perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH
BERBASIS PENGOLAHAN CITRA
Skripsi
Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik
EDI SUMARSO
I 1306033
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET
SURAKARTA 2011
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
LEMBAR PENGESAHAN
Judul Skripsi:
PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH
BERBASIS PENGOLAHAN CITRA
Ditulis oleh:
Edi Sumarso I 1306033
Mengetahui,
Dosen Pembimbing I
Dr. Cucuk Nur Rosyidi, ST, MT. NIP. 19711104 199903 1 001
Dosen Pembimbing II
Taufiq Rochman, STP., MT. NIP. 19701030 199802 1 001
Ketua Program S-1 Non Reguler
Jurusan Teknik Industri Fakultas Teknik UNS
Taufiq Rochman, STP., MT. NIP. 19701030 199802 1 001
Pembantu Dekan I Fakultas Teknik UNS
Ir. Noegroho Djarwanti, MT NIP. 19561112 198403 2 007
Ketua Jurusan Teknik Industri Fakultas Teknik UNS
Ir. Lobes Herdiman, MT NIP. 19641007 199702 1 001
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iii
LEMBAR VALIDASI
Judul Skripsi:
PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN BESAR SUDUT PADA SEGMEN TUBUH
BERBASIS PENGOLAHAN CITRA
Ditulis oleh:
Edi Sumarso I 1306033
Telah disidangkan pada hari Rabu tanggal 27 April 2011
Di Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta,
dengan
Dosen Penguji
1. Azizah Aisyati, ST, MT NIP. 19720318 199702 2 001
2. Yuniaristanto, ST, MT NIP. 19750617 200012 1 001
Dosen Pembimbing
1. Dr. Cucuk Nur Rosyidi, ST, MT NIP. 19711104 199903 1 001
2. Taufiq Rochman, STP., MT NIP. 19701030 199802 1 001
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
iv
SURAT PERNYATAAN ORISINALITAS KARYA ILMIAH
Saya mahasiswa Jurusan Teknik Industri Fakultas Teknik UNS yang bertanda
tangan di bawah ini:
Nama : Edi Sumarso
NIM : I 1306033
Judul tugas akhir : Perancangan Perangkat Lunak untuk Menentukan Besar
Sudut Pada Segmen Tubuh Berbasis Pengolahan Citra
Dengan ini saya menyatakan bahwa Tugas Akhir atau Skripsi yang saya susun
tidak mencontoh atau melakukan plagiat dari karya tulis orang lain. Jika terbukti
Tugas Akhir yang saya susun tersebut merupakan hasil plagiat dari karya orang
lain maka Tugas Akhir yang saya susun tersebut dinyatakan batal dan gelar
sarjana yang saya peroleh dengan sendirinya dibatalkan atau dicabut.
Demikian surat pernyataan ini saya buat dengan sebenarnya dan apabila di
kemudian hari terbukti melakukan kebohongan maka saya sanggup menanggung
segala konsekuensinya.
Surakarta, 28 April 2011
Edi Sumarso I1306055
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
v
SURAT PERNYATAAN PUBLIKASI KARYA ILMIAH
Saya mahasiswa Jurusan Teknik Industri UNS yang bertanda tangan di bawah ini,
Nama : Edi Sumarso
NIM : I 1306033
Judul tugas akhir : Perancangan Perangkat Lunak untuk Menentukan Besar
Sudut Pada Segmen Tubuh Berbasis Pengolahan Citra
Menyatakan bahwa Tugas Akhir (TA) atau Skripsi yang saya susun sebagai syarat
lulus Sarjana S1 disusun secara bersama-sama dengan Pembimbing I dan
Pembimbing II. Bersamaan dengan syarat pernyataan ini bahwa hasil penelitian
dari Tugas Akhir (TA) atau Skripsi yang saya susun bersedia digunakan untuk
publikasi dari proceeding, jurnal, atau media penerbit lainnya baik di tingkat
nasional maupun internasional sebagaimana mestinya yang merupakan bagian
dari publikasi karya ilmiah
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.
Surakarta, 28 April 2011
Edi Sumarso I1306033
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
KATA PENGANTAR
Alhamdulillah, puji syukur penulis ucapkan kehadirat Allah SWT yang telah
memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan
skripsi ini. Shalawat serta salam kepada Rasulullah Muhammad SAW, Al Amin
suri tauladan kita.
Pada kesempatan ini, dengan segenap kerendahan hati dan rasa yang setulus-
tulusnya, penulis mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Allah SWT, yang telah melimpahkan segala berkah dan rahmat-Nya sehingga
penulis dapat menyelesaikan laporan skripsi ini dengan lancar.
2. Kedua orang tua tercinta, Ibu dan Ayahku yang telah mendidik dan
membesarkan anak-anaknya dengan kasih sayang serta nasehat yang telah
diberikan hingga saya menjadi tumbuh besar seperti sekarang ini.
3. Kakak tercinta, mbak Atik dan mbak Tutik, kakak iparku mas Tarto, dan
keponakanku Zaza. atas do’a dan dukungannya yang telah dicurahkan. “Love
U All”
4. Ibu Ir. Noegroho Djarwanti, MT, selaku Pembantu Dekan I Fakultas Teknik
Universitas Sebelas Maret Surakarta.
5. Bapak Ir. Lobes Herdiman, MT, selaku Ketua Jurusan Teknik Industri
Fakultas Teknik Universitas Sebelas Maret Surakarta.
6. Bapak Taufiq Rochman, STP, MT, selaku Ketua Program S-1 Nonreguler
Jurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta.
7. Bapak Dr. Cucuk Nur Rosyidi, ST, MT, selaku dosen pembimbing skripsi I
dan Bapak Taufiq Rochman, STP, MT selaku dosen pembimbing skripsi II
yang telah sabar dalam memberikan pengarahan dan bimbingan sehingga
penulis dapat menyelesaikan skripsi ini dengan lancar.
8. Ibu Azizah Aizyanti, ST, MT selaku dosen penguji skripsi I, dan Bapak
Yuniaristanto ST, MT, selaku dosen penguji skripsi II yang berkenan
memberikan saran dan perbaikan terhadap skripsi ini.
9. Ibu Retno Wulan Damayanti ST, MT, selaku pembimbing akademik.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
10. Seluruh staf dan karyawan Jurusan Teknik Industri UNS, atas segala
kesabaran dan kesediaan dalam memberikan bantuan dan fasilitas demi
kelancaran penyelesaian skripsi ini.
11. Orang tersayang yang telah setia menemani dalam keadaan apapun walaupun
terpisah ruang dan waktu . ”Miss U ”
12. Sobat latansa Danang Setya Nugroho, Ferdy Nugroho, Heru Crisnanto, dan
Lya iwan Efendi yang telah bersama-sama menjalani kuliah ini dengan
banyak kenangan yang akan tetap berkesan, semoga kita tetep kompak ya
sobat (Satu Hati Satu Rasa).
13. Keluarga besar kontrakan The Keppind’s Community, Sultra Retnawan
suripto, Tira Budi Utomo, Miftahudin, Testiyan Wijaya, dan Angger Oscar
Arista, Terima kasih atas segala kebersamaan dan bantuannya.
14. Sahabat-sahabatku , Hendro Dwi K, Sheilma Puspita Rani, Sultra Retnawan ,
Angger Oskar Arista, Ida susanti, Rofiatin, Erva Septyana, Rezky Adista, ,
Febri Sigit, Nur Farida yang telah memberi semangad dan motivasi serta
temen ngumpul dijurusan. Luph U all ☺.
15. Rekan-rekan satu kelas lainnya, Hary Prastowo, Eko Kurniawan, Brian Joko,
Dwi Sundari, Erika Fauziah, Ani Lestari, Kumbara Prima Putra, FX. Swasto,
Didik Priyadi, Edy Wiranata, Hapsari, Amrina, Hendra, Kumbara Prima,
Erlyna Dian, Arif As’ari. Fiko Erisa, , , Wakhid, Witarso, Taufik, Terima
kasih buat persahabatannya, kebersamaann dan dukungannya.
16. Saodara–saodara LATIC (Lawu Tiger Club) dan Tiger seindonesia
terimakasih untuk dukugannya dan doanya, (Jagan biarkan Tourring
mengganggu aktifitas kuliah u) BRAVO LATIC.
17. Temen-temen Rumah semuanya trimakasih.
18. Temen-temen kost Jaya kusuma jon koplo, mbah ompong, memex, wahyu,
dini, dan semuanya... yang telah melalui hari-hari bersama di jaya
kusuma...merdeka...
19. Seluruh pihak-pihak yang tidak dapat penulis sebutkan satu persatu, atas
segala bimbingan, bantuan, kritik, dan saran dalam penyusunan tugas akhir
ini.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
Semoga skripsi ini dapat bermanfaat bagi rekan-rekan mahasiswa maupun
siapa saja yang membutuhkannya. Penulis menyadari bahwa laporan tugas akhir
ini masih jauh dari sempurna, dengan senang hati dan terbuka penulis menerima
segala saran dan kritik yang membangun.
Surakarta, 28 April 2011
Penulis
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vi
DAFTAR ISI
Hal
ABTRAK..........................................................................................................................v
ABSTRACT.......................................................................................................................vi
KATA PENGANTAR.....................................................................................................vii
DAFTAR ISI.................................................................................................................... ix
DAFTAR TABEL............................................................................................................xiii
DAFTAR GAMBAR.......................................................................................................xiv
DAFTAR LAMPIRAN....................................................................................................xvi
BAB I PENDAHULUAN
1.1. Latar Belakang Masalah....................................................................... I-1
1.2. Perumusan Masalah.............................................................................. I-2
1.3. Tujuan Penelitian.................................................................................. I-3
1.4. Manfaat Penelitian................................................................................ I-3
1.5. Batasan Masalah................................................................................... I-3
1.6. Asumsi.................................................................................................. I-3
1.7. Sistematika Penulisan........................................................................... I-3
BAB II TINJAUAN PUSTAKA
2.1. Pengolahan Citra.................................................................................. II-1
2.2. Matlab................................................................................................... II-2
2.3. Elemen Citra......................................................................................... II-4
2.4. Segmentasi Gambar.............................................................................. II-5
2.5. Citra Biner............................................................................................ II-6
2.5.1. Konversi Citra Hitam Putih ke Citra Biner............................... II-6
2.6. Deteksi Tepi (Edge Detection).............................................................. II-7
2.6.1. Prinsip-Prinsip Deteksi Tepi..................................................... II-7
2.7. Skeletonisasi......................................................................................... II-9
2.8. Algoritma Thinning....................................................................,..........II-10
2.9. Pruning................................................................................................. II-12
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
vii
2.10. Definisi, Tujuan dan Manfaat Thinning............................................... II-14
2.11. Metode Rapid Upper Limb Assessment (Rula)..................................... II-14
BAB III METODOLOGI PENELITIAN
3.1. Identifikasi Masalah ............................................................................... III-2
3.2. Studi Pustaka........... ............................................................................... III-2
3.3. Latar Belakang Masalah.......................................................................... III-2
3.4. Penentuan Tujuan Penelitian .................................................................. III-2
3.5. Pengembagan Algoritma......................................................................... III-2
3.6. Pengembagan Program Dengan Matlab 7.8............................................ III-3
3.7. Ujicoba Perangkat Lunak........................................................................ III-3
3.8. Analisis Dan Interprestasi Hasil.............................................................. III-3
3.9. Kesimpulan Dan Saran ........................................................................... III-3
BAB IV PERANCANGAN ALGORITMA
4.1. Pembacaan Berkas Citra......................................................................... IV-2
4.2. Citra Biner (Binari Image)...................................................................... IV-2
4.3. Deteksi Tepi (Edge Detection)................................................................ IV-3
4.4. Skeletonisasi.............................................................................................IV-3
4.4.1. Penentuan Titik Koordinat Sudut.................................................. IV-5
4.4.2. Perumusan Titik Koordinat........................................................... IV-5
4.4.3. Output Sudut................................................................................. IV-6
4.5. GUI (Graphic User Interface)................................................................. IV-7
4.6. Pengujian Perangkat Lunak..................................................................... IV-9
BAB V ANALISIS DAN INTERPRETASI HASIL
5.1. Analisis Hasil Penelitian....................................................................... V-1
5.1.1 Analisis Perangkat Lunak..................................................................... V-1
5.1.2 Analisis Hasil Pengujian Sudut............................................................. V-2
5.1. Intepretasi Hasil.................................................................................... V-2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
viii
BAB VI KESIMPULAN DAN SARAN
6.1. Kesimpulan........................................................................................... VI-1
6.2. Saran..................................................................................................... VI-1
DAFTAR PUSTAKA
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
DAFTAR TABEL Hal
Tabel 4.1. Total Hasil Uji Perangkat Lunak................................................................. IV-19
Tabel 4.2. Data Perhitugan Uji 1................................................................................. IV-20
Tabel 4.3. Data Perhitugan Uji 2.................................................................................. IV-22
Tabel 4.4. Data Perhitugan Uji 3.................................................................................. IV-24
Tabel 4.5. Data Perhitugan Uji 4.................................................................................. IV-26
Tabel 4.6. Data Perhitugan Uji 5.................................................................................. IV-28
Tabel 4.7. Hasil Pengujian............................................................................................ IV-29
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
x
DAFTAR GAMBAR Hal
Gambar 2.1. Proses Deteksi Tepi Citra...........................................................................II-7
Gambar 2.2. Hasil Beberapa Deteksi Tepi......................................................................II-8
Gambar 2.3. Gambar (kernel)........................................................................................ II-8
Gambar 2.4. Hasil Gambar Skeletonisasi...................................................................... II-11
Gambar 2.5. Gambar (kernel)........................................................................................ II-12
Gambar 2.6. Gambar Sebelum dan Sesudah Thinning.................................................. II-13
Gambar 2.7. Gambar (kernel)........................................................................................ II-12
Gambar 2.8. Postur tubuh bagian lengan atas (upper arm)........................................... II-16
Gambar 2.9. Postur tubuh bagian lengan atas (lower arm)........................................... II-16
Gambar 2.10. Postur tubuh bagian pergelangan tangan (wrist)...................................... II-16
Gambar 2.11. Postur tubuh bagian leher (neck).............................................................. II-16
Gambar 2.12. Postur tubuh bagian batang tubuh (trunk)................................................ II-17
Gambar 2.13. Komponen vektor bidang datar................................................................ II-17
Gambar 2.14. Notasi vektor............................................................................................ II-18
Gambar 2.15. Grafik persamaan kutub simetri sumbu x................................................. II-19
Gambar 2.16. Grafik persamaan kutub simetri sumbu y................................................. II-19
Gambar 2.17. Grafik persamaan kutub simetri terhadap titik asal.................................. II-20
Gambar 3.1. Metodologi penelitian............................................................................... III-1
Gambar 4.1. Diagram Alir Algoritma Perangkat Lunak............................................... IV-1
Gambar 4.2. Citra Biner................................................................................................ IV-2
Gambar 4.3. Deteksi tepi Canny (a) Citra awal (b) Citra hasil..................................... IV-3
Gambar 4.3. (a) Himpunan citra asli A (b) Berbagai posisi ligkaran, sedemikian rupa
sehingga pustnya berada pada kerangka A (c) Kerangka A secara
lengkap.................................................................................................... IV-4
Gambar 4.5. Titik interaksi mouse................................................................................. IV-5
Gambar 4.6. Proses citra perumusan titik koordinat sudut............................................ IV-6
Gambar 4.7. Output sudut............................................................................................. IV-7
Gambar 4.8. Tampilan graphic user intrface................................................................. IV-8
Gambar 4.9. (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autoca.......................................................... IV-9
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xi
Gambar 4.10. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad.................................................... IV-10
Gambar 4.11. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad.................................................... IV-11
Gambar 4.12. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad.................................................... IV-12
Gambar 4.13. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad.................................................. IV-13
Gambar 4.14. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad................................................... IV-14
Gambar 4.15. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad................................................... IV-15
Gambar 4.16. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad................................................... IV-16
Gambar 4.17. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad................................................... IV-17
Gambar 4.18. a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil Skeletonisasi
GUI Matlab (d) Citra hasil Autocad................................................... IV-18
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
xii
DAFTAR LAMPIRAN Hal
Lampiran I-1 Hitung nilai sudut Lengan bawah (lower arm) ........................................ L-1
Lampiran I-2 Hitung nilai sudut Lengan bawah (lower arm)......................................... L-3
Lampiran I-3 Hitung nilai sudut Pergelagan tangan (wrist) ........................................... L-5
Lampiran I-4 Hitung nilai sudut Leher (neck) ................................................................ L-7
Lampiran I-5 Hitung nilai sudut Batang tubuh (trunk) ................................................... L-9
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ix
ABSTRAK
Edi Sumarso. NIM : I1306033. PERANCANGAN PERANGKAT LUNAK UNTUK MENENTUKAN SUDUT PADA SEGMEN TUBUH BERBASIS PENGOLAHAN CITRA. Skripsi. Surakarta : Jurusan Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret, April 2011.
Manual Material Handling banyak dijumpai dalam aktifitas kerja sehari-
hari. Untuk mengurangi resiko cidera dalam aktifitas MMH, dikembangkan
beberapa analisis postur. RULA adalah salah satu metode yang dapat digunakan
untuk menganalisis postur berdasarkan sudut segmen tubuh bagian atas. Sudut
tersebut dapat ditentukan besarannya dengan menggunakan dua cara yaitu secara
manual dan menggunakan bantuan komputer. Penelitian ini bertujuan
mengembangkan perangkat lunak berbasis pengolahan citra untuk menentukan
besaran sudut segmen tubuh bagian atas menggunakan fungsi dalam Matlab 7.8,
seperti deteksi tepi dan skeletonisasi. Deteksi tepi digunakan untuk mendeteksi
batas-batas citra sedangkan skeletonisasai digunakan untuk mengubah citra
menjadi satu piksel. Penentuan sudut dilakukan dengan menggunakan tiga titik
koordinat yang hasilnya kemudian dibandingkan dengan hasil pengukuran sudut
dengan Autocad. Uji t berpasangan digunakan untuk mengetahui perbedaan hasil
pengukuran sudut kedua perangkat lunak tersebut.
Dari penelitian ini dapat disimpulkan bahwa pengolahan citra dapat
digunakan untuk menentukan besaran sudut segmen tubuh bagian yang relavan
dengan RULA. Perangkat lunak yang dihasilkan memberikan akurasi yang lebih
baik dibandingkan dengan Autocad. Hal ini disebabkan pada penentuan sudut
menggunakan Autocad diperlukan garis bantu sebagai dasar penentuan sudut
dalam perangkat lunak yang dihasilkan dari penelitian ini diperoleh dari proses
skeletonisasi. Perangkat lunak yang dihasilkan dapat dikembangkan lebih lanjut
agar dapat mendeteksi dan menentukan sudut secara otomatis dan dapat
diintergrasikan dengan RULA berbantuan komputer.
Kata Kunci: Pengolahan citra, segmen tubuh, sudut, RULA.
xix + 74 halaman; 36 gambar; 7 tabel; 4 lampiran Daftar Pustaka: 12 (1993-2010)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-1
BAB I
PENDAHULUAN
Pada bab ini dijelaskan mengenai latar belakng masalah dari penelitian,
perumusan masalah yang diangkat dalam penelitian ini, tujuan dan manfaat dari
penelitian yang dilakukan. Berikutnya diuraikan mengenai batsan masalah, asumsi
yang digunakan dalam penelitian, dan sistematika penulisan untuk menyelesaikan
permasalahan yang diangkat dalam penelitian.
1.1 LATAR BELAKANG
Postur kerja merupakan pengaturan sikap tubuh pada saat bekerja. Sikap kerja
yang berbeda akan menghasilkan kekuatan yang berbeda. Postur kerja yang baik
sangat ditentukan oleh pergerakan postur tubuh pada saat melakukan aktivitas
kerja. Pada saat ini metode yang digunakan untuk mengganalisis postur kerja
adalah metode RULA (Rapid Upper Limb Assessment). Beberapa penelitian telah
dilakukan dengan menggunakan metode RULA, diantaranya adalah Hedge (1995)
yang menganalisis postur kerja yang mengunakan metode RULA. Kothiyal dan
Yuen (1995) menganalisis posisi mouse untuk aktivitas otot dengan menggunakan
metode RULA dan EMG (elektromiografi). Lueder (1996) menjelaskan cara
pengaplikasian metode RULA, khususnya untuk para pengguna komputer.
Penelitian menggunakan metode RULA telah dilakukan oleh (Pourmahabadian,
1998). Penelitian tersebut dilakukan pada pekerja bagian pengepakan industri
farmasi di Iran, dimana para pekerja banyak melakukan postur kerja duduk. Hasil
penelitian menunjukkan bahwa total skor RULA adalah 4 dan 5 yang
mengindikasikan bahwa pekerjaan pengepakan pada industri farmasi di Iran
memiliki level resiko kecil dan diperlukan tindakan perbaikan postur kerja
beberapa waktu ke depan.
Pada metode RULA untuk perhitungan skor elemen-elemennya masih
dilakukan dengan menggunakan cara manual, masih menggunakan busur
bilahsinus atau penggaris busur untuk menentukan sudut. Proses tersebut
membutuhkan waktu yang relatif lama dengan tingkat keakuratan yang rendah.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-2
Untuk mempercepat dan meningkatkan tingkat akurasi dalam penentuan sudut
segmen tubuh, maka dirancang perangkat lunak yang dapat digunakan untuk
menentukan besar sudut pada segmen tubuh berbasis pengolahan citra.
Pengolahan citra adalah suatu bentuk proses sinyal dengan input berupa
gambar (image) yang ditransformasikan menjadi gambar lain sebagai keluarannya
dengan teknik tertentu (Gonzalez, 2004). Pengolahan citra dilakukan untuk
memperbaiki kesalahan data sinyal gambar yang terjadi akibat transmisi, serta
untuk meningkatkan kualitas penampakan gambar agar lebih mudah diinterpretasi
oleh sistem penglihatan manusia, dengan melakukan manipulasi dan juga analisis
terhadap gambar. Kegiatan memperbaiki kualitas citra agar mudah diinterpretasi
oleh manusia atau mesin (komputer). Inputannya adalah citra dan keluarannya
juga citra tapi dengan kualitas lebih baik dari pada citra masukan. Misal citra
warnanya kurang tajam, kabur (blurring), mengandung noise (misal bintik-bintik
putih), sehingga perlu ada pemrosesan untuk memperbaiki citra. Citra tersebut
menjadi sulit diinterpretasikan karena informasi yang disampaikan menjadi
berkurang.
Matlab adalah sebuah bahasa dengan kinerja tinggi (high performance)
untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi,
dan pemrograman dalam suatu model yang sangat mudah untuk pakai. Dimana
masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang
familiar. Matlab bisa digunakan untuk menganalisis citra, yang merupakan suatu
sistem interaktif yang memiliki elemen data dalam suatu array sehingga tidak lagi
terhalang dengan masalah dimensi. Matlab mempunyai fungsi-fungsi yang dapat
digunakan untuk pengolahan citra misalkan algoritma deteksi tepi, dan
skeletonisasi. Kegunaan deteksi tepi ini ditujukan untuk mengetahui tepi-tepi
objek dalam citra dan skeletonsasi bertujuan untuk mendapatkan kerangka dari
suatu objek di dalam suatu citra objek atau disebut proses merubah bentuk dari
citra hasil restorasi yang berbentuk deteksi tepi citra menjadi citra yang
menampilkan batas-batas objek yang hanya setebal satu piksel (Gonzalez, 2004).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-3
Pada saat ini, salah satu bidang yang mengalami peningkatan adalah sistem
pengenalan gaya gerak berjalan manusia (Gait Recognition). Sistem pengenalan
ini memetakan titik-titik dari tubuh manusia. Teknologi ini satu generasi lebih
maju dibandingkan teknologi pengenalan yang sudah dikenal saat ini. Gaya
berjalan memiliki kemampuan yang tinggi untuk membedakan seseorang, akan
tetapi cukup untuk keperluan verifikasi dengan tingkat keamanan yang rendah.
Lestari (2004) menyatakan pengenalan seseorang dari cara berjalannya dapat
dilakukan dengan analisis angular (sudut yang dibentuk bagian-bagian kaki saat
berjalan dari samping). Dalam penelitian tersebut untuk menentukan sudut pada
bagian-bagian kaki saat berjalan dari samping, metode pengolahan citra, citra
digital, citra biner, skeletonisasi, dan Hough Transform. Metode citra digital, citra
biner, skeletonisasi pada penelitian tersebut digunakan sebagai acuan dalam
penelitian ini untuk menentukan besaran sudut pada segemen tubuh.
1.2 PERUMUSAN MASALAH
Masalah di penelitian ini dapat dirumuskan sebagai berikut: Bagaimana
merancang perangkat lunak untuk menentukan besar sudut segmen tubuh berbasis
pengolahan citra.
1.3 TUJUAN PENELITIAN
Tujuan penelitian ini adalah menghasilkan perangkat lunak yang dapat
digunakan untuk menentukan besar sudut pada segmen tubuh berbasis pengolahan
citra dengan memanfaatkan fungsi dari fitur-fitur matlab.
1.4 MANFAAT PENELITIAN
Manfaat yang diharapkan dari penelitian ini adalah :
1. Memberikan kemudahan, kecepatan dan ketepatan dalam penentuan
sudut pada segmen tubuh.
2. Meminimalkan kesalahan (human error) dalam menentukan sudut
pada segmen tubuh.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-4
1.5 BATASAN MASALAH
Batasan masalah dalam penelitian ini digunakan agar penelitan tidak terlalu
luas topik pembahasannya, adapun batasan masalah dalam penelitian ini adalah :
1. Penelitian ini hanya membahas perhitungan sudut.
2. Aplikasi dirancang menggunakan perangkat lunak Matlab 7.8.
3. Perhitungan ditentukan dengan 5 sudut yaitu Lengan atas, Lengan bawah,
Pergelangan tangan, Leher dan Batang tubuh.
1.6 ASUMSI
1. Sudut ditentukan dengan 3 titik.
2. Citra yang dianalisis tidak dipengaruhi oleh cahaya dan benda lain yang
dapat mengganggu proses pengolahan citra.
1.7 SISTEMATIKA PENULISAN
Penulisan penelitian dalam laporan tugas akhir ini mengikuti uraian yang
diberikan pada setiap bab yang berurutan untuk mempermudah pembahasannya.
Dari pokok-pokok permasalahan dapat dibagi menjadi enam bab, seperti
dijelaskan pada halaman selanjutnya.
BAB I : PENDAHULUAN
Bab ini berisikan pendahuluan yang meliputi latar belakang,
perumusan masalah, tujuan penelitian, pembatasan masalah dan
sistematika penulisan.
BAB II : STUDI PUSTAKA
Berisi mengenai landasan teori yang mendukung dan terkait langsung
dengan penelitian yang akan dilakukan dari buku, jurnal penelitian,
sumber literatur lain, dan studi terhadap penelitian terdahulu.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-5
BAB III : METODOLOGI PENELITIAN
Berisi tentang uraian langkah-langkah penelitian yang dilakukan,
selain juga merupakan gambaran kerangka berpikir penulis dalam
melakukan penelitian dari awal sampai penelitian selesai.
BAB IV : PERANCANGAN ALGORITMA
Berisi tentang data-data atau informasi yang diperlukan dalam
menganalisis permasalahan yang ada serta pengolahan data dengan
menggunakan metode yang telah ditentukan.
BAB V : ANALISIS DAN INTERPRETASI HASIL
Analisis berisi penjelasan dari output yang didapatkan pada tahapan
pengumpulan dan pengolahan data,`interpretasi hasil merupakan
ringkasan singkat dari hasil penelitian.
BAB VI : KESIMPULAN DAN SARAN
Berisi tentang kesimpulan yang diperoleh dari pengolahan data dan
analisis yang telah dilakukan serta rekomendasi yang diberikan untuk
perbaikan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-1
BAB II LANDASAN TEORI
2.1 PENGOLAHAN CITRA (Image Processing)
Pengolahan citra merupakan proses pengolahan dan analisis citra yang
banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan
informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara
umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer.
Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua
data dua dimensi. Citra digital adalah barisan bilangan nyata maupun kompleks
yang diwakili oleh bit-bit tertentu. Pengolahan citra adalah suatu metode yang
digunakan untuk memproses atau memanipulasi gambar dalam bentuk 2 dimensi
(Gonzalez, 2004). Pengolahan citra adalah suatu bentuk pengolahan atau
pemrosesan sinyal dengan input berupa gambar (image) dan ditransformasikan
menjadi gambar lain sebagai keluarannya dengan teknik tertentu. Pengolahan citra
dilakukan untuk memperbaiki kesalahan data sinyal gambar yang terjadi akibat
transmisi dan selama akuisisi sinyal, serta untuk meningkatkan kualitas
penampakan gambar agar lebih mudah diinterpretasi oleh sistem penglihatan
manusia baik dengan melakukan manipulasi dan juga penganalisisan terhadap
gambar. Pengolahan citra dapat juga dikatakan sebagai segala operasi untuk
memperbaiki, menganalisa, atau mengubah suatu gambar. Konsep dasar
pemrosesan suatu objek pada gambar menggunakan Pengolahan citra diambil dari
kemampuan indera penglihatan manusia yang selanjutnya dihubungkan dengan
kemampuan otak manusia.
Umumnya citra digital berbentuk persegi panjang atau bujur sangkar (pada
beberapa sistem pencitraan ada pula yang berbentuk segienam) yang memiliki
lebar dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik
atau piksel sehingga ukuran citra selalu bernilai bulat. Setiap titik memiliki
koordinat sesuai posisinya dalam citra. Koordinat ini biasanya dinyatakan dalam
bilangan bulat positif, yang dapat dimulai dari 0 atau 1 tergantung pada sistem
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-2
yang digunakan. Setiap titik juga memiliki nilai berupa angka digital yang
merepresentasikan informasi yang diwakili oleh titik tersebut .
Format data citra digital berhubungan erat dengan warna. Pada kebanyakan
kasus, terutama untuk keperluan penampilan secara visual, nilai data digital
merepresentasikan warna dari citra yang diolah. Format citra digital yang banyak
dipakai adalah Citra Biner (monochrome), Citra Skala Keabuan (grayscale), Citra
Warna (truecolor), dan Citra Warna Berindeks. Pengolahan citra adalah
pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang
kualitasnya lebih baik.
Analisis citra bertujuan mengidentifikasi parameter-parameter yang
diasosiasikan dengan ciri (feature) dari objek dalam citra, untuk selanjutnya
parameter tersebut digunakan dalam menginterpretasi citra. Analisis citra pada
dasarnya terdiri dari tiga tahapan : ekstraksi ciri (feature extraction), segmentasi
dan klasifikasi. Ada beberapa metode yang digunakan untuk mendeteksi untuk
menentukan posisi titik pusat target. Metode yang paling konvensional adalah
dengan mengukur atau mendigitasi pada media cetak kertas (hardcopy). Metode
Hough Transform, metode yang populer dalam pendekatan (approximation)
kurva. Metode ini dikenal memiliki keunggulan dalam mendeteksi keberadaan
objek yang memiliki pola tertentu walaupun tidak diketahui posisinya, serta relatif
tidak terpengaruh oleh derau (noise) maupun data yang tidak lengkap atau hilang.
Kemampuannya dalam melakukan deteksi objek bahkan menyamain template
matching, tetapi jauh lebih cepat (Munir, 2004).
2.2 MATLAB
Matlab adalah sebuah bahasa dengan kemampuan tinggi untuk komputasi
teknis. Ia menggabungkan komputasi, visualisasi, dan pemrograman dalam satu
kesatuan yang mudah digunakan di mana masalah dan penyelesaiannya
diekspresikan dalam notasi matematik yang sudah dikenal. Pemakaian matlab
meliputi :
1. Matematika dan komputasi
2. Pengembangan algoritma
3. Akuisisi data
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-3
4. Pemodelan, simulasi dan prototype
5. Grafik saintifik dan engineering
6. Perluasan pemakaian, seperti graphical user interface (GUI).
Matlab adalah system interaktif yang mempunyai basis data array yang
tidak membutuhkan dimensi. Ini memungkinkan kita dapat menyelesaikan banyak
masalah komputasi teknis, khususnya yang berkaitan dengan formulasi matrik dan
vector. Nama matlab merupakan singkatan dari matrix labolatory. Matlab
awalnya dibuat untuk memudahkan dalam mengakses software matriks yang telah
dikembangkan oleh Linpack dan Eispack. Dalam perkembangannya, matlab
mampu mengintegrasikan beberapa software matriks sebelumnya dalam satu
software untuk komputasi matriks. Tidak hanya itu, Matlab juga mampu
melakukan komputasi simbolik yang biasa dilakukan oleh MAPLE.
Sistem Matlab terdiri atas lima bagian utama :
1. Development Environment. Ini adalah kumpulan semua alat-alat dan
fasilitas untuk membantu kita dalam menggunakan fungsi dan file
MATLAB. Bagian ini memuat desktop, Command window, command
history, editor and debugger, dan browser untuk melihat help, workspace,
files.
2. The Matlab Mathematical Function Library. Bagian ini adalah koleksi
semua algoritma komputasi, mulai dari fungsi sederhana seperti sum, sine,
cosine sampai fungsi lebih rumit seperti, invers matriks, nilai eigen, fungsi
Bessel dan fast Fourier transform.
3. The matlab language. Ini adalah bahasa matriks/array level tinggi dengan
control flow, fungsi, struktur data, input/output, dan fitur objek
programming lainnya.
4. Graphics. Matlab mempunyai fasilitas untuk menampilkan vektor dan
matriks sebagai grafik. Fasilitas ini mencakup visualisasi data dua dan tiga
dimensi, pemrosesan citra (image), animasi, dan grafik animasi.
5. The Matlab Application Program Interface (API). Paket ini memungkinkan
kita menulis bahasa C dan Fortran yang berinteraksi dengan Matlab. Ia
memuat fasilitas untuk pemanggilan kode-kode dari Matlab (dynamic
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-4
linking), yang disebut Matlab sebagai mesin penghitung, dan untuk
membaca dan menulis Matfile.
2.3 ELEMEN CITRA
Citra mengandung sejumlah elemen dasar. Elemen dasar tersebut
dimanipulasi dalam pengolahan citra, elemen tersebut adalah.
1. Warna
Warna adalah persepsi yang dirasakan oleh sistem visual manusia terhadap
panjang gelombang cahaya yang dipantulkan oleh objek. Setiap warna
mempunyai panjang gelombang. Warna yang diterima oleh mata merupakan
hasil kombinasi cahaya dengan panjang gelombang berbeda. Kombinasi
warna yang memberikan rentang warna yang paling lebar adalah red (R),
green (G), blue (B).
2. Kecerahan (brightness)
Kecerahan disebut juga intensitas cahaya. Kecerahan pada sebuah piksel
(titik) di dalam citra bukanlah intensitas yang rill, tetapi sebenarnya adalah
intensitas rata dari suatu area yang melingkupinya.
3. Kontras
Kontras menyatakan sebaran terang dan gelap di dalam sebuah gambar.
Citra dengan kontras rendah dicirikan oleh sebagian besar komposisi
citranya adalah terang atau sebagian besar gelap. Pada citra dengan kontras
yang baik, komposisi gelap dan terang tersebar secara merata.
4. Kontur
Kontur adalah keadaan yang ditimbulkan oleh perubahan intensitas pada
piksel yang bertetangga. Karena adanya perubahan intensitas, mata manusia
dapat mendeteksi tepi objek di dalam citra.
5. Bentuk (shape)
Bentuk adalah properti intrinsik dari objek tiga dimensi, dengan pengertian
bahwa shape merupakan properti intrinsik utama untuk sistem visual
manusia. Pada umumnya citra yang dibentuk oleh mata merupakan citra
dwimatra (dua dimensi), sedangkan objek yang dilihat umumnya berbentuk
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-5
trimatra (tiga dimensi). Informasi bentuk objek dapat diekstraksi dari citra
pada permulaan prapengolahan dan segmentasi citra.
6. Tekstur
Tekstur diartikan sebagai distribusi spasial dari derajat keabuan di dalam
sekumpulan piksel yang bertetangga. Jadi tekstur tidak dapat didefinisikan
untuk sebuah piksel. Sistem visual manusia menerima informasi citra
sebagai suatu kesatuan. Resolusi citra yang diamati ditentukan oleh skala
pada mana tekstur tersebut dipersepsi.
7. Waktu dan Pergerakan
Respon suatu sistem visual tidak hanya berlaku pada faktor ruang, tetapi
juga pada faktor waktu. Sebagai contoh, bila citra-citra diam ditampilkan
secara cepat, akan berkesan melihat citra yang bergerak.
8. Deteksi dan Pengenalan
Dalam mendeteksi dan mengenali suatu citra, ternyata tidak hanya sistem
visual manusia saja yang bekerja, tetapi juga ikut melibatkan ingatan dan
daya pikir manusia.
2.4 SEGMENTASI GAMBAR
Segmentasi gambar merupakan sebuah proses dimana dalam proses
tersebut terjadi pemisahaan objek-objek pada suatu gambar yang telah dipilih.
Secara umum segmentasi dapat dibagi menjadi tiga kelompok yaitu:
1. Segmentasi berdasar klasifikasi (classification based segmentation),
segmentasi ini merupakan segmentasi yang dilakukan dengan mencari
kesamaan dari ukuran tertentu pada nilai piksel yang terdapat pada suatu
gambar.
2. Segmentasi berdasar tepi (edge base segmentation), sedangkan untuk
segmentasi berdasarkan tepi bertujuan untuk mendapatkan batas tepi antar
objek yang berguna sebagai pembatas antar segmen.
3. Segmentasi berdasar daerah (region based segmentation), untuk segmentasi
berdasarkan daerah dilakukan untuk mencari daerah yang di duga sebagai
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-6
objek berdasarkan kumpulan piksel yang memiliki kesamaan yang dimulai
dari suatu titik ketitk yang lain yang ada di sekitarnya.
Berikut merupakan beberapa contoh pendeteksian yang terdapat pada segmentasi
gambar, diantaranya:
1. Deteksi Tepi
Deteksi tepi merupakan sebuah operasi yang di jalankan untuk mendeteksi
garis tepi atau batas untuk segmentasi atau identifikasi objek.
2. Deteksi Garis.
Terdapat 4 buah karateristik gari yang dapat di proses untuk dideteksi pada
citra, diantaranya: garis horizontal (00), garis miring ke atas (450), garis
vertika (900), atau garis miring ke bawah (450).
3. Deteksi Titik
Deteksi titik merupakan metode deteksi yang dilakukan dengan cara
menghitung harga piksel pusat pada suatu daerah, dengan mengevaluasi
beberapa piksel di sekelilingnya pada seluruh citra. Bila citra memiliki
derajat kecerahan yang sama maka akan bernilai nol.
2.5 Citra Biner
Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai
derajat keabuan yaitu hitam dan putih. Meskipun saat ini citra berwarna lebih
disukai karena memberi kesan yang lebih kaya daripada citra biner, namun tidak
membuat citra biner mati.
2.5.1 Konversi Citra Hitam-Putih ke Citra Biner
Pengkonversian citra hitam-putih (grayscale) menjadi citra biner dilakukan
untuk alasan-alasan berikut :
1. Untuk mengidentifikasi keberasaan objek, yang direpresentasikan sebagai
daerah (region) di dalam citra. Misal kita ingin memisahkan objek dari latar
belakangnya. Piksel-piksel objek ini dinyatakan dengan nilai 1 sedangkan
piksel lainnya dengan 0. Objek ditampilkan seperti gambar siluet. Untuk
memperoleh siluet yang bagus, objek harus dapat dipisahkan dengan mudah
dari latar belakangnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-7
2. Untuk lebih memfokuskan pada analisis bentuk morfologi yang dalam hal ini
intensitas pikselnya tidak terlalu penting dibandingkan dengan bentuknya.
3. Untuk menampilkan citra piranti keluaran yang hanya mempunyai resolusi
intensitas satu bit, yaitu piranti penampilan dua aras atau biner seperti
pencetak (printer)
4. Mengkonversi citra yang telah ditingkatkan kualitas tepinya (edge
enhancement) ke penggambaran garis-garis tepi. Ini perlu untuk
membedakan tepi yang kuat yang berkoresponden dengan batas-batas objek
dengan tepi lemah yang berkoresponden dengan perubahan illumination,
bayangan dan lain-lain.
2.6 Deteksi Tepi (Edge Detection)
2.6.1 Prinsip-Prinsip Deteksi Tepi
Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang
menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah :
1. Untuk menandai bagian yang menjadi detail citra
2. Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error
atau adanya efek dari proses akuisisi citra suatu titik (x,y) dikatakan sebagai
tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang
tinggi dengan tetangganya.
Gambar berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh.
Gambar 2.1 Proses deteksi tepi citra
Sumber : Sutoyo (2009)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-8
Perhatikan hasil deteksi dari beberapa citra menggunakan model differensial di
atas:
Gambar 1 Gambar 2
Gambar 1 Gambar 2
Gambar 2.2 Hasil beberapa deteksi tepi
Deteksi tepi ini mempunyai 4 macam metode dalam pembuatannya. Yaitu
metode robert, canny, prewitt dan sobel. Pada penelitian ini, akan membuat
aplikasi deteksi tepi dengan 2 metode, karena mengingat batasan masalah yang
ada. Metode yang digunakan adalah metode prewitt dan metode canny.
1. Metode Prewitt
Pengembangan dari gradient operator dengan menggunakan 2 mask
(horisontal dan vertikal) ukuran 3x3. Pada operator ini kekuatan gradient
ditinjau dari sudut pandang horisontal dan vertikal (memperhatikan titik
disekitar pada posisi horisontal dan vertikal). Selain itu metode Prewitt
merupakan pengembangan metode Robert dengan menggunakan filter HPF
yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari
fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF.
Kernel fillter yang digunakan dalam metode Prewitt ini adalah:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-9
Gambar 2.3 Contoh gambar metode prewitt (kernel)
2. Metode Canny
Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan
menggunakan metode Canny. Deteksi tepi Canny ditemukan oleh Marr
dan Hildreth yang meneliti pemodelan persepsi visual manusia. Ada
beberapa kriteria pendeteksi tepian paling optimum yang dapat dipenuhi
oleh algoritma Canny:
a. Mendeteksi dengan baik (kriteria deteksi)
Kemampuan untuk meletakkan dan menandai semua tepi yang ada
sesuai dengan pemilihan parameter-parameter konvolusi yang
dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi
dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang
diinginkan.
b. Melokalisasi dengan baik (kriteria lokalisasi)
Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara
tepi yang dideteksi dengan tepi yang asli.
c. Respon yang jelas (kriteria respon)
Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan
tidak menimbulkan kerancuan pada pengolahan citra selanjutnya.
Pemilihan parameter deteksi tepi Canny sangat mempengaruhi hasil
dari tepian yang dihasilkan. Beberapa parameter tersebut antara lain :
• Nilai Standar Deviasi Gaussian
• Nilai Ambang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-10
2.7 SKELETONISASI
Skeletonisasi adalah proses merubah bentuk dari citra hasil restorasi yang
berbentuk citra biner menjadi citra yang menampilkan batas-batas objek yang
hanya setebal satu piksel. Untuk melakukan proses skeletonisasi dipergunakan
algoritma thinning. Algoritma ini secara iteratif menghapus piksel-piksel pada
citra biner, dimana transisi dari 0 ke 1 (atau dari 1 ke 0 pada konvensi lain) terjadi
sampai dengan terpenuhi suatu keadaan dimana satu himpunan dari lebar perunit
(satu piksel) terhubung menjadi suatu garis (Marvin, 2007). Tujuan thinning pada
proses skeletonisasi adalah untuk menghilangkan piksel-piksel yang berada di
dalam obyek depan (foreground object) pada citra biner. Thinning dalam
skeletonisasi berfungsi untuk merapikan atau menyempurnakan hasil output
proses edge detection dengan cara mengurangi lebar sisi ataupun batas. Dan
sebagai tambahan untuk melakukan proses skeletonisasi maka hindari citra yang
memiliki tingkat erosi yang tinggi karena akan sedikit sulit melakukan proses
skeleton sebab erosi berfungsi untuk mengurangi nilai piksel dan merubah hingga
menjadi beberapa garis-garis. Sehingga dikhawatirkan akan menimbulkan
kekancuan pada tahap skeletonisasi.
2.8 ALGORITMA THINNING
Thinning adalah operasi morfologis yang digunakan untuk menghilangkan
piksel yang dipilih dari gambar biner. Metode ini digunakan untuk mendetetksi
kerangka dari suatu gambar (image). Thinning biasanya diterapkan pada gambar
biner dan menghasilkan gambar biner lain sebagai output. Thinning digunakan
untuk proses skeletonisasi, yaitu transformasi gambar di mana pada hasil akhir
akan didapat kerangka skeletonisasi dari gambar sumber.
Skeletonisasi akan mengurangi wilayah foreground dari gambar biner
(binary image) menjadi bentuk kerangka yang secara garis besar akan
menampilkan perluasan dan konektivitas dari wilayah asli sambil membuang
hampir keseluruhan dari piksel foreground asli. Sebagai contoh dapat dilihat
Gambar 2.4 :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-11
Gambar 2.4 Contoh hasil Skeletonisasi
Dalam skeletonisasi dilakukan pengurangan terhadap semua garis
sehingga diperoleh ketebalan sebanyak hanya satu piksel. Adapun thinning yang
dilakukan secara berulang-ulang akan menghasilkan gambar seperti tersebut di
atas. Lebih lanjut, penggunaan thinning dapat dilihat pada beberapa aplikasi nyata
seperti pengenalan karakter optis, pengenalan sidik jari, pemrosesan dokumen,
pengenalan struktur sel biologis dan sebagainya. Aplikasi dari thinning biasanya
menyangkut obyek di mana ketebalan bentuk tidak berpengaruh terhadap proses
pengenalan. Obyek tersebut cukup dapat dideskripsikan dengan struktur yang
disusun dari garis-garis yang terhubung. Algoritma ini akan menghilangkan titik
sisi (edge point) palsu atau yang tidak diinginkan dan menambahkan titik sisi di
suatu tempat yang seharusnya ada tetapi kenyataannya belum ada. Aturan ini
diperluas menjadi :
1. Menghilangkan titik sisi palsu atau yang tidak diinginkan.
2. Menambahkan titik sisi baru.
3. Menggeser titik sisi ke posisi baru.
Aturan ini diberlakukan dengan menerapkan prinsip piksel. Adapun
thinning yang dilakukan secara berulang-ulang akan menghasilkan gambar seperti
tersebut di atas. Lebih lanjut, penggunaan thinning dapat dilihat pada beberapa
aplikasi nyata seperti pengenalan karakter optis, pengenalan sidik jari, pemrosesan
dokumen, pengenalan struktur sel biologis dan sebagainya. Aplikasi dari thinning
biasanya menyangkut obyek di mana ketebalan bentuk tidak berpengaruh
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-12
terhadap proses pengenalan. Obyek tersebut cukup dapat dideskripsikan dengan
struktur yang disusun dari garis-garis yang terhubung.
2.9 PRUNING
Bisa dianggap salah satu aplikasi thinning. Ditujukan untuk
menghilangkan spur akibat ketidakteraturan pada daerah batas dari gambar asli.
Pruning diterapkan pada sejumlah terbatas iterasi (tidak sampai konvergen) untuk
menghindari terbuangnya semua piksel. Contoh kernel untuk pruning adalah
Gambar 2.5 Contoh proses pruning (kernel)
1. Untuk menemukan batas (4-tetangga) pada obyek biner, misal: menghapus
titik foreground yang tidak memiliki tetangga pada backgroundnya.
2. Untuk penerapan dengan batas 8-tetangga. 3a&3b. untuk pruning (tiap iterasi
harus melibatkan 4 rotasi 90° dari elemen).
Dari seluruh uraian di atas, diperoleh sebuah algoritma yang secara sederhana
dapat dituliskan sebagai berikut:
1. Pertimbangkan semua piksel batas dari wilayah foreground .misalnya, titik
foreground yang memiliki minimal satu tetangga background (background
neighbour).
2. Hapus setiap titik yang memiliki lebih dari satu tetangga foreground
(foreground neighbour) sepanjang dengan melakukan hal tersebut tidak
mengakibatkan terpisahnya dua wilayah yang mengandung piksel tersebut
secara lokal.
3. Ulangi hingga garis konvergen.
Prosedur ini mengikis sebanyak mungkin batas (boundaries) dari obyek
foreground tetapi tidak mempengaruhi piksel pada ujung garis.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
C
E
h
t
P
d
h
t
p
t
m
2
b
o
Contoh dari
Efek ini bis
hingga konv
transformasi
Pada setiap
dilanjutkan
hasil rotasi 9
tidak ditemu
penentuan o
tersebar di
menyentuh b
2.10 DEFIN
Defin
bentuk asli
obyek/foreg
penerapan p
Gambar 2
sa diperoleh
vergen deng
i rotasi 90°d
Gamb
iterasi, ima
operasi den
90° dari ked
ui perubaha
octagonal s
tengah okt
batas bentuk
NISI, TUJU
nisi image t
i binary im
round hany
prosedur ini:
2.6 Gambar
h mengguna
an kernel 3x
dari kernel in
bar 2.7 Con
age akan dio
ngan kernel
dua elemen i
an lagi. Dap
skeleton dar
tagon yang
k minimal 2 t
UAN DAN M
thinning ada
mage menj
ya setebal sa
II-13
r sebelum da
akan morfol
x3 pada Fig
ni (total 4×2
ntoh proses t
operasikan d
di sebelah
itu. Proses a
pat dikataka
ri bentuk b
menempati
titik.
MANFAAT
alah proses
adi image
atu piksel. A
an sesudah
logi thinnin
gure 2 (lihat
= 8 kernels)
thinnin (ker
dengan kerne
kanan, dan
akan berulan
an bahwa d
biner, yaitu
bagian da
THINNING
morphology
yang men
Algoritma th
thinning
g dengan m
t di bawah)
).
rnel)
el di sebelah
selanjutnya
ng secara sik
di sini kita
himpunan
lam dari be
G
y image yan
nampilkan b
thinning sec
mengiterasi
dan semua
h kiri, lalu
a dengan 6
klis sampai
melakukan
titik yang
entuk atau
g merubah
batas-batas
ara iteratif
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-14
‘menghapus’ piksel-piksel pada binary image, dimana transisi dari 0 ke 1 (atau
dari 1 ke 0 pada konvensi lain) terjadi sampai dengan terpenuhi suatu keadaan
dimana satu himpunan dari lebar per unit (satu piksel) terhubung menjadi suatu
garis.
Sepintas, image thinning mempunyai kemiripan dengan edge detection dalam
hal output dari citra yang dihasilkan, kedua proses tersebut sama-sama
menampilkan batas obyek pada citra. Namun, tetap saja ada perbedaaan antara
Image Thinning dengan Edge Detection dari segi prinsip kerjanya, yaitu :
1. Edge detection : merubah graylevel image atau color image menjadi image
yang menampilkan batas-batas/boundaries obyek berdasarkan kekontrasan
warna antar piksel.
2. Image Thinning : mereduksi piksel-piksel pada obyek binary image menjadi
piksel. yang benilai sama dengan nilai piksel pada background. Menghasilkan
binary image dengan informasi berupa batas-batas obyek berdasarkan piksel
dengan ketebalan satu piksel.
Tujuan image thinning adalah untuk menghilangkan pixel-pixel yang berada
didalam obyek depan (foreground object) pada binary images.
Manfaat image thinning adalah sebagai berikut :
1. Biasanya diterapkan pada proses skeletonisasi.
2. Berguna untuk merapikan/menyempurnakan hasil output proses edge
detection dengan cara mengurangi lebar sisi/batas/edge.
2.11 METODE RAPID UPPER LIMB ASSESSMENT (RULA)
RULA merupakan sebuah metode penilaian postur kerja yang secara khusus
digunakan untuk meneliti dan menginvestigasi gangguan pada tubuh bagian atas.
RULA pertama kali dikembangkan oleh Mc.Atamney dan Corlett (1993) dari
(University of Nottingham’s Institute of Occupational Ergonomics). Metode ini
tidak membutuhkan peralatan special dalam penetapan penilaian postur leher,
punggung, dan lengan atas.
Metode RULA dikembangkan sebagai metode untuk mendeteksi postur
kerja yang merupakan faktor resiko (risk factors) dan didesain untuk menilai para
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-15
pekerja dan mengetahui beban musculoskeletal yang kemungkinan dapat
menimbulkan gangguan pada anggota badan atas (Mc.Atamney dan Corlett
,1993). Faktor resiko yang telah diinvestigasi sebagai faktor beban eksternal,
yaitu:
1. Jumlah gerakan.
2. Kerja otot statis.
3. Tenaga/ kekuatan.
4. Penentuan postur kerja oleh peralatan.
5. Waktu kerja tanpa istirahat.
Ada 4 faktor beban eksternal (jumlah gerakan, kerja otot statis, tenaga/
kekuatan, dan postur) yang ditinjau dalam penilaian RULA dan dikembangkan
untuk:
1. Memberikan sebuah metode penyaringan suatu populasi kerja dengan
cepat, yang berhubungan dengan kerja yang beresiko.
2. Mengidentifikasi usaha otot yang berhubungan dengan postur kerja,
penggunaan tenaga dan kerja yang berulang-ulang, yang dapat
menimbulkan kelelahan (fatigue) otot.
3. Memberikan hasil yang dapat digabungkan dengan sebuah metode
penilaian ergonomic yaitu epidemiologi, fisik, mental, lingkungan dan
faktor organisasi.
Penelitian menggunakan metode RULA memiliki 5 tahapan pengembangan,
yaitu yang terdiri dari Lengan atas (upper arm), Lengan bawah (lower arm),
pergelangan tangan (wrist), Leher (neck), Punggung (trunk). Hal ini memastikan
bahwa seluruh postur tubuh dicatat sehingga postur kaki, badan, dan leher yang
terbatas yang mungkin mempengaruhi postur bagian atas dapat masuk dalam
pemeriksaan, Tahapan penelitian dapat dilihat pada Gambar di bawah ini.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-16
• Lengan atas (upper arm)
Gambar 2.8 Postur tubuh bagian lengan atas (upper arm) Sumber: McAtamney dan Corlett (1993)
• Lengan bawah (lower arm)
Gambar 2.9 Postur tubuh bagian lengan atas (lower arm) Sumber: McAtamney dan Corlett (1993)
• Pergelangan tangan (wrist)
Gambar 2.10 Postur tubuh bagian pergelangan tangan (wrist) Sumber: McAtamney dan Corlett (1993)
• Leher ( neck )
Gambar 2.11 Postur tubuh bagian leher (neck) Sumber: McAtamney dan Corlett (1993)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-17
• Batang tubuh ( trunk )
Gambar 2.12 Postur tubuh bagian batang tubuh (trunk) Sumber: McAtamney dan Corlett (1993)
2.11. VEKTOR
Vektor adalah serangkaian instruksi matematis yang dijabarkan dalam
bentuk, garis, dan bagian-bagain lain yang saling berhubungan dalam sebuah
gambar. Informasi yang digunakan diantaranya adalah posisi titik awal, titik akhir
dan arahnya yang dihitung berdasarkan metode matematika (Bezier, Spline,
nurbs) sehingga dapat diperbesar dan diperkecil tanpa merusak kualitas gambar.
Vektor adalah besaran yang mempunyai nilai dan arah. Contoh sebuah kapal
bergerak dengan kecepatan sebesar 20 knot pada arah 30 derajat dari suatu
pelabuhan. Dari pernyataan di atas dapat dipahami bahwa kapal tersebut bergerak
dengan kecepatan 20 knot yang merupakan besaran, selain itu dijelaskan juga arah
yang ditempuh, yaitu 30 derajat dari pelabuhan.
1. Komponen Vektor
Vektor yang digambarkan pada bidang koordinat mempunyai komponen
horisontal (gerakan ke kanan/kiri) dan komponen vertikal (gerakan ke
atas/bawah).
Gambar 2.13 Komponen vektor bidang datar Sumber: Purcell dan Varberg (1999)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-18
Berdasarkan Gambar 2.13 komponen horisontal vektor AB sebesar xB – xA,
sedang komponen vertikal vektor AB sebesar yB – yA. Karena vektor
mempunyai dua komponen yaitu komponen horisontal (sejajar sumbu X)
dan komponen vertikal (sejajar sumbu Y) maka setiap vektor dapat
dinyatakan dengan notasi di mana x komponen horisontal dan y
komponen vertikal.
Gambar 2.14 Notasi vector
Sumber: Purcell dan Varberg (1999)
Vektor AB di atas dinotasikanm = yang artinya bahwa komponen
horizontalnya 6 satuan ke kanan dan komponen vertikalnya 5 (lima) satuan
ke atas.
2. Grafik Persamaan Kutub
Persamaan-persamaan kutub yang telah kita pelajari berkaitan dengan
grafik-grafik yang telah dikenal, terutama garis, lingkaran, dan irisan
kerucut. Sekarang, marilah kita menggalihkan perhatian pada grafik-grafik
yang lebih kompleks (ekotic), seperti grafik yang berbentuk jantung
(cardioid), limako (limacon) dan spiral. Persamaan-persamaan kutub untuk
kurva-kurva tersebut masih relatif sederhana, tetapi persamaan-persamaan
Cartensiusnya rumayan rumit. jadi, kita akan melihat salah satu keuntugan
memiliki lebih dari satu sistem koordinat yang trersedia. Beberapa kurva
mempunyai persamaan yang sederhana di dalam suatu sistem, sementara
beberapa kurva lainnya mempunyai persamaan yang sederhana di dalam
sistem lainnya. Kita akan membahas hal ini kemudian ketika kita sudah
menyelesaikan suatu soal dengan memilih sebuah sistem koordinat yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-19
paling sesuai. Unsur simetri dapat membantu kita untuk memahami sebuah
grafik. Berikut ini adalah uji yang memadai untuk simetri dalam koordinat
kutub. Kebenarannya dapat dilihat pada gambar yang bersangkutan.
a. Grafik persamaan kutub simetri pada sumbu x (yaitu sumbu kutub dan
perpanjagannya ke kiri) apabila Ө diganti dengan –Ө menghasilkan
persamaan yang sama (Gambar 2.15).
b. Grafik persamaan kutub simetri pada sumbu y (yaitu garis Ө = /2)
apabila Ө diganti dengan – Ө menghasilkan persamaan yang sama
(Gambar 2.16).
c. Grafik persamaan kutub simetri terhadap titik asal, apabila r diganti –r
menghasilkan persamaan yang sama (Gambar 2.17).
(a)
Gambar 2.15 Grafik persamaan kutub simetri sumbu x Sumber: Purcell dan Varberg (1999)
(b)
Gambar 2.16 Grafik persamaan kutub simetri sumbu y Sumber: Purcell dan Varberg (1999)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II-20
(c)
Gambar 2.17 Grafik persamaan kutub simetri terhadap titik asal Sumber: Purcell dan Varberg (1999)
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-1
BAB III METODOLOGI PENELITIAN
Metodologi penelitian diuraikan dalam bentuk tahapan-tahapan penelitian
yang dimulai dengan studi pustaka, latar belakang masalah, penentuan tujuan
penelitian, pengembangan program dengan Matlab 7.8, analisis dan interpretasi
hasil, kesimpulan dan saran. Tahapan penelitian dapat dilihat pada Gambar 3.1.
Gambar 3.1 Metodologi penelitian
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-2
3.1 IDENTIFIKASI MASALAH
Dalam identifikasi masalah, masalah dapat didefinisikan sebagai suatu
pertanyaan yang diinginkan untuk dipecahkan. Masalah inilah yang menyebabkan
sasaran dari sistem tidak dapat dicapai. Pada tahap ini dilakukan studi
pendahuluan tentang penghitungan analisis postur kerja untuk mengukur sudut
tubuh manusia dengan menggunakan pengolahan citra.
3.2 STUDI PUSTAKA
Studi pustaka dilakukan untuk mendapatkan gambaran mengenai teori-
teori dan konsep-konsep yang akan digunakan dalam menyelesaikan
permasalahan yang diteliti serta mendapatkan dasar-dasar referensi yang kuat
dalam menerapkan suatu metode yang digunakan. Studi pustaka dilakukan dengan
membaca dan mempelajari buku-buku, jurnal ilmiah, dan tugas akhir mahasiswa
teknik industri yang terkait dengan tema penelitian.
3.3 LATAR BELAKANG MASALAH
Pada tahapan penelitian ini besaran sudut yang biasanya dilakukan secara
manual. Perhitugan besaran sudut akan diteliti dengan menerapkan algoritma
komputer dengan pengolahan citra. Oleh karena itu, metode RULA merupakan
metode yang paling tepat, karena RULA secara khusus digunakan untuk meneliti
gangguan pada tubuh bagian atas.
3.4 PENENTUAN TUJUAN PENELITIAN
Tujuan yang hendak dicapai dalam penelitian ini adalah menghasilkan
perangkat lunak yang digunakan untuk mengubah besar sudut pada segmen tubuh.
3.5 PENGEMBANGAN PROGRAM DENGAN MATLAB 7.8.
Pada dasarnya membuat aplikasi berbasis window dengan Matlab dapat
dilakukan dengan 2 cara, yaitu (Away, 2010):
1. Menggunakan script Matlab.
2. Menggunakan GUI Designer.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-3
3.6 UJICOBA PERANGKAT LUNAK
Untuk mengetahui apakah aplikasi layak dipakai atau tidak, maka
dilakukan pengujian program aplikasi dengan menggunakan perangkat lunak
Matlab 7,8. Perangkat lunak diuji dengan menentukan besar sudut segmen tubuh
menggunakan uji coba dengan perangkat lunak Autocad. Jika program aplikasi
belum layak maka program yang telah dibuat akan diperbaiki.
3.7 ANALISIS DAN INTERPRETASI HASIL
Tahap analisis dan interpretasi hasil dilakukan untuk menganalisis hasil
terhadap pengumpulan dan pengolahan data sebelumnya, serta sebagai validasi
hasil rancangan yang dihasilkan dari pemakaian program Matlab.
3.8 KESIMPULAN DAN SARAN
Bagian terakhir penelitian berisi kesimpulan yang menjawab tujuan akhir
dari penelitian berdasarkan hasil pengolahan dan analisa data yang telah
dilakukan, serta saran-saran yang berisi masukan untuk penelitian-penelitian
berikutnya agar lebih baik lagi.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-1
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini dibahas tentang pengumpulan dan pengolahan data yang
digunakan dalam melakukan pengolahan citra untuk mengukur besaran sudut
pada segmen tubuh. Untuk mengolah keseluruan proses, dimanfaatkan fungsi-
fungsi dalam perangkat lunak Matlab 7,8. Fungsi-fungsi yang digunakan terdapat
dalam pengolahan citra yang akan mempermudah perancangan perangkat lunak
aplikasi pengolahan citra.
Perancangan perangkat lunak ini digunakan berkas citra dengan format jpg
dan png. Secara garis besar perangkat lunak yang akan dirancang memiliki
algoritma seperti yang ditunjukkan pada Gambar 4.1.
Gambar 4.1 Diagram Alir Algoritma Perangkat Lunak
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-2
Urutan langkah-langkah proses jalannya program adalah sebagai berikut :
4.1 PEMBACAAN BERKAS CITRA
Proses pertama dalam algoritma ini adalah pembacaan berkas citra yang
dilakukan dengan perintah citra gambar segmen tubuh diperoleh dengan
menggunakan perangkat kamera digital yang cukup memadai disertai dengan
beberapa perangkat lainnya. Citra gambar yang akan digunakan adalah png, bmp,
atau jpg dan gambar tidak dipenggaruhi oleh cahaya, benda lain yang dapat
mengganggu proses pengolahan citra. Pada perancangan ini digunakan Matlab 7.8
karena fungsi-fungsinya lengkap dan mudah dalam pembuatan tampilan GUI.
4.2 CITRA BINER (BINARY IMAGE)
Setelah dilakukan pembacaan citra, lalu dilanjutkan dengan proses citra biner
adalah citra yang hanya mempunyai dua informasi intensitas warna, yaitu hitam
dan putih. Derajat keabuan berada dalam rentang antara hitam dan putih. Citra
yang memiliki derajat keabuan dari hitam ke putih ini disebut juga citra hitam-
putih (greyscale image) atau citra monokrom. Hasil dari proses citra biner dapat
dilihat pada gambar di bawah ini.
Gambar 4.2 Citra Biner
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-3
4.3 DETEKSI TEPI (EDGE DETECTION)
Setelah dilakukan proses citra biner, dilanjutkan dengan pengubahan citra
menjadi citra deteksi tepi (edge detection) dari objek di dalam citra. Pada
perangkat lunak pengolahan citra ini menggunakan algoritma deteksi tepi Canny.
Kegunaan deteksi tepi pada perangkat lunak ini ditujukan untuk mengetahui tepi-
tepi objek dalam citra. Hasil proses ini diperlihatkan pada Gambar 4.3
(a) (b)
Gambar 4.3 Deteksi tepi Canny (a) Citra awal (b) Citra hasil
4.4 SKELETONISASI
Setelah proses deteksi tepi selesai dilanjutkan dengan proses skeletonsasi
bertujuan untuk mendapatkan kerangka dari suatu objek di dalam suatu citra objek
atau disebut juga proses merubah bentuk dari citra hasil restorasi yang berbentuk
deteksi tepi citra menjadi citra yang menampilkan batas-batas objek yang hanya
setebal satu piksel. Hasil dari proses citra biner dapat dilihat pada Gambar 4.4.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-4
(a) (b)
(c)
Gambar 4.4 (a) Himpunan citra asli A (b) Berbagai posisi ligkaran,
sedemikian rupa sehingga pustnya berada pada kerangka A
(c) Kerangka A secara lengkap
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-5
Pada gambar diatas citra gambar A citra gambar asli, kemudian diproses
menjadi gambar B, maka proses gambar B akan muncul lingkaran-lingkaran pada
gambar, lingkaran tersebut berberfungsi sebagai pengkikisan pada gambar, setelah
proses pengkikisan selesai maka akan muncul seperti kerangka atau akan menjadi
setebal satu piksel.
4.4.1 Penentuan titik koordinat sudut
Setelah dilakukan proses skeletonisasi langkah selanjutnya adalah
menentukan titik koordinat titik sudut dengan interaksi mouse pada gambar yang
sudah di proses menjadi satu piksel. Koordinat poin piksel dimanfaatkan guna
untuk mentukan titik besaran sudut pada segmen tubuh. Hasil dari proses citra
penentuan titik koordinat sudut dapat dilihat pada Gambar 4.5.
Gambar 4.5 Titik interaksi mouse
Titik interaksi mouse
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-6
4.4.2 Perumusan Titik Koordinat
Setelah proses penentuan titik koordinat sudut sudah diketahui, operator
tinggal memproses dengan interaksi mouse dengan cara manual, dengan
menggeklik ganda mana yang akan dihitung titik besaran sudutnya pada segmen
tubuh. Contoh hasil dari proses citra perumusan titik koordinat sudut dapat dilihat
pada Gambar 4.6.
Gambar 4.6 Proses citra perumusan titik koordinat sudut
4.4.3 Output sudut
Kemudian setelah proses perumusan titik koordinat sudut sudah diproses
maka seterusnya akan muncul total output sudut. Hasil dari proses output sudut
dapat dilihat pada Gambar 4.7.
Klik ganda proses 3 Klik ganda proses 1
Klik ganda proses 2
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-7
Gambar 4.7 Output sudut
4.5 GUI (Graphic User Interface)
GUI merupakan salah satu model interaksi antara manusia dan komputer.
Selain GUI, ada juga model yang lain seperti Character User Interface (CUI)
yang sering kita kenal dengan command line. Dari sisi kenyamanan (attitude),
kedua model ini memiliki fungsinya masing-masing. Dalam perancangan ini, GUI
didesain sebagai berikut Pembacaan citra asli dan penampilan citra dengan cara
menekan tombol run pada program matlab kemudian akan muncul program GUI
yang akan diperlihatkan pada Gambar 4.8. Sebagai media disain, matlab
menyediakan sebuah GUI yang dibungkus dalam fuungsi guide. Untuk
menjalankan fungsi ini, tinggal mengetikan pada window matlab.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-8
Gambar 4.8 Tampilan graphic user intrface
Keteragan tampilan graphic user intrface :
1. Browse, pengaplikasian gambar yang akan diproses
2. Titik nilai sudut X, titik 4
3. Titik nilai sudut X, titik 2
4. Titik nilai sudut X, titik 1
5. Titik nilai X
6. Titik nilai Y
7. Titik nilai sudut Y, titik 5
8. Titik nilai sudut Y, titik 6
9. Titik nilai sudut Y, titik 7
10. Total nilai akhir
11. Total nilai akhir sudut
12. Selesai, aplikasi keluar
1
7
2
3
4
6
8
5
9
10 11 12
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-9
4.6 PENGUJIAN PERANGKAT LUNAK
Perangkat lunak diuji dengan menentukan besar sudut segmen tubuh berbasis
pengolahan citra. Hasil pengujiannya, sebagai berikut :
Hasil uji
Hitung nilai sudut Lengan atas (upper arm)
(a) (b)
(c) (d)
Gambar 4.9 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-10
Hitung nilai sudut Lengan bawah (lower arm)
(a) (b)
(c) (d)
Gambar 4.10 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-11
Hitung nilai sudut Pergelangan tangan (wrist)
(a) (b)
(b) (d)
Gambar 4.11 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-12
Hitung nilai sudut Leher (neck)
(a) (b)
(c) (d)
Gambar 4.12 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-13
Hitung nilai sudut Batang tubuh (trunk)
(a) (b)
(c) (d)
Gambar 4.13 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-14
Hasil uji
Hitung nilai sudut Lengan atas (upper arm)
(a) (b)
(c) (d)
Gambar 4.14 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-15
Hitung nilai sudut Lengan bawah (lower arm)
(a) (b)
(c) (d)
Gambar 4.15 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-16
Hitung nilai sudut Pergelagan tangan (wrist)
(a) (b)
(c) (d)
Gambar 4.16 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-17
Hitung nilai sudut Leher (neck)
(a) (b)
(c) (d)
Gambar 4.17 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-18
Hitung nilai sudut Batang tubuh (trunk)
(a) (b)
(c) (d)
Gambar 4.18 (a) Citra gambar asli (b) Citra hasil GUI (c) Citra hasil
Skeletonisasi GUI Matlab (d) Citra hasil Autocad
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-19
Tabel 4.1. Data Uji Hipotesis Lengan Atas.
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
1. Uji
• hipotesis nol dan hipotesis alternatif
H0: µd = µ0
H1: µd > µ0 atau H1:µd < µ0
• Tingkat kepercayaan (α).
Pada pengujian hipotesis ini tingkat kepercayaan yang digunakan adalah α
= 0,05 atau tingkat kepercayaan 95%.
• Kriteria penerimaan
Karena uji yang dilakukan adalah uji 1 pihak maka berdasarkan tabel t
dengan tα/2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan:
= n
xi∑
= 10
)9694(...)109114()9793()128118()9885( −++−+−+−+−
= -0,5
2 = 0,25
Uji Matlab Autocad � 1 98 85 -13 169 2 128 118 -10 100 3 97 93 -4 16 4 109 114 5 25 5 124 122 -2 4 6 102 112 10 100 7 100 106 6 36 8 91 102 11 121 9 98 92 -6 36 10 96 94 -2 4 jumlah -5 611 rata2 -0,5 0,25
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-20
Sd = 9*10
)5,0(611*10 2−−
Sd = 21,9032
t = nsd
d/
0µ−
t = 10/9032,21
05,0 −−
t = -0,00722 Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,00722. Karena t-hitung
lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95
diterima.
Tabel 4.2. Data Uji Hipotesis Lengan Bawah.
Uji Matlab Autocad � 1 95 98 3 9 2 91 90 -1 1 3 86 88 2 4 4 89 88 -1 1 5 87 91 4 16 6 97 104 7 49 7 87 83 -4 16 8 94 92 -2 4 9 90 90 0 0 10 81 81 0 0 jumlah 8 64 rata2 0,8 0,64
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
2. Uji
• hipotesis nol dan hipotesis alternatif
H0: µd = µ0
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-21
H1: µd > µ0 atau H1:µd < µ0
• Tingkat kepercayaan (α).
Pada pengujian hipotesis ini tingkat kepercayaan yang digunakan adalah α
= 0,05 atau tingkat kepercayaan 95%.
• Kriteria penerimaan
Karena uji yang dilakukan adalah uji 1 pihak maka berdasarkan tabel t
dengan tα/2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan:
= n
xi∑
= 10
)8181(...)8988()8688()9190()9598( −++−+−+−+−
= 0,8
2 = 0,64
Sd = 9*10
)8,0(64*10 2−
Sd = 22,12487
t = nsd
d/
0µ−
t = 10/12487,22
08,0 −−
t = 0,011434
• Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = 0,011434. Karena t-
hitung lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat
kepercayaan 0,95 diterima.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-22
Tabel 4.3. Data Uji Hipotesis Pergelangan Tangan.
Uji Matlab Autocad � 1 51 24 -27 729 2 32 20 -12 144 3 54 47 -7 49 4 32 35 3 9 5 51 23 -28 784 6 61 31 -30 900 7 45 50 5 25 8 60 31 -29 841 9 78 45 -33 1089 10 33 58 25 625 jumlah -133 17689 rata2 -13,3 176,89
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
3. Uji
• hipotesis nol dan hipotesis alternatif
H0: µd = µ0
H1: µd > µ0 atau H1:µd < µ0
• Tingkat kepercayaan (α).
Pada pengujian hipotesis ini tingkat kepercayaan yang digunakan adalah α
= 0,05 atau tingkat kepercayaan 95%.
• Kriteria penerimaan
Karena uji yang dilakukan adalah uji 1 pihak maka berdasarkan tabel t
dengan tα/2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan:
= n
xi∑
= 10
)3358(...)3235()5447()3220()5124( −++−+−+−+−
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-23
= -13,3
2 = 176,89
Sd = 9*10
)3,013(17689*10 2−−
Sd = 28,44627
t = nsd
d/
0µ−
t = 10/44627,28
03,13 −−
t = -0,14785 • Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,14785. Karena t-hitung
lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan
0,95 diterima.
Tabel 4.4. Data Uji Hipotesis Leher.
Uji Matlab Autocad � 1 36 25 -11 121 2 66 55 -11 121 3 41 49 8 64 4 30 19 -11 121 5 8 15 7 49 6 24 23 -1 1 7 50 49 -1 1 8 35 27 -8 64 9 37 37 0 0 10 35 47 12 144 jumlah -16 686 rata2 -1,6 2,56
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-24
4. Uji
• hipotesis nol dan hipotesis alternatif
H0: µd = µ0
H1: µd > µ0 atau H1:µd < µ0
• Tingkat kepercayaan (α).
Pada pengujian hipotesis ini tingkat kepercayaan yang digunakan adalah α
= 0,05 atau tingkat kepercayaan 95%.
• Kriteria penerimaan
Karena uji yang dilakukan adalah uji 1 pihak maka berdasarkan tabel t
dengan tα/2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
dengan perhitungan:
= n
xi∑
= 10
)3547(...)3019()4149()6655()3625( −++−+−+−+−
= -1,6
2 = 2,56
Sd = 9*10
)6,1(686*10 2−−
Sd =25,68969
t = nsd
d/
0µ−
t = 10/68969,25
06,1 −−
t = -0,0197
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-25
• Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,0197 Karena t-hitung
lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan
0,95 diterima.
Tabel 4.5. Data Uji Hipotesis Batang Tubuh.
Uji Matlab Autocad � 1 42 31 ‐11 121 2 40 35 ‐5 25 3 39 43 4 16 4 39 37 ‐2 4 5 47 33 ‐14 196 6 44 39 ‐5 25 7 30 31 1 1 8 38 42 4 16 9 41 45 4 16 10 35 28 ‐7 49 jumlah ‐31 469 rata2 ‐3,1 46,9
Untuk mencari beda dua rata-rata yang saling berhubungan, sebagai berikut:
5. Uji
• hipotesis nol dan hipotesis alternatif
H0: µd = µ0
H1: µd > µ0 atau H1:µd < µ0
• Tingkat kepercayaan (α).
Pada pengujian hipotesis ini tingkat kepercayaan yang digunakan adalah α
= 0,05 atau tingkat kepercayaan 95%.
• Kriteria penerimaan
Karena uji yang dilakukan adalah uji 1 pihak maka berdasarkan tabel t
dengan tα/2= 0,025 dan v = n - 1 = 9 didapatkan nilai t-tabel = 2,262.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
IV-26
dengan perhitungan:
= n
xi∑
= 10
)3528(...)3937()3943()4035()4231( −++−+−+−+−
= -3,1
2 = 46,9
Sd = 9*10
)1,3(469*10 2−−
Sd = 20
t = nsd
d/
0µ−
t = 10/20
01,3 −−
t = -0,49015 • Kesimpulan
Berdasarkan statistik uji didapatkan nilai t-hitung = -0,49015 Karena t-hitung
lebih kecil dari t-tabel maka H0 diterima sehingga pada tingkat kepercayaan
0,95 diterima.
Maka hasil rekapitulasi hasil pengujian didapat hasil sebagai berikut:
Tabel 4.6 Hasil pengujian
Posisi t hitung Lengan atas -0,00722Lengan bawah 0,011434Pergelangan tangan -0,14785Leher -0,0197Batang tubuh -0,49015
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-1
BAB V
ANALISIS DAN INTERPRETASI HASIL
Analisis hasil penelitian bertujuan menjelaskan hasil dari pengolahan data,
sehingga hasil penelitian menjadi lebih jelas. Analisis dalam penelitian ini
diuraikan pada sub bab berikut ini.
5.1 ANALISIS HASIL PENELITIAN
Analisis dalam hal ini meliputi analisis perangkat lunak pengolahan citra
untuk pengukuran sudut pada segmen tubuh manusia. Pada pengolahan data
menunjukan bahwa perangkat lunak yang dihasilkan mampu memberikan tingkat
keakuratan yang tinggi. Perangkat lunak mampu mendeteksi tepian dan merubah
bentuk gambar dari citra objek, untuk mengetahui sudut pada segmen tubuh
manusia. Namun, untuk mendapatkan data koordinat tersebut, masih memerlukan
interface manual, yaitu dengan klik mouse komputer.
5.1.1 Analisis Perangkat Lunak
Perangkat lunak dirancang sesuai dengan kebutuhan terhadap RULA yaitu
untuk menentukan sudut pada segmen tubuh manusia berbasis pengolahan citra.
Algorima yang digunakan dalam penelitian ini adalah deteksi tepi, skeletonisasi
dan penentuan koordinat poin piksel. Pada perangkat lunak ini, memiliki beberapa
kekurangan meliputi:
1. Deteksi tepi, pada penelitian ini perangkat lunak menghasilkan:
Proses deteksi tepi pada perangkat lunak ini, mampu mendeteksi tepian pada
tubuh manusia. Kekurangan proses ini, bila citra yang dianalisis memiliki
pencahayaan yang tidak merata, maka tidak mampu mendeteksi dengan baik.
2. Skeletonsasi:
Proses skeletonsasi bertujuan untuk mendapatkan kerangka dari suatu objek
di dalam suatu citra objek atau disebut juga proses merubah bentuk dari citra
hasil restorasi yang berbentuk deteksi tepi citra menjadi citra yang
menampilkan batas-batas objek yang hanya setebal satu piksel.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-2
3. Koordinat poin pixel, digunakan untuk mengukur pada ojek gambar. Pada
proses ini, perangkat yang dihasilkan memiliki kekurangan yaitu untuk
mendapatkan koordinat harus menggunakan interaksi manual. Selain itu,
posisi pengambilan titik koordinat akan mempengaruhi hasil output gambar.
4. Hanya memproses citra yang latar belakangnya dan objek memiliki kontras
yang tinggi.
5.1.2 Analisis Hasil Pengujian sudut
Pada tahap ini dilakukan analisis terhadap perangkat lunak ini layak
diterapkan atau tidak. Analisis dilakukan guna mengetahui seberapa akurat
perangkat lunak ini dalam menghitung sudut pada segmen tubuh. Pengujian
terhadap perangkat lunak pada analisis deteksi tepi, dengan melakukan analisis
pada beberapa macam gambar. Analisis program Matlab dilakukan dengan
membandingkan dengan program Autocad, penghitungan secara manual (nilai
ukuran sebenarnya) dengan penghitungan dengan perangkat lunak. Dari hasil
penghitungan dan perbandingan beberapa macam gambar citra, Pada proses
pengujian, terdapat 10 set data citra skeletonisasi yang dijadikan sebagai masukan
uji coba perangkat lunak. Dari uji coba dengan beberapa citra sudut dengan
penelitian ini perangkat lunak yang di hasilkan dibandingkan dengan Autocad
maka dibuat perbandingan hasil dari gambar-gambar tersebut. Pengujian
perangkat lunak Matlab dengan Autocad, hasil pengukuran sudut Matlab dengan
Autocad diolah dengan hipotesa statistik, yaitu uji-t berpasangan (paired t-test),
dengan α = 0,05. Berdasarkan hasil pengujian statistik uji didapatkan hasil
pengujian pada Tabel 4.7. Karena t-hitung semua pengujian dalam retang dari t-
tabel maka H0 diterima sehingga pada tingkat kepercayaan 0,95 diterima.
5.2 INTEPRETASI HASIL
Rancangan perangkat lunak pengolahan citra dibuat untuk membantu dalam
menentukan besaran sudut pada segmen tubuh. Dengan output berupa total hasil,
yang dapat memberikan informasi hasil pengolahan penentuan sudut pada segmen
tubuh.
Hasil pengujian prototype menunjukkan, perangkat lunak mampu
menentukan besaran sudut pada segmen tubuh dan hasil pencahayaan yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-3
merata. Bila pencahayaan pada citra kurang merata, maka hasil dari pendeteksian
kurang jelas. Sehingga, dalam proses sekeletonisasi akan berkurang.
Pengukuran sudut postur kerja, biasa dilakukan dengan bantuan perangkat
lunak Autocad. Kesulitan yang dialami menggunakan perangkat lunak Autocad
adalah user harus membuat garis bantuan terlebih dahulu untuk menentukan sudut
segmen tubuh. Dari masalah tersebut, akan menjadi tingkat kecepatan dalam
analisis akan lebih lama. Sedangkan dengan perangkat lunak pengolahan citra
yang dihasilkan, citra akan otomatis membuat bentuk skeletonisasi. Citra yang
sudah diproses menjadi skeletonisasi, kemudian menentukan titik koordinat sudut
pada citra.
Perangkat lunak pengolahan citra yang dihasilkan memiliki kekurangan,
yaitu pada proses penentuan koordinat pixel yang tidak bisa dilakukan secara
otomatis, sehingga tingkat kecepatan penentuan besar sudut segmen tubuh
menjadi berkurang. Hal ini disebabkan karena masih dibutuhkan proses interaksi
user terhadap perangkat lunak untuk menentukan titik koordinat.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
VI-1
BAB VI KESIMPULAN DAN SARAN
Pada bab ini berisi kesimpulan berdasarkan analisis yang telah diuraikan
pada bab sebelumnya serta saran pengembangan penelitian selanjutnya.
6.1 KESIMPULAN
Kesimpulan yang dapat diambil dari penelitian ini, sebagai berikut:
1. Penelitian ini menghasilkan sebuah perangkat lunak untuk penentuan sudut
segmen tubuh dengan memanfaatkan fungsi-fungsi dari fitur Matlab 7.8.
2. Hasil pengujian membuktikan output sudut hasil pengujian dengan perangkat
lunak tidak berbeda secara signifikan dengan Autocad.
6.2 SARAN
Saran untuk penelitian selanjutnya berdasarkan penelitian ini adalah :
1. Penelitian dapat dilakukan dengan meningkatkan kemampuan perangkat
lunak untuk dapat mendeteksi dan mengukur besar sudut secara otomatis.
2. Pengembangan perangkat lunak dapat dilakukan dengan mengurangi
pengaruh kontras pada proses pengolahan citra.
3. Perangkat lunak yang dihasilkan dapat diitergrasikan dengan sistem scoring
RULA yang terkomputerisasi.