7

BAB II

TINJAUAN PUSTAKA

Dalam bab ini akan diuraikan mengenai teori-teori penunjang yang

digunakan dalam penelitian pengukuran kecepatan kendaraan secara real time

berbasis android, ringkasan dari hasil penelitian yang sudah dilakukan terkait

dengan topik penelitian ini, dan perbedaan sistem yang akan dibahas dalam

penelitian ini dengan penelitian sebelumnya.

2.1 Tinjauan Mutakhir

Penelitian “Pengukuran Kecepatan Kendaraan Secara Real Time Berbasis

Android” disusun menggunakan acuan beberapa referensi yang membahas topik

berkaitan dengan pengukuran kecepatan kendaraan. Beberapa referensi yang akan

digunakan sebagai acuan pengembangan penelitian ditentukan berdasarkan topik

terkait penelitian, metode yang digunakan, dan algoritma simulasi yang diterapkan

dalam penelitian tersebut. Hal ini bertujuan untuk menentukan batasan-batasan

masalah yang akan dibahas lebih lanjut dalam penelitian ini. Dalam hal ini penulis

memilih beberapa referensi sebagai acuan penelitian serupa yang menggunakan

arsitektur sistem, metode, dan alur pengembangan yang berbeda satu sama lain.

Uraian singkat referensi tersebut adalah sebagai berikut.

1. Model Derajat Kejenuhan Dan Kecepatan Kendaraan Pada Ruas Jalan

Perkotaan Pada Ruas Jalan Piere Tendean (Theo Kurniawan Sendow,

TEKNO SIPIL/Volume 11/No.59/Agustus 2013 Universitas Sam Ratulangi,

Manado).

Dalam penelitiannya, Theo menggunakan alat Radar Meter (Speed Gun)

untuk mengukur kecepatan kendaraan yang melewati titik pengamatan.

Dengan menggunakan dua alat pendeteksi yaitu menggunakan Radar Meter

(Speed Gun) dan Counter untuk menghitung jumlah atau volume lalu lintas

yang melewati titik pengamatan. Namun dalam proses pengukuran

8

kecepatan kendaraan ini pengambilan data kecepatan kendaraan dilakukan

bersamaan dengan pengambilan data volume lalu lintas.

2. Alat Pendeteksi Kecepatan Kendaraan Bermotor Menggunakan

Mikrokontoller Dan Webcam Berbasis Personal Computer. (Ira

Setianingrum, Informatika dan Bisnis Institut Darmajaya, Lampung).

Dalam penelitiannya, Ira membahas tentang penerapan alat alternatif untuk

mengurangi kecelakaan lalu lintas dengan alat deteksi menggunakan

webcam dan berbasis mikrokontroller pada komputer pribadi. Metodologi

yang digunakan adalah rancangan diagram blok sistem, hardware dan

software desain, pengujian dan kemudian analisis laporan. Hasil akhir alat

tersebut untuk mendeteksi keberadaan kecepatan sepeda motor yang

melebihi batasan kecepatan maksimum, sensor akan mengirim sinyal ke

komputer, maka secara otomatis akan webcam menangkap gambar,

sehingga dapat menjadi identifikasi pengendara yang melanggar hukum.

3. Sistem Deteksi Kecepatan Kendaraan Bermotor Pada Real Time Traffic

Information System (Tugas Akhir Pribadi Hartoto, Institut Teknologi

Sepuluh Nopember Surabaya 2011).

Dalam tugas akhir Pribadi Hartoto, Program yang dibuat menggunakan

metode background reconstruction dan frame difference. Metode

background reconstruction menghasilkan background dari sejumlah frame

video dan dijadikan referensi untuk ekstraksi foreground. Metode frame

difference merupakan ekstraksi foreground dari selisih sebuah frame dengan

referensi background. Obyek bergerak akan diukur perpindahannya untuk

menempuh suatu jarak tertentu sebagai referensi perhitungan kecepatan.

Penggunaan metode frame difference dan background reconstruction untuk

mendeteksi pergerakan dan perhitungan waktu dan jarak tempuh bisa

dilakukan pada rekaman video lalu-lintas. Ketepatan pengukuran mencapai

98% pada kecepatan acuan 50km/j. Akurasi terendah terjadi pada kecepatan

kendaraan 80km/j dengan ketepatan hanya 93%. Tingkat akurasi tergantung

pada besarnya pergeseran per frame, adanya bayangan dan terjadinya

penumpukan obyek kendaraan. Dengan adanya tugas akhir ini diharapkan

9

bisa melengkapi penelitian modul Speed Enforcement System (SES) pada

penelitian Intelligent Transportation System.

4. Analisis Pengukuran Laju Kendaraan Pada Rekaman Video Digital (Tugas

Akhir I Made Adi Setiawan, Teknik Elektro Universitas Udayana 2009).

Dalam tugas akhir ini menggunakan metode pre processing dengan

menggunakan citra grayscale dan median filter, selanjutnya dilakukan proses

segmentasi dengan menggunakan frame difference dan selanjutnya proses

feature extraction dengan menggunakan bounding box. Situasi atau tempat dan

lingkungan pengambilan data menggunakan latar belakang tanpa objek yang

bergerak kecuali satu objek yang akan diteliti. Tujuan dan manfaat dalam

tugas akhir ini adalah untuk mendapatkan program aplikasi pengukuran laju

kendaraan pada rekaman video digital memakai jarak referensi, jarak piksel,

dan jarak piksel menggunakan metode bounding box, dengan laju kendaraan

10 km/jam, 20 km/jam, dan 30 km/jam serta jarak 6 meter, dan 9 meter.

Setelah mendapatkan hasil rata-rata laju kendaraan, akan dihitung

penyimpangan pengukuran laju kendaraan dari hasil sesungguhnya dengan

hasil simulasi laju kendaraan. Pada simulasi pengukuran laju kendaraan

berdasarkan jarak referensi, jarak piksel, dan jarak piksel menggunakan

metode bounding box didapatkan perbandingan hasil rata-rata laju kendaraan

dari program simulasi yang bervariasi. Untuk hasil simulasi memakai jarak

referensi diperoleh perbedaan maksimal 1,22656 km/jam dan perbedaan

minimal 0,24158 km/jam. Untuk hasil simulasi memakai jarak piksel

diperoleh perbedaan maksimal 1,43765 km/jam dan minimal 0,3278

km/jam. Untuk hasil simulasi memakai jarak piksel menggunakan metode

bounding box diperoleh perbedaan maksimal 1,42362 km/jam dan minimal

0,3275 km/jam. Hasil penelitian ini dipengaruhi oleh faktor pemotongan

frame setiap sampel data video dan output frame difference untuk

mendapatkan edge atau tepi disetiap frame.

10

2.2 Sistem Operasi Android

Android merupakan subset perangkat lunak untuk perangkat mobile yang

meliputi sistem operasi, middleware¸ dan aplikasi inti yang dirilis oleh Google.

Android adalah sistem operasi bergerak ( Mobile Operating System ) yang

mengadopsi sistem operasi linux, namun telah dimodifikasi. Android diambil alih

oleh Google pada tahun 2005 dari Android,Inc sebagai bagian strategi untuk

mengisi pasar sistem operasi bergerak. Google mengambil alih seluruh hasil kerja

Android termasuk tim yang mengembangkan Android.

2.2.1 Sejarah Android

Perjalanan Android dimulai sejak Oktober 2003 ketika 4 orang pakar IT,

Andi Rubin, Rich Minner, Nick Sears dan Chris White mendirikan Android.Inc,

di California US. Visi Android untuk mewujudkan mobile device yang lebih peka

dan mengerti pemiliknya, kemudian menarik raksasa dunia maya Google. Google

kemudian mengakuisisi Android pada Agustus 2005. OS Android dibangun

berbasis platform Linux yang bersifat open source,senada dengan Linux, Android

juga bersifat Open Source. Dengan nama besar Google dan konsep open source

pada OS Android, tidak membutuhkan waktu lama bagi android untuk bersaing

dan menyisihkan Mobile OS lainnya seperti Symbian, Windos Mobile, Blackberry

dan iOS. Kini siapa yang tak kenal Android yang telah menjelma menjadi

penguasa Operating System bagi Smartphone (Hendra Nugraha, 2015).

2.2.2 Fitur Android

Fitur-fitur yang tersedia pada platform android adalah sebagaimana di

uraikan berikut :

1. Framework Aplikasi

Fitur ini mendukung penggantian komponen dan penggunaan kembali

komponen yang sudah dibuat (reusable). Seperti pada umumnya, framework

memiliki keuntungan dalam proses pengkodingan karena kita tidak perlu

membuat kodingan untuk hal-hal yang pasti dilakukan seperti kodingan

menampilkan gambar, kodingan konek database, dll.

11

a. Mesin Virtual Dalvik

Lingkungan dimana aplikasi android akan bekerja.

b. Integrated Browser

Berdasarkan Open Source engine WebKit.

c. Grafis

Dengan adanya fitur ini, kita bisa membuat aplikasi grafis 2D dan 3D

karena Android memiliki library OpenGL ES 1,0.

d. SQlite

Tugas dari fitur ini adalah berperan dalam penyimpanan data. Bahasanya

mudah dimengerti dan merupakan sistem databasenya android.

e. Media Support

Fitur yang mendukung audio, video dan gambar.

f. GSM Telephony

Tidak semua android punya fitur ini karena fitur ini tergantung dari

smartphone yang dimiliki.

g. Bluetooth, EDGE, 3G, WiFi

Fitur ini tidak selalu tersedia pada android karena tergantung Hardware

atau smartphone. Dukungan Perangkat Tambahan Android dapat

memanfaatkan kamera, layar sentuh, accelerometer, magnetometers, GPS,

akselerasi 2D, dan Akselerasi 3D.

h. Multi-Touch

Kemampuan layaknya handset modern yang dapat menggunakan dua jari

atau lebih untuk berinteraksi dengan perangkat.

i. Lingkungan Development

Memiliki fitur emulator, tools, untuk debugging, profil dan kinerja memori

dan plugin untuk IDE Eclipse.

j. Market

Seperti kebanyakan handphone yang memiliki tempat penjualan aplikasi,

Market pada android merupakan katalog aplikasi yang dapat di download

dan di install pada handphone melalui internet.

12

2. Versi Android

a. Android 1.5 Cupcake

Cupcake dirilis 30 April 2009. Cupcake menjadi versi android pertama

yang menggunakan nama makanan. Konon katanya versi ini seharusnya

versi 1.2, namun Google memutuskan untuk membuat revisi besar dan

membuatnya menjadi versi 1.5 Cupcake adalah kue kecil yang dipanggang

dalam cetakan berbentuk cup.

b. Android 1.6 Donut

Android V1.6, codename Donut, dirilis pada 15 September 2009. Pada

versi ini diperbaiki beberapa kesalahan reboot, perubahan fitur foto dan

video dan integrasi pencarian yang lebih baik. Donat merupakan panganan

berbentuk cincin. Bulat bolong tengah. Adonan donat dimasak dengan

cara digoreng dan biasanya disajikan dengan toping diatasnya.

c. Android 2.0/2.1 Éclair

Android 2.0/2.1 Eclair Dirilis 26 Oktober 2009. Eclair adalah makanan

penutup yakni kue yang biasanya berbentuk persegi panjang yang dibuat

dengan krim di tengah dan lapisan cokelat di atasnya.

d. Android 2.2 Froyo

Dirilis 20 Mei 2010. Menggunakan codename Froyo, yang merupakan

makan penutup yang nama merek sebuah produk yang terbuat dari

Yoghurt. Froyo singkatan dari Frozen Yoghurt, Froyo adalah yoghurt yang

telah mengalami proses pendinginan,sehingga secara terlihat sama seperti

es krim.

e. Android 2.3 Gingerbread

Android versi 2.3 Gingerbread dirilis resmi tanggal 6 Desember 2010.

Gingerbread merupakan jenis kue kering yang dengan rasa jahe. Kue jahe

biasanya dibuat pada perayaan hari libur akhir tahun di Amerika. Biasanya

cemilan kering ini dicetak berbentuk tubuh manusia.

13

f. Android 3.0 Honeycomb

Dirilis tanggal 22 February 2011. Honeycomb adalah sereal sarapan manis

yang sudah dibuat oleh Posting Sereal. Seperti namanya,

Honeycomb/sarang lebah, sereal ini terbuat dari potongan jagung

berbentuk sarang lebah dengan rasa madu.

g. Android 4.0 Ice Cream Sandwich

Android 4.0-4.0.2 API Level 14 dan 4.0.3-4.0.4 API Level 15 pertama

dirilis 19 Oktober 2001. Dinamai Ice Cream Sandwich. Ice Cream

Sandwich es krim, biasanya rasa vanilla yang terjepit di antara dua kue

coklat, dan biasanya berbentuk persegi panjang.

h. Android 4.1 Jelly bean

Android Jelly Bean diluncurkan pertama kali pada Juli 2012, dengan

berbasis Linux Kernel 3.0.31. terdiri dari Android 4.1 API Level 16,

Android 4.2 API Level 17 , Android 4.3 API Level 18. Penamaan

mengadaptasi nama sejenis permen dalam beraneka macam rasa buah.

Ukurannya sebesar kacang merah. Permen ini keras di luar tapi lunak di

dalam serta lengket bila di gigit.

i. Android 4.4 KitKat

Android 4.4 Kitkat API level 19.Google mengumumkan Android KitKat

(dinamai dengan izin dari Nestle dan Hershey) pada 3 september 2013.

Dengan tanggal rilis 31 Oktober 2013. KitKat merupakan merk sebuah

coklat yang dikeluarkan oleh Nestle. Rilis berikutnya setelah nama KitKat

diperkirakan banyak pengamat akan diberi nomor 5.0 dan dinamai ‘Key

Lime Pie’.

j. Android 5.0 Lollipop

Android 5.0 Lollipop API level 21 dirilis pada tanggal 15 Oktober 2014.

Lollipop merupakan sebuah permen manis dalam stickt yang biasanya

berbentuk lingkaran.

14

2.2.3 Google Play Service

Google Play Services adalah satu wadah yang menjadi tempat dari semua

API untuk android versi 2.2 hingga versi terbaru. Pada Google Play Services ini

bertugas memberikan update tanpa harus selalu meminta kepada user untuk repot

melakukan sesuatu. Karena control Google Play Services ini ada di tangan

Google, maka mereka punya kendali untuk memberikan update berupa apa saja,

kapan saja, dan kepada siapa saja. Kunci dari fitur utama adalah dari layanan

Google. Ada Google Maps, Gmail, Youtube, Google + dan yang lain. Semua ini

membutuhkan akses ke API tadi. Dengan kondisi API selalu terbuka dan

diberikan langsung ke gadget maka mudah bagi aplikasi untuk mengaksesnya

dengan semua fitur baru tak peduli Android yang ada versi 2.2, 4.0 atau 4.3.

2.3 Java

Java adalah bahasa berorientasi objek yang dapat digunakan untuk

pengembangan aplikasi mandiri, aplikasi berbasis internet, serta aplikasi untuk

perangkat perangkat cerdas yang dapat berkomunikasi lewat internet atau jaringan

komunikasi. Dalam Java ada 2 (dua) jenis program berbeda, yaitu aplikasi dan

applet. Aplikasi adalah program yang biasanya disimpan dan dieksekusi dari

komputer lokal sedangkan applet adalah program yang biasanya disimpan pada

komputer yang jauh, yang dikoneksikan pemakai lewat web browser.

Java bukan turunan langsung dari bahasa manapun. OOP (object oriented

programming) adalah cara yang ampuh dalam pengorganisasian dan

pengembangan perangkat lunak (Hendra Nugraha, 2015).

15

Gambar 2.1 Java

(Sumber : https://tukanglinker.wordpress.com, 2013)

Java mempunyai 2 bagian utama, yaitu :

Java Virtual Machine (JVM)

Java Application Programming Interface (Java API)

Sun membagi arsitektur Java menjadi 4 bagian, yaitu :

Enterprize Edition(J2EE) untuk aplikasi Web, aplikasi system tersebar dengan

beraneka ragam klien dengan kompleksitas yang tinggi. Merupakan SuperSet

dari Standart Java.

Standart Edition (J2SE) ini dikenal sebagai bahasa Java.

Micro Edtiton (J2ME) merupakan subset dari J2SE dan salah satu aplikasinya

yang banyak dipakai adalah untuk Mobile Device.

2.3.1 Eclipse IDE (Integrated Development Environment)

Eclipse IDE adalah sebuah IDE (Development Environment) untuk

mengembangkan perangkat lunak dan dapat dijalankan di semua platform

(platform independent). Eclipse pada ini merupakan salah satu IDE favorit

dikarenakan gratis dan open source, yang berarti setiap orang boleh melihat kode

pemrograman perangkat lunak ini. Selain itu, kelebihan dari Eclipse yang

membuatnya populer adalah kemampuannya untuk dapat dikembangkan oleh

pengguna dengan komponen yang dinamakan plug-in (Hendra Nugraha, 2015).

16

Berikut ini adalah sifat dari Eclipse:

Multi-platform: Target sistem operasi Eclipse adalah Microsoft

Windows, Linux, Solaris, AIX, HP-UX dan Mac OS X.

Mulit-language: Eclipse dikembangkan dengan bahasa pemrograman Java,

akan tetapi Eclipse mendukung pengembangan aplikasi berbasis bahasa

pemrograman lainnya, seperti C/C++, Cobol, Python, Perl, PHP, dan lain

sebagainya.

Multi-role: Selain sebagai IDE untuk pengembangan aplikasi, Eclipse pun

bisa digunakan untuk aktivitas dalam siklus pengembangan perangkat lunak,

seperti dokumentasi, test perangkat lunak, pengembangan web, dan lain

sebagainya.

Secara standar Eclipse selalu dilengkapi dengan JDT (Java Development

Tools), plug-in yang membuat Eclipse kompatibel untuk mengembangkan

program Java, dan PDE (Plug-in Development Environment) untuk

mengembangkan plug-in baru. Eclipse beserta plug-in-nya diimplementasikan

dalam bahasa pemrograman Java.

Konsep Eclipse adalah IDE yang terbuka (open), mudah diperluas

(extensible) untuk apa saja, dan tidak untuk sesuatu yang spesifik. Jadi, Eclipse

tidak saja untuk mengembangkan program Java, akan tetapi dapat digunakan

untuk berbagai macam keperluan, cukup dengan menginstal plug-in yang

dibutuhkan. Apabila ingin mengembangkan program C/C++ terdapat plug-

in CDT (C/C++ Development Tools). Selain itu, pengembangan secara visual

bukan hal yang tidak mungkin oleh Eclipse, plug-in UML2 tersedia untuk

membuat diagram UML. Dengan menggunakan PDE setiap orang bisa

membuat plug-in sesuai dengan keinginannya. Salah satu situs yang menawarkan

plug-in secara gratis seperti Eclipse downloads by project.

2.3.2 ADT Plugin for Eclipse

Android Development Tools (ADT) adalah plugin untuk IDE eclipse yang

didesign powerfull untuk pengembangan aplikasi Android. Developing Android

17

di eclipse sangat direkomendasikan karena banyak kemudahan sebagai tools

terintegrasi seperti custom XML editor, debuging dan banyak hal-hal lain yang

mempercepat pembuatan aplikasi.

ADT (Android Development Tools) adalah plugin untuk Eclipse yang

menyediakan seperangkat alat yang terintegrasi dengan Eclipse IDE. Hal ini

menawarkan akses ke banyak fitur yang membantu Anda mengembangkan

aplikasi Android. ADT menyediakan akses GUI untuk banyak alat-alat SDK baris

perintah serta alat desain UI untuk prototyping cepat, merancang, dan membangun

antarmuka pengguna aplikasi Anda.

ADT menyediakan kustom, bentuk berbasis XML editor berikut:

a. Grafis Layout Editor

Mengedit dan mendesain tata letak XML file dengan drag dan drop

antarmuka. The layout editor membuat antarmuka Anda juga, menawarkan

preview seperti yang Anda desain layout Anda. Editor ini dipanggil ketika

Anda membuka file XML dengan pandangan menyatakan (biasanya

dinyatakan dalam res / layout. Untuk informasi lebih lanjut, lihat grafis

Layout Editor.

b. Android Manifest Editor

Mengedit Android memanifestasikan dengan antarmuka grafis sederhana.

Editor ini dipanggil ketika Anda membuka file AndroidManifest.xml.

c. Menu Editor

Kelompok menu edit dan item dengan antarmuka grafis sederhana. Editor

ini dipanggil ketika Anda membuka file XML dengan <menu>

menyatakan (biasanya terletak di folder res / menu).

d. Sumber Editor

Mengedit sumber dengan antarmuka grafis sederhana. Editor ini dipanggil

ketika Anda membuka file XML dengan <sumber> tag diumumkan.

e. XML Editor Sumber Daya

Mengedit sumber XML dengan antarmuka grafis sederhana. Editor ini

dipanggil ketika Anda membuka file XML.

18

f. Sumber daya yang menghubungkan perangkat tambahan

Selain fitur pengeditan kode normal Eclipse, ADT memberikan tambahan

pengalaman pengembangan Android yang memungkinkan Anda untuk

cepat melompat ke deklarasi berbagai jenis sumber daya seperti string atau

file tata letak.

2.4 Video Digital

Video digital pada dasarnya tersusun atas serangkaian frame. Rangkaian

frame tersebut ditampilkan pada layar dengan kecepatan tertentu, bergantung pada

laju frame yang diberikan dalam frame per detik Jika laju frame cukup tinggi,

mata manusia tidak dapat menangkap gambar per frame, melainkan

menangkapnya sebagai rangkaian yang kontinyu. Masing - masing frame

merupakan gambar atau citra digital. Suatu image digital direpresentasikan

dengan sebuah matriks yang masing - masing elemennya merepresentasikan nilai

intensitas. Jika I adalah matriks dua dimensi, I (x,y) adalah nilai intensitas yang

sesuai pada posisi baris x dan kolom y pada matriks tersebut. Titik - titik dimana

image disampling disebut sebagai picture elements atau sering dikenal sebagai

pixel. Karakteristik video digital ditentukan oleh resolusi atau dimensi frame,

kedalaman pixel dan laju frame. Karakteristik – karakteristik ini yang akan

menentukan kualitas video dan jumlah bit yang dibutuhkan untuk menyimpan atau

mentransmisikannya (Zettl, 2010).

File video memiliki format yang berbeda-beda, bergantung pada aplikasi

yang digunakan untuk menjalankannya (player). Beberapa contoh format file

video yang dapat dijalankan melalui komputer maupun notebook, yaitu:

1. AVI ( Audio Video Interleaved )

AVI diperkenalkan oleh microsoft pada tahun 1992 sebagai teknologi

video for windows. File AVI menyimpan data audio dan video dan data

audio video dapat dikompres menggunakan berbagai codec. Kualitas dan

kapasitas tergantung pada codec dan secara khusus codec yang digunakan

adalah MPEG.

19

2. FLV ( Flash Video )

FLV adalah sebuah wadah format file yang digunakan untuk mengirimkan

video melalui internet mengunakan Adobe Flash Player. Format FLV juga

memiliki ukuran yang lebih kecil dari AVI dan MOV, tetapi lebih besar

dari format SWF dan MPEG.

3. 3GP ( 3GPP Format File )

3GP adalah sebuah multimedia container format yang ditetapkan oleh

Third Generation Partnership Project untuk 3G UMTS jasa multimedia.

Yang digunakan di 3G ponsel, tetapi juga dapat dimainkan pada beberapa

2G dan 4G. Ukuran-nya pun lebih kecil dari pada AVI dan MPEG.

2.4.1 Resolusi

Resolusi atau dimensi frame adalah ukuran sebuah frame pada

videodigital. Resolusi dinyatakan dalam pixel x pixel. Semakin tinggi resolusi,

semakin baik kualitas video tersebut, dalam arti bahwa dalam ukuran fisik yang

sama, video dengan resolusi tinggi akan lebih detil. Namun, resolusi yang tinggi

akan mengakibatkan jumlah bit yang diperlukan untuk menyimpan atau

mentransmisikannya meningkat. Misalnya pada format QCIF ( Quarter Common

Intermediate Formats ), resolusinya adalah 144 pixel x 176 pixel, ukuran ini

umum digunakan untuk konferensi video. Pengertian lainnya dari resolusi pixel

adalah hasil perkalian jumlah pixel lebar dan tingginya dan kemudian dibagi

dengan 1 juta. Resolusi ini sering kita jumpai dalam kamera digital, pada contoh

penjelasan sebagai berikut:

1. 256 x 256 pixel. Resolusi ini banyak dijumpai pada edisi awal kamera

digital. Namun kualitas gambarnya tidak memenuhi standar cetak. Total

pixel pada resolusi ini adalah 65.000 pixel.

2. 640 x 480 pixel. Resolusi ini adalah resolusi terendah untuk standar cetak

kamera. Kamera dengan resolusi ini sering disebut dengan kamera VGA.

Resolusi ini biasanya digunakan untuk tampilan standar web. Total pixel

pada resolusi ini adalah 307.000 pixel.

20

3. 1216 x 912 pixel. Resolusi ini adalah resolusi standar terendah dari

megapixel. Resolusi ini cukup bagus untuk dicetak dalam format standar

foto. Total pixel pada resolusi ini 1.109.000 pixel.

4. 1600 x 1200 pixel. Resolusi ini memiliki jumlah pixel hampir 2.000.000

pixel. Dengan resolusi tersebut anda bisa mencetak dengan ukuran 10R.

Resolusi kamera digital saat ini sudah melampaui 10.000.000 pixel.

Menurut (Putra, 2009), semakin tinggi resolusi citra maka akan semakin tinggi

pula tingkat detail dari citra tersebut, resolusi sebuah citra dapat diukur dengan

berbagai cara sebagi berikut:

a. Resolusi Spasial

Resolusi spasial menunjukkan seberapa dekat jarak setiap garis pada

citra. Jarak tersebut tergantung dari sistem yang menciptakan citra

tersebut. Resolusi spasial menghasilkan jumlah pixel per satuan

panjang. Resolusi spasial dari sebuah monitor komputer adalah 72

hingga 100 garis per inchi atau dalam resolusi pixel 72 hingga 100 ppi.

b. Resolusi Spektral

Sebuah citra digital membedakan intensitas ke dalam beberapa

spektrum. Citra multi spektrum akan memberikan spektrum atau

panjang gelombang yang lebih baik yang akan digunakan untuk

menampilkan warna.

c. Resolusi Temporal

Resolusi temporal berkaitan dengan video. Suatu video merupakan

kumpulan frame statis yang berupa citra yang berurutan dan

ditampilkan secara cepat. Resolusi temporal memberikan jumlah frame

yang dapat ditampilkan setiap detik dengan satuan frame per second

(fps).

d. Resolusi Radiometrik

Reolusi ini memberikan nilai atau tingkat kehalusan citra yang dapat

ditampilkan dan biasanya ditapilkan dalam satuan bit contoh citra 8 bit

dan citra 256 bit. Semakin tinggi resolusi radiometrik ini maka

semakin baik perbedaan intensitas yang ditampilkan.

21

2.4.2 Kedalaman Bit

Kedalaman bit menentukan jumlah bit yang digunakan untuk

merepresentasikan tiap pixel pada sebuah frame. Kedalaman bit dinyatakan dalam

bit per pixel. Semakin banyak jumlah bit yang digunakan untuk

merepresentasikan sebuah pixel, berarti semakin tinggi kedalaman pixelnya, maka

semakin tinggi pula kualitasnya, mengakibatkan jumlah bit yang diperlukan

menjadi lebih tinggi. Satu byte (8 bit) untuk tiap pixel, diperoleh 28 atau 256 level

intensitas. Dengan level intensitas sebanyak itu, umumnya mata manusia sudah

dapat dipuaskan. Ke dalam pixel paling rendah terdapat pada binary-value image

yang hanya menggunakan 1 bit untuk tiap pixel, sehingga hanya ada dua

kemungkinan bagi tiap pixel, yaitu 0 (hitam) atau 1 (putih).

Tabel 2.1 8 Bit Truecolor

B

it-7

B

it-6

B

it-5

B

it-4

B

it-3

B

it-2

B

it-1

B

it-0

R R R G G G B B

Sumber: Putra, 2009

2.4.3 Laju Frame

Laju frame menunjukkan jumlah frame yang digambar tiap detik, dan

dinyatakan dengan frame per detik. Sehubungan dengan laju frame ini, ada dua

hal yang perlu diperhatikan, yaitu kehalusan gerakan dan kilatan. Kehalusan

gerakan ditentukan oleh jumlah frame yang berbeda per detik. Untuk

mendapatkan gerakan yang halus, video digital setidaknya harus menampilkan

sedikitnya 25 frame per detik. Kilatan ditentukan oleh jumlah berapa kali layar

digambar per detik. Dengan 20 frame per detik, kilatan sudah dapat dilenyapkan.

Video yang berkualitas baik akan memiliki laju frame yang tinggi, setidaknya

sesuai dengan mata manusia, yang berarti membutuhkan jumlah bit yang lebih

tinggi (Bovik, 2005).

22

2.4.4 Aspect Ratio

Aspect ratio adalah perbandingan tinggi dan lebar suatu piksel. Piksel-

piksel tersebut bisa berupa rangkaian titik-titik berbentuk garis, berbentuk kotak

dan bentuk-bentuk lainnya. Untuk mendapatkan area x dan area y harus dikalikan

dengan (yasp/xasp). Perbandingan tinggi dan lebar pada layar komputer tidak

pernah 1 : 1. Karena itu jika menggambarkan bujur sangkar hanya dengan

menyamakan panjang semua sisinya, yang akan tampak pada layar komputer

adalah persegi panjang. Supaya sisi x tampak sama panjang dengan sisi y, maka

harus mengalikannya dengan suatu vektor yang disebut aspect ratio. Misalkan x

nilainya 5 dan y nilainya 10, maka nilai aspect ratio adalah 5:10 = 0.5.

2.4.5 Motion Detection

Motion Detection adalah sebuah fitur video analis yang berfungsi untuk

mendeteksi adanya pergerkan (manusia, mobil, dan lain-lain) dan hampir dimiliki

berbagai merek IP camera atau network camera. Sistem pendeteksi gerak ini dapat

menganalisa frame video dan menentukan apakah telah terjadi pergerakan di area

yang telah ditentukan oleh pengguna. Sensivitas sistem pendeteksi gerak ini

disesuaikan dengan kondisi yang ada. Banyak metode motion detection yang telah

ditemukan, satu diantaranya adalah dengan menghitung perbedaan nilai-nilai

intensitas pada suatu piksel dari dua frame gambar yang diambil secara berturut-

turut yang kemudian dilakukan proses thresholding untuk menentukan adanya

perubahan objek atau tidak. Sekalipun metode ini sangat sederhana dalam proses

implementasinya, tetapi metode ini merupakan metode dasar dari proses motion

detection. Hanya saja metode ini kurang efektif untuk menentukan pergerakan

objek secara keseluruhan, terutama bagian dalam dari objek yang bergerak, akan

tetapi secara umun metode ini sudah mampu mengidentifikasi adanya perubahan

objek.

2.4.6 Motion segmentation

Motion segmentation bertujuan untuk memisahkan suatu gerakan ke dalam

beberapa gerakan - gerakan dengan suatu kriteria tertentu. Jenis operasi ini

23

berkaitan dengan pengenalan pola. Kebanyakan segmentasi gambar memilih

daerah dengan kualitas gambar yang bagus dan setelah itu mencari daerah yang

terbaik dan cocok untuk gambar. Segmentasi mengacu pada label piksel-piksel

yang dihubungkan dengan daerah atau gerakan objek dengan perbedaan yang

jelas. Segmentasi mempunyai hubungan erat dengan dua masalah lain antara

motion detection dan motion estimation. Motion detection adalah panggilan

khusus untuk motion segment dengan hanya dua segmen yang sesuai dengan

gerakan kemudian dibandingkan dengan daerah gambar yang tidak bergerak atau

global dibandingkan dengan daerah gerakan lokal (untuk kamera yang bergerak).

(Setiawan, A 2009)

(a) Gambar Asli (b) Hasil Deteksi Objek Bergerak

Gambar 2.2 Hasil Motion Detection

Sumber: Setiawan, A.2009

2.5 Definisi Citra

Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari

suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat

optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada

monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu

media penyimpan. Menurut arti secara harfiah citra (image) adalah gambar pada

bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan

fungsi menerus (continue) dari intensitas cahaya pada bidang dua dimensi.

Sumber cahaya menerangi objek, kemudian objek memantulkan kembali sebagian

dari berkasi cahaya, pantulan cahaya ini ditangkap oleh alat-alat optik, seperti

mata pada manusia, kamera, pemindai (scanner), dan lain-lain sehingga bayangan

24

objek dalam bentuk citra dapat terekam. Citra sebagai output dari suatu sistem

perekaman data dapat bersifat:

1. Optik berupa foto.

2. Analog berupa sinyal video seperti gambar pada monitor televisi.

3. Digital yang dapat langsung disimpan pada suatu pita magnetik.

Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still

image) dan citra bergerak (moving image). Citra diam adalah citra tunggal yang

tidak bergerak sedangkan citra bergerak adalah rangkaian citra diam yang

ditampilkan secara beruntun (sekuensial) sehingga memberi kesan pada mata

sebagai gambar yang bergerak. Setiap citra di dalam rangkaian itu disebut frame.

Gambar-gambar yang tampak pada film layar lebar atau televisi pada hakikatnya

terdiri dari ratusan sampai ribuan frame (Lidya, 2012)

2.5.1 Representasi Warna

Representasi warna merupakan cara standar untuk menspesifikasikan

suatu warna tertentu dengan mendefinisikan suatu sistem koordinat 3D dan suatu

ruang bagian yang mengandung semua warna yang dapat dibentuk ke dalam suatu

model tertentu. Suatu warna yang dapat dispesifikasikan menggunakan suatu

model akan berhubungan ke suatu titik tunggal dalam sautu ruang bagian yang

didefinisikannya. Masing-masing warna diarahkan ke salah satu standard

hardware tertentu (RGB, CMY,YIQ),

2.5.2 Red Green Blue (RGB)

Suatu citra dalam model RGB terdiri dari tiga bidang citra yang saling

lepas, masing-masing terdiri dari warna utama: merah, hijau dan biru. (Standar

panjang gelombang untuk tiga warna utama). Suatu warna dispesifikasikan

sebagai campuran sejumlah komponen warna utama. Gambar 2.3 menunjukkan

bentuk geometri dari model warna RGB untuk menspesifikasikan warna

menggunakan sistem koordinat cartesian. Spektrum greyscale (tingkat keabuan)

25

yaitu warna yang dibentuk dari gabungan tiga warna utama dengan jumlah yang

sama berada pada garis yang menghubungkan titik hitam dan putih.

Gambar 2.3 Koordinat RGB

Sumber: Suhendra, A.2010

Warna dipresentasikan dalam suatu sinar tambahan untuk membentuk

warna baru, dan berhubungan untuk membentuk sinar campuran. Citra pada

gambar 2.4 sebelah kiri menunjukkan campuran dengan menambahkan warna

utama merah, hijau, dan biru untuk membentuk warna sekunder kuning

(merah+hijau), cyan (biru+hijau), magenta (merah+biru) dan putih

(merah+hijau+biru). Model warna RGB banyak digunakan untuk monitor

komputer dan video kamera (Suhendra, 2010).

Gambar 2.4 Penambahan Campuran Warna Merah Hijau dan Biru

Sumber: Suhendra, 2010

26

2.5.3 Cyan, Magenta dan Yellow (CMY)

Model CMY (Cyan, Magenta dan Yellow) adalah suatu model substractive

yang berhubungan dengan penyerapan warna, sebagai contoh pigment warna cat

(seperti pada Gambar 2.5). Suatu permukaan yang dicat warna cyan kemudian

diiluminasi sinar putih, maka tidak ada sinar merah yang dipantulkan, dan similar

untuk warna magenta dengan hijau, dan kuning dengan biru. Relasi model CMY

adalah sebagai berikut:

B

G

R

Y

M

C

1

1

1

2.5.4 Luminance In-phase Quadrature (YIQ)

Luminance in-phase quadrature (YIQ) adalah pemisahan sinyal video

menjadi komponen kecerahan dan komponen warna, dapat dilakukan juga sesuai

dengan format NTSC (National Television System Committe) yang merupakan

komite nasional yang menciptakan standar warna (Rn, Gn, Bn) untuk pesawat

penerima televisi. Komite ini menentukan tiga buah phosphor utama dari

spektrum sinar yang ada yaitu merah, hijau, dan biru. Untuk warna referensi

adalah warna putih di mana merupakan gabungan dari tiga buah warna utama

dengan Rn = Gn = Bn = 1. Terlihat pada tabel 2.2 berikut menunjukan nilai

gabungan dari ketiga warna tersebut untuk beberapa warna-warna utama dari

koordinat warna NTSC sedangkan ,, NN gr Nb adalah nilai-nilai krominannya.

27

Tabel 2.2 Gabungan Nilai Warna Dasar dan Krominan untuk Warna Pokok pada Sistem Pokok

Penerima Utama NTSC

Merah Kuning Hijau Cyan Biru Magenta Putih HitamRn 1.0 1.0 0.0 0.0 0.0 1.0 1.0 0.0Gn 0.0 1.0 1.0 1.0 0.0 0.0 1.0 0.0Bn 0.0 0.0 1.0 1.0 1.0 1.0 1.0 0.0

Nr 1.0 0.5 0.0 0.0 0.0 0.5 1.0 0.333

ng 0.0 0.5 1.0 0.5 0.0 0.0 0.333 0.333

Nb 0.0 0.0 0.0 0.5 1.0 0.5 0.333 0.333Sumber: Putra, 2009

2.5.5 Citra Grayscale

Grayscale (skala keabuan) merupakan citra digital yang hanya memiliki

satu nilai kanal pada setiap pikselnya dengan kata lain nilai bagian RED =

GREEN = BLUE. Nilai tersebut digunakan untuk menunjukan tingkat intensitas.

Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkat

keabuan di sini merupakan warna abu-abu dengan berbagai tingkatan dari hitam

hingga mendekati putih. Pada citra digital banyaknya kemungkinan nilai

minimum dan nilai maksimumnya bergantung pada jumlah bit yang digunakan,

sehingga semakin besar angka grayscale, citra yang terbentuk makin mendekati

kenyataan (Putra, 2009). Seperti terlihat pada tabel 2.3.

Tabel 2.3 Informasi Pallet pada Citra Skala Keabuan

0 1 2 …… 128 ….. …… 255

Sumber: Suhendra, 2010

2.6 Segmentasi

Tahapan segmentasi dilakukan agar bagian-bagian citra dikelompokkan

menjadi bagian-bagian pokok yang mengandung informasi yang dibutuhkan saat

menganalisa. Segmentasi gambar pada video bertujuan untuk mendeteksi daerah

- daerah yang berhubungan dengan objek bergerak dengan lingkungannya atau

background. Diantara teknik-teknik segementasi untuk memecah suatu citra

28

kedalam beberapa segmen dengan suatu kriteria tertentu, maka salah satu metode

yang dapat digunakan yaitu metode frame difference.

2.6.1 Frame Difference

Proses yang digunakan untuk memperlihatkan objek yang bergerak adalah

dengan menggunkan frame difference. Tetapi frame yang akan dibandingkan tidak

menggunakan frame yang berurutan. Hal ini karena penggunaan frame yang

berurutan memiliki kekurangan, yaitu hasil frame difference nya berupa objek

berlubang dan hanya tepian dari obyek yang terlihat. Selain itu jika suatu obyek

yang bergerak kemudian berhenti maka akan dianggap sebagai background.

Proses frame difference pada tiap-tiap frame video dengan background dilakukan

dengan format Hue Saturation Value (HSV). Penggunaan saturation dan value

memiliki kelebihan pada deteksi perubahan intensitas cahaya dan tidak banyak

bergantung pada perubahan warna.

Dengan demikian, dalam metode frame difference, objek bergerak yang

diambil sesuai dengan perbedaan antara dua atau tiga frame terus menerus.

Metode ini merupakan metode yang paling sederhana dan langsung berhubungan

dengan perberubah dalam objek bergerak dalam video dapat cepat terdeteksi,

dengan algoritmanya sebagai berikut:

1. Baca video input.

2. Baca seluruh frame dari video input.

3. For (i = (frame awal +1) sampai dengan frame akhir)

a) Hitung selisih nilai pixel antar 2 yang frame berdekatan

(frame (i)-frame (i-1)).

b) Hitung nilai absolutnya.

c) Simpan hasil pada frame baru.

Metode frame difference lebih memberikan atau menyesuaikan edge atau tepi di

setiap pixel yang mengalami perbedaan selisih pixelnya, sehingga setiap nilai

pixel antara 2 frame yang berdekatan akan dimunculkan pada frame yang baru,

dimana nilai zero adalah nilai hitam dan non zero adalah nilai putih. Nilai non

zero inilah yang merupakan edge dari frame yang baru dari hasil frame difference

29

(Peddireddi,2008).

Gambar 2.5 Laju Frame dengan Metode Frame Difference

Sumber: Setiawan, A.2009

2.6.2 Segmentasi Citra Video

Segmentasi citra video merupakan suatu proses pengelompokkan citra

menjadi beberapa region berdasarkan kriteria tertentu. Berdasarkan

pengertiannya, segmentasi memiliki tujuan menemukan karakteristik khusus yang

dimiliki suatu citra. Oleh karena itu, segmentasi sangat diperlukan pada proses

pengenalan pola. Semakin baik kualitas segmentasi maka semakin baik pula

kualitas pengenalan polanya dari suatu objek ditentukan.

Secara umum ada beberapa pendekatan yang banyak digunakan dalam

proses segmentasi antara lain :

a. Teknik threshold, yaitu pengelompokkan citra sesuai dengan distribusi

properti piksel penyusun citra.

b. Teknik region-based, yaitu pengelompokkan citra ke dalam region

tertentu secara langsung berdasar persamaan karakteristik suatu area

citranya.

c. Edge-based methods, yaitu pengelompokkan citra ke dalam wilayah

berbeda yang terpisahkan karena adanya perbedaan perubahan warna tepi

dan warna dasar citra yang mendadak.

Pendekatan pertama dan kedua merupakan contoh kategori pemisahan

image berdasarkan kemiripan area citra sedangkan pendekatan ketiga merupakan

salah satu contoh pemisahan daerah berdasarkan perubahan intensitas yang cepat

terhadap suatu daerah.

30

2.6.3 Threshold

Threshold merupakan teknik yang sederhana dan efektif untuk segmentasi

citra dengan melakukan pengolahan piksel pada suatu citra atau menghilangkan

beberapa piksel dan juga mempertahankan beberapa piksel sehingga

menghasilkan suatu citra baru hasil sortir piksel yang telah dilakukan. Dengan

dilakukannya komputasi threshold maka dapat dengan mudah mendapatkan edge

atau tepi dari suatu citra. Threshold dilakukan agar mempermudah dalam proses

identifikasi ataupun perbandingan dari dua atau lebih citra. Terdapat 5 tipe

threshold , yaitu binary threshold, binary inverted, truncate, threshold to zero dan

threshold to zero inverted, seperti ditunjukkan pada gambar 2.6.

Gambar 2.6 Tipe-tipe Threshold

Sumber: Karisma, 2011

Binary threshold merupakan citra yang telah melalui proses pemisahan

piksel-piksel berdasarkan derajat keabuan yang dimiliki. Pembentukan citra biner

memerlukan nilai batas keabuan yang akan digunakan sebagai nilai patokan.

Piksel dengan derajat keabuan lebih besar dari nilai batas akan diberi nilai 1

sebagai warna putih dan sebaliknya piksel dengan derajat keabuan lebih kecil dari

nilai batas akan diberi nilai 0 sebagai warna hitam. Warna putih biasanya

31

digunakan untuk warna foreground sedangkan warna hitam adalah warna

background. Maka dapat dilihat dalam persamaan berikut.

x xjika0

x xjika1bwx ……………………………………………………….. (2.1)

Setiap piksel mempunyai nilai warna xbw dengan nilai 0 (hitam) dan 1

(putih), dimana x adalah nilai dari piksel grayscale dari x ketentuan nilai

threshold yang diberikan. Seperti ditunjukkan pada gambar 2.7 (Karisma, 2011).

Gambar 2.7 Konversi Grayscale ke Biner

Sumber: Marques, 2011

2.7 Feature Extraction

Feature Extraction adalah adalah proses pengambilan ciri-ciri yang unik

dari data yang akan diolah, yang bertujuan untuk memperkecil jumlah data

mengambil informasi yang terpenting dari data yang diolah dan mempertinggi

presisi pengolahan data.

2.7.1 Bounding Box

Dalam metode bounding box gambar divisualisasikan melalui dimensi

objek yang dihasilkan dari gambar sebelumnya yaitu dengan menggunakan hasil

output frame difference. Namun, terlebih dahulu melakukan proses pengambilan

ekstraksi ciri benda yang akan diolah untuk menentukan setiap koordinat dari

suatu objek menggunakan feature extraction agar proses bounding box dapat

dilakukan. Scanning dilakukan untuk mencari batas-batas nilai edge berupa nilai

32

non zero disetiap frame yang dimulai dari baris atas sampai baris bawah setiap

frame, kolom kiri sampai dengan kolom kanan setiap frame. Kemudian untuk

mendapatkan tinggi, lebar, dan titik pusat dari bounding box dapat dilakukan

sebagai berikut.

a. Tinggi bounding box:

nilai maximum baris bawah – nilai minimum dari baris atas, disetiap frame.

b. Lebar bounding box:

nilai maximum kolom kanan – nilai mimum kolom kiri, disetiap frame.

c. Baris penanda objek (+) bounding box2

atasbaris-bawahbaris

d. Kolom penanda objek (+) bounding box2

kirikolom-kanankolom

Sehingga algoritma bounding box dapat diurutkan sebagai berikut:

1. Baca setiap frame output proses frame differance.

2. For ( i = baris awal sampai dengan baris akhir ).

3. For ( j = kolom awal sampai dengan kolom akhir).

a) Cari nilai non zero dari atas ke bawah.

b) Simpan hasil dalam nilai minimum dan maximum.

4. Tinggi bounding box:

a) nilai maximum baris bawah – nilai minimum dari baris atas.

5. For ( i = kolom awal sampai dengan kolom akhir ).

6. For ( j = baris awal sampai dengan baris akhir).

a. Cari nilai non zero dari kiri ke kanan.

b. Simpan hasil dalam nilai minimum dan maximum.

33

7. Lebar bounding box:

a) nilai maximum kolom kanan – nilai mimum kolom kiri.

8. Penanda objek

a) Baris penanda objek (+) bounding box2

atasbaris-bawahbaris

b) Kolom penanda objek (+) bounding box2

kirikolom-kanankolom

Dalam hal ini manfaat bounding digunakan untuk menetapkan objek box

yang diindentifikasi agar lebih jelas, dimana feature extraction menggambarkan

nilai intensitas warna piksel tersebut. Nilai-nilai intensitas terdiri dari nilai atas,

bawah, kiri, dan kanan disetiap frame menggunakan dimensi nilai kotak pembatas

persegi panjang yang diplot dalam batas-batas nilai yang dihasilkan. Kekuranagn

dari penggunaan bounding box, yaitu penggunaan pemakaian memori yang tidak

sedikit. Laju frame menggunakan metode bounding box dapat dilihat pada gambar

2.8 (Peddireddi, 2008).

Gambar 2.8 Laju Frame dengan Metode Bounding Box

2.8 Pengukuran Kecepatan

Untuk mendapatkan hasil kecepatan objek bergerak dapat dihitung dengan

mencari total jarak yang ditempuh dari awal objek bergerak sampai akhir objek

bergerak dibagi dengan waktu yang ditempuh dalam melakukan perpindahan,

dapat diketahui dengan mengunakan persamaan berikut (Suharyanto, 2009).

34

T

DV ………………………………………………………...................(2.2)

Dimana :

V (velocity) adalah kecepatan yang dicapai dalam melakukan

perpindahan.

D (distance) adalah jarak yang ditempuh.

T (time) adalah waktu yang ditempuh dalam melakukan perpindahan.

Selanjutnya berdasarkan persamaan kecepatan 2.4, untuk mendapat hasil

perhitungan kecepatan laju kendaraan dari hasil rekaman video, nilai jarak

didapatkan berdasarkan jarak referensi yang ditempuh dari awal objek bergerak

sampai akhir objek bergerak yang telah ditentukan dan untuk waktu diperoleh dari

jumlah frame yang diperlukan saat objek melakukan perpindahan dengan nilai fps

dari video tersebut. Maka dapat dilihat pada persamaan sebagai berikut

(Peddireddi, 2008).

KecepatanFrameJumlah

fps xReferensiJarak

3600

1000x km/jam ……………………...… (2.3)

Dimana:

Jarak Referensi : Jarak yang sudah ditentukan dalam penelitian.

Jumlah Frame : Banyaknya frame saat perekaman video.

Fps : Kemampuan kamera video menampilkan gambar dalam satuan

per detik.

Untuk mendapat hasil perhitungan kecepatan laju kendaraan berdasarkan

jarak piksel dari hasil rekaman video digital. Maka dapat dilihat pada persamaan

sebagai berikut (Hartoto, 2011).

Kecepatan= x1000FrameJumlah

3600 xfpsMeter xdalamPiksel1JarakxEuclideanJarakkm/jam ..(2.4)

35

Dimana:

Jarak Euclidean : Nilai perpindahan posisi objek dari setiap frame

1 Piksel dalam meter : Jarak Euclidean 1 piksel dalam meter

Jumlah Frame : Banyaknya frame saat perekaman video

Proses mencari objek bergerak dalam urutan frame yang dikenal sebagai

pelacakan. Pelacakan ini dapat dilakukan dengan menggunakan ekstraksi ciri

benda dan mendeteksi objek atau benda bergerak diurutan frame. Dengan

menggunakan nilai posisi objek disetiap frame kita dapat menghitung posisi dan

kecepatan objek bergerak. Jarak yang ditempuh oleh objek ditentukan dengan

menggunakan titik pusat dari bounding box tersebut. Jarak yang dihitung dengan

menggunakan rumus jarak euclidean. Rumus jarak euclidean pada dua dimensi

merupakan perpindahan sebuah simbol antara satu titik ke titik lainnya pada

sumbu X dan sumbu Y (Peddireddi, 2008).

212

212 YYXXD ……………………………………….. (2.5)

Dimana :

D (distance) adalah jarak yang ditempuh

X 1 adalah posisi titik 1 pada sumbu X

X 2 adalah posisi titik 2 pada sumbu X

Y 1 adalah posisi titik 1 pada sumbu Y

Y 2 adalah posisi titik 2 pada sumbu Y