MENGHITUNG JUMLAH JARI PADA CITRA TANGAN DENGAN MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI KONTUR.

MENGHITUNG J UMLAH J ARI PADA CITRA
TANGAN DENGAN MENGGUNAKAN RUANG
WARNA YCBCR DAN TEKNIK DETEKSI KONTUR

SKRIPSI

Disusun oleh :

DEDY SETIANTO
NPM. 0934010203

J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2014

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

MENGHITUNG J UMLAH J ARI PADA CITRA

TANGAN DENGAN MENGGUNAKAN RUANG
WARNA YCBCR DAN TEKNIK DETEKSI KONTUR
SKRIPSI
Diajukan Untuk Memenuhi Sebagai Persyaratan
Dalam Memperoleh Gelar Sarjana Komputer
Jurusan Teknik Informatika

Disusun oleh :

DEDY SETIANTO
NPM. 0934010203

J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
J AWA TIMUR
2014

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

LEMBAR PENGESAHAN

MENGHITUNG J UMLAH J ARI PADA CITRA TANGAN DENGAN
MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI
KONTUR

Disusun oleh :

DEDY SETIANTO
NPM. 0934010203

Telah disetujui untuk mengikuti Ujian Negara Lisan
Gelombang V Tahun Akademik 2013/2014

Pembimbing I

Pembimbing II

Wahyu S.J . Saputr a, S.Kom, M.Kom

NPT. 3 8608 10 0295 1

Chr istya Aji Putr a, S.Kom, M.Kom
NPT. 3 8610 10 0296 1

Mengetahui,
Ketua J ur usan Teknik Infor matika
Fakultas Teknologi Industr i
UPN “Veter an” J awa Timur

Dr. Ir . Ni Ketut Sar i, MT
NIP. 19650731 199203 2 001

SKRIPSI

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

MENGHITUNG J UMLAH J ARI PADA CITRA TANGAN DENGAN
MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI

KONTUR
Disusun oleh :

DEDY SETIANTO
NPM. 0934010203
Telah dipertahankan dihadapkan dan diterima oleh Tim Penguji Skripsi
J urusan Teknik Infor matika Fakultas Teknologi Industri
Univer sitas Pembangunan Nasional “Veteran” J awa Timur
Pada Tanggal 13 J uni 2014
Pembimbing I:

Tim Penguji :
1.

Wahyu S.J . Saputr a, S.Kom, M.Kom
NPT. 3 8608 10 0295 1

Budi Nugr oho, S.Kom, M.Kom
NPT. 3 8009 05 02051

Pembimbing II:

2.

Chr istya Aji Putr a, S.Kom, M.Kom
NPT. 3 8610 10 0296 1

Intan Yuniar P., S.Kom, M.Sc
NPT. 3 8006 04 01981
3.

Henni Endah W., S.T, M.Kom
NPT. 3 7809 13 03481

Mengetahui,
Dekan Fakultas Teknologi Industr i
Universitas Pembangunan Nasional “Veter an” J awa Timur

Ir . SUTIYONO, MT.
NIP. 19600713 1987 03 1 001

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

YAYASAN KESEJ AHTERAAN PENDIDIK AN DAN PERUM AHAN
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR
FAKULTAS TEKNOLOGI INDUSTRI
PANITIA UJ I AN SKRIPSI / KOMPREHENSIF

KETERANGAN REVISI

Mahasiswa di bawah ini :
Nama

: DEDY SETIANTO

NPM

: 0934010203

Jurusan

: Teknik Informatika

Telah mengerjakan revisi/ tidak ada revisi*) pra rencana (design)/ skripsi ujian
lisan gelombang V, TA 2013/2014 dengan judul:
“MENGHITUNG J UMLAH J ARI PADA CITRA TANGAN DENGAN
MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI
KONTUR ”

Surabaya, 30 Juni 2014
Dosen Penguji yang memerintahkan revisi :

1) Budi Nugroho, S.Kom, M.Kom

{

}

{

}

{

}

NPT. 3 8009 05 02051

2) Intan Yuniar P., S.Kom, M.Sc
NPT. 3 8006 04 01981

3) Henni Endah W., S.T, M.Kom
NPT. 3 7809 13 03481

Mengetahui,
Pembimbing I

Wahyu S.J . Saputr a, S.Kom, M.Kom
NPT. 3 8608 10 0295 1

Pembimbing II

Chr istya Aji Putr a, S.Kom
NPT. 3 8610 10 0296 1

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

KATA PENGANTAR

Puji syukur alhamdulillaahi rabbil ‘alamiin penulis ucapkan kehadirat
Allah SWT atas segala rahmat serta karunia-Nya yang diberikan kepada penulis
sehingga penulis dapat menyelesaikan skripsi yang berjudul “ MENGHITUNG
J UMLAH J ARI PADA CITRA TANGAN DENGAN MENGGUNAKAN RUANG
WARNA YCBCR DAN TEKNIK DETEKSI KONTUR ”.

Skripsi dengan beban 4 SKS ini disusun sebagai salah satu syarat untuk
menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika,
Fakultas Teknologi Industri, UPN “Veteran” Jawa Timur.
Penulis menyadari bahwa penulisan skripsi ini masih jauh dari
kesempurnaan dikarenakan pengetahuan dan pengalaman yang dimiliki oleh
penulis masih sangat terbatas dan masih perlu diperbaiki baik dari segi penyajian
maupun isinya. Oleh karena itu, penulis mengharapkan kritik dan saran yang
bersifat membangun dari semua pihak yang membaca skripsi ini. Semoga skripsi
ini bermanfaat bagi semua pembaca pada umumnya dan bagi penulis pada
khususnya. Amiin.

Surabaya, 30 Juni 2014

(Penulis)

ii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

UCAPAN TERIMA KASIH

Skripsi ini dapat diselesaikan dengan baik karena dukungan, bimbingan dan
bantuan dari berbagi pihak. Oleh karena itu dalam kesempatan ini perkenankan
penulis mengucapkan rasa terima kasih yang sebesar-besarnya kepada :
1) Allah SWT., karena berkat rahmat dan karunia-Nya penulis dapat menyusun
dan menyelesaikan skripsi ini.
2) Keluarga tercinta. Ayah dan Ibu yang selalu memberikan kasih sayang,
dukungan moril, doa, semangat dan materiil yang tiada henti-hentinya. Kak
Pipit, kak iwan dan adik tercinta chiko. Dan juga “mimiku” yang selalu
mendampingi, memberikan semangat dan motivasi serta perhatian dan
pengertian yang luar biasa.
3) Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor Universitas
Pembangunan Nasional “Veteran” Jawa Timur.
4) Bapak Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN
“Veteran” Jawa Timur.
5) Ibu Dr. Ir. Ni Ketut Sari, MT selaku Ketua Jurusan Teknik Informatika UPN
“Veteran” Jawa Timur.
6) Ibu Yisti Vita Via, S.ST, M.Kom selaku PIA Tugas Akhir Teknik Informatika
UPN “Veteran” Jawa Timur.
7) Bapak Wahyu S J Saputra, S.Kom, M.Kom selaku dosen pembimbing I
skripsi ini di UPN “Veteran” Jawa Timur yang telah banyak memberikan
waktu, bimbingan dan petunjuk sejak awal hingga terselesainya skripsi ini.

iii
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

iv

8) Bapak Christya Aji Putra, S.Kom, M.Kom selaku dosen pembimbing II
skripsi ini di UPN “Veteran” Jawa Timur yang telah banyak memberikan
waktu, bimbingan dan petunjuk sejak awal hingga terselesainya skripsi ini.
9) Sahabat seperjuangan Dony dan Yoga. Tiada hari siang malam tanpa ngopi
dan ngoding. Kenanglah selalu momen-momen indah pada saat itu.
10) Bapak Rully, S.Kom yang selalu menasehati dan membimbing penulis kearah
yang benar. Penulis tidak akan melupakan jasa-jasa beliau.
11) Semua teman-teman Teknik Informatika 2009 UPN “Veteran” Jawa Timur.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

DAFTAR ISI
Halaman
LEMBAR PENGESAHAN
ABSTRAK ..................................................................................................

i

KATA PENGANTAR ................................................................................ ii
UCAPAN TERIMA KASIH ...................................................................... iii
DAFTAR ISI ...............................................................................................

v

DAFTAR GAMBAR .................................................................................. viii
DAFTAR TABEL ......................................................................................

x

BAB I PENDAHULUAN ..........................................................................

1

1.1. Latar Belakang .......................................................................

1

1.2. Rumusan Masalah ..................................................................

2

1.3. Batasan Masalah ....................................................................

3

1.4. Tujuan ……….. .....................................................................

4

1.5. Manfaat .................................................................................

4

BAB II TINJ AUAN PUSTAKA ...............................................................

5

2.1. Image ....................................................................................

5

2.1.1. Definisi Image .............................................................

5

2.1.2. File Gambar .................................................................

6

2.2. Mode Warna Pada Gambar Digital .........................................

8

2.2.1. RGB (Red Green Blue) ................................................

9

v
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

vi

2.2.2. CMYK (Cyan Magenta Yellow Black) ......................... 10
2.2.3. YCbCr (Luma dan Kroma) ........................................... 11
2.3. Macam-Macam Teknik Pendeteksian Warna Kulit ................. 12
2.3.1. Deteksi Warna Kulit Menggunakan Model Warna RGB 12
2.3.2. Deteksi Warna Kulit Menggunakan Model Warna YCbCr .... 14
2.4. Morphological Image Processing ........................................... 16
2.4.1.Dilasi ............................................................................. 17
2.4.2.Erosi .............................................................................. 18
2.5. Segmentasi Citra ................................................................... 19
2.6. Deteksi Kontur Tangan ......................................................... 20
2.6.1. Convexity dan Convexity Defects .................................. 22
2.6.2. Convex Hull .................................................................... 24
2.7. Visual Basic .......................................................................... 25
2.8. OpenCV (Open Computer Vision) ......................................... 27
2.9. Emgu CV .............................................................................. 28

BAB III METODOLOGI PENELITIAN ................................................. 32
3.1. Analisis Sistem ...................................................................... 32
3.1.1. Pre-processing ............................................................. 37
3.2. Segmentasi Citra Tangan ........................................................ 40
3.3. Pencarian Kontur Tangan ....................................................... 42
3.4. Convex Hull dan Convexity Defects dari Tangan .................... 43
3.5. Perancangan Interface ............................................................ 45

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

vii

3.5.1. Interface Tampilan Awal .............................................. 45
3.5.2. Interface Menu Load Images ........................................ 46
3.5.3. Interface Finger Recognition ........................................ 47
3.5.4. Interface YCbCr Detection ........................................... 47
3.6. Lingkungan Implementasi ...................................................... 48

BAB IV HASIL DAN PEMBAHASAN ..................................................... 50
4.1. Implementasi Data ................................................................ 50
4.2. Implementasi Interface .......................................................... 50
4.3. Implementasi Proses .............................................................. 53
4.3.1. Proses Input Gambar pada File Explorer PC ................ 59
4.3.2. Proses Deteksi YCbCr ................................................... 60
4.3.3. Proses Convex Hull dan Defects .................................... 60
4.3.4. Proses Menghitung Jumlah Jari ..................................... 61
4.4. Uji Coba Program ................................................................. 63
4.4.1. Skenario Uji Coba ........................................................ 63
4.4.2. Pelaksanaan Uji Coba .................................................. 64
4.5. Evaluasi Aplikasi .................................................................. 66
4.5.1. Analisis Proses Pengambilan Citra Jari Tangan ............ 67
4.5.2. Analisis Proses Face Recognition ................................. 71

BAB V KESIMPULAN DAN SARAN ..................................................... 72
5.1. Kesimpulan ........................................................................... 72

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

viii

5.2. Saran .................................................................................... 73

DAFTAR PUSTAKA ................................................................................. 74

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

J UDUL

: MENGHITUNG J UMLAH J ARI PADA CITRA TANGAN
DENGAN MENGGUNAKAN RUANG WARNA YCBCR
DAN TEKNIK DETEKSI KONTUR
PENYUSUN
: DEDY SETYANTO
DOSEN PEMBIMBING I
: Wahyu S J Saputr a, S.Kom, M.Kom
DOSEN PEMBIMBING II : Chr istya Aji Putr a, S.Kom, M.Kom

ABSTRAK

Saat ini penelitian yang dilakukan tentang Human Computer Interaction
(HCI) memberikan pengaruh yang besar dalam mengembangkan komunikasi
manusia dengan komputer dan telah diterapkan dalam berbagai bidang atau
peralatan lainnya, salah satunya teknologi komunikasi tersebut adalah pengenalan
sebuah jari tangan manusia dengan media web-cam. Teknologi komunikasi
komputer tersebut sangat bermanfaat sebagai alat pengenalan yang kedepannya
dapat membantu manusia dalam menciptakan teknologi yang tepat guna.
Untuk mengatasinya akan dirancang suatu aplikasi pengenalan jari tangan
manusia dengan menggunakan format warna dan metode khusus secara otomatis
oleh komputer. Tujuan aplikasi ini adalah agar komputer mampu menghitung
jumlah sebuah jari tangan manusia. Dalam penerapannya, aplikasi menghitung jari
tangan ini terutama adalah pengambilan objek gambar jari tangan menggunakan
sebuah kamera laptop/web-cam, setelah itu load ke dalam komputer yang tersedia
pada aplikasi ini dan kemudian objek gambar akan diproses untuk dihitung jumlah
jarinya dengan bantuan format warna YCbCr dan pendeteksian kontur.
Pada penelitian ini proses pengenalan jari tangan manusia menggunakan
metode Convex Hull dan Convexity Defects sebagai pendeteksi kontur, format
warna YCbCr yang memudahkan dalam pendeteksian kontur dan dengan bahasa
pemrograman Visual Basic, Microsoft Visual Studio 2010 (.Net) dan library
Emgu CV. Metode ini mempunyai komputasi yang sederhana dan cepat.
Pemrosesan metode Convex Hull dan Convexity Defects akan melalui tahapan
thresholding dan deteksi kontur. Dan terakhir dilakukan pemrosesan perhitungan
jumlah jari tangan dengan menggunakan pemrosesan dari metode Convex Hull
dan Convexity Defects, kemudian melakukan perkalian dengan skala
perbandingan yang sudah ada ketetapannya setelah dilakukan dari beberapa uji
coba. Dari percobaan dan pengujian yang dilakukan, aplikasi dapat mengenali jari
tangan manusia dan menghitung jumlah jarinya pada citra dengan tingkat
keakuratan 92.11%. Tinggi rendahnya unsur pencahayaan dan latar yang berada di
belakang obyek sangat mempengaruhi proses pengenalan.

Kata Kunci : Convex Hull dan Convexity Defects, Format YCbCr, Menghitung
Jumlah Jari

i
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB I
PENDAHULUAN

1.1.

Latar Belakang
Saat ini penelitian yang dilakukan tentang Human Computer Interaction

(HCI) memberikan pengaruh yang besar dalam mengembangkan komunikasi
manusia dengan komputer dan telah diterapkan dalam berbagai bidang atau
peralatan lainnya, salah satu teknologi komunikasi tersebut adalah menghitung
jumlah jari tangan manusia dengan webcam komputer sebagai alat pendeteksian
citra. Teknologi komunikasi komputer tersebut sangat bermanfaat sebagai alat
pengenalan yang kedepannya dapat membantu manusia dalam menciptakan
teknologi yang tepat guna. Teknologi ini masuk kedalam kategori Computer
Vision.
Komputer Vision sendiri merupakan pengolahan citra yang dikaitkan
dengan akusisi citra, pemrosesan, klasifikasi, pengakuan, dan pencakupan
keseluruhan pengambilan keputusan diikuti dengan pengidentifikasian citra. Dan
Hand Recognition pun ada kaitannya dengan komputer vision yaitu merupakan
salah satu implementasi teknik deteksi, dimana pendeteksian dari jari tangan
dilakukan pada objek tangan manusia, tangan pengguna yang berada didepan
web-cam akan terdeteksi dan akan dihitung jumlah jari yang direntangkan. Dalam
implementasi pengenalan jari tangan ini terdapat penggunaan format warna dan
teknik tertentu yang menjadi dasar atau merupakan inti dari pengenalan jari
tangan yang merupakan teknik deteksi, salah satunya yaitu format warna YCbCr

1
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

2

dan teknik deteksi kontur. Teknik ini diharapkan dapat mengklasifikasikan warna
kulit yang nantinya akan terdeteksi sebagai warna kulit manusia.
Dalam penelitian ini dilakukan implementasi deteksi jari tangan
menggunakan dengan menggunakan format warna YCbCr. Format warna ini
sering digunakan untuk mengklasifikasikan warna kulit. Untuk dapat mendeteksi
sebuah jari tangan tidak cukup hanya dengan klasifikasi format warna, tetapi juga
perlu metode yang disini menggunakan Convex Hull dan Convexity Defects.
Metode ini akan mengembalikan nilai berupa kontur-kontur objek yang dihasilkan
dari citra tangan manusia. Convexity Defects berfungsi sebagai suatu metode
untuk mendapatkan kontur yang berkarakter kuat dan pasti pada suatu objek
misalkan tangan. sedangkan convex hull biasa dipakai untuk mendapatkan kontur
besar yang mengelilingi suatu objek.
Dengan adanya penelitian ini diharapkan agar kedepannya para pengguna
aplikasi ini bisa mengembangkan teknologi tersebut agar lebih bermanfaat bagi
perkembangan teknologi khususnya dibidang pendeteksian citra.

1.2.

Rumusan Masalah
Adapun dari latar belakang yang telah diurai sebelumnya ditemukan

masalah yang dirumuskan dalam satu rumusan masalah yaitu :
a. Bagaimana cara menghitung jumlah jari tangan manusia dengan
Metode Convex Hull dan Convexity Defects.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

3

b. Bagaimana cara mendapatkan kontur dari tangan manusia dengan
klasifikasi ruang warna YCbCr.

1.3.

Batasan Masalah
Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas

akhir ini dapat berjalan dengan baik adalah sebagai berikut :
a. Citra tangan yang akan dideteksi adalah citra tangan yang menghadap
ke depan, dalam posisi tegak dan tidak terhalangi sebagian oleh objek
lain.
b. Pengambilan citra dilakukan dengan load images dari file explorer
komputer.
c. Warna background harus berbeda dari warna kulit yang akan dideteksi.
d. Dapat digunakan untuk mendeteksi jari tangan manusia, namun bukan
untuk tangan alat peraga/boneka.
e. Bahasa pemrograman yang dipakai adalah Visual Basic (.Net) dengan
compiler Microsoft Visual Studio 2010 dan library Emgu CV.
f. Aplikasi ini mampu mendeteksi jari tangan dengan citra gambar yang
diambil dari kamera minimal beresolusi VGA.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

4

1.4.

Tujuan
Tujuan dari tugas akhir ini adalah membuat aplikasi menghitung jumlah

jari pada citra tangan dengan menggunakan ruang warna YCbCr dan teknik
deteksi kontur.

1.5.

Manfaat
Adapun manfaat yang dapat diambil dari tugas akhir ini adalah sebagai

berikut :
1. Penelitian ini memiliki konstribusi yang sangat penting dalam
perkembangan komunikasi langsung manusia dengan komputer
(Human Computer Interaction).
2. Ikut memberikan kontribusi terhadap penelitian pengembangan fungsi
dari penghitungan jari tangan secara real-time.
3. Menambah pengetahuan dalam bidang kecerdasan buatan dan teknik
pengolahan citra khususnya pengenalan tangan dengan menggunakan
format warna YCbCr dan teknik deteksi kontur.
4. Dapat dipergunakan sebagai dasar penelitian selanjutnya untuk sistem
pengenalan jari tangan, yang dapat dipergunakan untuk berbagai
keperluan seperti hand tracking untuk pengendalian mouse pointer.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

BAB II
TINJ AUAN PUSTAKA

2.1

Image

2.1.1. Definisi Image
“ Secara harfiah image (citra) adalah gambar pada bidang dua dimensi.
Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus
(continue) dari intensitas cahaya pada bidang dua dimensi. (Sitorus dkk, 2006)
Citra didefinisikan sebagai fungsi intensitas cahaya dua dimensi f(x,y)
dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y)
sebanding dengan tingkat kecerahan (gray level) dari citra di titik tersebut.“
(Purwanto Ari, 2009)
“ Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still
images) dan citra bergerak (moving images). Citra diam adalah citra tunggal yang
tidak bergerak. Sedang citra bergerak adalah rangkaian citra diam yang
ditampilkan secara beruntun (sekuensial), sehingga memberi kesan pada mata
sebagai gambar yang bergerak.” (Sitorus dkk, 2006)
“ Citra digital adalah citra dengan f(x,y) yang nilainya didigitalisasikan
baik dalam koordinat spasial maupun dalam gray level. Digitalisasi dari koordinat
spasial citra disebut dengan image sampling. Sedangkan digitalisasi dari gray
level citra disebut dengan gray-level quantization. Citra digital dapat dibayangkan
sebagai suatu matriks dimana baris dan kolomnya merepresentasikan suatu titik di

5
Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

6

dalam citra, dan nilai elemen matriks tersebut menunjukkan gray level di titik
tersebut.” (Purwanto Ari, 2009)
Hal tersebut dapat diilustrasikan pada Gambar 2.1. berikut ini.

Gambar 2.1. Citra Digital

2.1.2. File Gambar
Format file gambar adalah bentuk standar dari proses organisasi dan
penyimpanan gambar. File gambar terkomposisi oleh data pixel atau vector yang
dilakukan proses rasterized menjadi pixel saat ditampilkan dalam sebuah vector
graphics display. Pixel yang mengkoposisi gambar disusun sebagai sebuah grid
(kolom dan baris) dan setiap pixel terdiri dari representasi magnitudes dari
kecerahan dan warna.
Format file gambar merupakan suatu cara yang berbeda untuk
menyimpan gambar grafis digital diantaranya adalah JPEG/JPG, BMP, GIF.
Berikut penjelasan tentang 3 (tiga) format tersebut.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

7

a.

JPEG
JPEG adalah sebuah format gambar, sangat berguna untuk

membuat gambar jenis fotografi berkualitas tinggi dalam ukuran file yang sangat
kecil. Meskipun kompresi gambar JPEG sangatlah efisien dan selalu menyimpan
gambar dalam kategori warna true color (24 bit), format ini bersifat lossy, yang
berarti bahwa kualitas gambar dikorbankan bila tingkat kompresi yang dipilih
semakin tinggi.

b.

GIF
(Graphics Interchange Format ) GIF merupakan format grafis yang sering

digunakan pada desain web. GIF memiliki kombinasi warna lebih sedikit
dibanding JPEG, tetapi mampu menyimpan grafis dengan latar belakang
transparan ataupun dalam bentuk animasi sederhana.

c.

BMP
Bitmap adalah representasi dari citra grafis yang terdiri dari susunan titik

yang tersimpan di memori komputer. Nilai setiap titik diawali oleh satu bit data
(untuk gambar hitam putih) atau lebih (untuk gambar berwarna). Kerapatan titiktitik tersebut dinamakan resolusi, yang menunjukkan seberapa tajam gambar ini
ditampilkan, ditunjukkan dengan jumlah baris dan kolom (contoh 1024x768).
Untuk menampilkan citra bitmap pada monitor atau mencetaknya pada printer,
komputer menterjemahkan bitmap ini menjadi pixel (pada layar) atau titik tinta

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

8

(pada printer). Beberapa format file bitmap yang populer adalah BMP, PCX dan
TIFF. (Wikipedia, 2013)

2.2

Mode Warna Pada Gambar Digital
Menurut Al Fatta Hanif warna yang kita lihat sebenarnya adalah spectrum

cahaya yang dipantulkan oleh benda yang kemudian ditangkap oleh indra
pengelihatan kita lalu diterjemahkan oleh otak sebagai sebuah warna tertentu.
Sebagai contoh jika kita melihat warna hijau yang terdapat pada daun karena
cahaya yang datang (umunya cahaya matahari yang punya spectrum cahaya yang
cukup kompleks) diserap oleh daun selain warna hijau yang dipantulkan, dan
cahaya hijau yang terpantul inilah yang kita tangkap, sehingga kita dapat melihat
bahwa daun berwarna hijau. Jadi sebenarnya faktor penting bagi kita untuk
melihat sebuah warna dengan baik adalah cahaya yang mengenai benda tersebut.
Karena terkait dengan cahaya maka kita mengetahui bahwa tidak semua spectrum
cahaya dapat ditangkap oleh indra pengelihatan kita, karena itu kemudia timbul
istilah spektrum terlihat (visible spectrum) yang range-nya cukup besar. Range
inilah yang menjadi penyebab kita dapat melihat beraneka ragam warna yang
secara umum dipisahkan menjadi beberapa spektrum dasar yakni mejikuhibiniu
(merah, jingga, kuning, hijau, biru, nila dan ungu). (Wahyu Saputra, 2009)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

9

2.2.1. RGB (Red Green Blue)

Gambar 2.2 Model Warna RGB

Menurut Herman Pratomo model warna RGB adalah model warna
berdasarkan konsep penambahan kuat cahaya primer yaitu Red, Green dan Blue.
Dalam suatu ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut
adalah gelap total. Tidak ada signal gelombang cahaya yang diserap oleh mata
kita atau RGB (0,0,0). Apabila kita menambahkan cahaya merah pada ruangan
tersebut, maka ruangan akan berubah warna menjadi merah misalnya RGB
(255,0,0), semua benda dalam ruangan tersebut hanya dapat terlihat berwarna
merah. Demikian apabila cahaya kita ganti dengan hijau atau biru.
Apabila kita melanjutkan percobaan memberikan 2 macam cahaya primer
dalam ruangan tersebut seperti (merah dan hijau), atau (merah dan biru) atau
(hijau dan biru), maka ruangan akan berubah warna masing-masing menjadi
kuning, atau magenta atau cyan. Warna-warna yang dibentuk oleh kombinasi dua
macam cahaya tersebut disebut warna sekunder. Warna Tersier adalah warna yang

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

10

hanya dapat terlihat apabila ada tiga cahaya primer, jadi apabila kita non-aktifkan
salah satu cahaya, maka benda tersebut berubah warna.
Pada perhitungan dalam program-program komputer model warna
direpresentasi dengan nilai komponennya, seperti dalam RGB (r, g, b) masingmasing nilai antara 0 hingga 255 sesuai dengan urusan masing-masing yaitu
pertama Red, kedua Green dan ketigha adalah nilai Blue dengan demikian
masing-masing komponen ada 256 tingkat. Apabila dikombinasikan maka ada
256 x 256 x 256 atau 16.777.216 kombinasi warna RGB yang dapat dibentuk.

2.2.2.

CMYK (Cyan Magenta Yellow Black)
CMYK biasanya juga sering disebut sebagai ‘warna proses’ atau ‘empat

warna’). CMYK adalah sebuah model warna berbasis pengurangan sebagian
gelombang cahaya (substractive color model) dan yang umum dipergunakan
dalam pencetakan berwarna. Istilah CMYK juga biasanya digunakan untuk
menjelaskan proses pencetakan itu sendiri. Meskipun terdapat beberapa metode
pencetakan yang diterapkan pada percetakan, operator cetak, pembuat mesin cetak
dan urutan penintaan, proses pewarnaan umumnya berurutan sesuai dengan
singkatannya, yaitu CMYK.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

11

Gambar 2.3 Model Warna CMYK

2.2.3.

YCbCr (Luma dan Kroma)
YCbCr atau Y'CbCr, kadang-kadang ditulis YCbCr atau Y'CBCR,

adalah keluarga ruang warna yang digunakan sebagai bagian dari pipa warna
gambar dalam video dan sistem fotografi digital. Y adalah komponen luma dan
CB dan CR adalah perbedaan biru dan merah perbedaan komponen kroma. Y
'(dengan prima) dibedakan dari Y yang terang, yang berarti bahwa intensitas
cahaya adalah non-linear dikodekan menggunakan koreksi gamma. Y'CbCr bukan
merupakan ruang warna mutlak, tetapi merupakan cara pengkodean informasi
RGB. Warna yang sebenarnya ditampilkan tergantung pada primary RGB yang
sebenarnya digunakan untuk menampilkan sinyal. Oleh karena itu nilai
dinyatakan sebagai Y'CbCr diprediksi hanya jika standar RGB kromatisitas warna
primer yang digunakan. Pada gambar 2.4 dibawah ini merupakan contoh citra
yang memiliki format warna YCrCb, hasil konversi dari format warna RGB ke
YCrCb. (Wahyu Saputra, 2009)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

12

Gambar 2.4 Model Warna YCbCr

2.3

Macam-Macam Teknik Pendeteksian Warna Kulit
Teknik pendeteksian warna kulit merupakan sebuah teknik untuk

melakukan perhitungan terhadap sebuah warna dengan menggunakan metode
tertentu dan penyeleksian kondisi sehingga menghasilkan sebuah output apakah
warna tersebut diidentifikasi sebagai warna kulit ataukah bukan. Ada beberapa
teknik untuk mengidentifikasi sebuah warna kulit, tiga teknik diantaranya adalah
teknik RGB dan teknik YCbCr. Dimana setiap teknik untuk mendeteksi warna
kulit pada gambar memiliki kelebihan dan kekurangan masing-masing.
(Wikipedia, 2009)

2.3.1. Deteksi Warna Kulit Menggunakan Model Warna RGB
Menurut Moheb R. Girgis, Tarek M. Mahmoud dan Tarek Abd-El-Hafeez
mode warna RGB merupakan mode warna yang paling sering digunakan untuk

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

13

mengidentifikasi warna kulit secara langsung sehingga diperlukan penyeleksian
kondisi untuk mengenali apakah warna pada sebuah pixel merupakan warna kulit
atau bukan,dengan cara membandingkan nilai masing-masing komposisi warna R
G dan B dengan nilai-nilai tertentu.
Berikut penyeleksian kondisi yang dibutuhkan untuk mengenali apakah
sebuah pixel warna merupakan representasi dari warna kulit atau bukan. Kondisi
yang mengidentifikasi pixel warna sebagai warna kulit jika nilai (R)Red,
(G)Green, dan (B)Blue adalah sebagai berikut :
R > 95 and G > 40 and B > 20,
Max {R,G,B} – min {R,G,B} > 15,
| R-G | > 15 and R > G and R > B,
Sedengkan untuk kondisi pencahayaan yang cukup banyak maka pixel
warna diidentifikasi sebagai pixel warna jika (R)Red, (G)Green, dan (B)Blue
adalah sebagai berikut :
R > 220 and G > 210 and B > 170,
| R-G | ≤15 and B < R and B < G,
Dari formula model warna RGB untuk menyeleksi warna kulit, dapat
dilihat bahwa kelebihan dari menggunakan model RGB adalah mempunyai
masukan (input) berupa nilai R, G, dan B yang langsung bisa diperoleh dari
komposisi warna pada pixel warna. Penggunaan model warna RGB tentunya juga
mempunyai kelemahan, yaitu memiliki 2 (dua) formula yang berbeda untuk
masing-masing kondisi gambar. (Wahyu Saputra, 2009)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

14

2.3.2. Deteksi Warna Kulit Menggunakan Model Warna YCbCr
Menurut Liensberger mode warna RGB mencampurkan elemen-elemen
luminositas dan kromatisitas. Luminositas adalah elemen kecerahan yaitu terang
dan gelap. Sedangkan kromatisitas adalah elemen warna murni sehingga terlihat
perbedaan yang nyata (vivid) antara warna yang satu dengan warna yang lain.
Model warna HSV, HIS, atau HSL (Hue, Saturation, Value/Intensity/Luminance)
memisahkan elemen warna luminositas dan kromatisitas. Elemen warna Hue dan
Saturation

mewakili

kromatisitas,

sedangkan

elemen

warna

Value/Intensity/Luminance mewakili luminositas. Dengan adanya pemisahan ini
maka ruang warna HSV/I/L bersifat invariant terhadap sumber cahaya.
Model warna HSV/I/L merupakan model warna yang mengkodekan nilai
RGB secara non-linier. Model warna lain yang non-linier adalah model warna
YCbCr yang umum digunakan pada studio televisi di Eropa untuk pekerjaanpekerjaan pengolahan citra. Formula pengkodean dari RGB ke YCbCr adalah
sebagai berikut :
≈

0
0.299
128 + − 0.169
128
0.500

0.587
− 0.331
− 0.419

0.114
0.500 .
− 0.081

Model warna YCbCr mirip dengan model warna HSV, memisahkan nilai
intensitas pixel gambar digital menjadi elemen luminositas dan kromasitas.
Elemen luminositas diwakili oleh komponen Y, sedangkan elemen kromasitas
adalah komponen Cb dan Cr.
Penggunaan model warna berbeda memberikan keuntungan dan kerugian.
Dengan melakukan konversi model warna dari RGB ke model warna lain

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

15

diperlukan ‘cost’ baik dari sisi komputasi maupun dari sisi akurasi data mengingat
terjadi proses perhitungan yang melibatkanbilangan-bilangan floating-point
sehingga mengurangi tingkat akurasi walaupun tidak terlalu signifikan.
Namun dengan memisahkan elemen luminositas dan kromatisitas maka
akan diperoleh informasi gambar robust terhadap orientasi. Yang mungkin
menjadi persoalan adalah pemilihan model warna yang memberikan distribusi
warna yang baik, kompak, sertatingkat kestabilan yang baik.
Untuk mengenali sebuah pixel yang merupakan pixel warna kulit atau
bukan diperlukan beberapa penyeleksian kondisi dari hasil konversi RGB ke
YCbCr. Sebuah pixel warna diidentifikasi sebagai warna kulit jika :
Cb [77,127]
Cr [133,173]
Dari formula YCbCr yang diperlukan untuk mengenali pixel warna kulit,
dapat dilihat bahwa input yang diperlukan adalah nilai Cb dan Cr yang didapat
dari perhitungan matrix konversi. Matrix konversi mempunyai input berupa nilai
RGB yang didapat dari pixel warna yang akan diseleksi. Penggunaan model warna
YCbCr mempunyai kelebihan yaitu memiliki 1 (satu) formula untuk semua
gambar serta model warna YCbCr termasuk model warna 2 (dua) dimensi
sehingga memudahkan penghitungan. Penggunaan model warna YCbCr juga
mempunyai kelemahan, jika dilihat dari formula konversi yang dibutuhkan maka
dapat disimpulkan bahwa penggunaan model warna YCbCr membutuhkan waktu
lebih dari pada penggunaan model warna RGB untuk melakukan prosesnya.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

16

YCbCr juga mempunyai sebuah nilai range untuk sebuah citra. YCbCr_min dan
YCbCr_max adalah range warna untuk warna kulit seperti dibawah.
YCbCr_min = new Ycc ( 0, 131, 80 ) ;
YCbCr_max = new Ycc ( 255, 185, 135) ;

Dengan menggunakan batas-batas nilai tersebut, setiap pixel pada gambar
yang telah diubah kedalam model warna tersebut akan diperiksa apakah pixelpixel tersebut masuk kedalam kondisi batas-batas nilai warna tersebut. (Wahyu
Saputra, 2009)

2.4

Morphological Image Processing
Morphologi adalah teknik pengolahan citra digital dengan menggunakan

bentuk (shape) sebagai pedoman dalam pengolahan. Nilai dari setiap pixel dalam
citra digital hasil diperoleh melalui proses perbandingan antara pixel yang
bersesuaian pada citra digital masukan dengan pixel tetangganya. Operasi
morphologi bergantung pada urutan kemunculan dari pixel, tidak memperhatikan
nilai numeric dari pixel sehingga teknik morphologi sesuai apabila digunakan
untuk melakukan pengolahan binari image dan grayscale image.
Dengan mengatur atau memilih ukuran dan bentuk dari matrik kernel
(structuring element) yang digunakan maka kita dapat mengatur sensitivitas
operasi morphologi terhadap bentuk tertentu (spesifik) pada citra digital masukan.
Operasi morphologi standar yang dilakukan adalah proses erosi dan dilatasi.
Dilatasi adalah proses penambahan pixel pada batas dari suatu objek pada citra
digital masukan, sedangkan erosi adalah proses pemindahan/pengurangan pixel

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

17

pada batas dari suatu objek. Jumlah pixel yang ditambahkan atau yang
dihilangkan dari batas objek pada citra digital masukan tergantung pada ukuran
dan bentuk dari structuring element yang digunakan.
Perbedaan antara pemrosesan citra digital secara morfologis dengan
pemrosesan biasa adalah sebagai berikut :
a.

Pengolahan citra dasar sebelumnya hanya memandang sebuah citra
sebagai suatu fungsi intensitas terhadap posisi (x,y)

b.

Dengan pendekatan morfologi, kita memandang suatu citra sebagai sebuah
himpunan

c.

Pemrosesan citra secara morfologi biasanya dilakukan terhadap citra biner
(hanya terdiri dari 0 dan 1), walaupun tidak menutup kemungkinan
dilakukan terhadap citra dengan skala keabuan 0-255. (Wikipedia, 2009)

2.4.1 Dilasi
Dilasi adalah operasi morphologi yang akan menambahkan pixel pada
batas antar objek dalam suatu citra digital. Atau secara rinci Dilasi merupakan
suatu proses menambahkan pixel pada batasan dari objek dalam suatu image.

Gambar 2.5 Hasil Gambar Sebelum dan Sesudah Dilasi

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

18

Gambar diatas merupakan hasil image setelah dilakukan proses Dilasi dari
Original Image dengan Stucturing Element yang telah ditentukan di atas. Warna
hijau merupakan pixel tambahan setelah dilakukan Dilasi. (M. Taufik Yusuf, 2011)

2.4.2 Erosi
Erosi merupakan kebalikkan dari Dilasi. Proses ini akan membuat ukuran
sebuah citra menjadi lebih kecil. Berbeda dengan dilatasi, apabila erosi dilakukan
maka yang dikerjakan adalah memindahkan pixel pada batasan-batasan objek
yang akan di erosi. Jumlah dari pixel yang ditambah atau dihilangkan bergantung
pada ukuran dan bentuk dari structuring element yang digunakan untuk
memproses image tersebut.

Gambar 2.6 Hasil Gambar Sebelum dan Sesudah Erosi

Gambar diatas merupakan hasil image setelah dilakukan proses Erosi dari
Original Image dengan Stucturing Element yang telah ditentukan di atas. Warna

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

19

hijau merupakan pixel dihilangkan setelah dilakukan proses Erosi, sehingga pixel
hasilnya hanya yang berwarna hitam. (M. Taufik Yusuf, 2011)

2.5

Segmentasi Citra
Segmentasi Citra merupakan teknik untuk memisahkan atau mengisolasi

suatu objek atau sebagian dari objek dari suatu image (memisahkan foreground
dengan background). Banyak situasi dalam computer vision yang membutuhkan
segmentasi

atau

memisahkan

foreground

atau

suatu

objek

terhadap

backgroundnya guna melihat aktifitas pixel dari objek yang objek yang ingin kita
lihat. Misalkan ketika suatu kamera keamanan dilengkapi pendeteksi pergerakan
manusia atau objek lainnya yang menyerupai manusia dan beberapa binatang,
maka kamera tersebut harus terlebih dahulu dapat melakukan segmentasi terhadap
objek manusia ataupun binatang tertentu.
Segmentasi biasa dilakukan dengan maksud agar pencarian pixel tidak
terlalu memakan waktu dan memory, sehingga ketika terjadi komputasi pencarian
tidak memerlukan pencarian secara menyeluruh pada suatu citra, cukup pencarian
pada daerah yang biasa disebut region of interest sehingga dapat menghemat
waktu dan memory. Pencarian yang dimaksud biasanya berupa proses tracking
dan motion atau pergerakan suatu pixel. Komputasi pendeteksian motion ini akan
terjadi hanya pada setiap point yang telah di segmentasi atau bisa disebut pada
objek yang telah dispesifikasikan. Ada banyak metoda atau algoritma yang dapat
digunakan dalam segmentasi bahkan dengan algoritma image processing biasa

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

20

seperti morphology, flood fill, threshold, dan pyramid akan tetapi terdapat
algoritma tersendiri yang dapat menghasilkan segmentasi yang cukup baik
terutama dalam segmentasi kulit manusia yang dipakai dalam penelitian ini.
(Fadlisyah, 2007)

2.6

Deteksi Kontur Tangan
Kontur merupakan daftar himpunan terurut pixel tepi atau komponen

terhubung. Pelacakan kontur menggunakan metode contour tracking. Metode
pelacakan kontur adalah metode untuk mendeteksi kontur luar dan kemungkinan
kontur dalam, mengenali dan membuat label bagian dalam dari setiap komponen.
Metode ini didasari pada kenyataan bahwa suatu komponen sepenuhnya
ditentukan oleh kontur. Pelabelan dilakukan dengan sekali kunjungan yaitu dari
atas ke bawah dan dari kiri ke kanan untuk setiap garis, namun demikian titik
kontur kemungkinan dikunjungi lebih dari satu kali sampai sejumlah tertentu.
Teknik ini selain melakukan pelabelan terhadap komponen terhubung juga
melakukan ekstraksi kontur komponen terhubung dan mengurutkan titik kontur.
Kontur adalah suatu kumpulan poin atau titik yang didapatkan dari suatu
komputasi atau perhitungan yang mewakili bentuk dari suatu batas objek pada
suatu citra yang nantinya dihubungkan dengan garis dari setiap titik atau point
yang telah didapat, sehingga menghasilkan kontur dari objek tersebut.
Kontur biasa dipakai untuk melihat garis-garis batas dari suatu objek,
mirip dengan tepi (edge) hanya saja kontur lebih detil, tegas dan jelas. Misalkan

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

21

melakukan pencarian kontur terhadap suatu citra untuk melihat apakan ada kontur
yang berbentuk seperti sebuah mobil dala suatu citra.
Kontur didalam openCV membutuhkan suatu tempat memory khusus
untuk menampung sequence yang berisikan titik atau point-point yang ditemukan.
Maka di dalam openCV dibuat suatu struktur data yang merupakan linkedlist yang
sequential tersendiri untuk menampung titik-titik kontur tersebut yang disebut
dengan sequence atau disingkat cvSeq (computer vision Sequential).
Dalam pencarian kontur ada 4 metode yang dapat digunakan dalam
pengambilan kontur pada suatu citra yaitu Retrieval External, Retrieval
Components, Retriecal List dan Retrieval Tree.

a. Retrieval External
Pengambilan kontur yang didasarkan hanya pada kontur-kontur
yang terlihat jelas dan berada di bagian luar objek yang ada dalam citra.
b. Retrieval List
Pengambilan seluruh kontur dan menyimpannya di dalam list.
Tersimpan sebagai linkedlist.
c. Retrieval Components
Pengambilan seluruh kontur dan menyimpannya pada dua level
hirarki dimana hirarki paling atas/top level boundaries (kontur yang paling
luar yang melingkari hole) adalah external boundaries dari komponen
sedangkan level kedua adalah boundaries dari hole.
d. Retrieval Tree

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

22

Pengambilan seluruh kontur dan merekonstruksikannya ke dalam
hirarki (full herarchy) menjadi kontur yang bersarang. (Niko Purwanto
Putra, 2012)

2.6.1 Convexity dan Convexity Defects
Dalam menggambar shape atau suatu bentuk dalam suatu kontur yang
sudah ditemukan dapat menggunakan metode Convexity and Convexity defects.
Metode ini memberikan pemahaman pada komputer mengenai bentuk dari kontur
yang ditemukan dengan memanfaatkan ketidak tepatan penggambaran shape yang
mengelilingi objek, metode ini bukan hanya dapat mendapatkan karakteristik dari
tangan tapi juga posisi tangan.
Convexity Defects berfungsi sebagai suatu metode untuk mendapatkan
kontur yang berkarakter kuat dan pasti pada suatu objek misalkan tangan.
sedangkan convex hull biasa dipakai untuk mendapatkan kontur besar yang
mengelilingi suatu objek.
Convexity dan convexity defects menggambarkan kontur dengan dua
metode yaitu convex hull dan convexity defects. Convexity adalah rasio perimeter
convexity-hull,

ke perimeter batas bentuk, shape , dimana convex

hull adalah poligon convex minimum yang mencakup bentuk.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

23

Penjelasan dalam rumus diatas diketahui phi convex hull dibagi dengan phi
shape dari benda tersebut. Sehingga dengan menggunakan convex hull kita akan
mendapatkan bentuk boundary dari tangan dengan batas-batas minimal.
Sedangkan untuk mendapatkan kontur atau menggambarkan kontur tepat
mengelilingi kontur tangan dapat menggunakan metode convexity defects. Berikut
adalah persamaan yang dipakai dalam openCV sesuai dengan advances visual
computing 5th symposium :

Dimana v1,v2 adalah masing-masing vektor antara awal dan titik akhir
pertama dan kedua convexity defects. Jika angle lebih rendah dari threshold
terkecil, maka v1 dan v2 dari persamaan convexity defects tersebut dianggap
sebagai kandidat yang mungkin untuk penyempitan (menjadi titik baru), selain itu
maka convexity defects tidak dapat dipakai Berikut contoh convex hull dan
convexity defects.

Gambar 2.7 Implementasi Convexity dan Convexity Defect pada citra tangan
manusia

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

24

Convexity defect terlihat merupakan garis yang tepat mengelilingi tangan
dan merupakan shape atau bentuk yang minimalis, sedangkan garis kontur gelap
adalah convex hull sekitar tangan. (Hendri Kharisma, 2010)

2.6.2 Convex Hull

Definisi dari convex hull adalah poligon yang disusun dari subset titik
sedemikian sehingga tidak ada titik dari himpunan awal yang berada di luar
poligon tersebut (semua titik berada di batas luar atau di dalam area yang
dilingkupi oleh poligon tersebut).
Convex Hull dari kumpulan sejumlah titik adalah suatu convex set terkecil
yang didalamnya terdapat titik-titik tersebut. Dalam dua dimensi ini merupakan
convex polygon. Simple polygon adalah bentuk dua dimensi yang mempunyai
banyak sudut dimana tidak terdapat perpotongan antara sudutnya. Setiap simple
polygon mempunyai daerah dalam dan daerah luar. Sebuah simple polygon
dikatakan convex jika besarnya derajat dalam yang terbentuk untuk setiap sudut
lebih kecil dari 180 derajat. Convex hull dari sebuah polygon P adalah daerah
terkecil dari convex polygon dimana melingkupi polygon P. Bisa juga dikatakan
rubber band yang menutupi sekeliling P. Convex hull dari sebuah convex polygon
P ada P itu sendiri. (Djoni Haryadi Setiabudi, 2012)

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

25

Gambar 2.8 Convex Hull

2.7

Visual Basic
Bahasa Visual Basic adalah salah satu diantara sekian banyak bahasa

pemrograman yang cukup banyak digunakan oleh para programmer. Visual Basic
adalah bahasa pemrograman visual dengan dasar pemrograman bahasa BASIC.
Bahasa BASIC (Beginner's All-purpose Sybolic Instruction Code) dikembangkan
pertama kali pada awal 1950-an. Sementara bahasa Visual Basic, yang merupakan
pengembangan bahasa BASIC dikembangkan pertama kali oleh Microsoft pada
tahun 1991.
Visual Basic merupakan salah satu development tool yaitu alat bantu yang
dapat digunakan untuk membuat berbagai macam program komputer, khususnya
yang berbasis windows. Pembuatan aplikasi dengan menggunakan bahasa Visual
Basic dimulai dengan memperkirakan kebutuhan, kemudian merancang tampilan
program yang diikuti dengan pembuatan kode program tersebut.

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

26

Tampilan dari Visual Basic 2010 seperti pada Gambar 2.8. berikut ini.

Gambar 2.9 Tampilan Lingkungan Visual Basic 2010

Agar bisa menguasai bahasa pemrograman Visual Basic, diharuskan
mempelajari dasar-dasarnya dengan lebih baik dan kuat. Beberapa komponen
utama dalam bahasa Visual Basic yang harus diketahui diantaranya :
•

Project
Project adalah sekumpulan modul. Jadi project (proyek) adalah program

aplikasi itu sendiri. Didalamnya terdapat form beserta code nya. Project ini
disimpan dalam file berakhiran .vbproj.
•

Form
Form adalah object yang dipakai sebagai tempat bekerja program aplikasi.

Jadi bisa dikatakan di form inilah kita melakukan aktifitas perancangan program.
•

Toolbox

Hak Cipta © milik UPN "Veteran" Jatim :
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.

27

Toolbox adalah kotak alat yang berisi icon-icon untuk memasukkan objek
tertentu ke dalam jendela form.
•

Properties
Properties digunakan untuk menentukan setting suatu objek. Suatu objek

biasanya mempunyai beberapa properties yang dapat diatur langsung dari jendela
properties atau lewat kode program.
•

Kode Program
Kode program adalah serangkaian tulisan perintah yang akan dilaksanakan

jika suatu objek dijalankan. Kode program ini akan mengontrol dan menentukan
jalannya suatu objek.
•

Event
Event adalah peristiwa atau kejadian yang diterima oleh suatu objek,

misalnya klik, seret, tunjuk, dan lain-lain. Event yang diterima objek akan memicu
MS