TA : Perbaikan Gambar Pada Pendeteksi Parkir Kosong Berdasarkan Nilai Histogram.

PERBAIKAN GAMBAR PADA PENDETEKSI PARKIR

KOSONG BERDASARKAN NILAI HISTOGRAM

TUGAS AKHIR

Program Studi

S1 Sistem Komputer

Oleh:

RAHMAWAN SUCHINDA

10.41020.0093

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA 2016

ix

HALAMAN JUDUL ... i

HALAMAN MOTTO ... iii

HALAMAN PERSEMBAHAN ... iv

HALAMAN PENGESAHAN ... v

HALAMAN PERNYATAAN ... vi

ABSTRAK ... vii

KATA PENGANTAR ... viii

DAFTAR ISI ... ix

DAFTAR GAMBAR ... xiii

DAFTAR TABEL ... xiv

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang Masalah ... 1

1.1. Rumusan Masalah ... 2

1.2. Batasan Masalah... 3

1.3. Tujuan ... 3

1.4. Kontribusi ... 4

1.5. Sistematika Penulisan ... 4

BAB II LANDASAN TEORI ... 6

2.1. Area Parkir ... 6

2.2. VCR (Video Capture Recorder) ... 6

2.3. Pengolahan Citra ... 7

x

2.5. Contrast streching ... 10

2.6. grayscale ... 14

2.7. RGB (Red, Green, Blue) ... 15

2.8. Histogram ... 16

2.8.1. Pembuatan Histogram ... 18

2.8.2. Membuat Histogram ... 19

BAB III METODE PENELITIAN ... 22

3.1. Perancangan Sistem dan Blok Diagram Sistem ... 22

3.2. Perancangan perangkat keras ... 24

3.3. Pengambilan Citra Sample ... 25

3.4. Penerimaan Data Citra ... 25

3.5. Pengolahan Citra ... 26

3.6. Grayscaling ... 27

3.7. Image Enhancement ... 29

3.8. Metode Pengujian dan Evaluasi Sistem ... 30

3.8.1. Pengujian Streaming Citra ... 30

3.8.2. Pengujian Update citra dan Streaming ... 31

3.8.3. Pengujian Image Enhancement ... 31

3.8.4. Evaluasi Sistem Keseluruhan ... 33

BAB IV PENGUJIAN DAN EVALUASI SISTEM ... 34

4.1. Pengujian Streaming Citra Melalui Webcam ... 34

4.1.1. Tujuan ... 34

4.1.2. Alat yang Digunakan... 34

4.1.3. Prosedur Pengujian ... 35

xi

4.2. Pengujian Konversi Citra kedalam grayscale dan histogram ... 36

4.2.1. Tujuan ... 36

4.2.2. Alat yang digunakan ... 36

4.2.3. Prosedur Pengujian ... 36

4.2.4. Hasil Pengujian ... 37

4.3. Pengujian Pada Setiap Citra ... 38

4.3.1. Tujuan ... 38

4.3.2. Alat yang Digunakan... 38

4.3.3. Prosedur Pengujian ... 39

4.3.4. Hasil Pengujian ... 39

4.4. Pengujian Histogram ... 41

4.4.1. Tujuan ... 41

4.4.2. Alat yang digunakan ... 41

4.4.3. Prosedur Pengujian ... 41

4.4.4. Hasil Pengujian ... 42

4.5. Evaluasi Sistem Secara Keseluruhan ... 42

4.5.1. Tujuan... 42

4.5.2. Alat yang Digunakan ... 43

4.5.3. Prosedur Pengujian ... 43

4.5.4. Hasil Pengujian ... 43

BAB V PENUTUP ... 54

5.1. Kesimpulan ... 54

5.2. Saran ... 55

xii

LAMPIRAN ... 58 BIODATA PENULIS ... 67

1

BAB I PENDAHULUAN

1.1. Latar Belakang Masalah

Pada masa sekarang ini dan semakin banyaknya pengguna kendaraan bermotor, terutama pengendara mobil. Terutama ditempat area parkir mobil seperti didalam mall, area kampus, dan pusat – pusat perbelanjaan, hal tersebut semakin menjadi masalah untuk mencari tempat parkir yang kosong. Sehingga pengendara mengitari area parkir tersebut agar dapat menemukan mana tempat parkir yang kosong. Dan diperlukan area parkir mobil yang memadai, dan petunjuk untuk tempat parkir yang kosong, sehingga memudahkan para pengendara untuk mencari tempat parkir yang kosong.

Meskipun sekarang sudah banyak area parkir yang menggunakan kamera WebCam untuk memantau area parkir saja, untuk memanfaatkan kamera diarea parkir tersebut dibuatlah sistem yang mengelolah hasil gambar yang sudah diperoleh kamera WebCam sehingga dapat mengetahui area parkir yang kosong dengan menggunakan pengaturan nilai kontras otomatis, agar citra yang diterima bisa sempurna.

Kondisi cuaca juga dapat mempengaruhi hasil yang ditangkap oleh kamera tersebut, besar kecilnya nilai eksposure yang ditangkap oleh kamera juga akan mempengaruhi hasil gambar, sehingga kamera bisa kurang maksimal untuk mengetahui mana tempat parkir yang kosong. Sehingga bisa terjadi kesalahan dalam pemberitahuan untuk tempat parkir yang kosong tersebut, untuk mengatasi hal tersebut akan dilakukan dengan auto kontras untuk penangkapan terhadap cahaya

yang diterima oleh kamera. Agar kamera dapat berfungsi untuk pencahayaan diwaktu, pagi, siang, sore dan malam, sehingga gambar yang didapat terlihat jelas dan maksimal.

Contrast streching adalah teknik yang digunakan untuk mendapatkan citra

baru dengan contrast yang lebih baik daripada contrast dari citra asalnya. Citra yang memiliki contrast rendah dapat terjadi karena kurangnya pencahayaan, kurangnya bidang dinamika dari sensor citra , atau kesalahan pengaturan pembukaan lensa pada saat pengambilan citra. Sehingga dilakukan peregangan kontras (contrast streching) untuk dapat menghasilkan citra yang didapat terlihat jelas . (Lamabelawa, 2009)

Citra kontras bagus memperlihatkan jangkauan nilai keabuan yang lebar tanpa ada suatu nilai keabuan yang mendominasi. Histogram citranya memperlihatkan penyebaran nilai keabuan yang relatif seragam. (Sembiring, 2012)

Citra yang memiliki contrast rendah dapat terjadi karena kurangnya pencahayaan, kurangnya bidang dinamika dari sensor citra, atau kesalahan setting pembukaan lensa pada saat pengambilan citra. Citra dengan kualitas rendah dapat diperbaiki kualitasnya dengan operasi contrast streching. (Sembiring, 2012)

A. Rumusan Masalah

Berdasarkan latar belakang diatas, maka penulis akan merumuskan masalah yang ada. Adapun perumusan masalah yang akan dibahas adalah :

1. Bagaimana melakukan setting otomatis pada citra dengan pencahayaan kurang (Under Exposure) atau lebih (Upper Exposure) yang ditangkap oleh kamera WeBcam agar dapat mendeteksi area parkir kosong.

2. Bagaimana mengatur kontras setting otomatis pada citrra upper exposure dan

under exposure yang ditangkap oleh kamera WeBcam dengan menggunakan

nilai histogram.

3. Bagaimana melakukan perbaikan citra dengan menggunakan aplikasi OpenCV.

B. Batasan Masalah

Untuk menghindari pembahasan yang lebih luas terkait dengan perbaikan olah citra digital. Terdapat beberapa batasan masalah, maka penelitian ini hanya ditentukan pada area parkir tertentu :

1. Pendeteksi area parkir kosong menggunakan aplikasi yang sudah ada, yang dilakukan oleh peneliti sebelumnya.

2. Melakukan setting otomatis pada citra yang akan dihasilkan oleh kamera WebCam dengan menggunakan nilai pada histogram.

3. Pengujian dilakukan dengan menggunakan software C++.

C. Tujuan

Berdasarkan rumusan masalah yang diuraikan diatas, maka tujuan penelitian ini adalah sebagai berikut :

1. Mendapatkan hasil yang sempurna dalam penangkapan citra digital pada kamera WebCam dengan berdasarkan nilai histogram.

1.2. Kontribusi

Kontribusi tugas akhir ini adalah apabila sistem ini diterapkan maka dapat membuat orang lebih muda untuk mencari tempat parkir yang masih kosong. 1.3. Sistematika Penulisan

Sistematika penulisan buku tugas akhir ini terdiri dari lima bab, yang secara ringkas dapat diuraikan sebagai berikut :

BAB I : Pendahuluan

Pada BAB I dijelaskan tentang latar belakang masalah, perumusan masalah, pembatasan masalah, tujuan, kontribusi dan sistematika penulisan buku tugas akhir.

BAB II : Landasan Teori

Pada BAB II menjelaskan tentang kamera, citra digital, pengolahan citra yang meliputi grayscaling, thresholding, metode background

subtraction (subtraksi background), color space yang meliputi RGB, computer vision dan opencv, motion detection.

BAB III : Metode Penelitian

Pada BAB III membahas tentang perangkat-perangkat yang digunakan dalam membuat tugas akhir ini, baik (hardware) yang berupa miniatur maupun perangkat lunak (software) diantaranya

flowchart, proses update citra kondisi parkir, proses mendeteksi

perbaikan gambar, proses grayscaling, proses histogram, proses menghitung pixel warna putih serta proses menentukan koordinat area yang menjadi titik acuan.

BAB IV : Pengujian dan Evaluasi Sistem

Pada BAB IV membahas tentang pengujian sistem meliputi, pengujian pengambilan gambar secara otomatis setiap lima detik sekali, proses grayscale, proses thresholding, proses subtraksi, proses mengenali benda dari citra biner, proses menentukan koordinat tertentu.

BAB V : Penutup

Pada BAB V merupakan bagian akhir dari laporan penelitian tugas akhir ini yang menguraikan kesimpulan-kesimpulan yang diperoleh dari proses penelitian serta saran-saran untuk pengembangan penelitian selanjutnya.

6 BAB II

LANDASAN TEORI

2.1 Area parkir

Meningkatnya jumlah kendaraan pribadi saat ini khususnya mobil membuat kebutuhan lahan parkir yang terbuka yang luas. Tidak mudah untuk mencari ruang parkir yang kosong di tempat parkir yang terbuka, hal ini di sebabkan karena ruang parkir yang tersedia sudah oleh pengendara mobil lainya, sehingga pengemudi yang ingin menggunakan lahan parkir harus mengitari area parkir tersebut sampai mendapatkan ruang yang kosong, dan banyak juga pengemudi yang memarkirkanya secara pararel sehingga tidak pada ruang yang tersedia. (Muhadi Ardhie Tyasa, 2013).

Kurangnya informasi di area parkir mobil membuat para pengendara yang ingin memarkirkan kendaraanya mencaji sangat kerepotan. Sebenarnya masalah tersebut dapat diatasi dengan memanfaatkan teknologi komputer. Yang saat ini telah dikembangkan beberapa teknologi tempat parkir hanya dengan berupa petunjuk apakah tempat parkir tersebut penuh atau kosong pada papan yang terletak pada pintu masuk parkir. (Muhadi Ardhie Tyasa, 2013)

2.2 VCR (Video Capture Recorder)

(Kurniawan, 2009) Video capture adalah sebuah proses digitalisasi dari video analog ke dalam komputer dari perangkat di luar komputer seperti siaran TV dari TV tuner, VCR, kamera dan lain sebagainya, proses ini mendefinisikan

gambar analog menjadi elemen – elemen dasar gambar digital, elemen gambar digital adalah :

1. Kecerahan (brightness) 2. Kontras (contrast) 3. Kontur (contour) 4. Warna (color) 5. Bentuk (shape) 2.3 Pengolahan Citra

Pengolahan citra adalah memanipulasi dan analisis suatu informasi gambar yang dilakukan oleh komputer, informasi gambar di sini adalah gambar visual yang dibentuk dalam dua dimensi. Tujuan dari pengolahan citra sendiri adalah untuk memperbaiki informasi yang terdapat pada gambar agar dapat diterima secara maksimal dan mudah terbaca, dan untuk memperbaiki kualitas dari gambar yang diterima.

Pengolahan citra memiliki beberapa jenis pengoprasian, yaitu sebagai berikut.

1. Perbaikan kualitas citra (image enhacement).

Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra.

Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan.Contoh-contoh operasi perbaikan citra:

a. perbaikan kontras gelap/terang

b. perbaikan tepian objek (edge enhancement) c. penajaman (sharpening)

d. grayscaling e. noise filtering

2. Pemugaran citra (image restoration)

Operasi ini bertujuan menghilangkan atau meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh operasi pemugaran citra:

a. penghilangan kesamaran (deblurring) b. penghilangan noise

3. Penempatan citra (image compression)

Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Contoh metode pemampatan citra adalah metode JPEG.

4. Segmentasi citra (image segmentation)

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.

5. Pengorakan citra (image analysis)

Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Proses segmentasi

kadangkala diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi pengolahan citra:

a. Pendeteksian tepi objek (edge detection) b. Ekstraksi batas (boundary)

c. Representasi daerah (region)

6. Rekanstruksi citra (image recontruction)

Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh. (Nixon dan Aguado, 2002)

Citra digital (diskrit) dihasilkan dari citra analog (kontinu) melalui digitalisasi. Digitalisasi citra analog terdiri sampling danquantitazion Sampling adalah pembagian citra ke dalam elemen-elemen diskrit (pixel), sedangkan

quantitazion adalah pemberian nilai intensitaswarna pada setiap pixel dengan nilai

yang berupa bilangan bulat (Awcock, 1996). Beberapa hal yang perlu diperhatikan dalam pengolahan citra digital adalah kuantitas data, pendekatan statistik, kecepatan, keefisiensian, sistematika, pencarian informasi kembali (retrival), dan modifikasi, termasuk resolusi citranya. (Purwadhi, 2001)

2.4. Brightness

Brightness adalah kata lain untuk intensitas cahaya. Kecerahan pada sebuah

titik (pixel) di dalam citra bukanlah intensitas yang real, tetapi sebenernya adalah intensitas rata – rata dari suatu area yang mencakupnya. Sistem visual manusia mampu menyesuaikan dirinya dengan tingkat kecerahan (brightness level) mulai

dari yang paling rendah sampai yang paling tinggi dengan jangkauan sebesar 1010. (Fatmawati, 2011)

Untuk membuat citra lebih terang atau lebih gelap, kita dapat melakukan pengubahan kecerahan citra. Kecerahan atau kecemerlangan citra dapat diperbaiki dengan menambahkan atau mengurangkan sebuah konstanta kepada dari setiap

pixel didalam citra. Akibat operasi ini, histogram mengalami pergeseran. (Munir,

2004)

Nilai pixel hasil pengubahan mungkin lebih kecil atau sama dengan derajat keabuan minimum (0) atau lebih besar sama dengan derajat keabuan maksimum (255). Karena itu, pixel tersebut perlu dilakukan clipping ke nilai keabuan minimum atau kenilai keabuan maksimum. (Munir, 2004)

2.5. Contrast Streching

Contrast streching biasa disebut dengan normalisasi mencoba untuk

meningkatkan kualitas gambar dengan peregangan dengan intensitas nilai dalamnya agar dapat memanfaatkan sepenuhnya kemungkinan nilai yang didapatkan oleh gambar. Contrast streching biasa digunakan untuk mendapatkan citra baru dengan kontras yang lebih baik daripada kontras asalnya. (Dharmawan, 2013)

Contrast streching digunakan untuk meningkatkan jangkauan dinamis

dari tingkat abu-abu dalam gambar. Sebagai contoh, dalam sistem 8-bit tampilan gambar dapat menunjukkan maksimum 256 tingkat abu-abu. (Dharmawan, 2013)

Citra yang memiliki kontras rendah dapat terjadi karena kurangnya pencahayaan dalam gambar, kurangnya bidang dinamika dari sensor citra, atau kesalahan pdalam menggada pengaturan saat pembukaan lensa dalam mengambil

sebuah citra. Ide dari proses contras streching adalah untuk meningkatkan bidang dinamika dari gray level di dalam citra yang akan diproses. Citra dengan kontras rendah mempunyai kualitas yang relatif kurang baik, sehingga informasi yang diterima sulit untuk diinterpretasikan oleh mata manusia. (Dharmawan, 2013)

Gambar pengindraan jauh diperoleh dari multi-spectral. FCC (False

Color Composite) adalah kombinasi dari ketiga band, seperti di mana masing –

masing band diberi tugas untuk pewarnaan primer yang berbeda, yaitu (RGB)

Red, green, dan blue. (Dharmawan, 2013)

Gambar 2.1 Sebelum proses contras streching (Kumar, 2010)

Sering kali gambar dipindai sedemikian hingga, untuk mengubah kecerahan yang dihasilkan tidak menggunakan rentang dinamis yang sedemikian hingga. Penyempurnaan kontras ditingkatkan agar daya nalar benda pada gambar dapat ditingkatkan kecerahanya antara obyek dan background nya. (Eschbach, 2009).

Citra kontras rendah dapat diperbaiki kualitasnya dengan operasi peregangan kontras. Melalui operasi ini, nilai warna keabuan akan merentang dari 0 sampai 225 (pada citra 8-bit), dengan kata lain nilai warna keabuan terpakai secara merata. (Munir, 2004)

Gambar 2.3 Peregangan kontras (Contrast Streching) (Milayanti, 2013) Pada peningkatan kontras, titik yang cenderung gelap akan menjadi lebih gelap, dang yang cenderung terang akan menjadi lebih cemerlang. Peningkatan kontras juga bisa dilakukan dengan berbagai macam rumus, salah satunya : (Milayanti, 2013)

S = hl – Q ...……….………..…(1)

Kontras menyatakan sebaran terang (lighteness) dan gelap (darkness) di dalam sebuah gambar. Citra dengan kontras rendah di cirikan oleh sebagian besar komposisi citranya adalah terang atau sebagian besar citranya gelap. Pada citra

dengan kontras yang baik, komposisi citra gelap dan citra terang tersebar secara merata. (Fatmawati, 2011)

Metode pada contrast streching sangat tergantung dari kebutuhan, apakah kontras citra mau dibuat kearah gelap atau yang terang. Contrast yang baik akan terlihat pada nilai – nilai grafik histogram yang menyebar secara merata dari warna gelap hingga warna terang. (Choerudin, 2013)

Cara kerja dari proses contrast streching (peregangan kontras) pada citra 8-bit adalah sebagai berikut.

1. Mengelompokan dan menghitung pixel berdasarkan nilai keabuan (membuat histogram). (Choerudin, 2013)

2. Memindai (Scan) histogram dari nilai keabuan terkecil ke nilai keabuan terbesar (0 hingga 255) untuk menemukan batas nilai keabuan yang terendah dan batas nilai keabuan tertinggi dari kelompok pixel (citra). (Choerudin, 2013)

3. Memetakan (menskalakan) berdasarkan pixel pixel yang berada di antara batas terendah hingga batas tertinggi untuk memenuhi rentang nilai dari warna keabuan yang lengkap (0 hingga 255) dengan persamaan: (Choerudin, 2013)

...…...……….………(2) Dalam hal ini Y adalah nilai keabuan yang baru atau diperoleh, X adalah nilai keabuan yang lama, X1 adalah nilai keabuan tertinggi dari kelompok pixel dan X2 adalah nilai keabuan terendah dari kelompok pixel. Dengan menggunakan persamaan (2) maka akan didapatkan nilai keabuan 0-255. (Choerudin, 2013)

Metode yang digunakan dalam contrast streching adalah dengan menghitung pixel dari image dan kemudian melakukan proses untuk melebarkan

pixel levelnya : (sembiring, 2012)

Pixel lama - pixel level terendah

Pixel level tertinggi - pixel level terendah

x 255

………(3)

2.6. Grayscale

Proses awal yang sering dilakukan dalam melakukan image processing adalah mengubah citra berwarna menjadi citra grayscale. Hal ini digunakan untuk menyedarhanakan model citra. (Dharmawan, 2013). Citra grayscale hanya menggunakan warna satu tingkatan warna abu – abu. . Warna abu – abu adalah satu – satunya warna pada ruang RGB (Red, Green, Blue) yang mempunyai itensitas warna yang sama.

Pada citra berasas keabu–abuan hanya mememlukan nilai intensitas untuk tiap piksel sebagai nilai tunggal, sedangkan pada citra yang berwarna memerlukan sebanyak tiga nilai intensitas untuk setiap pikselnya. Intensitas dari citra berwarna grayscale akan disimpan ke dalam 8 bit integer yang memberikan 256 kemungkinan yang mana akan dimulai dari level 0 hingga 255 (0 untuk warna hitam dan 255 untuk warna putih dan di antara 0 – 255 adalah derajat warna keabuan). (sunu jatmika, 2014)

Gambar 2.4 Grayscale level (sunu jatmika, 2014)

2.7. RGB (Red, Green, Blue)

RGB mengacu pada sistem untuk mewakili warna yang akan digunakan pada layar komputer. Warna merah, hijau, dan biru dapat dikombinasikan dalam berbagai proporsi untuk mendapatkan warna spektrum. Tingkat R, G, dan B mendapat nilai rentang dari 0 sampai 100 persen dari intensitas penuh. (Rouse, 2005).

Gambar 2.5 Contoh reperentasi RGB (Pradhitya, 2015)

Pengolahan warna dengan menggunakan model RGB sangat mudah dan sederhana, karena informasi warna dalam komputer sudah dikemas dalam model yang sama. Hal yang perlu dilakukan adalah melakukan pembacaan nilai – nilai R, G, dan B pada satu pixel. (Pradhitya, 2015)

Salah satu cara untuk menghitung warna yaitu dengan cara menormalisasi ketiga komponen warna tersebut. Normalisasi penting dilakukan terutama bila sejumlah citra ditangkap dengan penerangan yang berbeda – beda. Hasil perhitungan tiap komponen warna pokok yang telah dinormalisasi akan menghilangkan pengaruh penerangan sehingga setiap komponen warna dapat dibandingkan satu sama lainya walaupun berasal dari citra dengan kondisi penerangan yang tidak sama. (Pradhitya, 2015)

Cara menormalisasi adalah sebagai berikut.

.………(4) ……….(5) ……….(6)

Bila ketiga warna komponen warna yang telah dinormalisasi dengan masing – masing indeks warna merah (r), indeks warna hijau (g), dan indeks berwarna biru (b), mempunyai nilai yang sama (1/3), maka objek tidak berwarna. Bila (r) lebih besar dari pada g dan b, maka objek berwarna merah, dan seterusnya. (Pradhitya, 2015)

2.8. Histogram

Histogram adalah grafik yang menggambarkan penyebaran dari nilai – nilai pixel yang terdapat pada ssuatu citra atau bagian citra tertentu didalamnya. Intensitas pada citra dapat diketahui dari sebuah histogram. Histogram juga dapat mengetahui tentang banyak hal tentang kecerahan (Brigrthnets) dan kontras

(Contrast) dari sebuah gambar. Karena itu histogram adalah alat bantu yang sangat berharga dalam sebuah pengerjaan pengolahan citra, baik secara kuantitatif ataupun kualitatif. (Fatmawati, 2011)

Histogram merupakan dasar untuk berbagai teknik pengolahan domain spesial. Manipulasi histogram dapat digunakan secara efektif untuk peningkatan citra, seperti yang ditampilkan di bagian ini. Histogram sederhana untuk menghitung dalam perangkat lunak dan juga untuk implementasi hardware, sehingga membuat mereka populer dalam pengolahan citra yang real-time. (Rafael C. Gonzalez, 2004)

Penyebaran nilai intensitas harus diubah supaya bisa menghasilkan hasil citra yang baik, dan teknik yang biasa dipakai adalah pemerataan histogram (Histogram equalizatition). Tujuan dari pemerataan histogram sendiri adalah untuk memperoleh penyebaran yang merata, sehingga setiap derajat keabuan akan memiliki jumlah pixel yang relatif sama. (Fatmawati, 2011)

Membandingkan histogram dari citra mentah dan citra yang ditingkatkan menggunakan linear streching dan histogram yang disamakan. Apa saja bagian yang terdapat pada histogram? (Harrison, 2005)

1. Judul, judul singkat yang menjelaskan tentang isi yang terkandung dalam histogtram. (Harrison, 2005)

2. Horisontal atau X-Axis: horisontal atau sumbu X berisi skala yang memiliki nilai – nilai yang pengukuranya cocok. Pada umumnya pengukuran ini dikelompokan kedalam interval untuk membantu meringkas set data yang besar, sedangkan data individu tidak ditampilkan. (Harrison, 2005)

3. Bar: Bar memiliki dua karakteristik yang penting, yaitu tinggi dan lebar. Tinggi untuk menunjukan jumlah nilai dalam selang waktu yang terjadi, sedangkang width merupakan panjang pada interval yang tertutup oleh bar. (Harrison, 2005)

4. Vertical orY-Axis: vertikal atau Sumbu Y adalah skala yang berisi beberapa waktu nilai yang terdapat pada selang waktu yang terjadi. Jumlah waktu juga biasa disebut sebagai frekuensi. (Harrison, 2005)

5. Legend : legend memberikan informasi tambahan bahwa dokumen mana data

itu berasal dari dan bagaimana pengukuran dikumpulkan. (Harrison, 2005)

2.8.1. Pembuatan Histogram 1. Ciri – ciri citranya

a. Gelap b. Terang c. Normal

d. Normal Brightness dan Contrast

Gambar 2.6 (a) Citra Gelap, (b) Citra terang, (c) Citra normal (d) normal

Gambar 7. Memperlihatkan tiga buah citra lena. Citra lena yang pertama terlalu gelap. Histogramnya banyak menumpuk pada bagian kiri, karena citra tersebut mengandung banyak nilai intensitas yang dekat dengan 0 (hitam). Citra lena yang kedua terlalu terang. Histogramnya banyak menumpuk pada bagian kanan, karena citra tersebut mengandung banyak nilai intensitas yang dekat dengan 255 (putih). Citra lena yang ketiga adalah citra yang normal (bagus). Histogram tersebar merata di seluruh daerah derajat keabuan. (Prof. Dr.rer.nat. Achmad Benny Mutiara, 2005)

2.8.2. Membuat Histogram

Misalkan citra digital memiliki L derajat keabuan, yaitu dari nilai 0 sampai L-1 (misalnya pada citra dengan kuantitas derajat keabuan 8-bit, nilai derajat keabuan dari 0 sampai 255). Secara sistematis histogram citra dihitung dengan rumus

, i = 0, 1, …., L-1 ………..(7) Yang dalam hal ini,

ni = jumlah pixel yang memiliki derajat keabuan i n = jumlah seluruh pixel di dalam citra

Plot hi versus fi dinamakan histogram. Gambar 8. Adalah contoh sebuah histogram citra. Secara grafis histogram ditampilkan dengan diagram batang. Dapat diperhatikan bahwa persamaan (7), nilai ni telah dinormalkan dengan membaginya dengan n, nilai hi berada di dalam selang 0 sampai 1. (Prof. Dr.rer.nat. Achmad Benny Mutiara, 2005)

Gambar 2.7 Histogram citra (Prof. Dr.rer.nat. Achmad Benny Mutiara, 2005) Fitur yang dimiliki OpenCV antara lain :

1. Manipulasi data citra (alocation, copying, setting, convert).

2. Citra dan video I/O (file dan kamera based input, image/video file output). 3. Manipulasi Matriks dan Vektor beserta rutin-rutin aljabar linear (products,

solvers, eigenvalues, SVD).

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

5. Pemroses citra fundamental (filtering, edge detection, corner detection,

sampling and interpolation, color conversion, morphological operations, histograms, image pyramids).

6. Analisis struktur(connected components, contour processing, distance

Transform, various moments, template matching, Hough Transform, polygonal approximation, line fitting, ellipse fitting, Delaunay triangulation).

7. Kalibrasi kamera (calibration patterns, estimasi fundamental matrix,

estimasi homography, stereo correspondence).

8. Analisis gerakan (optical flow, segmentation, tracking). 9. Pengenalan obyek (eigen-methods, HMM).

10. Graphical User Interface (display image/video, penanganan keyboard dan

mouse handling, scroll-bars).

OpenCV terdiri dari 3 library, yaitu:

1. CV : Untuk algoritma Image Processing dan Vision 2. Highgui : Untuk GUI, Image dan Video I/O

22 BAB III METODE PENELITIAN

Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat parkir kosong. Dalam pengujian yang dilakukan, penguji melakukan pengembangan untuk aplikasi streaming dan membuat peregangan kontras.

Untuk melakukan pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain:

1. Studi kepustakaan

Studi kepustakaan berupa pencarian data-data literatur dari fungsi pada

library OpenCV, melalui pencarian dari internet, dan konsep-konsep teoritis dari

buku-buku penunjang serta metode yang akan digunakan untuk melakukan pengolahan citra.

2. Penelitian

Penelitian dilakukan dengan menggunakan aplikasi perangkat lunak, implementasi perangkat lunak, dan pengambilan data pengujian aplikasi, kemudian melakukan evaluasi dari data hasil pengujian yang telah dilakukan.

3.1. Perancangan Sistem dan Blok Diagram Sistem

Model penelitian yang akan dilakukan adalah model penelitian pengembangan. Untuk mempermudah dalam memahami sistem yang akan dibuat dapat dijelaskan melalui blok diagram pada Gambar 3.1.

Gambar 3.1 Blok Diagram Sistem Secara Umum

Sebagai input, citra didapatkan dari kamera yang terpasang pada miniatur. Kemudian diproses menggunakan console application Visual C++ 2008 dengan memanfaatkan library OpenCV. Citra yang diperoleh adalah citra keadaan blok parkir mobil. Setelah mendapatkan citra tersebut, maka selanjutnya citra akan diproses untuk kemudian disubtraksi/dikurangkan (subtraction) dengan citra sampel (citra blok tanpa mobil). Dari hasil subtraksi tersebut dilakukan klasifikasi benda yang teridentifikasi merupakan mobil atau tidak.

Input citra yang didapatkan dari tugas akhir sebelumnya akan diolah untuk mendapatkan citra yang sempurna. Sehingga input citra nanti dapat bekerja secara maksimal untuk mendeteksi tempat parkir yang kosong berdasarkan nilai histogram yang didapatkan. Semua proses dilakukan menggunakan aplikasi visual C++ 2008, dengan memanfatkan library OpenCV. Pada akhirnya akan ditampilkan informasi pada PC berupa output nomor tempat yang kosong (diasumsikan bahwa setiap tempat parkir terdapat nomor urut), selain itu juga citra yang diambil secara streaming akan ditampilkan pada layar PC.

3.2. Perancangan Perangkat Keras

Flowchart perancangan dan pembuatan miniatur sebagai berikut :

Gambar 3.2 Flowchart Pembuatan Miniatur

Dalam Tugas Akhir ini perangkat keras yang digunakan adalah miniatur tempat parkir, miniatur telah dilakukan riset desain dan ukuran tempat parkir dalam tugas akhir sebelumnya. Selanjutnya diimplementasikan di aera terbuka agar sesuai dengan konsep yang dikerjakan terhadap tugas akhir kali ini.

Hasil yang didapat dari area terbuka adalah pencahayaan yang selalu berubah - ubah setiap waktu, sehingga kamera diprogram agar dapat mengatur pencahayaan yang masuk melalui konversi histogram.

Riset tempat

Perancangan gambar

Perbaikan gambar

Uji coba start

3.3. Pengambilan Citra Sampel

Citra sampel diambil dalam ruangan terbuka atau dalam area parkir

outdoor, dan dalam situasi dan kondisi yang selalu berubah – ubah pencahayaanya.

Citra sampel tersebut digunakan untuk data yang akan disubtraksi dengan citra update. Pengambilan citra sampel dilakukan secara manual dan akan disimpan pada direktori D:\\file TA\\motiondetection1.jpg. Ketika program berjalan program akan memuat citra sampel menggunakan fungsi cvLoadImage dan disimpan dalam variabel img, format variabel img adalah Iplimage. Berikut potongan program untuk memuat citra sampel .

IplImage*img=cvLoadImage ("D:\\file TA\\motiondetection1.jpg" ); 3.4. Penerimaan Data Citra

Setiap data citra yang dikirimkan dari kamera diakses dengan pointer

CvCapture dan videocapture menggunakan fungsi cvCaptureFromCAM(1), VideoCapture cap(1); Angka 1 pada fungsi cvCaptureFromCAM(1) merupakan

indeks dari kamera yang digunakan. Berikut adalah potongan program untuk proses penerimaan data citra dari Kamera menggunakan.

CvCapture* capture = cvCaptureFromCAM(1);

Data citra yang ditangkap adalah data citra dengan ruang warna RGB dan disimpan langsung pada variabel Iplimage (Intel Image Processing Library) yaitu stuktur data untuk penyimpanan data citra pada OpenCV. Urutan channel data dalam Iplimage adalah BGR sehingga untuk menampilkan warna sesungguhnya. Kemudian data citra yang didapat diolah menjadi histogram untuk mendapatkan hasil yang diinginkan.

Data citra yang ditangkap akan diolah menjadi ke data histogram, untuk mendapatkan hasil yang maksimal sebelum dinormalisasi kembali dari hasil histogram yang didapatkan.

3.5. Pengolahan Citra

Proses pengolahan citra adalah proses yang paling utama dalam pengerjaan program untuk melakukan image processing pada Tugas Akhir ini karena menggunakan Kamera webcam sebagai sensor untuk mendeteksi cahaya yang masuk dan mengkonversi citra yang ditangkap dan kemudian diolah. Berikut adalah Flowchart pengolahan citra secara garis besar :

Gambar3.3 Flowchart Pengolahan Citra

Metode yang digunakan untuk proses pengolahan citra adalah metode

konversi warna kedalam grayscaling, kemudian dikonversi menjadi histogram untuk mengkonversi cahaya yang masuk.

Proses pengolahan citra disini yang dimaksud adalah bagaimana proses pengolahan citra dari awal hingga mendapatkan hasil yang diinginkan. Untuk mendukung proses tersebut dilakukan proses konversi warna dari RGB (Red

green blue) menjadi citra berwarna grayscale sebelum dirubah menjadi histogram,

sehingga mendapatkan hasil yang diinginkan.

Ketika cahaya berubah – ubah maka kamera tidak bisa mendapatkan citra yang sempurna, oleh karna itu dilakukan proses histogram supaya mendapatkan citra yang sempurna. Setelah melakukan proses histogram, langkah selanjutnya yang dilakukan adalah normalisasi citra, normalisasi citra bertujuan untuk mendapatkan hasil dari histogram tersebut.

Setelah dilakukan proses pengolahan citra dengan menggunakan metode

contrast streching nantinya akan diproses kedalam deteksi tempat parkir kosong,

yang sudah pernah dibahas dalam Tugas akhir sebelumnya.

3.6. Grayscaling

Grayscale adalah suatu format citra atau gambar yang tiap-tiap pixel

gambar hanya terdiri dari 1 channel warna. Proses perubahan warna dari RGB menjadi Grayscale bertujuan untuk mempermudah proses selanjutnya yaitu proses perubahan Grayscale menjadi biner. Sehingga setelah proses subtraksi berhasil dilakukan maka langkah selanjutnya ialah melakukan konversi format gambar dari RGB menjadi Grayscale. Untuk mengubah RGB menjadi Grayscale dapat digunakan rumus.

Grayscale = 0.299R + 0.587G + 0.114B

atau dapat menggunakan algoritma dengan merata-rata nilai ketiga buah channel RGB.

Grayscale = ( R + G + B ) / 3

Perubahan gambar RGB menjadi Grayscale menggunakan library openCV pada visual C++ menggunakan perintah sebagai berikut.

cvCvtColor(region1,gimask1,CV_RGB2GRAY);

Pada perintah tersebut sudah terdapat dua frame yaitu region1 dan gimask1. region1 adalah frame RGB hasil subtraksi sedangkan gimask1 adalah

frame yang disediakan untuk Grayscale yang akan dibuat. Sehingga maksud dari

potongan perintah tersebut adalah mengubah gambar region1 menjadi Grayscale dengan fungsi CV_RGB2GRAY lalu disimpan pada frame bernama gimask1.Tetapi terlebih dahulu dibuat deklarasi pointer untuk image graycale, yaitu dengan cara seperti berikut.

IplImage*gimask1=cvCreateImage(cvGetSize(region1),IPL_DEPTH_8U,1);

Pada potongan program tersebut terdapat IPL_DEPTH_8U yang artinya adalah tiap-tiap pixel bernilai 8 bit. Sedangkan angka 1 setelah koma dibelakang IPL_DEPTH_8U bermakna tiap-tiap pixel hanya terdiri dari sebuah channel.

Proses awal yang sering dilakukan dalam melakukan image processing adalah mengubah citra berwarna menjadi citra grayscale. Hal ini digunakan untuk menyedarhanakan model citra. (Dharmawan, 2013). Citra grayscale hanya menggunakan warna satu tingkatan warna abu – abu. (Sutoyo, 2012). Warna abu – abu adalah satu – satunya warna pada ruang RGB (Red, Green, Blue) yang mempunyai itensitas warna yang sama.

Pada citra berasas keabu–abuan hanya mememlukan nilai intensitas untuk tiap piksel sebagai nilai tunggal, sedangkan pada citra yang berwarna memerlukan sebanyak tiga nilai intensitas untuk setiap pikselnya. Intensitas dari citra berwarna grayscale akan disimpan ke dalam 8 bit integer yang memberikan 256 kemungkinan yang mana akan dimulai dari level 0 hingga 255 (0 untuk warna hitam dan 255 untuk warna putih dan diantara 0 – 255 adalah derajat warna keabuan). (sunu jatmika, 2014)

Gambar 3.4 Grayscale level (sunu jatmika, 2014)

3.7. Image Enhancement

Teknik image enhancement digunakan untuk memperbaiki citra yang diambil, seperti brightness, contrast, kemudian dirubah menjadi citra image

grayscale, noise, dan deteksi tepi. (basuki, 2007)

Image enhancement (perbaikan citra) bertujuan untuk meningkatkan

kualitas citra untuk pengekihatan manusia atau untuk mengkonversi suatu citra agar lebih baik citra yang sebelumnya.

Gambar 3.5. Citra dalam bentuk Image enhancement

3.8. Metode Pengujian dan Evaluasi Sistem

Untuk dapat mengetahui apakah aplikasi sudah bisa berjalan sesuai dengan apa yang diharapkan, maka akan dilakukan pengujian dan evaluasi terhadap sistem, dan dilakukan evaluasi untuk setiap tahapan dalam pembuatan sistem aplikasi. Dimulai dari streaming, update terhadap citra dalam berbagai kondisi cuaca, grayscaling, dan histogram untuk dapat mengetahui perhitungan dalam mendeteksi parkir.

3.8.1. Pengujian Streaming Citra

Untuk mengetahui apakah data citra sudah dapat diakses langsung melalui Kamera, maka dilakukan pengujian dengan cara menjalankan (running) program pemanggilan kamera dari Visual C++ 2008, yaitu untuk mengakses console

Kamera secara langsung dari program. Kemudian citra yang tampil akan diuji apakah dapat menampilkan data citra secara streaming.

3.8.2. Pengujian Update Citra dan streaming

Pengujian program dilakukan apakah data berupa citra kondisi parkir dapat melakukan update secara otomatis, dan data update sengaja diberi nama file yang sama dari sebelumnya, agar dapat diketahui apakah pengujian bisa sempurna ( D:\\File TA\\motiondetection1.jpg), citra yang diambil akan update secara otomatis.

Sedangkan streaming untuk mengetahui apakah cahaya yang masuk terlalu berlebihan atau terlalu rendah, sehingga pengujian yang dilakukan dapat diketahui melalui proses histogram yang ada pada streaming tersebut. dan pada saat streaming update citra akan tetap dilakukan dan disimpan kedalam direktori yang sudah tersedia.

3.8.3. Pengujian Image enhancement

Pengujian image enhancement dilakukan dengan cara melakukan perbaikan terhadap citra yang didapat pada saat melakukan pengujian streaming, citra yang didapat kemudian dikonversi kedalam image grayscale kemudian dilakukan perbaikan terhadap citra.

Setelah citra dilakukan perbaikan, maka hasil yang didapatkan akan berbeda dengan citra grayscale yang telah dilakukan konversi. Pengujian dilakukan secara straming dengan kondisi citra awal dan grayscale.

Gambar 3.6 Citra berwarna grayscale

3.8.4. Evaluasi Sistem Keseluruhan

Setelah melalui seluruh proses pengujian di atas maka perlu dilakukan pengujian sistem secara keseluruhan. Dimulai dari melihat data citra yang ditangkap oleh Kamera, dan melihat tampilan data citra yang ditampilkan window

image. Setelah itu, melalui tahap update citra, yaitu ketika waktu sistem

menunjukkan detik ke-5 atau kelipatannya maka gambar yang tersimpan pada direktori D://File TA//motiondetection1.jpg akan berubah sesuai kondisi citra pada saat menit ke-5 atau kelipatannya dan apabila waktu belum mencapai 5 detik atau kelipatannya maka gambar yang tersimpan tidak akan berubah. Kemudian dilanjutkan dengan melihat hasil tahap pengolahan citra, yaitu ketika tiap 5 detik sekali, maka program akan memperbarui list nomor parkir. Kemudian sebagai tambahan, kamera pada miniatur juga mengirimkan citra yang disorot untuk ditampilkan pada PC secara streaming..

Secara keseluruhan sistem mampu berjalan sesuai dengan apa yang diharapkan, citra berwarna RGB yang diubah menjadi citra grayscale dan kemudian dikonversi kedalam image enhancement untuk mengetahui setiap detail citra yang ditangkap. Jika keseluruhan sistem telah berjalan sesuai dengan langkah-langkah tersebut, maka secara keseluruhan sistem ini sudah dikatakan baik

34 BAB IV

PENGUJIAN SISTEM

Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi parkir,mendeteksi gerak, menentukan koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang terakhir pengujian sistem secara keseluruhan yaitu Program akan mengeluarkan output nomor parkir yang kosong sesuai dengan kondisi.

4.1 Pengujian Streaming Citra Melalui WebCam

Pengujian streaming ini dilakukan dengan mengintegrasikan Microsoft Visual C++ melalui library OpenCV. Yaitu untuk memanggil serta menjalankan

console WebCam tersebut melalui aplikasi visual C++ 2008.

4.1.1 Tujuan

Tujuan dari percobaan ini untuk mengetahui apakah aplikasi sudah mampu menampilkan data citra dari WebCam ke aplikasi pada Visual C++ dan apakah bisa langsung diproses oleh program.

4.1.2 Alat yang Digunakan

1. Laptop

2. Microsoft Visual C++ 2008 3. WebCam

4.1.3 Prosedur Pengujian

1. Menjalankan program console pada Microsoft Visual C++ 2008

2. Menjalankan program untuk mengakses data citra pada kamera Laptop tersebut

3. Melihat hasil data citra pada window

4.1.4 Hasil Pengujian

Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari WebCam pada Gambar 4.1.

4.2 Pengujian konversi citra kedalam grayscale dan equalize histogram Untuk pengujian konversi citra dilakukan untuk mendapatkan citra yang sempurna, dalam artian citra yang didapatkan tidak cenderung gelap maupun tidak cenderung terang.

4.2.1 Tujuan

Tujuan hasil uji coba ini yaitu untuk mengetahui apakah aplikasi dapat menangkap citra dan mengkonversinya kedalam histogram agar dapat mengetahui citra yang terlalu gelap dan terang, dan aplikasi berjalan sempurna.

4.2.2 Alat yang Digunakan 1. WebCam

2. Miniatur parkir mobil 3. Laptop

4. Microsoft Visual C++ 2008

4.2.3 Prosedur Pengujian

1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada WeCcam 3. Menjalankan program untuk streaming citra

4. Menjalankan program untuk mengakses time system

5. Membuka direktori D:\\File TA\\, melihat file bernama motiondetection1.jpg 6. Melihat pada layar streaming apakah ada perubahan.

4.2.4 Hasil Pengujian

Hasil dari pengujian ini adalah dapat mengetahui perubahan nilai citra dan terdapat perubahan cahaya yang masuk. Karena cahaya yang masuk selalu berubah – ubah, Setelah melakukan pengujian prosedur diatas berikut adalah gambar hasil proses image processing kedalam histogram.

Gambar 4.2 Citra WebCam (A) dikonversi kedalam citra grayscale (B)

Gambar 4.2 menunjukkan bahwa citra yang ditangkap melalui WebCam yang di tunjukan pada gambar A dengan kondidsi warna RGB (Red, Green, Blue) di konversi menjadi citra grayscale yang di tunjukan pada gambar B. Citra

graysclae hanya sebagai perantara untuk mengkonversi kedalam histogram citra,

yang nantinya akan digunakan untuk pendeteksian area parkir kosong.

Gambar 4.3 menunjukkan bahwa citra berwarna grayscale yang ditunjukan pada gambar A, yang dikonversi kedalam equalize histogram yang ditunjukan pada gambar B, pada citra equalize histogram terlihat perubahan dimana citra grayscale yang cenderung gelap cahayanya dapat dikonversi. Sehingga area yang cenderung gelap akan terlihat jelas.

4.3 Pengujian pada setiap citra

Menguji setiap citra yang di tangkap oleh kamera WebCam, grayscale, dan citra konversi image enhancement..

4.3.1 Tujuan

Tujuan pengujian ini yaitu untuk membandingkan tiap – tiap citra yang didapat, citra RGB, citra grayscale, dan citra histogram

4.3.2 Alat yang Digunakan

1 Microsoft Visual C++ 2008

2 Laptop

4.3.3 Prosedur Pengujian

1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada WebCam 3. Menjalankan program untuk memuat gambar

4. Menjalankan program untuk menampilkan window image citra sampel dan plot histogram

4.3.4 Hasil Pengujian

Hasil dari pengujian ini untuk mengetahui apakah setiap citra yang didapat sudah sesuai dengan yang diharapkan dan memiliki perbedaan itensitas cahaya di setiap citra yang diambil.

Gambar 4.5 citra grayscale

Gambar. 4.6 Citra berbentuk equalize histogram

Pada Gambar 4.6 menunjukkan citra yang telah dikonversi menjadi histogram terlihat lebih jelas dibandingan dengan citra yang berwarna grayscale yang terdapat pada gambar 4.5.

4.4 Pengujian Equalize histogram

Gambar hasil equalize histogram konversi dari citra grayscale pengujian ini dilakukan apakah sistem sudah bisa bekerja sesuai dengan yang diharapkan, yaitu konversi citra grayscale kedalam equalize histogram. Agar citra yang memiliki area gelap atau terang dapat terlihat.

4.4.1 Tujuan

Tujuan dari hasil coba ini yaitu untuk mengetahui apakah program dapat mengkonversi citra grayscale kedalam citra histogram.

4.4.2 Alat yang Digunakan

1. Microsoft Visual C++ 2008 2. Laptop

3. Citra hasil grayscale dan equalize histogram

4.4.3 Prosedur Pengujian

1. Menjalankan program console pada Microsoft Visual C++ 2008 2. Menjalankan program untuk mengakses data citra pada WebCam 3. Menjalankan program untuk memuat citra hasil subtraksi.

4. Menjalankan program untuk konversi RGB ke bentuk grayscale

5. Menjalankan program untuk konversi grayscale ke bentuk equalize histogram 6. Menjalankan program untuk menampilkan grafik histogram

4.4.4 Hasil Pengujian

Hasil dari uci coba ini adalah untuk mengetahui apakah program dapat mengubah gambar dari format RGB menjadi format grayscale dan histogram .

Gambar 4.7 citra hasil konversi grayscale (A) ke equalize histogram (B) 4.5 Evaluasi Sistem Secara Keseluruhan

Ditahap pengujian terakhir adalah seluruh sistem diuji dari awal hingga akhir, dimana menjalankan seluruh aplikasi. Pencahayaan diubah sesuai dengan citra kondisi apa yang dialami pada saat pengujian, dan grafik akan ikut berubah ketika citra yang diambil pencahayaanya ikut berubah – ubah. Dan pada waktu yang bersamaan, kamera WebCam mengirimkan citra secara streaming dan ditampilkan kedalam layar laptop.

4.5.1 Tujuan

Tujuan evaluasi sistem ini adalah untuk mengetahui sistem pada aplikasi apakah sudah dapat berjalan sesuai dengan yang diharapkan. Dimulai citra awal

yang ditangkap menggunakan WebCam, dan diubah menjadi citra grayscale dan kemudian dikonversi kedalam histogram.

4.5.2 Alat yang Digunakan 1. Miniatur tempat parkir mobil 2. Microsoft Visual C++ 2008 3. Laptop

4. WebCam

4.5.3 Prosedur Pengujian

1. Menghubungkan WebCam dengan Laptop

2. Menjalankan program console pada Microsoft Visual C++ 2008 3. Menjalankan aplikasi program secara keseluruhan

4. Memberikan inputan perubahan cahaya pada citra

5. Melihat pada layar Laptop, apakah citra streaming dari WebCam telah ditampilkan pada layar Laptop

4.5.4 Hasil Pengujian

Dari hasil seluruh pengujian didapatkan hasil tingkat keberhasilan 100% dari 6 kali pengujian, disaat dimasukkan input perubahan cahaya yang berbeda – beda maka tampilan layar yang ditangkap menggunakan WebCam akan tampil seperti hasil pada streaming yang dilakukan pada saat pengujian pengambilan citra.

Gambar 4.8. kondisi citra dengan nilai yang didapat

Pada gambar 4.8 dimana kondisi saat dilakukan pengujian cahaya yang ditangkap oleh kamera WebCam cenderung gelap, dan nilai yang didapatkan juga kecil dengan rentang nilai 0-83, dan nilai tersebut dapat dikatakan terlalu kekadan jika dimasukan kedalam grafik. Sehingga nilai yang di peroleh harus ditaruh di tengah dengan rentang 100-156, nilai tersebut diambil karena nilai yang dianggap mendekati nilai tengah 128.

Pada gambar 4.8 adalah value yang didapat dari gambar 4.9 pada gambar tersebut menunjukan bahwa intensitas cahaya yang didapatkan oleh kamera WebCam cenderung ke kiri atau gelap. Jika di plot kedalam grafik maka hasilnya seperti gambar 4.10.

Gambar. 4.10. plot grafik citra gelap

Gambar 4.12 Contoh kondisi parkir kosong

Gambar 4.13 hasil dari kondisi parkir kosong

Kondisi gambar 4.12 dan gambar 4.13 adalah dimana kondisi keadaan parkir yang kosong, dan cahaya diambil dengan menggunakan lampu dari WebCam dan hasil yang didapatkan menunjukan jumlah parkir yang kosong adalah 3 tempat.

Tabel 4.1. Hasil deteksi cahaya cenderung gelap 30 lux sebelum diperbaiki Deteksi sebelum diperbaiki cahaya cenderung gelap 30lux No. Keadaan

parkir sebenarnya Keadaan terdeteksi Nomer parkir yang kosong Nomer parkir kosong yang terdeteksi Keterangan

1. 1 kosong 3 kosong 1 Nomer 1, 2, 3 Salah 2. 1 kosong 3 kosong 1 Nomer 1, 2, 3 Salah 3. 1 kosong 2 kosong 1 Nomer 1, 3 Salah 4. 1 kosong 1 kosong 2 Nomer 2 Benar 5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 2 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 1 kosong 2 dan 3 Nomer 3 Salah 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

Deteksi citra setelah diperbaiki cahaya cenderung gelap 30lux No. Keadaan

parkir sebenarnya Keadaan terdeteksi Nomer parkir yang kosong Nomer parkir kosong yang terdeteksi Keterangan

1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 1 kosong 2 Nomer 2 Benar

Tabel 4.2. hasil deteksi cahaya cenderung 30lux gelap setelah diperbaiki

Gambar 4.14. Gambar A sebelum dan gambar B setelah diperbaiki dengan itensitas 30 lux

5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

Tabel 4.3. Hasil deteksi cahaya normal 80lux sebelum diperbaiki Deteksi citra sebelum diperbaiki cahaya normal 80lux No. Keadaan

parkir sebenarnya Keadaan terdeteksi Nomer parkir yang kosong Nomer parkir kosong yang terdeteksi Keterangan

1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 1 kosong 2 Nomer 2 Benar 5. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 3 kosong 2 dan 3 Nomer 1, 2, 3 Salah 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

Deteksi citra setelah diperbaiki cahaya normal 80lux No. Keadaan

parkir sebenarnya Keadaan terdeteksi Nomer parkir yang kosong Nomer parkir kosong yang terdeteksi Keterangan

1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 1 kosong 2 Nomer 2 Benar

Tabel 4.4. Hasil deteksi dengan cahaya normal 80 lux setelah diperbaiki

Gambar 4.15. Gambar A sebelum diperbaiki dan gambar B sesudah diperbaiki dengan intensitas 80 lux

5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 3 Benar 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

Tabel 4.5. Hasil deteks cahaya cenderung terang 225 lux sebelum diperbaiki Deteksi citra sebelum diperbaiki cahaya cenderung terang 225lux No. Keadaan

parkir sebenarnya Keadaan terdeteksi Nomer parkir yang kosong Nomer parkir kosong yang terdeteksi Keterangan

1. 1 kosong 2 kosong 1 Nomer 1, 3 Salah 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar 4. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 5. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 6. 1 kosong 2 kosong 2 Nomer 1, 2 Salah 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

Deteksi citra setelah diperbaiki cahaya cenderung terang 225lux No. Keadaan

parkir sebenarnya Keadaan terdeteksi Nomer parkir yang kosong Nomer parkir kosong yang terdeteksi Keterangan

1. 1 kosong 1 kosong 1 Nomer 1 Benar 2. 1 kosong 1 kosong 1 Nomer 1 Benar 3. 1 kosong 1 kosong 1 Nomer 1 Benar

Tabel 4.6. hasil deteksi cahaya cenderung terang 225 lux setelah diperbaiki

Gambar 4.16. Gambar A sebelum diperbaiki dan gambar B setelah diperbaiki dengan intensitas 225 lux

4. 1 kosong 1 kosong 2 Nomer 2 Benar 5. 1 kosong 1 kosong 2 Nomer 2 Benar 6. 1 kosong 1 kosong 2 Nomer 2 Benar 7. 1 kosong 1 kosong 3 Nomer 3 Benar 8. 1 kosong 1 kosong 3 Nomer 3 Benar 9. 1 kosong 1 kosong 3 Nomer 1 Salah 10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar 17. 2 kosong Penuh 2 dan 3 Penuh Salah 18. 2 kosong Penuh 2 dan 3 Penuh Salah 19. Penuh Penuh Tidak ada Penuh Benar 20. Penuh Penuh Tidak ada Penuh Benar 21. Penuh Penuh Tidak ada Penuh Benar 22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

Hasil dari percobaan tabel diatas dilakukan sebanyak 144 kali percobaan dengan berbagai kondisi ruang parkir yang tersedia, dan pencahayaan yang berbeda – beda. Pencahayaan diambil dari lampu yang tersedia dari kamera WebCam untuk membantu pencahaan yang diterima oleh sistem, agar sistem bisa berjalan dengan sempurna dan sesuai harapan dari penulis tugas akhir.

54

dari hasil uji coba yang telah dilakukan, maka dapat diambil kesimpulan saran-saran dan kesimpulan dari hasil yang diperoleh.

5.1. Kesimpulan

Adapun kesimpulan yang dapat dituliskan dari hasil sistem yang telah dibuat antara lain sebagai berikut:

1. Pengukuran cahaya dilakukan dengan menggunakan lux meter, lux meter digunakan untuk mengetahui intensitas cahaya pada saat melakukan pengujian.

2. Pencahayaan cenderung gelap mendapatkan hasil 63% benar sebelum perbaikan, untuk setelah diperbaiki dan 79% benar.

3. Pencahayaan normal mendapatkan hasil 70% benar sebelum perbaikan, untuk setelah perbaikan 84% benar.

4. Pencahayaan cenderung terang mendapatkan hasil 64% benar sebelum perbaikan, untuk setelah perbaikan 84% benar.

5. Metode Contrast Streching dapat diimplementasikan pada pendeteksian tempat parkir yang kosong menggunakan webCam. Dimana dalam hal ini sudah melakukan percobaan sebanyak 144 kali dan sudah mendapatkan 60 hasil data yang benar dimana hasil dari percobaan tersebut meliputi : pencahayaan yang cenderung terang, normal, dan cahaya cenderung gelap. Penentuan cahaya dilakukan dengan menggunakan luxmeter.

5.2. Saran

Saran yang dapat diberikan untuk mengembangkan sistem ini sebagai berikut:

1. Dalam pengambilan citra sampel, dapat disarankan untuk mencoba konsep panorama sehingga citra yang didapatkan bisa lebih banyak dan dapat mengetahui area yang intensitas cahayanya berbeda.

2. Sebaiknya kamera dibuatkan rel atau lintasan sehingga dapat mengambil gambar dengan berjalan dari ujung satu ke ujung lainnya untuk mendukung diterapkannya konsep panorama.

3. Pada sistem ini sebaiknya dapat dikembangkan juga pada tempat parkir motor di area indoor.

4. Dapat dikembangkan untuk koneksi terhadap pengendara mobil dengan sistim keamanan parkir.

5. Dalam metode contrast streching dapat dikembangkan kedalam pemantauan keamanan dengan menggunakan kamera cctv.

56

Choerudin, D. (2013). Implementasi Perbaikan Citra Metode Contrast Stretching Pada Kamera Cmucam3 Dan Histogram Equalization Pada Ground Station Untuk Komurindo 2012. Perpustakaan UNIKOM.

Dharmawan. (2013). Implementasi Metode Contrast Stretching untuk memperbaiki kontras citra. sttar, 32.

Eschbach, e. (2009). HVS-based contrast stretching for color image enhancement. SPIE

digital library.

Fatmawati, D. (2011). Implementasi Metode Peregangan Kontras (Contrast Stretching) Untuk Memperbaiki Kualitas Citra. USU international repository.

Harrison, D. A. (2005). graph twoway histogram — Histogram plots. satta.

Kumar, D. N. (2010). Remote Sensing-Digital Image Processing-Image Enhancement. IISc. Kurniawan, I. (2009). Sistem Pendeteksi Kendaraan Pada Tempat Parkir dengan

Menggunakan Kmera. elib unikom.

Milayanti, K. (2013). ENHANCEMENT OBYEK PADA CITRA DIGITAL DENGAN METODE PERGESERAN KURVA HISTOGRAM. electro.student journal. Muhadi Ardhie Tyasa, M. d. (2013). DETEKSI TEMPAT KOSONG PADA LAHAN

PARKIR MOBIL MENGGUNAKAN METODE VEHICLE DETECTION DAN OPERATION LAPLACIAN of GAUSSIAN (LoG). http://filkom.ub.ac.id/. Munir, R. (2004). PENGOLAHAN CITRA DIGITAL dengan pendekatan algoritmik.

bandung: Informatika Bandung.

Pradhitya, R. (2015). Application development of detection and color tracking virtual drawing using color filtering algorithm. elib unikom.

Prof. Dr.rer.nat. Achmad Benny Mutiara, S. S. (2005).

http://amutiara.staff.gunadarma.ac.id/. Retrieved from

amutiara.staff.gunadarma.ac.id/Downloads/files/39978/Bab-6_Histogram+Citra.pdf Purwadhi, F. S. (2001). INTERPRETASI CITRA DIGITAL. Jakarta: GRASINDO.

Rafael C. Gonzalez, R. E. (2004). Digital Image Processing using MATLAB. New Jersey: Pearson Education. Inc.

Rouse, M. (2005, april 27). http://whatis.techtarget.com/definition/RGB-red-green-and-blue. Retrieved from http://whatis.techtarget.com/: http://whatis.techtarget.com

Sunu jatmika, a. i. (2014). SIMULASI PENGATURAN LAMPU LALU LINTAS

BERDASARKAN DATA IMAGE PROCESSING KEPADATAN KENDARAAN BERBASIS MIKROKONTROLER ATMEGA16. Jurnal Ilmiah Teknologi dan

Tabel 4.6. hasil deteksi cahaya cenderung terang 225 lux setelah diperbaiki

Gambar 4.16. Gambar A sebelum diperbaiki dan gambar B setelah diperbaiki dengan intensitas 225 lux

4. 1 kosong 1 kosong 2 Nomer 2 Benar

5. 1 kosong 1 kosong 2 Nomer 2 Benar

6. 1 kosong 1 kosong 2 Nomer 2 Benar

7. 1 kosong 1 kosong 3 Nomer 3 Benar

8. 1 kosong 1 kosong 3 Nomer 3 Benar

9. 1 kosong 1 kosong 3 Nomer 1 Salah

10. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 11. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 12. 2 kosong 2 kosong 1 dan 2 Nomer 1, 2 Benar 13. 2 kosong 1 kosong 1 dan 3 Nomer 3 Salah 14. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 15. 2 kosong 2 kosong 1 dan 3 Nomer 1, 3 Benar 16. 2 kosong 2 kosong 2 dan 3 Nomer 2, 3 Benar

17. 2 kosong Penuh 2 dan 3 Penuh Salah

18. 2 kosong Penuh 2 dan 3 Penuh Salah

19. Penuh Penuh Tidak ada Penuh Benar

20. Penuh Penuh Tidak ada Penuh Benar

21. Penuh Penuh Tidak ada Penuh Benar

22. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 23. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar 24. Kosong 3 kosong 1, 2, dan 3 Nomer 1, 2, 3 Benar

53

Hasil dari percobaan tabel diatas dilakukan sebanyak 144 kali percobaan dengan berbagai kondisi ruang parkir yang tersedia, dan pencahayaan yang berbeda – beda. Pencahayaan diambil dari lampu yang tersedia dari kamera WebCam untuk membantu pencahaan yang diterima oleh sistem, agar sistem bisa berjalan dengan sempurna dan sesuai harapan dari penulis tugas akhir.

54

dari hasil uji coba yang telah dilakukan, maka dapat diambil kesimpulan saran-saran dan kesimpulan dari hasil yang diperoleh.

5.1. Kesimpulan

Adapun kesimpulan yang dapat dituliskan dari hasil sistem yang telah dibuat antara lain sebagai berikut:

1. Pengukuran cahaya dilakukan dengan menggunakan lux meter, lux meter digunakan untuk mengetahui intensitas cahaya pada saat melakukan pengujian.

2. Pencahayaan cenderung gelap mendapatkan hasil 63% benar sebelum perbaikan, untuk setelah diperbaiki dan 79% benar.

3. Pencahayaan normal mendapatkan hasil 70% benar sebelum perbaikan, untuk setelah perbaikan 84% benar.

4. Pencahayaan cenderung terang mendapatkan hasil 64% benar sebelum perbaikan, untuk setelah perbaikan 84% benar.

5. Metode Contrast Streching dapat diimplementasikan pada pendeteksian tempat parkir yang kosong menggunakan webCam. Dimana dalam hal ini sudah melakukan percobaan sebanyak 144 kali dan sudah mendapatkan 60 hasil data yang benar dimana hasil dari percobaan tersebut meliputi : pencahayaan yang cenderung terang, normal, dan cahaya cenderung gelap. Penentuan cahaya dilakukan dengan menggunakan luxmeter.

55

5.2. Saran

Saran yang dapat diberikan untuk mengembangkan sistem ini sebagai berikut:

1. Dalam pengambilan citra sampel, dapat disarankan untuk mencoba konsep panorama sehingga citra yang didapatkan bisa lebih banyak dan dapat mengetahui area yang intensitas cahayanya berbeda.

2. Sebaiknya kamera dibuatkan rel atau lintasan sehingga dapat mengambil gambar dengan berjalan dari ujung satu ke ujung lainnya untuk mendukung diterapkannya konsep panorama.

3. Pada sistem ini sebaiknya dapat dikembangkan juga pada tempat parkir motor di area indoor.

4. Dapat dikembangkan untuk koneksi terhadap pengendara mobil dengan sistim keamanan parkir.

5. Dalam metode contrast streching dapat dikembangkan kedalam pemantauan keamanan dengan menggunakan kamera cctv.

56

Choerudin, D. (2013). Implementasi Perbaikan Citra Metode Contrast Stretching Pada Kamera Cmucam3 Dan Histogram Equalization Pada Ground Station Untuk Komurindo 2012. Perpustakaan UNIKOM.

Dharmawan. (2013). Implementasi Metode Contrast Stretching untuk memperbaiki kontras citra. sttar, 32.

Eschbach, e. (2009). HVS-based contrast stretching for color image enhancement. SPIE digital library.

Fatmawati, D. (2011). Implementasi Metode Peregangan Kontras (Contrast Stretching) Untuk Memperbaiki Kualitas Citra. USU international repository.

Harrison, D. A. (2005). graph twoway histogram — Histogram plots. satta.

Kumar, D. N. (2010). Remote Sensing-Digital Image Processing-Image Enhancement. IISc. Kurniawan, I. (2009). Sistem Pendeteksi Kendaraan Pada Tempat Parkir dengan

Menggunakan Kmera. elib unikom.

Milayanti, K. (2013). ENHANCEMENT OBYEK PADA CITRA DIGITAL DENGAN METODE PERGESERAN KURVA HISTOGRAM. electro.student journal. Muhadi Ardhie Tyasa, M. d. (2013). DETEKSI TEMPAT KOSONG PADA LAHAN

PARKIR MOBIL MENGGUNAKAN METODE VEHICLE DETECTION DAN OPERATION LAPLACIAN of GAUSSIAN (LoG). http://filkom.ub.ac.id/. Munir, R. (2004). PENGOLAHAN CITRA DIGITAL dengan pendekatan algoritmik.

bandung: Informatika Bandung.

Pradhitya, R. (2015). Application development of detection and color tracking virtual drawing using color filtering algorithm. elib unikom.

Prof. Dr.rer.nat. Achmad Benny Mutiara, S. S. (2005).

http://amutiara.staff.gunadarma.ac.id/. Retrieved from

amutiara.staff.gunadarma.ac.id/Downloads/files/39978/Bab-6_Histogram+Citra.pdf Purwadhi, F. S. (2001). INTERPRETASI CITRA DIGITAL. Jakarta: GRASINDO.

Rafael C. Gonzalez, R. E. (2004). Digital Image Processing using MATLAB. New Jersey: Pearson Education. Inc.

Rouse, M. (2005, april 27). http://whatis.techtarget.com/definition/RGB-red-green-and-blue. Retrieved from http://whatis.techtarget.com/: http://whatis.techtarget.com

57

Sunu jatmika, a. i. (2014). SIMULASI PENGATURAN LAMPU LALU LINTAS

BERDASARKAN DATA IMAGE PROCESSING KEPADATAN KENDARAAN BERBASIS MIKROKONTROLER ATMEGA16. Jurnal Ilmiah Teknologi dan Informasi ASIA.