Sistem Deteksi Otomatis Dan Pengukuran Papan Reklame Di Jalan Raya Berbasis Android
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.
Universitas Sumatera Utara
7
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
1.
Subjek dan Objek Pajak Reklame
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
diatas tanah tersebut.
Universitas Sumatera Utara
8
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-badan atau lembaga organisasi internasional pada lokasi badanbadan tertentu.
g.
Diselenggarakan oleh Partai Politik Organisasi kemasyarakatan.
2.1.3
1.
Tarif dan Dasar Pengenaan Pajak Reklame
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
A
1.
2.
3.
4.
5.
Nama Jalan
Jalan Kelas 1
Jl. A. Yani
Jl. A. H. Nasution
Jl. Asia
Jl. Adam Malik
Asrama Pondok Kelapa
Keterangan
md. Jl. Palang Merah s/d Jl. Pulau Pinang
md. Jl. Karya Jaya s/d SM. Raja
md. Jl. Sutomo s/d Jl. Jumhana
md. Jl. Gatot Subroto s/d Jl. Kom. Yos Sudarso
md. Jl. Gatot Subroto s/d Jl. Pertempuran
Universitas Sumatera Utara
9
Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan
Reklame Di Wilayah Kota Medan (lanjutan)
No
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Nama Jalan
Jl. B. Katamso
Jl. Balai Kota
Jl. Bandung
Jl. Cik Ditiro
Jl. Cirebon
Jl. Dr. Mansyur
Jl. G. Krakatau
Jl. Glugur
Jl. G. Patimpus
Jl. G. Subroto
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
Jl. Gajah Mada
Jl. H.Z. Arifin
Jl. Ir. H. Juanda
Jl. Irian Barat / Jl. Jawa
Jl. Iskandar Muda
Jl. Karya Jasa
Jl. Kejaksaan
Jl. Kom. Yos Sudarso
Jl. Kapt Muslim
Jl. Kapt. Pattimura
Jl. Letjen Jamin Ginting
Jl. Letjen Suprapto
Jl. Mayjen Supadmo
Jl. Merak Jingga
Jl. Mongonsidi
Jl. M.T. Haryono
Jl. Ngumban Surbakti
Jl. Nibung Raya
Jl. P. Kemerdekaan
Jl. Palang Merah
Jl. Pemuda
Jl. Pandu
Jl. Pinang Baris
Jl. Prof. H.M. Yamin, SH
Jl. Putri Hijau
41.
42.
43.
44.
45.
46.
47.
Ringroad Gagak Hitam
Jl. Sekip
Jl. Setia Budi
Jl. Surabaya
Jl. Sutomo
Jl. Sutrisno
Jl. Sisingamangaraja
Keterangan
md. Jl. Suprapto s/d Jl. Ir. H. Juanda
md. Jl. Bukit Barisan s/d Jl. Perintis Kemerdekaan
md. Jl. Palangkaraya s/d Jl. Sutomo
md. Jl. HZ. Arifin s/d Jl. Sudirman
md. Jl. MT. Haryono s/d Jl. Pandu
md. Jl. Jamin Ginting s/d Jl. Setia Budi
md. Jl. Karantina s/d Pintu Tol
md. Jl. S. Parman s/d Jl. Gt. Subroto
md. Jl. Putri Hijau s/d Jl. H. Adam Malik
md. Jembatan Jl. Sei Babura s/d Simp. Jl. Kapt.
Muslim
md. Jl. S. Parman s/d Jl. Darussalam
md. Jl. Imam Bonjol s/d Jl. S. Parman
md. Jl. SM. Raja s/d Jl. Mongonsidi
md. Jl. HM. Yamin, SH s/d Jl. MT. Haryono
md. Jl. G. Subroto s/d Jl. Jamin Ginting
md. Jl. Jamin Ginting s/d Jl. Karya Jaya
md. Jl. S. Parman s/d Jl. Imam Bonjol
md. Jl. Merak Jingga s/d Jl. Pertempuran
md. Jl. G. Subroto s/d Jl. Kapt. Sumarsono
md. Jl. Sudirman s/d Jl. Mongonsidi
md. Simpang Pattimura s/d Simpang Pos
md. Jl. Imam Bonjol s/d Jl. Pemuda
md. Jl. G. Subroto s/d Jl. Setia Budi
md. Jl. Yos Sudarso s/d Jl. H.M. Yamin
md. Jl. Kapt. Pattimura s/d Ir. Juanda
md. Jl. Jamin Ginting s/d Jl. Perpustakaan
md. Jl. Gatot Subroto s/d Jl. Perpustakaan
md. Jl. Putri Hijau s/d Jl. Prof. HM. Yamin, SH
md. Jl. Imam Bonjol s/d Jl. Pegadaian
md. Jl. Suprapto s/d Jl. Palang Merah
md. Jl. Sutomo s/d Jl. Pemuda
md. Jl. Gatot Subroto s/d Jl. Sunggal
md. Jl. Putri Hijau s/d Jl. GB. Yosua
md. Jl. Prof. H.m. Yamin, SH s/d Jl. Merak
Jingga
md. Jl. G. Subroto s/d Jl. Gereja
md. Jl. Sunggal s/d Jl. Jamin Ginting
md. Jl. MT. Haryono s/d Jl. Pandu
md. Jl. Rahmadsyah s/d Jl. P. Kemerdekaan
md. Jl. Sutomo s/d Jl. AR. Hakim
md. Jl. Pandu s/d Jl. Sakti Lubis
Universitas Sumatera Utara
10
Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan
Reklame Di Wilayah Kota Medan (lanjutan)
No
48.
49.
Nama Jalan
Jl. S. Parman
Jl. T. Amir Hamzah
50.
B
Jl. Thamrin
Jalan Kelas 2 (dua)
C
Jalan Kelas 3 (tiga)
Keterangan
md. Jl. G. Subroto s/d Jl. Sudirman
md. Jl. Adam Malik s/d Jl. Brigjen H.A. Manaf
Lubis
md. Jl. P. Kemerdekaan s/d Jl. Sutrisno
Jalan yang tidak termasuk Jalan Kelas 1 (satu)
dan Jalan Kelas 3 (tiga)
Jalan Lingkungan
Tabel 2.2 Besar Nilai Rupiah Berdasarkan Kelas Jalan dan Ukuran Reklame
Nilai strategis
Ukuran Reklame
Kelas I
Kelas II
Kelas III
s/d 2x4 m2
s/d 2x4 m2
s/d 2x4 m2
Basaran Nilai Strategis
(Rp)
30.000.000,25.000.000,20.000.000,-
Tabel 2.3 Besaran Nilai Rupiah Bardasarkan Kelas Jalan dan Ukuran
Nilai strategis
Ukuran Reklame
Kelas I
Kelas II
Kelas III
diatas 2x4 m2
diatas 2x4 m2
diatas 2x4 m2
Basaran Nilai Strategis
(Rp)
175.000.000,150.000.000,125.000.000,-
Tabel 2.4 Besaran Nilai Sewa Reklame Papan/Billboard/Videotron/Large
Jenis Reklame
Papan/Billboard
/Videotron/LED
Lokasi
Penempatan
Ukuran Luas
Reklame
Kelas I.1
Kelas I.2
Kelas I.3
Kelas II.1
Kelas II.2
Kelas II.3
Kelas III.1
Kelas III.2
Kelas III.3
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
Besaran Nilai
Sewa
(Rp)
9.000,8.500,8.000,7.500,7.000,6.500,6.000,5.500,5.000,-
Universitas Sumatera Utara
11
Tabel 2.5 Besaran Nilai Sewa Reklame Kain Berupa Umbul-Umbul Spanduk dan
Sejenisnya serta Baliho
Jenis Reklame
Reklame kain
berupa umbul
umbul spanduk
dan sejenisnya
serta baliho
Lokasi
Penempatan
Ukuran Luas
Reklame
Kelas I.1
Kelas I.2
Kelas I.3
Kelas II.1
Kelas II.2
Kelas II.3
Kelas III.1
Kelas III.2
Kelas III.3
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
Besaran Nilai
Sewa
(Rp)
8.000,7.500,7.000,6.500,6.000,5.500,5.000,4.500,4.000,-
Tabel 2.6 Besaran Nilai Sewa Reklame Mini Billboard/Shelter/Reklame
Menempel
Jenis Reklame
Mini Billboard/
Shelter bus/
Reklame
Menempel
Lokasi
Penempatan
Kelas I.1
Kelas I.2
Kelas I.3
Kelas II.1
Kelas II.2
Kelas II.3
Kelas III.1
Kelas III.2
Kelas III.3
Ukuran Luas
Reklame
(m2)
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
Besaran Nilai
Sewa
(Rp)
8.000,7.500,7.000,6.500,6.000,5.500,5.000,4.500,4.000,-
Tabel 2.7 Besaran Nilai Sewa Reklame Merek Toko
Jenis
Reklame /
Merk Toko
Logam
Kaca
Plastik
Kayu
Ukuran Luas
Reklame
(m2)
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
Besaran Nilai Sewa
(Rp)
1.200,1.200,1.120,1.000,-
Nilai sewa reklame untuk jenis reklame selain Papan/Billboard/Videotron/Large
Display dan reklame kain serta baliho ditetapkan sebagai berikut:
Universitas Sumatera Utara
12
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
Dimana :
�
� � �+
�
� ��
∗
%
(2.1)
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
Universitas Sumatera Utara
13
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.
Universitas Sumatera Utara
14
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.
Universitas Sumatera Utara
15
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 16777216 jenis 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).
�=
�+�+�
(2.2)
Universitas Sumatera Utara
16
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
�= .
Gaussian Blurring
. + .
.� + .
.�
(2.3)
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)
Dimana :
��
,
=
x adalah koordinat baris pada kernel.
y adalah koordinat kolom pada kernel.
�� 2
�
−
2+ 2
2�2
(2.4)
Universitas Sumatera Utara
17
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.,
2015). Metode Canny terdiri dari beberapa langkah, yaitu menghilangkan noise dengan
Universitas Sumatera Utara
18
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
Universitas Sumatera Utara
19
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).
3.
Mendukung Operasi matriks dan vektor.
Universitas Sumatera Utara
20
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.
Universitas Sumatera Utara
21
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).
�
Dimana, Y = Tinggi Asli Objek.
=
�
=
(2.5)
�
�
(2.6)
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.
=
�
�
(2.7)
Universitas Sumatera Utara
22
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
Universitas Sumatera Utara
23
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
1
Judul
Measurement of Size and
Distance of Objects Using
Mobile Devices
Peneliti
Laotrakunchai, S.,
et al. 2013
Keterangan
2
3
Tree Height Measurement
based on image processing
Embeded in Smart Mobile
phoneDistance
Measurement by Stereo
VISION
Han, D. & Wang,
C. 2011
Stereo Vision Images
Processing for Real-time
Object Distance and Size
Measurements
Mustafah, Y. M.,
et al. 2012
4
Machine Vision for General
Cameras for Quality Testing
and Dimension Calculations
Murali, A. N. 2015
Menggunakan
accelerometer
smartphone.
Pengukuran dilakukan
dengan menggeser
smartphone dari ujung
sisi ke ujung lainnya.
Menggunakan kamera
smartphone.
Pengukuran dibantu
dengan proses
pengolahan citra dan 2
penanda yang
diletakkan pada dasar
pohon dan 1 meter
diatas penanda
pertama.
Menggunakan 2
kamera
Pengenalan objek yang
akan diukur dibantu
proses pengolahan
citra.
Pengukuran jarak
dihitung dengan
perbandingan objek
yang didapat dari citra
2 kamera.
Menggunakan kamera
digital.
Perhitungan jarak
didapatkan dari 5
metode yang berbeda.
Hasil pengukuran
didapat dari rumus
Photogrammetry
Universitas Sumatera Utara
24
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.
Universitas Sumatera Utara
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.
Universitas Sumatera Utara
7
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
1.
Subjek dan Objek Pajak Reklame
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
diatas tanah tersebut.
Universitas Sumatera Utara
8
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-badan atau lembaga organisasi internasional pada lokasi badanbadan tertentu.
g.
Diselenggarakan oleh Partai Politik Organisasi kemasyarakatan.
2.1.3
1.
Tarif dan Dasar Pengenaan Pajak Reklame
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
A
1.
2.
3.
4.
5.
Nama Jalan
Jalan Kelas 1
Jl. A. Yani
Jl. A. H. Nasution
Jl. Asia
Jl. Adam Malik
Asrama Pondok Kelapa
Keterangan
md. Jl. Palang Merah s/d Jl. Pulau Pinang
md. Jl. Karya Jaya s/d SM. Raja
md. Jl. Sutomo s/d Jl. Jumhana
md. Jl. Gatot Subroto s/d Jl. Kom. Yos Sudarso
md. Jl. Gatot Subroto s/d Jl. Pertempuran
Universitas Sumatera Utara
9
Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan
Reklame Di Wilayah Kota Medan (lanjutan)
No
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Nama Jalan
Jl. B. Katamso
Jl. Balai Kota
Jl. Bandung
Jl. Cik Ditiro
Jl. Cirebon
Jl. Dr. Mansyur
Jl. G. Krakatau
Jl. Glugur
Jl. G. Patimpus
Jl. G. Subroto
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
Jl. Gajah Mada
Jl. H.Z. Arifin
Jl. Ir. H. Juanda
Jl. Irian Barat / Jl. Jawa
Jl. Iskandar Muda
Jl. Karya Jasa
Jl. Kejaksaan
Jl. Kom. Yos Sudarso
Jl. Kapt Muslim
Jl. Kapt. Pattimura
Jl. Letjen Jamin Ginting
Jl. Letjen Suprapto
Jl. Mayjen Supadmo
Jl. Merak Jingga
Jl. Mongonsidi
Jl. M.T. Haryono
Jl. Ngumban Surbakti
Jl. Nibung Raya
Jl. P. Kemerdekaan
Jl. Palang Merah
Jl. Pemuda
Jl. Pandu
Jl. Pinang Baris
Jl. Prof. H.M. Yamin, SH
Jl. Putri Hijau
41.
42.
43.
44.
45.
46.
47.
Ringroad Gagak Hitam
Jl. Sekip
Jl. Setia Budi
Jl. Surabaya
Jl. Sutomo
Jl. Sutrisno
Jl. Sisingamangaraja
Keterangan
md. Jl. Suprapto s/d Jl. Ir. H. Juanda
md. Jl. Bukit Barisan s/d Jl. Perintis Kemerdekaan
md. Jl. Palangkaraya s/d Jl. Sutomo
md. Jl. HZ. Arifin s/d Jl. Sudirman
md. Jl. MT. Haryono s/d Jl. Pandu
md. Jl. Jamin Ginting s/d Jl. Setia Budi
md. Jl. Karantina s/d Pintu Tol
md. Jl. S. Parman s/d Jl. Gt. Subroto
md. Jl. Putri Hijau s/d Jl. H. Adam Malik
md. Jembatan Jl. Sei Babura s/d Simp. Jl. Kapt.
Muslim
md. Jl. S. Parman s/d Jl. Darussalam
md. Jl. Imam Bonjol s/d Jl. S. Parman
md. Jl. SM. Raja s/d Jl. Mongonsidi
md. Jl. HM. Yamin, SH s/d Jl. MT. Haryono
md. Jl. G. Subroto s/d Jl. Jamin Ginting
md. Jl. Jamin Ginting s/d Jl. Karya Jaya
md. Jl. S. Parman s/d Jl. Imam Bonjol
md. Jl. Merak Jingga s/d Jl. Pertempuran
md. Jl. G. Subroto s/d Jl. Kapt. Sumarsono
md. Jl. Sudirman s/d Jl. Mongonsidi
md. Simpang Pattimura s/d Simpang Pos
md. Jl. Imam Bonjol s/d Jl. Pemuda
md. Jl. G. Subroto s/d Jl. Setia Budi
md. Jl. Yos Sudarso s/d Jl. H.M. Yamin
md. Jl. Kapt. Pattimura s/d Ir. Juanda
md. Jl. Jamin Ginting s/d Jl. Perpustakaan
md. Jl. Gatot Subroto s/d Jl. Perpustakaan
md. Jl. Putri Hijau s/d Jl. Prof. HM. Yamin, SH
md. Jl. Imam Bonjol s/d Jl. Pegadaian
md. Jl. Suprapto s/d Jl. Palang Merah
md. Jl. Sutomo s/d Jl. Pemuda
md. Jl. Gatot Subroto s/d Jl. Sunggal
md. Jl. Putri Hijau s/d Jl. GB. Yosua
md. Jl. Prof. H.m. Yamin, SH s/d Jl. Merak
Jingga
md. Jl. G. Subroto s/d Jl. Gereja
md. Jl. Sunggal s/d Jl. Jamin Ginting
md. Jl. MT. Haryono s/d Jl. Pandu
md. Jl. Rahmadsyah s/d Jl. P. Kemerdekaan
md. Jl. Sutomo s/d Jl. AR. Hakim
md. Jl. Pandu s/d Jl. Sakti Lubis
Universitas Sumatera Utara
10
Tabel 2.1 Daftar Lokasi Jalan Yang Dibenarkan Untuk Penyelenggaraan
Reklame Di Wilayah Kota Medan (lanjutan)
No
48.
49.
Nama Jalan
Jl. S. Parman
Jl. T. Amir Hamzah
50.
B
Jl. Thamrin
Jalan Kelas 2 (dua)
C
Jalan Kelas 3 (tiga)
Keterangan
md. Jl. G. Subroto s/d Jl. Sudirman
md. Jl. Adam Malik s/d Jl. Brigjen H.A. Manaf
Lubis
md. Jl. P. Kemerdekaan s/d Jl. Sutrisno
Jalan yang tidak termasuk Jalan Kelas 1 (satu)
dan Jalan Kelas 3 (tiga)
Jalan Lingkungan
Tabel 2.2 Besar Nilai Rupiah Berdasarkan Kelas Jalan dan Ukuran Reklame
Nilai strategis
Ukuran Reklame
Kelas I
Kelas II
Kelas III
s/d 2x4 m2
s/d 2x4 m2
s/d 2x4 m2
Basaran Nilai Strategis
(Rp)
30.000.000,25.000.000,20.000.000,-
Tabel 2.3 Besaran Nilai Rupiah Bardasarkan Kelas Jalan dan Ukuran
Nilai strategis
Ukuran Reklame
Kelas I
Kelas II
Kelas III
diatas 2x4 m2
diatas 2x4 m2
diatas 2x4 m2
Basaran Nilai Strategis
(Rp)
175.000.000,150.000.000,125.000.000,-
Tabel 2.4 Besaran Nilai Sewa Reklame Papan/Billboard/Videotron/Large
Jenis Reklame
Papan/Billboard
/Videotron/LED
Lokasi
Penempatan
Ukuran Luas
Reklame
Kelas I.1
Kelas I.2
Kelas I.3
Kelas II.1
Kelas II.2
Kelas II.3
Kelas III.1
Kelas III.2
Kelas III.3
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
Besaran Nilai
Sewa
(Rp)
9.000,8.500,8.000,7.500,7.000,6.500,6.000,5.500,5.000,-
Universitas Sumatera Utara
11
Tabel 2.5 Besaran Nilai Sewa Reklame Kain Berupa Umbul-Umbul Spanduk dan
Sejenisnya serta Baliho
Jenis Reklame
Reklame kain
berupa umbul
umbul spanduk
dan sejenisnya
serta baliho
Lokasi
Penempatan
Ukuran Luas
Reklame
Kelas I.1
Kelas I.2
Kelas I.3
Kelas II.1
Kelas II.2
Kelas II.3
Kelas III.1
Kelas III.2
Kelas III.3
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
Besaran Nilai
Sewa
(Rp)
8.000,7.500,7.000,6.500,6.000,5.500,5.000,4.500,4.000,-
Tabel 2.6 Besaran Nilai Sewa Reklame Mini Billboard/Shelter/Reklame
Menempel
Jenis Reklame
Mini Billboard/
Shelter bus/
Reklame
Menempel
Lokasi
Penempatan
Kelas I.1
Kelas I.2
Kelas I.3
Kelas II.1
Kelas II.2
Kelas II.3
Kelas III.1
Kelas III.2
Kelas III.3
Ukuran Luas
Reklame
(m2)
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
1 hari
Besaran Nilai
Sewa
(Rp)
8.000,7.500,7.000,6.500,6.000,5.500,5.000,4.500,4.000,-
Tabel 2.7 Besaran Nilai Sewa Reklame Merek Toko
Jenis
Reklame /
Merk Toko
Logam
Kaca
Plastik
Kayu
Ukuran Luas
Reklame
(m2)
1m2
1m2
1m2
1m2
Jangka
Waktu
Pemasangan
1 hari
1 hari
1 hari
1 hari
Besaran Nilai Sewa
(Rp)
1.200,1.200,1.120,1.000,-
Nilai sewa reklame untuk jenis reklame selain Papan/Billboard/Videotron/Large
Display dan reklame kain serta baliho ditetapkan sebagai berikut:
Universitas Sumatera Utara
12
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
Dimana :
�
� � �+
�
� ��
∗
%
(2.1)
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
Universitas Sumatera Utara
13
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.
Universitas Sumatera Utara
14
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.
Universitas Sumatera Utara
15
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 16777216 jenis 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).
�=
�+�+�
(2.2)
Universitas Sumatera Utara
16
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
�= .
Gaussian Blurring
. + .
.� + .
.�
(2.3)
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)
Dimana :
��
,
=
x adalah koordinat baris pada kernel.
y adalah koordinat kolom pada kernel.
�� 2
�
−
2+ 2
2�2
(2.4)
Universitas Sumatera Utara
17
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.,
2015). Metode Canny terdiri dari beberapa langkah, yaitu menghilangkan noise dengan
Universitas Sumatera Utara
18
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
Universitas Sumatera Utara
19
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).
3.
Mendukung Operasi matriks dan vektor.
Universitas Sumatera Utara
20
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.
Universitas Sumatera Utara
21
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).
�
Dimana, Y = Tinggi Asli Objek.
=
�
=
(2.5)
�
�
(2.6)
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.
=
�
�
(2.7)
Universitas Sumatera Utara
22
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
Universitas Sumatera Utara
23
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
1
Judul
Measurement of Size and
Distance of Objects Using
Mobile Devices
Peneliti
Laotrakunchai, S.,
et al. 2013
Keterangan
2
3
Tree Height Measurement
based on image processing
Embeded in Smart Mobile
phoneDistance
Measurement by Stereo
VISION
Han, D. & Wang,
C. 2011
Stereo Vision Images
Processing for Real-time
Object Distance and Size
Measurements
Mustafah, Y. M.,
et al. 2012
4
Machine Vision for General
Cameras for Quality Testing
and Dimension Calculations
Murali, A. N. 2015
Menggunakan
accelerometer
smartphone.
Pengukuran dilakukan
dengan menggeser
smartphone dari ujung
sisi ke ujung lainnya.
Menggunakan kamera
smartphone.
Pengukuran dibantu
dengan proses
pengolahan citra dan 2
penanda yang
diletakkan pada dasar
pohon dan 1 meter
diatas penanda
pertama.
Menggunakan 2
kamera
Pengenalan objek yang
akan diukur dibantu
proses pengolahan
citra.
Pengukuran jarak
dihitung dengan
perbandingan objek
yang didapat dari citra
2 kamera.
Menggunakan kamera
digital.
Perhitungan jarak
didapatkan dari 5
metode yang berbeda.
Hasil pengukuran
didapat dari rumus
Photogrammetry
Universitas Sumatera Utara
24
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.
Universitas Sumatera Utara