bab iv hasil pengujian dan pengamatanrepository.dinamika.ac.id/id/eprint/2610/6/bab_iv.pdf · 2017....
TRANSCRIPT
45
BAB IV
HASIL PENGUJIAN DAN PENGAMATAN
Hasil pengujian dan pengamatan yang dilakukan oleh penulis merupakan
hasil pengujian dan pengamatan yang sudah dilakukan terhadap perangkat lunak
dari sistem secara keseluruhan yang telah selesai dibuat untuk mengetahui
program yang digunakan dalam sistem ini apakah berjalan dengan baik sesuai
yang diharapkan. Terdapat beberapa pengujian sistem yang dilakukan, antara lain
4.1 Pengujian Grayscale
Pengujian yang pertama ini merupakan pengujian yang dilakukan
dengan menggunakan metode pre-processing Grayscale.
4.1.1 Tujuan
Pengujian ini dilakukan untuk dapat menghasilkan citra keluaran yang
memiliki warna keabuan.
4.1.2 Alat yang digunakan
Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-
processing grayscale:
a. Laptop atau Komputer
b. Software Microsoft Visual Studio dengan menggunakan library OpenCV
dan Program tugas akhir untuk memproses citra dan menghasilkan citra
keluaran yang memiliki warna keabuan.
4.1.3 Prosedur Pengujian
Prosedur pengujian perangkat program :
a. Buka projret TA.sln.
46
b. Inputkan sampel citra yang akan di uji.
Proses inputan sampel citra yang diuji dengan proses grayscale. Dengan
potongan program berikut :
private: Mat TGray(Mat src) {
Mat dst;
cvtColor(src, dst, CV_BGR2GRAY);
return dst; }
c. Jalankan program.
4.1.4 Hasil Pengujian
Dibawah ini adalah hasil pengujian dari program grayscale yang
menghasilkan keluaran berupa warna keabuan, hasil ini akan digunakan pada
proses berikutnya yaitu proses threshold, hasil dari proses grayscale dapat dilihat
pada gambar 4.1.
Gambar 4.1 Hasil Proses Grayscale
47
4.2 Pengujian Threshold
Pengujian ini merupakan pengujian yang dilakukan dengan menggunakan
pre-processing threshold.
4.2.1 Tujuan
Pengujian ini dilakukan untuk mendapatkan citra yang bernilai hitam dan
putih, sehingga lebih mudah untuk membedakan mana yang objek dan mana yang
bukan objek.
4.2.2 Alat yang digunakan
Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-
processing threshold:
a. Laptop atau Komputer
b. Software Microsoft Visual Studio dengan menggunakan library OpenCV
dan Program tugas akhir untuk memproses citra dan menghasilkan citra
keluaran yang memiliki warna hitam dan putih.
4.2.3 Prosedur Pengujian
Prosedur pengujian pada OpenCV:
a. Inputkan sampel citra yang akan di uji.
Proses inputan sampel citra yang diuji dengan proses threshold. Dengan
potongan program berikut :
private: Mat TBiner(Mat src) {
Mat dst;
threshold(src, dst, 100, 255, CV_THRESH_OTSU);
return dst;
}
48
4.2.4 Hasil pengujian
Dibawah ini adalah hasil pengujian dari program threshold yang
menghasilkan keluaran berupa warna hitam dan putih. Seperti pada gambar 4.2.
Hasil ini digunakan pada proses selanjutnya yaitu proses deteksi tepi.
Gambar 4.2 Hasil Proses Threshold
4.3 Pengujian Canny
Pengujian ini merupakan pengujian yang dilakukan dengan
menggunakan pre-processing Canny.
4.3.1 Tujuan
Pengujian ini dilakukan untuk mendeteksi tepi pada suatu citra.
4.3.2 Alat yang digunakan
Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-
processing canny:
a. Laptop atau Komputer
b. Software Microsoft Visual Studio dengan menggunakan library OpenCV
dan Program tugas akhir untuk memproses citra dan menghasilkan citra
keluaran tepi yang sudah dideteksi.
49
4.3.3 Prosedur Pengujian
Prosedur pengujian pada OpenCV:
b. Inputkan sampel citra yang akan di uji.
Proses inputan sampel citra yang diuji dengan proses canny. Dengan
potongan program berikut :
private: Mat TCanny(Mat src) {
Mat dst;
Canny(src, dst, 70, 200,3);
return dst;
}
4.3.4 Hasil pengujian
Dibawah ini adalah hasil pengujian dari program cannyyang
menghasilkan keluaran berupa tepian pada citra . Seperti pada gambar 4.3
dibawah ini.
Gambar 4.3 Hasil Proses Canny
Hasil dari proses Canny terdapat beberapa garis yang sudah mulai
terputus, maka dari itu dilakukannya proses selanjutnya yaitu proses dilasi. Proses
dilasi nantinya akan menyambung kembali garis yang sudah mulai terputus
tersebut.
50
4.4 Pengujian Dilasi
Pengujian ini merupakan pengujian yang dilakukan dengan
menggunakan proses Dilasi, proses dilasi ini menggunakan structuring element
berbentuk persegi panjang dan menggunakan ukuran tertentu.
4.4.1 Tujuan
Pengujian ini dilakukan menyambungkan kembali garis – garis yang
mulai terputus, agar tidak menjadikan objek lain pada citra.
4.4.2 Alat yang digunakan
Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-
processing canny:
a. Laptop atau Komputer
b. Software Microsoft Visual Studio dengan menggunakan library OpenCV
dan Program tugas akhir untuk memproses citra dan menghasilkan citra
keluaran garis yang sudah tebal/ tersambung.
4.4.3 Prosedur Pengujian
Prosedur pengujian pada OpenCV:
a. Inputkan sampel citra yang akan di uji.
Proses inputan sampel citra yang diuji dengan proses dilasi. Dengan
potongan program berikut :
private: Mat TDilate (Mat src) {
Mat dst;
Mat Element;
Element = getStructuringElement(MORPH_ELLIPSE,
cv::Size(5,5));
51
dilate(src, dst, Element);
return dst;
}
4.4.4 Hasil Pengujian
Berikut ini adalah hasil pengujian program dilasi yang menghasilkan
keluaran berupa penebalan garis pada citra, seperti pada Tabel 4.1 dibawah ini.
Tabel 4.1 Pengujian Dilasi
No Input Proses Structuring
Element Hasil Labelling
1
Dilasi
Bentuk Persegi
Panjang Dan
Ukuran 28 , 3
2
Dilasi
Berbentuk Persegi
Panjang Dan
Ukuran 28 , 3
3
Dilasi
Berbentuk Persegi
Panjang Dan
Ukuran 28 , 3
52
No Input Proses Structuring
Element Hasil Labelling
4
Dilasi
Berbentuk Persegi
Panjang Dan
Ukuran 28 , 3
Dari 4 citra yang dilakukan pengujian dilasi, 2 citra yang berhasil ada
pada sample 1 dan sampel 4 sedangkan 2 citra yang gagal ditunjukan pada sample
2 dan sampel 3. Gagal di dilasi dikarenakan ukuran yang digunakan menggunakan
ukuran 28,3. Ukuran tersebut hanya mampu menyambungkan sampel 1 dan 4.
Namun jika ingin menyambungkan sampel 2 maka ukuran yang digunakan akan
berbeda dengan ukuran pada sampel 1 dan 4.
4.5 Pengujian Labelling
Pengujian ini merupakan pengujian yang dilakukan dengan
menggunakan proses Labelling, pada proses labelling ini metode yang digunakan
adalah connected component labelling.
4.5.1 Tujuan
Pengujian ini dilakukan untuk menandai bagian plat nomor mobil yang
ada pada citra, tetapi penulis juga melakukan pengujian terhadap objek lain,
kemudian pengujian ini dilakukan untuk menandai beberapa objek tersebut.
4.5.2 Alat yang digunakan
Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-
processing Labelling:
a. Laptop atau Komputer
53
b. Software Microsoft Visual Studio dengan menggunakan library OpenCV
dan Program tugas akhir untuk memproses citra dan menghasilkan citra
keluaran berupa menandai plat nomor mobil pada citra.
4.5.3 Prosedur Pengujian
Prosedur pengujian pada OpenCV:
a. Inputkan sampel citra yang akan di uji.
Proses inputan sampel citra yang diuji dengan proses Labelling. Dengan
potongan program berikut :
Mat imgg;
IplImage *srcc = new IplImage(src);
IplImage *dstt = new IplImage(Dilate);
CvMemStorage* storage = NULL;
CvSeq* result;
storage = cvCreateMemStorage(0);
CvSize srccSize;
srccSize.width = dstt->width;
srccSize.height = dstt->height;
IplImage *contur;
contur = cvCloneImage(dstt);
IplImage *imgi;
imgi = cvCloneImage(srcc);
cvFindContours(contur, storage, &contours, sizeof(CvContour),
CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(-2, -
2));
54
for (; contours != 0; contours = contours->h_next)
{
rect = cvBoundingRect(contours, 0);
if (rect.x >= 50 && rect.y >= 50 && rect.height >= 50 &&
rect.width >= 50)
{
cvRectangle(imgi, cvPoint(rect.x, rect.y),
cvPoint((rect.x) + rect.width, (rect.y) + rect.height), cvScalar(255,
0, 255, 255), 4, 8, 0);
imgg = cvarrToMat(imgi);
}
if (rect.x >= 50 && rect.y >= 130 && rect.height >= 50
&& rect.width >= 130)
{
cvRectangle(imgi, cvPoint(rect.x, rect.y),
cvPoint((rect.x) + rect.width, (rect.y) + rect.height), cvScalar(0, 0,
255, 255), 4, 8, 0);
imgg = cvarrToMat(imgi);
}
}
4.5.4 Hasil Pengujian
Berikut ini adalah hasil pengujian program Labelling yang menghasilkan
keluaran berupa citra yang sudah ditandai / diberi label. Seperti pada Tabel 4.2.
55
Tabel 4.2 Pengujian Labelling
No Input Proses Status Hasil Labelling
1 SAMPEL 1 Labelling berhasil
2 SAMPEL 2 Labelling berhasil
3 SAMPEL 3 Labelling berhasil
4 SAMPEL 4 Labelling berhasil
5 SAMPEL 5 Labelling berhasil
6 SAMPEL 6 Labelling berhasil
7 SAMPEL 7 Labelling berhasil
8 SAMPEL 8 Labelling berhasil
56
No Input Proses Status Hasil Labelling
9 SAMPEL 9 Labelling berhasil
10 SAMPEL 10 Labelling berhasil
11 SAMPEL 11 Labelling berhasil
12 SAMPEL 12 Labelling berhasil
13 SAMPEL 13 Labelling berhasil
14 SAMPEL 14 Labelling berhasil
15 SAMPEL 15 Labelling gagal
16 SAMPEL 16 Labelling berhasil
57
No Input Proses Status Hasil Labelling
17 SAMPEL 17 Labelling gagal
18 SAMPEL 18 Labelling berhasil
19 SAMPEL 19 Labelling berhasil
20 SAMPEL 20 Labelling berhasil
21 SAMPEL 21 Labelling berhasil
22 SAMPEL 22 Labelling berhasil
23 SAMPEL 23 Labelling berhasil
24 SAMPEL 24 Labelling berhasil
58
No Input Proses Status Hasil Labelling
25 SAMPEL 25 Labelling berhasil
26 SAMPEL 26 Labelling berhasil
27 SAMPEL 27 Labelling berhasil
28 SAMPEL 28 Labelling berhasil
29 SAMPEL 29 Labelling berhasil
30 SAMPEL 30 Labelling berhasil
31 SAMPEL 31 Labelling berhasil
32 SAMPEL 32 Labelling berhasil
59
No Input Proses Status Hasil Labelling
33 SAMPEL 33 Labelling berhasil
34 SAMPEL 34 Labelling berhasil
35 SAMPEL 35 Labelling berhasil
Dari hasil Labelling pada tabel diatas dapat diambil kesimpulan bahwa
proses melabeli plat nomor mobil berjalan sesuai dengan yang diharapkan,
menggunakan 35 sampel pada percobaan proses Labelling. Tidak hanya
menggunakan citra input mobil, disini penulis melakukan pengujian terhadap
beberapa citra, seperti yang dapat dilihat pada tabel 4.3.
Tabel 4.3 Pengujian Citra Lain Labelling
No Input Proses Status Hasil Labelling
1
Labelling Berhasil
60
No Input Proses Status Hasil Labelling
2
Labelling Berhasil
3
Labelling Berhasil
4
Labelling Berhasil
Dari 4 sampel yang di uji, semuanya berhasil terlabel sehingga hasil dari
proses labelling ini akan dijadikan inputan pada proses cropping, agar nantinya
hanya ada 1 objek saja yang terpotong.
4.6 Pengujian Cropping.
Pengujian ini merupakan pengujian yang dilakukan dengan
menggunakan proses Cropping, proses cropping ini hanya memotong satu objek
dan objek itu adalah plat nomor mobil dan objek lain.
4.6.1 Tujuan
Pengujian ini dilakukan untuk memotong bagian plat nomor mobil yang
ada pada citra dan objek lain pada citra yang berbeda.
61
4.6.2 Alat yang digunakan
Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-
processing Labelling:
a. Laptop atau Komputer
b. Software Microsoft Visual Studio dengan menggunakan library OpenCV
dan Program tugas akhir untuk memproses citra dan menghasilkan citra
keluaran berupa potongan plat nomor mobil pada citra.
4.6.3 Prosedur Pengujian
Prosedur pengujian pada OpenCV:
a. Inputkan sampel citra yang akan di uji.
Proses inputan sampel citra yang diuji dengan proses cropping. Dengan
potongan program berikut :
Mat gg;
IplImage *ff = cvCloneImage(srcc);
cvSetImageROI(ff, cvRect(rect.x, rect.y, rect.width, rect.height));
IplImage *g1 = cvCreateImage(cvGetSize(ff), ff->depth, ff-
>nChannels);
cvCopy(ff, g1, NULL);
cvResetImageROI(ff);
//cvShowImage("Plat Nomor", g1);
gg = cvarrToMat(g1);
62
4.6.4 Hasil Pengujian
Berikut ini adalah hasil pengujian dengan proses Cropping yang
menghasilkan keluaran berupa citra plat nomor mobil, Seperti pada Tabel 4.4.
Tabel 4.4 Pengujian Cropping
No Input Proses Status Hasil Cropping
1 SAMPEL 1 Cropping berhasil
2 SAMPEL 2 Cropping berhasil
3 SAMPEL 3 Cropping
berhasil
4 SAMPEL 4 Cropping berhasil
5 SAMPEL 5 Cropping berhasil
6 SAMPEL 6 Cropping berhasil
63
No Input Proses Status Hasil Cropping
7 SAMPEL 7 Cropping berhasil
8 SAMPEL 8 Cropping berhasil
9 SAMPEL 9 Cropping berhasil
10 SAMPEL 10 Cropping berhasil
11 SAMPEL 11 Cropping berhasil
12 SAMPEL 12 Cropping berhasil
13 SAMPEL 13 Cropping berhasil
14 SAMPEL 14 Cropping berhasil
64
No Input Proses Status Hasil Cropping
15 SAMPEL 15 Cropping gagal
16 SAMPEL 16 Cropping berhasil
17 SAMPEL 17 Cropping gagal
18 SAMPEL 18 Cropping berhasil
19 SAMPEL 19 Cropping berhasil
20 SAMPEL 20 Cropping berhasil
21 SAMPEL 21 Cropping berhasil
22 SAMPEL 22 Cropping berhasil
23 SAMPEL 23 Cropping berhasil
65
No Input Proses Status Hasil Cropping
24 SAMPEL 24 Cropping berhasil
25 SAMPEL 25 Cropping berhasil
26 SAMPEL 26 Cropping berhasil
27 SAMPEL 27 Cropping berhasil
28 SAMPEL 28 Cropping berhasil
29 SAMPEL 29 Cropping berhasil
30 SAMPEL 30 Cropping berhasil
31 SAMPEL 31 Cropping berhasil
32 SAMPEL 32 Cropping berhasil
66
No Input Proses Status Hasil Cropping
33 SAMPEL 33 Cropping berhasil
34 SAMPEL 34 Cropping berhasil
35 SAMPEL 35 Cropping berhasil
Dari hasil Cropping pada tabel diatas dapat diambil kesimpulan bahwa
proses cropping berjalan sesuai dengan yang diharapkan, dikarenakan outputnya
menghasilkan plat nomor mobil dengan menggunakan sampel sebanyak 35 citra,
berhasil mengecrop sebanyak 33 sampel. Disini penulis melakukan pengujian
terhadap beberapa citra, seperti yang dapat dilihat pada tabel 4.5.
Tabel 4.5 Pengujian Citra Lain Cropping
No Input Proses Status Hasil Cropping
1
Cropping Berhasil
2
Cropping Berhasil
67
No Input Proses Status Hasil Cropping
3
Cropping Berhasil
4
Cropping Berhasil
Dari 4 sampel yang di uji, semuanya berhasil terpotong sehingga hasil
dari proses cropping ini adalah hasil akhir dari penelitian ini.