penelitian “pengukuran kecepatan kendaraan android
TRANSCRIPT
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