3.1.4. Gambar Rambu LaranganLalu Lintas
Pada pengenalan yang akan dilakukan, rambu-rambu larangan lalu lintas yang akan digunakan sesuai dengan rambu-rambu larangan lalu lintas yang sering digunakan pada
umumnya oleh para penguna jalan raya. Rambu larangan lalu lintas yang dipilih untuk melakukan pengenalan terdiri dari semua rambu larangan lalu lintas yang ada. Tabel 3.2.
merupakan rambu larangan lalu lintas yang akan digunakan untuk proses pengenalan dan dapat lihat pada lampiran II.
3.2. Database Rambu Larangan Lalu Lintas
Proses pengenalan rambu larangan lalu lintas dilihat pada Gambar 3.3. merupakan digram alir dari sistem yang berada pada database.
Mulai
Selesai Discrete Cosine
Transform
Database rambu larangan lalu lintas
Capture gambar rambu larangan lalu lintas
Preprocessing: Proses grayscale,
cropping , resizing
Gambar 3.2. Diagram alir pembuatan database Dalam proses pengenalan pada rambu larangan lalu lintas harus dibutuhkan
database dari rambu larangan lalu lintas yang akan digunakan sebagai acuan untuk proses
pengenalan. Rambu larangan lalu lintas yang digunakan untuk pengenalan merupakan
rambu yang dipakai dalam penguna jalan raya. Pada pengenalan kamera webcam akan menggunakan fokus normal yang artinya adalah pengaturan default yang sudah terpasang
pada kamera webcam. Database yang digunakan dalam pengenalan citra terdiri dari 10 set database
yaitu 5 untuk variasi rotasi dan 5 untuk variasi skala. Skala digunakan untuk sebagai proses pengujian. Gambar rambu larangan lalu lintas yang digunakan ada beberapa
bentuk ukuran gambar yaitu variasi rotasi -10°, -5°, 0°, 5°, 10° dan variasi skala 90, 95, 100, 105, 110. Proses pembuatan database rambu larangan lalu lintas harus
melalui proses dari input citra rambu larangan lalu lintas, preprocessing dan Discrete Cosine Transform
Dua Dimensi DCT 2 D.
3.3. Proses Untuk Pengenalan Rambu Larangan Lalu Lintas
Proses pengenalan rambu larangan lalu lintas terdiri dari empat tahap yaitu pemgambilan citra, preprocessing, pengenalan dan keluaran. Proses yang akan dilakukan
dimana citra masukan berupa rambu larangan pada lalu lintas. Proses kerja sistem pengenalan rambu larangan lalu lintas sebagai berikut:
Konversi ke grayscale
Cropping Gambar
keluaran Resizing
64x64 pixel DCT
Perhitungan jarak
Canberra
Database citra rambu
larangan lalu lintas
Gambar citra rambu larangan
lalu lintas Proses pengambilan
citra ----------------- Proses preprocessing --------------- ------ Proses pengenalan citra ------- Keluaran citra
Gambar 3.3.Blok diagram proses pengenalan rambu rarangan lalu lintas. Citra rambu larangan lalu lintas akan dikonversi dalam bentuk grayscale atau
warna keabuan. Citra yang grayscale akan di cropping. Setelah di cropping, kemudian akan di resizing sesuai dengan ukuran yang diinginkan. Pada proses pengenalan, citra
transformasi yang digunakan adalah Discrete Cosine Transform Dua Dimensi DCT 2 D, untuk mengambil bagian yang akan digunakan citra tersebut. Proses selanjutnya adalah
melakukan penghitungan jarak dari hasil ekstraksi ciri data uji dengan hasil ekstraksi ciri dari database menggunakan jarak Canberra. Jarak minimum yang diperoleh akan
dijadikan sebagai penentuan hasil keluaran. Hasil keluaran adalah dalam bentuk teks.
3.3.1. Citra rambu Larangan Lalu Lintas
Pengambilan citra dilakukan menggunakan webcam dan digunakan lampu sebagai cahaya untuk penerang rambu larangan lalu lintas supaya gambar tetap fokus dan terang
dengan jarak ± 12 cm. Pada jarak tersebutlah dihasilkan gambar yang fokus. Webcam terhubung ke komputer dan gambar yang di capture oleh webcam akan disimpan dalam
format JPG. Citra masukan berupa rambu larangan lalu lintas.Posisi webcam tetap dan tegak lurus dengan rambu larangan lalu lintas.
Mulai Gambar masukan
citra gambar rambu larangan lalu lintas
Kamera wabcam di on
Proses pengambilan citra
Citra keluaran gambar rambu
larangan lalu lintas Selesai
Gambar 3.4. Diagram alir proses perekam dan pengambilan citra Proses pemgambilan citra yang dilakukan melalui beberapa tahap seperti yang
ditunjukkan pada gambar 3.5. Proses perekam dan pengambilan citra diatas dapat dijelakan
bahwa pada saat user menekan tombol kamera ON maka webcam akan di ON atau terkoneksi dengan program. Setelah kamera ON maka rambu larangan lalu lintas disiapkan
pada tempat yang telah disediakan untuk melakukan proses pengambilan citra. Kemudian untuk mengambil citra rambu larangan lalu lintas maka user dapat menekan tombol
capture . Pengambilan citra, menginisialisasi webcam terlebih dahulu di dalam program
dengan fungsi imaqhwinfo. Fungsi imaqhwinfo bertujuan untuk mengetahui nama adaptor dalam webcam tersebut.
Imaqhwinfo winvideo
,1 DefaultFormat:
RGB24_1280x720 DeviceFileSupported: 0
DeviceName: Logitech HD Webcam C310
DeviceID: 1 ObjectConstructor:
videoinput winvideo, 1
Kemudian diinisialisasi sesuai nama adaptornya yaitu „winvideo‟ dan resolusi
kamera yang digunakan yaitu 1280×720. Resolusi 1270×720 digunakan karena memang spesifikasi yang terdapat pada adaptor webcam. Perintah program untuk mengambil
gambar adalah sebagai berikut : Imaqhwinfo;
dev_info = imaqhwinfo winvideo
; vidobj = videoinput
winvideo ,1,
RGB24_1280x720 ;
previewvidobj; pause
gambar = getsnapshotvidobj; stopvidobj
deletevidobj imshowgambar
3.3.2. Proses Preprocessing
Proses preprocessing terdiri dari tiga tahap penting yaitu konversi citra ke dalam grayscale, cropping
dan resizing. Proses preprocessing ini yang akan mempersiapkan citra
yang akan melakukan ekstraksi ciri supaya dapat dilanjutkan ke proses selanjutnya. Dapat dilihat pada lampiran.
a Tahap Pertama Grayscale
Tahap pertama adalah grayscale bertujuan untuk mengubah citra dari rambu larangan lalu lintas yang telah di capture untuk menjadi citra keabuan. Contoh perintah
program sebagai berikut: I=imread
gbr 1.Berhenti.jpg ;
gbr= doublergb2grayI; J=gbr255;
ImshowJ;axis on
Pada proses preprocessing dapat dibuat diagram alur program pemrosesan citra dapat dilihat pada gambar 3.5.
Mulai
Grayscale Proses masukan
citra rambu larangan lalu lintas
Keluaran citra rambu larangan lalu lintas
Selesai Cropping
Automatic diinisialisasi
dengan bbox Resizing
Gambar 3.5. Diagram alir proses preprocessing
b Tahap Kedua Cropping
Cropping adalah suatu proses untuk memotong citra pada bagian tertentu atau yang
tidak diperlukan sehingga didapatkan hasil yang diinginkan untuk mempermudah data yang akan diolah. Perintah program cropping yang digunakan adalah cropping automatic
dimana bagian kiri, kanan, atas dan bawah gambar rambu diberi garis hitam yang tebal. Perintah program matlab adalah bboxg. Bagian rambu larangan lalu lintas yang
terdapat garis batas berwarna putih yang mengelilingi rambu larangan lalu lintas. Garis batas yang memgelilingi rambu larangan lalu lintas tersebut tidak digunakan dalam proses
pengenalan rambu larangan lalu lintas sehingga harus dihilangkan. Contoh perintah program sebagai berikut:
r2 =1-J; r3=bboxgr2;
imshowr3;axis on
c Tahap Ketiga Resizing
Tahap ketiga adalah resizing bertujuan untuk mengubah ukuran dari citra yang cropping
menjadi citra yang akan diproses sehingga memeliki ukuran yang sama. Proses resizing
dilakukan agar citra yang akan diekstrak mempunyai ukuran piksel yang sama dengan ukurang dengan aturan dari Discrete Cosine Transform Dua Dimensi DCT 2 D,
yaitu 64 × 64 piksel. Contoh perintah program sebagai berikut: r4 = imresizer3,[64,64];
Imshowr4;axis on
Dalam hal ini dilakukan karena Discrete Cosine Transform Dua Dimensi DCT 2 D hanya bisa dilakukan dengan citra yang mempunyai ukuran 64×64 piksel yang di
dapatkan dari penelitian sebelumnya [16].
3.3.3. Proses Pengenalan
Proses pengenalan rambu larangan lalu lintas terdiri dari tiga bagian yaitu ekstraksi ciri, fungsi jarak dan penentuan keluaran.
a Ekstraksi Ciri
Ekstraksi ciri merupakan tahap untuk pemgambilan ciri pada suatu citra. Ekstrasi ciri diperoleh menggunakan Discrete Cosine Transform Dua Dimensi DCT 2 D yang
bertujuan untuk memgambil dan membagi citra ke dalam blok-bolk kecil dengan ukuran tetap yang kemudian akan mengubah dari domain spasial ke domain frekuensi atau domain
Discrete Cosine Transform DCT dan membentuk ukuran window. Untuk mengentahui
nilai ukuran dari window tersebut, maka proses yang dilakukan adalah window ekstraksi ciri dengan cara melakukan evaluasi dari tiap ukuran window dengan koefisien DCT dari 4,
9, 16, 25, 36, 49, 64, 81, dan 100. Nilai koefisien yang terbaik adalah nilai ekstraksi ciri yang diperoleh. Hasil ekstraksi ciri dapat dilihat pada lampiran.Diagram alur dapat dilihat
pada gambar 3.6.
Mulai
Selesai Masukan citra rambu
larangan lalu lintas Ekstraksi ciri Discrete Cosine
Transform 2 D
Keluaran hasil masukan ekstraksi
ciri Menghitung nilai obsolut Discrete
Cosine Transform 2 D
Windowing
Gambar 3.6. Diagram alir proses ekstraksi ciri b
Fungsi Jarak Proses fungsi jarak adalah membandingkan rambu larangan lalu lintas yang di
capture dari kamera dengan gambar database. Hasil perbandingan dari rambu larangan lalu
lintas yang di capture dengan gambar database adalah jarak yang kemudian akan digunakan sebagai proses selanjutnya. Proses perhitungan jarak yang digunakan adalah
jarak Canberra. Diagram alur program dapat dilihat pada gambar 3.7. c
Penentuan Keluaran Proses penentuan keluaran merupakan proses yang terakhir dalam proses
pengenalan rambu larangan lalu lintas. Hasil pengenalan rambu larangan lalu lintas akan ditentukan berdasarkan jarak minimum yang sudah diperoleh setelah perhitungan jarak dan
fungsi jarak. Diagram alur dapat dilihat pada gambar 3.8.
Mulai
Selesai Hasil masukan ekstraksi
ciri dengan hasil masukan ekstraksi ciri dari database
Perhitungan jarak : Hasil data masukan ekstraksi ciri dengan hasil ekstraksi ciri dari
database
Keluaran hasil perhitungan jarak
Mulai
Selesai Masukan hasil
perhitungan jarak
Penginisialisasi dengan nama : 38 citra rambu larangana lalu lintas
Output teks k-Nearest Neighbor
k-NN
Gambar 3.7.Diagram alir fungsi jarak Gambar 3.8. Diagram alir penentuan keluaran Pada proses pengenalan citra, tampilan output hasil pengenalan dapat dilihat pada
table 3.2. rambu larangan lalu lintas yang digunakan untuk pengenalan citra sesuai dengan rambu larangan larangan yang di ambil dari poster dapat dilihat pada lampiran satu.
Tabel 3.2. Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 1
Berhenti
Gambar 2
Prioritas atas lalu lintas dari depan
Gambar 3
Beri kesempatan
Gambar 4
Prioritas bagi lalu lintas dari depan beda
warna
Gambar 5
Dilarang beriringan kurang dari jarak yang ditentukan
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 6
Dilarang membunyikan isyarat suara
Gambar 7
Dilarang mendahului kendaraan lain
Gambar 8
Pejalan kaki dilarang masuk
Gambar 9
Kendaraan bermotor dengan roda empat atau lebih dilarang masuk
Gambar 10
Kendaraan bermotor dengan roda tiga dilarang masuk
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 11
Sepeda dilarang masuk
Gambar 12
Becak dan kereta roda tiga dilarang masuk
Gambar 13
Dilarang masuk
Gambar 14
Gerobak dorong dilarang masuk
Gambar 15
Traktor dengan kereta temple dilarang masuk
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 16
Mesin kerja dilarang masuk
Gambar 17
Mobil gerobak dilarang masuk
Gambar 18
Dilarang membelok ke kanan
Gambar 19
Semua kendaraan bermotor dilarang masuk
Gambar 20
Dilarang parker
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 21
Dilarang membelok ke kiri
Gambar 22
Oto bus dilarang masuk
Gambar 23
Ditutup untuk semua kendaraan dari kedua arah
Gambar 24
Semua kendaraan tidak bermotor dilarang masuk
Gambar 25
Dilarang berhenti
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 26
Sepeda motor dilarang masuk
Gambar 27
Dilarang membalik
Gambar 28
Mobil gerobak dengan kereta gandengan dilarang masuk
Gambar 29
Silang datar dengan satu jalur rel
Gambar 30
Gerobak dan dokar dilarang masuk
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 31
Kendaraan bermotor panjang dan muatan melebihi batas dilaran masuk
Gambar 32 Kendaraan yang seluruh tingginya
termasuk muatan melebihi ukuran yang ditentukan dilarang masuk
Gambar 33 Kendaraan tidak bermotor yang seluruh
panjang termasuk muatan melebihi ukuran dilarang masuk
Gambar 34 Kendaraan yang bobot dan muatan
melebihi tonase yang ditentukan dilarang masuk
Gambar 35 Kendaraan yang seluruh lebar termasuk
muatan melebihi ukuran yang ditentukan dilarang masuk
Tabel 3.2. Lanjutan Tampilan Output Hasil Pengenalan
Gambar Output hasil pengenalan
Gambar 36
Perintah berhenti
Gambar 37
Batas kecepatan maksimal yang ditentukan
Gambar 38 Kendaraan yang bobot pada satu sumbu
melebihi tonase yang ditentukan dilarang masuk
3.4. Proses Gambar Uji
Gambar uji yang diambil setelah user menekan tombol capture. Hasil capture diambil dengan posisi rambu larangan lalu lintas yang sudah diatur secara fix dan cahaya
yang tingkat intensitasnya di sesuai. Proses yang berlangsung meliputi input citra rambu larangan lalu lintas, preprocessing dan Discrete Cosine Transform DCT. Hasil proses
tersebut disimpan dan kemudian diproses kembali untuk mendapatkan hasil pengenalan rambu larangan lalu lintas.
3.5. Perancangan GUI
Gambar 3.9. merupakan tampilan GUI sistem pembacaan gambar rambu larangan lalu lintas yang akan dibuat. Tampilan antarmuka pada perancangan ini menggunakan GUI
Matlab. Tampilan ini digunakan untuk mempermudah dalam menggunakan sistem yang dibuat.
Gambar 3.9. Tampilan Awal Jendela Program Tabel 3.3. Keterangan Proses Utama Tampilan Program
Nama bagian Deskripsi
Tombol ON Tombol ON digunakan untuk menaktifkan kamera
webcam Tombol capture
Tombol capture digunakan untuk mengambilan citra dari rambu larangan lalu lintas
Tombol proses Tombol proses digunakan untuk melakukan proses
cropping dan resizing citra rambu larangan lalu lintas
Tombol ekstraksi ciri Tombol ekstraksi ciri digunakan untuk proses ekstraksi
ciri pada citra rambu larangan lalu lintas Tombol pop-up menu
Tombol pop-up menu digunakan untuk memilih ukuran window yang akan digunakan
Axes 1 pada panel 1 video webcam
Berfungsi untuk menampilkan citra rambu larangan lalu lintas yang akan capture dengan menggunakan
webcam
Axes 2 pada panel 2 preprocessing
Berfungsi untuk menampilkan citra hasil rambu larangan lalu lintas yang cropping
Axes 3 pada panel 2 preprocessing
Berfungsi untuk menampilkan citra hasil rambu larangan lalu lintas yang resizing
Axes 4 pada panel 3 hasil ekstraksi ciri
Berfungsi untuk menampilkan citra hasil ekstraksi ciri dari rambu larangan lalu lintas
Tabel 3.3. Lanjutan Keterangan Proses Utama Tampilan Program
Nama bagian Deskripsi
Axes 5 pada panel 4 hasil ukuran window
Berfungsi untuk menampilkan hasil dari ukuran window
Panel 6 tampilan hasil output
Berfungsi untuk menampilkan hasil keluaran citra yang akan ditampilkan dalam bentuk teks
Tombol reset Tombol reset digunakan untuk me-reset ulang program
pengenalan citra rambu larangan lalu lintas untuk melakukan pengenalan baru
Tombol selesai Tombol selesai digunakan untuk keluar dari sistem
pengenalan citra rambu larangan lalu lintas
35
BAB IV HASIL DAN PEMBAHASAN
Dalam bab ini akan dilakukan tentang analisi dan pembahasan mengenai hasil pengujian sistem program yang telah dirancang. Pada uji coba yang dilakukan pada
penulisan ini untuk mengetahui apakah sistem bekerja dengan baik atau tidak. Pada pengujian akan diperoleh hasil pengujian berupa data-data. Pengujian yang dilakukan
menggunakan 38 gambar rambu larangan lalu lintas.
4.1. Pengujian dan Tampilan Program Pengenalan Secara Real Time
Rambu Larangan Pada Lalu Lintas Menggunakan DCT dan Jarak Canberra
Pengujian dan tampilan program menggunakan perangkat keras dan perangkat lunak sebagai berikut:
a. Processor : AMD E2-2000 APU with Radeon™ HD Graphics 1,75 GHz
b. RAM: 4.00 GB
c. Matlab : 7.10.0a
Dalam tampilan antarmuka program “PENGENALAN SECRATA REAL TIME
RAMBU LARANGAN LALU LINTAS” terdapat 7 push button, 1 pop up menu, 5 axes, 1 edit text, dan 4 static text.
Masing-masing dari bagian membentuk suatu kesatuan yang akan digunakan untuk program “PENGENALAN SECRATA REAL TIME RAMBU
LARANGAN LALU LINTAS”.
Langkah-langkah untuk menjalankan program pengenalan seperti di bawah ini: a.
Mengklik dua kali pada icon Matlab pada layar desktop dengan gambar icon seperti pada gambar 4.1.
Gambar 4.1.Icon Matlab R2010a
Kategori