Sistem Pendeteksian Manusia Untuk Keamanan Ruangan Menggunakan Viola-Jones
SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN
MENGGUNAKAN VIOLA-JONES
SKRIPSI
JONATAN SIANTURI
101402052
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN
MENGGUNAKAN VIOLA-JONES
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana
Teknologi Informasi
JONATAN SIANTURI
101402052
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: SISTEM PENDETEKSIAN MANUSIA UNTUK
KEAMANAN RUANGAN MENGGUNAKAN
VIOLA-JONES
Kategori
: SKRIPSI
Nama
: JONATAN SIANTURI
Nomor Induk Mahasiswa
: 10140252
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Oktober 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, M. IT
NIP
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.
NIP 19860303 201012 1 004
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M. Anggia Muchtar ST, M.MT
NIP 19610817 198701 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN
MENGGUNAKAN VIOLA-JONES
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2014
Jonatan Sianturi
101402052
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Segala puji syukur penulis panjatkan kepada Tuhan Yesus Kristus karena berkat dan
kasih karuniaNyalah penulis bisa menyelesaikan penyusunan tugas akhir ini.
Proses penyusunan skripsi ini juga tidak lepas dari dukungan dan bantuan dari
pihak-pihak yang lain. Oleh sebab itu penulis mengucapkan terima kasih banyak
kepada :
1.
Orang tua penulis yaitu ayahanda Mangasi Sianturi dan ibunda Manatap Sinaga
yang mendoakan dan mengingatkan serta memberikan bantuan berupa moril dan
materi sehingga penulis dapat menyelesaikan tugas akhir ini.
2.
Pihak keluarga, abang, kakak, dan seluruh keluarga.
3.
Bapak M. Anggia Muchtar, ST, MM. IT selaku Ketua Program Studi Teknologi
Informasi Universitas Sumatera Utara.
4.
Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. dan Ibu Dr. Erna Budhiarti
Nababan, M. IT selaku dosen pembimbing penulis yang telah memberikan saran,
masukan, serta bersedia meluangkan waktu, tenaga, dan pikiran untuk membantu
penulis menyelesaikan tugas akhir ini.
5.
Bapak Dani Gunawan, ST., M.T dan Bapak Dedy Arisandi, ST., M. Kom selaku
dosen penguji penulis, dan juga dosen penasihat akademik, serta seluruh dosen
Teknologi Informasi.
6.
Teman-teman angkatan 2010 Teknologi Informasi.
7.
Teman-teman GSPDI Filadelfia Titi Papan.
8.
Seluruh teman-teman dari jurusan Teknologi Informasi.
Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini
terdapat kesalahan. Oleh sebab itu penulis sangat mengharapkan adanya saran-saran
yang membangun.
Semoga karya tulis ini dapat memberikan kontribusi bagi pendidikan di
Indonesia. Tuhan Yesus memberkati.
Universitas Sumatera Utara
v
ABSTRAK
Aspek keamanan sangat dibutuhkan dalam berbagai kehidupan saat ini seperti
keamanan rumah, gedung, atau ruangan yang memiliki nilai penting bagi pemilik.
Keamanan dapat dikerjakan oleh tenaga manusia tetapi cara ini kurang efisien karena
menghabiskan banyak resources seperti uang, waktu, tenaga dan juga sangat rentan
terhadap kelalaian manusia (human error). Oleh karena itu diperlukan suatu
pendekatan untuk dapat melakukan keamanan tersebut. Salah satu pendekatan yang
dapat dilakukan adalah dengan melakukan pendeteksian objek manusia melalui
kamera yang terhubung dengan komputer. Dalam tugas akhir ini digunakan ViolaJones untuk mendeteksi objek manusia dalam citra berdasarkan fitur. Citra yang
diinput dari webcam dengan fungsi capture dalam library OpenCV diubah menjadi
citra abu-abu setelah mengalami proses scaling, dilanjutkan ekualisasi histogram,
perhitungan fitur dengan citra integral, dan pendeteksian objek dengan cascade of
classifier. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu
melakukan pendeteksian objek dengan hasil akurasi 86,88%.
Kata kunci : viola-jones, pendeteksian manusia, keamanan ruangan, cascade of
classifier, OpenCV.
Universitas Sumatera Utara
vi
HUMAN DETECTION SYSTEM FOR ROOM SECURITY
USING VIOLA-JONES
ABSTRACT
Security aspects are needed in a variety of life today such as home security, building,
or a room that has a significant value for the owner. Security can be done by human
power, but this method is less efficient because it spends a lot of resources such as
money, time, energy and also very prone to human error. Therefore it is necessary to
be able to perform a room security. One approach that can be done is to make the
detection of human object through a camera connected to the computer. In this thesis
Viola-Jones is used to detect human objects in the image based on the features.
Inputted image from the webcam using capture function in the OpenCV library is
converted to gray image after undergoing a process of scaling, and then the image get
histogram equalization process, the calculation of the integral features of the image,
and object detection with a cascade of classifier. In this study indicated that the
proposed method is able to perform object detection with accuracy result is 86,88%.
Keyword : viola-jones, human detection, room security, the cascade of classifier,
OpenCV
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
Persetujuan
ii
Pernyataan
iii
Ucapan Terima Kasih
iv
Abstrak
v
Abstract
vi
Daftar Isi
vii
Daftar Tabel
x
Daftar Gambar
xi
BAB 1 Pendahuluan
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
2
1.3. Tujuan Penelitian
3
1.4. Batasan Masalah
3
1.5. Manfaat Penelitian
3
1.6. Metodologi Penelitian
3
1.7. Sistematika Penulisan
4
BAB 2 Landasan Teori
6
2.1. Computer Vision
6
2.2. Pendeteksian Objek
6
2.3. Citra
7
2.3.1. Citra Analog
7
2.3.2. Citra Digital
7
2.4. Elemen Citra Digital
7
2.5. Citra Warna
9
2.6. Citra Abu-abu (Grayscale Image)
10
2.7. Metode Viola-Jones
10
Universitas Sumatera Utara
viii
2.7.1. Haar-Like Feature
11
2.7.2. Citra Integral (Integral Image)
12
2.7.3. Adaptive Boosting (Adaboost)
13
2.7.4. Cascade of Classifier
14
2.8. OpenCV
15
2.9. Penelitian Terdahulu
17
BAB 3 Analisis dan Perancangan Sistem
19
3.1. Identifikasi Masalah
19
3.2. Data
19
3.3. Analisis Sistem
20
3.3.1. Scaling
21
3.3.2. GrayScaling
23
3.3.3. Histrogram Equalization
23
3.3.4. Fitur Haar
24
3.3.5. Citra Integral
25
3.3.6. Cascade of Classifier
27
3.4. Perancangan Sistem
28
3.4.1. Use Case Diagram
28
3.4.2. Flowchart
28
3.4.3. Implementasi Jaringan
30
3.4.4. Perancangan Antarmuka
31
3.4.4.1. Rancangan Halaman Splash
31
3.4.4.2. Rancangan Halaman Utama
31
BAB 4 Implementasi dan Pengujian Sistem
33
4.1. Implementasi Sistem
33
4.1.1. Spesifikasi Perangkat Keras dan Lunak
33
4.1.2. Implementasi Perancangan Antarmuka
34
4.2. Pengujian Sistem
35
4.2.1. Waktu Pendeteksian
35
4.2.2. Keakuratan Pendeteksian
37
Universitas Sumatera Utara
ix
BAB 5 Kesimpulan dan Saran
55
5.1. Kesimpulan
55
5.2. Saran
56
Daftar Pustaka
57
Lampiran A: Source Code Aplikasi Client
59
Lampiran B: Source Code Aplikasi Server
62
Universitas Sumatera Utara
x
DAFTAR TABEL
Hal.
Tabel 2.1. Citra Warna 8 Bit
9
Tabel 2.2. Citra Warna 16 Bit
9
Tabel 3.1. Perhitungan Nilai Piksel Hasil Interpolasi
22
Tabel 3.2. Proses Perhitungan Distribusi Kumulatif
24
Tabel 3.3. Teknik Perhitungan Histogram
24
Tabel 3.4. Nilai Grayscale Citra Masukan
26
Tabel 3.5. Perhitungan Citra Integral
26
Tabel 3.6. Hasil Citra Integral
26
Tabel 4.1. Hasil Pengujian Waktu Pendeteksian dengan Webcam
35
Tabel 4.2. Hasil Pengujian untuk Ruangan A
39
Tabel 4.3. Hasil Pengujian untuk Ruangan B
43
Tabel 4.4. Hasil Pengujian untuk Ruangan C
47
Tabel 4.5. Hasil Pengujian untuk Ruangan D
51
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Hal.
Gambar 2.1. Variasi Fitur pada Haar (LienHart et al, 2002)
11
Gambar 2.2. Perhitungan Citra Integral
12
Gambar 2.3. Alur Kerja Klasifikasi Bertingkat (Dzulkamain et al, 2011)
14
Gambar 2.4. Struktur dan Konten OpenCV (Bradski et al, 2008)
16
Gambar 3.1. Arsitektur Umum Sistem Pendeteksian Manusia
20
Gambar 3.2. Metode Interpolasi untuk Memperkecil Gambar
21
Gambar 3.3. Penskalaan Citra dengan Metode Interpolasi (Santoso et al, 2013)
22
Gambar 3.4. Grayscaling (Santoso et al, 2013)
23
Gambar 3.5. Pencarian Fitur Haar
25
Gambar 3.6. Contoh Perhitungan Citra Integral (Santoso et al, 2013)
25
Gambar 3.7. Hasil Deteksi Wajah
27
Gambar 3.8. Flowchart Sistem Pendeteksian Manusia
28
Gambar 3.9. Rancangan Jaringan Sistem Pendeteksian Manusia untuk Keamanan
Ruangan
29
Gambar 3.10. Rancangan Halaman Splash
30
Gambar 3.11. Rancangan Halaman Utama
31
Gambar 4.1. Halaman Splash
34
Gambar 4.2. Halaman Utama
35
Gambar 4.3. Screenshot Hasil Pendeteksian Ruangan A
38
Gambar 4.4. Screenshot Hasil Pendeteksian Ruangan B
43
Gambar 4.5. Screenshot Hasil Pendeteksian Ruangan C
47
Gambar 4.6. Screenshot Hasil Pendeteksian Ruangan D
51
Gambar 4.7. Hasil Pengujian dengan Objek Ayam
53
Universitas Sumatera Utara
MENGGUNAKAN VIOLA-JONES
SKRIPSI
JONATAN SIANTURI
101402052
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN
MENGGUNAKAN VIOLA-JONES
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana
Teknologi Informasi
JONATAN SIANTURI
101402052
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: SISTEM PENDETEKSIAN MANUSIA UNTUK
KEAMANAN RUANGAN MENGGUNAKAN
VIOLA-JONES
Kategori
: SKRIPSI
Nama
: JONATAN SIANTURI
Nomor Induk Mahasiswa
: 10140252
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Oktober 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, M. IT
NIP
Romi Fadillah Rahmat, B.Comp.Sc., M.Sc.
NIP 19860303 201012 1 004
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M. Anggia Muchtar ST, M.MT
NIP 19610817 198701 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
SISTEM PENDETEKSIAN MANUSIA UNTUK KEAMANAN RUANGAN
MENGGUNAKAN VIOLA-JONES
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2014
Jonatan Sianturi
101402052
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Segala puji syukur penulis panjatkan kepada Tuhan Yesus Kristus karena berkat dan
kasih karuniaNyalah penulis bisa menyelesaikan penyusunan tugas akhir ini.
Proses penyusunan skripsi ini juga tidak lepas dari dukungan dan bantuan dari
pihak-pihak yang lain. Oleh sebab itu penulis mengucapkan terima kasih banyak
kepada :
1.
Orang tua penulis yaitu ayahanda Mangasi Sianturi dan ibunda Manatap Sinaga
yang mendoakan dan mengingatkan serta memberikan bantuan berupa moril dan
materi sehingga penulis dapat menyelesaikan tugas akhir ini.
2.
Pihak keluarga, abang, kakak, dan seluruh keluarga.
3.
Bapak M. Anggia Muchtar, ST, MM. IT selaku Ketua Program Studi Teknologi
Informasi Universitas Sumatera Utara.
4.
Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. dan Ibu Dr. Erna Budhiarti
Nababan, M. IT selaku dosen pembimbing penulis yang telah memberikan saran,
masukan, serta bersedia meluangkan waktu, tenaga, dan pikiran untuk membantu
penulis menyelesaikan tugas akhir ini.
5.
Bapak Dani Gunawan, ST., M.T dan Bapak Dedy Arisandi, ST., M. Kom selaku
dosen penguji penulis, dan juga dosen penasihat akademik, serta seluruh dosen
Teknologi Informasi.
6.
Teman-teman angkatan 2010 Teknologi Informasi.
7.
Teman-teman GSPDI Filadelfia Titi Papan.
8.
Seluruh teman-teman dari jurusan Teknologi Informasi.
Akhir kata, penulis memohon maaf bila dalam penulisan karya tulis ilmiah ini
terdapat kesalahan. Oleh sebab itu penulis sangat mengharapkan adanya saran-saran
yang membangun.
Semoga karya tulis ini dapat memberikan kontribusi bagi pendidikan di
Indonesia. Tuhan Yesus memberkati.
Universitas Sumatera Utara
v
ABSTRAK
Aspek keamanan sangat dibutuhkan dalam berbagai kehidupan saat ini seperti
keamanan rumah, gedung, atau ruangan yang memiliki nilai penting bagi pemilik.
Keamanan dapat dikerjakan oleh tenaga manusia tetapi cara ini kurang efisien karena
menghabiskan banyak resources seperti uang, waktu, tenaga dan juga sangat rentan
terhadap kelalaian manusia (human error). Oleh karena itu diperlukan suatu
pendekatan untuk dapat melakukan keamanan tersebut. Salah satu pendekatan yang
dapat dilakukan adalah dengan melakukan pendeteksian objek manusia melalui
kamera yang terhubung dengan komputer. Dalam tugas akhir ini digunakan ViolaJones untuk mendeteksi objek manusia dalam citra berdasarkan fitur. Citra yang
diinput dari webcam dengan fungsi capture dalam library OpenCV diubah menjadi
citra abu-abu setelah mengalami proses scaling, dilanjutkan ekualisasi histogram,
perhitungan fitur dengan citra integral, dan pendeteksian objek dengan cascade of
classifier. Pada penelitian ini ditunjukkan bahwa metode yang diajukan mampu
melakukan pendeteksian objek dengan hasil akurasi 86,88%.
Kata kunci : viola-jones, pendeteksian manusia, keamanan ruangan, cascade of
classifier, OpenCV.
Universitas Sumatera Utara
vi
HUMAN DETECTION SYSTEM FOR ROOM SECURITY
USING VIOLA-JONES
ABSTRACT
Security aspects are needed in a variety of life today such as home security, building,
or a room that has a significant value for the owner. Security can be done by human
power, but this method is less efficient because it spends a lot of resources such as
money, time, energy and also very prone to human error. Therefore it is necessary to
be able to perform a room security. One approach that can be done is to make the
detection of human object through a camera connected to the computer. In this thesis
Viola-Jones is used to detect human objects in the image based on the features.
Inputted image from the webcam using capture function in the OpenCV library is
converted to gray image after undergoing a process of scaling, and then the image get
histogram equalization process, the calculation of the integral features of the image,
and object detection with a cascade of classifier. In this study indicated that the
proposed method is able to perform object detection with accuracy result is 86,88%.
Keyword : viola-jones, human detection, room security, the cascade of classifier,
OpenCV
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
Persetujuan
ii
Pernyataan
iii
Ucapan Terima Kasih
iv
Abstrak
v
Abstract
vi
Daftar Isi
vii
Daftar Tabel
x
Daftar Gambar
xi
BAB 1 Pendahuluan
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
2
1.3. Tujuan Penelitian
3
1.4. Batasan Masalah
3
1.5. Manfaat Penelitian
3
1.6. Metodologi Penelitian
3
1.7. Sistematika Penulisan
4
BAB 2 Landasan Teori
6
2.1. Computer Vision
6
2.2. Pendeteksian Objek
6
2.3. Citra
7
2.3.1. Citra Analog
7
2.3.2. Citra Digital
7
2.4. Elemen Citra Digital
7
2.5. Citra Warna
9
2.6. Citra Abu-abu (Grayscale Image)
10
2.7. Metode Viola-Jones
10
Universitas Sumatera Utara
viii
2.7.1. Haar-Like Feature
11
2.7.2. Citra Integral (Integral Image)
12
2.7.3. Adaptive Boosting (Adaboost)
13
2.7.4. Cascade of Classifier
14
2.8. OpenCV
15
2.9. Penelitian Terdahulu
17
BAB 3 Analisis dan Perancangan Sistem
19
3.1. Identifikasi Masalah
19
3.2. Data
19
3.3. Analisis Sistem
20
3.3.1. Scaling
21
3.3.2. GrayScaling
23
3.3.3. Histrogram Equalization
23
3.3.4. Fitur Haar
24
3.3.5. Citra Integral
25
3.3.6. Cascade of Classifier
27
3.4. Perancangan Sistem
28
3.4.1. Use Case Diagram
28
3.4.2. Flowchart
28
3.4.3. Implementasi Jaringan
30
3.4.4. Perancangan Antarmuka
31
3.4.4.1. Rancangan Halaman Splash
31
3.4.4.2. Rancangan Halaman Utama
31
BAB 4 Implementasi dan Pengujian Sistem
33
4.1. Implementasi Sistem
33
4.1.1. Spesifikasi Perangkat Keras dan Lunak
33
4.1.2. Implementasi Perancangan Antarmuka
34
4.2. Pengujian Sistem
35
4.2.1. Waktu Pendeteksian
35
4.2.2. Keakuratan Pendeteksian
37
Universitas Sumatera Utara
ix
BAB 5 Kesimpulan dan Saran
55
5.1. Kesimpulan
55
5.2. Saran
56
Daftar Pustaka
57
Lampiran A: Source Code Aplikasi Client
59
Lampiran B: Source Code Aplikasi Server
62
Universitas Sumatera Utara
x
DAFTAR TABEL
Hal.
Tabel 2.1. Citra Warna 8 Bit
9
Tabel 2.2. Citra Warna 16 Bit
9
Tabel 3.1. Perhitungan Nilai Piksel Hasil Interpolasi
22
Tabel 3.2. Proses Perhitungan Distribusi Kumulatif
24
Tabel 3.3. Teknik Perhitungan Histogram
24
Tabel 3.4. Nilai Grayscale Citra Masukan
26
Tabel 3.5. Perhitungan Citra Integral
26
Tabel 3.6. Hasil Citra Integral
26
Tabel 4.1. Hasil Pengujian Waktu Pendeteksian dengan Webcam
35
Tabel 4.2. Hasil Pengujian untuk Ruangan A
39
Tabel 4.3. Hasil Pengujian untuk Ruangan B
43
Tabel 4.4. Hasil Pengujian untuk Ruangan C
47
Tabel 4.5. Hasil Pengujian untuk Ruangan D
51
Universitas Sumatera Utara
xi
DAFTAR GAMBAR
Hal.
Gambar 2.1. Variasi Fitur pada Haar (LienHart et al, 2002)
11
Gambar 2.2. Perhitungan Citra Integral
12
Gambar 2.3. Alur Kerja Klasifikasi Bertingkat (Dzulkamain et al, 2011)
14
Gambar 2.4. Struktur dan Konten OpenCV (Bradski et al, 2008)
16
Gambar 3.1. Arsitektur Umum Sistem Pendeteksian Manusia
20
Gambar 3.2. Metode Interpolasi untuk Memperkecil Gambar
21
Gambar 3.3. Penskalaan Citra dengan Metode Interpolasi (Santoso et al, 2013)
22
Gambar 3.4. Grayscaling (Santoso et al, 2013)
23
Gambar 3.5. Pencarian Fitur Haar
25
Gambar 3.6. Contoh Perhitungan Citra Integral (Santoso et al, 2013)
25
Gambar 3.7. Hasil Deteksi Wajah
27
Gambar 3.8. Flowchart Sistem Pendeteksian Manusia
28
Gambar 3.9. Rancangan Jaringan Sistem Pendeteksian Manusia untuk Keamanan
Ruangan
29
Gambar 3.10. Rancangan Halaman Splash
30
Gambar 3.11. Rancangan Halaman Utama
31
Gambar 4.1. Halaman Splash
34
Gambar 4.2. Halaman Utama
35
Gambar 4.3. Screenshot Hasil Pendeteksian Ruangan A
38
Gambar 4.4. Screenshot Hasil Pendeteksian Ruangan B
43
Gambar 4.5. Screenshot Hasil Pendeteksian Ruangan C
47
Gambar 4.6. Screenshot Hasil Pendeteksian Ruangan D
51
Gambar 4.7. Hasil Pengujian dengan Objek Ayam
53
Universitas Sumatera Utara