Analisis Perbaikan Motion Blur Dengan Metode Penapis Wiener
TUGAS AKHIR
Program Studi
S1 Sistem Komputer
Oleh :
ZAKY RIAVANY BAHAR
11410200086
FAKULTAS TEKNOLOGI DAN INFORMATIKA
INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA
2019
ii
Analisis Perbaikan Motion Blur Dengan Metode Penapis Wiener
TUGAS AKHIR
Diajukan sebagai salah satu syarat untuk menyelesaikan
Program Sarjana Komputer
Oleh :
Nama : Zaky Riavany Bahar
NIM : 11410200086
Program : S1 (Strata Satu)
Jurusan : Sistem Komputer
FAKULTAS TEKNOLOGI DAN INFORMATIKA
INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA
2019
iii
iv
v
“Jangan pernah berhenti untuk bermimpi besar, meskipun banyak yang
menertawakanya, kelak mimpi-mimpi tersebut akan terukir sebagai jejakmu.”
vi
Saya persembahkan kepada kedua orang tuaku tercinta, adik - adikku tersayang,
orang – orang tersayang, sahabat – sahabatku kukasihi, dan semua keluarga yang
telah mendukung
vii
ABSTRAK
Di era yang modern sesuatu serba canggih dan teknologi
berkembang pesat. dimana teknologi yang berkembang salah satunya bisa
menghasilkan citra. banyak teknologi yang dapat menghasilkan gambar misalnya
kamera digital, kamera smartphone, CCTV dan Webcam. Dalam pengambilan
gambar , gambar yang dihasilkan tidak selalu bagus. banyak faktor yang
mempengaruhi tidak bagusnya hasil jepretan gambar. hasil pengambilan gambar
terkadang mengalami blur. Blur terjadi beberapa faktor diantaranya blur
dikarenakan oleh gerakan kamera (motion blur), blur yang dikarenakan oleh
kurang fokus, dan blur yang dikarenakan gangguan cahaya. Deblurring adalah
salah satu teknik restorasi citra dimana untuk mengurangi efek blur pada gambar.
metode deblurring ada banyak salah satunya adalah penapis Wiener. seberapa
efektif penapis Wiener dalam merestorasi citra yang disebabkan oleh gerakan
kamera (motion blur). Sistem yang dibuat pada penelitian ini menunjukan bahwa
semakin cepat kecepatan motor citra yang ditangkap semakin blur. Hasil
pengujian bahwa citra motion blur murni karena gerakan kamera tidak dapat
diolah menggunakan penapis Wiener. Penapis Wiener hanya bisa digunakan
apabila citra mendapatkan blur dikarenakan simulasi.
Keyword : Motion Blur, Penapis Wiener Method, Deblurring, Kamera
viii
KATA PENGANTAR
Mengucap puji syukur kehadirat ALLAH SWT, atas segala rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul
“Analisis Perbaikan Motion Blur Dengan Metode Penapis Wiener” ini disusun
untuk menyelesaikan Program Studi S1 Sistem Komputer di Institut Bisnis Dan
Informatika Stikom Surabaya.
Penulis juga mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Ibu & bapak serta keluarga tercinta yang selalu memperhatikan, mendukung,
dan menjagaku dari dahulu, sekarang, dan sampai selamanya.
2. Bapak Dr.Susijanto Tri Rasmana,S.kom., M.T. dan Harianto, S.Kom., M.Eng.
selaku Dosen Pembimbing I dan Dosen Pembimbing II yang telah sabar
membimbing, memberikan motivasi dan saran, terutama selama proses
penyusunan Tugas Akhir ini.
3. Bapak Heri Pratikno, M.T., MTCNA., MTCRE. selaku Dosen Penguji yang
telah sabar mebimbing dan memberikan saran dalam penyusunan buku Tugas
Akhir ini.
4. Para dosen dan karyawan STIKOM Surabaya yang banyak sekali memberikan
bantuan, baik yang saya sadari maupun tidak.
5. Saudara-saudara seangkatan dan seperjuanganku, mahasiswa S1-SK angkatan
2008 dan 2011 atas kebersamaan di kala susah dan senang.
6. Sahabat-sahabatku yang kukasihi yang selalu memberikan dukungan dan do’a.
Penulis
ix
2DAFTAR ISI
HALAMAN JUDUL ........................................................................................ i
HALAMAN PERSYARATAAN ...................................................................... ii
HALAMAN PENGESAHAN ........................................................................... iii
HALAMAN PERNYATAAN .......................................................................... iv
HALAMAN MOTTO ........................................................................................ v
HALAMAN PERSEMBAHAN ........................................................................ vi
ABSTRAK ......................................................................................................... vii
KATA PENGANTAR ....................................................................................... viii
DAFTAR ISI ...................................................................................................... ix
DAFTAR GAMBAR ........................................................................................ xiii
DAFTAR TABEL ............................................................................................. xv
BAB I PENDAHULUAN .......................................................................... 1
1.1 Latar Belakang Masalah .................................................................. 1
1.2 Perumusan Masalah ........................................................................ 2
1.3 Pembatasan Masalah ....................................................................... 2
1.4 Tujuan ............................................................................................. 2
1.5 Kontribusi ........................................................................................ 3
1.6 Sistematika Penulisan ..................................................................... 3
BAB II LANDASAN TEORI ....................................................................... 5
2.1 Webcam ........................................................................................... 5
2.2 Citra Digital .................................................................................... 6
2.3 Pengolahan Citra Digital ................................................................. 8
x
2.4 Fungsi Pengolahan Citra ................................................................. 8
2.4.1 Gray-Scalling ................................................................................... 11
2.4.2 RGB ................................................................................................. 13
2.5 Penapis Wiener ................................................................................ 14
2.6 Kernel ............................................................................................... 15
2.7 Point Spread Function (PSF) ........................................................... 17
2.8 Noise ................................................................................................ 18
2.9 MSE dan PSNR ................................................................................ 18
2.10 Arduino ............................................................................................ 19
2.11 Modul L298N(Driver Motor DC) .................................................... 23
2.12 Limit Switch ..................................................................................... 24
2.13 Motor DC ......................................................................................... 26
2.14 IDE Arduino ..................................................................................... 27
BAB III METODE PENELITIAN ................................................................. 29
3.1 Perancangan Sistem dan Blok Diagram Sistem ............................... 29
3.2 Perancangan Perangkat Keras .......................................................... 30
3.3 Perancangan Perangkat Lunak ......................................................... 32
3.4 Pengambilan Citra Sampel .............................................................. 39
3.5 Penyimpanan Data Citra ................................................................. 39
3.6 Pengolahan Citra .............................................................................. 39
3.7 Metode Pengujian dan Evaluasi Sistem ........................................... 40
3.7.1 Pengujian Streaming Citra Melalui Webcam .......................... 40
3.7.2 Pengujian Pengambilan Citra (Capture) ................................. 41
3.7.3 Pengujian Penyimpanan Citra ............................................... 41
xi
3.7.4 Pengujian Arduino .................................................................. 41
3.7.5 Pengujian Kecepatan Motor .................................................... 41
3.7.6 Pengujian Penapis Wiener ....................................................... 41
BAB IV PENGUJIAN DAN EVALUASI SISTEM ...................................... 43
4.1 Pengujian Streaming Citra Melalui Webcam ................................... 43
4.1.1 Tujuan ..................................................................................... 43
4.1.2 Alat yang Digunakan ............................................................. 43
4.1.3 Prosedur Pengujian ................................................................ 44
4.1.4 Hasil Pengujian ...................................................................... 44
4.2 Pengujian Pengambilan Citra (Capture) .......................................... 45
` 4.2.1 Tujuan .................................................................................... 45
4.2.2 Alat yang Digunakan ............................................................. 45
4.2.3 Prosedur Pengujian ................................................................ 45
4.24 Hasil Pengujian ...................................................................... 45
4.3 Pengujian Penyimpanan Citra ........................................................ 46
4.3.1 Tujuan .................................................................................... 46
4.3.2 Alat yang Digunakan ............................................................. 47
4.3.3 Prosedur Pengujian ................................................................ 47
4.3.4 Hasil Pengujian ...................................................................... 47
4.4 Pengujian Arduino ........................................................................... 48
4.4.1 Tujuan .................................................................................... 48
4.4.2 Alat yang Digunakan ............................................................. 48
4.4.3 Prosedur Pengujian ................................................................ 48
4.4.4 Hasil Pengujian ...................................................................... 48
xii
4.5 Pengujian Kecepatan Motor ............................................................ 49
4.5.1 Tujuan .................................................................................... 49
4.5.2 Alat yang Digunakan ............................................................. 49
4.5.3 Prosedur Pengujian ................................................................ 50
4.5.4 Hasil Pengujian ...................................................................... 50
4.6 Pengujian Penapis Wiener ................................................................ 51
4.6.1 Tujuan .................................................................................... 51
4.6.2 Alat yang Digunakan ............................................................. 51
4.6.3 Prosedur Pengujian ................................................................ 51
4.6.4 Hasil Pengujian ...................................................................... 51
BAB V PENUTUP ........................................................................................... 59
5.1 Kesimpulan ........................................................................................ 59
5.2 Saran .................................................................................................. 60
DAFTAR PUSTAKA ....................................................................................... 61
LAMPIRAN ....................................................................................................... 62
xiii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Webcam ....................................................................................... 5
Gambar 2.2 Citra Digital ................................................................................. 7
Gambar 2.3 Gambar kordinat pixel ................................................................. 11
Gambar 2.4 Hasil Grayscaling ........................................................................ 12
Gambar 2.5 Gambar kordinat warna RGB ...................................................... 13
Gambar 2.6 Gambar penambahan campuran warna merah, hijau dan biru .... 14
Gambar 2.7 Contoh piksel tetangga ................................................................ 16
Gambar 2.8 Kernel blurring ............................................................................ 17
Gambar 2.9 PSF citra bintang ......................................................................... 18
Gambar 2.10 Arduino ........................................................................................ 21
Gambar 2.11 Atmega 328 pin ........................................................................... 21
Gambar 2.12 Modul L298N .............................................................................. 23
Gambar 2.13 Simbol Switch .............................................................................. 25
Gambar 2.14 Kontruksi Switch ......................................................................... 25
Gambar 2.15 Motor DC..................................................................................... 27
Gambar 2.16 IDE Arduino ................................................................................ 28
Gambar 3.1 Blok Diagram Sistem Secara Umum ........................................... 29
Gambar 3.2 Gambar Miniatur Penggerak Kamera .......................................... 30
Gambar 3.3 Gambar Rangkaian pada Perangkat Keras .................................. 31
Gambar 3.4 Flowchart Aplikasi Pengambilan Gambar .................................. 33
Gambar 3.5 Flowchart Komunikasi Serial Visual Studio ke Arduino............ 34
Gambar 3.6 Flowchart Serial Arduino to Visual Studio ................................. 36
xiv
Gambar 3.7 Flowchart Sensor Arduino .......................................................... 37
Gambar 3.8 Flowchart Pengolahan Citra ........................................................ 38
Gambar 4.1 Streaming dengan Webcam ......................................................... 44
Gambar 4.2 Capture dengan Webcam ............................................................. 46
Gambar 4.3 Proses Penyimpanan Citra ........................................................... 47
Gambar 4.4 Arduino Berfungsi Dengan Baik ................................................. 49
Gambar 4.5 Citra yang normal atau bagus ...................................................... 52
Gambar 4.6 Citra yang Mengalami Motion Blur ............................................ 52
Gambar 4.7 Citra yang Sudah Diolah Dengan Penapis Wiener ...................... 52
xv
DAFTAR TABEL
Halaman
Tabel 2.1 Spesifikasi Arduino .......................................................................... 20
Tabel 2.2 Fungsi Pin Modul L298N ................................................................ 24
Tabel 4.1 Tabel Pengujian Kecepatan Motor ................................................... 50
Tabel 4.2 Tabel Pengujian NSR 0.1 ................................................................. 54
Tabel 4.3 Tabel Pengujian NSR 0.2 ................................................................. 54
Tabel 4.4 Tabel Pengujian NSR 0.3 ................................................................. 55
Tabel 4.5 Tabel Pengujian NSR 0.1 pada kecepatan 0,27m/s ......................... 55
Tabel 4.6 Tabel Pengujian NSR 0.2 pada kecepatan 0,27m/s ......................... 56
Tabel 4.7 Tabel Pengujian NSR 0.3 pada kecepatan 0,27m/s ......................... 56
Tabel 4.8 Tabel Pengujian NSR 0.1 pada kecepatan 0,06m/s ......................... 57
Tabel 4.9 Tabel Pengujian NSR 0.1 pada kecepatan 0,06m/s ......................... 57
Tabel 4.10 Tabel Pengujian NSR 0.1 pada kecepatan 0,06m/s ......................... 58
1
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Perkembangan teknologi digital sekarang berkembang dengan pesat, salah
satunya yang berkembang teknologi yang bisa menghasilkan suatu citra. Citra
atau biasa disebut dengan suatu gambar. Perangkat penghasil citra sangat banyak
misalnya kamera digital, perangkat smartphone yang dilengkapi kamera dan
webcam. Dengan berkembang teknologi kamera, kamera dapat digunakan sebagai
CCTV (Closed Circuit Television) atau pendeteksian tempat parkir yang kosong.
Dalam pendeteksian tempat parkir kosong bisa dibuat lintasan kamera untuk
pengambilan citra untuk pendeteksian. Dalam pengambilan citra, citra yang
dihasilkan tidak selalu bagus. Terkadang citra yang dihasilkan bisa mengalami
efek blur atau citra yang kabur. Citra yang kabur dapat disebabkan oleh berbagai
sebab, misalnya pergerakan selama pengambilan gambar oleh alat optik seperti
kamera (motion blur), penggunaan alat optik yang tidak fokus, pengguanaan lensa
dengan sudut yang lebar, gangguan atmosfir, pencahayaan yang singkat sehingga
mengurangi jumlah foton yang ditangkap oleh alat optik dan sebagainya.
Deblurring adalah salah satu teknik restorasi citra dengan tujuan
mengurangi efek blur. Citra yang mengalami efek blur akan diperbaiki dengan
teknik deblurring. Ada beberapa teknik yang digunakan untuk memperbaiki efek
blur misalnya penapis Wiener (Wiener filter), Lucy Richardson, Inverse filter.
Dalam penelitian sebelumnya penapis Wiener sudah dilakukan uji coba dalam
2
proses perbaikan citra. Citra yang asli dan blur yang dibangkitkan diproses untuk
perbaikan citra menggunakan penapis Wiener (Mistry dan Banerjee)
Pada Tugas Akhir ini akan menganalisa hasil citra yang kabur (blur) yang
disebabkan oleh gerakan (motion) kamera akan diperbaiki menggunakan teknik
deblurring dengan metode penapis Wiener.
1.2. Rumusan Masalah
1. Bagaimana membuat alat yang dapat menggerakan dan mengontrol
kecepatan webcam ?
2. Bagaimana melakukan analisa perbaikan dengan penapis Wiener (Wiener
filter) pada citra blur akibat gerakan kamera dengan kecepatan tertentu ?
1.3.Batasan Masalah
1. Uji coba menggunakan 1 buah webcam.
2. Input yang digunakan dalam tugas akhir kali ini berupa citra dengan tipe
format file JPEG.
3. Sofware yang digunakan MatLab
1.4 Tujuan
1 Menggerakan dan mengontrol kecepatan webcam yang ada pada lintasan.
2 Menganalisa perbaikan citra blur akibat gerakan kamera dengan kecepatan
tertentu menggunakan metode penapis Wiener.
3
1.5 Kontribusi
Kontribusi tugas akhir ini adalah apabila sistem ini diterapkan maka dapat
membuat orang lebih mudah untuk mengetahui bahwa function yang ada di
MatLab bekerja atau tidak. Dan untuk mengetehui seberapa efektif metode
penapis Wiener dalam pengolahan citra dimana untuk memperbaiki citra yang
mengalami motion blur. Dapat mengetahui keefektifan metode penapis Wiener
dalam nilai MSE dan PSNR.
1.6 Sistematika Penulisan
Sistematika penulisan buku tugas akhir ini terdiri dari lima bab, yang secara
ringkas dapat diuraikan sebagai berikut :
BAB I : Pendahuluan
Pada BAB I dijelaskan tentang latar belakang masalah, perumusan
masalah, pembatasan masalah, tujuan, kontribusi dan sistematika
penulisan buku tugas akhir.
BAB II : Landasan Teori
Pada BAB II menjelaskan tentang kamera, citra digital, pengolahan
citra yang meliputi grayscaling, metode filter Wiener, noise, kernel,
RGB, PSNR, MSE, motor DC, Arduino.
BAB III : Metode Penelitian
Pada BAB III membahas tentang perangkat-perangkat yang
digunakan dalam membuat tugas akhir ini, baik (hardware) yang
berupa miniatur maupun perangkat lunak (software) diantaranya
flowchart, proses pengambilan citra ,proses serial Arduino ke Visual
4
Studio, proses sensor Arduino, proses penginputan kecepatan motor
serta proses pengolahan citra dengan metode penapis Wiener dan
pengambilan nilai MSE & PSNR.
BAB IV : Pengujian dan Evaluasi Sistem
Pada BAB IV membahas tentang pengujian sistem meliputi,
pengujian menampilkan citra atau streaming dengan kamera , proses
pengambilan citra atau capture, proses penyimpanan citra, proses
arduino dapat menerima program, proses menghitung kecepatan
motor, proses pengolahan citra dengan penapis Wiener.
BAB V : Penutup
Pada BAB V merupakan bagian akhir dari laporan penelitian tugas
akhir ini yang menguraikan kesimpulan-kesimpulan yang diperoleh
dari proses penelitian serta saran-saran untuk pengembangan
penelitian selanjutnya.
5
BAB II
LANDASAN TEORI
2.1. Webcam
Webcam adalah kamera video sederhana berukuran relatif kecil. sering digunakan
untuk konferensi video jarak jauh atau sebagai kamera pemantau. Webcam pada
umumnya tidak membutuhkan kaset atau tempat penyimpanan data, data hasil
perekaman yang didapat langsung ditransfer ke komputer.Webcam juga merupakan
sebutan bagi kamera real time yang gambarnya bisa diakses atau dilihat
melalui internet , program instant messenging seperti Yahoo Messenger (YM),
AOL Messenger (AIM), Windows Live Messenger , dan Skype .Istilah "Webcam"
mengarah pada jenis kamera yang digunakan untuk kebutuhan layanan berbasis
web (Majid,2007).Definisi yang lain tentang webcam adalah sebuah periferal
berupa kamera sebagai pengambil citra/gambar dan mikrofon (optional ) sebagai
pengambil suara (audio) yang dikendalikan oleh sebuah komputer atau oleh
jaringan komputer.
Gambar 2.1 Webcam (M.Syarif , 2011)
6
Gambar yang diambil oleh webcam ditampilkan ke layar monitor, karena
dikendalikan oleh komputer maka ada interface atau port yang digunakan untuk
menghubungkan webcam dengan komputer atau jaringan.Ada beberapa orang
yang mengartikan webcam sebagai webpage + camera karena dengan
menggunakan webcam untuk mengambil gambar video secara aktual bisa
langsung di-upload bila komputer yang mengendalikan terhubung dengan
internet.
2.2. Citra Digital
Citra digital menunjuk pada pemrosesan gambar dua dimensi menggunakan
computer. Dalam konteks yang lebih luas, pengolahan citra digital mengacu pada
pemrosesan setiap data dua dimensi. Citra digital merupakan sebuah larik (array)
yang berisi nilai-nilai real, kompleks yang direpresentasikan dengan deretan bit
tertentu.
Sebuah citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan
N kolom, dengan x adalah y adalah koordinat spasial, dan amplitude f dititik
koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik
tersebut. Apabila nilai x, y dan nilai amplitude f secara keseluruhan sehingga
(finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra
digital. Nilai pada suatu irisan antara baris dan kolom (pada posisi x,y) disebut
dengan picture elements,image elements, pels, atau pixels istilah terakhir (pixel)
paling sering digunakan pada citra digital.
7
Citra digital dapat didefinisikan sebagai fungsi dua variabel, f(x,y), dimana x
dan y adalah koordinat spasial dan nilai f(x,y) adalah brightness level dari citra
pada koordinat tersebut, hal tersebut diilustrasikan pada Gambar 2.2
Gambar 2.2 Citra Digital (Nixon dan Aguado, 2002)
Teknologi dasar untuk menciptakan dan menampilkan warna pada citra
digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi
dari tiga warna dasar, yaitu merah, hijau dan biru (Red, Green, Blue - RGB).
Sebuah citra diubah ke bentuk digital agar dapat disimpan dalam memori
komputer atau media lain. Proses mengubah citra ke bentuk digital bisa dilakukan
dengan beberapa perangkat, misalnya scanner, kamera digital dan handycam.
Ketika sebuah citra sudah diubah ke dalam bentuk digital (selanjutnya disebut
citra digital), bermacam-macam proses pengolahan citra dapat diperlakukan
terhadap citra tersebut.
x
x1
y1
f(x1, y1)
8
2.3. Pengolahan Citra Digital
Pengolahan citra adalah salah satu cabang dari ilmu informatika. Pengolahan
citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar
menjadi citra lain dengan menggunakan teknik tertentu. Citra adalah representasi
atau tiruan dari suatu benda atau objek. Citra dibai menjadi dua, yaitu citra analog
dan citra digital. Citra analog adalah citra yang dihasilkan sinyal kontinyu, missal
foto yang dicetak di kertas foto, citra yang tampil di layar TV, citra yang
dihasilkan oleh CT-scan, citra yang tersimpan dalam pita kaset. Sedangkan citra
digital adalah citra yang bisa diolah langsung oleh computer dan tersimpan dalam
media simpan digital misalnya memory, hardisk, cd, dll. Contoh dari citra digital
ini adalah foto yang dihasilkan oleh kamera digital, dan citra yang dihasilkan oleh
scanner.
2.4. Fungsi Pengolahan Citra
Pengolahan citra bertujuan untuk memperbaikik kualitas citra agar mudah
diinterpretasikan oleh manusia atau mesin dan untuk mengolah informasi yang
ada pada suatu gambar untuk kebutuhan identifikasi objek secara otomatis.
Tekni-teknik pengolahan citra mentransformasikan citra menjadi citra lain.
Inputan pada proses ini adaah citra dan keluarannya juga berupa citra dengan
kualitas lebih baik daripada citra inputan sebelumnya. Pengolahan citra digital
diperlukan di beberapa bidang misalnya: bidang kedokteran, fotografi, dan
kemanan data.
9
Agar mudah diinterpretasi oleh manusia atau komputer, pengolahan citra
harus dilakukan dengan berbagai macam metode untuk mencapai citra sesuai yang
diinginkan.
Operasi-operasi yang dilakukan di dalam pengolahan citra banyak jenisnya.
Secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa
jenis sebagai berikut:
1. Perbaikan kualitas citra (Image enhancement.)
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara
memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang
terdapat di dalam citra lebih ditonjolkan.Contoh-contoh operasi perbaikan citra:
a. perbaikan kontras gelap/terang
b. perbaikan tepian objek (edge enhancement)
c. penajaman (sharpening)
d. grayscaling
e. noise filtering
2. Pemugaran citra (Image restoration.)
Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra.
Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya,
pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh
operasi pemugaran citra:
a. penghilangan kesamaran (deblurring)
b. penghilangan derau (noise)
10
3. Pemampatan citra (Image compression.)
Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk
yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Hal penting
yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan
harus tetap mempunyai kualitas gambar yang bagus. Contoh metode pemampatan
citra adalah metode JPEG.
4. Segmentasi citra (Image segmentation.)
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa
segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan
pengenalan pola.
5. Analisa citra (Image analysis.)
Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk
menghasilkan deskripsinya. Teknik pengorakan citra mengekstraksi ciri- ciri
tertentu yang membantu dalam identifikasi objek. Proses segmentasi kadangkala
diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-
contoh operasi pengorakan citra:
a. Pendeteksian tepi objek (edge detection)
b. Ekstraksi batas (boundary)
c. Representasi daerah (region)
6. Rekontruksi citra (Image reconstruction)
Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra
hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis.
Misalnya beberapa foto rontgen dengan sinar X digunakan untuk membentuk
ulang gambar organ tubuh. (Nixon dan Aguado, 2002).
11
Gray-Scaling
Secara digital suatu gray-scale image dapat direpresentasikan dalam bentuk
array dua dimensi. Tiap elemen dalam array menujukkan intensitas (grey level)
dari image pada posisi koordinat yang bersesuain. Apabila suatu citra
direpresentasikan dalam 8 bit maka berarti pada citra terdapat 28 ata 256 level
gray-scale, (biasanya bernilaiu 0-255), dimana 0 menunjukkan level intensitas
paling gelap dan 255 menunjukkan intensitas paling terang. Tiap elemen pada
array diatas disebut sebagai picture elemen atau paling sering disebut pixel.
Dengan melakukan perubahan pada intensitas masing-masing pixel maka
representasi citra secara keseluruhan akan berubah. Citra yang dinyatakan dengan
matrik M x N mempunyai intensitas tertentu pada pixel tertentu. Posisi picture
elemen (I,j) dan koordinat (x,y) berbeda.
Jumlah pixel dimulai dari sudut kiri atas sedangkan koordinat x dan y berada
pada sudut kiri bawah.
Gambar 2.3 Gambar kordinat pixel
Format citra ini disebut skala keabuan karena pada umumnya warna yang
dipakai adalah antara hitam sebagai warna minimal dan warna putih sebagai
warna maksimal sehingga warna antaranya adalah abu-abu.
12
Persamaan yang digunakan untuk mengkonversikan citra berwarna menjadi
citra skla keabuhan adalah sebagai berikut (Basuki,A:2005) :
Gray = (R + G + B) / 3 (2.1)
Konversi informasi suatu citra warna ke skala keabuhan dapat juga
dilakukan dengan cara memberi bobot pada setiap elemen warna (Achmad: 2005),
sehingga persamaan diatas dimodifikasi menjadi :
Gray =wRR + wGG + wBB (2.2)
Dengan wR, wG dan wB masing-masing adalah bobot untuk elemen warna
merah, hijau dan biru. NTSC (National Television System Committee)
mendefinisikan bobot untuk konversi citra warna ke skala keabuan adalah sebagai
berikut :
wR = 0,299 wG = 0,587 wB = 0,114
untuk citra berwarna nilai dari suatu pixel missal adalah X, maka untuk
mendapatkan nilai Red, Green, Blue dapat menggunakan rumus :
Blue = X / 216 (2.3)
Green = (X – Blue * 216) / 28 (2.4)
Red = X – Blue * 216 – Green * 28 (2.5)
Berikut adalah contoh Gambar 2.4 hasil grayscaling
Gambar 2.4 Hasil Grayscaling( Nata S, 2010 )
13
RGB
Suatu citra dalam model RGB terdiri dari tiga bidang citra yang saling lepas,
masing-masing terdiri dari warna utama: merah, hijau dan biru. Suatu warna
dispesifikasikan sebagai campuran sejumlah komponen warna utama.gambar
dibawah menunjukkan bentuk geometri dari model warna RGB untuk
menspesifikasikan warna menggunakan system koordinat Cartesian. Spektrum
greyscale (tingkat keabuan) yaitu warnayang dibentuk dari gabungan tiga warna
utama dengan jumlah yang sama,berada pada garis yang menghubungkan titik
hitam dan titik putih.
Gambar 2.5 Gambar koordinat warna RGB
Warna dipresentasikan dalam suatu sinar tambahan untuk membentuk warna
baru, dan berhubungan untuk membentuk sinar campuran. Citra pada gambar
sebelah kiri menunjukkan campuran dengan menambahkan warna utama merah,
hijau dan biru untuk membentuk warna sekunder kuning (merah + hijau), cyan
14
(biru + hijau), magenta (merah + hijau), dan putih (merah + hijau + biru). Model
warna RGB banyak digunakan untuk monitor komputer dan video kamera.
Gambar 2.6 Gambar penambahan campuran warna merah, hijau dan biru.
2.5. Penapis Wiener
Pada pengolahan citra digital, penapis digunakan untuk menekan frekuensi
tinggi pada citra seperti memperhaluskan citra (smoothing) atau menekan
frekwensi rendah seperti memperjelas atau mendeteksi tepi. Tujuan dari penapis
sendiri membuat citra tampak lebih baik atau tampak lebih jelas untuk analisis.
Filter juga sering disebut penyaringan citra atau penapisan citra.
Wiener filtering adalah filter yang akan melakukan penyaringan terhadap
noise yang menyerang citra yang menyebabkan penurunan kualitas citra tersebut
dengan menggunakan pendekatan statistik berdasarkan pixel-pixel tetangganya.
Penapisan citra dapat dilakukan dalam ruang lingkup frekwensi atau spasial.
Penapisan dalam ruang lingkup frekuensi akan mengubah citra ke kawasan
frekwensi, mengalikannya dengan sebuah fungsi penapis frekwensi, kemudian
mentranformasikan kembali hasilnya ke ruang lingkup spasial. Penapisan dalam
ruang lingkup spasial adalah melakukan konvolusi citra input F(i,j) , dengan
fungsi penapis H(i,j) dan �̂�(i,j) adalah hasil dari persamaan.
𝐹 ̂(𝑖, 𝑗) = 𝐻(𝑖, 𝑗) ∙ 𝐹(𝑖, 𝑗) (2.6)
15
Rumus ini sama dengan perkalian dalam ruang lingkup frekwensi, tetapi
dalam implentasi digitalnya bervariasi, karena fungsi penapis yang digunakan
harus disimulasikan dalam bentuk kernel diskret tertentu.
Berkebalikan dengan ruang lingkup frekwensi, adalah memungkinkan untuk
mengimplentasikan penapis non linear dalam ruang lingkup spasial. Dalam kasus
seperti ini, maka penjumlahan dalam fungsi konvolusi diganti dengan sebuah
operator non linear O(m,n).
�̂�(𝑖, 𝑗) = 𝑂(𝑚, 𝑛)[𝐻(𝑚, 𝑛)𝐹(𝑖 − 𝑚, 𝑗 − 𝑛)] (2.7)
Wiener Filtering adalah salah satu jenis penapis spasial non-linear. Dalam
kawasan frekuensi penapis Wiener berupa (McAndrew,2004) :
𝐹(𝑖, 𝑗) = [1
𝐻(𝑖,𝑗)
|𝐻(𝑖,𝑗)|2
|𝐻(𝑖,𝑗)|2+𝐾] �̂�(𝑖, 𝑗) (2.8)
Dengan K adalah suatu konstanta, nilai konstanta tersebut dipakai untuk
melakukan hampiran terhadap derau. Sebagai contoh, jika varians (𝜎2) derau
diketahui, K dapat diisi dengan 𝜎2 . Jika varians tidak diketahui, nilai K harus
dicoba-coba untuk mendapatkan hasil yang terbaik.
Hasil dari penapis spasial ditentukan oleh elemen matriks kernel, dan dapat
menghasilkan efek yang berbeda terhadap citra input misalnya : Sharpehing
(penajaman), Blurring (Pengaburan), Noise Reduction (Pengurangan derau), Edge
Detection (Deteksi Tepi).
2.6. Kernel
Kernel adalah sebuah matriks kecil yang biasanya berisikan jumlah angka
kecil digunakan untuk konvolusi sebuah citra. Setiap ukuan kernel berbeda dan
16
mengandung pola angka yang berbeda sehingga menghasilkan yang berbeda
dalam konvolusi. Misalnya kernel 3x3 yang mengimplentasikan Mean filter :
Titik kordinat dari matriks :
{(-1,-1)(0,-1)(1,-1)
(-1,0)(0,0)(1,0)
(-1,1)(1,0)(1,1)}
Kernel menggunakan konsep piksel tetangga, dimana matriks kernel dibuat
dengan asumsi bahwa nilai suatu piksel dapat dipengaruhi oleh piksel-piksel
tetangganya. Piksel tetangga adalah sejemlah piksel yang bersebelahan langsung
dengan piksel pusat.
Gambar 2.7 Contoh piksel tetangga
Kernel untuk pengaburan (blurrimg) menggunakan prinsip bahwa nilai
piksel pusat harus dibuat mendekati piksel tetangganya (mengurangi perbedaan).
1 1 1
1 1 1
1 1 1
17
Contoh dari kernel blurring :
Gambar 2.8 Kernel blurring
2.7. Point Spread Function (PSF)
Operator konvolusi pada persamaan (2.6) disebut juga point spread
spectrum (PSF). PSF ini dapat dijelaskan secara sederhana dengan contoh citra
bintang yang ditangkap oleh teleskop sebagai berikut: jika segala sesuatu
sempurna (misalnya optik teleskop yang sempurna, sudut penglihatan yang
sempurna), maka citra bintang hanya berupa pixel tunggal seperti ditunjukkan
pada Gambar 2.9(a). Tetapi, nyatanya, karena segala ketidaksempurnaan, citra
bintang yang diamati menyebar pada beberapa pixel, seperti yang ditunjukkan
pada Gambar 2.9(b) . Inilah yang dikenal dengan nama point spread spectrum.
Pada gambar 2.9(a) Citra bintang seharusnya, 2.9 (b) citra bintang yang
diamati akibat distorsi oleh PSF. PSF merupakan faktor penting pada restorasi
citra, karena PSF menggambarkan distorsi.
Menurut persamaan 2.6 , citra terdegradasi didapat dari :
Citra terdegradasi = citra asli * PSF
18
(a) (b)
Gambar 2.9 PSF pada citra bintang
Jadi, berdasarkan model degradasi pada persamaan 2.6, pekerjaan mendasar pada
deblurring adalah dekonvolusi citra kabur (blur) dengan PSF. (Catatan:
dekonvolusi adalah proses yang membalikkan efek konvolusi). Dengan kata lain,
kualitas citra hasil deblurring terutama ditentukan oleh pengetahuan PSF.
2.8. Noise
Noise adalah suatu bentuk kerusakan pada image signal yang disebabkan
oleh gangguan eksternal. Gangguan pada citra umumnya berupa variasi intensitas
suatu piksel yang tidak berkorelasi dengan piksel-piksel tetangganya (Yuwono,
2010)
2.9. MSE dan PSNR
Ada beberapa parameter pengukuran kesalahan atau error dalam
pemrosesan citra. Dua yang paling umum digunakan adalah Mean Square Error
(MSE) dan Peak Signal to Noise Ratio(PSNR).
Walaupun tidak selalu berkorelasi dengan presepsi visual manusia, MSE
merupakan ukuran yang baik dalam melakukan pengukuran terhadap kesamaan 2
19
citra. Misalkan kita memiliki dua citra f dan g dengan dimensi yang sama besar M
x N, MSE antara keduanya dapat didefinisikan persamaan berikut :
𝑀𝑆𝐸 = 1
𝑀×𝑁∑ 𝑀𝑖=1 ∑ 𝑁𝑗=1 (𝑓𝑖,𝑗 − 𝑔𝑖,𝑗)
2 (2.9)
Semakin besar nilai MSE, maka semakin besar perbedaan antara 2 buah
citra yang dibandingkan.
Satu lagi parameter pengukuran kesalahan yang sama baiknya adalah PSNR.
Untuk sebuah citra grayscale 8-bit f dan citra graycale 8-bit g dengan dimensi
yang sama, PSNR antara keduanya dapat didefiniskan oleh :
𝑃𝑆𝑁𝑅 = 10𝑙𝑜𝑔10 (2552
𝑀𝑆𝐸) (2.10)
Menggunakan nilai MSE antara f dan g, nilai 2552 merepresentasikan nilai MSE
yang terbesar yang mungkin antara 2 citra digital 8-bit. Tak seperti MSE, nilai
PSNR yang lebih besar mengindikasikan aprokmasi yang lebih dekat dari g pada
f. Satuan yang digunakan dalam PSNR adalah desibel(db)
2.10. Arduino
Arduino adalah pengendali mikro single-board yang bersifat open-source,
diturunkan dari Wiring platform, dirancang untuk memudahkan penggunaan
elektronik dalam berbagai bidang. Hardware Arduino memiliki prosesor Atmel
AVR dan software Arduino memiliki bahasa pemrograman C. Memori yang
dimiliki oleh Arduino Uno sebagai berikut : Flash Memory sebesar 32KB, SRAM
sebesar 2KB, dan EEPROM sebesar 1KB. Clock pada board Uno menggunakan
XTAL dengan frekuensi 16 Mhz. Dari segi daya, Arduino Uno membutuhkan
tegangan aktif kisaran 5 Volt, sehingga Uno dapat diaktifkan melalui koneksi
USB. Arduino Uno memiliki 28 kaki yang sering digunakan. Untuk Digital I/O
20
terdiri dari 14 kaki, kaki 0 sampai kaki 13, dengan 6 kaki mampu memberikan
output PWM (kaki 3,5,6,9,10,dan 11). Masing-masing dari 14 kaki digital di Uno
beroperasi dengan tegangan maksimum 5 Volt dan dapat memberikan atau
menerima maksimum 40mA.
Untuk Analog Input terdiri dari 6 kaki, yaitu kaki A0 sampai kaki A5.
Kaki Vin merupakan tempat input tegangan saat menggunakan sumber daya
eksternal selain USB dan adaptor.Spesifikasi Arduino uno R3 dapat dilihat pada
Tabel 2 1, gambar Arduino uno R3 dapat dilihat pada Gambar 2 1 dan pin Atmega
320 dapat dilihat pada Gambar 2 9.
Tabel 2.1 Spesifikasi Arduino
Mikrokontroler ATmega328
OperasiTegangan 5 Volt
Input Tegangan 7-12 Volt
Pin I/O Digital 14
Pin Analog 6
Arus DC tiap pin I/O 50 mA
Arus DC ketika 3.3V 50 mA
Memori flash 32 KB
SRAM 2 KB
EEPROM 1 KB
Kecepatan clock 16 MHz
21
Gambar 2.10 Arduino
Gambar 2.11 Atmega 328 pin
22
ATMega328 merupakan mikrokontroler keluarga AVR 8 bit. Beberapa tipe
mikrokontroler yang sama dengan ATMega8 ini antara lain ATMega8535,
ATMega16, ATMega32, ATmega328, yang membedakan antara mikrokontroler
antara lain adalah, ukuran memori, banyaknya GPIO (pin input/output),
peripherial (USART, timer, counter). Dari segi ukuran fisik, ATMega328
memiliki ukuran fisik lebih kecil dibandingkan dengan beberapa mikrokontroler
diatas. Namun untuk segi memori dan periperial lainnya ATMega328 tidak kalah
dengan yang lainnya karena ukuran memori dan periperialnya relatif sama dengan
ATMega8535, ATMega32, hanya saja jumlah GPIO lebih sedikit dibandingkan
mikrokontroler diatas.
ATMega328 merupakan bagian mikrokontroler yang ada pada Arduino R3
keluaran dari atmel yang mempunyai arsitektur RISC (Reduce Instruction Set
Computer) yang mana setiap proses eksekusi data lebih cepat dari pada arsitektur
CISC (Completed Instruction Set Computer). Mikrokontroler ini memiliki
beberapa fitur antara lain:
1. Memiliki EEPROM (Electrically Erasable Programmable Read Only
Memory) sebesar 1KB sebagai tempat penyimpanan data semi permanen
karena EEPROM tetap dapat menyimpan data meskipun catu daya
dimatikan.
2. Memiliki SRAM (Static Random Access Memory) sebesar 2KB.
3. Memiliki pin I/O digital sebanyak 14 pin 6 diantaranya PWM (Pulse
Width Modulation) output.
4. 32 x 8-bit register serba guna.
23
5. Dengan clock 16 MHz kecepatan mencapai 16 MIPS.
6. 32 KB Flash memory dan pada Arduino memiliki bootloader yang
menggunakan 2 KB dari flash memori sebagai bootloader.
7. 130 macam instruksi yang hampir semuanya dieksekusi dalam satu
siklus clock.
2.11. Modul L298N (Driver Motor DC)
Modul L298N adalah modul yang di dalamnya terdapat IC L298N yang
dapat mengendalikan arah putaran dan kecepatan motor DC ataupun motor
stepper.IC L298N Mampu mengeluarkan output tegangan untuk motor DC dan
motor stepper maksimal 50 Volt. IC L298N terdiri dari transistor-transistor logic
(TTL) dengan gerbang nand yang memudahkan dalam menentukkan arah putaran
suatu motor DC dan motor stepper. IC ini dapat mengendalikan 2 untuk motor DC
namun hanya dapat mengendalikan 1 motor stepper. Fungsi pin modul L298N
dapat dilihat pada Tabel 2.2 dan modul L298N dapat dilihat pada Gambar 2.11.
Gambar 2.12 Modul L298N
24
Tabel 2.2 Fungsi Pin Modul L298N
PIN FUNGSI
5V Sumber tegangan 5 Volt
GND Ground
12V Sumber tegangan 12 Volt
IN 1 Input 1 (terkoneksi dengan Arduino)
IN 2 Input 2 (terkoneksi dengan Arduino)
IN 3 Input 3 (terkoneksi dengan Arduino)
IN 4 Input 4 (terkoneksi dengan Arduino)
OUT 1 Output 1 (terkoneksi dengan pin positif motor DC 1)
OUT 2 Output 2 (terkoneksi dengan pin positif motor DC 1)
OUT 3 Output 3 (terkoneksi dengan pin positif motor DC 2)
OUT 4 Output 4 (terkoneksi dengan pin positif motor DC 2)
2.12. Limit Switch
Limit switch merupakan jenis saklar yang dilengkapi dengan katup yang
berfungsi menggantikan tombol. Prinsip kerja limit switch sama seperti saklar
Push ON yaitu hanya akan menghubung pada saat katupnya ditekan pada batas
penekanan tertentu yang telah ditentukan dan akan memutus saat saat katup tidak
ditekan. Limit switch termasuk dalam kategori sensor mekanis yaitu sensor yang
akan memberikan perubahan elektrik saat terjadi perubahan mekanik pada sensor
tersebut. Penerapan dari limit switch adalah sebagai sensor posisi suatu benda
(objek) yang bergerak.
Limit switch umumnya digunakan untuk :
1. Memutuskan dan menghubungkan rangkaian menggunakan objek atau benda
lain.
25
2. Menghidupkan daya yang besar, dengan sarana yang kecil.
3. Sebagai sensor posisi atau kondisi suatu objek.
Prinsip kerja limit switch diaktifkan dengan penekanan pada tombolnya pada
batas/daerah yang telah ditentukan sebelumnya sehingga terjadi pemutusan
atau penghubungan rangkaian dari rangkaian tersebut. Limit switch memiliki 2
kontak yaitu NO (Normally Open) dan kontak NC (Normally Close) dimana
salah satu kontak akan aktif jika tombolnya tertekan. Simbol limit switch dapat
dilihat Gambar 2.12 dan konstruksi dapat dilihat pada Gambar 2.13.
Gambar 2.13 Simbol Switch
Gambar 2.14 Konstruksi Switch
26
2.13. Motor DC
Motor DC adalah motor listrik yang memerlukan suplai tegangan arus
searah pada kumparan medan untuk diubah menjadi energi gerak mekanik. Motor
arus searah, sebagaimana namanya, menggunakan arus langsung yang tidak
langsung/direct-unidirectional.
Bagian-bagian motor DC :
a. Rotor
Rotor merupakan bagian dari motor DC yang berputar. Bagian ini berupa
kumparan atau koil dimana arus listrik akan mengalir.
b. Stator
Stator merupakan bagian dari motor DC yang permanen atau tidak berputar.
Bagian ini menghasilkan medan magnet, baik yang dihasilkan dari koil maupun
dari medan magnet.
c. Commutator
Komponen ini terdapat pada motor DC dan berfungsi untuk membalikan arah
arus listrik dalam kumparan jangkar. Commutator juga membantu dalam
transmisi arus antara kumparan jangkar dan saluran daya.
Prinsip kerja motor DC
Prinsip kerja motor DC adalah jika arus lewat pada suatu konduktor, timbul
medan magnet di sekitar konduktor. Medan magnet hanya terjadi di sekitar
konduktor jika ada arus mengalir pada konduktor tersebut. Arah medan magnet
27
ditentukan oleh arah aliran arus pada konduktor. Motor DC dapat dilihat pada
Gambar 2.14.
Gambar 2.15 Motor DC
2.14. IDE Arduino
IDE (Integrated Development Environment) adalah sebuah perangkat lunak
yang digunakan untuk mengembangkan aplikasi mikrokontroler mulai dari
menuliskan source program, kompilasi, upload hasil kompilasi dan uji coba secara
terminal serial. IDE Arduino dapat dilihat pada Gambar 2.15.
a. Icon menu verify yang bergambar ceklis berfungsi untuk mengecek program
yang ditulis apakah ada yang salah atau error.
b. Icon menu upload yang bergambar panah ke arah kanan berfungsi untuk
memuat program yang dibuat di software Arduino ke hardware Arduino.
c. Icon menu New yang bergambar sehelai kertas berfungsi untuk membuat
halaman baru dalam pemrograman.
28
d. Icon menu Open yang bergambar panah ke arah atas berfungsi untuk membuka
program yang disimpan atau membuka program yang sudah dibuat dari
pabrikan software Arduino.
e. Icon menu Save yang bergambar panah ke arah bawah berfungsi untuk
menyimpan program yang telah dibuat atau dimodifikasi.
f. Icon menu serial monitor yang bergambar kaca pembesar berfungsi untuk
mengirim atau menampilkan serial komunikasi data saat dikirim dari hardware
Arduino.
Gambar 2.16 IDE Arduino
29
BAB III
METODE PENELITIAN
Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada
beberapa cara yang telah dilakukan, antara lain:
1. Studi kepustakaan
Studi kepustakaan berupa pencarian data-data literature dari fungsi pada
software Matlab dan Visual Studio, Arduino, melalui pencarian dari internet, dan
konsep-konsep teoritis dari buku-buku penunjang serta metode yang akan
digunakan untuk melakukan pengolahan citra.
2. Penelitian laboratorium
Penelitian laboratorium dilakukan dengan perancangan perangkat
lunak,implentasi perangkat lunak, pengambilan data pengujian aplikasi, kemudian
melakukan evaluasi dari data hasil pengujian.
Perancangan Sistem dan Blok Diagram Sistem
Model penelitian yang akan dilakukan adalah model penelitian analisa.
Untuk mempermudah dalam memahami system yang akan dibuat dapat dijelaskan
melalui blok diagram pada Gambar 3.1
Gambar 3.1 Blok Diagram Sistem Secara Umum
Proses
captur
e
Citra
blur
Proses
perbaikan citra
Analis
a citra
30
Sebagai input, citra didapatkan dari kamera yang terpasang pada miniatur.
Kemudian diproses dengan menggunakan software Matlab. Citra yang diperoleh
adalah citra dalam keadaan motion blur. Setelah mendapatkan citra tersebut, maka
selanjutnya akan dilakukan proses perbaikan citra dengan metode penapis Wiener.
Dan hasil dari proses perbaikan tersebut akan dianalisa dan dibandingkan dengan
citra original menggunakan metode PSNR dan MSE. Hasil perbandingan akan
berupa nilai dari PSNR dan MSE guna mengetahui citra dalam keadaan blur
sudah mengalami perbaikan.
Perancangan Perangkat Keras
Perangkat keras pada Tugas Akhir ini berupa miniatur penggerak kamera
menggunakan motor DC. Dalam perangkat keras terdiri dari motor DC, Arduino,
Limit Switch dan motor Driver. Gambar 3.2 adalah gambar miniatur untuk
menggerakan kamera.
Gambar 3.2 Gambar Miniatur Penggerak Kamera
31
Untuk mengetahui apakah perangkat keras nantinya bisa digunakan, perlu
rancangan skema simulasi rangkaian seperti pada contoh Gambar 3.3.
Gambar 3.3 Gambar Rangkaian pada Perangkat Keras
Pada rangkaian gambar 3.3 Limit Switch terhubung dengan Arduino, Limit
Switch digunakan sebagai sensor. Terdapat tiga Limit Switch yang kegunaan
masing-masing berbeda. Limit Switch Camera digunakan untuk sensor
pengambilan citra, Limit Switch Start digunakan untuk menyalakan motor dan
motor bergerak maju, Limit Switch Stop digunakan untuk mereverse jalannya
motor menjadi mundur. Motor Driver yang terhubung dengan Arduino untuk
memberikan komunikasi pada motor untuk menjalakan atau memberhentikan
motor.
32
Perancangan Perangkat Lunak
Dalam perancangan perangkat lunak, perangkat lunak yang digunakan
meliputi Visual Studio 2012, Arduino IDE 1.6.8, MatLab 2015. Kemudian dalam
penulisannya atau dalam pembuatan program, akan meliputi bagian-bagian
penting dalam setiap langkah-langkah per bagian sesuai dengan algoritma atau
logika sekuensial dari awal sampai output. Dalam setiap perangkat lunak yang
digunakan akan memiliki fungsi dan bagian-bagian sendiri. Visual Studio
digunakan sebagai aplikasi pengambilan data citra. Alur algoritma program yang
ada di Visual Studio pada Gambar 3.4.
Gambar 3.4 adalah flowchart alur proses yang berada di Visual Studio.
Terdapat proses menyalakan kamera, untuk proses menyalakan kamera dengan
menekan tombol start dan akan menampilkan pilihan kamera yang akan
digunakan dan ukuran lebar piksel yang diinginkan. Kamera yang digunakan bisa
memilih kamera yang berada di laptop atau menggunakan kamera ekternal yang
sudah terkoneksi dengan USB port di laptop. Setelah memilih kamera dan ukuran
resolution Visual Studio akan menyalakan kamera sesuai yang dipilih dan ukuran
yang dipilih. Untuk pengambilan data citra, akan melalui proses komunikasi serial
dengan Arduino. Untuk proses komunikasi serial Visual Studio dengan Arduino
akan dipaparkan pada Gambar 3.5. Citra yang dihasilkan atau citra yang telah
ditangkap akan di simpan sesuai folder yang diingikan dengan menekan tombol
save. Data citra yang disimpan nantinya akan diolah dalam Matlab.
33
Gambar 3.4 Flowchart Aplikasi Pengambilan Gambar
Gambar 3.5 adalah flowchart alur proses komunikasi serial Visual Studio ke
Arduino. Dimana proses diawali dengan menekan dengan mengisi com port yang
tersedia terlebih dahulu kemudian tekan tombol connect untuk menyambungkan
serial. Setelah tersambung Visual Studio akan membaca data yang masuk. Data
start
end
Komunikasi serial Arduino
Citra Telah Di
ambil
Pilih Folder untuk
Penyimpan Citra
Citra
Tersimpan
Tekan Tombol
Start
Pilih Kamera dan
Ukuran Resolusi
Tekan Tombol
Save
Kamera menyala
34
yang masuk di Visual Studio berupa string, Apabila Visual studio menerima
string yang sesuai diingikan Visual Studio akan mengambil gambar secara
otomatis, gambar akan tercapture dengan sendirinya.
Gambar 3.5 Flowchart Komunikasi Serial Visual Studio ke Arduino
Gambar 3.6 dan Gambar 3.7 adalah flowchart alur sistem yang di proses
Arduino . Gambar 3.6 adalah flowchart serial Arduino yang didalamnya
Tekan Tombol Capture
untuk Mengambil Citra
Serial.read Push
button
Connect = 1
Citra Telah Di
ambil
start
Tekan Tombol
Connect
Input Comport
Command[0]
== B
end
Tidak
Ya
Ya
Tidak Command[1]
== L
Tidak
Ya
35
pengiriman data string . Proses awal akan terjadi pengecekan serial apakah ada
komunikasi yang terjadi jika tidak ada Arduino akan terus melakukan pengecekan
hingga terjadi komunikasi. Ketika adanya komunikasi Arduino akan membuka
serialnya. Dalam pengiriman data Arduino akan melakukan pengecekan adanya
penekan tombol limit switch/push button, apabila tombol push button tertekan
akan membaca BL(button low) dan mengirimkan data string berupa <BL> ke
Visual Studio. Dan sebaliknya apabila tombol push button tidak tertekan akan
membaca BH(button high) dan mengirimkan data string berupa <BH> ke Visual
Studio.String <BL> dan <BH> lah yang nantinya akan dibaca oleh Visual Studio
untuk menentukan proses pengambilan atau tidaknya . Apabila Arduino
mengirimkan string berupa <BH> maka Visual Studio tidak melakukan apapun
sampai menerima string <BL>. Setelah menerima string <BL> tombol capture di
Visual Studio akan otomatis tertekan atau memanggil capture secara otomatis.
Gambar 3.7 adalah flowchart yang ada di Arduino untuk mendeteksi Sensor
yang tertekan untuk mengetahui motor bergerak maju, mundur atau berhenti.
Arduino akan menghitung jumlah sensor / limit switch yang tertekan, apabila
count berjumlah 1 Arduino akan menyuruh motor driver untuk menggerakan
motor maju ketika sensor tertekan dan count berjumlah 2 maka motor driver akan
membalikan gerakan motor menjadi mundur kemudian sensor tertekan kembali
dan count berjumlah 3 maka motor driver akan memberhentikan motor.
36
Gambar 3.6 Flowchart Serial Arduino to Visual Studio
Membuka serial com
Kirim Serial to
Visual Studio
end
start
Connect == 1
Push button
== Low Print <BH>
Print <BL>
Serial print
Setup serial com
Setup push button
Tidak
Ya
Tidak
Ya
37
Gambar 3.7 Flowchart Sensor Arduino
start
Count >=3
Count = 0
Count +1
Count =1
Count +1
Count =2
Motor
Mundur
Motor
Maju
Motor
Berhernti
Motor Berhenti
Speed = 0
Dir1=High
Dir2=Low
Motor Maju
Speed = PWM
Dir1=High
Dir2=Low
Motor Mundur
Speed = PWM
Dir1=Low
Dir2=High
Switch a tertekan
Switch b tertekan
end
Ya
Ya
Ya
Tidak
Tidak
38
Proses pengolahan citra yang ada pada Matlab dapat dilihat pada Gambar
3.8 dimana flowchart untuk proses pengolahan citra.
Gambar 3.8 Flowchart Pengolahan Citra
Dimana proses pertama adalah memasukan citra yang sudah mengalami
motion blur, memasukan Len dan Theta untuk mendapatkan nilai PSF (point
spread function) dan nilai NSR. Len adalah panjang blur, Theta adalah sudut blur
dan NSR adalah noise . Dimana PSF digunakan sebagai kernel untuk mengolah
dengan metode penapis Wiener. Kemudian proses menggunakan penapis Wiener.
Hasil citra yang sudah ditapis dengan Wiener akan dibandingkan nilai MSE dan
PSNR dengan citra yang normal atau bagus.
start
Citra Motion Blur
Len, Theta, Nsr
Wiener Filter
MSE, PSNR
Hasil Wiener
Filter
MSE dan
PSNR
end
39
Pengambilan Citra Sampel
Citra sampel yang dimaksud adalah citra dengan kondisi yang sudah
mengalami motion blur atau citra yang sudah di blur. Citra sampel tersebut
digunakan untuk data yang akan di filter dengan penapis Wiener di Matlab.
Pengambilan citra sampel bisa dilakukan secara manual atau otomatis dengan
inputan sensor dari Arduino.
Penyimpanan Data Citra
Citra sampel yang telah didapatkan kemudian akan disimpan di folder
yang diinginkan. Dalam hal ini penyimpanan citra sampel di D:\Hasil\Restored
Image With Wiener.
Pengolahan Citra
Metode utama yang digunakan pada proses pengolahan citra adalah
metode penapis Wiener. Untuk mendukung metode utama dilakukan juga proses
pengolahan citra pendukung seperti konversi warna RGB menjadi bentuk abu-abu
(grayscaling) . Proses memasukan nilai point spread function(PSF) dalam hal ini
nilai PSF didapatkan dari memasukan nilai Len dan Theta. Hasil citra yang sudah
di olah dengan penapis akan dibandingkan dengan citra yang tanpa adanya motion
blur dengan metode MSE dan PSNR. Semakin rendahnya nilai MSE maka
menunjukan perubahan yang semakin bagus, apabila sebaliknya maka perubahan
dilakukan semakin buruk. Sedangkan untuk nilai PSNR semakin besar semakin
bagus atau mendekati nilai citra tanpa motion blur.
40
Grayscale adalah suatu format citra atau gambar yang tiap-tiap pixel gambar
hanya terdiri dari 1 channel warna. Proses perubahan warna dari RGB menjadi Grayscale
bertujuan untuk mempermudah proses selanjutnya yaitu proses perbandingan citra
yang sudah perbaiki dengan penapis Wiener dan gambar yang baik meggunakan metode
MSE dan PSNR.
Perubahan gambar RGB menjadi Grayscale menggunakan library yang ada pada
Matlab menggunakan perintah sebagai berikut:
I = rgb2gray(RGB)
Dimana I adalah Variabel Citra yang sudah mengalami grayscaling, dan RGB
adalah variabel citra masukan yang masih RGB. Dan rgb2gray perintah untuh
merubah citra RGB menjadi citra grey.
Metode Pengujian dan Evaluasi Sistem
Untuk mengetahui apakah aplikasi yang dibuat dapat berjalan sesuai yang
diharapkan, maka akan dilakukan pengujian dan evaluasi sistem untuk setiap
tahapan-tahapan dalam pembuatan aplikasi. Dimulai dari menampilkan citra
melalui kamera, pengambilan citra, peyimpanan citra, input kecepatan motor,
pengujian penapis Wiener.
3.7.1 Pengujian Streaming Citra Melalui Webcam
Untuk mengetahui apakah data citra sudah dapat diakses langsung melalui
Kamera, maka dilakukan pengujian dengan cara menjalankan program
pemanggilan kamera dari Visual studio, yaitu untuk mengakses console Kamera
41
secara langsung dari program. Kemudian citra yang tampil akan diuji apakah
dapat menampilkan data citra secara streaming.
3.7.2 Pengujian Pengambilan Citra (Capture)
Untuk mengetahui apakah data citra yang sudah dapat diakses langsung
melalui Kamera dapat diambil(capture). Sehingga data yang diambil dapat
disimpan dan diolah.
3.7.3 Pengujian Penyimpan Citra
Untuk mengetahui apakah data citra yang sudah diambil(capture) dapat
disimpan di tempat yang sesuai yang diinginkan.
3.7.4 Pengujian Arduino
Untuk mengetahui apakah Arduino bisa berfungsi dengan baik dan bisa
digunakan.
3.7.5 Pengujian Kecepatan Motor
Untuk mengetahui kecepatan motor dengan mengetahui tegangan yang
diterima dan waktu yang ditempuh dalam jarak 80cm.
3.7.6 Pengujian Penapis Wiener
Untuk Mengetahui citra yang telah disimpan kemudian diolah
menggunakan penapis Wiener memiliki perubahan dari gambar yang terkena
motion blur. Untuk pengujian apakah memiliki perubahan akan mencari nilai
42
MSE dan PSNR sebagai pembanding bahwa citra tersebut mengalami perubahan
ke bagus atau buruk.
43
BAB IV
PENGUJIAN DAN EVALUASI SISTEM
Sistem yang di ujicoba merupakan dari hasil program yang telah selesai
dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra yang
dimulai dengan menampilkan citra melalui kamera, pengambilan citra,
penyimpanan citra, input kecepatan motor, pengujian penapis Wiener.
4.1 Pengujian Streaming Citra Melalui Webcam
Pengujian streaming ini dilakukan dengan mengintegrasikan Microsoft
Visual Studio melalui library Aforge.Video . Yaitu untuk memanggil serta
menjalankan console Webcam tersebut.
4.1.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui apakah aplikasi sudah mampu
menampilkan data citra dari webcam ke aplikasi pada Visual Studio dan apakah
bisa langsung diproses oleh program.
4.1.2 Alat yang Digunakan
1. Laptop
2. Microsoft Visual Studio
3. Webcam
44
4.1.3 Prosedur Pengujian
1. Menjalankan program pada Microsoft Visual Studio
2. Menjalankan program untuk mengakses data citra pada kamera Laptop
tersebut
3. Menekan tombol start pada program yang sudah ditulis
4. Melihat hasil data citra pada Visual Studio
4.1.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari
Webcam pada Gambar 4.1. Dalam Gambar 4.1 dimana gambar tersebut adalah
hasil pengujian streaming citra melalui webcam di aplikasi pengambilan gambar
di Visual Studio. Pengujian yang dihasilkan seperti pada gambar 4.1 streaming
berjalan dengan lancar sesuai apa yang ditunjukan.
Gambar 4.1 Streaming dengan Webcam
45
4.2 Pengujian Pengambilan Citra (Capture)
Pengujian pengambilan citra dilakukan dengan menekan tombol capture
pada program yang sudah ditulis di Visual Studio.
4.2.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui apakah tombol capture sudah
bisa melakukan fungsinya untuk melakukan pengambilan citra dari citra yang
streaming.
4.2.2 Alat yang Digunakan
1. Laptop
2. Microsoft Visual Studio
3. Webcam
4.2.3 Prosedur Pengujian
1. Menjalankan program pada Microsoft Visual Studio
2. Menekan tombol capture pada program yang sudah ditulis di Visual Studio
3. Melihat hasil data citra pada Visual Studio
4.2.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari
pengujian tombol capture pada Gambar 4.2.
46
Gambar 4.2 Capture dengan Webcam
Dalam Gambar 4.2 dimana gambar tersebut adalah hasil pengujian
pengambilan citra atau capture citra di aplikasi pengambilan gambar di Visual
Studio. Pengujian yang dihasilkan seperti pada Gambar 4.2 citra dapat
terambil/tercapture sesuai apa yang ditunjukan.
4.3 Pengujian Pennyimpan Citra.
Pengujian Penyimpan Citra dilakukan dengan menekan tombol save pada
program yang sudah ditulis.
4.3.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui apakah tombol save sudah bisa
melakukan fungsinya untuk melakukan penyimpanan citra dari citra yang sudah di
capture.
47
4.3.2 Alat yang Digunakan
1. Laptop
2. Microsoft Visual Studio
3. Webcam
4.3.3 Prosedur Pengujian
1. Menjalankan program pada Microsoft Visual Studio
2. Menekan tombol save pada program yang sudah ditulis di Visual Studio
4.3.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari
pengujian tombol save pada Gambar 4.3
Gambar 4.3 Proses Penyimpanan Citra
Dalam Gambar 4.3 dimana gambar tersebut adalah hasil pengujian
penyimpanan citra di tempat penyimpanan yang diinginkan. Pengujian yang
48
dihasilkan seperti pada Gambar 4.3 citra dapat disimpan dimanapun ditempat
yang diinginkan sesuai apa yang ditunjukan.
4.4 Pengujian Arduino
Pengujian Arduino dilakukan dengan memasukan program sederhana dan
melihat di Ardunio monitor bahwa program berhasil dimasukan dan Arduino
berfungsi dengan baik.
4.4.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui apakah Arduino bisa berfungsi
dengan baik dan tidak rusak.
4.4.2 Alat yang Digunakan
1. Laptop
2. Arduino
3. Sofware Arduino
4.4.3 Prosedur Pengujian
1. Memasukan program sederhana ke Arduino melalui Software Arduino
2. Melihat Arduino monitor di Sofware Arduino
4.4.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari
pengujian Arduino pada Gambar 4.4
49
Gambar 4.4 Arduino Berfungsi Dengan Baik
Dalam Gambar 4.4 dimana gambar tersebut adalah hasil pengujian Arduino
yang sudah dikasih program sederhana. Pengujian yang dihasilkan seperti pada
Gambar 4.4 Arduino dapat berjalan dengan baik sesuai apa yang ditunjukan
4.5 Pengujian Kecepatan Motor
Pengujian kecepatan motor dilakukan dengan memasukan tegangan yang
berbeda-berbeda pada motor driver dan mencatat waktu tempuh dalam jarak
80cm.
4.5.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui kecepatan motor pada tegangan
yang berbeda-beda.
4.5.2 Alat yang Digunakan
1. Stopwatch.
50
2. Miniatur yang sudah terpasang motor DC dan arduino.
4.5.3 Prosedur Pengujian
1. Memasukan tegangan yang berbeda-beda.
2. Mencatat waktu tempuh dalam jarak 80cm.
4.5.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah tabel yang didapatkan dari
pengujian kecepatan motor pada dan Tabel 4.1
Tabel 4.1 Tabel Pengujian Kecepatan Motor
Tegangan
(Volt)
Waktu Tempuh
(second/detik)
Kecepatan
(meter/second)
9 Volt 13 detik 0,06 m/s
12.5 Volt 3 detik 0,27 m/s
14 Volt 2 detik 0,4 m/s
Tabel 4.1 adalah tabel pengujian untuk mengitung kecepatan motor.
Dalam tabel tersebut semakin besar tegangan yang diberikan maka semakin
keceptan motor tersebut dan maka semakin cepat juga waktu yang ditempuh
dalam miniatur.
51
4.6 Pengujian Penapis Wiener
Pengujian penapis Wiener dilakukan dengan memanggil fungsi yang sudah
ada di Matlab. Hasil dari pengolahan citra dengan metode penapis Wiener akan
dibandingkan dengan metode MSE dan PSNR
4.6.1 Tujuan
Tujuan dari percobaan ini untuk mengetahui apakah dengan diolahnya citra
yang mengalami motion blur bisa mengalami perbaikan ke lebih baik atau buruk
dan apakah fungsi penapis Wiener bisa digunakan untuk perbaikan citra yang
sudah mengalami motion blur dari kamera langsung tanpa adanya simulasi blur.
4.6.2 Alat yang Digunakan
1. Laptop
2. MatLab
4.6.3 Prosedur Pengujian
1. Menjalankan program pada MatLab
2. Memasukan citra sampel yang sudah mengalami Motion Blur
3 Membandingkan citra yang sudah diolah dengan penapis Wiener dengan
yang normal.
4.6.4 Hasil Pengujian
Setelah melakukan pengujian berikut adalah gambar yang didapatkan dari
pengujian metode penapis Wiener pada gambar. dan tabel pengujian.
52
Gambar 4.5 Citra yang normal atau bagus
Gambar 4.6 Citra yang Mengalami Motion Blur
Gambar 4.7 Citra yang Sudah Diolah Dengan Penapis Wiener
Dalam Gambar 4.5 dimana gambar tersebut adalah citra yang masih bagus
dan tidak mengalami noise ataupun motion blur. Sedangkan dalam Gambar 4.6
53
adalah citra yang sudah mengalami blur yang dikarenakan gerakan dalam hal ini
adalah motion blur. Unruk Gambar 4.7 adalah citra yang sudah mengalami
perbaikan dengan metode penapis Wiener , dalam gambar tersebut tidak tampak
jelas dengan kasat mata apa yang sudah berubah. Maka dalam hal itu akan
dilakukan perbandingan dengan metode MSE dan PSNR yang akan menghasilkan
nilai apakah citra tersebut mengalami perubahan seperti pada tabel yang ada
dibawah :
Tabel Pengujian MSE dan PSNR :
Pada Tabel 4.2 tabel pengujian dengan nilai Len 20 dan Theta 11 adalah
hasil yang paling bagus, tetapi dengan hasil tersebut citra yang diolah tersebut
perubahan yang terjadi adalah memperburuk citra dari nilai MSE : 13.22 dan
PSNR : 36.9511070 sebelum pengolahan dan sesudah pengolahan nilai MSE :
26.31 dan PSNR : 33.9642054. Semaikin kecil nilai MSE maka semakin bagus
sedangkan untuk nilai PSNR semakin besar semakin bagus. Pada tabel pengujian
terjadi sebaliknya. Pada Tabel 4.3 tabel pengujian dengan nilai NSR 0,2, nilai Len
100 dan Theta 21 adalah hasil pengujian yang terbaik. Image pada kecepatan 0,4
m/s pada Tabel 4.2,Tabel 4.3 dan Tabel 4.4 Nilai MSE : 13.22 dan PSNR :
36.9511070 sebelum citra mengalami perbaikan dengan penapis Wiener pada
kecepatan 0,4 m/s.
54
Pada Tabel 4.4 pengujian NSR 0,3 nilai Len 100 dan Theta 26 adalah Nilai
MSE dan PSNR yang terbaik. Image pada kecepatan 0,27 m/s pada Tabel
4.5,Tabel 4.6 dan Tabel 4.7. Nilai MSE : 33.57 dan PSNR : 32.9053916
sebelum citra mengalami perbaikan dengan penapis Wiener pada kecepatan 0,27
m/s.
Tabel 4.2 Tabel Pengujian NSR 0.1
NSR: 0,1
No Len Theta MSE PSNR
1 20 11 26.31 33.9642054
2 20 16 27.60 33.7563445
3 20 21 28.97 33.5455285
4 20 26 30.37 33.3399869
5 20 31 31.98 33.1165015
6 40 11 33.00 32.9799640
7 40 16 35.55 32.6567343
8 40 21 37.31 32.4469089
9 40 26 38.42 32.3196090
10 40 31 39.82 32.1640165
11 60 11 39.89 32.1564286
12 60 16 42.45 31.8861552
13 60 21 44.58 31.6735795
14 60 26 47.62 31.3869488
15 60 31 49.26 31.2399609
16 80 11 43.35 31.7952173
17 80 16 47.00 31.4439192
18 80 21 51.70 31.0298158
19 80 26 54.06 30.8361278
20 80 31 59.50 30.4195220
21 100 11 51.46 31.0499766
22 100 16 55.79 30.6989201
23 100 21 57.53 30.5656692
24 100 26 62.49 30.2069297
25 100 31 64.59 30.0631810
Tabel 4.3 Tabel Pengujian NSR 0.2
NSR: 0,2
No Len Theta MSE PSNR
1 20 11 132.35 26.9474770
2 20 16 132.71 26.9357520
3 20 21 132.67 26.9369910
4 20 26 132.83 26.9317524
5 20 31 132.80 26.9327293
6 40 11 131.01 26.9917730
7 40 16 131.30 26.9822292
8 40 21 131.68 26.9696811
9 40 26 132.47 26.9437704
10 40 31 132.75 26.9344555
11 60 11 128.54 27.0745101
12 60 16 129.49 27.0423450
13 60 21 129.85 27.0302611
14 60 26 130.19 27.0188635
15 60 31 129.45 27.0436249
16 80 11 127.32 27.1159290
17 80 16 127.94 27.0948829
18 80 21 127.61 27.1060389
19 80 26 126.34 27.1494734
20 80 31 126.98 27.1274591
21 100 11 125.12 27.1915500
22 100 16 124.87 27.2002829
23 100 21 123.57 27.2456049
24 100 26 125.72 27.1709004
25 100 31 128.75 27.0672882
55
Pada Tabel 4.5 pengujian NSR 0,1 nilai Len 20 dan Theta 11 adalah nilai
MSE dan PSNR yang terbaik. Sedangkan untuk Tabel 4.6 dan Tabel 4.7 nilai
MSE dan Theta terbaik adalah pada nilai Len 100 dan Theta 26 untuk Tabel 4.6
dan Len 100 dan Theta 31 pada Tabel 4.7.
Tabel 4.4 Tabel Pengujian NSR 0.3
NSR: 0,3
No Len Theta MSE PSNR
1 20 11 218.13 24.7776108
2 20 16 217.62 24.7878720
3 20 21 217.14 24.7973208
4 20 26 216.73 24.8056385
5 20 31 216.34 24.8133997
6 40 11 216.06 24.8191184
7 40 16 215.19 24.8366536
8 40 21 214.30 24.8545514
9 40 26 213.66 24.8674988
10 40 31 212.70 24.8870833
11 60 11 213.35 24.8738136
12 60 16 212.11 24.8991703
13 60 21 210.45 24.9333729
14 60 26 208.66 24.9703968
15 60 31 206.52 25.0152818
16 80 11 210.16 24.9392385
17 80 16 208.11 24.9819529
18 80 21 205.18 25.0434268
19 80 26 202.67 25.0968765
20 80 31 199.61 25.1630073
21 100 11 205.03 25.0466555
22 100 16 201.42 25.1237904
23 100 21 197.80 25.2025779
24 100 26 194.85 25.2677167
25 100 31 195.68 25.2492865
Tabel 4.5 Tabel Pengujian NSR 0.1
pada kecepatan 0,27 m/s
NSR: 0,1
No Len Theta MSE PSNR
1 20 11 106.65 27.8852185
2 20 16 107.45 27.8525882
3 20 21 107.97 27.8319141
4 20 26 108.91 27.7939445
5 20 31 109.59 27.7672599
6 40 11 110.89 27.7160490
7 40 16 112.27 27.6622148
8 40 21 112.92 27.6370406
9 40 26 113.63 27.6098793
10 40 31 113.34 27.6210571
11 60 11 116.51 27.5009964
12 60 16 118.00 27.4458251
13 60 21 118.51 27.4271534
14 60 26 119.83 27.3790257
15 60 31 119.40 27.3946021
16 80 11 120.15 27.3676058
17 80 16 120.46 27.3562435
18 80 21 120.28 27.3630046
19 80 26 118.71 27.4197535
20 80 31 119.63 27.3864809
21 100 11 123.22 27.2578509
22 100 16 123.96 27.2318446
23 100 21 122.49 27.2838686
24 100 26 124.02 27.2297822
25 100 31 125.82 27.1672206
56
Image pada kecepatan 0,27 m/s pada Tabel 4.8, Tabel 4.9 dan Tabel 4.10. Nilai
MSE : 19.68 dan PSNR: 35.2250216 sebelum citra mengalami perbaikan dengan
penapis Wiener pada kecepatan 0,06 m/s .
Pada Tabel 4.8 pengujian NSR 0,1 nilai Len 20 dan Theta 11 adalah nilai
MSE dan PSNR yang terbaik. Sedangkan untuk Tabel 4.9 dan Tabel 4.10 nilai
MSE dan Theta terbaik adalah pada nilai Len 100 dan Theta 26 untuk Tabel 4.9
dan Len 100 dan Theta 31 pada Tabel 4.10.
Tabel 4.6 Tabel Pengujian NSR 0.2
pada kecepatan 0,27 m/s
NSR: 0,2
No Len Theta MSE PSNR
1 20 11 209.64 24.9500770
2 20 16 208.91 24.9652249
3 20 21 208.22 24.9794946
4 20 26 207.55 24.9935198
5 20 31 206.91 25.0069554
6 40 11 200.62 25.1409752
7 40 16 199.45 25.1664382
8 40 21 198.96 25.1771363
9 40 26 198.80 25.1807349
10 40 31 198.14 25.1950710
11 60 11 193.86 25.2900256
12 60 16 192.58 25.3186261
13 60 21 190.35 25.3691735
14 60 26 188.09 25.4210455
15 60 31 185.88 25.4724726
16 80 11 184.16 25.5129330
17 80 16 181.66 25.5721623
18 80 21 179.09 25.6340075
19 80 26 177.73 25.6671439
20 80 31 175.49 25.7222386
21 100 11 176.02 25.7090894
22 100 16 171.95 25.8106513
23 100 21 169.23 25.8799174
24 100 26 166.43 25.9525093
25 100 31 168.02 25.9111242
Tabel 4.7 Tabel Pengujian NSR 0.3
pada kecepatan 0,27 m/s
NSR: 0,3
No Len Theta MSE PSNR
1 20 11 221.23 24.7162888
2 20 16 221.20 24.7168988
3 20 21 221.05 24.7198475
4 20 26 220.82 24.7243363
5 20 31 220.61 24.7286273
6 40 11 219.22 24.7560515
7 40 16 218.69 24.7664175
8 40 21 218.56 24.7690285
9 40 26 218.61 24.7680908
10 40 31 218.62 24.7679066
11 60 11 217.03 24.7996255
12 60 16 216.69 24.8063478
13 60 21 216.43 24.8116620
14 60 26 215.79 24.8244017
15 60 31 214.39 24.8527976
16 80 11 209.15 24.9602604
17 80 16 210.06 24.9414549
18 80 21 210.11 24.9402408
19 80 26 210.00 24.9425736
20 80 31 209.41 24.9548481
21 100 11 205.09 25.0454563
22 100 16 204.02 25.0680222
23 100 21 202.14 25.1082175
24 100 26 200.83 25.1365273
25 100 31 200.21 25.1499335
57
Dari hasil pengujian yang ada pada Tabel 4.2 sampai dengan Tabel 4.10 ,
dengan seiring cepatnya kecepatan motor akan menghasilkan citra yang blur
dimana dapat dilihat dari nilai MSE dan PSNR sebelum perbaikan menggunakan
metode penapis Wiener. Hasil pengujian Tabel 4.2 sampai dengan Tabel 4.4
menunjukan semakin besar nilai NSR maka akan semakin besar pula nilai MSE
dan semakin kecil pula nilai PSNR yang menunjukan bahwa citra semakin buruk.
Dengan nilai NSR kecil, nilai Len dan Theta yang terkecil akan memiliki
perbaikan yang cukup baik dibandingkan dengan nilai NSR yang lebih besar
Tabel 4.8 Tabel Pengujian NSR 0.1 pada
kecepatan 0,06 m/s
NSR: 0,1
No Len Theta MSE PSNR
1 20 11 61.22 30.2958402
2 20 16 62.17 30.2289412
3 20 21 63.17 30.1599579
4 20 26 64.20 30.0893754
5 20 31 65.27 30.0175602
6 40 11 77.00 29.2997819
7 40 16 79.08 29.1842623
8 40 21 80.16 29.1251951
9 40 26 80.67 29.0976668
10 40 31 81.16 29.0711387
11 60 11 87.12 28.7635432
12 60 16 89.95 28.6246888
13 60 21 91.44 28.5532900
14 60 26 94.07 28.4303150
15 60 31 93.97 28.4349412
16 80 11 90.99 28.5748685
17 80 16 93.31 28.4655439
18 80 21 96.06 28.3392235
19 80 26 96.27 28.3297555
20 80 31 98.67 28.2229394
21 100 11 101.70 28.0914242
22 100 16 104.74 27.9635551
23 100 21 103.18 28.0290410
24 100 26 105.16 27.9463203
25 100 31 106.29 27.8997902
Tabel 4.9 Tabel Pengujian NSR 0.2 pada
kecepatan 0,06 m/s
NSR: 0,2
No Len Theta MSE PSNR
1 20 11 194.03 25.2862189
2 20 16 193.66 25.2944005
3 20 21 193.04 25.3082399
4 20 26 192.61 25.3180121
5 20 31 192.14 25.3286386
6 40 11 185.79 25.4746482
7 40 16 184.31 25.5092723
8 40 21 183.19 25.5357673
9 40 26 182.41 25.5543976
10 40 31 181.19 25.5834367
11 60 11 175.20 25.7294946
12 60 16 173.94 25.7607890
13 60 21 171.76 25.8156417
14 60 26 169.48 25.8737424
15 60 31 168.02 25.9113117
16 80 11 166.70 25.9455337
17 80 16 163.76 26.0227135
18 80 21 160.93 26.0982945
19 80 26 159.51 26.1368254
20 80 31 157.29 26.1977163
21 100 11 162.19 26.0646701
22 100 16 157.76 26.1848570
23 100 21 154.51 26.2752470
24 100 26 152.62 26.3287723
25 100 31 154.11 26.2865810
58
maka nilai Len dan Theta yang terbesar yang menunjukan perbaikan citra yang
baik.
Tabel 4.10 Tabel Pengujian NSR 0.3 pada
kecepatan 0,06 m/s
NSR: 0,3
No Len Theta MSE PSNR
1 20 11 221.88 24.7036079
2 20 16 221.73 24.7065372
3 20 21 221.39 24.7131687
4 20 26 221.00 24.7208598
5 20 31 220.78 24.7252489
6 40 11 218.32 24.7737929
7 40 16 217.61 24.7880825
8 40 21 217.59 24.7884044
9 40 26 217.88 24.7826659
10 40 31 217.78 24.7845582
11 60 11 209.62 24.9505332
12 60 16 209.43 24.9543467
13 60 21 209.45 24.9540517
14 60 26 209.76 24.9476479
15 60 31 209.03 24.9626647
16 80 11 204.95 25.0483558
17 80 16 205.33 25.0403681
18 80 21 204.51 25.0575546
19 80 26 203.47 25.0798516
20 80 31 202.03 25.1107019
21 100 11 200.26 25.1488520
22 100 16 198.72 25.1824926
23 100 21 196.36 25.2342926
24 100 26 194.58 25.2738585
25 100 31 194.18 25.2827098
59
BAB V
PENUTUP
Dari hasil uji coba yang telah dilakukan, maka dapat diambil kesimpulan
saran-saran dan kesimpulan dari hasil yang diperoleh.
5.1. Kesimpulan
Adapun kesimpulan yang dapat dituliskan dari hasil sistem yang telah
dibuat antara lain sebagai berikut:
1. Perangkat keras yang digunakan untuk pengambilan motion blur berjalan
dengan baik dapat menghasilkan hasil yang diharapkan seperti pada Gambar
4.6. Perangkat keras juga memenuhi tujuan dibuatnya untuk mengontrol dan
menggerakan seperti pada Tabel 4.1.
2. Metode penapis Wiener yang hanya bisa digunakan sebagai simulasi pengujian
untuk motion blur yang didapat dari blur yang disimulasikan. Apabila motion
blur yang murni dari hasil tangkapan kamera dan diolah menggunakan penapis
Wiener maka hasil pegolahan citra tersebut akan buruk. Apabila citra asli
menggunakan simulasi motion blur dan diolah menggunakan metode penapis
Wiener maka hasil pengolahan citra yang akan kembali seperti citra asli
sebelum diberi simulasi motion blur.
3. Semakin cepat kecepatan motor akan semakin memberikan efek blur pada hasil
tangkapan kamera. . Untuk nilai MSE dan PSNR pada kecepatan0,27 m/s
sebelum perbaikan adalah MSE : 33.57 dan PSNR : 32.9053916, dan untuk
60
kecepatan 0,06 m/s sebelum perbaikan nilainya adalah MSE : 19.68 dan
PSNR: 35.2250216.
5.2. Saran
Saran yang dapat diberikan untuk mengembangkan sistem ini sebagai
berikut:
1. Disarankan blur yang direstorasi tidak hanya motion blur tetapi blur lainya
seperti Gaussian blur, blur karena kurang fokus dan lainya .
2. Untuk penelitian selanjutnya disarankan dapat menerapkan dengan metode
penapisan yang lain.
61
DAFTAR PUSTAKA
Askari, Azikin. 2005. Kamera Pengawas Berbasis Open Source. Jakarta:
Elexmedia Komputindo.
Anonim. 2006. Pengantar Pengolahan Citra. (pdf), (http://informatika.stei.itb.ac.id,
diakses 1 Mei 2012).
Budiarso , DW. 2010. Sistem Pendeteksi Aktivitas Kendaraan Pada Area Parkir
Dengan Jaringan Multi-Camera. (pdf), (http: //digilib.its.ac.id/public,
diakses 3 Mei 2012).
Mahastama,Aditya.2012.Pengolahan Citra Digital.(pdf),
(http://lecturer.ukdw.ac.id/~mahas/dossier/pcd_05, diakses pada 17
November 2017).
Mistry & Banerjee. Deblurred of Image with Wiener Filter in MATLAB. (pdf),
( www.jetir.org, diakses 31 Oktober 2017).
Nixon dan Aguado. 2002. Deteksi Tepi Unsur Pada Citra. Universitas Sumatera
Utara.
Saputra, Nata. 2010. Membuat Gambar Menjadi Grayscale (VB net). (online),
(http://http://natathecool.blogspot.com/2010/05/membuat-gambar-
menjadi-grayscale-vb-net.html, diakses 2 Mei 2012).