Official Site of Missa Lamsani - Gunadarma University Lap-BAB 5 PDM
23
BAB V.
HASIL DAN PEMBAHASAN
5.1. Pengujian Sensor Penangkap Objek
Pengujian yang dilakukan adalah menguji apakah sensor penangkap objek dapat menangkap objek atau tidak. Jika sensor penangkap objek dan program Visual Basic bekerja, maka akan tampil gambar sebuah objek. Dan untuk pertama kalinya program ini dijalankan, akan muncul pesan untuk mengubah besar ukuran gambar objek seperti yang terlihat pada gambar 5.1.
Gambar 5.1. Pengubah Setting Konfigurasu Video
Settingan konfigurasi video harus dirubah kedalam ukuran 320x240, hal ini dikarenakan untuk memudahkan pembacaan data. Karena objek yang asli akan berukuran lebih besar dari 320x240. Kemudian akan muncul video format untuk mengubah settingan tersebut, dan dapat dilihat pada gambar 5.2. di bawah ini.
(2)
24
Setelah pengubahan ukuran objek dilakukan, maka pertama kali program dijalankan, tentunya tidak akan ada database yang tersimpan seperti terlihat pada gambar 5.3. dibawah ini. Dan harus dilakukan penambahan data untuk membuat sebuah database, dengan mengikuti perintah pesan tersebut dengan menekan tombol ”ok” untuk dapat menambahkan data.
Gambar 5.3. Pesan Jika Data Belum Ada Dalam Database
5.2. Pengambilan Data
Pengambilan data di lakukan setelah objek muncul, seperti pada gambar 5.4. dibawah ini.
(3)
25
Jika objek sudah muncul, maka dapat dilakukan pengambilan data dengan cara menekan tombol tambah. Dan akan muncul pula data keberapa jika objek tersebut di simpan. Dan setelah memastikan objek yang akan disimpan tersebut, maka mengisi nama user yang terekam objeknya dilanjutkan dengan menekan tombol simpan untuk menyimpan data tersebut kedalam database seperti pada gambar 5.5.
Gambar 5.5. Penyimpanan Penangkapan Objek
Jika objek tersebut telah disimpan, maka program Visual Basic akan secara otomatis menyimpannya dalam database, seperti terlihat pada tabel 5.1.
Tabel 5.1. Penyimpanan Nama User
t_w ajah
id nama
(4)
26
Jika icon video cropping di ceklist, maka gambar tadi akan muncul seperti yang diperlihatkan pada gambar dibawah ini.
Gambar 5.6. Video Cropping Terhadap Objek
Settingan objek gambar yang terekam sudah diubah menjadi ukuran 320 x 240 = 76800 pixel data. Data tersebut masih terlalu besar, akan mengakibatkan lamanya pemrosesan untuk pembadingan 1 buah pixel. Sehingga jika menggunakan skala 1:15, maka akan didapatkan data untuk baris sebesar 320/15 = 21, data ini masih besar, sehingga kita hanya akan menggunakan 16 data saja, sisanya 5 data tidak akan digunakan. Dan untuk kolom digunakan 240/15 = 16, data ini akan digunakan seluruhnya. Jadi untuk 1 buah objek data yang tersimpan digunakan perpaduan antara baris dan kolom sebesar 16 x 16 data, mulai dari koordinat 0,0 sampai dengan koordinat 15,15. Sehingga dari perpaduan koordinat antar baris dan kolom didapatkan kombinasi 256 data untuk 1 buah objek seperti yang terlihat pada tabel 5.2. di bawah ini :
(5)
27
Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
1. 1 6 2 10
2. 1 7 2 15
3. 1 8 2 18
4. 1 9 2 16
5. 1 10 2 14
6. 1 11 2 14
7. 1 12 2 16
8. 1 13 2 16
9. 1 14 2 24
10. 1 15 2 34
11. 1 0 3 32
12. 1 1 3 17
13. 1 2 3 39
14. 1 3 3 48
15. 1 4 3 41
16. 1 5 3 30
17. 1 6 3 19
18. 1 7 3 25
19. 1 8 3 19
20. 1 9 3 17
21. 1 10 3 19
22. 1 11 3 20
23. 1 12 3 19
(6)
28
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
25. 1 14 3 12
26. 1 15 3 33
27. 1 0 4 32
28. 1 1 4 18
29. 1 2 4 45
30. 1 3 4 60
31. 1 4 4 57
32. 1 5 4 58
33. 1 6 4 49
34. 1 7 4 46
35. 1 8 4 37
36. 1 9 4 29
37. 1 10 4 37
38. 1 11 4 45
39. 1 12 4 31
40. 1 13 4 31
41. 1 14 4 15
42. 1 15 4 34
43. 1 0 5 32
44. 1 1 5 17
45. 1 2 5 51
46. 1 3 5 58
47. 1 4 5 67
(7)
29
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
49. 1 6 5 58
50. 1 7 5 56
51. 1 8 5 64
52. 1 9 5 51
53. 1 10 5 53
54. 1 11 5 49
55. 1 12 5 48
56. 1 13 5 37
57. 1 14 5 33
58. 1 15 5 37
59. 1 0 6 31
60. 1 1 6 16
61. 1 2 6 50
62. 1 3 6 61
63. 1 4 6 63
64. 1 5 6 82
65. 1 6 6 45
66. 1 7 6 31
67. 1 8 6 59
68. 1 9 6 39
69. 1 10 6 39
70. 1 11 6 46
71. 1 12 6 60
(8)
30
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
73. 1 14 6 37
74. 1 15 6 36
75. 1 0 7 31
76. 1 1 7 21
77. 1 2 7 55
78. 1 3 7 75
79. 1 4 7 65
80. 1 5 7 81
81. 1 6 7 25
82. 1 7 7 35
83. 1 8 7 56
84. 1 9 7 35
85. 1 10 7 37
86. 1 11 7 31
87. 1 12 7 71
88. 1 13 7 56
89. 1 14 7 39
90. 1 15 7 38
91. 1 0 8 36
92. 1 1 8 31
93. 1 2 8 73
94. 1 3 8 66
95. 1 4 8 75
(9)
31
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
97. 1 6 8 21
98. 1 7 8 53
99. 1 8 8 70
100. 1 9 8 57
101. 1 10 8 46
102. 1 11 8 20
103. 1 12 8 72
104. 1 13 8 61
105. 1 14 8 46
106. 1 15 8 42
107. 1 0 9 32
108. 1 1 9 22
109. 1 2 9 1
110. 1 3 9 47
111. 1 4 9 43
112. 1 5 9 38
113. 1 6 9 15
114. 1 7 9 55
115. 1 8 9 72
116. 1 9 9 60
117. 1 10 9 43
118. 1 11 9 9
119. 1 12 9 11
(10)
32
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
121. 1 14 9 19
122. 1 15 9 29
123. 1 0 10 38
124. 1 1 10 5
125. 1 2 10 8
126. 1 3 10 31
127. 1 4 10 13
128. 1 5 10 8
129. 1 6 10 7
130. 1 7 10 45
131. 1 8 10 68
132. 1 9 10 51
133. 1 10 10 16
134. 1 11 10 7
135. 1 12 10 1
136. 1 13 10 1
137. 1 14 10 2
138. 1 15 10 28
139. 1 0 11 28
140. 1 1 11 0
141. 1 2 11 26
142. 1 3 11 20
143. 1 4 11 0
(11)
33
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
145. 1 6 11 7
146. 1 7 11 11
147. 1 8 11 13
148. 1 9 11 9
149. 1 10 11 9
150. 1 11 11 3
151. 1 12 11 0
152. 1 13 11 1
153. 1 14 11 1
154. 1 15 11 27
155. 1 0 12 28
156. 1 1 12 0
157. 1 2 12 17
158. 1 3 12 0
159. 1 4 12 0
160. 1 5 12 1
161. 1 6 12 1
162. 1 7 12 27
163. 1 8 12 12
164. 1 9 12 13
165. 1 10 12 9
166. 1 11 12 0
167. 1 12 12 0
(12)
34
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
169. 1 14 12 0
170. 1 15 12 27
171. 1 0 13 27
172. 1 1 13 0
173. 1 2 13 4
174. 1 3 13 0
175. 1 4 13 0
176. 1 5 13 1
177. 1 6 13 1
178. 1 7 13 25
179. 1 8 13 15
180. 1 9 13 5
181. 1 10 13 0
182. 1 11 13 0
183. 1 12 13 0
184. 1 13 13 0
185. 1 14 13 0
186. 1 15 13 27
187. 1 0 14 30
188. 1 1 14 3
189. 1 2 14 2
190. 1 3 14 0
191. 1 4 14 0
(13)
35
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
193. 1 6 14 1
194. 1 7 14 14
195. 1 8 14 0
196. 1 9 14 0
197. 1 10 14 0
198. 1 11 14 0
199. 1 12 14 0
200. 1 13 14 0
201. 1 14 14 0
202. 1 15 14 27
203. 1 0 15 31
204. 1 1 15 39
205. 1 2 15 40
206. 1 3 15 37
207. 1 4 15 34
208. 1 5 15 37
209. 1 6 15 34
210. 1 7 15 39
211. 1 8 15 37
212. 1 9 15 34
213. 1 10 15 37
214. 1 11 15 34
215. 1 12 15 37
(14)
36
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
217. 1 14 15 34
218. 1 15 15 31
219. 1 0 0 41
220. 1 1 0 57
221. 1 2 0 61
222. 1 3 0 50
223. 1 4 0 39
224. 1 5 0 41
225. 1 6 0 37
226. 1 7 0 41
227. 1 8 0 42
228. 1 9 0 38
229. 1 10 0 40
230. 1 11 0 39
231. 1 12 0 42
232. 1 13 0 43
233. 1 14 0 42
234. 1 15 0 37
235. 1 0 1 52
236. 1 1 1 62
237. 1 2 1 67
238. 1 3 1 48
239. 1 4 1 16
(15)
37
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek t_data_w ajah
No id pos_x pos_y data
241. 1 6 1 8
242. 1 7 1 11
243. 1 8 1 13
244. 1 9 1 11
245. 1 10 1 11
246. 1 11 1 14
247. 1 12 1 14
248. 1 13 1 14
249. 1 14 1 34
250. 1 15 1 48
251. 1 0 2 36
252. 1 1 2 26
253. 1 2 2 34
254. 1 3 2 42
255. 1 4 2 28
256. 1 5 2 15
5.3. Pengujian Perangkat Lunak
Pengujian perangkat lunak adalah untuk membandingkan data baru yang akan diambil dengan data yang sudah tersimpan dalam database. Jika objek yang baru cocok dengan database maka akan muncul seperti gambar berikut :
(16)
38
Gambar 5.7. Objek Cocok Dengan Database
Akan tetapi jika objek yang baru tidak terdapat dalam database maka akan muncul gambar berikut :
(17)
39
Dari hasil pengecekan satu objek dengan 30 kali tes yang dilakukan, tingkat keberhasilan dalam menentukan target adalah 80%. Perangkat lunak diatas dapat mengenali bahwa objek yang ditangkap oleh sensor merupakan data yang sesuai pada database, akan tetapi objek yang ditangkap tidak dapat dikenali dengan nama yang benar.
5.4. Pengujian Rangkaian Driver
Pengujian rangkaian driver motor adalah untuk mengetahui rangkaian motor dapat bekerja dengan benar apabila diberi tegangan berupa pulsa. Input dari optocoupler diberi tegangan 5 Volt sebagai pengganti logic 1 dari komputer. Output optocoupler menjadi input untuk rangkaian driver. Karena kaki basis terkena trigger maka motor memutar. Jika input dari optocoupler diberi tegangan 0 Volt sebagai pengganti dari logic 0 dari PC, Karena basis tidak terkena trigger maka motor juga tidak akan bergerak.
Sehingga dengan pengujian Rangkaian Driver ini dapat dilihat bahwa jika objek baru cocok dengan database, maka pintu akan terbuka, sebaliknya jika objek tidak cocok dengan database, maka pintu akan tetap tertutup.
(1)
34
169. 1 14 12 0
170. 1 15 12 27
171. 1 0 13 27
172. 1 1 13 0
173. 1 2 13 4
174. 1 3 13 0
175. 1 4 13 0
176. 1 5 13 1
177. 1 6 13 1
178. 1 7 13 25
179. 1 8 13 15
180. 1 9 13 5
181. 1 10 13 0
182. 1 11 13 0
183. 1 12 13 0
184. 1 13 13 0
185. 1 14 13 0
186. 1 15 13 27
187. 1 0 14 30
188. 1 1 14 3
189. 1 2 14 2
190. 1 3 14 0
191. 1 4 14 0
(2)
35
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek
t_data_w ajah
No id pos_x pos_y data
193. 1 6 14 1
194. 1 7 14 14
195. 1 8 14 0
196. 1 9 14 0
197. 1 10 14 0
198. 1 11 14 0
199. 1 12 14 0
200. 1 13 14 0
201. 1 14 14 0
202. 1 15 14 27
203. 1 0 15 31
204. 1 1 15 39
205. 1 2 15 40
206. 1 3 15 37
207. 1 4 15 34
208. 1 5 15 37
209. 1 6 15 34
210. 1 7 15 39
211. 1 8 15 37
212. 1 9 15 34
213. 1 10 15 37
214. 1 11 15 34
215. 1 12 15 37
(3)
36
217. 1 14 15 34
218. 1 15 15 31
219. 1 0 0 41
220. 1 1 0 57
221. 1 2 0 61
222. 1 3 0 50
223. 1 4 0 39
224. 1 5 0 41
225. 1 6 0 37
226. 1 7 0 41
227. 1 8 0 42
228. 1 9 0 38
229. 1 10 0 40
230. 1 11 0 39
231. 1 12 0 42
232. 1 13 0 43
233. 1 14 0 42
234. 1 15 0 37
235. 1 0 1 52
236. 1 1 1 62
237. 1 2 1 67
238. 1 3 1 48
239. 1 4 1 16
(4)
37
Lanjutan Tabel 5.2. Contoh Data Sebuah Objek
t_data_w ajah
No id pos_x pos_y data
241. 1 6 1 8
242. 1 7 1 11
243. 1 8 1 13
244. 1 9 1 11
245. 1 10 1 11
246. 1 11 1 14
247. 1 12 1 14
248. 1 13 1 14
249. 1 14 1 34
250. 1 15 1 48
251. 1 0 2 36
252. 1 1 2 26
253. 1 2 2 34
254. 1 3 2 42
255. 1 4 2 28
256. 1 5 2 15
5.3. Pengujian Perangkat Lunak
Pengujian perangkat lunak adalah untuk membandingkan data baru yang akan diambil dengan data yang sudah tersimpan dalam database. Jika objek yang baru cocok dengan database maka akan muncul seperti gambar berikut :
(5)
38
Akan tetapi jika objek yang baru tidak terdapat dalam database maka akan muncul gambar berikut :
(6)
39
Dari hasil pengecekan satu objek dengan 30 kali tes yang dilakukan, tingkat keberhasilan dalam menentukan target adalah 80%. Perangkat lunak diatas dapat mengenali bahwa objek yang ditangkap oleh sensor merupakan data yang sesuai pada database, akan tetapi objek yang ditangkap tidak dapat dikenali dengan nama yang benar.
5.4. Pengujian Rangkaian Driver
Pengujian rangkaian driver motor adalah untuk mengetahui rangkaian motor dapat bekerja dengan benar apabila diberi tegangan berupa pulsa. Input dari optocoupler diberi tegangan 5 Volt sebagai pengganti logic 1 dari komputer. Output optocoupler menjadi input untuk rangkaian driver. Karena kaki basis terkena trigger maka motor memutar. Jika input dari optocoupler diberi tegangan 0 Volt sebagai pengganti dari logic 0 dari PC, Karena basis tidak terkena trigger maka motor juga tidak akan bergerak.
Sehingga dengan pengujian Rangkaian Driver ini dapat dilihat bahwa jika objek baru cocok dengan database, maka pintu akan terbuka, sebaliknya jika objek tidak cocok dengan database, maka pintu akan tetap tertutup.