pengenalan rambu lalu lintas peringatan …
TRANSCRIPT
i
TUGAS AKHIR
PENGENALAN RAMBU LALU LINTAS
PERINGATAN MENGGUNAKAN MOMEN SPASIAL
DAN MOMEN PUSAT
Diajukan untuk memenuhi syarat
memperoleh gelar Sarjana Teknik pada
Program Studi Teknik Elektro
Fakultas Sains dan Teknologi Universitas Sanata Dharma
disusun oleh:
ADRIEL KRIS NOVIANTO
NIM : 175114015
PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERITAS SANATA DHARMA
YOGYAKARTA
2021
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
FINAL PROJECT
IDENTIFICATION OF WARNING TRAFFIC SIGN
USING SPATIAL AND CENTRAL MOMENTS
Presented as Partial Fulfillment of the Requirements
To Obtain the Bachelor of Engineering Degree
In Study Program of Electrical Engineering
Faculty of Science and Technology, Sanata Dharma University
Compiled by:
ADRIEL KRIS NOVIANTO
NIM : 175114015
DEPARTMENT OF ELECTRICAL ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2021
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
HALAMAN PERSEMBAHAN
“Hasil tidak akan mengkhianati usaha. Nikmati prosesnya, serahkan semuanya pada
Tuhan. Manusia hanya bisa berusaha”
Skripsi ini kupersembahkan untuk :
Tuhan Yesus Kristus, Bunda Maria, Santo Santa
Ibu, Bapak, Dek Elliya
Maria Fetty Yuliana Sari
Sahabat – sahabatku
Teknik Elektro Sanata Dharma
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
INTISARI
Pada saat ini, teknologi berkembang sangat cepat. Salah satu contohnya adalah
computer vision. Computer vision merupakan salah satu cara komputer untuk dapat melihat
dan mendapatkan suatu informasi dari citra, sehingga teknologi ini membuat komputer dapat
melihat dan memproses seperti mata manusia. Berdasarkan perkembangan teknologi
tersebut, dibuatlah sebuah aplikasi yang digunakan untuk mengenali rambu lalu lintas
peringatan yang nantinya akan memudahkan pengguna untuk mengetahui arti rambu
tersebut.
Sistem pengenalan dibuat menggunakan bahasa pemrograman python. Citra rambu
lalu lintas direkam menggunakan kamera HP secara langsung di pinggir jalan raya.
Pemrosesan oleh sistem akan menghasilkan citra dalam bentuk biner sebagai hasil
pengenalan rambu lalu lintas peringatan yang memilik warna kuning. Pengenalan
menggunakan ekstraksi ciri momen spasial dan momen pusat dan menggunakan jarak
kosinus dan klasifikasi k-Nearest Neighbour (k-NN).
Pengenalan rambu lalu lintas peringatan menggunakan 2 input, yaitu gambar dan
video. Pengenalan video dan gambar memilik tingkat pengenalan rata-rata yang sama, hal
ini disebabkan karena objek yang diolah merupakan objek dengan frame yang sama. Tingkat
pengenalan sebesar 82% dengan nilai k=1, 69% dengan nilai k=3, 68% dengan nilai k=5,
dan 64% dengan nilai k=7. Selain berdasarkan nilai k, tingkat rata-rata pengenalan diproses
berdasarkan jarak objek sebesar 77% untuk jarak 1 m, 71% untuk jarak 2 m, dan 64% untuk
jarak 3 m.
Kata kunci : Rambu lalu lintas peringatan, momen spasial dan momen pusat, jarak kosinus,
dan k-Nearest Neighbour (k-NN).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
ABSTRACT
Currently, technology is rapidly improving. Computer vision is one of its examples. It
is a way for computers to see and gain information from imageries, allowing computers to
see and process the way human eyes do. An application can be made based on such
technology, used to identify traffic signs, therefore informing users of the meaning of said
signs.
The recognition system is made using the Python programming language. An image
of a traffic sign is recorded directly through a smartphone camera and processed by the
system into the binary form, resulting in an identified traffic sign with a yellow color code,
for example. The identification process utilizes the extraction of spatial and central
moments’ characteristics and the use of the cosine distance and classification of k-Nearest
Neighbour (k-NN)
The identification of traffic signs using 2 input, that is picture and video. Identification
picture and video have a similar average identification rate, due to objects processed having
similar frames. The identification rate is as big as 82% with the value of k=1, 69% with k=3,
68% with k=5, and 64% with k=7. Alongside the value of k, the average identification rate
is processed based on the distance of the objects, with 77% from a distance of 1 m, 71%
from a distance of 2 m, and 64% from 3 m.
Keywords: warning traffic signs, spatial moment and central moment, cosine distance,
k-Nearest Neighbour (k-NN)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
KATA PENGANTAR
Setiap pekerjaan yang dilakukan seseorang, pasti memiliki rintangan dan halangan. Untuk
mengatasi hal tersebut dibutuhkan dukungan baik dari individu maupun kelompok sehingga
pekerjaan itu terselesaikan. Pada kesempatan ini, penulis mengucapkan terima kasih untuk :
1. Tuhan Yesus Kristus, Bunda Maria, Santo Yosef, Santo Santa pelindung yang telah
memberi dukungan iman dan selalu memberikan jalan di saat tersesat.
2. Kedua orang tua saya dan Dek Elliya yang selalu memberikan semangat dan
dukungan.
3. Maria Fetty Yuliana Sari yang selalu setia memberikan semangat dan selalu siap
memberikan bantuan.
4. Bapak Dr. Linggo Sumarno selaku dosen pembimbing yang sangat sabar
membimbing dan siap sedia memberikan masukan yang berguna untuk
menyelesaikan Tugas Akhir.
5. Bapak Damar Widjaja, Ph.D. dan Ibu Wiwien Widyastuti, S.T., M.T. selaku dosen
penguji yang memberikan kritik dan saran yang sangat membangun demi
pengembangan Tugas Akhir ini.
6. Bapak Ir. Tjendro, M.Kom., selaku Ketua dan Bapak Dr. Linggo Sumarno selaku
Wakil Ketua Program Studi Teknik Elektro, dan Dekan Fakultas Sains dan
Teknologi yang telah memberikan dukungan dan pedampingan baik secara akademik
dan non akademik sehingga penulis dapat menyelesaikan studi dengan baik.
7. Ibu Ir. Th. Prima Ari Setiyani, M.T. selaku Dosen Pembimbing Akademik yang
selalu memberikan arahan selama perkuliahan agar dapat berjalan dengan lancar.
8. Nova Budi Kurniawan dan Septiyan Dwi Prasetya yang telah bersama – sama
menyelesaiakan dan mengerjakan tugas akhir ini.
9. Della, Vicko, Dandi, Yosa, Titan, Yosafat, dan Langgeng selaku teman satu dosen
pembimbing yang selalu memberikan semangat dan berjuang bersama selama
pengerjaan tugas akhir ini.
10. Seluruh dosen dan karyawan Program Studi Teknik Elektro yang telah memberikan
pelayanan baik secara akademik maupun non akademik dan memberikan kelancaran
selama masa perkuliahan berlangsung.
11. Teman teman Teknik Elektro Universitas Sanata Dharma angkatan 2017 yang selalu
mendukung, selalu kompak sejak menjadi bagian keluarga besar Teknik Elektro
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR ISI
HALAMAN SAMPUL (BAHASA INDONESIA) ........................................................ i
HALAMAN SAMPUL (BAHASA INGGRIS) ............................................................. ii
HALAMAN PERSETUJUAN ....................................................................................... iii
HALAMAN PENGESAHAN ........................................................................................ iv
LEMBAR PERNYATAAN KEASLIAN KARYA ....................................................... v
HALAMAN PERSEMBAHAN ..................................................................................... vi
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK
KEPENTINGAN AKADEMIS ...................................................................................... vii
INTISARI ....................................................................................................................... viii
ABSTRACT ..................................................................................................................... ix
KATA PENGANTAR .................................................................................................... x
DAFTAR ISI .................................................................................................................. xii
DAFTAR GAMBAR ...................................................................................................... xv
DAFTAR TABEL .......................................................................................................... xvii
BAB I PENDAHULUAN .............................................................................................. 1
1.1. Latar Belakang ............................................................................................. 1
1.2. Tujuan dan Manfaat ..................................................................................... 2
1.3. Batasan Masalah .......................................................................................... 2
1.4. Metodologi Penelitian ................................................................................. 3
BAB II DASAR TEORI ................................................................................................. 6
2.1. Rambu Lalu Lintas ...................................................................................... 6
2.2. Pengolahan Citra ......................................................................................... 7
2.2.1. Ruang Warna RGB (Red, Green, Blue) ........................................ 7
2.2.2. Hue, Saturation, Value (HSV) ...................................................... 8
2.2.3. Citra Biner .................................................................................... 11
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
2.2.4. Cropping ....................................................................................... 12
2.3. Operasi Morflogi ......................................................................................... 12
2.3.1. Operasi Dilasi dan Erosi ............................................................... 12
2.4. Pengurangan Derau (Noise) ......................................................................... 13
2.5. Bounding Box .............................................................................................. 14
2.6. Momen Spasial dan Momen Pusat .............................................................. 14
2.7. Log Scale ..................................................................................................... 18
2.8. Template Matching ...................................................................................... 18
2.8.1. Fungsi Jarak Kosinus ................................................................... 19
2.9. k-Nearest Neighbour (k-NN) ....................................................................... 20
BAB III RANCANGAN PENELITIAN ........................................................................ 22
3.1. Perancangan Sistem ..................................................................................... 22
3.2. Proses Kerja Sistem ..................................................................................... 23
3.2.1. Input Data ..................................................................................... 25
3.2.2. Preprocessing ............................................................................... 27
3.3. Tahap Ekstraksi Ciri Momen Spasial dan Momen Pusat ............................ 31
3.4. Perhitungan Jarak Kosinus .......................................................................... 32
3.5. Penentuan Keluaran ..................................................................................... 34
3.6. Pembuatan Database ................................................................................... 35
3.7. Pengujian Rambu Lalu Lintas Peringatan ................................................... 36
3.7.1. Pengujian Input Gambar ............................................................... 36
3.7.2. Pengujian Input Video .................................................................. 36
3.8. Menentukan Tingkat Pengenalan Sistem .................................................... 36
3.9. Perancangan GUI ......................................................................................... 37
BAB IV HASIL DAN PEMBAHASAN ........................................................................ 39
4.1. Perubahan Rancangan.................................................................................. 39
4.1.1. Batasan Masalah dan Pengambilan Data ...................................... 39
4.1.2. Perbandingan Hasil CW dan CCW Kotak Kecil dan
Kotak Besar ................................................................................... 40
4.1.3. Metodologi Penelitian .................................................................. 41
4.1.4. Rambu Lalu Lintas Peringatan ..................................................... 42
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
4.1.5. Penghilangan Istilah Real Time dan Non Real Time .................... 42
4.1.6. Rancangan Penelitian .................................................................... 43
4.1.7. Perubahan dan cara Penggunaan GUI ........................................... 46
4.1.8. Pembuatan Database .................................................................... 49
4.2. Hasil Pengujian dan Analisis Data .............................................................. 50
4.2.1. Pengujian Input Video .................................................................. 51
4.2.2. Pengujian Input Gambar ............................................................... 53
4.3. Catatan dalam Penelitian ............................................................................. 55
4.4. Hasil Perbandingan dengan Penelitian Lainnya .......................................... 56
BAB V KESIMPULAN DAN SARAN ......................................................................... 58
4.1. Kesimpulan .................................................................................................. 58
4.2. Saran ............................................................................................................ 58
DAFTAR PUSTAKA ..................................................................................................... 59
LAMPIRAN 1 ................................................................................................................ L-1
A. Data Pengujian Input Video ........................................................................... L-1
B. Data Pengujian Input Gambar ........................................................................ L-7
LAMPIRAN 2 Data Perubahan Rambu Lalu Lintas Peringatan .................................... L-14
LAMPIRAN 3 Nilai Ekstraksi Ciri Database ................................................................ L-15
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
DAFTAR GAMBAR
Gambar 2.1. Contoh Rambu Peringatan Sesuai Undang-Undang ................................ 6
Gambar 2.2. Rambu Peringatan di Jalan Raya.............................................................. 7
Gambar 2.3. Representasi Nilai RGB ........................................................................... 7
Gambar 2.4. Citra RGB ................................................................................................ 8
Gambar 2.5. Representasi 3D Silindris HSV ................................................................ 9
Gambar 2.6. Pembagian Level HSV ............................................................................. 9
Gambar 2.7. (a) Citra HSV ; (b) Komponen Hue ; (c) Komponen Saturation ; (d)
Komponen Value ............................................................................................................ 10
Gambar 2.8. Contoh Citra Biner ................................................................................... 12
Gambar 2.9. Contoh Cropping ...................................................................................... 12
Gambar 2.10. (a) Hasil Operasi Dilasi ; (b) Hasil Operasi Erosi .................................. 13
Gambar 2.11. Hasil Gaussian Filter.............................................................................. 13
Gambar 2.12. Hasil Bounding Box................................................................................ 14
Gambar 2.13. Contoh Citra Untuk Perhitungan Manual .............................................. 15
Gambar 3.1. Perancangan Sistem ................................................................................. 22
Gambar 3.2. Diagam Blok Kerja Sistem Input Gambar ............................................... 23
Gambar 3.3. Diagam Blok Kerja Sistem Input Video .................................................. 24
Gambar 3.4. Diagram Blok Input Data Gambar ........................................................... 26
Gambar 3.5. Diagram Blok Input Data Video .............................................................. 26
Gambar 3.6. Diagram Blok Preprocessing (Input Gambar) ......................................... 27
Gambar 3.7. Diagram Blok Preprocessing (Input Video) ............................................ 28
Gambar 3.8. Diagram Blok Konversi BGR ke HSV .................................................... 29
Gambar 3.9. Diagram Blok Segmentasi HSV (Deteksi Warna Kuning) ...................... 29
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
Gambar 3.10. Diagram Blok Dilasi dan Erosi .............................................................. 30
Gambar 3.11. Diagram Blok Proses Cropping ............................................................. 31
Gambar 3.12. Diagram Blok Ekstraksi Ciri .................................................................. 31
Gambar 3.13. Diagram Blok Fungsi Jarak Kosinus ..................................................... 33
Gambar 3.14. Diagram Blok Penentuan Keluaran ........................................................ 34
Gambar 3.15. Diagram Blok Database ......................................................................... 35
Gambar 3.16. Perancangan GUI ................................................................................... 37
Gambar 4.1. CW dan CCW Kotak Kecil ...................................................................... 39
Gambar 4.2. CW dan CCW Kotak Besar...................................................................... 40
Gambar 4.3. Perbandingan Hasil Kotak Kecil dan Kotak Besar .................................. 41
Gambar 4.4. Perubahan Rambu Peringatan yang digunakan dalam Penelitian ............ 42
Gambar 4.5. Perubahan Diagram Blok Input Gambar .................................................. 43
Gambar 4.6. Perubahan Diagram Blok Prepocessing (Input Gambar)......................... 44
Gambar 4.7. Perubahan Diagram Blok Prepocessing (Input Video) ............................ 45
Gambar 4.8. Tampilan Awal GUI ................................................................................. 46
Gambar 4.9. Tampilan List Box .................................................................................... 46
Gambar 4.10. Tampilan Awal GUI Pengenalan Gambar ............................................. 47
Gambar 4.11. Tampilan Awal GUI Pengenalan Video ................................................ 47
Gambar 4.12. GUI Hasil Pengenalan Gambar .............................................................. 48
Gambar 4.13. GUI Hasil Pengenalan Video ................................................................. 48
Gambar 4.14. Hasil Pengujian Input Video .................................................................. 51
Gambar 4.15. Contoh Gambar Biner 1 ......................................................................... 52
Gambar 4.16. Hasil Pengujian Input Gambar ............................................................... 54
Gambar 4.17. Contoh Gambar Biner 2 ......................................................................... 55
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
DAFTAR TABEL
Tabel 2.1. Hasil Perhitungan Pusat Masa (�̅�) ................................................................ 15
Tabel 2.2. Hasil Perhitungan Pusat Masa (�̅�) ................................................................ 16
Tabel 2.3. Perhitungan Momen Pusat ............................................................................ 17
Tabel 2.4. Hasil Momen Pusat ....................................................................................... 17
Tabel 2.5. Perhitungan Momen Pusat Ternormalisasi ................................................... 17
Tabel 2.6. Hasil Momen Pusat Ternormalisasi .............................................................. 18
Tabel 2.7. Contoh Hasil Perhitungan Tanpa Log Scale ................................................. 18
Tabel 2.8. Contoh Hasil Perhitungan dengan Log Scale ............................................... 18
Tabel 2.9. Hasil Perhitungan Jarak Kosinus .................................................................. 20
Tabel 2.10. Urutan Jarak Kosinus .................................................................................. 20
Tabel 2.11. Pengambilan Nilai Sebanyak k=3 ............................................................... 21
Tabel 2.12. Pengambilan Nilai Sebanyak k=5 ............................................................... 21
Tabel 3.1. Keterangan GUI ............................................................................................ 37
Tabel 4.1. Database Setiap Jarak ................................................................................... 49
Tabel 4.2. Database Gabungan ...................................................................................... 49
Tabel 4.3. Rata-rata Berdasarkan Jarak: Hasil Tingkat Pengenalan .............................. 52
Tabel 4.4. Rata-rata Berdasarkan Nilai k: Hasil Tingkat Pengenalan ........................... 52
Tabel 4.5. Rata-rata Berdasarkan Jarak: Hasil Tingkat Pengenalan .............................. 54
Tabel 4.6. Rata-rata Berdasarkan Nilai k: Hasil Tingkat Pengenalan ........................... 54
Tabel 4.7. Hasil Perbandingan Penelitian ...................................................................... 56
Tabel L-1. Confusion Matrix Jarak 1 m nilai k=1 (input Video) .................................. L-1
Tabel L-2. Confusion Matrix Jarak 1 m nilai k=3 (input Video) .................................. L-2
Tabel L-3. Confusion Matrix Jarak 1 m nilai k=5 (input Video) .................................. L-2
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xviii
Tabel L-4. Confusion Matrix Jarak 1 m nilai k=5 (input Video) .................................. L-3
Tabel L-5. Confusion Matrix Jarak 2 m nilai k=1 (input Video) .................................. L-3
Tabel L-6. Confusion Matrix Jarak 2 m nilai k=3 (input Video) .................................. L-4
Tabel L-7. Confusion Matrix Jarak 2 m nilai k=5 (input Video) .................................. L-4
Tabel L-8. Confusion Matrix Jarak 2 m nilai k=7 (input Video) .................................. L-5
Tabel L-9. Confusion Matrix Jarak 3 m nilai k=1 (input Video) .................................. L-5
Tabel L-10. Confusion Matrix Jarak 3 m nilai k=3 (input Video) ................................ L-6
Tabel L-11. Confusion Matrix Jarak 3 m nilai k=5 (input Video) ................................ L-6
Tabel L-12. Confusion Matrix Jarak 3 m nilai k=7 (input Video) ................................ L-7
Tabel L-13. Confusion Matrix Jarak 1 m nilai k=1 (input Gambar) ............................. L-8
Tabel L-14. Confusion Matrix Jarak 1 m nilai k=3 (input Gambar) ............................. L-8
Tabel L-15. Confusion Matrix Jarak 1 m nilai k=5 (input Gambar) ............................. L-9
Tabel L-16. Confusion Matrix Jarak 1 m nilai k=7 (input Gambar) ............................. L-9
Tabel L-17. Confusion Matrix Jarak 2 m nilai k=1 (input Gambar) ............................. L-10
Tabel L-18. Confusion Matrix Jarak 2 m nilai k=3 (input Gambar) ............................. L-10
Tabel L-19. Confusion Matrix Jarak 2 m nilai k=5 (input Gambar) ............................. L-11
Tabel L-20. Confusion Matrix Jarak 2 m nilai k=7 (input Gambar) ............................. L-11
Tabel L-21. Confusion Matrix Jarak 3 m nilai k=1 (input Gambar) ............................. L-12
Tabel L-22. Confusion Matrix Jarak 3 m nilai k=3 (input Gambar) ............................. L-12
Tabel L-23. Confusion Matrix Jarak 3 m nilai k=5 (input Gambar) ............................. L-13
Tabel L-24. Confusion Matrix Jarak 3 m nilai k=7 (input Gambar) ............................. L-13
Tabel L-25. Data Perubahan Rambu Lalu Lintas Peringatan ........................................ L-14
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
1.1 . Latar Belakang
Pada jaman ini teknologi berkembang sangat cepat. Computer vision merupakan
contoh salah satu teknologi yang dikembangkan. Computer vision adalah sebuah teknologi
yang membuat sebuah komputer dapat melihat dan mengenali suatu informasi dari suatu
gambar atau citra sehingga komputer ini dapat memiliki kemampuan seperti mata manusia
dan menangkap informasi secara visual [1]. Berdasarkan teknologi yang ada tersebut, maka
penulis membuat suatu program sehingga komputer dapat mengenali lambang rambu-rambu
lalu lintas. Gambar yang akan dikenali yaitu gambar rambu-rambu lalu lintas peringatan
yang terdapat di jalan raya (real location).
Sistem pengenalan rambu-rambu lalu lintas ini bersifat real location menggunakan
kamera handphone untuk mengambil citra. Penelitian mengenai rambu lalu lintas
sebelumnya telah dilakukan oleh Nugroho tentang Pengenalan Secara Real Time Rambu
Lalu Lintas Peringatan Menggunakan Ekstraksi Ciri Wavelet Haar dan Fungsi Jarak Chi
Square [2] dan Rizarta tentang Pengenalan Citra Rambu Lalu Lintas Menggunakan Ekstraksi
Fitur Momen Warna dan K-Nearest Neighbour [3]. Perbedaan penelitian yang akan
dilakukan ini dengan penelitian sebelumnya dibagi menjadi beberapa poin, antara lain :
ekstraksi ciri, pemrograman, fungsi jarak, pengambilan input, dan jumlah input. Persamaan
penelitian ini dengan penelitian sebelumnya yaitu melakukan pengenalan terhadap rambu-
rambu lalu lintas.
Berdasarkan penelitian yang sudah dilakukan, maka penulis melakukan penelitian
lanjutan dengan menggunakan metode dan fungsi yang berbeda. Hal ini bertujuan untuk
mengembangkan penelitian-penelitian yang telah dilakukan sebelumnya. Penelitian ini bila
dikembangkan nantinya dapat memberikan informasi kepada pengemudi kendaraan
mengenai rambu-rambu lalu lintas yang ada di jalan raya. Hal ini dapat membantu
pengendara lebih fokus di jalan raya dan dapat mengurangi resiko kecelakaan serta
pelanggaran-pelanggaran lalu lintas.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
1.2. Tujuan dan Manfaat
Tujuan dari penelitian ini adalah membuat aplikasi pengenalan rambu-rambu lalu
lintas peringatan yang ada di jalan raya.
Manfaat penelitian ini yaitu :
a. Sebagai referensi untuk penelitian tentang pengenalan rambu-rambu lalu lintas.
b. Sebagai media bahan ajar mengenai computer vision.
1.3. Batasan Masalah
Sistem pengenalan rambu-rambu lalu lintas peringatan ini terdiri dari perangkat keras
(hardware) yang berupa laptop dan kamera ponsel, serta perangkat lunak (software) yang
berupa bahasa pemrograman python, yang digunakan untuk proses pengolahan data.
Pada penelitian ini, yang menjadi fokus penulis adalah pembuatan software komputer
yang nantinya akan digunakan untuk mengenali rambu-rambu lalu lintas peringatan.
Sedangkan untuk hardware berupa laptop dan kamera ponsel yang sudah dimiliki penulis.
Selain itu, penulis juga menetapkan beberapa batasan masalah, antara lain sebagai berikut :
a. Masukan data berasal dari gambar rambu-rambu lalu lintas peringatan berjumlah
10 rambu dengan latar belakang tidak ada warna kuning dan diambil diambil secara
langsung di jalan raya dengan posisi rambu sebelah kiri dan tidak ada halangan
pada rambu
b. Sepuluh rambu peringatan dalam penelitian adalah banyak lalu lintas pejalan kaki
anak-anak, Peringatan (ditegaskan penjelasan jenis peringatan dengan
menggunakan papan tambahan, contoh : hati-hati), Jembatan, Penyempitan Bagan
Jalinan Jalan Tertentu, Pintu Perlintasan Sebidang Kereta Api, Persimpangan Tiga
Sisi Kanan, Persimpangan Tiga Sisi Kiri, Tikungan ke Kanan, Tikungan ke Kiri,
Alat Pemberi Isyarat Lalu Lintas, dan Simpang Empat Prioritas.
c. Pengambilan gambar dan video menggunakan kamera ponsel.
d. Pemrograman dan tampilan GUI menggunakan pemrograman Python di laptop.
e. Variasi penyekalaan dilakukan dengan variasi jarak pada masing masing rambu,
jarak yang digunakan mulai 1m kemudian kelipatan 1m hingga rambu tidak dapat
dikenali.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
f. Variasi sudut menyerong yang digunakan adalah dimulai dari 0𝑜 kemudian
kelipatan 5𝑜 hingga rambu tidak dapat dikenali pada masing masing jarak dan
rambu.
g. Variasi translasi dilakukan di 3 titik sebelah kiri (atas, tengah, bawah) pada masing
masing jarak dan rambu.
h. Pengenalan rambu lalu lintas ini menggunakan momen spasial dan momen pusat
serta jarak kosinus.
i. Hasil pengenalan berupa teks di layar monitor laptop.
j. Sistem pengenalan bersifat real location, real time (input video) dan non real time
(input image).
k. Jika ada rambu lain di luar 10 rambu yang dilatihkan maka akan dikenali sebagai
salah satu dari 10 rambu yang dilatihkan.
1.4. Metodologi Penelitian
Langkah-langkah yang akan dilakukan dalam pengerjaan tugas akhir, yaitu :
a. Studi literatur
Studi literatur merupakan hal yang penting, karena dengan studi literatur penulis
dapat mengetahui informasi yang diinginkan. Cara yang dilakukan, yaitu dengan
mengumpulkan dan mempelajari jurnal-jurnal dan penelitian-penelitian, baik yang
berasal dari Universitas Sanata Dharma maupun jurnal dan penelitian dari luar
Universitas Sanata Dharma. Studi literatur juga dapat bersumber dari media
internet dan media-media lain yang terpercaya. Studi literatur dilakukan untuk
mempelajari dan memperdalam ilmu mengenai topik penelitian ini.
b. Perancangan software
Tahap selanjutnya merupakan tahap perancangan pada software dengan bahasa
pemrograman Python. Tahap ini bertujuan untuk memberikan gambaran
bagaimana sistem nantinya akan bekerja sehingga sesuai dengan yang diharapkan.
Cara yang dapat dilakukan adalah dengan mengetahui dahulu garis besar proses
program, kemudian membuat rencana kerangka GUI dan komponen apa saja yang
akan dimasukkan ke dalam GUI. Software yang akan dibuat terdiri dari 2 software,
yaitu software dengan input gambar (non real time) dan software dengan input
video (real time).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
c. Pembuatan software
Pembuatan software ini merupakan implementasi dari perancangan yang telah
dilakukan sebelumnya. Pembuatan software ini terbagi menjadi 3 bagian, yaitu
preprocessing, ekstraksi ciri, dan klasifikasi. Sistem pengenalan rambu lalu lintas
peringatan ini bekerja apabila pengguna memasukkan gambar atau video yang
sudah diambil sebelumnya menggunakan kamera ponsel pada rambu peringatan di
jalan raya. Tahap pertama adalah tahap preprocessing, yaitu dengan mengkonversi
citra RGB ke citra HSV. Kemudian dari citra HSV penulis mengambil citra hue,
dari citra hue tersebut kemudian dikonversi menjadi citra biner. Tahap selanjutnya
adalah proses cropping untuk mengambil bagian yang akan diproses dan
menghilangkan bagian yang tidak diinginkan. Setelah tahap preprocessing tahap
selanjutnya adalah proses pengenalan rambu-rambu lalu lintas peringatan terdiri
dari tahap ekstraksi ciri dan tahap fungsi jarak, dalam tahap ini nantinya akan
dibandingkan juga dengan data pada database. Tahap terakhir adalah klasifikasi,
yaitu proses penentuan keluaran dan menampilkan hasil pada layar monitor laptop
dengan menggunakan klasifikasi k-NN.
d. Pengambilan data
Pengambilan data dilakukan untuk pembuatan data pada database yang nantinya
akan dibandingkan dengan data pengujian. Data yang diambil yaitu hasil ekstraksi
ciri. Data diambil berdasarkan variasi penelitian yaitu penyekalaan dengan variasi
jarak 1m dengan kelipatan 1m hingga rambu tidak dapat dikenali. Kemudian
variasi sudut menyerong (melenceng) dengan variasi sudut dimulai dari 0𝑜
kemudian kelipatan 5𝑜 hingga rambu tidak dapat dikenali. Penulis menggunakan
variasi translasi 3 titik sebelah kiri. Masing masing variasi dilakukan pada masing-
masing rambu. Pengambilan data ini akan dilakukan di 3 lokasi yang berbeda, 1
lokasi untuk database dan 2 lokasi untuk data uji. Selain untuk database,
pengambilan data juga dilakukan untuk pengujian kinerja sistem tersebut. Jumlah
data untuk database adalah 350 (5 jarak + 15 titik + 15 sudut x 10 rambu) dan
jumlah data untuk pengujian sistem berjumlah 700 data (350 x 2 lokasi).
e. Analisa dan kesimpulan
Analisa dilakukan untuk mengetahui potensi keberhasilan program untuk
mengenali rambu-rambu lalu lintas peringatan dan mencari variasi penelitian yang
terbaik yang menghasilkan tingkat pengenalan rambu yang optimal. Hal ini
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
diperoleh dengan melihat apakah hasil data uji sudah sesuai dengan data pada
database yang telah dibuat. Hasil pengenalan penelitian ini akan dibandingkan
dengan hasil penelitian sebelumnya. Kesimpulan dilakukan untuk menyimpulkan
analisa atau pembahasan mengenai hasil penelitian..
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
BAB II
DASAR TEORI
2.1. Rambu Lalu Lintas
Rambu lalu lintas adalah bagian perlengkapan jalan yang berupa lambang, huruf,
angka, kalimat, dan/atau perpaduan yang berfungsi sebagai peringatan, larangan, perintah,
atau petunju bagi pengguna jalan [4].
Di Indonesia rambu-rambu lalu lintas terbagi menjadi 4 jenis, yaitu rambu peringatan,
rambu perintah, rambu larangan, dan rambu petunjuk. Pada penelitian ini, penulis
menggunakan rambu peringatan (Gambar 2.1.). Rambu peringatan adalah sebuah rambu
yang digunakan untuk memberi peringatan kemungkinan ada bahaya atau tempat berbahaya
di depan pengguna jalan. Warna dasar rambu peringatan adalah berwarna kuning dengan
lambing atau tulisan berwarna hitam.
(a) (b) (c) (d) (e)
(f) (g) (h) (i) (j)
Gambar 2.1. Contoh Rambu Peringatan Sesuai Undang-Undang. (a) Banyak Lalu
Lintas Pejalan Kaki Anak-anak ; (b) Peringatan (ditegaskan penjelasan jenis peringatan
dengan menggunakan papan tambahan, contoh : hati-hati) ; (c) Jembatan, Penyempitan
Bagan Jalinan Jalan Tertentu ; (d) Pintu Perlintasan Sebidang Kereta Api ; (e)
Persimpangan Tiga Sisi Kanan ; (f) Persimpangan Tiga Sisi Kiri ; (g) Tikungan ke Kanan ;
(h) Tikungan ke Kiri ; (i) Alat Pemberi Isyarat Lalu Lintas ; (j) Simpang Empat Prioritas
[4].
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
Gambar 2.2. Rambu Peringatan di Jalan Raya
2.2. Pengolahan Citra
Pengolahan citra adalah bidang ilmu yang mempelajari tentang bagaimana suatu citra
dibentuk, diolah, dan dianalisis sehingga menghasilkan informasi yang dapat dipahami
manusia. Citra yang dimaksud dapat berupa citra diam (gambar) maupun citra bergerak
(berasal dari webcam atau video) [5].
2.2.1. Ruang Warna RGB (Red, Green, Blue)
Model warna RGB adalah model warna berdasarkan konsep penambahan kuat
cahaya primer yaitu Red, Green, dan Blue [6]. Bila dalam suatu ruang sama sekali tidak ada
cahaya, maka ruang tersebut gelap total, tidak ada sinyal gelombang cahaya yang diserap
oleh mata kita atau RGB (0,0,0). Apabila di dalam suatu ruangan ada 2 macam cahaya primer
(merah dan hijau) atau (merah dan biru) atau (hijau dan biru) maka ruangan tersebut akan
berubah warna menjadi kuning, atau magenta atau cyan. Warna yang dibentuk dari 2
kombinasi warna tersebut adalah warna sekunder. Sedangkan untuk warna tersier (abu-abu,
putih) terbentuk dari gabungan 3 warna primer.
Gambar 2.3. Representasi Nilai RGB [7]
Pada perhitungan dalam program program komputer model warna direpresentasikan
dengan nilai komponennya. Gambar 2.3. menunjukkan koordinat 3D dengan nilai masing
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
masing komponen terdapat 256 tingkat, nilai intensitas masing-masing warna pokok
berbeda, nilai maksimum adalah 255 atau 28 = 8 bit. Bila masing-masing komponen warna
bernilai maksimal maka sama dengan 24 bit, sehingga terdapat 16.777.216 warna.
Pembagian ruang warna RGB ditunjukkan pada Gambar 2.4.
a b
c d
Gambar 2.4. (a) Citra RGB ; (b) Komponen Red ; (c) Komponen Green ; (d)
Komponen Blue
2.2.2. Hue, Saturation, Value (HSV)
Model warna HSV mendefinisikan warna dalam terminologi Hue, Saturation, dan
Value. Hue merupakan warna sebenarnya, seperti merah, violet, dan kuning. Hue digunakan
untuk membedakan warna-warna dan menentukan kemerahan (redness), kehijauan
(greenness) dan sebagainya dari suatu cahaya. Hue berasosiasi dengan panjang gelombang
cahaya. Untuk menentukan kemurnian suatu warna maka digunakan saturation. Saturation
bekerja untuk mengindikasikan seberapa banyak warna putih yang akan diberikan pada suatu
cahaya. Banyaknya cahaya yang diterima oleh mata manusia tanpa memperdulikan warna
dapat disebut value [6].
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
Gambar 2.5. Reperesentasi 3D silindris HSV [8]
Pada Gambar 2.5. merupakan gambar distribusi warna dalam ruang silinder 3D-HSV.
Semua warna yang terletak di pinggir silinder merupakan warna dengan nilai saturasi 100%
(tidak mengandung cahaya putih) atau merupakan warna utama, sedangkan semakin ke
dalam warna akan semakin menuju putih (tingkat saturasi 0%). Semakin ke bawah warna
akan semakin gelap, semakin ke atas warna akan semakin cerah.
Gambar 2.6. Pembagian Level HSV [9]
Pada Gambar 2.6. menunjukkan bahwa hue memiliki rentang derajat nilai 0-360
dengan pembagian warna seperti pada Gambar 2.6. dalam penelitian ini yang digunakan
adalah citra hue , sedangkan untuk saturation memiliki rentang presentase 0-100 dengan 0
warna akan menjadi gelap dan 100 warna akan semakin cerah. Untuk value atau kecerahan
rentang presentase 0-100, semakin tinggi presentase kecerahan maka cahaya putih akan
semakin nampak. Pembagian warna HSV ditunjukkan pada Gambar 2.7. Citra HSV akan
digunakan dalam pengujian, citra HSV diubah menjadi citra biner untuk mendapatkan hasil
ekstraksi ciri masing – masing rambu. Citra hue merupakan citra yang digunakan ketika
sistem sudah berjalan, sedangkan untuk saturation dan value tidak digunakan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
a b
c d
Gambar 2.7. (a) Citra HSV ; (b) Komponen Hue ; (c) Komponen Saturation ; (d)
Komponen Value
Untuk mendapatkan nilai H, S, V berdasarkan warna R, G, B terdapat beberapa cara,
yaitu [8]:
𝐻 = tan (3(𝐺−𝐵)
(𝑅−𝐺)+(𝑅−𝐵))
(2.1)
𝑆 = 1 −min(𝑅,𝐺,𝐵)
𝑉
𝑉 =𝑅+𝐺+𝐵
3
Persamaan 2.1. merupakan cara perhitungan pertama untuk mencari nilai Hue,
Saturation, dan Value.
Pada persamaan 2.1. membuat hue tidak terdefinisi apabila S bernilai 0. Oleh karena
itu perlu dilakukan normalisasi terhadap R, G, B seperti pada Persamaan 2.2. berikut:
𝑟 =𝑅
(𝑅 + 𝐺 + 𝐵); 𝑔 =
𝐺
(𝑅 + 𝐺 + 𝐵); 𝑏 =
𝐵
(𝑅 + 𝐺 + 𝐵)
(2.2)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
Berdasarkan nilai normalisasi dengan Persamaan 2.2, maka dapat dihitung untuk
memeperoleh nilai H, S, V seperti pada Persamaan 2.3. berikut:
𝑉 = max(𝑟, 𝑔, 𝑏)
(2.3)
𝑆 = {
0, 𝑗𝑖𝑘𝑎𝑉 = 0
1 −min(𝑟, 𝑔, 𝑏)
𝑉, 𝑉 > 0
𝐻 =
{
0, 𝑗𝑖𝑘𝑎𝑆 = 060(𝑔 − 𝑏)
(𝑠)(𝑣), 𝑗𝑖𝑘𝑎𝑉 = 𝑟
60 [2 +𝑏 − 𝑟
(𝑠)(𝑣)] , 𝑗𝑖𝑘𝑎𝑉 = 𝑔
60 [4 +𝑟 − 𝑔
(𝑠)(𝑣)] , 𝑗𝑖𝑘𝑎𝑉 = 𝑏
𝐻 = 𝐻 + 360
2.2.3. 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.
Pada aplikasinya, cita biner masih tetap dibutuhkan [10].
Proses segmentasi citra untuk menghasilkan citra biner dengan cara membedakan
antara objek yang akan digunakan dengan latar belakangnya. Pada penelitian ini citra yang
dikenali hanya satu objek. Citra yang dijadikan objek adalah citra yang berwarna kuning
seperti level warna hue pada Gambar 2.6.
Operasi citra biner diawali dengan menambah saturation dan brightness pada citra
yang didapat. Kemudian lakukan konversi citra RGB ke citra HSV. Pada Python nilai biner
1 direalisasikan dengan warna putih dan nilai biner 0 direalisasikan dengan nilai biner hitam.
Penulis menggunakan Gaussian Blur untuk mengurangi noise pada citra sehingga objek
yang akan digunakan tidak terganggu dengan adanya noise. Contoh citra biner dapat
ditampilkan pada Gambar 2.8.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
Gambar 2.8. Contoh Citra Biner
2.2.4. Cropping
Cropping merupakan cara agar pengolahan citra menjadi lebih mudah. Cara ini
menentukan objek yang akan digunakan untuk pengolahan citra, sedangkan objek yang lain
yang tidak dibutuhkan akan dipotong atau dihilangkan sehingga tidak menganggu proses
pengolahan citra. Pada penelitian ini, penulis menggunakan objek yang terbesar sebagai
objek penelitian, sehingga objek-objek kecil atau noise yang ada di sekitarnya akan hilang
atau terpotong, hal ini akan mempermudah pengenalan citra selanjutnya. Contoh cropping
ditampilkan pada Gambar 2.9.
Gambar 2.9. Contoh Cropping
2.3. Operasi Morfologi
Operasi morfologi adalah operasi yang dilakukan pada citra biner (hitam-putih) untuk
mengubah struktur suatu objek yang terkandung dalam suatu citra sehingga objek tersebut
dapat dideteksi [11].
2.3.1. Operasi Dilasi dan Erosi
Operasi dilasi dan erosi merupakan salah satu contoh operasi morfologi dalam
pengolahan citra digital. Operasi dilasi digunakan untuk melakukan pelebaran pada struktur
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
piksel objek. Operasi erosi digunakan untuk memperkecil stuktur piksel objek [11]. Contoh
operasi morfologi ditampilkan pada Gambar 2.10.
a b
Gambar 2.10. (a) Hasil Operasi Dilasi ; (b) Hasil Operasi Erosi
2.4. Pengurangan Derau (Noise)
Noise atau derau adalah gangguan atau kecacatan pada suatu citra sehingga
mengakibatkan informasi pada citra tersebut hilang [12]. Pada penelitian ini penulis
menggunakan metode Gaussian Filter dan Median Filter untuk pengurangan derau.
Gaussian filter digunakan untuk menghilangkan derau yang muncul pada saat konversi BGR
ke HSV ditunjukkan pada Gambar 2.7.(a), gambar yang telah dikonversi memiliki (noise)
berupa titik – titik hitam kecil yang akan menganggu pada saat proses ekstraksi ciri. Derau
disekitar objek dihilangkan supaya warna kuning pada objek terlihat lebih jelas sehingga
mudah dikenali. Gaussian Filter digunakan ketika tampilan citra masih utuh (Gambar 2.11.).
Median filter digunakan ketika objek yang akan dideteksi sudah dipotong dan dalam bentuk
gambar biner (Gambar 2.9.).
Gambar 2.11. Hasil Gaussian Filter
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
2.5. Bounding Box
Bounding box merupakan kotak pembatas yang berfungsi sebagai titik acuan objek
yang akan diteliti [13]. Pada penelitian ini bounding box hanya digunakan pada pengenalan
dengan input berupa video. Contoh bounding box ditampilkan pada Gambar 2.12.
Gambar 2.12. Bounding box
2.6. Momen Spasial dan Momen Pusat
Area, posisi, orientasi, dan parameter terdefinisi lainnya pada suatu objek dapat
digambarkan dengan momen. Momen spasial orde (m, n) dapat didefinisikan seperti
Persamaan 2.4. [11].
𝑀𝑖𝑗 = ∑ ∑ 𝑥𝑖𝑦𝑖𝑁
𝑦=1𝐼(𝑥, 𝑦)
𝑀
𝑋=1
(2.4)
Keterangan :
𝑖, 𝑗 = 0, 1, 2,.., dengan 𝑖𝑗 menyatakan orde momen
𝑀 = jumlah kolom pada citra
𝑁 = jumlah baris pada citra
𝑋 = ordinat piksel
𝑦 = absis piksel
𝐼(𝑥, 𝑦) = intensitas piksel pada posisi (𝑥, 𝑦)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Momen pusat adalah momen spasial yang dihitung relatif terhadap pusat massa. Jika
pusat massa adalah (𝑥,̅ �̅�), momen pusat ditulis seperti Persamaan 2.5.
μ𝑖𝑗 =∑ ∑ (𝑥 − �̅�)𝑖(𝑦 − �̅�)𝑗𝐼(𝑥, 𝑦)𝑁
𝑦=1
𝑀
𝑋=1
(2.5)
Momen pada Persamaan 2.5. bersifat invariant (tidak terpengaruh) terhadap translasi.
Dalam hal ini, �̅� dan �̅� diperoleh melalui Persamaan 2.6.
�̅� = 𝑀10𝑀00
, �̅� = 𝑀01
𝑀00
(2.6)
Normalisasi perlu dilakukan agar tidak terpengaruh tidak hanya terhadap translasi,
namun juga terhadap penyekalaan serta rotasi. Momen pusat ternormalisasi dapat dilakukan
dengan Persamaan 2.7.
ŋ𝑖𝑗 =𝜇𝑝𝑞
𝜇00𝑦, 𝑦 =
𝑖+𝑗+2
2 (2.7)
Contoh citra biner untuk perhitungan manual seperti pada Gambar 2.13.
Gambar 2.13. Contoh Citra Untuk Perhitungan Manual
Pertama kali dilakukan perhitungan untuk mendapatkan nilai𝑥,̅ �̅� seperti Persamaan 2.6.
�̅� =𝑀10𝑀00
=∑𝑥1𝑦0(𝐼(𝑥, 𝑦) > 0)
∑𝑥0𝑦0(𝐼(𝑥, 𝑦) > 0)=∑𝑥1𝑦0(𝐼(𝑥, 𝑦) > 0)
∑𝑥0𝑦0(𝐼(𝑥, 𝑦) > 0)
Tabel 2.1. Perhitungan Pusat Masa (�̅�)
X Y X1 Y0 X0 Y0 X1Y0 X0Y0 ∑𝑋1𝑌0
∑𝑋0𝑌0 1 2 1 1 1 1 1 1
2 2 2 1 1 1 2 1
4 2 4 1 1 1 4 1
5 2 5 1 1 1 5 1
1 3 1 1 1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
Tabel 2.1. (lanjutan) Perhitungan Pusat Masa (�̅�)
X Y X1 Y0 X0 Y0 X1Y0 X0Y0 ∑𝑋1𝑌0
∑𝑋0𝑌0 2 3 2 1 1 1 2 1
4 3 4 1 1 1 4 1
5 3 5 1 1 1 5 1
1 4 1 1 1 1 1 1
2 4 2 1 1 1 2 1
4 4 4 1 1 1 4 1
5 4 5 1 1 1 5 1
1 5 1 1 1 1 1 1
2 5 2 1 1 1 2 1
4 5 4 1 1 1 4 1
5 5 5 1 1 1 5 1
∑ 48 16 3
�̅� =𝑀01
𝑀00=∑𝑥0𝑦1(𝐼(𝑥, 𝑦) > 0)
∑𝑥0𝑦0(𝐼(𝑥, 𝑦) > 0)=∑𝑥0𝑦1(𝐼(𝑥, 𝑦) > 0)
∑𝑥0𝑦0(𝐼(𝑥, 𝑦) > 0)
Tabel 2.2. Perhitungan Pusat Masa (�̅�)
X Y X0 Y1 X0 Y0 X0Y1 X0Y0 ∑𝑋0𝑌1
∑𝑋0𝑌0 1 2 1 2 1 1 2 1
2 2 1 2 1 1 2 1
4 2 1 2 1 1 2 1
5 2 1 2 1 1 2 1
1 3 1 3 1 1 3 1
2 3 1 3 1 1 3 1
4 3 1 3 1 1 3 1
5 3 1 3 1 1 3 1
1 4 1 4 1 1 4 1
2 4 1 4 1 1 4 1
4 4 1 4 1 1 4 1
5 4 1 4 1 1 4 1
1 5 1 5 1 1 5 1
2 5 1 5 1 1 5 1
4 5 1 5 1 1 5 1
5 5 1 5 1 1 5 1
∑ 56 16 3,5
Langkah selanjutnya menghitung momen pusat seperti pada Persamaan 2.5.
𝜇20=∑(𝑥−�̅�)𝑖(𝑦−�̅�)𝑗(𝐼(𝑥,𝑦)>0)
= ∑(𝑥 − �̅�)2(𝑦 − �̅�)0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
Tabel 2.3. Perhitungan Momen Pusat
X Y �̅� �̅� ∑(𝑥− �̅�)2(𝑦− �̅�)0
∑(𝑥− �̅�)0(𝑦− �̅�)2
∑(𝑥− �̅�)1(𝑦− �̅�)1
∑(𝑥− �̅�)3(𝑦− �̅�)0
∑(𝑥− �̅�)0(𝑦− �̅�)3
∑(𝑥− �̅�)1(𝑦− �̅�)2
∑(𝑥− �̅�)2(𝑦− �̅�)1
1 2 3 3,5 4 2,25 3 -8 -3,375 -4,5 -6
2 2 3 3,5 1 2,25 1,5 -1 -3,375 -2,25 -1,5
4 2 3 3,5 1 2,25 -1,5 1 -3,375 2,25 -1,5
5 2 3 3,5 4 2,25 3 8 -3,375 4,5 -6
1 3 3 3,5 4 0,25 1 -8 -0,125 -0,5 -2
2 3 3 3,5 1 0,25 0,5 -1 -0,125 -0,25 -0,5
4 3 3 3,5 1 0,25 -0,5 1 -0,125 0,25 -0,5
5 3 3 3,5 4 0,25 -1 8 -0,125 0,5 -2
1 4 3 3,5 4 0,25 -1 -8 0,125 -0,5 2
2 4 3 3,5 1 0,25 -0,5 -1 0,125 -0,25 0,5
4 4 3 3,5 1 0,25 0,5 1 0,125 0,25 0,5
5 4 3 3,5 4 025 1 8 0,125 0,5 2
1 5 3 3,5 4 2,25 -3 -8 3,375 -4,5 6
2 5 3 3,5 1 2,25 -1,5 -1 3,375 -2,25 1,5
4 5 3 3,5 1 2,25 1,5 1 3,375 2,25 1,5
5 5 3 3,5 4 2,25 3 1 3,375 4,5 6
∑ 40 20 0 0 0 0 0
Tabel 2.4. Hasil Momen Pusat
𝜇20 𝜇02 𝜇11 𝜇30 𝜇03 𝜇12 𝜇21
40 20 0 0 0 0 0
Setelah mendapatkan nilai momen pusat kemudian dilakukan perhitungan momen pusat
ternormalisasi seperti pada Persamaan 2.7.
Tabel 2.5. Perhitungan Momen Pusat Ternormalisasi
p/i q/j 𝑦 =
𝑖 + 𝑗 + 2
2
𝜇𝑝𝑞 𝜇00𝑦 ŋ𝑖𝑗 =𝜇𝑝𝑞
𝜇00𝑦
2 0 2 40 256 0,15625
0 2 2 20 256 0,078125
1 1 2 0 256 0
3 0 2,5 0 1024 0
0 3 2,5 0 1024 0
1 2 2,5 0 1024 0
2 1 2,5 -11 1024 0
Masing – masing rambu memiliki nilai ektstraksi ciri yang berbeda dan akan digunakan
dalam sistem pengenalan. Hasil momen pusat ternormalisasi ditunjukkan Tabel 2.6.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Tabel 2.6. Hasil Momen Pusat Ternormalisasi
ŋ20 ŋ02 ŋ11 ŋ30 ŋ03 ŋ12 ŋ21
0,15625 0,178125 0 0 0 0 0
2.7. Log Scale
Hasil perhitungan momen spasial dan momen pusat terkadang memiliki rentang nilai
yang cukup jauh pada masing-masing nilai [14]. Log scale digunakan untuk mengurangi
rentang pada hasil perhitungan momen spasial dan momen pusat. Log scale pada momen
spasial dan momen pusat dapat ditunjukkan pada Persamaan 2.8.
Hi = - sign(I) log|I| (2.8)
Keterangan: I merupakan nilai ekstraksi ciri momen spasial dan momen pusat
Tabel 2.7. menunjukkan salah satu contoh hasil perhitungan momen spasial dan
momen pusat dengan rentang jarak yang cukup jauh.
Tabel 2.7. Contoh Hasil Perhitungan Tanpa Log Scale
ŋ20 ŋ02 ŋ11 ŋ30 ŋ03 ŋ12 ŋ21
3,55.10-6 0,19.10-14 2,06.10-20 3,29.10-10 6,46.10-2 1,11.10-8 1,91.10-5
Setelah diketahui ketujuh nilai dari momen spasial dan momen pusat kemudian dilakukan
perhitungan log scale seperti pada Persamaan 2.8.
Tabel 2.8. Contoh Hasil Perhitungan dengan Log Scale
ŋ20 ŋ02 ŋ11 ŋ30 ŋ03 ŋ12 ŋ21
5,449 14,721 19,686 9,482 1,189 7,954 4,718
2.8. Template Matching
Template matching adalah sebuah teknik dalam pengolahan citra untuk menemukan
bagian-bagian kecil dari gambar yang cocok dengan template gambar. Metode template
machine merupakan salah satu metode yang digunakan untuk menjelaskan bagaimana otak
kita mengenali kembali bentuk-bentuk atau pola-pola [15]. Template matching dalam
penelitian ini yaitu fungsi jarak kosinus. Fungsi jarak kosinus merupakan sebuah fungsi yan
digunakan untuk mencari hasil pengenalan, jarak yang terdekat dengan database menjadi
hasil pengenalan dari sistem tersebut.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
2.8.1. Fungsi Jarak Kosinus
Fungsi jarak kosinus digunakan untuk menghitung nilai jarak antara nilai data uji
dengan nilai database. Perhitungan fungsi jarak kosinus ditunjukkan pada Persamaan 2.9.
𝐷𝐶𝑜𝑠 = 1 −∑ 𝑃𝑖𝑑𝑖=1 𝑄𝑖
√∑ 𝑃𝑖2𝑑
𝑖=1 √∑ 𝑄𝑖2𝑑
𝑖=1
(2.9)
Dimana:
d = banyaknya data
P = input data uji
Q = data dari database
Perhitungan fungsi jarak kosinus digunakan untuk menentukan keluaran akhir
program. Berikut adalah contoh perhitungan manual untuk fungsi jarak kosinus.
P = [10 5]
Q1 = [3 2]
Q2 = [7 8]
Q3 = [1 1]
Q4 = [4 6]
Q5 = [1 3]
Q6 = [9 5]
Berdasarkan Persamaan 2.9. dapat dilakukan perhitungan sebagai berikut.
P.Q = (10.3) + (5.2) = 40
‖𝑃‖ = √102 + 52 = 11,18
‖𝑄‖ = √32 + 22 = 3,60
Nilai diatas dapat menghasilkan jarak kosinus
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
𝐷𝑐𝑜𝑠 = 1 −𝑃.𝑄
‖𝑃‖‖𝑄‖= 1 −
40
(11,18)(3,60)= 0,00616
Berdasarkan Nilai vektor P yang sama dan mengganti nilai Q seperti pada Tabel 2.9., maka
dihasilkan nilai jarak kosinus sebagai berikut.
Tabel 2.9. Hasil Perhitungan Jarak Kosinus
Q1 Q2 P.Q ‖𝑃‖ ‖𝑄‖ 𝐷𝑐𝑜𝑠 Kelas 1
D1 3 2 40 11,18 3,60 0,00616
D2 7 8 110 11,18 10,63 0,05028
D3 9 5 115 11,18 10,29 0,00036
Kelas 2
D4 4 6 70 11,18 7,21 0,13159
D5 1 3 25 11,18 3,16 0,29236
D6 1 1 15 11,18 1,41 0,04845
2.9. k-Nearest Neighbour
k-Nearest neighbour atau K-NN adalah sebuah metode klasifikasi terhadap objek
berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek penelitian atau
biasa disebut tetangga terdekat [16].
Cara kerja k-NN sebagai berikut:
1. Hasil fungsi jarak kosinus yang telah didapat dengan Persamaan 2.9, diurutkan dari
nilai terkecil hingga terbesar.
2. Menentukan nilai K (jumlah tetangga terdekat) yang ingin dicari.
3. Kelas dipilih dengan kemunculan terbanyak.
4. Hasil klasifikasi dikeluarkan dan ditampilkan
Berdasarkan Tabel 2.9. penggunaan fungsi jarak kosinus dan k-NN sebagai berikut.
1. Mengurutkan nilai jarak kosinus dari terkecil hingga terbesar seperti pada Tabel
2.10.
Tabel 2.10. Urutan Jarak Kosinus
D5
(Kelas 1)
D4
(Kelas 1)
D6
(Kelas 1)
D2
(Kelas 2)
D1
(Kelas 2)
D3
(Kelas 2)
0,00036 0,00616 0,04845 0,05028 0,13159 0,29236
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
2. Mengambil sebanyak k (k = 3) yang memiliki tingkat kemiripan paling tinggi
dengan P seperti pada Tabel 2.11.
Tabel 2.11. Pengambilan Nilai Sebanyak k = 3
D5 (Kelas 1) D4 (Kelas 1) D6 (Kelas 1)
0,00036 0,00616 0,04845
Nilai k yang akan diambil harus bernilai ganjil. Bila k = 5, maka nilai yang paling
tinggi tingkat kemiripannya dengan P sebanyak 5 buah nilai yang akan diambil dan
digunakan seperti pada Tabel 2.12.
Tabel 2.12. Pengambilan Nilai Sebanyak k = 5
D5
(Kelas 1)
D4
(Kelas 1)
D6
(Kelas 1)
D2
(Kelas 2)
D1
(Kelas 2)
0,00036 0,00616 0,04845 0,05028 0,13159
3. Untuk mengetahui klasifikasi yang akan digunakan dapat diketahui dengan cara
memilih kemunculan kelas yang paling banyak. Tabel 2.11. dengan k = 3, semua
berisi kelas 1. Hal ini menunjukkan bahwa P masuk dalam kelas 1.
Pada Tabel 2.12. dengan k = 5, kelas 1 diwakili oleh D5, D4, dan D6, sedangkan
kelas 2 diwakili D2 dan D1. Hal ini menunjukkan bahwa P masuk dalam kelas 1.
Bila terdapat dua nilai atau lebih yang memiliki nilai sama, maka keluaran yang
akan digunakan adalah nilai yang paling tertinggi pada urutan pertama.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
BAB III
RANCANGAN PENELITIAN
Bab III ini akan membahas mengenai rancangan penelitian yang meliputi langkah
langkah perancangan yang akan dilakukan dan blok diagram kerja sistem.
3.1. Perancangan Sistem
Perancangan sistem yang akan dibuat adalah sebuah sistem yang dapat mengenali
rambu lalu lintas peringatan menggunakan kamera ponsel. Gambar 3.1. menunjukkan
perancangan sistem secara umum.
Gambar 3.1. Perancangan Sistem
Berdasarkan Gambar 3.1., kamera ponsel digunakan untuk proses pengambilan image
dan video yang akan digunakan untuk penelitian. Gambar dan video yang telah didapat akan
melalui beberapa tahap pemrosesan. Tahap pertama yaitu tahap preprocessing yaitu proses
mengubah citra RGB menjadi citra biner menggunakan segementasi HSV. Proses
segmentasi yang dilakukan adalah dengan mengambil warna kuning pada rambu, karena
nantinya yang akan digunakan untuk pemrosesan selanjutnya adalah citra yang berwarna
kuning. Setelah mendapatkan citra biner kemudian tahap selanjutnya adalah proses ekstraksi
ciri dengan menggunakan momen spasial dan momen pusat. Hasil dari ekstraksi ciri
kemudian diproses dengan template matching menggunakan fungsi jarak kosinus dan
hasilnya akan dibandingkan dengan data pada database. Klasifikasi hasil dari jarak kosinus
menggunakan klasifikasi k-NN, sehingga akan memberikan keluaran berupa teks di layar
laptop.
Tahapan tersebut merupakan gambaran secara umum mengenai penelitian rambu
peringatan. Gambaran penelitian secara rinci akan dibahas pada proses kerja sistem. Program
yang akan digunakan dalam penelitian rambu peringatan adalah Python.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
3.2. Proses Kerja Sistem
Sebelum menampilkan hasil keluaran yang berupa teks, penelitian pengenalan rambu
lalu lintas peringatan harus melalui beberapa tahap. Penelitian diawali tahap preprocessing,
kemudian ekstraksi ciri momen spasial dan momen pusat, jarak kosinus, dan klasifikasi k-
NN. Proses kerja sistem input gambar ditampilkan pada Gambar 3.2 dan proses kerja sistem
input video ditampilkan pada Gambar 3.3.
Gambar 3.2. Diagram Blok Kerja Sistem Input Gambar
Mulai
Input :
Gambar
Rambu
Peringatan
Preprocessing
Ekstraksi Ciri :
Momen Spasial
dan Momen Pusat
Klasifikasi :
Perhitungan Jarak
Kosinus dan KNN
Perhitungan
Log Scale
Output : hasil
pengenalan
berupa teks
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Gambar 3.2. merupakan diagram blok kerja sistem input gambar. Sistem ini mendapat
input berupa gambar. Input yang telah dibaca oleh sistem kemudian dilakukan proses
preprocessing untuk mendapatkan citra biner. Image biner yang dihasilkan akan dihitung
menggunakan momen spasial dan momen pusat untuk mendapatkan nilai ekstraksi ciri. Nilai
ekstraksi ciri yang telah didapat kemudian dilakukan perhitungan log scale untuk
mengurangi rentang nilai yang cukup jauh. Hasil perhitungan log scale dan data pada
database dihitung jaraknya menggunakan jarak kosinus, jarak yang paling kecil dicari untuk
menentukan hasil keluaran.
Gambar 3.3. Diagram Blok Kerja Sistem Input Video
Mulai
Input : Video
Rambu
Peringatan
Deteksi Rambu
Peringatan
Rambu
Peringatan
Terdeteksi?
Ya Tidak
Preprocessing
Ekstraksi Ciri :
Momen Spasial
dan Momen Pusat
A
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Gambar 3.3. (lanjutan) Diagram Blok Kerja Sistem Input Video
Proses kerja sistem dengan input video secara garis besar sama dengan input gambar.
Perbedaan antara input video dan gambar terletak pada pendeteksian rambu peringatan. Jika
dalam sebuah video terdeteksi rambu peringatan, maka sistem akan melanjutkan prosesnya
dan rambu tersebut dapat dikenali. Jika dalam sebuah video tidak terdeteksi rambu
peringatan maka sistem akan melakukan pengulangan untuk mencari rambu peringatan
dalam video.
3.2.1. Input Data
Rambu lalu lintas peringatan yang ada di jalan raya akan menjadi input data dalam
penelitian ini. Pengambilan gambar dan video rambu peringatan dilakukan dengan
menggunakan kamera ponsel. Pengambilan gambar dan video dilakukan dengan variasi
jarak, translasi, dan sudut yang berbeda untuk setiap rambunya. Hal ini digunakan untuk
menunjukkan kualitas kinerja pengenalan dengan ekstraksi ciri momen spasial dan momen
pusat. Proses input data ditampilkan pada Gambar 3.4. dan 3.5.
Menghitung
Log Scale
Klasifikasi :
Perhitungan Jarak
Kosinus dan KNN
A
Output : hasil
pengenalan
berupa
bounding box
dengan label
nama rambu
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
Gambar 3.4. Diagram Blok Input Data Gambar
Gambar 3.5. Diagram Blok Input Data Video
Gambar 3.4. dan Gambar 3.5. merupakan diagram blok input data gambar dan video.
Masukan sistem ini berasal dari rambu lalu lintas peringatan yang ada di pinggir jalan raya.
Rambu peringatan tersebut kemudian ditangkap (capture) dan direkam menggunakan
kamera ponsel dan disimpan di laptop. Gambar dan video yang telah disimpan akan
digunakan sebagai masukan sistem pengenalan rambu lalu lintas peringatan.
Mulai
Input :
Rambu Lalu
Lintas
Peringatan
Kamera Ponsel
Hidup
B
B
Capture image
Output :
Gambar
Rambu Lalu
Lintas
Peringatan
Selesai
Mulai
Input :
Rambu Lalu
Lintas
Peringatan
Kamera Ponsel
Hidup
C
C
Rekam Video
Rambu
Output : video
Rambu Lalu
Lintas
Peringatan
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
3.2.2. Preprocessing
Tahap preprocessing terdiri dari beberapa tahapan mulai dari konversi BGR ke HSV,
kemudian segmentasi warna HSV untuk mendapatkan citra biner (warna kuning), kemudian
dilakukan dilasi dan erosi untuk memperjelas citra, dan cropping. Metode Gaussian Filter
dan Median Filter digunakan untuk mengurangi noise pada objek. Ekualisasi histogram dan
saturasi digunakan untuk meningkatkan atau menurunkan kecerahan pada objek, sehingga
objek dapat terlihat jelas dan dapat dideteksi. Secara garis besar tahap ini akan ditampilkan
pada Gambar 3.6. dan 3.7.
Gambar 3.6. Diagram Blok Preprocessing (Input Gambar)
Mulai
Input : Gambar
Rambu Lalu
Lintas
Peringatan
Ekualisasi
Histogram dan
Saturasi
Gaussian Filter
Konversi BGR ke
HSV
Segmentasi HSV
Dilasi dan Erosi
D
D
Cropping
Median Filter
Output :
Gambar Biner
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
Gambar 3.7. Diagram Blok Preprocessing (Input Video)
Mulai
Input : Video
Rambu Lalu
Lintas
Peringatan
Deteksi Rambu
Peringatan
Rambu
Peringatan
Terdeteksi?
Konversi BGR ke
HSV
Segmentasi HSV
Gaussian Filter
Output :
Video Biner
Selesai
Tidak
Ya
Rambu
Peringatan
Terdeteksi?
Tidak
Ya
Bounding Box dan
Pelabelan Nama
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
Input rambu lalu lintas peringatan merupakan input BGR. Input BGR akan dikonversi
menjadi HSV dengan melakukan segmentasi HSV. Proses konversi BGR ke HSV
merupakan tahap yang penting, karena nantinya proses konversi tersebut akan menghasilkan
gambar dan video biner yang akan digunakan dalam proses selanjutnya. Proses konversi
BGR ke HSV ditampilkan pada Gambar 3.8.
Gambar 3.8. Diagram Blok Konversi BGR ke HSV
Tahap selanjutnya adalah segmentasi HSV. Segmentasi HSV merupakan pemilihan
warna yang akan digunakan untuk proses selanjutnya. Segmentasi dilakukan terhadap ruang
warna hue karena objek yang ingin dikenali berupa rambu lalu lintas peringatan berwarna
kuning dan akan menghasilkan keluaran berupa citra biner. Input penelitian ini berupa rambu
peringatan di jalan raya, untuk memudahkan proses preprocessing, penulis berusaha mencari
rambu dengan latar belakang yang tidak ada warna kuning. Proses segmentasi HSV
ditampilkan pada Gambar 3.9.
Gambar 3.9. Diagram Blok Segementasi HSV (Deteksi Warna Kuning)
Mulai
Input : Gambar
dan Video BGR
Rambu Lalu
Lintas Peringatan
Konversi BGR ke
HSV
Output :
Citra HSV
Selesai
Mulai Input : Gambar
dan Video HSV
Segmentasi Warna
Kuning dengan Ruang
Warna Hue (Warna
Kuning)
E
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Gambar 3.9. (lanjutan) Diagram Blok Segementasi HSV (Deteksi Warna Kuning)
Operasi dilasi dan erosi dilakukan setelah segmentasi HSV selesai. Segmentasi HSV
membuat gambar biner akan menjadi rusak, oleh karena itu operasi dilasi dan erosi dilakukan
untuk memperbaiki gambar biner tersebut. Metode Gaussian Filter digunakan sebelum
proses dilasi. Dilasi dan erosi hanya dilakukan untuk input yang berupa gambar. Proses dilasi
dan erosi ditampilkan pada Gambar 3.10.
Gambar 3.10. Diagram Blok Dilasi dan Erosi
Gambar biner yang sudah didilasi dan erosi selanjutnya akan dipotong (cropping).
Tujuan dari cropping adalah menghilangkan bagian yang tidak digunakan, sehingga hanya
objek yang akan digunakan saja yang ditampilkan. Cropping hanya dilakukan untuk input
yang berupa Gambar. Proses cropping ditampilkan pada Gambar 3.11.
Output :
Gambar
dan Video
Biner
Selesai E
Mulai
Input :
Gambar Biner
Output : Gambar
Biner yang
sudah di erosi
dan dilasi
Dilasi dan Erosi
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
Gambar 3.11. Diagaram Blok Proses Cropping
3.3. Tahap Ekstraksi Ciri Momen Spasial dan Momen Pusat
Tahap ekstraksi ciri merupakan tahapan selanjutnya setelah tahap preprocessing.
Ekstraksi ciri yang digunakan dalam penelitian ini adalah momen spasial dan momen pusat.
Berdasarkan persamaan 2.4. proses menentukan nilai momen spasial dan momen pusat
ditampilkan pada Gambar 3.12.
Gambar 3.12. Diagram Blok Ekstraksi Ciri
Mulai
Input : Gambar
Biner yang
sudah di erosi
dan dilasi
Cropping
Median Filter
Output :
Gambar Biner
Cropping
Selesai
Mulai
Input : Citra
hasil
preprocessing
F
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Gambar 3.12. (lanjutan) Diagram Blok Ekstraksi Ciri
Tahap ekstraksi ciri ini mendapat masukan berupa gambar atau video yang telah
melalui tahap preprocessing. Hasil preprocessing kemudian akan diproses menggunakan
momen spasial dan momen pusat untuk mendapatkan nilai ekstraksi ciri. Nilai ekstraksi ciri
yang telah didapat kemudian dilakukan perhitungan log scale.
3.4. Perhitungan Jarak Kosinus
Perhitungan jarak kosinus merupakan pebandingan antara data pada database dengan
data pengujian. Jarak yang paling baik adalah yang memiliki jarak terdekat. Proses jarak
kosinus seperti yang dijelaskan pada persamaan 2.9., akan digambarkan seperti pada Gambar
3.13.
Menghitung pusat
masa (xc,yc)
Menghitung
Momen Pusat
Menghitung
Momen Pusat
Ternormalisasi
Outputt : Log
Scale Ketujuh
Nilai Momen
Pusat
Ternormalisasi
Selesai
Ketujuh Nilai
Momen Pusat
Ternormalisasi
F
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
Gambar 3.13. Diagram Blok Fungsi Jarak Kosinus
Perhitungan jarak kosinus digunakan untuk menghitung jarak antara data pada data uji
dengan data pada database. Hasil perhitungan jarak kosinus akan menjadi acuan untuk
penentuan hasil pengenalan.
Mulai
Input : Hasil
Ekstraksi Ciri
Momen Spasial
dan Momen Pusat
(Database)
Input Data
Pengujian
Preprocessing
Data Pengujian
Hasil Ekstraksi
Ciri (Data
Pengujian)
Menghitung Jarak
Data Uji dengan
Database (Jarak
Kosinus)
Output : Hasil
Perhitungan
Jarak Kosinus
Selesai
Ya
Tidak
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
3.5. Penentuan Keluaran
Tahap akhir dari proses keseluruhan adalah tahap penentuan keluaran. Hasil
pengenalan rambu lalu lintas peringatan akan diketahui dengan melakukan klasifikasi k-NN.
Hasil pengenalan akan ditampilkan pada layar monitor berupa teks. Proses penentuan
kaluaran ditampilkan pada Gambar 3.14.
Gambar 3.14. Diagram Blok Penentuan Keluaran
Masukan untuk penentuan keluaran berupa hasil perhitungan jarak kosinus, nilai k,
dan kelas. Hasil perhitungan jarak kosinus kemudian diurutkan dari terkecil ke terbesar dan
memilih kelas yang paling sering muncul sesuai dengan nilai k yang sudah dimasukkan.
Kelas yang paling sering muncul akan menjadi hasil pengenalan.
Mulai
Input : Hasil
Perhitungan
Jarak Kosinus,
Nilai k, Kelas
Mengurutkan Hasil
Perhitungan Jarak
Kosinus dari terkecil
ke terbesar
Memilih Kelas yang
Paling Sering
Muncul
Output : Hasil
Keluaran Berupa
Teks di Layar
Monitor
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
3.6. Pembuatan Database
Fungsi jarak kosinus dapat bekerja apabila ada database, dengan adanya database
maka akan ada perbandingan antara nilai data pengujian dengan nilai pada database.
Database gambar dan video memiliki jumlah yang sama serta menggunakan proses yang
sama yaitu ekstraksi ciri momen spasial dan momen pusat sehingga program utama dapat
dijadikan satu. Proses pembuatan database ditampilkan pada Gambar 3.15.
Gambar 3.15. Diagram Blok Database
Mulai
Input :
Gambar dan
Video
Rambu Lalu
Lintas
Peringatan
Preprocessing
Ekstraksi Ciri :
Momen Spasial
dan Momen Pusat
Database
Selesai
Log Scale
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
3.7. Pengujian Rambu Lalu Lintas Peringatan
Pengujian Rambu lalu lintas peringatan dilakukan dengan 2 cara, yaitu menggunakan
input berupa gambar dan menggunakan input berupa video. Penjelasan lebih rinci mengenai
masing masing pengujian dijelaskan pada subbab 3.7.1. dan subbab 3.7.2.
3.7.1. Pengujian Input Gambar
Pengujian dengan input gambar diawali dengan pengambilan gambar menggunakan
kamera ponsel. Gambar yang sudah ditangkap (capture), disimpan dalam sebuah folder dan
diberi nama sesuai nama rambu dan perlakuan dari gambar tersebut. Gambar yang sudah
diperoleh kemudian akan diproses melalui 3 tahap, yaitu preprocessing, ekstraksi ciri, dan
klasifikasi.
Pengujian input gambar dilakukan secara 2 tahap. Tahap pertama adalah input gambar
data uji sama dengan input citra database. Ketika pengujian tahap pertama telah berhasil
dengan tingkat kemiripan 100%, kemudian akan dialnjutkan pada tahap kedua. Tahap kedua
adalah input gambar data uji tidak sama dengan input citra database. Input gambar data uji
pada tahap kedua memiliki sedikit perbedaan variasi dengan input citra database. Hasil
pengenalan berupa teks pada GUI.
3.7.2. Pengujian Input Video
Pengujian dengan input video diawali dengan merekam video menggunakan kamera
ponsel. Video yang sudah direkam disimpan dalam sebuah folder dan diberi diberi nama
sesuai nama rambu. Proses pengenalan rambu lalu lintas peringatan dengan input video
menggunakan 3 tahap, yaitu preprocessing, ekstraksi ciri, dan klasifikasi.
Pada tahap preprocessing untuk input yang berupa video tidak melalui proses cropping
karena video merupakan citra yang bergerak. Pengujian input video dilakukan 2 tahap,
pengujian pertama input video data uji sama dengan input video database. Pengujian kedua
input video data uji tidak sama dengan input citra database. Proses pengenalan dengan input
video menggunakan bounding box. Bounding box akan bekerja apabila ada rambu yang
dikenali, kemudian di atas bounding box akan muncul nama rambu tersebut.
3.8. Menentukan Tingkat Pengenalan Sistem
Pengujian dengan input gambar dan video dapat dikatakan sudah sesuai harapan bila
mencapai tingkat akurasi yang telah ditargetkan sebelumnya. Tingkat keberhasilan akan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
menjadi bagian analisis kinerja sistem apakah sudah berjalan dengan baik atau tidak. Tingkat
pengenalan penelitian ini nantinya akan dibandingkan dengan tingkat pengenalan penelitian
sebelumnya. Tingkat keberhasilan pengenalan ditentukan sesuai persamaan 3.1.
𝑇𝑖𝑛𝑔𝑘𝑎𝑡𝑃𝑒𝑛𝑔𝑒𝑛𝑎𝑙𝑎𝑛 = 𝐽𝑢𝑚𝑙𝑎ℎ𝑑𝑎𝑡𝑎𝑦𝑎𝑛𝑔𝑑𝑎𝑝𝑎𝑡𝑑𝑖𝑘𝑒𝑛𝑎𝑙𝑖
𝐽𝑢𝑚𝑙𝑎ℎ𝑑𝑎𝑡𝑎𝑢𝑗𝑖𝑥100
(3.1)
3.9. Perancangan GUI
Perancangan GUI digunakan untuk mempermudah pengguna dalam penggunaan
sistem pengenalan rambu lalu lintas peringatan. Tahap perancangan GUI akan dibuat
sejumlah 2 rancangan, yaitu GUI untuk input gambar dan GUI untuk input video.
Perancangan GUI ditunjukkan Gambar 3.16.
Gambar 3.16. Perancangan GUI
Tabel 3.1. Keterangan GUI
Nama Bagian Keterangan
Picture Box “RGB” Menampilkan image RGB
Picture Box “HSV” Menampilkan image hue
Picture Box “Biner” Menampilkan image biner
Tombol “Input” Memanggil atau memilih image atau video
data yang ingin diproses
Text Box ”Hasil Pengenalan” Menampilkan hasil pengenalan untuk input
image
Text Box “N11-N03” Nilai momen pusat ternormalisasi
Tombol “Proses” Memproses pengenalan input image
RGB Hue Biner
Input
Hasil Pengenalan Gambar
N11 N02 N20 N12 N21 N30 N03
Proses Reset
Video RGB Video Asli/Proses
Play Pause Stop Reset
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
Tabel 3.1. (lanjutan ) Keterangan GUI
Tombol “Reset” Mengembalikan tampilan GUI seperti
semula
Video Box “Video RGB” Menampilkan video RGB
Tombol “Play” Memulai video
Tombol “Pause” Menjeda video
Tombol “Stop” Memberhentikan video
Tombol “Asli/Proses” Memilih keluaran video, dapat berupa
video asli atau video proses pengenalan
Penggunaan GUI pada sistem pengenalan rambu lalu lintas peringatan, yaitu user
memilih input dengan cara menekan tombol input, input yang dipilih dapat berupa video
atau gambar. Input yang pertama berupa gambar, gambar yang dipilih akan muncul pada
picture box RGB, kemudian untuk mengetahui hasil pengenalan, user dapat menekan tombol
proses. Tombol proses ketika ditekan akan memunculkan gambar hue pada picture box hue,
gambar biner pada picture box biner, nilai ekstraksi ciri pada text box N11-N03 dan yang
terakhir adalah muncul hasil pengenalan rambu tersebut di text box hasil pengenalan.
Input yang kedua berupa video, video yang dipilih akan muncul pada video box RGB.
Video yang diputar dapat berupa video asli atau video proses pengenalan. User dapat
mengetahui nama rambu tersebut dengan menekan tombol play, sebelum menekan tombol
play, user terlebih dahulu memilih output video tersebut, terdapat 2 pilihan yaitu video asli
atau video proses pengenalan. Output berupa video asli yaitu video input diputar tanpa
melalui proses pengenalan, output berupa video proses pengenalan yaitu video input diputar
melalui proses pengenalan. Proses pengenalan video dapat langsung disaksikan oleh user
ketika video tersebut berjalan dengan ditampilkannya bounding box yang dapat mengikuti
gerak video untuk mendeteksi rambu dan pelabelan nama yang terletak di atas bounding box
sebagai hasil pengenalan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
BAB IV
HASIL DAN PEMBAHASAN
Bab ini akan menjelaskan analisis hasil pengenalan rambu lalu lintas berdasarkan data
hasil uji. Hasil pengenalan berupa pengenalan dengan input video dan pengenalan dengan
input gambar.
4.1. Perubahan Rancangan
Subbab ini berisi penjelasan mengenai perubahan terkait implementasi dari rancangan
yang sudah dirancang pada Bab 1 hingga Bab 3.
4.1.1. Batasan Masalah dan Pengambilan Data
Subbab 1.3. mengenai batasan masalah, penambahan dilakukan pada poin C, yaitu
input gambar berasal dari frame video yang diambil tiap 5 frame kemudian disimpan di
laptop. Penambahan pada poin C disebabkan karena input utama yang digunakan dalam
penelitian ini berupa video. Selain itu, perubahan dilakukan pada poin E, yaitu variasi
penyekalaan yang dilakukan adalah 1 m, 2 m, dan 3 m, hal ini dilakukan perubahan karena
adanya hambatan di lapangan berupa pohon dan tiang listrik yang tidak memungkinkan
penulis merekam rambu dalam jarak yang cukup jauh. Perubahan dilakukan pada poin G,
yaitu dengan merekam rambu sedekat mungkin dengan titik pusat atau penulis menyebutnya
kotak kecil dan berputar searah dengan jarum jam atau CW (Clockwise) untuk data uji dan
berputar secara berlawanan dengan jarum CCW (Counter Clockwise) untuk database,
perputaran yang dilakukan hanya dibagian sebelah kiri layar HP. Pengambilan data dengan
cara CW dan CCW ditunjukkan pada Gambar 4.1.
Gambar 4.1. CW dan CCW Kotak Kecil
CW
CCW
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
Gambar 4.1. merupakan gambar proses pengambilan data yang dilakukan oleh penulis.
Gambar kotak merupakan layar HP, gambar lingkaran di tengah merupakan titik pusat atau
titik tengah layar HP, sedangkan untuk anak panah merupakan arah untuk merekam rambu
lalu lintas peringatan. Proses pengambilan data dilakukan perubahan karena rencana awal
yang sudah dituliskan pada batasan masalah memiliki tingkat pengenalan yang rendah, yaitu
sebesar 70%.
Subbab 1.3 pengurangan dilakukan pada poin F, hal ini disebabkan kondisi di lapangan
yang tidak memungkinkan penulis untuk melakukan pengambilan data dengan sudut
menyerong. Rambu lalu lintas peringatan terletek di pinggir jalan raya, ada beberapa rambu
yang sangat dekat sekali dengan jalan raya sehingga penulis memutuskan untuk tidak
menggunakan variasi sudut menyerong karena alasan keselamatan dan keamanan.
4.1.2. Perbandingan Hasil CW dan CCW Kotak Kecil dan Kotak Besar
Penulis melakukan pengujian untuk menentukan cara pengambilan data yang paling
tepat. Penentuan tersebut dilakukan dengan pengujian CW dan CCW kotak kecil dan kotak
besar. Cara pengambilan data menggunakan kotak kecil ditunjukkan Gambar 4.1.,
sedangkan kotak besar ditunjukkan pada Gambar 4.2.
Gambar 4.2. CW dan CCW Kotak Besar
Pengujian CW dan CCW menggunakan kotak besar dilakukan dengan cara merekam
rambu lalu lintas peringatan sedekat mungkin dengan layar HP, sehingga perlu kehati-hatian
dan waktu yang cukup lama supaya rambu lalu lintas peringatan tidak terpotong dan dapat
diolah program. Setelah dilakukan pengujian, kemudian mendapatkan hasil yang
ditunjukkan pada Gambar 4.3.
CW
CCW
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Gambar 4.3. Perbandingan Hasil Kotak Kecil dan Kotak Besar
Gambar 4.3. menunjukkan bahwa kotak kecil memiliki persentase 64% dan kotak
besar memiliki persentase 68%. Setelah mendapatkan hasil tersebut, kemudian penulis
memutuskan untuk memilih kotak kecil sebagai cara pengambilan data. Penulis tidak
memilih kotak besar karena saat pengambilan data 3 titik kiri dan sedekat mungkin dengan
layar HP yang sesuai pada batasan masalah, penulis mengalami kesulitan mengolah data
karena ada data yang tidak bisa terbaca oleh sistem karena faktor cahaya yang semakin luas.
Selain itu, ketika database digabungkan antara 1m, 2m, 3m memiliki persentase pengenalan
yang kecil, yaitu sebesar 70%.
4.1.3. Metodologi Penelitian
Subbab 1.4 mengenai pengambilan data, perubahan dilakukan pada poin D yaitu lokasi
pengambilan menggunakan 1 lokasi yang akan digunakan untuk pembuatan database
(CCW) dan data uji (CW). Perubahan jumlah lokasi dilakukan karena rencana awal sejumlah
2 lokasi yang berbeda memiliki tingkat pengenalan rendah, yaitu sebesar 65%. Selain itu,
perubahan dilakukan pada jumlah database yaitu menjadi sejumlah 480, sedangkan data uji
menjadi sejumlah 398. Perubahan ini terjadi karena masing-masing video memiliki durasi
yang berbeda dan setiap video akan diambil 5 frame per detik sebagai data uji dan database.
Input utama yang digunakan berupa video. Input gambar diperoleh dari frame video yang
diambil setiap 5 frame per detik kemudian disimpan di laptop dengan ekstensi .png. Input
video dan gambar memiliki frame yang sama.
k=1 k=3 k=5 k=7 Rata-Rata
KK1m 67% 59% 63% 66% 64%
KB1m 69% 71% 67% 67% 68%
0%
10%
20%
30%
40%
50%
60%
70%
80%
Tin
gk
at
Pen
gen
ala
n
Perbandingan Data Kotak Kecil dan Kotak Besar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
4.1.4. Rambu Lalu Lintas Peringatan
Subbab 1.3 Poin B dan Subbab 2.1 perubahan dilakukan mengenai rambu lalu lintas
peringatan yang akan dijadikan objek penelitian. Perubahan dilakukan karena tingkat
pengenalan saat penulis menggunakan rambu sesuai rencana awal memiliki tingkat
pengenalan paling rendah, yaitu 50%. Data tingkat pengenalan sebelum dan sesudah
pergantian rambu lalu lintas peringatan ditunjukkan pada Lampiran 2 Tabel L-25. Rambu
lalu lintas peringatan yang dijadikan objek penelitian ditunjukkan pada Gambar 4.4.
(a) (b) (c) (d) (e)
(f) (g) (h) (i) (j)
Gambar 4.4. Perubahan Rambu Peringatan yang digunakan dalam penelitian ini, (a)
Peringatan (Hati-hati), (b) Banyak lalu lintas pejalan kaki anak-anak, (c) Persimpangan
tiga sisi kanan (diletakkan pada lengan mayor), (d) Jembatan, (e) Pintu perlintasan
sebidang kereta api, (f) Turunan curam, (g) Permukaan jalan yang cekung atau berlubang,
(h) Simpang empat prioritas (diletakkan pada lengan mayor), (i) Tikungan kanan, (j)
Persimpangan tiga tipe T (diletakkan pada lengan minor)
4.1.5. Penghilangan Istilah Real Time dan Non Real Time
Subab 1.3., mengenai batasan masalah, perubahan terjadi pada poin J, yaitu
penggunaan istilah real time dan non real time dihilangkan. Istilah real time dihilangkan
karena istilah tersebut tidak sesuai dengan pengujian yang dilakukan pada penelitian ini.
Istilah real time digunakan pada saat pengujian dilakukan secara langsung di jalan raya,
sedangkan penelitian ini tidak melakukan pengujian langsung di jalan raya. Istilah non real
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
time dihilangkan karena dalam penelitian ini penulis fokus terhadap penelitian dengan input
gambar dan video.
4.1.6. Rancangan Penelitian
Bab 3 mengenai rancangan penelitian terdapat beberapa perubahan, perubahan ini
meliputi penambahan dan pengurangan diagram blok. Gambar 3.4. Diagram Blok Input data
gambar dihilangkan karena penelitian ini menggunakan input data berupa video yang
ditunjukkan pada Gambar 3.5. Oleh karena itu, input data berupa gambar ditunjukkan pada
Gambar 4.5.
Gambar 4.5. Perubahan Diagram Blok Input Gambar
Gambar 4.5. menunjukkan perubahan diagram blok input gambar, perubahan terjadi pada
input yang semula gambar kemudian diubah menjadi video. Video yang menjadi input
kemudian diolah oleh program untuk mengambil setiap 5 frame per detik yang kemudian
disimpan di laptop dengan ekstensi .png. Gambar yang sudah disimpan dan sudah
berekstensi .png menjadi input pengujian gambar.
Gambar 3.6. mengenai diagram blok preprocessing (input gambar). Penambahan
dilakukan setelah gambar mengalami proses cropping, gambar yang sudah mengalami
proses cropping tersebut diubah ukuran piksel menjadi ukuran 64x64. Perubahan ukuran
piksel ini dilakukan untuk memudahkan proses pengenalan, semakin kecil nilai piksel yang
Mulai
Input : Video
Rambu Lalu
Lintas
Peringatan
Ambil Setiap 5
Frame per detik
G
G
Simpan sebagai
gambar (.png)
Output :
Gambar
Rambu Lalu
Lintas
Peringatan
Selesai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
digunakan maka semakin cepat pula proses sistem untuk melakukan pengenalan. Selain itu,
gambar dan video yang memiliki piksel terlalu besar ketika ditampilkan pada saat
pengolahan tidak akan terlihat karena akan terpotong oleh ukuran yang sudah ditentukan di
dalam program. Penambahan perubahan piksel ditunjukkan pada Gambar 4.6.
Gambar 4.6. Perubahan Diagarm Blok Preprocessing (Input Gambar)
Penambahan terjadi pada Gambar 3.7. mengenai diagram blok preprocessing (input
video). Pada Gambar 3.7. video yang diolah tidak mengalami proses cropping dan perubahan
piksel menjadi 64x64. Oleh karena itu, dilakukan penambahan proses cropping dan
perubahan piksel menjadi 64x64 untuk mempercepat proses pengenalan. Penambahan
tersebut ditunjukkan pada Gambar 4.7. Perubahan dilakukan karena sistem bisa berjalan
ketika menggunakan perubahan tersebut.
Mulai
Input : Image
Rambu Lalu
Lintas
Peringatan
Mengatur
Kecerahan dan
Saturasi
Gaussian Filter
Konversi BGR ke
HSV
Segmentasi HSV
Dilasi dan Erosi
H
H
Cropping
Resize 64x64 piksel
Output :
Image Biner
Selesai
Median Filter
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
Gambar 4.7. Perubahan Diagarm Blok Preprocessing (Input Video)
Mulai
Input : Video
Rambu Lalu
Lintas
Peringatan
Mengatur
Kecerahan dan
Saturasi
Konversi BGR ke
HSV
Segmentasi HSV
Gaussian Filter
Dilasi dan Erosi
Cropping
Ambil Tiap 5 Frame per detik
Output :
Video Biner
Resize 64x64 piksel
Median Filter
Rambu
Peringatan
Terdeteksi?
Tidak
Selesai
Bounding Box dan
Pelabelan Nama
Ya
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
4.1.7. Perubahan dan Cara Penggunaan GUI
Perubahan GUI terjadi pada tampilan utama. Pada Gambar 3.16. GUI menjadi satu
kesatuan sistem. Penelitian ini GUI dibagi menjadi 2 bagian, yaitu GUI pengenalan gambar
dan pengenalan video. Pembagian GUI menjadi dua bagian akan memudahkan pengguna
untuk menentukan input data yang akan digunakan, perubahan dilakukan supaya tampilan
GUI tertata dan menghilangkan bagian yang tidak digunakan. Berikut perubahan dan cara
penggunaan GUI :
1. Tampillan awal GUI ditampilkan pada Gambar 4.8.
Gambar 4.8. Tampilan Awal GUI
Gambar 4.9. Tampilan List Box
Gambar 4.8. pengguna dapat memilih program yang akan dijalankan dengan
menekan list box. Tampillan list box ditunjukkan pada Gambar 4.9. Tampilan awal
list box berisi program yang akan dijalankan, kemudian pengguna dapat memilih
program Gambar_GUI untuk pengenalan gambar dan Video_GUI untuk pengenalan
video. Setelah memilih program yang dijalankan, pengguna dapat menekan tombol
run. Sistem pengenalan rambu lalu lintas peringatan ini dibagi menjadi 2 bagian,
yaitu sistem pengenalan dengan input video (Video_GUI.py) dan input gambar
(Gambar_GUI.py).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
2. Tampilan setelah tombol run ditekan
Gambar 4.10. Tampilan Awal GUI Pengenalan Gambar
Gambar 4.11. Tampilan Awal GUI Pengenalan Video
Penggunaan GUI pengenalan gambar dan pengenalan video memiliki cara yang
sama. Pengguna wajib mengisi nilai k yaitu 1, 3, 5, dan 7 pada kolom nilak k yang
sudah tersedia sebelum memulai proses pengenalan. Setelah nilai k terisi, pengguna
dapat menekan tombol browse. Tombol browse ketika ditekan akan menampilkan
daftar gambar dan daftar video yang akan diolah. Pengguna dapat memilih salah satu
gambar atau video yang akan diolah.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
3. Tampilan setelah pengguna memilih gambar atau video yang akan diolah
Gambar 4.12. GUI Hasil Pengenalan Gambar
Gambar 4.13. GUI Hasil Pengenalan Video
Saat pengguna sudah memilih gambar atau video, maka sistem secara langsung akan
mengenali berdasarkan input yang sudah dipilih. Jika pengguna ingin mengganti
video atau gambar, maka pengguna harus menekan tombol reset terlebih dahulu.
Pengguna dapat mengakhiri GUI dengan menekan tombol quit, dan tampilan akan
kembali pada Gambar 4.8. GUI bisa digunakan kembali dengan cara memilih
program yang akan dijalankan, program berupa pengenalan gambar dan pengenalan
video. Hasil pengenalan dalam GUI merupakan hasil perhitungan jarak kosinus
antara database dengan data uji. Penentuan keluaran ditentukan dengan menentukan
nilai k. Nilai k dapat diganti sesuai keinginan pengguna, hasil pengenalan setiap nilai
k memiliki hasil berbeda.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
4.1.8. Pembuatan Database
Pembuatan database menggunakan input berupa video yang diambil setiap 5 frame
per detik. Frame yang dikenali kemudian disimpan dalam dalam file dengan ekstensi .csv
secara otomatis. Pembuatan database diawali dengan pembuatan database setiap jarak dan
setiap frame memiliki 7 angka ekstraksi ciri.. Pembuatan database setiap jarak ditunjukkan
pada Tabel 4.1.
Tabel 4.1. Database Setiap Jarak
Nama Rambu No Urut
di Excel
Hasil Ekstaksi Ciri
Rambu 1
.
.
.
.
.
1
.
.
.
.
.
F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
.
.
.
.
.
Rambu 10
.
.
.
.
.
N+1
F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
Keterangan : F0 = Frame pertama, FN = Frame ke N, EC = Ketujuh nilai ekstraksi ciri
Setelah mendapatkan database setiap jarak, kemudian database tersebut digabungkan
menjadi satu setiap rambu. Hasil database gabungan ditunjukkan pada Lampiran 3
Pembuatan database gabungan ditunjukkan pada Tabel 4.2.
Tabel 4.2. Database Gabungan
Nama Rambu No Urut di Excel Jarak Hasil Ekstraksi
Ciri
Rambu 1
.
.
.
.
.
.
.
.
.
.
1
.
.
.
.
.
.
.
.
.
.
1m F0 : EC0,….., EC6
.
.
.
.
.
.
.
.
.
FN : EC0,…., EC6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
Tabel 4.2. (lanjutan) Database Gabungan
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2m F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
.
.
.
.
.
.
3m F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Rambu 10
.
.
.
.
.
.
1m F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
.
.
.
.
2m F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
.
.
.
.
.
N+1
3m F0 : EC0,….., EC6
.
.
.
.
FN : EC0,…., EC6
Keterangan : F0 = Frame pertama, FN = Frame ke N, EC = Ketujuh nilai ekstraksi ciri
Database digunakan untuk proses pengujian, dengan cara mecari jarak terdekat antara
data uji dengan database. Jarak yang paling dekat akan menjadi hasil pengenalan rambu lalu
lintas peringatan. Pencarian jarak terdekat menggunakan fungsi jarak kosinus pada
Subsubbab 2.8.1. Penggunaan jarak kosinus adalah menghitung jarak antara hasil ekstraksi
ciri data uji dengan database, perhitungan dilakukan frame demi frame.
4.2. Hasil Pengujian dan Analisis Data
Hasil pengujian akan dibuat secara dua garis besar, pengujian input gambar dan
pengujian input video. Hasil pengujian yang sudah didapat kemudian dianalisis untuk
mengetahui kelebihan dan kekurangan pada masing masing sistem yang telah dibuat.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
4.2.1. Pengujian Input Video
Pengujian ini menggunakan input berupa video dengan 10 rambu yang berbeda. Video
diambil berdasarkan variasi jarak, yaitu 1m, 2m, dan 3m. Pada masing masing jarak
dilakukan dua kali pengambilan video, yaitu pengambilan video secara CCW (Counter
Clockwise) digunakan untuk pembuatan database dan secara CW (Clockwise) digunakan
untuk pengujian. Pegujian ini menggunakan video yang akan diolah tiap 5 frame per detik.
Resolusi video yang digunakan adalah 640x480 piksel dan 15 FPS (Frame Per Second).
Background pengujian menggunakan background alam sesuai keadaan nyata di lapangan.
Subbab 2.9. Mengenai k-NN menjelaskan bahwa klasifikasi objek berdasarkan jarak
terdekat antara database dengan data uji. Penentuan nilai k pada k-NN dapat disesuaikan
dengan kebutuhan, dalam penelitian ini penulis menggunakan nilai k 1, 3, 5, dan 7.
Pengunaan log scale bertujuan untuk mengurangi rentang nilai sehingga dapat
meminimalisir kemungkinan adanya persamaan nilai antara rambu satu dengan rambu
lainnya. Berdasarkan persamaan pada subbab 2.6. Mengenai ekstraksi ciri momen spasial
dan momen pusat dan persamaan 2.7. Mengenai log scale, dihasilkan Gambar 4.14.
Gambar 4.14. Hasil Pengujian Input Video
Tingkat pengenalan yang paling tinggi dilihat dari Gambar 4.14., dengan nilai k=1
pada jarak 1 meter sebesar 84%, sedangkan tingkat pengenalan yang paling rendah terdapat
pada nilai k=7 dengan jarak 3m sebesar 54%. Data hasil pengujian pada Gambar 4.14.,
k=1 k=3 k=5 k=7
1m 84% 79% 74% 72%
2m 83% 68% 66% 65%
3m 78% 61% 64% 54%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Tin
gk
at
Pen
gen
ala
n
Hasil Pengujian Rambu Lalu Lintas Input Video
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
ditunjukkan pada Lampiran 1 ,Tabel L-1 sampai Tabel L-12. Hasil perhitungan rata–rata
tingkat pengenalan pada masing-masing jarak ditunjukkan pada Tabel 4.3.
Tabel 4.3. Rata-rata Berdasarkan Jarak: Hasil Tingkat Pengenalan
Jarak 1 m Jarak 2 m Jarak 3m
77% 71% 64%
Tabel 4.3. jarak yang memiliki tingkat pengenalan paling tinggi berada pada jarak 1
meter sebesar 77%. Pada jarak 2 meter dan 3 meter tingkat pengenalan mengalami
penurunan yang tidak terlalu drastis, yaitu menurun sebesar 6% dan 7%. Perhitungan rata-
rata penggunaan variasi nilai k ditunjukkan pada Tabel 4.4.
Tabel 4.4. Rata-rata Berdasarkan Nilai k: Hasil Tingkat Pengenalan
k=1 k=3 k=5 k=7
82% 69% 68% 64%
Tabel 4.4. penggunaan nilai k yang memiliki tingkat pengenalan paling tinggi yaitu
k=1 sebesar 82%, sedangkan tingkat pengenalan paling rendah menggunakan nilai k=7.
Selisih persentase nilai k=3 hingga k=7 memiliki selisih yang cukup kecil dibanding selisih
dengan nilai k=1. Pengenalan rambu lalu lintas dengan input video memiliki tingkat
persentase error antara data jumlah data uji dengan jumlah data yang berhasil dikenali.
Tingkat persentase error tersebut disebabkan adanya kemiripan nilai ekstraksi ciri rambu
satu dengan rambu lainnya. .
Hasil Perhitungan ekstraksi ciri antara gambar biner database dan gambar biner data
uji memiliki jarak yang cukup jauh sehingga hasil pengenalan tidak sesuai dengan nama
rambu tersebut. Contoh gambar biner database dan data uji ditunjukkan pada Gambar 4.15.
(a) (b)
Gambar 4.15. Contoh gambar biner 1 (a) gambar biner database, (b) gambar biner data uji
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
Gambar 4.15. menunjukkan gambar biner database dan data uji rambu peringatan (hati
– hati) dengan ukuran 64x64 piksel, dari gambar tersebut terlihat adanya kemiripan antara
gambar database dengan gambar data uji. Gambar database memiliki nilai ekstraksi ciri
yang ditunjukkan pada Lampiran 3 nomor 1 – 47. Gambar data uji memiliki nilai ekstraksi
ciri yaitu 4.47569453, 3.56954186, 5.38184721, 4.61836293, 5.52451561, 6.4306682,
3.71221025. Nilai ekstraksi ciri yang diperoleh dari Gambar 4.15. (b) kemudian dihitung
jaraknya menggunakan jarak kosinus pada Persamaan 2.9. berdasarkan perhitungan jarak
kosinus antara data uji dan database yang ditunjukkan pada Lampiran 3 diketahui bahwa
data uji tersebut memiliki jarak terkecil dengan rambu banyak lalu lintas pejalan kaki anak
– anak pada nomor 89 dengan jarak 2.20253𝑥10−8. Berdasarkan hasil jarak kosinus, hasil
pengenalan Gambar 4.15. (b) tidak sesuai dengan nama rambu tersebut. Hasil pengenalan
yang diharapkan adalah peringatan (hati – hati), setelah dilakukan perhitungan jarak kosinus
antara data uji dengan database menghasilkan banyak lalu lintas pejalan kaki.
4.2.2. Pengujian Input Gambar
Pengujian ini menggunakan input berupa gambar dengan 10 rambu yang berbeda.
Perbedaan pengujian ini dengan input video terdapat pada input yang digunakan, yaitu
berupa gambar. Gambar yang menjadi input merupakan video yang diputar dan diambil tiap
5 frame per detik kemudian disimpan dalam laptop dengan ekstensi .png. Frame yang telah
di simpan di laptop harus memiliki jumlah frame yang sama dengan frame video pada saat
pengujian video. Pengujian dengan input gambar ini memmiliki jumlah yang berbeda untuk
setiap rambu. Perbedaan jumlah ini disebabkan karena setiap rambu memiliki durasi video
yang berbeda. Jumlah frame terbesar terdapat pada rambu simpang tiga kanan dengan total
keseluruhan sebanyak 42 frame, jumlah frame terkecil terdapat pada rambu turunan curam
dan tikungan kanan sebanyak 37 frame. Hasil pengujian gambar berdasarkan jarak dan nilai
k ditunjukkan pada Gambar 4.16.
Untuk mengetahui hasil pengenalan pengujian gambar, maka digunakan jarak kosinus
untuk mengetahui jarak terdekat antara database dengan data uji. Selain itu, penulis
menggunakan k-NN untuk mengetahui hasil pengenalan, nilai k yang digunakan adalah 1,
3, 5, dan 7. Penulis juga menggunakan log scale untuk mengetahui hasil pengenalan. Log
scale digunakan penulis untuk mengurangi rentang nilai dan digunakan untuk mengurangi
kemungkinan adanya persamaan nilai ekstraksi ciri rambu satu dengan rambu yang lainnya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
Gambar 4.16. Hasil Pengujian Input Gambar
Gambar 4.16. tingkat pengenalan tertinggi terdapat pada jarak 1 meter dengan nilai
k=1 sebesar 84%. Data hasil pengujian ditunjukkan pada Lampiran 1,Tabel L-13 hingga
Tabel L-24 . Hasil perhitungan rata-rata tingkat pengenalan berdasarkan jarak ditunjukkan
pada Tabel 4.5.
Tabel 4.5. Rata-rata Berdasarkan Jarak: Hasil Tingkat Pengenalan
Jarak 1 m Jarak 2 m Jarak 3m
77% 71% 64%
Tabel 4.5. nilai persentase rata-rata tertinggi berdasarkan jarak yaitu 77% pada jarak 1
meter. Pada jarak 2 meter dan 3 meter nilai rata-rata persentase sudah mengalami penurunan
dengan penurunannya yang tidak cukup signifikan.
Perhitungan rata-rata berdasarkan nilai k ditunjukkan pada Tabel 4.6.
Tabel 4.6. Rata-rata Berdasarkan Nilai k: Hasil Tingkat Pengenalan
k=1 k=3 k=5 k=7
82% 69% 68% 64%
Tabel 4.6. nilai persentase rata-rata tertinggi berdasarkan nilai k sebesar 82% pada
nilai k=1, sedangkan nilai persentase rata-rata terendah sebesar 64% pada nilai k=7. Nilai
k=3 hingga nilai k=7 memiliki selisih persentase yang cukup kecil, yaitu 1 dan 4, dibanding
selisih dengan nilai k=1 yaitu 13. Pengenalan rambu lalu lintas ini tentunya memiliki
k=1 k=3 k=5 k=7
1m 84% 79% 74% 72%
2m 83% 68% 66% 65%
3m 78% 61% 64% 54%
0%10%20%30%40%50%60%70%80%90%
Tin
gk
at
Pen
gen
ala
n
Hasil Pengujian Rambu Lalu Lintas Input Gambar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
persentase error, yaitu jumlah data yang bisa dikenali tidak sesuai dengan jumlah data yang
diuji. Persentase error pengujian gambar disebabkan karena adanya kemiripan nilai ekstraksi
ciri rambu satu dengan yang lainnya, sehingga hasil pengenalan rambu tidak sesuai. Gambar
biner database dan data uji ditunjukkan pada Gambar 4.17.
(a) (b)
Gambar 4.17. Contoh gambar biner 2 (a) gambar biner database, (b) gambar biner data uji
Gambar 4.17. merupakan gambar biner database dan data uji rambu banyak lalu lintas
pejalan kaki anak – anak dengan ukuran 64x64 piksel. Hasil perhitungan ekstraksi ciri
gambar biner database dan gambar biner data uji berbeda, maka perbedaan hasil ekstraksi
ciri inilah yang menjadi penyebab hasil pengenalan tidak sesuai. Nilai ekstraksi ciri gambar
biner database ditunjukkan pada Lampiran 3 nomor 48 – 94. Nilai ekstraksi ciri gambar
biner data uji yaitu 4.56874939, 3.4162729 , 5.72122588, 4.66670102, 5.81917751,
6.971654, 3.51422454. Nilai ekstraksi gambar biner data uji yang sudah diperoleh kemudian
dihitung menggunakan jarak kosinus pada Persamaan 2.9. Perhitungan cara kosinus
digunakan untuk mencari jarak terdekat antara nilai ekstraksi ciri data uji dengan database
pada Lampiran 3. Hasil perhitungan jarak kosinus menunjukkan bahwa Gambar 4.17. (b)
memiliki hasil pengenalan turunan curam yang terdapat pada nomor 248 dengan jarak
9.89943𝑥10−7. Hasil pengenalan Gambar 4.17. (b) berdasarkan perhitungan jarak kosinus
tidak sesuai dengan nama rambu tersebut. Hasil pengenalan yang diharapkan adalah banyak
lalu lintas pejalan kaki anak – anak, setelah dilakukan perhitungan jarak kosinus
menghasilkan turunan curam.
4.3. Catatan dalam Penelitian
Berdasakan penelitian yang telah dilaksanakan, cahaya dan latar belakang rambu
sangat berpengaruh sehingga harus diperhatikan. Pada saat pengambilan database dan data
uji harus memiliki rentang cahaya yang hampir sama. Standar pencahayaan yang digunakan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
dapat diketahui dengan aplikasi pada HP, yaitu Fotometer PRO. Cahaya terlalu terang dan
terlalu gelap akan sulit dikenali oleh sistem, sehingga nilai standar yang digunakan penulis
adalah 2236-5000 lux. Selain cahaya, latar belakang rambu sangat berpengaruh. Latar
belakang rambu yang berwarna kuning akan menghasilkan noise pada rambu. Input yang
digunakan penulis, ada sebagian rambu yang memiliki noise pada latar belakangnya, akan
tetapi dengan menggunakan ekstraksi ciri momen spasial dan momen pusat serta
preprocessing yang sudah diatur, maka rambu tersebut masih bisa dikenali.
4.4. Hasil Perbandingan dengan Penelitian Lainnya
Tabel 4.7. menunjukkan perbandingan penelitian sebelumnya dengan penelitian yang
dilakukan penulis.
Tabel 4.7. Hasil Perbandingan Penelitian
Penelitian Saat ini Penelitian Sebelumnya [2] Penelitian Sebelumnya [3]
10 buah rambu 3 buah rambu 3 buah rambu
Rambu peringatan Rambu peringatan Rambu peringatan, rambu
larangan, rambu perintah
Di lapangan Di ruangan Di lapangan
Variasi jarak dan translasi Variasi jarak, desimasi, dan
sudut miring
Variasi threshold
Menggunakan k-NN - Menggunakan k-NN
Tingkat keberhasilan :
k1=82%, k3=69%,
k5=68%, k7=64%
Tingkat keberhasilan :
Mayoritas 100%
Tingkat keberhasilan :
k3=100%, k5=86,6%,
k7=86,6%
Momen spasial dan momen
pusat
Wavelet Haar Momen spasial dan momen
pusat
Jarak kosinus Jarak chi square Jarak euclidian
Tabel 4.7 menunjukkan perbedaan antara penelitian ini dengan penelitian sebelumnya.
Penelitian ini memiliki hasil kinerja lebih rendah dibandingkan dengan penelitian
sebelumnya. Perbedaan yang paling signifikan terdapat pada pengambilan data,
pengambilan data dalam penelitian ini dilakukan di luar ruangan dengan jumlah 10 rambu.
Penelitian sebelumnya [2] pengambilan data dilakukan di dalam ruangan dengan jumlah 3
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
rambu, sedangkan untuk penelitian sebelumnya [3] pengambilan data dilakukan di luar
ruangan dengan jumlah 3 rambu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil penelitian mengenai pengenalan rambu lalu lintas peringatan, dapat
disimpulkan bahwa :
1. Pengujian dilakukan menggunakan 2 variasi yang digabungkan menjadi satu, yaitu
variasi penyekalaan dan variasi translasi.
2. Rata-rata hasil pengujian berdasarkan nilai k secara input video dan input gambar
memilik hasil sama, yaitu 82% untuk k=1, 69% untuk k=3, 68% untuck=5, dan
64% untuk k=7.
3. Rata-rata hasil pengujian jarak dan translasi secara input video dan input gambar
memilik hasil sama, yaitu 77% untuk jarak 1 meter, 71% untuk jarak 2 meter, dan
64% untuk jarak 3 meter.
4. Hasil persentase pengenalan penelitian ini lebih rendah dibandingkan dengan hasil
penelitian sebelumnya[2][3].
5.2. Saran
Saran yang dapat diberikan untuk pengembangan sistem pengenalan rambu lalu lintas
peringatan adalah :
1. Pengenalan rambu lalu lintas tidak hanya terbatas pada rambu lalu lintas peringatan
tetapi bisa menggunakan semua jenis rambu.
2. Hasil pengenalan dapat berupa gambar dan suara.
3. Pemrosesan pengenalan dapat menggunakan raspberry.
4. Pengujian dilakukan dengan cara berjalan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
DAFTAR PUSTAKA
[1] Prasojo, Prapto, 2015, Computer Vision,
https://praptoprasojo.wordpress.com/2015/11/13/computer-vision/, diakses 18
Februari 2021
[2] Nugroho, I.A., 2015, Pengenalan Secara Real Time Rambu Lalu Lintas Peringatan
Menggunakan Ekstraksi Ciri Wavelet Haar dan Fungsi Jarak Chi Square, Tugas
Akhir, Program Studi Teknik Elektro, FST, Universitas Sanata Dharma, Yogyakarta
[3] Rizarta, R.E.F., 2019, Pengenalan Citra Rambu Lalu Lintas Menggunakan Ekstraksi
Fitur Momen Warna dan K-Nearest Neighbour, Jurnal, Program Studi Informatika,
Fakultas Teknologi Informasi dan Elektro, Universitas Teknologi Yogyakarta,
Yogyakarta
[4] Peraturan Menteri Perhubungan Republik Indonesia Nomor PM 13 Tahun 2014
Tentang Rambu Lalu Lintas
[5] Pamungkas, Adi, 2017, Pengolahan Citra Digital,
https://pemrogramanmatlab.com/2017/07/26/pengolahan-citra-digital/, diakses 14
November 2020
[6] Swedia, E.R., Cahyanti, M., 2010, Algoritma Transformasi Ruang Warna,
http://margi.staff.gunadarma.ac.id/Publications/files/2617/Pengolahan Citra -
Algoritma Ruang Warna.pdf, diakses 14 November 2020
[7] ---, ---, What Is Image, https://www.suntos.com.np/computer-vision-for-
robotics/what-is-image.html, diakses 5 Desember 2020
[8] Makmur, Farida, 2017, Pengolahan Citra Berwarna, https://docplayer.info/47312942-
Pengolahan-citra-berwarna.html, diakses 14 November 2020
[9] Noel, Sebastien, 2020, Understanding Hue, Saturation, & Lightness (HSL) for Photo
Retouching, https://purple11.com/basics/hue-saturation-lightness/, diakses 14
November 2020
[10] Pranoto, Johan, 2017, Citra Biner, https://docplayer.info/32915819-Citra-biner-bab-
pendahuluan.html, diakses 19 November 2020
[11] Kadir, A., Susanto, A., Teori dan Aplikasi Pengolahan Citra, Andi Offset, Yogyakarta
[12] Hidayatullah, P., Pengolahan Citra Digital Teori dan Aplikasinya, Informatika,
Bandung
[13] Nomerovska, Inna, 2020, Images Processing Technique: What are Bounding Box?,
https://keymakr.com/blog/what-are-bounding-boxes/, diakses 2 Februari 2021
[14] Mallick, S., Bapat, K., 2018, Shape Matching using Hu Moments (C++/Python),
https://learnopencv.com/shape-matching-using-hu-moments-c-python/, diakses 2
Februari 2021
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
[15] Kurniawan, Bayu, dkk, 2016, Aplikasi Pengenalan Citra Nomor Kendaraan Bermotor
Menggunakan Metode Template Machine, Jurnal, Teknik Informatika, Univeritas Sam
Ratulangi, Manado
[16] Pamungkas Adi, 2016, k-Nearest Neighbour (k-NN),
https://pemrogramanmatlab.com/data-mining-menggunakan-matlab/k-nearest-
neighbor-knn-menggunakan-matlab/, diakses 20 November 2020
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-1
LAMPIRANL LAMPIRAN 1 A. Data Pengujian Input Video
Nama rambu berdasarkan urutan pengujian :
Rambu 1 (R1) : Peringatan (hati-hati)
Rambu 2 (R2) : Banyak lalu lintas pejalan kaki anak-anak
Rambu 3 (R3) : Persimpangan tiga sisi kanan (ditempatkan pada lengan mayor)
Rambu 4 (R4) : Jembatan
Rambu 5 (R5) : Pintu perlintasan sebidang kereta api
Rambu 6 (R6) : Turunan curam
Rambu 7 (R7) : Permukaan jalan yang cekung atau berlubang
Rambu 8 (R8) : Simpang empat prioritas (ditempatkan pada lengan mayor)
Rambu 9 (R9) : Tikungan kanan
Rambu 10 (R10) : Persimpangan tiga tipe T (ditempatkan pada lengan minor)
Tabel L-1. Confusion Matrix Jarak 1 m nilai k=1 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 14 1 0 0 0 0 0 0 0 0
118
R2 14 0 12 0 0 0 1 1 0 0 0
R3 14 0 0 13 0 0 1 0 0 0 0
R4 14 0 0 0 12 0 0 0 0 2 0
R5 15 0 0 0 1 14 0 0 0 0 0
R6 13 0 0 3 0 0 7 0 3 0 0
R7 14 0 2 0 0 2 0 10 0 0 0
R8 15 0 0 0 0 0 1 1 13 0 0
R9 13 0 0 0 1 0 0 0 0 12 0
R10 14 2 0 1 0 0 0 0 0 0 11
141
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-2
Tabel L-2. Confusion Matrix Jarak 1 m nilai k=3 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 13 1 0 0 0 0 0 1 0 0
111
R2 14 0 13 0 0 0 0 0 1 0 0
R3 14 0 0 11 0 0 3 0 0 0 0
R4 14 0 0 0 14 0 0 0 0 0 0
R5 15 0 0 0 2 11 0 0 0 2 0
R6 13 0 0 4 0 0 7 0 2 0 0
R7 14 0 2 0 0 3 0 7 1 1 0
R8 15 0 0 0 0 0 0 0 15 0 0
R9 13 0 0 0 1 1 0 0 0 11 0
R10 14 4 0 1 0 0 0 0 0 0 9
141
Tabel L-3. Confusion Matrix Jarak 1 m nilai k=5 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 13 1 0 0 0 0 0 1 0 0
105
R2 14 0 13 0 0 0 0 0 1 0 0
R3 14 0 0 10 0 0 4 0 0 0 0
R4 14 0 1 0 12 1 0 0 0 0 0
R5 15 0 0 0 2 13 0 0 0 0 0
R6 13 0 0 4 0 0 7 0 2 0 0
R7 14 0 5 0 0 4 0 3 1 1 0
R8 15 0 0 0 0 0 0 0 15 0 0
R9 13 0 0 0 1 2 0 1 0 9 0
R10 14 4 0 0 0 0 0 0 0 0 10
141
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-3
Tabel L-4. Confusion Matrix Jarak 1 m nilai k=7 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 12 0 0 0 0 0 0 3 0 0
102
R2 14 0 12 0 0 0 0 1 1 0 0
R3 14 0 0 11 0 0 3 0 0 0 0
R4 14 0 2 0 12 0 0 0 0 0 0
R5 15 0 0 0 4 11 0 0 0 0 0
R6 13 0 0 5 0 0 6 0 2 0 0
R7 14 0 3 0 0 3 0 6 1 1 0
R8 15 0 0 0 0 0 0 0 15 0 0
R9 13 0 1 0 0 3 0 1 0 8 0
R10 14 5 0 0 0 0 0 0 0 0 9
141
Tabel L-5. Confusion Matrix Jarak 2 m nilai k=1 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 9 0 0 0 0 0 0 0 0 3
108
R2 12 0 10 0 1 0 0 1 0 0 0
R3 14 0 0 14 0 0 0 0 0 0 0
R4 13 0 0 0 13 0 0 0 0 0 0
R5 12 0 0 0 2 10 0 0 0 0 0
R6 13 0 0 1 0 0 12 0 0 0 0
R7 14 0 2 0 0 0 0 10 0 0 2
R8 15 0 0 0 0 0 2 0 13 0 0
R9 12 0 0 0 1 2 0 0 0 9 0
R10 13 3 0 0 0 0 0 2 0 0 8
130
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-4
Tabel L-6. Confusion Matrix Jarak 2 m nilai k=3 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 8 0 0 0 0 0 0 0 0 4
89
R2 12 0 8 0 1 0 0 2 1 0 0
R3 14 0 0 9 0 0 0 1 0 0 4
R4 13 0 0 0 11 1 0 0 0 1 0
R5 12 0 1 0 2 8 0 0 0 1 0
R6 13 0 0 3 0 0 9 0 1 0 0
R7 14 0 3 1 0 0 0 7 0 0 3
R8 15 1 0 0 0 0 1 0 13 0 0
R9 12 0 0 0 0 1 0 0 0 11 0
R10 13 5 0 0 0 0 0 3 0 0 5
130
Tabel L-7. Confusion Matrix Jarak 2 m nilai k=5 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 8 0 0 0 0 0 0 1 0 3
86
R2 12 0 7 0 1 1 0 1 2 0 0
R3 14 0 0 8 0 0 0 1 1 0 4
R4 13 0 0 0 12 0 0 0 0 1 0
R5 12 0 1 2 2 7 0 0 0 0 0
R6 13 1 0 4 0 0 5 0 3 0 0
R7 14 0 3 1 0 0 0 8 0 0 2
R8 15 0 0 0 0 0 1 0 14 0 0
R9 12 0 0 0 0 0 0 0 0 12 0
R10 13 4 0 0 0 0 0 3 1 0 5
130
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-5
Tabel L-8. Confusion Matrix Jarak 2 m nilai k=7 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 9 0 0 0 0 1 0 1 0 1
85
R2 12 0 6 0 3 0 0 0 2 1 0
R3 14 0 0 10 0 0 0 1 1 0 2
R4 13 0 0 0 12 1 0 0 0 0 0
R5 12 0 2 2 2 6 0 0 0 0 0
R6 13 0 0 4 0 0 7 0 2 0 0
R7 14 0 2 1 0 0 0 6 0 0 5
R8 15 0 0 0 0 0 1 0 14 0 0
R9 12 0 0 0 0 1 0 0 0 11 0
R10 13 6 0 0 0 0 0 2 1 0 4
130
Tabel L-9. Confusion Matrix Jarak 3 m nilai k=1 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 12 0 0 0 0 0 0 0 0 1
99
R2 12 0 10 2 0 0 0 0 0 0 0
R3 14 0 1 10 0 0 1 1 0 0 1
R4 12 0 1 0 10 0 0 0 0 1 0
R5 12 1 0 0 0 9 0 0 2 0 0
R6 12 0 0 1 0 0 8 0 3 0 0
R7 13 2 0 0 0 0 0 9 0 0 2
R8 14 0 0 1 0 0 1 0 12 0 0
R9 12 0 0 0 0 1 0 0 0 11 0
R10 13 0 0 2 0 0 0 3 0 0 8
127
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-6
Tabel L-10. Confusion Matrix Jarak 3 m nilai k=3 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 8 0 0 0 0 0 2 0 0 3
77
R2 12 0 6 2 4 0 0 0 0 0 0
R3 14 0 0 10 0 0 1 2 0 0 1
R4 12 0 1 0 9 0 0 0 0 2 0
R5 12 1 0 0 0 7 0 0 2 2 0
R6 12 1 0 3 0 0 2 0 6 0 0
R7 13 2 0 0 0 0 0 7 0 0 4
R8 14 0 0 1 0 0 1 0 12 0 0
R9 12 0 0 0 0 2 0 0 0 10 0
R10 13 1 0 3 0 0 0 3 0 0 6
127
Tabel L-11. Confusion Matrix Jarak 3 m nilai k=5 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 9 0 0 0 0 0 1 0 0 3
81
R2 12 0 5 2 5 0 0 0 0 0 0
R3 14 0 0 9 0 0 1 4 0 0 0
R4 12 0 1 0 9 0 0 0 0 2 0
R5 12 1 0 0 0 8 0 0 2 1 0
R6 12 1 1 2 0 0 2 0 6 0 0
R7 13 2 0 0 0 0 0 9 0 0 2
R8 14 0 1 1 0 0 0 0 12 0 0
R9 12 0 0 0 0 0 0 0 0 12 0
R10 13 1 0 3 0 0 0 3 0 0 6
127
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-7
Tabel L-12. Confusion Matrix Jarak 3 m nilai k=7 (input video)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 8 0 0 0 0 0 1 0 0 4
68
R2 12 0 3 2 5 0 0 2 0 0 0
R3 14 0 0 9 0 0 0 4 1 0 0
R4 12 0 0 0 10 1 0 0 0 1 0
R5 12 1 1 0 0 4 0 0 2 4 0
R6 12 2 0 3 0 0 1 0 6 0 0
R7 13 4 0 0 0 0 0 7 0 0 2
R8 14 0 0 5 0 0 1 0 8 0 0
R9 12 0 0 0 0 0 0 0 0 12 0
R10 13 1 0 4 0 0 0 2 0 0 6
127
Keterangan : Warna biru (dikenali), warna merah (mengenali rambu lain)
B. Data Pengujian Input Gambar
Nama rambu berdasarkan urutan pengujian :
Rambu 1 (R1) : Peringatan (hati-hati)
Rambu 2 (R2) : Banyak lalu lintas pejalan kaki anak-anak
Rambu 3 (R3) : Persimpangan tiga sisi kanan (ditempatkan pada lengan mayor)
Rambu 4 (R4) : Jembatan
Rambu 5 (R5) : Pintu perlintasan sebidang kereta api
Rambu 6 (R6) : Turunan curam
Rambu 7 (R7) : Permukaan jalan yang cekung atau berlubang
Rambu 8 (R8) : Simpang empat prioritas (ditempatkan pada lengan mayor)
Rambu 9 (R9) : Tikungan kanan
Rambu 10 (R10) : Persimpangan tiga tipe T (ditempatkan pada lengan minor)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-8
Tabel L-13. Confusion Matrix Jarak 1 m nilai k=1 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 14 1 0 0 0 0 0 0 0 0
118
R2 14 0 12 0 0 0 1 1 0 0 0
R3 14 0 0 13 0 0 1 0 0 0 0
R4 14 0 0 0 12 0 0 0 0 2 0
R5 15 0 0 0 1 14 0 0 0 0 0
R6 13 0 0 3 0 0 7 0 3 0 0
R7 14 0 2 0 0 2 0 10 0 0 0
R8 15 0 0 0 0 0 1 1 13 0 0
R9 13 0 0 0 1 0 0 0 0 12 0
R10 14 2 0 1 0 0 0 0 0 0 11
141
Tabel L-14. Confusion Matrix Jarak 1 m nilai k=3 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 13 1 0 0 0 0 0 1 0 0
111
R2 14 0 13 0 0 0 0 0 1 0 0
R3 14 0 0 11 0 0 3 0 0 0 0
R4 14 0 0 0 14 0 0 0 0 0 0
R5 15 0 0 0 2 11 0 0 0 2 0
R6 13 0 0 4 0 0 7 0 2 0 0
R7 14 0 2 0 0 3 0 7 1 1 0
R8 15 0 0 0 0 0 0 0 15 0 0
R9 13 0 0 0 1 1 0 0 0 11 0
R10 14 4 0 1 0 0 0 0 0 0 9
141
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-9
Tabel L-15. Confusion Matrix Jarak 1 m nilai k=5 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 13 1 0 0 0 0 0 1 0 0
105
R2 14 0 13 0 0 0 0 0 1 0 0
R3 14 0 0 10 0 0 4 0 0 0 0
R4 14 0 1 0 12 1 0 0 0 0 0
R5 15 0 0 0 2 13 0 0 0 0 0
R6 13 0 0 4 0 0 7 0 2 0 0
R7 14 0 5 0 0 4 0 3 1 1 0
R8 15 0 0 0 0 0 0 0 15 0 0
R9 13 0 0 0 1 2 0 1 0 9 0
R10 14 4 0 0 0 0 0 0 0 0 10
141
Tabel L-16. Confusion Matrix Jarak 1 m nilai k=7 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 15 12 0 0 0 0 0 0 3 0 0
102
R2 14 0 12 0 0 0 0 1 1 0 0
R3 14 0 0 11 0 0 3 0 0 0 0
R4 14 0 2 0 12 0 0 0 0 0 0
R5 15 0 0 0 4 11 0 0 0 0 0
R6 13 0 0 5 0 0 6 0 2 0 0
R7 14 0 3 0 0 3 0 6 1 1 0
R8 15 0 0 0 0 0 0 0 15 0 0
R9 13 0 1 0 0 3 0 1 0 8 0
R10 14 5 0 0 0 0 0 0 0 0 9
141
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-10
Tabel L-17. Confusion Matrix Jarak 2 m nilai k=1 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 9 0 0 0 0 0 0 0 0 3
108
R2 12 0 10 0 1 0 0 1 0 0 0
R3 14 0 0 14 0 0 0 0 0 0 0
R4 13 0 0 0 13 0 0 0 0 0 0
R5 12 0 0 0 2 10 0 0 0 0 0
R6 13 0 0 1 0 0 12 0 0 0 0
R7 14 0 2 0 0 0 0 10 0 0 2
R8 15 0 0 0 0 0 2 0 13 0 0
R9 12 0 0 0 1 2 0 0 0 9 0
R10 13 3 0 0 0 0 0 2 0 0 8
130
Tabel L-18. Confusion Matrix Jarak 2 m nilai k=3 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 8 0 0 0 0 0 0 0 0 4
89
R2 12 0 8 0 1 0 0 2 1 0 0
R3 14 0 0 9 0 0 0 1 0 0 4
R4 13 0 0 0 11 1 0 0 0 1 0
R5 12 0 1 0 2 8 0 0 0 1 0
R6 13 0 0 3 0 0 9 0 1 0 0
R7 14 0 3 1 0 0 0 7 0 0 3
R8 15 1 0 0 0 0 1 0 13 0 0
R9 12 0 0 0 0 1 0 0 0 11 0
R10 13 5 0 0 0 0 0 3 0 0 5
130
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-11
Tabel L-19. Confusion Matrix Jarak 2 m nilai k=5 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 8 0 0 0 0 0 0 1 0 3
86
R2 12 0 7 0 1 1 0 1 2 0 0
R3 14 0 0 8 0 0 0 1 1 0 4
R4 13 0 0 0 12 0 0 0 0 1 0
R5 12 0 1 2 2 7 0 0 0 0 0
R6 13 1 0 4 0 0 5 0 3 0 0
R7 14 0 3 1 0 0 0 8 0 0 2
R8 15 0 0 0 0 0 1 0 14 0 0
R9 12 0 0 0 0 0 0 0 0 12 0
R10 13 4 0 0 0 0 0 3 1 0 5
130
Tabel L-20. Confusion Matrix Jarak 2 m nilai k=7 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 12 9 0 0 0 0 1 0 1 0 1
85
R2 12 0 6 0 3 0 0 0 2 1 0
R3 14 0 0 10 0 0 0 1 1 0 2
R4 13 0 0 0 12 1 0 0 0 0 0
R5 12 0 2 2 2 6 0 0 0 0 0
R6 13 0 0 4 0 0 7 0 2 0 0
R7 14 0 2 1 0 0 0 6 0 0 5
R8 15 0 0 0 0 0 1 0 14 0 0
R9 12 0 0 0 0 1 0 0 0 11 0
R10 13 6 0 0 0 0 0 2 1 0 4
130
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-12
Tabel L-21. Confusion Matrix Jarak 3 m nilai k=1 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 12 0 0 0 0 0 0 0 0 1
99
R2 12 0 10 2 0 0 0 0 0 0 0
R3 14 0 1 10 0 0 1 1 0 0 1
R4 12 0 1 0 10 0 0 0 0 1 0
R5 12 1 0 0 0 9 0 0 2 0 0
R6 12 0 0 1 0 0 8 0 3 0 0
R7 13 2 0 0 0 0 0 9 0 0 2
R8 14 0 0 1 0 0 1 0 12 0 0
R9 12 0 0 0 0 1 0 0 0 11 0
R10 13 0 0 2 0 0 0 3 0 0 8
127
Tabel L-22. Confusion Matrix Jarak 3 m nilai k=3 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 8 0 0 0 0 0 2 0 0 3
77
R2 12 0 6 2 4 0 0 0 0 0 0
R3 14 0 0 10 0 0 1 2 0 0 1
R4 12 0 1 0 9 0 0 0 0 2 0
R5 12 1 0 0 0 7 0 0 2 2 0
R6 12 1 0 3 0 0 2 0 6 0 0
R7 13 2 0 0 0 0 0 7 0 0 4
R8 14 0 0 1 0 0 1 0 12 0 0
R9 12 0 0 0 0 2 0 0 0 10 0
R10 13 1 0 3 0 0 0 3 0 0 6
127
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-13
Tabel L-23. Confusion Matrix Jarak 3 m nilai k=5 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 9 0 0 0 0 0 1 0 0 3
81
R2 12 0 5 2 5 0 0 0 0 0 0
R3 14 0 0 9 0 0 1 4 0 0 0
R4 12 0 1 0 9 0 0 0 0 2 0
R5 12 1 0 0 0 8 0 0 2 1 0
R6 12 1 1 2 0 0 2 0 6 0 0
R7 13 2 0 0 0 0 0 9 0 0 2
R8 14 0 1 1 0 0 0 0 12 0 0
R9 12 0 0 0 0 0 0 0 0 12 0
R10 13 1 0 3 0 0 0 3 0 0 6
127
Tabel L-24. Confusion Matrix Jarak 3 m nilai k=7 (input gambar)
Masukan Jumlah
Frame
Keluaran Dikenali
R1 R2 R3 R4 R5 R6 R7 R8 R9 R10
R1 13 8 0 0 0 0 0 1 0 0 4
68
R2 12 0 3 2 5 0 0 2 0 0 0
R3 14 0 0 9 0 0 0 4 1 0 0
R4 12 0 0 0 10 1 0 0 0 1 0
R5 12 1 1 0 0 4 0 0 2 4 0
R6 12 2 0 3 0 0 1 0 6 0 0
R7 13 4 0 0 0 0 0 7 0 0 2
R8 14 0 0 5 0 0 1 0 8 0 0
R9 12 0 0 0 0 0 0 0 0 12 0
R10 13 1 0 4 0 0 0 2 0 0 6
127
Keterangan : Warna biru (dikenali), warna merah (mengenali rambu lain)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-14
LAMPIRAN 2
DATA PERUBAHAN RAMBU LALU LINTAS
PERINGATAN
Tabel L-25. Data Perubahan Rambu Lalu Lintas Peringatan
No. Gambar
Sebelum
Tingkat Persentase
Pengenalan
Keseluruhan
Sebelum
Perubahan
Gambar Sesudah
Perubahan
Tingkat Persentase
Pengenalan
Keseluruhan
Sesudah Perubahan
1
50%
65%
2
60%
72%
3
56,6%
74%
4
63,3%
78%
5
60%
83%
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-15
LAMPIRAN 3
NILAI EKSTRAKSI CIRI DATABASE
Urutan rambu berdasarkan database :
1 – 47 : Peringatan (hati – hati)
48 – 94 : Banyak lalu lintas pejalan kaki anak-anak
95 – 136 : Persimpangan tiga sisi kanan (ditempatkan pada lengan mayor)
137 – 186 : Jembatan
187 – 240 : Pintu perlintasan sebidang kereta api
241 – 291 : Turunan curam
292 – 334 : Permukaan jalan yang cekung atau berlubang
335 – 384 : Simpang empat prioritas (ditempatkan pada lengan mayor)
385 – 430 : Tikungan kanan
431 – 480 : Persimpangan tiga tipe T (ditempatkan pada lengan minor)
No Hasil Ekstraksi Ciri 1 4.561063130994355, 3.576022232933834, 5.5461040290548755,
4.706183110571574, 5.691224008632095, 6.676264906692616, 3.7211422125110536
2 4.559558158316582, 3.5741014222205645, 5.545014894412599, 4.703268384749399, 5.688725120845416, 6.674181856941434, 3.717811648653382
3 4.570138752470319, 3.5676855290916025, 5.572591975849035, 4.7118789831652235, 5.714332206543939, 6.7167854299226555, 3.709425759786507
4 4.713696942014598, 3.567647267338483, 5.859746616690715, 4.85530520876158, 6.001354883437696, 7.147404558113812, 3.7092555340854645
5 4.568053719634865, 3.5695073373646817, 5.566600101905049, 4.71002873381332, 5.708575116083503, 6.707121498353687, 3.711482351543136
6 4.580767138504965, 3.572767168121661, 5.588767108888269, 4.722133416884536, 5.73013338726784, 6.738133357651145, 3.714133446501232
7 4.7344482397060865, 3.5624692885471942, 5.906427190864978, 4.871334753684556, 6.043313704843448, 7.215292656002339, 3.6993558025256634
8 4.7617601706721455, 3.5690859864128974, 5.954434354931394, 4.900618738652803, 6.093292922912051, 7.285967107171299, 3.707944554393555
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-16
9 4.760085984592304, 3.567811037812357, 5.95236093137225, 4.898862868801223, 6.0911378155811695, 7.283412762361116, 3.7065879220212765
10 4.989663497647899, 3.5623673702765632, 6.416959625019234, 5.126052706514883, 6.553348833886218, 7.980644961257553, 3.698756579143547
11 4.746871037629625, 3.5687381894721706, 5.9250038857870795, 4.8873392674005975, 6.065472115558052, 7.243604963715506, 3.709206419243143
12 4.562979268717423, 3.569132770665836, 5.55682576676901, 4.704879540228398, 5.698726038279985, 6.692572536331572, 3.7110330421768114
13 4.564551082875272, 3.571245392235966, 5.557856773514577, 4.707958412070995, 5.701264102710301, 6.694569793349606, 3.7146527214316896
14 4.585944150022934, 3.6057998819053836, 5.566088418140485, 4.745055186436273, 5.725199454553824, 6.705343722671374, 3.764910918318723
15 4.586504653560306, 3.6017458727853984, 5.571263434335213, 4.743029459657877, 5.727788240432784, 6.712547021207692, 3.75827067888297
16 4.599341438292982, 3.5955439412302965, 5.603138935355669, 4.754672551580405, 5.75847004864309, 6.762267545705777, 3.750875054517718
17 4.607390511166894, 3.6137067437332266, 5.601074278600562, 4.768115847355269, 5.761799614788937, 6.755483382222605, 3.7744320799216022
18 4.596380670856547, 3.605926306177414, 5.586835035535681, 4.754995693650127, 5.7454500583292605, 6.735904423008394, 3.764541328970993
19 4.6267965383545695, 3.6133361513450275, 5.6402569253641115, 4.784803256924432, 5.798263643933974, 6.811724030943516, 3.7713428699148897
20 4.604677534594833, 3.5983654345584526, 5.610989634631214, 4.758620345208723, 5.764932445245104, 6.771244545281484, 3.752308245172342
21 4.774723890073872, 3.6064655978370705, 5.942982182310675, 4.930833830923349, 6.099092123160151, 7.267350415396953, 3.762575538686547
22 4.787943249997159, 3.6222304814433732, 5.953656018550945, 4.9486520936597875, 6.114364862213574, 7.28007763076736, 3.782939325106001
23 4.781295734977066, 3.613072765148267, 5.9495187048058655, 4.939499522420434, 6.107722492249233, 7.275945462078032, 3.7712765525916345
24 4.624936829492151, 3.617518997106931, 5.632354661877373, 4.786022753878808, 5.793440586264029, 6.80085841864925, 3.7786049214935873
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-17
25 4.59361901149935, 3.608036455103007, 5.579201567895693, 4.751841826221853, 5.7374243826181965, 6.72300693901454, 3.76625926982551
26 4.598087853995173, 3.608830185284882, 5.587345522705463, 4.757485640956355, 5.746743309666645, 6.736000978376936, 3.7682279722460637
27 4.594496053411289, 3.5730649018642517, 5.615927204958327, 4.734789707509523, 5.75622085905656, 6.777652010603598, 3.7133585559624858
28 4.591870329175795, 3.574918755861509, 5.608821902490082, 4.733201671428312, 5.750153244742598, 6.767104818056884, 3.7162500981140263
29 4.584243965558942, 3.5672106262601617, 5.601277304857722, 4.72406037414967, 5.74109371344845, 6.758127052747231, 3.70702703485089
30 4.7321203437069785, 3.604724268493913, 5.859516418920043, 4.888354442275697, 6.015750517488762, 7.143146592701827, 3.7609583670626314
31 4.637045831586485, 3.598297054937399, 5.675794608235571, 4.7905099338293935, 5.829258710478479, 6.868007487127565, 3.751761157180307
32 4.463692307241542, 3.6683098279307447, 5.259074786552341, 4.643245131371711, 5.438627610682509, 6.234010089993307, 3.8478626520609134
33 4.44765794850374, 3.665515406242337, 5.229800490765143, 4.625707038735839, 5.407849580997241, 6.189992123258644, 3.8435644964744355
34 4.464279494943685, 3.67958894834479, 5.248970041542578, 4.64798529089619, 5.4326758374950845, 6.217366384093978, 3.863294744297296
35 4.4735712279884305, 3.665434570931537, 5.281707885045325, 4.650835698766128, 5.458972355823023, 6.267109012879916, 3.842699041709235
36 4.428759921924552, 3.6620198612915438, 5.1954999825575605, 4.606021833613718, 5.372761894246726, 6.139501954879734, 3.8392817729807094
37 4.457499125937654, 3.679068145756634, 5.235930106118675, 4.638838323279374, 5.417269303460395, 6.195700283641416, 3.860407343098353
38 4.441148905372617, 3.671356460523545, 5.21094135022169, 4.618632260097792, 5.388424704946864, 6.158217149795937, 3.8488398152487195
39 4.440012145560068, 3.6655022939901016, 5.214521997130035, 4.618161202719915, 5.392671054289882, 6.167180905859849, 3.8436513511499486
40 4.559627483871496, 3.668496878626888, 5.4507580891161025, 4.735785873738213, 5.62691647898282, 6.518047084227428, 3.8446552684936055
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-18
41 4.583907826709832, 3.6828144728538974, 5.485001180565767, 4.765241920081254, 5.666335273937189, 6.567428627793124, 3.864148566225319
42 4.624963487998739, 3.666711806949354, 5.583215169048125, 4.802019171842787, 5.760270852892172, 6.718522533941557, 3.843767490793401
43 4.562927833532717, 3.672029635130281, 5.453826031935153, 4.741482623101647, 5.632380821504084, 6.52327901990652, 3.8505844246992114
44 4.473950866115667, 3.6538335532207182, 5.2940681790106145, 4.648730117487461, 5.46884743038241, 6.288964743277358, 3.828612804592513
45 4.5231160030410935, 3.654769284672942, 5.391462721409244, 4.6985787579332365, 5.566925476301388, 6.4352721946695395, 3.8302320395650855
46 4.531266199191101, 3.671813711539446, 5.390718686842757, 4.709923440974248, 5.569375928625903, 6.428828416277558, 3.850470953322593
47 4.489720720145462, 3.6591525215314875, 5.320288918759435, 4.665014774130586, 5.495582972744559, 6.326151171358533, 3.834446575516612
48 4.598837263247136, 3.4068444110514413, 5.79083011544283, 4.693385932141459, 5.885378784337154, 7.077371636532848, 3.501393079945765
49 4.582566506393438, 3.4150711946940246, 5.750061818092852, 4.679264605205066, 5.84675991690448, 7.0142552286038935, 3.511769293505653
50 4.595109461978729, 3.4225963445385825, 5.767622579418876, 4.695179465908397, 5.867692583348544, 7.0402057007886905, 3.5226663484682503
51 4.868755464774667, 3.4144522854858437, 6.32305864406349, 4.966713854909325, 6.421017034198148, 7.8753202134869715, 3.512410675620502
52 4.615033474540777, 3.4209786768482826, 5.8090882722332715, 4.714555013050916, 5.90860981074341, 7.102664608435905, 3.5205002153584215
53 4.835563647311018, 3.416697223578873, 6.254430071043162, 4.934382092876023, 6.353248516608168, 7.7721149403403125, 3.5155156691438783
54 4.873355433811363, 3.4249756466891155, 6.32173522093361, 4.972285715861358, 6.4206655029836055, 7.869045290105853, 3.5239059287391106
55 5.645578993765526, 3.4101842884912212, 7.880973699039831, 5.73892316752994, 7.974317872804245, 10.20971257807855, 3.5035284622556344
56 5.415449694711011, 3.4219044193628165, 7.408994970059204, 5.5120734253379515, 7.505618700686146, 9.499163976034339, 3.518528149989757
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-19
57 5.337460225426926, 3.4161555438544013, 7.258764906999452, 5.433142019107787, 7.354446700680311, 9.275751382252837, 3.5118373375352614
58 5.411270895711561, 3.415094553438076, 7.407447237985046, 5.506034315710864, 7.5022106579843495, 9.498387000257834, 3.509857973437379
59 4.860920990363911, 3.427469324336678, 6.294372656391144, 4.959814731373412, 6.3932663974006445, 7.826718063427878, 3.526363065346179
60 4.595069449065267, 3.4221382644654015, 5.7680006336651335, 4.69400157415084, 5.866932758750706, 7.039863943350572, 3.521070389550973
61 4.9125396815844224, 3.447843200815569, 6.3772361623532765, 5.023161329388528, 6.487857810157382, 7.952554290926236, 3.5584648486196744
62 4.932550727935278, 3.443175518899602, 6.421925936970954, 5.040452266240261, 6.529827475275937, 8.019202684311614, 3.5510770572045853
63 4.8524163880876765, 3.4525300345941408, 6.252302741581212, 4.963329248578463, 6.363215602071998, 7.763101955565533, 3.563442895084927
64 4.922823132889373, 3.440739014713396, 6.4049072510653495, 5.030279644515124, 6.5123637626911, 7.994447880867077, 3.5481955263391476
65 4.888469572814157, 3.45850535870237, 6.318433786925942, 5.0024977914762045, 6.432462005587991, 7.862426219699777, 3.5725335773644185
66 6.08426444199104, 3.4469119239500476, 8.721616960032033, 6.194162862671502, 8.831515380712496, 11.468867898753489, 3.556810344630509
67 5.623539120241768, 3.4488417575711052, 7.798236482912429, 5.733503296029976, 7.908200658700638, 10.082898021371301, 3.558805933359314
68 5.739367094962649, 3.4533295752851996, 8.025404614640099, 5.8506797257989644, 8.136717245476415, 10.422754765153865, 3.5646422061215146
69 4.977912326530498, 3.4545009824978514, 6.501323670563145, -5.088918884602931, 6.612330228635577, -8.135741572668223, 3.5655075405702843
70 5.714337639475549, 3.458737699453443, 7.969937579497657, 5.827462556025778, 8.083062496047885, 10.338662436069992, 3.571862616003671
71 5.015068502521256, 3.43943170807812, 6.5907052969643924, -5.121355571415955, 6.69699236585909, -8.272629160302227, 3.5457187769728185
72 5.510178336020543, 3.445624970822685, 7.574731701218401, 5.617894131997362, 7.682447497195221, 9.747000862393078, 3.5533407667995043
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-20
73 4.883882675471809, 3.446457693480467, 6.3213076574631515, 4.992398598251695, 6.429823580243037, 7.867248562234379, 3.5549736162603525
74 4.897514676531729, 3.4452224151492383, 6.349806937914218, 5.007342027386612, 6.459634288769102, 7.911926550151592, 3.5550497660041223
75 6.188732612164645, 3.4446090720323457, 8.932856152296944, 6.297737195577139, 9.041860735709438, 11.785984275841738, 3.5536136554448396
76 4.950147957189833, 3.446022417985684, 6.454273496393981, 5.058062476748152, 6.5621880159523, 8.066313555156448, 3.553936937544003
77 5.0185809542283355, 3.435418499761837, 6.601743408694833, 5.124153196962125, 6.7073156514286225, 8.29047810589512, 3.540990742495627
78 4.368910801752397, 3.49412349863103, 5.243698104873765, 4.497955977509094, 5.372743280630462, 6.24753058375183, 3.6231686743877267
79 4.907400606572722, 3.4543843576106203, 6.360416855534824, 5.019623942424065, 6.472640191386167, 7.925656440348269, 3.5666076934619633
80 4.645907050983321, 3.459176675191009, 5.832637426775633, 4.760398699144302, 5.947129074936614, 7.1338594507289255, 3.5736683233519906
81 4.331885953486246, 3.562340472681244, 5.101431434291249, 4.483139840295127, 5.252685321100129, 6.022230801905131, 3.713594359490125
82 4.332228259559344, 3.565168254521487, 5.099288264597202, 4.484896037288346, 5.251956042326204, 6.019016047364062, 3.7178360322504886
83 4.7471729363514905, 3.5466251975316183, 5.947720675171363, -4.892849282565646, 6.0933970213855195, -7.293944760205392, 3.6923015437457742
84 4.3476503990535535, 3.5697595667485755, 5.125541231358532, 4.501186010276993, 5.279076842581971, 6.056967674886949, 3.723295177972015
85 4.350092095412907, 3.56296221997021, 5.137221970855603, 4.501537511405474, 5.2886673868481715, 6.075797262290868, 3.714407635962777
86 4.344370207762541, 3.5584427266089893, 5.130297688916093, 4.4940336489745025, 5.279961130128054, 6.065888611281605, 3.7081061678209504
87 4.42856520359514, 3.5476946530009155, 5.309435754189365, 4.574053657106854, 5.454924207701079, 6.335794758295304, 3.6931831065126297
88 4.437327540098517, 3.556629146991308, 5.3180259332057265, 4.587403510473333, 5.468101903580542, 6.3488002966877515, 3.7067051173661234
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-21
89 4.393002201918169, 3.5043014685483307, 5.281702935288008, -4.526255439555373, 5.414956172925212, -6.303656906295051, 3.637554706185535
90 4.428857136866036, 3.5325984164180557, 5.325115857314016, 4.572030188925403, 5.468288909373383, 6.364547629821363, 3.6757714684774228
91 4.448911857361455, 3.545579864863865, 5.352243849859045, 4.592143867700854, 5.495475860198444, 6.398807852696034, 3.688811875203264
92 4.306359505558786, 3.5475894296590966, 5.065129581458477, 4.454822260656713, 5.213592336556403, 5.972362412456094, 3.696052184757023
93 4.359184591260246, 3.563054492311185, 5.155314690209307, 4.510795487884097, 5.306925586833158, 6.10305568578222, 3.7146653889350354
94 4.337508252997473, 3.543407298621941, 5.131609207373005, 4.483758052458016, 5.277859006833547, 6.071959961209079, 3.689657098082484
95 4.307976034090738, 3.4862634875252208, 5.129688580656257, 4.433596198105738, 5.255308744671256, 6.077021291236774, 3.6118836515402193
96 4.295772804530832, 3.4751440498914166, 5.116401559170248, 4.41773750549524, 5.238366260134655, 6.05899501477407, 3.5971087508558246
97 4.254799026848642, 3.473279233008895, 5.036318820688387, 4.37930163620596, 5.160821430045706, 5.942341223885452, 3.597781842366214
98 4.26395202469698, 3.461186245324607, 5.066717804069354, 4.383056922412589, 5.185822701784962, 5.988588481157335, 3.580291143040215
99 4.316779524254013, 3.4835974571575288, 5.149961591350497, 4.4429709288514765, 5.27615299594796, 6.109335063044444, 3.6097888617549927
100 4.421502508234991, 3.4852511699360846, 5.357753846533897, 4.545230596566072, 5.481481934864978, 6.4177332731638845, 3.6089792582671656
101 4.423520121898394, 3.482622121462896, 5.364418122333893, 4.544806296573518, 5.4857042970090175, 6.426602297444516, 3.6039082961380196
102 4.3271692913077295, 3.503681678434076, 5.150656904181383, 4.460867491800753, 5.284355104674407, 6.107842717548061, 3.6373798789270997
103 4.434357303307341, 3.497837233187365, 5.370877373427318, 4.561137359500102, 5.497657429620078, 6.434177499740055, 3.6246172893801263
104 4.5341921612065335, 3.476229669674002, 5.592154652739066, 4.6531584621058375, 5.711120953638369, 6.769083445170902, 3.595195970573306
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-22
105 4.4076961903519605, 3.4780783923368506, 5.33731398836707, 4.529856705037631, 5.45947450305274, 6.38909230106785, 3.6002389070225203
106 4.424964674980873, 3.474096565138578, 5.375832784823168, 4.546788496861025, 5.49765660670332, 6.448524716545615, 3.59592038701873
107 4.3142577853766, 3.5239691135035462, 5.104546457249652, 4.459363660645617, 5.249652332518671, 6.039941004391724, 3.669074988772564
108 4.323436875528573, 3.519750359766014, 5.127123391291133, 4.4679598986052955, 5.271646414367855, 6.075332930130415, 3.6642733828427363
109 4.237045584214218, 3.5152966953632854, 4.95879447306515, 4.380493752544358, 5.10224264139529, 5.8239915302462215, 3.6587448636934257
110 4.22952081513174, 3.533788423688174, 4.925253206575305, 4.379409618182237, 5.075142009625802, 5.770874401069368, 3.6836772267386713
111 4.312688744173731, 3.5310205012733773, 5.094356987074086, 4.460813847229962, 5.242482090130316, 6.024150333030671, 3.6791456043296074
112 4.31920454540674, 3.533996320658569, 5.104412770154911, 4.467430836664588, 5.252639061412759, 6.037847286160929, 3.6822226119164165
113 4.38281326157119, 3.512500327869331, 5.253126195273049, 4.522946664948488, 5.3932595986503475, 6.263572532352207, 3.6526337312466293
114 4.31532492020663, 3.5336171906904323, 5.097032649722828, 4.4624837759884, 5.244191505504598, 6.025899235020796, 3.6807760464722024
115 4.309475857771713, 3.514842676133445, 5.104109039409982, 4.449638554082092, 5.244271735720361, 6.0389049173586296, 3.6550053724438243
116 4.325270749420638, 3.519186752676395, 5.131354746164882, 4.466847552200018, 5.272931548944261, 6.079015545688505, 3.6607635554557745
117 4.3293053635938845, 3.5165662815747973, 5.142044445612972, 4.4709634996107335, 5.283702581629821, 6.096441663648908, 3.658224417591646
118 4.333800913615077, 3.5152011741323994, 5.1524006530977555, 4.474522819198522, 5.2931225586812, 6.111722298163878, 3.6559230797158437
119 4.326265251554023, 3.516952297446254, 5.135578205661792, 4.467989520106583, 5.277302474214352, 6.086615428322121, 3.658676565998814
120 4.402468279513193, 3.488613875621757, 5.316322683404628, 4.528506586579724, 5.442360990471159, 6.356215394362596, 3.614652182688288
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-23
121 4.3942603012335075, 3.476233177386968, 5.312287425080048, 4.514612666473218, 5.432639790319757, 6.350666914166297, 3.596585542626677
122 4.455802483445203, 3.491058831896273, 5.420546134994133, 4.580683205838343, 5.545426857387273, 6.510170508936202, 3.615939554289413
123 4.413749305632392, 3.4867653192441037, 5.340733292020682, 4.5369821742530885, 5.463966160641378, 6.390950147029666, 3.6099981878647993
124 4.453909295458435, 3.528363136614365, 5.379455454302505, 4.600705716185159, 5.526251875029229, 6.451798033873299, 3.6751595573410887
125 4.471178926758317, 3.5215859985178573, 5.420771854998778, 4.614081490853466, 5.5636744190939265, 6.513267347334387, 3.6644885626130055
126 4.360327845061063, 3.5356912023430067, 5.184964487779118, 4.5081485601762425, 5.332785202894298, 6.157421845612354, 3.6835119174581865
127 4.450658915702806, 3.520265180146951, 5.381052651258661, 4.592774932217464, 5.5231686677733185, 6.453562403329173, 3.662381196661608
128 4.440719201457716, 3.517639599108114, 5.363798803807317, 4.581774777557999, 5.5048543799075995, 6.4279339822572, 3.658695175208397
129 4.461438123225298, 3.5311723441742875, 5.3917039022763085, 4.605877842820976, 5.536143621871987, 6.4664094009229975, 3.6756120637699654
130 4.457136646763449, 3.530393674700859, 5.3838796188260405, 4.599824048745003, 5.526567020807593, 6.453309992870184, 3.673081076682412
131 4.45655409834687, 3.5347971214437277, 5.3783110752500125, 4.601072981085096, 5.522829957988238, 6.4445869348913805, 3.679316004181953
132 4.5803262873476855, 3.526445199912988, 5.634207374782382, 4.721410326903258, 5.775291414337955, 6.829172501772652, 3.667529239468561
133 4.600142479963309, 3.5344804648746773, 5.665804495051941, 4.744749792671917, 5.810411807760549, 6.876073822849182, 3.6790877775832858
134 4.472260213600438, 3.5333059020837254, 5.411214525117151, 4.617270091600578, 5.55622440311729, 6.495178714634003, 3.678315780083865
135 4.428182311492587, 3.51907940503899, 5.337285217946184, 4.57021043426447, 5.479313340718067, 6.388416247171664, 3.6611075278108736
136 4.441343006769786, 3.519416166547047, 5.363269846992526, 4.5839190278539155, 5.505845868076655, 6.427772708299394, 3.6619921876311756
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-24
137 5.188436059252901, 3.482945250775848, 6.893926867729954, -5.297381790388818, 7.002872598865871, -8.708363407342924, 3.5918909819117646
138 5.121735125673607, 3.4832105668256523, 6.760259684521561, -5.230695596156018, 6.869220155003972, -8.507744713851926, 3.5921710373080638
139 5.131803621258531, 3.480241797060334, 6.783365445456728, -5.240698974923483, 6.892260799121681, -8.543822623319878, 3.589137150725286
140 5.2345257510653855, 3.475563896690721, 6.993487605440051, -5.341795282414548, 7.100757136789213, -8.859718991163877, 3.5828334280398826
141 5.083946718893363, 3.4810272375471345, 6.686866200239591, -5.192642303372876, 6.795561784719104, -8.398481266065334, 3.5897228220266473
142 5.045950635626116, 3.4863130745745425, 6.605588196677688, -5.155286681740429, 6.714924242792002, -8.274561803843575, 3.595649120688856
143 5.068535661200488, 3.4901343175382, 6.646937004862776, -5.178496392521467, 6.756897736183754, -8.335299079846044, 3.6000950488591785
144 5.107922040660305, 3.490776549971357, 6.725067531349252, -5.218437129080599, 6.835582619769547, -8.452728110458494, 3.601291638391652
145 4.765971168919065, 3.491326081367536, 6.040616256470593, -4.876994514716884, 6.151639602268412, -7.4262846898199415, 3.6023494271653553
146 4.750161408768899, 3.4838231622244478, 6.01649965531335, -4.858135280221674, 6.124473526766125, -7.390811773310576, 3.591797033677223
147 4.757720783268418, 3.4894024321906, 6.026039134346235, -4.868133013422296, 6.136451364500114, -7.404769715577932, 3.5998146623444787
148 5.116798332534504, 3.4782378704246213, 6.755358794644388, -5.224810415008607, 6.86337087711849, -8.501931339228372, 3.5862499528987235
149 5.851863632748275, 3.4786249163317216, 8.225102349164828, 5.959713356248219, 8.332952072664773, 10.706190789081326, 3.5864746398316663
150 5.765368634007098, 3.5202075955153247, 8.01052967249887, 5.89001661205952, 8.135177650551293, 10.380338689043066, 3.644855573567747
151 5.533918973773274, 3.519434335132083, 7.548403612414466, 5.658296723266963, 7.672781361908155, 9.687266000549347, 3.643812084625771
152 6.260543018621435, 3.5145578924125096, 9.006528144830362, 6.383650007852158, 9.129635134061084, 11.87562026027001, 3.6376648816432318
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-25
153 6.8871221745032365, 3.532963917476195, 10.241280431530278, -7.015603138260309, 10.36976139528735, -13.723919652314391, 3.6614448812332676
154 5.061634172786308, 3.505259092430652, 6.618009253141963, -5.181854807496865, 6.738229887852521, -8.294604968208176, 3.6254797271412103
155 4.999485356918836, 3.5178662686645223, 6.481104445173149, -5.122265569050054, 6.603884657304367, -8.08550374555868, 3.640646480795741
156 5.018712745681298, 3.5086697852016817, 6.528755706160913, -5.1389927733778995, 6.649035733857515, -8.159078694337131, 3.6289498128982833
157 5.025620480111052, 3.511280606971215, 6.53996035325089, -5.146037829587678, 6.660377702727516, -8.174717575867353, 3.6316979564478413
158 5.061415707048004, 3.510427433445734, 6.612403980650274, -5.18163958544821, 6.73262785905048, -8.28361613265275, 3.630651311845939
159 5.010355170395942, 3.5036534040542606, 6.517056936737624, -5.129183687175533, 6.635885453517214, -8.142587219858896, 3.6224819208338515
160 6.270336085362562, 3.507075328097328, 9.033596842627796, 6.391464837906458, 9.15472559517169, 11.917986352436925, 3.6282040806412237
161 5.582411215307105, 3.5066398366348146, 7.6581825939793955, 5.702850675265707, 7.7786220539379975, 9.854393432610289, 3.6270792965934167
162 5.109510166674147, 3.4828957700178327, 6.736124563330461, -5.218077593324257, 6.844691989980571, -8.471306386636886, 3.591463196667944
163 5.108932207643066, 3.4808189730027865, 6.737045442283344, -5.217168940619413, 6.845282175259691, -8.47339540989997, 3.589055705979134
164 5.037225628722587, 3.4906218357515115, 6.583829421693663, -5.147197128525989, 6.693800921497065, -8.240404714468141, 3.600593335554914
165 5.16009495993597, 3.4840911425052967, 6.836098777366644, -5.269142345941079, 6.945146163371752, -8.621149980802425, 3.5931385285104054
166 5.7692492690937485, 3.489283494819592, 8.049215043367907, 5.880775168158598, 8.160740942432755, 10.440706716706913, 3.600809393884441
167 5.783833208023691, 3.4817117059375615, 8.08595471010982, 5.893226326326555, 8.195347828412686, 10.497469330498815, 3.591104824240426
168 5.880401652272507, 3.517999456945713, 8.242803847599301, 6.00406196267301, 8.366464157999804, 10.728866353326598, 3.641659767346216
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-26
169 6.397782879568227, 3.5110680509053234, 9.28449770823113, 6.519731040819382, 9.406445869482285, 12.29316069814519, 3.633016212156478
170 5.0498480690781875, 3.5140989372588347, 6.58559720089754, -5.1710928870181885, 6.706842018837541, -8.242591150656894, 3.635343755198836
171 5.847316255665345, 3.501487211486637, 8.193145299844053, -5.966478628927556, 8.312307673106263, -10.658136717284972, 3.6206495847488473
172 6.436707030020925, 3.5051091487232475, 9.368304911318601, -6.558511217783408, 9.490109099081085, -12.421706980378762, 3.6269133364857313
173 6.22068623783846, 3.516691128794749, 8.92468134688217, 6.347332136568833, 9.051327245612544, 11.755322354656256, 3.643337027525122
174 6.7608095445646885, 3.5224755823375977, 9.999143506791778, 6.88928466812395, 10.12761863035104, 13.365952592578132, 3.6509507058968595
175 6.293569875842204, 3.5261568242380776, 9.06098292744633, -6.422945078584791, 9.190358130188917, -11.957771181793042, 3.6555320269806644
176 4.980188305339181, 3.5234363184127706, 6.43694029226559, 5.109615599926527, 6.5663675868529365, 8.023119573779345, 3.6528636130001173
177 6.771648640904885, 3.5219982446131524, 10.021299037196616, 6.900356898592422, 10.150007294884155, 13.399657691175888, 3.65070650230069
178 5.029215399778533, 3.5152174068441533, 6.543213392712912, -5.156073716601469, 6.670071709535848, -8.184069702470227, 3.64207572366709
179 5.547772480445861, 3.5226508771853893, 7.572894083706332, -5.676217460679751, 7.701339063940222, -9.726460667200694, 3.651095857419279
180 5.780027825777632, 3.520133779265152, 8.039921872290112, -5.9078038507911685, 8.167697897303649, -10.427591943816129, 3.647909804278689
181 4.996508254406988, 3.5213562273515278, 6.47166028146245, -5.1239529203626315, 6.599104947418093, -8.074256974473554, 3.648800893307171
182 5.139415988224016, 3.519470336066658, 6.759361640381373, -5.266388488647808, 6.8863341408051655, -8.506279792962523, 3.64644283649045
183 5.940549498637287, 3.524529772041578, 8.356569225232995, -6.068759519753836, 8.484779246349545, -10.900798972945253, 3.652739793158128
184 6.024744896903151, 3.53174938075283, 8.517740413053472, 6.156213635409676, 8.649209151559997, 11.142204667710319, 3.663218119259355
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-27
185 5.018600252296458, 3.522490339576804, 6.514710165016112, 5.147082754475323, 6.643192667194977, 8.13930257991463, 3.650972841755669
186 5.817490736018325, 3.533139550572577, 8.101841921464072, 5.947791622616994, 8.232142808062742, 10.51649399350849, 3.663440437171247
187 4.979435450261042, 3.4300445277041223, 6.528826372817963, -5.080771492968285, 6.630162415525206, -8.179553338082126, 3.531380570411365
188 7.079531730918694, 3.42240413930403, 10.736659322533358, -7.178856073742088, 10.835983665356752, -14.493111256971416, 3.521728482127424
189 4.937294715417764, 3.4350063960417807, 6.439583034793746, -5.040213062169103, 6.542501381545086, -8.044789700921068, 3.537924742793121
190 4.939701291266817, 3.427234043565004, 6.452168538968631, -5.040405317318372, 6.552872565020186, -8.065339812722, 3.5279380696165594
191 4.922148623410194, 3.4270289865812145, 6.417268260239173, -5.022621058712889, 6.517740695541868, -8.012860332370847, 3.52750142188391
192 4.938853121018309, 3.419700019198786, 6.458006222837832, -5.03734489504391, 6.556497996863434, -8.075651098682957, 3.5181917932243874
193 4.951405252345615, 3.419144670429514, 6.483665834261716, -5.049489362613676, 6.581749944529777, -8.114010526445878, 3.5172287806975753
194 6.102551332075038, 3.4255583122474085, 8.779544351902667, 6.20177294690418, 8.878765966731809, 11.555758986559438, 3.5247799270765503
195 4.986264101057121, 3.425232163615189, 6.547296038499054, -5.085580230261037, 6.646612167702969, -8.207644105144901, 3.5245482928191043
196 5.034929706808727, 3.422446115562769, 6.647413298054686, -5.133368907870376, 6.745852499116334, -8.358336090362293, 3.5208853166244176
197 5.766194849854704, 3.4301704117045415, 8.102219288004868, 5.867722514412413, 8.203746952562577, 10.53977139071274, 3.5316980762622494
198 4.975349555580239, 3.4243113899046906, 6.526387721255788, -5.074334206950769, 6.625372372626318, -8.176410538301868, 3.5232960412752203
199 5.843170998767948, 3.4283122987103596, 8.258029698825537, 5.9476658939134595, 8.362524593971049, 10.777383294028636, 3.532807193855871
200 6.82037757580866, 3.4495829912166567, 10.191172160400663, 6.930840592362521, 10.301635176954523, 13.672429761546526, 3.560046007770517
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-28
201 6.735172731584053, 3.4611264176015193, 10.009219045566589, 6.848984060214246, 10.12303037419678, 13.397076688179315, 3.574937746231712
202 7.273614528889661, 3.445978750608881, 11.10125030717044, -7.383175119049739, 11.21081089733052, -15.038446675611299, 3.5555393407689597
203 5.091653154307166, 3.4458880565779904, 6.737418252036341, 5.201813325876426, 6.847578423605601, 8.493343521334777, 3.55604822814725
204 6.31378980495973, 3.443706731876387, 9.183872878043072, -6.421828346112419, 9.291911419195761, -12.161994492279103, 3.5517452730290766
205 4.979908549251284, 3.4437954414536036, 6.516021657048963, 5.089022413258349, 6.62513552105603, 8.16124862885371, 3.5529093054606697
206 4.156675748430006, 3.4407400491513442, 4.8726114477086675, 4.2640037150177665, 4.979939414296428, 5.69587511357509, 3.5480680157391045
207 4.157915893095521, 3.4407883716558105, 4.875043414535232, 4.2652680209355145, 4.982395542375225, 5.699523063814936, 3.548140499495804
208 4.179291778578571, 3.441350941584051, 4.91723261557309, 4.286152424585092, 5.024093261579611, 5.762034098574131, 3.548211587590572
209 5.631632024392272, 3.443774945349833, 7.819489103434711, 5.739447693268318, 7.927304772310757, 10.115161851353196, 3.551590614225878
210 5.532681093591375, 3.443541807193142, 7.621820379989607, 5.6401235181334775, 7.72926280453171, 9.818402090929943, 3.550984231735245
211 6.824752078495808, 3.4258891882795255, 10.223614968712091, -6.924139131341009, 10.323002021557292, -13.721864911773574, 3.5252762411247254
212 4.981723329611778, 3.411862874661662, 6.551583784561895, -5.077469950716912, 6.647330405667029, -8.217190860617146, 3.507609495766796
213 6.135962887305759, 3.4303129552289127, 8.841612819382604, 6.2375618236256525, 8.943211755702498, 11.648861687779345, 3.5319118915488064
214 5.990931833579, 3.4225145728047655, 8.559349094353236, 6.090441149500186, 8.658858410274421, 11.227275671048655, 3.5220238887259514
215 5.923970282651631, 3.426936714383834, 8.421003850919426, 6.025301632696419, 8.522335200964214, 11.019368769232011, 3.5282680644286217
216 5.9169488034159485, 3.423090303823519, 8.410807303008378, 6.017005730381012, 8.510864229973441, 11.00472272956587, 3.5231472307885827
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-29
217 6.011176412116389, 3.4335420102480345, 8.588810813984743, 6.114004064933569, 8.691638466801924, 11.269272868670278, 3.536369663065215
218 5.778048621265448, 3.4348176497168907, 8.121279592814005, 5.883450040437461, 8.226681011986019, 10.569911983534576, 3.540219068888904
219 5.721396022163907, 3.437933830380086, 8.004858213947726, 5.827579080634214, 8.111041272418035, 10.394503464201854, 3.544116888850394
220 5.836186124385832, 3.4418549548259856, 8.23051729394568, 5.943684816654463, 8.33801598621431, 10.732347155774157, 3.549353647094616
221 4.239476972263296, 3.4351016499165397, 5.043852294610053, 4.345929774070706, 5.150305096417463, 5.9546804187642195, 3.5415544517239494
222 4.236080706134997, 3.436724724211309, 5.0354366880586845, 4.342824931689153, 5.14218091361284, 5.941536895536528, 3.543468949765465
223 4.888456528196639, 3.4405183853082577, 6.336394671085021, 4.99657871370364, 6.444516856592021, 7.892454999480402, 3.548640570815258
224 5.748135153352693, 3.4509979168699862, 8.0452723898354, 5.858537422353163, 8.155674658835869, 10.452811895318577, 3.5614001858704563
225 4.747890695896158, 3.5174417745178843, 5.9783396172744325, 4.884225702407453, 6.114674623785727, 7.345123545164001, 3.653776781029179
226 4.772828464540857, 3.5082725321527692, 6.037384396928944, 4.904578849869594, 6.169134782257681, 7.433690714645769, 3.6400229174815064
227 4.743268466447504, 3.502350933058728, 5.9841859998362805, 4.874919386406773, 6.115836919795549, 7.356754453184325, 3.634001853017996
228 4.860345976930124, 3.4914653526372845, 6.229226601222964, 4.986804709408102, 6.355685333700942, 7.72456595799378, 3.6179240851152628
229 4.87051604904401, 3.5032197459098895, 6.237812352178131, 4.999863666213913, 6.367159969348034, 7.734456272482155, 3.6325673630797923
230 5.507170895377942, 3.478987790628331, 7.535354000127553, 5.629786109209352, 7.657969213958963, 9.686152318708574, 3.601603004459741
231 4.888271184381738, 3.481670095643418, 6.294872273120058, 5.011847590447104, 6.418448679185423, 7.825049767923743, 3.605246501708784
232 4.836700593772077, 3.510703748643647, 6.162697438900508, 4.97003767357889, 6.29603451870732, 7.622031363835751, 3.6440408284504597
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-30
233 4.964893268339456, 3.505757154200731, 6.4240293824781824, 5.096749725755046, 6.555885839893772, 8.015021954032498, 3.6376136116163207
234 5.037399056362113, 3.5229173565182683, 6.551880756205957, 5.17425855592569, 6.688740255769535, 8.20322195561338, 3.6597768560818458
235 4.832731391080282, 3.5112968310393047, 6.154165951121258, 4.9659939258522865, 6.287428485893263, 7.60886304593424, 3.6445593658113093
236 4.753306578081327, 3.530921243034882, 5.975691913127771, 4.892704923345946, 6.1150902583923905, 7.3374755934388345, 3.6703195882995012
237 5.074756029930476, 3.5254527859252915, 6.62405927393566, 5.213373142298084, 6.762676386303268, 8.311979630308453, 3.6640698982928996
238 5.347541416968851, 3.50850958081257, 7.1865732531251325, 5.478793255337122, 7.317825091493403, 9.156856927649685, 3.6397614191808407
239 5.63725894144634, 3.5005303489648067, 7.7739875339278735, 5.766626400281144, 7.903354992762678, 10.040083585244211, 3.6298978077996105
240 4.924226000705391, 3.4841176480392964, 6.364334353371485, 5.047512955653602, 6.487621308319697, 7.927729660985791, 3.6074046029875073
241 4.3711800970480095, 3.4326757287371668, 5.309684465358853, 4.4866828715933025, 5.425187239904145, 6.363691608214988, 3.5481785032824598
242 4.377571077805008, 3.4287355710480716, 5.326406584561945, 4.492198405897867, 5.441033912654803, 6.38986941941174, 3.54336289914093
243 4.342609827266836, 3.430189827807888, 5.255029826725784, 4.45632439747418, 5.368744396933128, 6.281164396392076, 3.543904398015232
244 4.29721334834675, 3.4595817765355674, 5.134844920157933, 4.417342982404866, 5.254974554216048, 6.092606126027231, 3.579711410593683
245 4.349709820426706, 3.4333108112292496, 5.266108829624161, 4.463763044067258, 5.380162053264714, 6.29656106246217, 3.547364034869802
246 4.313655253996085, 3.4421230130133003, 5.185187494978871, 4.43076499530971, 5.302297236292495, 6.173829477275281, 3.5592327543269247
247 4.423793898190992, 3.43922882518404, 5.408358971197944, 4.537447768628757, 5.522012841635709, 6.506577914642661, 3.5528826956218054
248 4.454573665176008, 3.4384258441681097, 5.4707214861839075, 4.5692973286219365, 5.585445149629836, 6.601592970637735, 3.553149507614038
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-31
249 4.600380292412469, 3.4421630080858456, 5.758597576739092, 4.713378845312395, 5.871596129639019, 7.029813413965642, 3.5551615609857716
250 4.637040499428012, 3.432790663435223, 5.8412903354208, 4.74921515292634, 5.953464988919128, 7.157714824911917, 3.544965316933551
251 4.444634826474952, 3.449223303823822, 5.4400463491260815, 4.562753386018529, 5.558164908669659, 6.5535764313207885, 3.567341863367399
252 4.316173431099804, 3.4548238602461483, 5.17752300195346, 4.435898784831167, 5.2972483556848236, 6.158597926538479, 3.5745492139775115
253 4.4843712715481985, 3.489440946019901, 5.479301597076495, 4.611201309394368, 5.606131634922666, 6.601061960450963, 3.6162709838660714
254 4.486423304999718, 3.491494571560455, 5.481352038438982, 4.613022056842248, 5.607950790281512, 6.602879523720776, 3.6180933234029853
255 4.383394165784173, 3.523593078562369, 5.243195253005978, 4.518521702402305, 5.378322789624109, 6.238123876845914, 3.6587206151805005
256 4.508995331449, 3.4931264835941316, 5.524864179303869, 4.636410039308369, 5.652278887163238, 6.668147735018106, 3.6205411914535
257 4.508260252644114, 3.4991721499465993, 5.5173483553416265, 4.636699875125948, 5.645787977823461, 6.654876080520975, 3.6276117724284336
258 4.437136473873428, 3.5040410101271733, 5.370231937619684, 4.567389928020984, 5.500485391767239, 6.433580855513495, 3.634294464274729
259 4.45951706676141, 3.4602249633841624, 5.4588091701386565, 4.577881577972294, 5.5771736813495405, 6.576465784726787, 3.5785894745950464
260 4.461335820437766, 3.5296376432577294, 5.3930339976178026, 4.598880603512144, 5.5305787806921805, 6.462276957872217, 3.6671824263321073
261 4.625173198553894, 3.503276850263773, 5.747069546844016, 4.755789504001005, 5.877685852291126, 6.999582200581248, 3.633893155710884
262 4.535023318157805, 3.504528877178164, 5.565517759137446, 4.666141304255421, 5.696635745235063, 6.727130186214703, 3.6356468632757806
263 4.461151497636684, 3.543103951761828, 5.37919904351154, 4.599823015158792, 5.517870561033648, 6.435918106908505, 3.681775469283936
264 4.510797439630592, 3.520821492843626, 5.500773386417557, 4.645024428822455, 5.635000375609421, 6.624976322396386, 3.65504848203549
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-32
265 4.498330684226683, 3.4305166106497436, 5.566144757803621, 4.610851471181109, 5.678665544758047, 6.746479618334987, 3.54303739760417
266 4.503925135835917, 3.5109410517804864, 5.496909219891347, 4.635041293925701, 5.628025377981132, 6.621009462036563, 3.6420572098702704
267 4.494757636742315, 3.528256189109038, 5.46125908437559, 4.6293278092043, 5.595829256837576, 6.5623307044708525, 3.662826361571024
268 4.468103559767303, 3.5248125607387, 5.411394558795905, 4.603477613679484, 5.546768612708086, 6.490059611736688, 3.6601866146508817
269 4.454425184526804, 3.47296853838599, 5.435881830667618, 4.576709274368297, 5.558165920509111, 6.539622566649925, 3.595252628227483
270 4.49471796441296, 3.512878618984581, 5.476557309841338, 4.626802906104791, 5.608642251533169, 6.590481596961547, 3.6449635606764126
271 4.365360410220614, 3.524439614965494, 5.206281205475733, 4.500427051537718, 5.3413478467928375, 6.182268642047957, 3.6595062562825986
272 4.388747435131913, 3.517599381159321, 5.2598954891045056, 4.522825644990283, 5.393973698962875, 6.2651217529354675, 3.6516775910176906
273 4.381598523990734, 3.5500284398248967, 5.213168608156571, 4.523496895558235, 5.355066979724073, 6.18663706388991, 3.691926811392398
274 4.575357755111064, 3.525966757643988, 5.624748752578139, 4.713009174201436, 5.762400171668511, 6.811791169135587, 3.6636181767343605
275 4.577856059475624, 3.5179374082883434, 5.637774710662904, 4.712838130438892, 5.772756781626173, 6.832675432813453, 3.652919479251612
276 4.538418154768592, 3.528766230135452, 5.548070079401732, 4.677957555933667, 5.687609480566808, 6.6972614051999475, 3.668305631300527
277 4.552934771969192, 3.511418904833787, 5.594450639104598, 4.688869363965849, 5.730385231101255, 6.77190109823666, 3.6473534968304437
278 4.58561397336302, 3.5073374494333045, 5.663890497292735, 4.717391740032775, 5.79566826396249, 6.8739447878922055, 3.6391152161030593
279 4.561646059123543, 3.513061912608413, 5.610230205638673, 4.697154895742973, 5.745739042258103, 6.794323188773233, 3.6485707492278436
280 4.533822561379757, 3.48606629256285, 5.581578830196663, 4.659597065904839, 5.707353334721745, 6.755109603538651, 3.6118407970879316
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-33
281 4.679732824794617, 3.5010100377480193, 5.858455611841215, 4.810588104105181, 5.989310891151779, 7.168033678198377, 3.631865317058583
282 5.0731155435636675, 3.49745114713899, 6.648779939988345, 5.203824543574345, 6.779488939999022, 8.355153336423701, 3.6281601471496674
283 4.765102915116299, 3.5212768425179473, 6.00892898771465, 4.90347908059023, 6.147305153188582, 7.391131225786933, 3.6596530079918788
284 4.558801921139565, 3.5272343853531116, 5.590369456926019, 4.69855519736126, 5.730122733147713, 6.761690268934166, 3.666987661574806
285 4.508699122702935, 3.5122388839437204, 5.505159361462149, 4.641938886691157, 5.638399125450371, 6.634859364209585, 3.645478647931942
286 4.521990761764852, 3.5334956658639736, 5.5104858576657305, 4.662069592033785, 5.650564687934664, 6.639059783835543, 3.6735744961329067
287 4.698402553564278, 3.5282271532807847, 5.868577953847771, 4.835725985423579, 6.005901385707072, 7.176076785990565, 3.665550585140086
288 4.55892107156974, 3.540277857060095, 5.577564286079385, 4.701062136738586, 5.719705351248231, 6.738348565757875, 3.682418922228942
289 4.717390657083588, 3.522156336225831, 5.912624977941345, 4.855219534798604, 6.05045385565636, 7.245688176514117, 3.6599852139408466
290 4.69030142865454, 3.5055259493910156, 5.875076907918064, 4.822291163051774, 6.007066642315298, 7.191842121578822, 3.637515683788249
291 4.505229851898857, 3.494407228018667, 5.516052475779048, 4.632783726344744, 5.643606350224935, 6.654428974105126, 3.621961102464554
292 4.94685000238721, 3.5018886194572816, 6.391811385317138, 5.061062175805177, 6.506023558735106, 7.950984941665034, 3.6161007928752493
293 4.9864784315442305, 3.4952701789430356, 6.477686684145425, 5.098657701310508, 6.589865953911702, 8.081074206512897, 3.6074494487093127
294 4.96563425489472, 3.4912553058910527, 6.440013203898387, 5.07779345226066, 6.552172401264326, 8.026551350267994, 3.6034145032569924
295 4.981351302238122, 3.493847104358099, 6.468855500118145, 5.093868902547281, 6.581373100427304, 8.068877298307326, 3.6063647046672584
296 4.9726067703588654, 3.4918517006188394, 6.453361840098891, 5.083659434102902, 6.564414503842928, 8.045169573582953, 3.6029043643628755
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-34
297 5.020776732093294, 3.5028863008627553, 6.538667163323833, 5.135140957892832, 6.65303138912337, 8.17092182035391, 3.617250526662293
298 5.074893685186516, 3.512059698866589, 6.637727671506442, 5.190634349435772, 6.753468335755699, 8.316302322075625, 3.627800363115845
299 5.019327762111087, 3.503040258111871, 6.5356152661103035, 5.132731912206106, 6.649019416205323, 8.16530692020454, 3.616444408206889
300 6.290374602655144, 3.497625955006698, 9.08312325030359, 6.401647130930064, 9.19439577857851, 11.987144426226957, 3.6088984832816178
301 6.1717327218376505, 3.507295149015981, 8.83617029465932, 6.28588923791292, 8.95032681073459, 11.61476438355626, 3.6214516650912496
302 6.139182163299972, 3.5043965402411237, 8.77396778635882, 6.252805126438635, 8.887590749497484, 11.522376372556332, 3.618019503379787
303 5.002777417300396, 3.4968082116755514, 6.508746622925241, 5.114912634450553, 6.6208818400753975, 8.126851045700242, 3.608943428825708
304 4.506881886623791, 3.59437808121315, 5.419385692034432, 4.658608647538989, 5.571112452949629, 6.483616258360271, 3.7461048421283474
305 4.417493486026286, 3.6004032061926026, 5.23458376585997, 4.571567053444349, 5.388657333278033, 6.205747613111717, 3.754476773610666
306 4.497356973233966, 3.5953777602429446, 5.399336186224987, 4.650139933796628, 5.552119146787649, 6.45409835977867, 3.7481607208056067
307 4.417464252858671, 3.604772051000172, 5.230156454717169, 4.573169001003033, 5.385861202861532, 6.19855340472003, 3.7604767991445356
308 4.403353431196254, 3.6025318218050204, 5.204175040587487, 4.558269840576799, 5.359091449968033, 6.159913059359266, 3.757448231185566
309 4.409208265102061, 3.6041077038688196, 5.2143088263353015, 4.565134081358233, 5.370234642591473, 6.175335203824714, 3.760033520124991
310 4.52928753382235, 3.5893996982010457, 5.469175369443655, 4.679081463364063, 5.618969298985367, 6.558857134606672, 3.7391936277427575
311 4.507238741622849, 3.5926399624120724, 5.421837520833626, 4.6580964431375085, 5.572695222348285, 6.487294001559062, 3.7434976639267314
312 4.524274353432552, 3.5948906660226236, 5.45365804084248, 4.674927929695805, 5.604311617105734, 6.533695304515661, 3.745544242285877
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-35
313 4.508641408809373, 3.5901273755039513, 5.4271554421147945, 4.658576461864089, 5.577090495169511, 6.495604528474932, 3.7400624285586677
314 4.509830705376717, 3.5919624380534683, 5.427698972699966, 4.659573127569559, 5.5774413948928085, 6.495309662216057, 3.74170486024631
315 4.510191136829804, 3.6091591734017423, 5.411223100257866, 4.6653441853258215, 5.566376148753883, 6.467408112181945, 3.76431222189776
316 4.403970398352228, 3.6101690896611855, 5.197771707043269, 4.561051608525984, 5.354852917217026, 6.148654225908067, 3.7672502998349424
317 5.696875295073889, 3.514297619183252, 7.879452970964526, 5.8132801606954745, 7.9958578365861115, 10.17843551247675, 3.6307024848048375
318 7.0497944551644345, 3.5006140218665887, 10.59897488846228, -7.1614114787641014, 10.710591912061947, -14.259772345359792, 3.6122310454662556
319 4.734593638316735, 3.5111973390378903, 5.9579899375955785, 4.851502320502052, 6.074898619780897, 7.298294919059741, 3.628106021223208
320 4.688610602695236, 3.5139343237983236, 5.863286881592147, 4.807346862507775, 5.982023141404687, 7.156699420301599, 3.6326705836108637
321 4.4081911928538, 3.6343605345859684, 5.182021851121632, 4.57561781079654, 5.349448469064372, 6.123279127332204, 3.801787152528709
322 4.482048325571808, 3.6196256595387326, 5.344470991604884, 4.644517843201453, 5.5069405092345285, 6.369363175267605, 3.7820951771683777
323 4.402761849102048, 3.61856389891794, 5.186959799286155, 4.564480255934922, 5.34867820611903, 6.132876156303138, 3.780282305750814
324 4.400577623346786, 3.6128011754586407, 5.188354071234931, 4.561182798247106, 5.3489592461352515, 6.136735694023397, 3.7734063503589605
325 4.40662276560997, 3.6248123664405982, 5.188433164779342, 4.572126768870601, 5.353937168039972, 6.135747567209344, 3.7903163697012294
326 4.515823052271787, 3.6266702789287315, 5.404975825614843, 4.680387357827073, 5.569540131170129, 6.4586929045131845, 3.7912345844840174
327 4.498602187970854, 3.6270456593232043, 5.370158716618504, 4.663573192557828, 5.535129721205478, 6.406686249853128, 3.792016663910178
328 4.5202023021882685, 3.6245462957882832, 5.415858308588254, 4.683814092979759, 5.579470099379744, 6.475126105779729, 3.7881580865797737
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-36
329 4.526033167990448, 3.6312896527249685, 5.420776683255928, 4.690945957781282, 5.585689473046762, 6.480432988312242, 3.7962024425158027
330 4.533951179481326, 3.624770046282835, 5.443132312679817, 4.697237269067836, 5.606418402266327, 6.515599535464816, 3.7880561358693456
331 4.537650530201935, 3.6218561788458263, 5.453444881558044, 4.70035572252165, 5.616150073877759, 6.531944425233868, 3.784561371165541
332 4.50852985890734, 3.6106634389005814, 5.406396278914099, 4.667844360360263, 5.565710780367022, 6.463577200373781, 3.7699779403535043
333 4.4131482259804455, 3.628259971568884, 5.198036480392006, 4.579274877108051, 5.3641631315196125, 6.149051385931173, 3.7943866226964897
334 4.405402484552108, 3.627251234168465, 5.183553734935752, 4.571464559010245, 5.349615809393889, 6.127767059777533, 3.7933133086266015
335 4.615437712485764, 3.4424387762336877, 5.788436648737841, 4.727520673816884, 5.900519610068961, 7.073518546321037, 3.5545217375648073
336 4.619506288054581, 3.45123739911652, 5.7877751769926435, 4.734157187698839, 5.9024260766369006, 7.070694965574963, 3.5658882987607776
337 4.6053162204066105, 3.448311193035004, 5.7623212477782175, 4.719025692314353, 5.87603071968596, 7.033035747057567, 3.562020664942746
338 4.62007878681864, 3.4436197082690803, 5.7965378653682, 4.7324896418973115, 5.908948720446872, 7.085407798996431, 3.556030563347752
339 4.6172127755977375, 3.443781318811953, 5.790644232383522, 4.729442180794045, 5.90287363757983, 7.0763050943656145, 3.5560107240082606
340 4.6076144414566835, 3.44907702710162, 5.766151855811747, 4.721706830397734, 5.880244244752797, 7.03878165910786, 3.5631694160426703
341 4.618134722507635, 3.4463482929980307, 5.7899211520172384, 4.730471370471266, 5.90225779998087, 7.074044229490473, 3.558684940961662
342 4.612171332800263, 3.4534421374627775, 5.770900528137747, 4.725979405800705, 5.88470860113819, 7.043437796475675, 3.5672502104632198
343 4.608160545443871, 3.4554848827304774, 5.760836208157265, 4.7220881620236055, 5.874763824737, 7.027439487450394, 3.5694124993102117
344 4.592990113887766, 3.455899839712287, 5.730080388063246, 4.707640081140231, 5.84473035531571, 6.98182062949119, 3.5705498069647517
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-37
345 4.59795672818011, 3.4525369112803497, 5.743376545079871, 4.712217778133853, 5.857637595033614, 7.003057411933374, 3.566797961234093
346 4.602764075022823, 3.4478703716646506, 5.757657778380995, 4.715471092515525, 5.870364795873697, 7.02525849923187, 3.5605773891573524
347 4.614974070810439, 3.448436834134678, 5.7815113074862, 4.729007671652081, 5.895544908327842, 7.062082145003603, 3.5624704349763197
348 4.50383141132917, 3.515619294735074, 5.492043527923265, 4.640618939011931, 5.628831055606026, 6.6170431722001215, 3.6524068224178357
349 4.527573783087448, 3.5126066091123915, 5.542540957062504, 4.662854967958868, 5.677822141933924, 6.69278931590898, 3.647887793983812
350 4.514954642179148, 3.506718550524809, 5.523190733833489, 4.648539057021316, 5.656775148675656, 6.665011240329997, 3.6403029653669767
351 4.521780570172177, 3.503230770219661, 5.5403303701246935, 4.65462408621057, 5.673173886163087, 6.691723686115603, 3.6360742862580535
352 4.497239217114554, 3.501428059299652, 5.4930503749294575, 4.629558697059735, 5.625369854874637, 6.621181012689539, 3.6337475392448315
353 4.49900854547153, 3.5072513990822807, 5.49076569186078, 4.633109698442575, 5.624866844831825, 6.616623991221075, 3.641352552053325
354 4.515172858472744, 3.503322554313784, 5.527023162631705, 4.646310060293814, 5.658160364452775, 6.670010668611735, 3.6344597561348535
355 4.520258841089976, 3.512164276404345, 5.528353405775608, 4.65544326364455, 5.663537828330181, 6.6716323930158135, 3.6473486989589183
356 4.680869496949525, 3.498247735815704, 5.863491258083346, 4.809469289521555, 5.992091050655375, 7.174712811789197, 3.6268475283877337
357 4.695533395071403, 3.5107652541093137, 5.8803015360334925, 4.829396997782912, 6.0141651387450015, 7.198933279707091, 3.6446288568208236
358 4.666981320092798, 3.4926602583532818, 5.841302381832316, 4.7934115400458905, 5.967732601785407, 7.142053663524924, 3.6190904783063735
359 4.65941245680167, 3.498925788324653, 5.819899125278687, 4.79060672021965, 5.951093388696666, 7.111580057173684, 3.6301200517426326
360 4.6678728221130115, 3.4957595888111634, 5.839986055414859, 4.796980747447155, 5.969093980749004, 7.141207214050851, 3.6248675141453077
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-38
361 4.669986279568649, 3.483436283606651, 5.856536275530647, 4.796863500213137, 5.983413496175135, 7.169963492137133, 3.6103135042511387
362 4.508330791050082, 3.4974661561982394, 5.519195425901925, 4.639931806959807, 5.65079644181165, 6.661661076663494, 3.6290671721079644
363 4.6122751657432834, 3.44913783408587, 5.775412497400698, 4.726659266560522, 5.889796598217935, 7.052933929875349, 3.563521934903108
364 4.4586087861771375, 3.4498101964126615, 5.4674073759416135, 4.573067759773709, 5.581866349538185, 6.590664939302661, 3.5642691700092324
365 4.528719521856143, 3.501495631614907, 5.5559434120973785, 4.660318803725899, 5.687542693967135, 6.714766584208371, 3.6330949134846633
366 4.669729038967737, 3.5029235768441866, 5.836534501091288, 4.801916883549167, 5.968722345672717, 7.135527807796268, 3.6351114214256164
367 4.515660783959261, 3.4935369754606747, 5.537784592457847, 4.645550590206843, 5.6676743987054286, 6.6897982072040145, 3.6234267817082566
368 4.525186955251475, 3.4973272974109286, 5.553046613092023, 4.655456054252293, 5.68331571209284, 6.711175369933387, 3.627596396411746
369 4.536989020113806, 3.510395083271398, 5.563582956956215, 4.670915847600313, 5.697509784442722, 6.72410372128513, 3.644321910757905
370 4.538731343795212, 3.5085518556720183, 5.568910831918406, 4.672607886072556, 5.70278737419575, 6.732966862318944, 3.642428397949362
371 4.494521021265564, 3.4936691631777568, 5.495372879353372, 4.624476921371688, 5.625328779459496, 6.626180637547304, 3.62362506328388
372 4.493921212644181, 3.5012989860239787, 5.486543439264383, 4.6268064822023955, 5.619428708822598, 6.6120509354428005, 3.6341842555821935
373 4.396279031771873, 3.5089739001395697, 5.283584163404178, 4.531617447903961, 5.418922579536265, 6.306227711168569, 3.644312316271657
374 4.5078761242249294, 3.4989233596901497, 5.516828888759708, 4.640459122587249, 5.649411887122028, 6.658364651656807, 3.6315063580524694
375 4.372804971225704, 3.499056831311054, 5.246553111140353, 4.505581506710664, 5.3793296466253135, 6.253077786539963, 3.6318333667960143
376 4.38958376394572, 3.501666514718111, 5.277501013173329, 4.521143077464111, 5.40906032669172, 6.296977575919329, 3.6332258282365024
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-39
377 4.412879667027202, 3.5154847179168263, 5.310274616137578, 4.548359770200573, 5.4457547193109495, 6.343149668421325, 3.6509648210901977
378 4.392004743157168, 3.5187925705047136, 5.2652169158096225, 4.52864469450245, 5.401856867154905, 6.2750690398073585, 3.655432521849996
379 4.4405332528602734, 3.5262682021318925, 5.354798303588655, 4.579926223587693, 5.494191274316075, 6.4084563250444555, 3.6656611728593114
380 4.513780478376095, 3.504874357688595, 5.522686599063595, 4.646818375863434, 5.655724496550934, 6.664630617238434, 3.6379122551759338
381 4.523202509173403, 3.4942688607084063, 5.552136157638401, 4.651816543838011, 5.680750192303008, 6.7096838407680055, 3.6228828953730137
382 4.500816057358674, 3.4986424904483444, 5.502989624269003, 4.6336392473867685, 5.635812814297098, 6.637986381207427, 3.6314656804764396
383 4.513260896460408, 3.4928247261411687, 5.533697066779648, 4.6431752043349155, 5.663611374654154, 6.684047544973394, 3.622739034015676
384 4.388326884560522, 3.4864657399233074, 5.290188029197736, 4.517744929736671, 5.419606074373886, 6.321467219011099, 3.615883785099457
385 5.831043181125282, 3.497632953936934, 8.16445340831363, 5.950660756045995, 8.284070983234344, 10.61748121042269, 3.617250528857647
386 5.141964853731026, 3.4974316396420897, 6.786498067819962, -5.2612423588660056, 6.9057755729549415, -8.550308787043877, 3.616709144777069
387 5.601819294214978, 3.505581066718161, 7.698057521711793, 5.724097410577859, 7.820335638074675, 9.916573865571491, 3.6278591830810427
388 5.833609939154201, 3.5014812207694916, 8.16573865753891, 5.954195576641487, 8.286324295026196, 10.618453013410905, 3.622066858256778
389 5.771615765640813, 3.5105616280161485, 8.032669903265477, 5.894842001495983, 8.155896139120646, 10.416950276745311, 3.6337878638713184
390 5.9472156247479075, 3.505454437272489, 8.388976812223325, 6.068717298518937, 8.510478485994355, 10.952239673469773, 3.6269561110435196
391 5.796640615284001, 3.5006098628339695, 8.092671367734031, 5.91572000183577, 8.2117507542858, 10.507781506735832, 3.6196892493857398
392 5.13315250332127, 3.494024488304566, 6.772280518337975, -5.2509658454257995, 6.890093860442503, -8.529221875459207, 3.611837830409095
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-40
393 5.743574098172929, 3.492024899859275, 7.995123296486583, 5.861227675113823, 8.112776873427478, 10.364326071741132, 3.609678476800169
394 5.5578196834721165, 3.4891933948220606, 7.6264459721221725, 5.675021537184542, 7.743647825834598, 9.812274114484653, 3.6063952485344863
395 5.413224455350133, 3.4948416248235703, 7.331607285876696, 5.531686042604889, 7.4500688731314515, 9.368451703658014, 3.6133032120783266
396 5.340755521474414, 3.4954764319467597, 7.186034611002067, 5.4661078567001455, 7.311386946227799, 9.156666035755453, 3.620828767172492
397 5.3855799014421954, 3.5015676913063354, 7.269592111578056, 5.512131888319847, 7.396144098455708, 9.280156308591568, 3.6281196781839875
398 5.796278343278373, 3.5078826245150596, 8.084674062041687, 5.924035898305954, 8.212431617069267, 10.50082733583258, 3.6356401795426403
399 4.868210836463404, 3.5122617618837033, 6.224159911043105, 4.998279441152434, 6.354228515732134, 7.710177590311836, 3.6423303665727325
400 4.913034966637744, 3.5166968228423277, 6.30937311043316, 5.044714375395855, 6.44105251919127, 7.837390662986687, 3.6483762316004382
401 4.854222611403826, 3.5012553475686214, 6.20718987523903, 4.98025110649258, 6.333218370327785, 7.68618563416299, 3.6272838426573757
402 4.943371971668721, 3.510070578604256, 6.376673364733187, 5.071859468046334, 6.5051608611108, 7.938462254175265, 3.638558074981868
403 4.899245302448615, 3.495576100730759, 6.30291450416647, 5.0224341741184375, 6.426103375836293, 7.829772577554149, 3.6187649724005824
404 5.7145313150774575, 3.5059791337932618, 7.923083496361654, 5.839884629422436, 8.048436810706631, 10.256988991990829, 3.6313324481382394
405 5.174131854950524, 3.4877766369725287, 6.860487072928519, -5.295757917651747, 6.982113135629742, -8.668468353607738, 3.609402699673751
406 5.538812642180892, 3.5005359501084596, 7.577089334253324, 5.663992643193159, 7.702269335265591, 9.740546027338022, 3.625715951120727
407 5.510962598827949, 3.5003660942203823, 7.521559103435516, 5.636057671896178, 7.646654176503745, 9.65725068111131, 3.6254611672886106
408 5.480230774973692, 3.4999111970693146, 7.460550352878069, 5.6011072768379515, 7.581426854742329, 9.561746432646705, 3.6207876989335745
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-41
409 5.458768779405189, 3.490017789193676, 7.427519769616703, 5.576020817592261, 7.544771807803775, 9.513522798015288, 3.607269827380747
410 5.7061491720583515, 3.498020731725842, 7.91427761239086, 5.8250045650238125, 8.033133005356321, 10.24126144568883, 3.6168761246913035
411 5.077387121417193, 3.4939654578433372, 6.660808784991048, -5.195170948291106, 6.778592611864962, -8.362014275438817, 3.611749284717251
412 5.636429100785705, 3.4949571413937033, 7.777901060177705, 5.7548285748121595, 7.89630053420416, 10.037772493596162, 3.613356615420158
413 6.128930694209216, 3.501697498378692, 8.756163890039739, 6.249505257080072, 8.876738452910596, 11.50397164874112, 3.6222720612495487
414 5.9685058849838795, 3.5064677458978277, 8.430544024069931, 6.0905142130675785, 8.552552352153631, 11.014590491239682, 3.628476073981527
415 5.507507058456659, 3.5124196104010905, 7.502594506512228, 5.635598597054242, 7.630686045109812, 9.62577349316538, 3.640511148998674
416 4.781996325220127, 3.499239390268775, 6.0647532601714795, 4.910345306205323, 6.193102241156675, 7.475859176108027, 3.6275883712539705
417 4.778214808488507, 3.4902168072950146, 6.066212809682, 4.902176759644549, 6.190174760838041, 7.478172762031534, 3.614178758451057
418 4.898759765012232, 3.4941182956161523, 6.303401234408313, 5.025544288679009, 6.43018575807509, 7.83482722747117, 3.6209028192829287
419 4.874254000265919, 3.5018350251654424, 6.246672975366397, 5.003528439806918, 6.375947414907395, 7.748366390007872, 3.631109464706441
420 4.847223909073903, 3.5027003299002906, 6.191747488247515, 4.975817740116973, 6.320341319290585, 7.664864898464197, 3.631294160943361
421 4.858690094011462, 3.5156777183164456, 6.201702469706479, 4.991440979127723, 6.334453354822739, 7.677465730517755, 3.6484286034327056
422 4.815274647185264, 3.4945684629996956, 6.1359808313708335, 4.942909139121666, 6.263615323307235, 7.584321507492803, 3.6222029549360975
423 5.463501631365171, 3.496004166251495, 7.430999096478846, -5.589365154089997, 7.556862619203672, -9.524360084317347, 3.6218676889763213
424 5.15471412872682, 3.5070427777428805, 6.8023854797107575, 5.284494387259732, 6.932165738243671, 8.57983708922761, 3.636823036275794
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-42
425 5.475261566619305, 3.513584615260238, 7.436938517978372, -5.605748703965737, 7.567425655324804, -9.529102606683871, 3.6440717526066706
426 5.512841269221652, 3.4918647379269663, 7.533817800516338, -5.637006587269104, 7.6579831185637905, -9.678959649858475, 3.6160300559744183
427 5.353667262068716, 3.4891130632079914, 7.21822146092944, -5.478198907616387, 7.342753106477112, -9.207307305337835, 3.6136447087556633
428 4.793299080520911, 3.514900189082698, 6.071697971959123, 4.9261499963667035, 6.204548887804916, 7.482947779243129, 3.6477511049284903
429 4.866569807142067, 3.501021209147535, 6.232118405136599, 4.995437338674112, 6.360985936668643, 7.726534534663175, 3.6298887406795797
430 5.187670952227604, 3.5070115212240265, 6.868330383231182, 5.31879083209197, 6.9994502630955475, 8.680109694099125, 3.6381314010883923
431 4.164296387507658, 3.587443650968837, 4.741149124046478, 4.316254530561229, 4.89310726710005, 5.469960003638871, 3.7394017940224087
432 4.166386790625348, 3.5835433763223765, 4.749230204928319, 4.3166209914188, 4.899464405721771, 5.482307820024742, 3.733777577115829
433 4.477667355493259, 3.590464342259147, 5.36487036872737, 4.631588470183801, 5.518791483417913, 6.405994496652024, 3.7443854569496895
434 3.9423401120992625, 3.5992625424740905, 4.285417681724434, 4.098743148462816, 4.441820718087988, 4.78489828771316, 3.7556655788376445
435 4.137400289397493, 3.5981350561313903, 4.676665522663597, 4.293015140977001, 4.832280374243105, 5.371545607509208, 3.7537499077108976
436 4.098892415111402, 3.60512761056121, 4.592657219661595, 4.256996417561144, 4.750761222111336, 5.244526026661529, 3.7632316130109515
437 3.8963776762281186, 3.6128286571601618, 4.179926695296075, 4.057107579582408, 4.340656598650365, 4.624205617718322, 3.7735585605144517
438 3.897512730406489, 3.610068664395015, 4.184956796417963, 4.0575297569227375, 4.344973822934211, 4.632417888945685, 3.770085690911263
439 4.100204314840581, 3.613106007268486, 4.587302622412676, 4.259524205394028, 4.746622512966122, 5.233720820538218, 3.772425897821932
440 4.092324264361414, 3.624035270656815, 4.560613258066014, 4.255461644140254, 4.723750637844854, 5.192039631549454, 3.7871726504356555
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-43
441 4.0842041420712425, 3.6118172726492244, 4.556591011493261, 4.244206434662295, 4.716593304084313, 5.188980173506331, 3.771819565240277
442 4.079922813589535, 3.602461766427688, 4.557383860751383, 4.23613639112212, 4.713597438283967, 5.191058485445815, 3.758675343960273
443 4.4621487105500695, 3.593477676232202, 5.330819744867938, 4.615883987626433, 5.484555021944301, 6.353226056262169, 3.747212953308565
444 4.563882592120504, 3.582432924713837, 5.5453322595271715, 4.714696090280589, 5.6961457576872565, 6.677595425093924, 3.733246422873922
445 4.5698961927622594, 3.613071166463241, 5.526721219061277, 4.73421640907162, 5.6910414353706384, 6.647866461669656, 3.7773913827726022
446 4.547270217227085, 3.615907013741831, 5.478633420712339, 4.710540748337985, 5.641903951823239, 6.573267155308494, 3.779177544852731
447 4.560133253027478, 3.6215194943807423, 5.498747011674213, 4.7276647653443575, 5.666278523991093, 6.604892282637829, 3.789051006697622
448 4.555317844784477, 3.621345747358705, 5.489289942210247, 4.722987157424091, 5.656959254849863, 6.590931352275634, 3.7890150599983206
449 4.566674062181138, 3.6241314279379884, 5.5092166964242875, 4.735399291472667, 5.677941925715817, 6.620484559958967, 3.792856657229517
450 4.557990142899426, 3.622846380271299, 5.493133905527552, 4.72584852267552, 5.660992285303646, 6.596136047931773, 3.790704760047393
451 4.593100785548201, 3.6131951782204887, 5.5730063928759135, 4.757257517330719, 5.737163124658432, 6.717068731986144, 3.7773519100030066
452 4.520616359233048, 3.6070794661358083, 5.434153252330288, 4.681827950906694, 5.595364844003934, 6.508901737101174, 3.768291057809454
453 4.632371721333986, 3.5985162883740567, 5.6662271542939155, 4.790999521993508, 5.824854954953437, 6.8587103879133675, 3.7571440890335785
454 4.670376198921658, 3.6167465255263975, 5.724005872316919, 4.834289658853994, 5.887919332249254, 6.941549005644515, 3.780659985458733
455 4.796178753549623, 3.5889824694103125, 6.003375037688933, 4.951293187778365, 6.158489471917675, 7.365685756056985, 3.7440969036390546
456 4.750085274994994, 3.593303059979152, 5.906867490010836, 4.906220121360707, 6.063002336376549, 7.219784551392391, 3.749437906344864
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-44
457 4.569419462812521, 3.592983643740795, 5.545855281884246, 4.724826895530597, 5.701262714602323, 6.677698533674048, 3.748391076458872
458 4.568532803365249, 3.6147362273072368, 5.522329379423261, 4.73244824053268, 5.686244816590692, 6.640041392648705, 3.778651664474668
459 4.575999801752792, 3.5861673950961293, 5.565832208409454, 4.726755357906598, 5.716587764563261, 6.706420171219923, 3.736922951249936
460 4.737218706678882, 3.6070716656557322, 5.867365747702031, 4.898764897387508, 6.0289119384106575, 7.159058979433807, 3.768617856364359
461 4.725199137434494, 3.606617747310463, 5.843780527558524, 4.887196954650694, 6.005778344774725, 7.124359734898754, 3.7686155645266632
462 4.600609930316383, 3.605769691241214, 5.595450169391552, 4.761166634542732, 5.756006873617901, 6.75084711269307, 3.7663263954675634
463 4.608486455076061, 3.600924214732085, 5.616048695420038, 4.76843187881824, 5.775994119162217, 6.783556359506193, 3.7608696384742637
464 4.621129095672266, 3.599683624557901, 5.6425745667866325, 4.7807955614282145, 5.80224103254258, 6.823686503656946, 3.759350090313849
465 4.3935975501202735, 3.5808894233942836, 5.206305676846264, 4.54523765466537, 5.3579457813913605, 6.17065390811735, 3.73252952793938
466 4.383006502508648, 3.594099102526809, 5.171913902490486, 4.537727912377795, 5.326635312359633, 6.115542712341472, 3.748820512395956
467 4.4828100244525775, 3.5815641781590046, 5.384055870746151, 4.633644623526261, 5.5348904698198345, 6.436136316113408, 3.732398777232688
468 4.4543264941191785, 3.5684962039977015, 5.340156784240655, 4.603351642109048, 5.489181932230525, 6.375012222352002, 3.717521351987571
469 4.410801537232073, 3.5703466542182136, 5.251256420245934, 4.558549704332848, 5.399004587346708, 6.239459470360568, 3.7180948213189877
470 4.394155690274919, 3.579979225981008, 5.208332154568829, 4.545111637821091, 5.359288102115001, 6.173464566408912, 3.7309351735271807
471 4.400586357024656, 3.5981470450981536, 5.203025668951157, 4.559712389567913, 5.362151701494415, 6.1645910134209165, 3.7572730776414116
472 4.424911699085718, 3.6185584357247036, 5.2312649624467324, 4.587952120114178, 5.394305383475191, 6.200658646836206, 3.781598856753163
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
L-45
473 4.400849169360737, 3.602312953438009, 5.199385385283464, 4.55877741120625, 5.357313627128978, 6.155849843051705, 3.760241195283522
474 4.372177360647594, 3.6122626753130795, 5.132092045982108, 4.531737956578668, 5.291652641913183, 6.051567327247697, 3.771823271244154
475 4.4594160908291, 3.63117082737904, 5.287661354279161, 4.62448650668663, 5.45273177013669, 6.28097703358675, 3.796241243236569
476 4.586398719372503, 3.628778374943294, 5.544019063801713, 4.751688973289243, 5.709309317718452, 6.666929662147662, 3.794068628860033
477 4.391537042685832, 3.6417825980879592, 5.141291487283706, 4.560290816491248, 5.310045261089122, 6.059799705686995, 3.8105363718933747
478 4.428039598138739, 3.6263402049156372, 5.22973899136184, 4.592548343493906, 5.3942477367170065, 6.195947129940108, 3.7908489502708047
479 4.462410425096812, 3.624001680959375, 5.30081916923425, 4.625749908473849, 5.464158652611286, 6.302567396748724, 3.7873411643364108
480 4.399471165854028, 3.629996881460403, 5.168945450247653, 4.565808249481578, 5.335282533875204, 6.104756818268829, 3.7963339650879533
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI