posisi papan reklame berada, tombol untuk mengambil koordinat papan reklame dan menampilkan alamat dimana papan reklame berada, dan tombol untuk masuk ke activity selanjutnya. Tampilan

activity awal dapat dilihat pada gambar 4.1.

2. Tampilan activity pengambilan citra papan reklame

Activity ini hanya menampilkan apa yang dilihat kamera dan hasil dari proses pengolahan citra dalam mengenali papan reklame. Tampilan activity dapat dilihat pada gambar 4.2.

Gambar 4.2. Tampilan activity pengambilan citra papan reklame 3. Tampilan activity hasil

Activity ini menampilkan hasil semua perhitungan mulai dari ukuran papan reklame, luas papan reklame, jarak papan reklame terhadap kamera yang dapat ditentukan melalui menghitung jarak dari dua koordinat atau di input secara manual, dan jumlah pajak yang akan dibayar. Tampilan activity hasil dapat dilihat pada gambar 4.3.

4.2 Prosedur Operasional

Sebelum aplikasi dijalankan, user harus menghidupkan GPS terlebih dahulu agar aplikasi dapat dijalankan. Pada saat aplikasi dibuka, aplikasi akan menampilkan activity

awal seperti yang ditunjukkan pada gambar 4.1. User harus menekan tombol “Get Coordinate” untuk mengambil koordinat dimana papan reklame tersebut berada dan menampilkan alamat letak papan reklame. Lalu user menekan tombol “Get Billboard Size” untuk lanjut ke activity pengambilan citra papan reklame seperti yang ditunjukkan pada gambar 4.2.

Pada activity pengambilan citra papan reklame, user hanya tinggal mengarahkan kamera ke papan reklame yang akan diuji apabila papan reklame yang akan diuji terdapat kotak – kotak yang mengelilingi sesuai bentuknya, maka user dapat lanjut ke

activity hasil yang dapat dilihat pada gambar 4.3 dengan menekan layar. Apabila user

menekan layar namun aplikasi masih belum dapat mengenali papan reklame, maka aplikasi akan memberikan peringatan “No Billboard Detected!”.

Setelah masuk ke activity hasil aplikasi akan berhubungan dengan server untuk memeriksa termasuk kelas berapakah letak jalan papan reklame yang diuji yang kemudian server mengembalikan nilai sewa dan nilai strategis yang akan diproses untuk mencari jumlah pajak yang akan dibayar. Lalu mengambil koordinat dimana user

mengambil citra agar dapat dihitung jarak antara papan reklame dan posisi pengambilan citra. Apabila jarak yang dihasilkan dari perhitungan jarak antar dua titik koordinat, maka user dapat memasukkan nilai jarak secara manual. Kemudian aplikasi akan menampilkan informasi seperti koordinat papan reklame dan koordinat tempat pengambilan citra, alamat letak papan reklame berada, jarak antara papan reklame dan tempat pengambilan citra, lebar dan tinggi papan reklame, luas papan reklame, dan jumlah pajak yang akan dibayar.

4.3 Pengujian Sistem

Setelah proses implementasi, dilanjutkan dengan proses pengujian. Pengujian aplikasi ini dilakukan untuk mengetahui apakah pengukuran papan reklame dengan menggunakan konsep proyeksi perspektif. Pengujian akan dilakukan pada 6 papan reklame dengan lokasi dan ukuran yang berbeda.

4.3.1 Papan Reklame Pertama

Papan reklame pertama diambil didalam komplek TASBIH dengan ukuran asli 240 cm x 50 cm, jarak pengambilan foto ± 280 cm, dan terletak pada jalan kelas 3. Pengenalan papan reklame dapat dikenali oleh aplikasi. Namun pada perhitungan jarak terdapat kesalahan yang sangat signifikan dikarenakan koordinat GPS yang didapatkan tidak tepat pada posisi user sebenarnya yang menyebabkan perhitungan ukuran papan reklame, luas papan reklame, dan pajak papan reklame menjadi tidak benar. Hasil aplikasi dalam mengenali papan reklame pertama dapat dilihat pada gambar 4.4.

Gambar 4.4. Papan reklame pertama dikenali dan ditandai dengan kotak merah dan kuning

Hasil perhitungan yang didapat dengan jarak yang salah pada activity hasil dapat dilihat pada gambar 4.5.

Gambar 4.5. Hasil perhitungan dari papan reklame pertama yang salah disebabkan koordinat GPS yang tidak tepat

Dikarenakan perhitungan jarak antara papan reklame dengan posisi pengambilan citra papan reklame, user dapat mengganti nilai jarak secara manual menjadi 280 cm. Sehingga menghasilkan perhitungan yang mendekati dengan ukuran asli papan reklame. Hasil perhitungan dengan jarak yang benar dapat dilihat pada gambar 4.6.

Gambar 4.6. Hasil perhitungan dari papan reklame pertama dengan jarak yang telah diukur

4.3.2 Papan Reklame Kedua

Papan reklame kedua diambil didalam komplek TASBIH dengan ukuran asli 240 cm x 120 cm, jarak pengambilan foto ± 320 cm, dan terletak pada jalan kelas 3. Pengenalan papan reklame dapat dikenali oleh aplikasi. Perhitungan jarak hampir mendekati dengan nilai jarak yang telah diukur sehingga perhitungan ukuran papan reklame, luas papan reklame, dan pajak papan reklame sedikit jauh diatas nilai yang sebenarnya. Hasil aplikasi dalam mengenali papan reklame kedua dapat dilihat pada gambar 4.7.

Gambar 4.7. Aplikasi dapat mengenali papan reklame kedua Hasil perhitungan dengan menggunakan nilai jarak yang didapat dari perhitungan jarak dua titik koordinat dapat dilihat pada gambar 4.8.

Gambar 4.8. Hasil perhitungan dari papan reklame kedua menggunakan jarak dari GPS

Hasil perhitungan dengan menggunakan nilai jarak yang telah diukur yaitu 320 cm hampir mendekati dengan ukuran asli papan reklame. Hasil perhitungannya dapat dilihat pada gambar 4.9.

Gambar 4.9. Hasil perhitungan dari papan reklame kedua dengan jarak yang telah diukur

4.3.3 Papan Reklame Ketiga

Papan reklame ketiga diambil di jalan Setiabudi dengan ukuran asli 140 cm x 50 cm, jarak pengambilan foto ± 230 cm, dan terletak pada jalan kelas 1. Papan reklame dapat dikenali oleh aplikasi. Perhitungan jarak hampir mendekati dengan nilai jarak yang telah diukur sehingga perhitungan ukuran papan reklame, luas papan reklame, dan pajak papan reklame sedikit jauh diatas nilai yang sebenarnya. Hasil aplikasi dalam mengenali papan reklame ketiga dapat dilihat pada gambar 4.10.

Gambar 4.10. Hasil aplikasi dalam mengenali papan reklame ketiga

Hasil perhitungan dengan mencari jarak dari dua titik koordinat GPS dapat dilihat pada gambar 4.11.

Gambar 4.11. Hasil perhitungan dari papan reklame ketiga dengan perbandingan dua koordinat GPS

Hasil perhitungan dengan nilai jarak yang telah diukur yaitu 230 cm hampir mendekati dengan ukuran asli papan reklame yang dapat dilihat pada gambar 4.12.

Gambar 4.12. Hasil perhitungan dari papan reklame ketiga dengan nilai jarak yang telah diukur

4.3.4 Papan Reklame Keempat

Papan reklame keempat diambil di jalan Setiabudi dengan ukuran asli 400 cm x 100 cm, jarak pengambilan ± 970 cm, dan terletak pada jalan kelas 1. Aplikasi dapat mengenali papan reklame. Perhitungan jarak dengan dua titik koordinat menghasilkan nilai yang jauh dibawah dari jarak yang telah diukur sehingga menghasilkan ukuran papan reklame dan luas papan reklame jauh dibawah dari nilai yang sebenarnya. Hasil aplikasi dalam mengenali papan reklame keempat dapat dilihat pada gambar 4.13.

Gambar 4.13. Hasil pengenalan papan reklame keempat

Hasil perhitungan dengan menggunakan perhitungan jarak dari dua titik koordinat GPS dapat dilihat pada gambar 4.14.

Gambar 4.14. Hasil perhitungan dari papan reklame keempat menggunakan jarak dari GPS

Hasil perhitungan dengan jarak yang telah diukur yaitu 970 cm dapat dilihat pada gambar 4.15.

Gambar 4.15. Hasil perhitungan dari papan reklame keempat dengan nilai jarak yang telah diukur

4.3.5 Papan Reklame Kelima

Papan reklame kelima diambil di jalan Jamin Ginting dengan ukuran asli 120 cm x 80 cm, jarak pengambilan ± 470 cm. Aplikasi dapat mengenali papan reklame namun perhitungan jarak dengan menggunakan GPS menghasilkan jarak yang jauh diatas jarak yang telah diukur. Sehingga menghasilkan perhitungan ukuran dan luas papan reklame jauh diatas ukuran asli papan reklame. Hasil aplikasi dalam mengenali papan reklame keempat dapat dilihat pada gambar 4.16.

Gambar 4.16. Papan reklame kelima berhasil dikenali oleh aplikasi Hasil perhitungan akhir aplikasi menggunakan jarak GPS dapat dilihat pada gambar 4.17.

Gambar 4.17. Hasil perhitungan dari papan reklame kelima menggunakan jarak GPS

Hasil perhitungan akhir dengan menggunakan jarak yang telah diukur yaitu 470 cm yang dapat dilihat pada gambar 4.18.

Gambar 4.18. Hasil perhitungan dari papan reklame kelima menggunakan jarak yang telah diukur

4.3.6 Papan Reklame Keenam

Papan reklame keenam diambil di jalan Sei Batang Hari dengan ukuran asli 400 cm x 130 cm, jarak pengambilan foto ± 850 cm, dan terletak pada jalan kelas 2. Aplikasi dapat mengenali papan reklame. Jarak yang dihasilkan dari GPS jauh dibawah jarak yang telah diukur sehingga ukuran dan luas papan reklame jauh dibawah ukuran aslinya. Hasil aplikasi dalam mengenali papan reklame keempat dapat dilihat pada gambar 4.19.

Gambar 4.19. Hasil pengenalan papan reklame keenam

Hasil perhitungan akhir aplikasi menggunakan jarak dari GPS dapat dilihat pada gambar 4.20.

Gambar 4.20. Hasil perhitungan dari papan reklame keenam menggunakan jarak GPS

Hasil perhitungan dengan jarak yang telah diukur yaitu 850 cm dapat dilihat pada gambar 4.21.

Gambar 4.21. Hasil perhitungan dari papan reklame keenam menggunakan jarak yang telah diukur

Tabel hasil penelitian dapat dilihat pada tabel 4.1 dan Tabel perbandingan ukuran hasil penelitian dan ukuran asli dapat dilihat pada tabel 4.2 dan tabel 4.3.

Tabel 4.1. Tabel hasil penelitian

No Ukuran Asli (cm) Ukuran Hasil Penelitian

(cm) 1 240 x 50

Jarak Asli (cm) 280 _{247.6552 x 51.4942} Jarak GPS (cm) 1164.2253 _{1029.7372 x 214.1104}

2 240 x 120

Jarak Asli (cm) 320 _{240.5517 x 118.9885} Jarak GPS (cm) 364.8067 _{274.2340 x 135.6494}

Tabel 4.1. Tabel hasil penelitian (lanjutan)

No Ukuran Asli (cm) Ukuran Hasil Penelitian

(cm) 3 140 x 50

Jarak Asli (cm) 230 _{137.6034 x 48.6437} Jarak GPS (cm) 246.8433 _{147.6803 x 52.2059}

4 400 x 100

Jarak Asli (cm) 970 _{410.2989 x 104.2471} Jarak GPS (cm) 711.3497 _{300.8927 x 76.4496}

5 120 x 80

Jarak Asli (cm) 470 _{122.3621 x 74.0115} Jarak GPS (cm) 1116.3936 _{290.6473 x 175.7999}

6 400 x 130

Jarak Asli (cm) 850 _{402.0402 x 128.9655} Jarak GPS (cm) 700.7105 _{331.4280 x 106.3147}

Tabel 4.2. Tabel perbandingan ukuran hasil penelitian dengan ukuran asli menggunakan jarak asli

No Lebar Asli (cm) Tinggi Asli (cm) Lebar Hasil Penelitian (cm) Tinggi Hasil Penelitian (cm) Error Lebar (cm) Error Tinggi (cm) 1 240 50 247.6552 51.4942 -7.6552 -1.4942 2 240 120 240.5517 118.9885 -0.5517 +1,0115 3 140 50 137.6034 48.6437 +2,966 +1,3563 4 400 100 410.2989 104.2471 -10,2989 -4,2471 5 120 80 122.3621 74.0115 -2,3621 +5,9885 6 400 130 402.0402 128.9655 -2,0402 +1,0345

Tabel 4.3. Tabel perbandingan ukuran hasil penelitian dengan ukuran asli menggunakan jarak GPS

No Lebar Asli (cm) Tinggi Asli (cm) Lebar Hasil Penelitian (cm) Tinggi Hasil Penelitian (cm) Error Lebar (cm) Error Tinggi (cm) 1 240 50 1029.7372 214.1104 -789,7372 -164,1104 2 240 120 274.2340 135.6494 -34,234 -15,6494 3 140 50 147.6803 52.2059 -7,6803 -2.2059 4 400 100 300.8927 76.4496 +99,1073 +23,5504

Tabel 4.3. Tabel perbandingan ukuran hasil penelitian dengan ukuran asli menggunakan jarak GPS (lanjutan)

No Lebar Asli (cm) Tinggi Asli (cm) Lebar Hasil Penelitian (cm) Tinggi Hasil Penelitian (cm) Error Lebar (cm) Error Tinggi (cm) 5 120 80 290.6473 175.7999 -170,6473 -95,7999 6 400 130 331.4280 106.3147 +68,572 +23,6853

Dari hasil penelitian didapatkan bahwa ukuran yang didapat dengan menggunakan jarak dari GPS sangat tidak mendekati dengan ukuran asli papan reklame dikarenakan jarak dari GPS sangat tidak mendekati dengan jarak yang telah diukur secara manual yang disebabkan oleh titik koordinat yang didapat tidak sama dengan posisi user saat citra papan reklame diambil dengan perbedaan nilai ukuran hasil penelitian dengan ukuran aslinya mencapai ± 2 – 790 cm. Sedangkan ukuran yang didapat dengan menggunakan jarak yang telah diukur mendekati ukuran aslinya dengan perbedaan nilai ukuran hasil penelitian dengan ukuran aslinya mencapai ± 0.5 – 10 cm. Ukuran papan reklame juga bergantung pada sudut pengambilan citra (perspektif) dikarenakan bentuk papan reklame akan berubah dan tentu saja ukuran juga ikut

BAB 5

KESIMPULAN DAN SARAN

Bab ini akan membahas tentang kesimpulan dari penerapan metode yang diajukan untuk pengukuran papan reklame dan perhitungan pajak papan reklame serta saran-saran pengembangan yang dapat dilakukan pada penelitian selanjutnya.

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pengujian yang dilakukan oleh penulis, maka dapat disimpulkan bahwa:

1. GPS tidak dapat sebagai acuan dalam mencari jarak karena titik yang didapat tidak tetap dan tepat.

2. Perhitungan ukuran papan reklame dapat dilakukan dengan konsep proyeksi perspektif, namun dengan syarat pengambilan citra papan reklame diambil tegak lurus dengan kamera ataupun tidak diambil dari samping kanan dan kiri dan tidak diambil jauh dibawah dan diatas papan reklame agar mendapat hasil yang mendekati ukuran asli.

3. Pengenalan papan reklame dengan menggunakan pengolahan citra sangat tidak disarankan karena dipengaruhi banyak faktor seperti pencahayaan, lingkungan sekitar papan reklame, warna papan reklame dengan lingkungan sekitarnya, dan peletakan tiang papan reklame yang membuat pendeteksian tepi menjadi tidak tepat seperti yang diinginkan, sehingga papan reklame tidak dikenali.

5.2 Saran

Berdasarkan penelitian yang dilakukan, berikut saran-saran yang diharapkan penulis dapat dilakukan pada penelitian selanjutnya:

1. Pencarian jarak objek dengan kamera dapat dicari dengan metode yang lebih akurat.

3. Pengenalan papan reklame yang dapat memaparkan keseluruhan papan reklame walaupun lingkungan sekitar papan reklame kurang mendukung dan sedikit pencahayaan.

BAB 2

LANDASAN TEORI

2.1 Pajak Reklame

Pajak reklame adalah pajak atas penyelenggaraan reklame. Pengenaan pajak reklame tidak mutlak ada pada seluruh daerah kabupaten atau kota yang ada di Indonesia. Hal ini berkaitan dengan kewenangan yang diberikan kepada pemerintah kabupaten atau kota untuk mengenakan atau tidak mengenakan suatu jenis pajak kabupaten atau kota. Untuk dapat dipungut pada suatu daerah kabupaten atau kota, pemerintah daerah harus terlebih dahulu menerbitkan peraturan daerah tentang Pajak Reklame yang akan menjadi landasan hukum operasional dalam teknis pelaksanaan pengenaan dan pemungutan Pajak Reklame di daerah kabupaten/kota yang bersangkutan (Hulu, 2012). 2.1.1 Ketentuan Umum

Berdasarkan Peraturan Daerah Kota Medan No. 2 Tahun 2004 tentang pajak reklame yang dimaksud dengan.

1. Daerah adalah Daerah Kota Medan.

2. Pemerintah Daerah adalah Pemerintah Kota Medan. 3. Walikota adalah Walikota Medan.

4. Dinas Pendapatan Daerah adalah Dinas Pendapatan Daerah Kota Medan.

5. Penyelenggaraan reklame adalah orang atau badan yang menyelenggarakan reklame baik untuk dan atas namanya sendiri atau untuk dan atas nama pihak lain yang menjadi tanggungannya.

6. Reklame adalah benda, alat perbuatan atau media yang menurut bentuk, susunan dan corak ragamnya untuk tujuan komersil dipergunakan untuk memperkenalkan atau memujikan suatu barang, jasa, orang atau badan.

7. Nilai sewa reklame adalah nilai yang ditetapkan sebagai dasar perhitungan penetapan pajak reklame.

8. Nilai strategis titik reklame adalah suatu nilai yang dinyatakan dalam satuan rupiah berdasarkan atas perletakan titik reklame pada kelas jalan/zona, ketinggian dan luas bidang reklame.

9. Kelas jalan adalah suatu klasifikasi atas setiap jalan dalam bentuk apapun yang terbuka untuk lalulintas umum yang didasarkan kepada mutu dan lebar jalan. 10. Rumah ibadah adalah: Mesjid, Gereja, Vihara, Kuil dan Pura.

11. Gedung bersejarah adalah gedung-gedung peninggalan sejarah yang ditetapkan berdasarkan Keputusan Kepala Daerah.

2.1.2 Subjek dan Objek Pajak Reklame 1. Subjek Pajak Reklame

Subjek Pajak Reklame adalah orang pribadi atau badan yang menyelenggarakan atau melakukan pemasangan reklame.

2. Objek Pajak Reklame

Objek Pajak Reklame adalah semua penyelenggaraan reklame. Yang dikecualikan Objek Pajak adalah:

a. Penyelenggaraan reklame melalui televisi, radio, warta harian, warta mingguan, warta bulanan, dan sejenisnya.

b. Penyelenggara reklame oleh Pemerintah Pusat dan Daerah.

c. Penyelenggara reklame yang semata-mata memuat tempat ibadah dan panti asuhan. d. Penyelenggara reklame yang semata-mata mengenai kepemilikan dan peruntukan tanah dengan ketentuan luasnya tidak boleh lebih dari ¼ m2 dan diselenggarakan

e. Merupakan reklame yang disebarkan, apabila benda yang dijadikan reklame itu dimaksudkan juga bermanfaat bagi yang menerimanya.

f. Diselenggarakan oleh perwakilan diplomatik, perwakilan konsulat, perwakilan PBB serta badan atau lembaga organisasi internasional pada lokasi badan-badan tertentu.

g. Diselenggarakan oleh Partai Politik Organisasi kemasyarakatan. 2.1.3 Tarif dan Dasar Pengenaan Pajak Reklame

1. Tarif Pajak Reklame

Tarif Pajak Reklame yang telah ditentukan berdasarkan peraturan perundang-undangan yang berlaku adalah sebesar 25%.

2. Dasar Pengenaan Pajak Reklame

a. Pajak reklame pada titik strategis ditetapkan sebesar NJOPR ditambah harga nilai strategis dikalikan 25%.

b. Pajak reklame yang berada diatas gedung, menempel digedung dan diatas tanah bukan milik Pemerintah Kota Medan, ditetapkan sebesar NJOPR ditambah dengan Harga Nilai Strategis dikali 25%.

3. Pengenaan Nilai Strategis Reklame

Lokasi penempatan adalah lokasi peletakan reklame berdasarkan nilai strategis titik reklame dan kelas jalan. Pembagian Kelas Jalan dan besaran rupiah pada lokasi strategis titik reklame adalah sebagai berikut:

Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan Reklame Di Wilayah Kota Medan

No Nama Jalan Keterangan

A Jalan Kelas 1

1. Jl. A. Yani md. Jl. Palang Merah s/d Jl. Pulau Pinang 2. Jl. A. H. Nasution md. Jl. Karya Jaya s/d SM. Raja 3. Jl. Asia md. Jl. Sutomo s/d Jl. Jumhana

4. Jl. Adam Malik md. Jl. Gatot Subroto s/d Jl. Kom. Yos Sudarso 5. Asrama Pondok Kelapa md. Jl. Gatot Subroto s/d Jl. Pertempuran

Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan Reklame Di Wilayah Kota Medan (lanjutan)

No Nama Jalan Keterangan

6. Jl. B. Katamso md. Jl. Suprapto s/d Jl. Ir. H. Juanda

7. Jl. Balai Kota md. Jl. Bukit Barisan s/d Jl. Perintis Kemerdekaan 8. Jl. Bandung md. Jl. Palangkaraya s/d Jl. Sutomo

9. Jl. Cik Ditiro md. Jl. HZ. Arifin s/d Jl. Sudirman 10. Jl. Cirebon md. Jl. MT. Haryono s/d Jl. Pandu 11. Jl. Dr. Mansyur md. Jl. Jamin Ginting s/d Jl. Setia Budi 12. Jl. G. Krakatau md. Jl. Karantina s/d Pintu Tol 13. Jl. Glugur md. Jl. S. Parman s/d Jl. Gt. Subroto 14. Jl. G. Patimpus md. Jl. Putri Hijau s/d Jl. H. Adam Malik 15. Jl. G. Subroto md. Jembatan Jl. Sei Babura s/d Simp. Jl. Kapt.

Muslim

16. Jl. Gajah Mada md. Jl. S. Parman s/d Jl. Darussalam 17. Jl. H.Z. Arifin md. Jl. Imam Bonjol s/d Jl. S. Parman 18. Jl. Ir. H. Juanda md. Jl. SM. Raja s/d Jl. Mongonsidi 19. Jl. Irian Barat / Jl. Jawa md. Jl. HM. Yamin, SH s/d Jl. MT. Haryono 20. Jl. Iskandar Muda md. Jl. G. Subroto s/d Jl. Jamin Ginting 21. Jl. Karya Jasa md. Jl. Jamin Ginting s/d Jl. Karya Jaya 22. Jl. Kejaksaan md. Jl. S. Parman s/d Jl. Imam Bonjol 23. Jl. Kom. Yos Sudarso md. Jl. Merak Jingga s/d Jl. Pertempuran 24. Jl. Kapt Muslim md. Jl. G. Subroto s/d Jl. Kapt. Sumarsono 25. Jl. Kapt. Pattimura md. Jl. Sudirman s/d Jl. Mongonsidi 26. Jl. Letjen Jamin Ginting md. Simpang Pattimura s/d Simpang Pos 27. Jl. Letjen Suprapto md. Jl. Imam Bonjol s/d Jl. Pemuda 28. Jl. Mayjen Supadmo md. Jl. G. Subroto s/d Jl. Setia Budi 29. Jl. Merak Jingga md. Jl. Yos Sudarso s/d Jl. H.M. Yamin 30. Jl. Mongonsidi md. Jl. Kapt. Pattimura s/d Ir. Juanda 31. Jl. M.T. Haryono

32. Jl. Ngumban Surbakti md. Jl. Jamin Ginting s/d Jl. Perpustakaan 33. Jl. Nibung Raya md. Jl. Gatot Subroto s/d Jl. Perpustakaan 34. Jl. P. Kemerdekaan md. Jl. Putri Hijau s/d Jl. Prof. HM. Yamin, SH 35. Jl. Palang Merah md. Jl. Imam Bonjol s/d Jl. Pegadaian 36. Jl. Pemuda md. Jl. Suprapto s/d Jl. Palang Merah 37. Jl. Pandu md. Jl. Sutomo s/d Jl. Pemuda 38. Jl. Pinang Baris md. Jl. Gatot Subroto s/d Jl. Sunggal 39. Jl. Prof. H.M. Yamin, SH md. Jl. Putri Hijau s/d Jl. GB. Yosua 40. Jl. Putri Hijau md. Jl. Prof. H.m. Yamin, SH s/d Jl. Merak

Jingga 41. Ringroad Gagak Hitam

42. Jl. Sekip md. Jl. G. Subroto s/d Jl. Gereja 43. Jl. Setia Budi md. Jl. Sunggal s/d Jl. Jamin Ginting 44. Jl. Surabaya md. Jl. MT. Haryono s/d Jl. Pandu 45. Jl. Sutomo md. Jl. Rahmadsyah s/d Jl. P. Kemerdekaan 46. Jl. Sutrisno md. Jl. Sutomo s/d Jl. AR. Hakim 47. Jl. Sisingamangaraja md. Jl. Pandu s/d Jl. Sakti Lubis

Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan Reklame Di Wilayah Kota Medan (lanjutan)

No Nama Jalan Keterangan

48. Jl. S. Parman md. Jl. G. Subroto s/d Jl. Sudirman 49. Jl. T. Amir Hamzah md. Jl. Adam Malik s/d Jl. Brigjen H.A. Manaf

Lubis

50. Jl. Thamrin md. Jl. P. Kemerdekaan s/d Jl. Sutrisno B Jalan Kelas 2 (dua) Jalan yang tidak termasuk Jalan Kelas 1 (satu)

dan Jalan Kelas 3 (tiga) C Jalan Kelas 3 (tiga) Jalan Lingkungan

Tabel 2.2 Besar Nilai Rupiah Berdasarkan Kelas Jalan dan Ukuran Reklame

Nilai strategis Ukuran Reklame Basaran Nilai Strategis (Rp)

Kelas I s/d 2x4 m2 _30.000.000,- Kelas II s/d 2x4 m2 25.000.000,- Kelas III s/d 2x4 m2 20.000.000,-

Tabel 2.3 Besaran Nilai Rupiah Bardasarkan Kelas Jalan dan Ukuran

Nilai strategis Ukuran Reklame Basaran Nilai Strategis (Rp)

Kelas I diatas 2x4 m2 _{175.000.000,-} Kelas II diatas 2x4 m2 150.000.000,- Kelas III diatas 2x4 m2 125.000.000,-

Tabel 2.4 Besaran Nilai Sewa Reklame Papan/Billboard/Videotron/Large

Jenis Reklame Lokasi Penempatan Ukuran Luas Reklame Jangka Waktu Pemasangan Besaran Nilai Sewa (Rp) Papan/Billboard /Videotron/LED

Kelas I.1 1m2 _{1 hari 9.000,-}

Kelas I.2 1m2 1 hari 8.500,-

Kelas I.3 1m2 _{1 hari 8.000,-}

Kelas II.1 1m2 1 hari 7.500,-

Kelas II.2 1m2 1 hari 7.000,-

Kelas II.3 1m2 1 hari 6.500,-

Kelas III.1 1m2 1 hari 6.000,- Kelas III.2 1m2 1 hari 5.500,- Kelas III.3 1m2 1 hari 5.000,-

Tabel 2.5 Besaran Nilai Sewa Reklame Kain Berupa Umbul-Umbul Spanduk dan Sejenisnya serta Baliho

Jenis Reklame Lokasi Penempatan Ukuran Luas Reklame Jangka Waktu Pemasangan Besaran Nilai Sewa (Rp) Reklame kain berupa umbul umbul spanduk dan sejenisnya serta baliho

Kelas I.1 1m2 _{1 hari 8.000,-}

Kelas I.2 1m2 1 hari 7.500,-

Kelas I.3 1m2 _{1 hari 7.000,-}

Kelas II.1 1m2 1 hari 6.500,-

Kelas II.2 1m2 1 hari 6.000,-

Kelas II.3 1m2 1 hari 5.500,-

Kelas III.1 1m2 1 hari 5.000,- Kelas III.2 1m2 1 hari 4.500,- Kelas III.3 1m2 1 hari 4.000,-

Tabel 2.6 Besaran Nilai Sewa Reklame Mini Billboard/Shelter/Reklame Menempel

Jenis Reklame Lokasi Penempatan

Ukuran Luas Reklame

(m2₎

Jangka Waktu Pemasangan Besaran Nilai Sewa (Rp) Mini Billboard/ Shelter bus/ Reklame Menempel

Kelas I.1 1m2 1 hari 8.000,-

Kelas I.2 1m2 1 hari 7.500,-

Kelas I.3 1m2 1 hari 7.000,-

Kelas II.1 1m2 1 hari 6.500,-

Kelas II.2 1m2 1 hari 6.000,-

Kelas II.3 1m2 1 hari 5.500,-

Kelas III.1 1m2 _{1 hari 5.000,-} Kelas III.2 1m2 1 hari 4.500,- Kelas III.3 1m2 1 hari 4.000,-

Tabel 2.7 Besaran Nilai Sewa Reklame Merek Toko Jenis

Reklame / Merk Toko

Ukuran Luas Reklame

(m2₎

Jangka Waktu Pemasangan

Besaran Nilai Sewa (Rp)

Logam 1m2 _{1 hari 1.200,-}

Kaca 1m2 1 hari 1.200,-

Plastik 1m2 1 hari 1.120,-

Kayu 1m2 1 hari 1.000,-

Nilai sewa reklame untuk jenis reklame selain Papan/Billboard/Videotron/Large Display dan reklame kain serta baliho ditetapkan sebagai berikut:

a. Reklame melekat (stiker) : Rp 500 cm2 sekurang-kurangnya Rp 2.500.000,- setiap kali penyelenggaraan.

b. Reklame selebaran : Rp 300,-/lembar, sekurang-kurangnya Rp 2.500.000,- setiap kali penyelenggaraan.

c. Reklame berjalan/kendaraan : 5.000/m3/hari.

d. Reklame Udara : Rp 2.000.000,- sekali peragaan, paling lama 1 bulan.

e. Reklame Suara : Rp 1.000,-/15 detik, bagian - bagian yang kurang dari 15 detik dihitung menjadi 15 detik.

f. Reklame Film/Slide: Rp 5.000,-/detik dengan suara, Rp 2.000,-/15 detik tanpa suara. Bagian bagian yang kurang dari 15 detik dihitung menjadi 15 detik.

g. Reklame peragaan: Rp 12.000,-/hari dan sekurang-kurangnya Rp 240.000,-

2.1.4 Rumus Perhitungan Reklame

� � � � +

�

� �� ∗ %

(2.1)

Dimana :

 NJOP Reklame adalah hasil perkalian antara luas, jangka waktu pemasangan dan nilai sewa.

 Nilai Strategis adalah ukuran nilai yang ditetapkan pada titik lokasi pemasangan.

 25% adalah tarif pajak reklame yang telah ditetapkan

2.2 Android

Android adalah sebuah sistem operasi mobile yang dikembangkan oleh Google, dibentuk dari kernel linux dan didesain terutama untuk perangkat mobile touchscreen

seperti smartphone dan tablet. Android merupakan sistem operasi yang bersifat open source sehingga dapat dengan bebas digunakan ,dikembangkan, dan tanpa biaya.

Aplikasi Android ditulis dalam bahasa pemrograman Java. Namun penting untuk diingat bahwa aplikasi Android tidak dieksekusi menggunakan Java Virtual Machine standar (JVM). Google membuat VM yang dinamakan Dalvik yang bertanggung jawab untuk mengkonversi dan mengeksekusi kode byte Java. Semua

kelas – kelas Java buatan harus dikonversi kedalam kumpulan instruksi yang sesuai dengan Dalvik sebelum dieksekusi kedalam sistem operasi Android. Dalvik VM mengambil file kelas Java yang telah diproses dan mengkombinasikannya dengan satu atau lebih file Dalvik executable (.dex). Dalvik diciptakan untuk mendukung sistem operasi mobile yang ringan karena keterbatasannya kemempuan perangkat keras dibandingkan dengan desktop dan laptop pada umumnya (Holla & Katti. 2012). Menurut Fahrani (2015), Android memiliki fitur – fitur penting diantaranya :

1. Sebuah Application Framework yang menyediakan banyak pengaturan API untuk membangun berbagai macam aplikasi.

2. Dalvik virtual machine, memungkinkan pengguna untuk menjalankan aplikasi Android.

3. Pengaturan Graphics Library untuk pemrograman 2D dan 3D.

4. Integrated browser. Web browser berbasis WebKit engine terdapat pada browser default pada Android ataupun dapat diintegrasikan dengan aplikasi lain.

5. Media Support. Mendukung berbagai format audio, video, dan gambar(MPEG4, H.264, MP3, AAC, AMR, JPG, PNG, GIF).

6. SQLite. Basis data relasional yang ringan namun sangat powerful.

7. Bluetooth, EDGE, kompas, dan accelerometer. Mendukung komunikasi jaringan(tergantung hardware).

8. Lingkungan development yang lengkap. Termasuk perangkat emulator, tools untuk

debugging, profiling dan kinerja memori, dan plugin untuk Eclipse Integrated Development Environment (IDE).

2.2.1 Arsitektur Android

Pada dasarnya, Android merupakan sistem operasi UNIX berdasarkan kernel Linux 2.6. Android sudah ditambahkan dengan elemen penting agar dapat memenuhi fungsi – fungsi dasar termasuk konektivitas jaringan seperti GSM dan UMTS sistem selular (Gilski & Stefanski, 2015). Secara garis besar Android dapat dijelaskan dan digambarkan seperti pada gambar 2.1.

Gambar 2.1. Arsitektur Android (Kebomix, 2010) 1. Applications dan Wigets

Applications dan widgets ini adalah layer dimana kita berhubungan langsung dengan aplikasi. Di layer ini terdapat aplikasi inti termasuk klien email, SMS, kalender, peta, browser, kontak, dan lain – lain.

2. Application Framework

Application Framework adalah layer dimana developer aplikasi melakukan pengembangan pada aplikasi karena pada layer ini developer dapat mengakses

hardware, informasi resources, menjalankan service background, mengatur alarm, menambahkan status notifikasi, dan sebagainya. Application Framework dirancang agar developer dapat dengan mudah menggunakan kembali komponen yang sudah digunakan (Safaat, 2015).

3. Libraries

Library pada Android terdiri dari dua komponen, yaitu Android Runtime dan Android System Library. Android Runtime terdiri dari Java Core Library dan

Dalvik Virtual Machine. Android System Library adalah pendukung layer Application Framework dan juga merupakan penghubung antara Application Framework dan Linux kernel (Ma, et al., 2014).

4. Linux Kernel

Linux Kernel adalah inti dari sistem operasi Android yang melakukan operasi seperti penyimpanan internal, manajemen proses, internet protokol, bottom-drive, dan operasi penting lainnya berdasarkan dari Linux kernel.

2.3 Pengolahan Citra Digital

Menurut Kadir & Susanto (2013) pengolahan gambar citra atau digital image processing adalah ilmu yang mempelajari tentang manipulasi dan modifikasi citra, seperti perbaikan kualitas citra, pemilihan ciri citra (feature images) yang bertujuan untuk analisis, dan transformasi citra (rotasi, skala, translasi), dengan menggunakan komputer untuk mendapatkan hasil yang lebih baik. Pada proses pengolahan citra ini bermaksud agar gambar awal yang memiliki gangguan lebih mudah untuk diinterpretasikan dengan cara memanipulasikan citra menjadi citra lain.

Pengolahan citra digital (digital image processing) adalah proses dimana citra dimanipulasi dengan berbagai cara agar citra tampak terlihat lebih indah ataupun agar citra dapat diolah untuk proses klasifikasi dan identifikasi.

Pada umumnya citra yang akan diolah adalah citra digital berwarna (citra RGB). Tiap pixel citra RGB memiliki 3 nilai penting, yaitu nilai Red, Green, dan Blue. Masing – masing elemen tersebut memiliki format 8 bit sehingga satu buah pixel dapat menghasilkan 16777216jenis warna.

Video adalah kumpulan citra yang ditampilkan secara cepat sehingga objek pada gambar tersebut tampak seperti bergerak. Semakin banyak citra atau frame yang dapat ditampilkan per detik maka video yang dihasilkan akan terlihat lebih nyata dan lebih bagus untuk dilihat.

2.3.1 Grayscale

Grayscale adalah proses dimana citra berwarna (citra RGB) diubah menjadi citra dengan warna keabuan. Citra keabuan hanya memiliki satu nilai yang berjarak 0 – 255. Citra keabuan menggunakan warna hitam sebagai warna minimum, warna putih sebagai warna maksimum dan warna diantara hitam dan putih, yaitu abu-abu. Abu - abu merupakan warna dimana komponen merah, hijau, dan biru mempunyai intensitas yang sama (Chairani, 2016).

Terdapat 2 cara merubah citra RGB ke citra keabuan. Cara pertama adalah dengan mencari nilai rata – rata dari ketiga nilai warna seperti persamaan (2.2).

Dimana :

 R adalah nilai warna merah.

 G adalah nilai warna hijau.

 B adalah nilai warna biru.

Cara kedua adalah cara yang biasanya dipakai dalam mengubah citra ke dalam skala keabuan yang dapat dilihat pada persamaan (2.3).

� = .

. + .

.� + .

.�

(2.3)

2.3.2 Gaussian Blurring

Proses mengaburkan gambar melalui fungsi gauss adalah disebut Gaussian blurring. Secara umum, metode ini digunakan untuk mengurangi noise gambar dan rincian pada perangkat lunak grafis, komputer visi dan pengolahan gambar aplikasi (Bozkurt, et al., 2015). Noise yang terdapat pada citra dapat mengganggu pada saat pendeteksian tepi sehingga proses identifikasi akan menghasilkan hasil yang salah. Proses gaussian blur

dilakukan dengan menggerakkan kernel image untuk tiap pixel pada citra. Kernel harus berukuran matriks m x m seperti pada gambar 2.2 yang nilainya ditentukan dengan persamaan (2.4).

Gambar 2.2. Contoh kernel Gaussian berukuran 3x3 (Anonim, 2012)

��

,

=

_��2

�

− 2+ 22�2 (2.4) Dimana :

 x adalah koordinat baris pada kernel.



σ

adalah nilai standar deviasi Gaussian.

Sehingga apabila persamaan (4) diimplementasikan kedalam kernel pada gambar 2.2 dengan nilai standar deviasi (

σ

) sama dengan 1,5 akan menghasilkan kernel seperti pada gambar 2.3.

Gambar 2.3. Kernel Gaussian setelah penerapan rumus (Anonim, 2012) Setelah itu jumlahkan sembilan nilai yang ada pada kernel tersebut lalu dibagikan ke masing – masing nilai kernel dan sehingga menjadi seperti pada gambar 2.4.

Gambar 2.4. Hasil akhir kernel gaussian (Anonim. 2012) 2.3.3 Deteksi Tepi Canny

Deteksi tepi adalah proses mengidentifikasi dan menemukan diskontinuitas tajam dalam gambar. Deteksi tepi telah digunakan oleh pengenalan obyek, pelacakan sasaran, deteksi obyek dan lain - lain. Pada penelitian ini, metode deteksi tepi yang digunakan adalah metode Canny. Metode canny adalah salah satu metode deteksi tepi untuk menemukan tepi dari citra masukan tanpa mempengaruhi fitur dari tepi (Nisha, et al.,

gaussian blur, mencari tepi dengan menggunakan sobel operator dan menentukan arah garis tepi, melakukan penipisan tepi dengan Non Maximum Supression dan hysterisis. Contoh hasil dari deteksi tepi Canny dapat dilihat dari gambar 2.5.

Gambar 2.5. Citra hasil deteksi tepi Canny (Wikipedia, 2017) 2.3.4 Dilasi

Dilasi merupakan proses penebalan piksel objek pada citra biner. Dilasi dapat membantu menyambung garis yang terputus dan mengecilkan lubang pada objek. Proses dilasi dilakukan dengan melihat apakah nilai dari tetangga tiap – tiap piksel ada yang bernilai “1” berdasarkan matriks berukuran m x m. Apabila ada, maka nilai piksel yang sedang diproses akan diubah menjadi “1”. Proses dilasi dapat dilihat pada gambar 2.6.

Gambar 2.6. Proses dilasi dengan bantuan matriks 3x3 2.3.5 Erosi

Erosi merupakan kebalikan dari proses dilasi. Erosi merupakan proses penipisan piksel objek pada citra biner. Erosi dapat membantu memisahkan objek yang bersinggungan sehingga dapat lebih mudah untuk diproses lebih lanjut. Proses erosi dilakukan dengan

melihat apakah nilai dari tetangga tiap – tiap piksel ada yang bernilai “0” berdasarkan matriks berukuran m x m. Apabila ada, maka nilai piksel yang sedang diproses akan diubah menjadi “0”. Proses erosi dapat dilihat pada gambar 2.7.

Gambar 2.7. Proses erosi dengan bantuan matriks 3x3 2.4 OpenCV

Menurut Jonatan Sianturi (2016), OpenCV adalah sebuah kumpulan software yang menyediakan struktur data dan algoritma yang dibuat untuk proses pengolahan citra dan

Machine Learning. Sebagian besar OpenCV didedikasikan untuk pengolahan citra secara real time.

Tujuan utama dari OpenCV adalah untuk melakukan proses pengolahan citra atau frame dari sebuah video secara real – time. Algoritma pengolahan citra dioptimalkan oleh para ahli dari Intel. OpenCV memiliki 400 fungsi yang mencakup 28 area dalam penelitian pengolahan citra dan analisis. Ketika peneliti menemukan algoritma baru, peneliti mengirimkannya ke Intel dimana alritma tersebut akan dianalisa, dioptimalkan, dan disesuaikan agar dapat mendapat kelebihan dari prosessor spesial pendukung untuk multimedia MMX (Matrix Math Extensions) dan SSE (Streaming SMID Extensions). Algoritma yang baru tersebut akan ditambah pada versi OpenCV berikutnya. Oleh karena itu, OpenCV adalah pilihan yang sangat bagus untuk analisa dan pengolahan citra, karena pengoptimasi untuk struktur hardware pada prosessor (Ionel, 2011).

Fitur-fitur utama yang dimiliki oleh OpenCV antara lain :

1. Menangani data citra (alokasi, dealokasi, duplikasi, menyimpan, menkonversi). 2. Input atau Output citra dan video (dari file level dan device level).

4. Data struktur dinamis (lists, queues, trees, graphs)

5. Algoritma dan tools untuk pengolahan citra (filtering, deteksi tepi, corner detection, contour detection, konversi warna, morphological operations, interpolation, histogram operation, segmentasi citra, mendukung dalam mencari

Region of Interest (ROI), tools untuk pengenalan citra dengan classifiers, mendukung untuk citra stereo, neural network).

6. Analisis struktur (connected components, contour processing, distance transform, variable times, merakit template, Hough-type transformation, polygonal approximating, menghitung area of interest berdasarkan garis dan elips, delaunay triangulation).

7. Kalibrasi kamera.

8. Analisis gerakan (melacak gerakan pada video, segmentasi gerakan). 9. Pengenalan objek (Hidden Markov Model).

10. GUI yang sederhana.

11. Mampu menambah layer pada citra (polygon, teks, garis).

OpenCV menyediakan modul – modul dengan fungsi yang berbeda beda antara lain :

1. Core : inti dari data struktur, tipe data, dan manajemen memori.

2. Imgproc : Modul pengolahan citra. Filter citra, transformasi citra geometris, struktur, dan analisis citra.

3. Video : Modul analisis video yang mencakup analisis gerakan, pemisahan

background, dan algoritma pelacakan objek.

4. Calib3d : Algoritma dasar multiple-view geometri, kamera tunggal dan stereo, estimasi pose objek, algoritma stereo korespondensi, dan elemen- elemen untuk rekonstruksi 3D.

5. Features2d : Fitur detectors, descriptors, dan descriptor matchers.

6. Objdetect : Deteksi objek menggunakan cascade dan histogram dari pengklasifikasi gradien.

7. Highgui : Modul ini berisikan GUI, membaca dan menulis citra dan video. 8. Nonfree : Implementasi algoritma yang dipatenkan di beberapa negara.

2.5 Perspective Projection

Perspective projection (proyeksi perspektif) adalah pemetaan 3 dimensi menjadi 2 dimensi. Sama prisipnya dengan cara kerja penglihatan manusia dan cara kerja kamera.

Gambar 2.8. Proyeksi objek 3D menjadi objek 2D

Dari gambar 3.8, terdapat kesamaan rumus dalam mencari besar sudut Q. Rumus mencari besar sudut Q dapat dilihat pada persamaan (2.5) dan (2.6).

� =

(2.5)

� =

�

� (2.6) Dimana, Y = Tinggi Asli Objek.

Z = Jarak antara kamera dan objek. y = Tinggi Objek pada kamera.

f = Jarak fokus yang dimiliki oleh kamera.

Dari persamaan (5) dan (6) terbentuk persamaan (2.7) karena memiliki besar sudut sama.

=

�

Dari persamaan (2.6), ukuran asli tinggi sebuah objek dapat dicari dengan rumus (2.8) dan begitu juga sebaliknya dengan lebar asli objek dapat dicari dengan rumus (2.9) dimana W adalah lebar asli objek dan w adalah lebar objek pada citra.

� =

� .

� (2.8)

� =

� .

� (2.9) Karena variabel yang dibutuhkan seperti tinggi objek pada kamera dalam ukuran pixel, jarak antar kamera dengan objek, dan jarak fokus yang dimiliki kamera, maka ukuran asli tinggi objek langsung bisa dicari dengan persamaan (2.8).

2.6 Penelitian Terdahulu

Penelitian dalam mengukur objek tanpa alat ukur dengan bantuan kamera atau

smartphone sudah banyak digunakan. Laotrakunchai, et al. (2013) melakukan penelitian tentang pengukuran jarak objek terhadap kamera dan ukuran objek mengunakan accelerometer pada smartphone dengan cara menggeser smartphone

sesuai dengan panjang dan lebar objek untuk mencari ukuran objek dan menggeser dari titik awal smartphone berada sampai ke objek untuk menghitung jarak.

Penelitian selanjutnya dilakukan oleh Han & Wang (2011) yang melakukan perhitungan ketinggian sebuah pohon menggunakan transformasi proporsi dimana pohon diberi 2 label penanda untuk membantu proses pengukuran. Hasil dari metode yang diajukan akan dibandingkan dengan metode yang menggunakan Ultrasonic hypsometer yang mendekati akurat. Rata – rata relatif error sebesar 3.62% dan relatif error terbesar sebesar 5%.

Pada tahun 2012, Mustafah, et al. melakukan perhitungan jarak dan ukuran objek menggunakan pengambilan citra secara stereo vision dan mengukur jarak dan ukuran objek dengan membandingkan lebar dan tinggi objek yang didapat dari dua citra dari dua kamera yang berbeda. Penelitian ini menghasilkan error yang tidak lebih dari 2cm baik pada ukuran aslinya maupun jarak aslinya.

Lalu pada tahun 2015, Murali melakukan penelitian yang sama tanpa menggunakan alat bantu maupun penanda sebagai tolak ukur melainkan hanya dengan menggunakan rumus untuk mencari tinggi asli objek dengan parameter seperti tinggi objek pada citra, tinggi sensor, jarak fokus, tinggi citra, dan jarak objek ke kamera. Jarak

objek ke kamera dicari dengan menerapkan lima metode untuk membuktikan bahwa proses pengukuran dapat dilakukan dengan cara yang lebih efisien dan tidak memakan banyak biaya. Rangkuman penelitian terdahulu dapat dilihat pada tabel 2.8.

Tabel 2.8. Penelitian Terdahulu

No Judul Peneliti Keterangan

1 Measurement of Size and Distance of Objects Using Mobile Devices

Laotrakunchai, S., et al. 2013

 Menggunakan

accelerometer smartphone.

 Pengukuran dilakukan dengan menggeser

smartphone dari ujung sisi ke ujung lainnya. 2 Tree Height Measurement

based on image processing Embeded in Smart Mobile phoneDistance

Measurement by Stereo VISION

Han, D. & Wang, C. 2011

 Menggunakan kamera

smartphone.

 Pengukuran dibantu dengan proses

pengolahan citra dan 2 penanda yang

diletakkan pada dasar pohon dan 1 meter diatas penanda pertama. 3 Stereo Vision Images

Processing for Real-time Object Distance and Size Measurements

Mustafah, Y. M., et al. 2012

 Menggunakan 2 kamera

 Pengenalan objek yang akan diukur dibantu proses pengolahan citra.

 Pengukuran jarak dihitung dengan perbandingan objek yang didapat dari citra 2 kamera.

4 Machine Vision for General Cameras for Quality Testing and Dimension Calculations

Murali, A. N. 2015  Menggunakan kamera digital.

 Perhitungan jarak didapatkan dari 5 metode yang berbeda.

 Hasil pengukuran didapat dari rumus

Perbedaan penelitian yang dilakukan dengan penelitian terdahulu adalah penelitian ini berfokus pada efisiensi dalam pengukuran objek dengan kamera

smartphone tanpa mengukur jarak antara objek dan kamera. Kemudian hasil pengukuran papan reklame akan dipakai untuk mencari nilai pajak dari papan reklame yang diukur. Adapun metode yang digunakan dalam penelitian ini, yaitu :

 Menggunakan proses pengolahan citra seperti konversi ke citra grayscale, deteksi tepi canny, dilasi, dan erosi.

 Pengenalan bentuk papan reklame menggunakan metode pencarian contour, lalu mengeliminasi contour yang kecil dan tidak memiliki empat sisi dengan mencari luas terbesar dan mencari jumlah sudut.

 Untuk mencari ukuran papan reklame penulis menggunakan konsep proyeksi perspektif.

BAB I PENDAHULUAN

1.1. Latar Belakang

Reklame adalah benda, alat atau perbuatan, yang menurut bentuk susunan dan corak ragamnya dengan maksud untuk mencari keuntungan dipergunakan untuk memperkenalkan, menganjurkan atau memujikan suatu barang, jasa atau seseorang ataupun untuk menarik perhatian umum kepada suatu barang, jasa atau seseorang yang ditempatkan atau yang dapat dilihat, dibaca dan didengar dari suatu tempat oleh umum (Burton, 1998). Reklame dapat ditampilkan dengan berbagai macam tipe, bentuk, dan beraneka ragam, seperti papan reklame, baliho, megatron, videotron, spanduk, poster, mobile, plakat, dan lain- lain.

Pada saat sekarang ini reklame sudah berkembang menjadi suatu sistem komunikasi yang sangat penting, tidak saja bagi produsen produk dan jasa akan tetapi juga bagi konsumen. Kemampuan reklame dan metode promosi lainnya dalam menyampaikan pesan kepada konsumen menjadikan kedua bidang tersebut memegang peran yang sangat penting bagi keberhasilan perusahaan dalam memasarkan produk dan jasanya.

Ada juga biaya pajak terhadap reklame yang dipasang yang tergantung dengan letak lokasi, luas reklame, dan jumlah sudut pandang. Oleh karena itu, pihak yang berwajib harus memastikan data yang diajukan sesuai dengan reklame yang telah dibuat.

Salah satu kesulitan pada saat melakukan verifikasi data reklame adalah pada saat pengukuran reklame. Tentunya dengan bantuan alat ukur proses pengukuran dapat dengan mudah dilakukan, namun apabila yang akan diukur adalah sebuah papan reklame yang memiliki ukuran yang besar dan terletak tinggi dari permukaan tanah maka proses pengukuran akan memakan waktu dan menimbulkan resiko bahaya pada

saat pengukuran. Sehingga diperlukan suatu sistem yang dapat menjadi alternatif dalam mengukur papan reklame tanpa alat ukur.

Penelitian dalam mengukur objek tanpa alat ukur dengan bantuan kamera atau

smartphone sudah banyak digunakan. Namun metode yang digunakan kebanyakan menggunakan alat bantu ataupun tidak efisien. Salah satunya adalah pengukuran jarak objek terhadap kamera dan ukuran objek mengunakan accelerometer pada smartphone

dengan cara menggeser smartphone sesuai dengan panjang dan lebar objek untuk mencari ukuran objek dan menggeser dari titik awal smartphone berada sampai ke objek untuk menghitung jarak (Laotrakunchai, 2013). Selain itu penelitian ini pernah dilakukan dimana perhitungan jarak dan ukuran objek dihitung dengan menggunakan pengambilan citra secara stereo vision dan mengukur jarak dan ukuran objek dengan membandingkan lebar dan tinggi objek yang didapat dari dua citra dari dua kamera yang berbeda (Mustafah, 2012).

Terdapat penelitian yang menggunakan cara yang lebih efisien dimana proses pengukuran hanya menggunakan satu kamera dari smarphone yang dapat menghitung ketinggian sebuah pohon menggunakan transformasi proporsi dimana pohon diberi dua label penanda untuk membantu proses pengukuran (Han & Wang, 2011). Lalu penelitian selanjutnya menggunakan rumus untuk mencari tinggi asli objek dengan parameter seperti tinggi objek pada citra, tinggi sensor, jarak fokus, tinggi citra, dan jarak objek ke kamera (Murali, 2015).

Pada penelitian ini penulis akan melakukan pengukuran yang lebih efisien terhadap papan reklame dengan menggunakan konsep proyeksi perspektif dan hasil pengukuran tersebut dapat digunakan untuk mencari nilai pajak dari papan reklame. Berdasarkan latar belakang di atas, maka penulis mengajukan proposal penelitian dengan judul “SISTEM DETEKSI OTOMATIS DAN PENGUKURAN PAPAN REKLAME DI JALAN RAYA BERBASIS ANDROID”.

1.2. Rumusan Masalah

Biaya pajak terhadap reklame yang dipasang yang tergantung dengan letak lokasi, luas reklame, dan jumlah sudut pandang. Oleh karena itu, pihak yang berwajib harus

memastikan data yang diajukan sesuai dengan reklame yang telah dibuat. Salah satu kesulitan pada saat melakukan verifikasi data reklame adalah pada saat pengukuran reklame yang berupa papan reklame yang berukuran besar dan terletak tinggi dari permukaan tanah, sehingga diperlukan suatu sistem yang dapat mengukur papan reklame tanpa alat ukur.

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk memberikan cara alternatif dalam mengukur papan reklame hanya dengan menggunakan bantuan aplikasi berbasis Android.

1.4. Batasan Masalah

Pada penelitian ini peneliti membuat batasan masalah untuk mencegah meluasnya ruang lingkup permasalahan dalam penelitian ini. Adapun batasan masalah tersebut, diantaranya yaitu:

1. Papan reklame yang akan dijadikan bahan uji harus memiliki 4 sisi.

2. Papan reklame tidak terhalang oleh banyak kabel listrik, pepohonan, atau objek lainnya yang dapat menghalangi papan reklame.

3. Kondisi pengambilan citra dalam keadaan pencahayaan yang cukup.

4. Perhitungan pajak reklame berdasarkan peraturan daerah kota Medan Nomor 2 tahun 2004.

1.5. Manfaat Penelitian

Adapun manfaat penelitian ini diantara lain yaitu:

1. Mengefesiensikan dalam hal pengukuran papan reklame. 2. Sebagai sarana pencatatan informasi pajak dari papan reklame.

Tahapan – tahapan yang akan dilakukan pada pelaksanaan penelitian ini adalah sebagai berikut :

1. Studi Literatur

Dilakukannya tahap ini guna untuk mencari, menggali dan mempelajari informasi yang berhubungan dengan pengolahan citra, pemrograman Android, dan teori optik. Informasi didapat melalui buku-buku referensi atau sumber-sumber yang berkaitan dengan hal tersebut, baik dari buku maupun internet.

2. Analisis Permasalahan

Pada tahap ini akan dilakukan analisis dari studi literatur yang dibutuhkan dalam pembangunan aplikasi Android dari segi hardware, software, penerapan metode dan data yang dibutuhkan.

3. Perancangan

Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, dan perancangan antarmuka. Proses perancangan dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan.

4. Implementasi

Pada tahap ini dilakukan pengkodean untuk membangun aplikasi berdasarkan analisis dan perancangan yang telah dilakukan pada tahap sebelumnya.

5. Pengujian

Pada tahap ini dilakukan pengujian terhadap aplikasi yang telah dibangun untuk memastikan hasil pengukuran sesuai dengan apa yang diharapkan.

6. Dokumentasi dan Penyusunan Laporan

Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil analisis dan implementasi.

1.7. Sistematika Penulisan

Bab 1 : Pendahuluan

Bab ini berisi latar belakang dari penelitian yang dilaksanakan, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian, metodologi penelitian, serta sistematika penulisan.

Bab 2 : Landasan Teori

Bab ini berisi teori – teori yang diperlukan untuk memahami permasalahan yang dibahas pada penelitian ini. Teori – teori yang berhubungan dengan image processing, pemrograman Android, dan teori optik akan dibahas pada bab ini.

Bab 3 : Analisis dan Perancangan

Bab ini menjabarkan arsitektur umum, tiap langkah pre-processing yang dilakukan, pendeteksian papan reklame, serta perhitungan ukuran dan pajak papan reklame. Bab 4 : Implementasi dan Pengujian

Bab ini berisi pembahasan tentang implementasi dari perancangan yang telah dijabarkan pada Bab 3. Selain itu, hasil yang didapatkan dari pengujian yang dilakukan terhadap implementasi yang telah dilakukan juga dijabarkan pada bab ini.

Bab 5 : Kesimpulan dan Saran

Bab ini berisi ringkasan serta kesimpulan dari rancangan yang telah dibahas pada Bab 3, serta hasil yang dijabarkan pada Bab 4. Bagian akhir dari bab ini memuat saran – saran yang diajukan untuk pengembangan penelitian selanjutnya.

ABSTRAK

Reklame adalah benda, alat atau perbuatan, yang menurut bentuk susunan dan corak ragamnya dengan maksud untuk mencari keuntungan dipergunakan untuk memperkenalkan, menganjurkan atau memujikan suatu barang, jasa atau seseorang ataupun untuk menarik perhatian umum kepada suatu barang, jasa atau seseorang yang ditempatkan atau yang dapat dilihat, dibaca dan didengar dari suatu tempat oleh umum. Pada saat sekarang ini reklame sudah berkembang menjadi suatu sistem komunikasi yang sangat penting, tidak saja bagi produsen produk dan jasa akan tetapi juga bagi konsumen. Hal ini menyebabkan ditetapkannya biaya pajak terhadap reklame yang telah terpasang oleh pemerintah sesuai dengan letak lokasi, luas reklame, dan jumlah sudut pandang. Oleh karena itu, pihak yang berwajib harus memastikan data yang diajukan sesuai dengan reklame yang telah dibuat. Salah satu kesulitan pada saat melakukan verifikasi data reklame adalah pada saat pengukuran reklame yang berupa papan reklame yang berukuran besar dan terletak tinggi dari permukaan tanah, sehingga diperlukan suatu sistem yang dapat mengukur papan reklame tanpa alat ukur. Pada penelitian ini, penulis menggunakan aplikasi berbasis android sebagai alternatif untuk mengukur papan reklame. Untuk mengenali papan reklame, dibutuhkan juga beberapa metode dari proses pengolahan citra. Metode yang diajukan penulis untuk mengukur papan reklame menggunakan konsep proyeksi perspektif. Perhitungan jarak antara kamera dan objek menggunakan perhitungan jarak dua titik koordinat GPS. Hasil pengujian menunjukkan bahwa perhitungan jarak menggunakan GPS menghasilkan nilai yang tidak akurat, namun apabila menggunakan jarak yang telah diukur menghasilkan error 0.5 – 10 cm jika pengambilan citra dilakukan mendekati tegak lurus terhadap objek.

Kata kunci : pajak reklame, deteksi papan reklame, pengolahan citra digital, proyeksi perspektif, Android

AUTOMATIC DETECTION SYSTEM AND BILLBOARD SIZE MEASUREMENT ON THE ROAD BASED ON ANDROID

ABSTRACT

Billboards are objects, tools or actions, which according to the characteristics is intended to seeking profits, used to introduce or promote products, services or a person, or to draw public attention to a product, service or person which are placed in strategic area that can be seen by the public. Nowadays, The role of billboards have been developed as an effective communication system, not only for the manufacturers but also to the consumers. This led to the policy of tax charges for billboards set by the government based on location, dimensions and the viewpoints of the billboards. Therefore, authorized parties have to ensure the data authenticity of the proposed billboards. One of the bottlenecks in data verification is the time of billboards’ measurement process that are large and set high from the ground, so that needed a system which has the ability to measure the dimensions of the billboards without measuring instruments. Under this research, Android based application was implemented as the alternative to measure the dimensions of billboards, also needed some methods for image processing stage to identify the billboards. The proposed method to measure the dimensions of the billboards is using perspective projection. Calculation of the distance between the camera and the object is using two-point distance calculation GPS coordinates. The results show that the distance calculation using the GPS generate inaccurate values, but when using the measured distance, is given a result of errors’ range at 0.5 to 10 cm if the image acquisition performed nearly perpendicular to the object.

Keywords : billboards, tax, detection, image processing, perspective projection, Android

SISTEM DETEKSI OTOMATIS DAN PENGUKURAN PAPAN REKLAME DI JALAN RAYA BERBASIS ANDROID

SKRIPSI

HANDRA SAITO 101402061

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2017

SISTEM DETEKSI OTOMATIS DAN PENGUKURAN PAPAN REKLAME DI JALAN RAYA BERBASIS ANDROID

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Komputer

HANDRA SAITO 101402061

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2017

PERSETUJUAN

Judul :SISTEM DETEKSI OTOMATIS DAN

PENGUKURAN PAPAN REKLAME DI JALAN RAYA BERBASIS ANDROID

Kategori : SKRIPSI

Nama : HANDRA SAITO

Nomor Induk Mahasiswa : 101402061

Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Sarah Purnamawati, ST., M.Sc Romi Fadillah Rahmat, B.Comp.Sc., M.Sc NIP. 19830226 201012 2 003 NIP. 19860303 201012 1 004

Diketahui/disetujui oleh

Program Studi S1 Teknologi Informasi Ketua,

Romi Fadillah Rahmat, B.Comp.Sc., M.Sc NIP. 19860303 201012 1 004

PERNYATAAN

SISTEM DETEKSI OTOMATIS DAN PENGUKURAN PAPAN REKLAME DI JALAN RAYA BERBASIS ANDROID

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 28 April 2017

HANDRA SAITO 101402061

DAFTAR ISI

Hal.

PERSETUJUAN ii

PERNYATAAN iii

UCAPAN TERIMA KASIH iv

ABSTRAK vi

ABSTRACT vii

DAFTAR ISI viii

DAFTAR TABEL xi

DAFTAR GAMBAR xii

BAB 1 PENDAHULUAN 1

1.1. Latar Belakang 1

1.2. Rumusan Masalah 2

1.3. Tujuan Penelitian 3

1.4. Batasan Masalah 3

1.5. Manfaat Penelitian 3

1.6. Metode Penelitian 3

1.7. Sistematika Penulisan 4

BAB 2 LANDASAN TEORI 6

2.1. Pajak Reklame 6

2.1.1. Ketentuan Umum 6

2.1.2. Subjek dan Objek Pajak Reklame 7

2.1.3. Tarif dan Dasar pengenaan reklame 8

2.1.4. Rumus Perhitungan Reklame 12

2.2. Android 12

2.2.1. Arsitektur Android 13

2.3. Pengolahan citra digital 15

2.3.1. Grayscale 15

2.3.2. Gaussian Blurring 16

2.3.4. Dilasi 18

2.3.5. Erosi 18

2.4. OpenCV 19

2.5. Perspective Projection 21

2.6. Penelitian Terdahulu 22

BAB 3 ANALISIS DAN PERANCANGAN SISTEM 25

3.1. Data yang digunakan 25

3.2. Analisis Sistem 25

3.2.1. Penentuan Nilai Lintang dan Garis Bujur 26 3.2.2. Perhitungan jarak antar dua nilai Lintang dan

Garis Bujur

26

3.2.3. Grayscaling 27

3.2.4. Edge Detection Canny 28

3.2.5. Dilasi dan Erosi 29

3.2.6. Contour Tracing 30

3.2.7. Filter Contour 31

3.2.8. Pengaturan Perspektif 32

3.2.9. Perhitungan ukuran Billboard 32

3.2.10. Perhitungan biaya pajak reklame 33

3.3. Kegiatan User dan Admin 33

3.4. Perancangan Sistem 34

3.4.1. Rancangan activity awal 34

3.4.2. Rancangan tampilan activity pengambilan citra

34

3.4.3. Rancangan activity hasil akhir 35

BAB 4 IMPLEMENTASI DAN PENGUJIAN 36

4.1 Implementasi Sistem 36

4.1.1 Spesifikasi Perangkat Lunak dan Perangkat Keras yang digunakan

36

4.1.2 Implementasi perancangan antarmuka 37

4.2 Prosedur Operasional 39

4.3 Pengujian Sistem 39

4.3.2 Papan Reklame Kedua 41

4.3.3 Papan Reklame Ketiga 43

4.4.4. Papan Reklame Keempat 45

4.3.5 Papan Reklame Kelima 47

4.3.6 Papan Reklame Keenam 48

BAB 5 KESIMPULAN DAN SARAN 53

5.1 Kesimpulan 54

5.2 Saran 54

DAFTAR TABEL

Hal.

Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan Reklame Di Wilayah Kota Medan

8

Tabel 2.2 Besar Nilai Rupiah Berdasarkan Kelas Jalan dan Ukuran Reklame

10

Tabel 2.3 Besaran Nilai Rupiah Bardasarkan Kelas Jalan dan Ukuran

10

Tabel 2.4 Besaran Nilai Sewa Reklame Papan / Billboard / Videotron / Large

10

Tabel 2.5 Besaran Nilai Sewa Reklame Kain Berupa Umbul - Umbul Spanduk dan Sejenisnya serta Baliho

11

Tabel 2.6 Besaran Nilai Sewa Reklame Mini Billboard / Shelter / Reklame Menempel

11

Tabel 2.7 Besaran Nilai Sewa Reklame Merek Toko 11

Tabel 2.8. Penelitian Terdahulu 23

Tabel 3.1. Matriks citra warna (RGB) ukuran 3 x 3 piksel 27 Tabel 3.2. Hasil konversi nilai citra RGB ke nilai citra keabuan 28

Tabel 4.1. Tabel hasil penelitian 51

Tabel 4.2. Tabel perbandingan ukuran hasil penelitian dengan ukuran asli menggunakan jarak asli

52

Tabel 4.3. Tabel perbandingan ukuran hasil penelitian dengan ukuran asli menggunakan jarak GPS

DAFTAR GAMBAR

Hal.

Gambar 2.1. Arsitektur Android 14

Gambar 2.2. Contoh kernel Gaussian berukuran 3x3 16 Gambar 2.3. Kernel Gaussian setelah penerapan rumus 17

Gambar 2.4. Hasil akhir kernel gaussian 17

Gambar 2.5. Citra hasil deteksi tepi Canny 18

Gambar 2.6. Proses dilasi dengan bantuan matriks 3x3 18 Gambar 2.7. Proses erosi dengan bantuan matriks 3x3 19

Gambar 2.8. Proyeksi objek 3D menjadi objek 2D 21

Gambar 3.1. Arsitektur Umum 26

Gambar 3.2. Proses konversi citra RGB menjadi citra keabuan 28

Gambar 3.3. Citra deteksi tepi canny 29

Gambar 3.4. Citra hasil proses dilasi dan erosi 30

Gambar 3.5. Citra dengan kontur yang terdeteksi 31

Gambar 3.6. Citra hasil proses penyaringan kontur 32

Gambar 3.7. Hasil dari fungsi minAreaRect() 32

Gambar 3.8 Use case kegiatan Admin dan User 34

Gambar 3.9 Rancangan Tampilan Awal 34

Gambar 3.10 Rancangan Tampilan Activity Indekos 35

Gambar 3.11 Rancangan Tampilan Activity Hasil Akhir 36

Gambar 4.1. Tampilan activity awal 38

Gambar 4.2. Tampilan activity pengambilan citra papan reklame 39

Gambar 4.3. Tampilan activity hasil 39

Gambar 4.4. Papan reklame pertama dikenali dan ditandai dengan kotak merah dan kuning

41

Gambar 4.5. Hasil perhitungan dari papan reklame pertama yang salah disebabkan koordinat GPS yang tidak tepat

41

Gambar 4.6. Hasil perhitungan dari papan reklame pertama dengan jarak yang telah diukur

Gambar 4.7. Aplikasi dapat mengenali papan reklame kedua 43 Gambar 4.8. Hasil perhitungan dari papan reklame kedua

menggunakan jarak dari GPS

43

Gambar 4.9. Hasil perhitungan dari papan reklame kedua dengan jarak yang telah diukur

44

Gambar 4.10. Hasil aplikasi dalam mengenali papan reklame ketiga 45 Gambar 4.11. Hasil perhitungan dari papan reklame ketiga dengan

perbandingan dua koordinat GPS

45

Gambar 4.12. Hasil perhitungan dari papan reklame ketiga dengan nilai jarak yang telah diukur

46

Gambar 4.13. Hasil pengenalan papan reklame keempat 46 Gambar 4.14. Hasil perhitungan dari papan reklame keempat

menggunakan jarak dari GPS

47

Gambar 4.15. Hasil perhitungan dari papan reklame keempat dengan nilai jarak yang telah diukur

47

Gambar 4.16. Papan reklame kelima berhasil dikenali oleh aplikasi 48 Gambar 4.17. Hasil perhitungan dari papan reklame kelima

menggunakan jarak GPS

48

Gambar 4.18. Hasil perhitungan dari papan reklame kelima menggunakan jarak yang telah diukur

49

Gambar 4.19. Hasil pengenalan papan reklame keenam 50 Gambar 4.20. Hasil perhitungan dari papan reklame keenam

menggunakan jarak GPS

50

Gambar 4.21. Hasil perhitungan dari papan reklame keenam menggunakan jarak yang telah diukur