bab iv hasil pengujian dan pengamatanrepository.dinamika.ac.id/id/eprint/2610/6/bab_iv.pdf · 2017....

45

BAB IV

HASIL PENGUJIAN DAN PENGAMATAN

Hasil pengujian dan pengamatan yang dilakukan oleh penulis merupakan

hasil pengujian dan pengamatan yang sudah dilakukan terhadap perangkat lunak

dari sistem secara keseluruhan yang telah selesai dibuat untuk mengetahui

program yang digunakan dalam sistem ini apakah berjalan dengan baik sesuai

yang diharapkan. Terdapat beberapa pengujian sistem yang dilakukan, antara lain

4.1 Pengujian Grayscale

Pengujian yang pertama ini merupakan pengujian yang dilakukan

dengan menggunakan metode pre-processing Grayscale.

4.1.1 Tujuan

Pengujian ini dilakukan untuk dapat menghasilkan citra keluaran yang

memiliki warna keabuan.

4.1.2 Alat yang digunakan

Berikut ini adalah Alat yang digunakan untuk melakukan pengujian pre-

processing grayscale:

a. Laptop atau Komputer

b. Software Microsoft Visual Studio dengan menggunakan library OpenCV

dan Program tugas akhir untuk memproses citra dan menghasilkan citra

keluaran yang memiliki warna keabuan.

4.1.3 Prosedur Pengujian

Prosedur pengujian perangkat program :

a. Buka projret TA.sln.

46

b. Inputkan sampel citra yang akan di uji.

Proses inputan sampel citra yang diuji dengan proses grayscale. Dengan

potongan program berikut :

private: Mat TGray(Mat src) {

Mat dst;

cvtColor(src, dst, CV_BGR2GRAY);

return dst; }

c. Jalankan program.

4.1.4 Hasil Pengujian

Dibawah ini adalah hasil pengujian dari program grayscale yang

menghasilkan keluaran berupa warna keabuan, hasil ini akan digunakan pada

proses berikutnya yaitu proses threshold, hasil dari proses grayscale dapat dilihat

pada gambar 4.1.

Gambar 4.1 Hasil Proses Grayscale

47

4.2 Pengujian Threshold

Pengujian ini merupakan pengujian yang dilakukan dengan menggunakan

pre-processing threshold.

4.2.1 Tujuan

Pengujian ini dilakukan untuk mendapatkan citra yang bernilai hitam dan

putih, sehingga lebih mudah untuk membedakan mana yang objek dan mana yang

bukan objek.



processing threshold:




keluaran yang memiliki warna hitam dan putih.


Prosedur pengujian pada OpenCV:

a. Inputkan sampel citra yang akan di uji.

Proses inputan sampel citra yang diuji dengan proses threshold. Dengan


private: Mat TBiner(Mat src) {

Mat dst;

threshold(src, dst, 100, 255, CV_THRESH_OTSU);

return dst;

}

48

4.2.4 Hasil pengujian

Dibawah ini adalah hasil pengujian dari program threshold yang

menghasilkan keluaran berupa warna hitam dan putih. Seperti pada gambar 4.2.

Hasil ini digunakan pada proses selanjutnya yaitu proses deteksi tepi.

Gambar 4.2 Hasil Proses Threshold

4.3 Pengujian Canny

Pengujian ini merupakan pengujian yang dilakukan dengan

menggunakan pre-processing Canny.

4.3.1 Tujuan

Pengujian ini dilakukan untuk mendeteksi tepi pada suatu citra.



processing canny:




keluaran tepi yang sudah dideteksi.

49



b. Inputkan sampel citra yang akan di uji.

Proses inputan sampel citra yang diuji dengan proses canny. Dengan


private: Mat TCanny(Mat src) {

Mat dst;

Canny(src, dst, 70, 200,3);

return dst;

}

4.3.4 Hasil pengujian

Dibawah ini adalah hasil pengujian dari program cannyyang

menghasilkan keluaran berupa tepian pada citra . Seperti pada gambar 4.3

dibawah ini.

Gambar 4.3 Hasil Proses Canny

Hasil dari proses Canny terdapat beberapa garis yang sudah mulai

terputus, maka dari itu dilakukannya proses selanjutnya yaitu proses dilasi. Proses

dilasi nantinya akan menyambung kembali garis yang sudah mulai terputus

tersebut.

50

4.4 Pengujian Dilasi


menggunakan proses Dilasi, proses dilasi ini menggunakan structuring element

berbentuk persegi panjang dan menggunakan ukuran tertentu.

4.4.1 Tujuan

Pengujian ini dilakukan menyambungkan kembali garis – garis yang

mulai terputus, agar tidak menjadikan objek lain pada citra.



processing canny:




keluaran garis yang sudah tebal/ tersambung.




Proses inputan sampel citra yang diuji dengan proses dilasi. Dengan


private: Mat TDilate (Mat src) {

Mat dst;

Mat Element;

Element = getStructuringElement(MORPH_ELLIPSE,

cv::Size(5,5));

51

dilate(src, dst, Element);

return dst;

}


Berikut ini adalah hasil pengujian program dilasi yang menghasilkan

keluaran berupa penebalan garis pada citra, seperti pada Tabel 4.1 dibawah ini.

Tabel 4.1 Pengujian Dilasi

No Input Proses Structuring

Element Hasil Labelling

1

Dilasi

Bentuk Persegi

Panjang Dan

Ukuran 28 , 3

2

Dilasi

Berbentuk Persegi

Panjang Dan

Ukuran 28 , 3

3

Dilasi

Berbentuk Persegi

Panjang Dan

Ukuran 28 , 3

52

No Input Proses Structuring

Element Hasil Labelling

4

Dilasi

Berbentuk Persegi

Panjang Dan

Ukuran 28 , 3

Dari 4 citra yang dilakukan pengujian dilasi, 2 citra yang berhasil ada

pada sample 1 dan sampel 4 sedangkan 2 citra yang gagal ditunjukan pada sample

2 dan sampel 3. Gagal di dilasi dikarenakan ukuran yang digunakan menggunakan

ukuran 28,3. Ukuran tersebut hanya mampu menyambungkan sampel 1 dan 4.

Namun jika ingin menyambungkan sampel 2 maka ukuran yang digunakan akan

berbeda dengan ukuran pada sampel 1 dan 4.

4.5 Pengujian Labelling


menggunakan proses Labelling, pada proses labelling ini metode yang digunakan

adalah connected component labelling.

4.5.1 Tujuan

Pengujian ini dilakukan untuk menandai bagian plat nomor mobil yang

ada pada citra, tetapi penulis juga melakukan pengujian terhadap objek lain,

kemudian pengujian ini dilakukan untuk menandai beberapa objek tersebut.



processing Labelling:


53



keluaran berupa menandai plat nomor mobil pada citra.




Proses inputan sampel citra yang diuji dengan proses Labelling. Dengan


Mat imgg;

IplImage *srcc = new IplImage(src);

IplImage *dstt = new IplImage(Dilate);

CvMemStorage* storage = NULL;

CvSeq* result;

storage = cvCreateMemStorage(0);

CvSize srccSize;

srccSize.width = dstt->width;

srccSize.height = dstt->height;

IplImage *contur;

contur = cvCloneImage(dstt);

IplImage *imgi;

imgi = cvCloneImage(srcc);

cvFindContours(contur, storage, &contours, sizeof(CvContour),

CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(-2, -

2));

54

for (; contours != 0; contours = contours->h_next)

{

rect = cvBoundingRect(contours, 0);

if (rect.x >= 50 && rect.y >= 50 && rect.height >= 50 &&

rect.width >= 50)

{

cvRectangle(imgi, cvPoint(rect.x, rect.y),

cvPoint((rect.x) + rect.width, (rect.y) + rect.height), cvScalar(255,

0, 255, 255), 4, 8, 0);

imgg = cvarrToMat(imgi);

}

if (rect.x >= 50 && rect.y >= 130 && rect.height >= 50

&& rect.width >= 130)

{

cvRectangle(imgi, cvPoint(rect.x, rect.y),

cvPoint((rect.x) + rect.width, (rect.y) + rect.height), cvScalar(0, 0,

255, 255), 4, 8, 0);

imgg = cvarrToMat(imgi);

}

}


Berikut ini adalah hasil pengujian program Labelling yang menghasilkan

keluaran berupa citra yang sudah ditandai / diberi label. Seperti pada Tabel 4.2.

55

Tabel 4.2 Pengujian Labelling

No Input Proses Status Hasil Labelling

1 SAMPEL 1 Labelling berhasil








56








15 SAMPEL 15 Labelling gagal


57


17 SAMPEL 17 Labelling gagal








58










59





Dari hasil Labelling pada tabel diatas dapat diambil kesimpulan bahwa

proses melabeli plat nomor mobil berjalan sesuai dengan yang diharapkan,

menggunakan 35 sampel pada percobaan proses Labelling. Tidak hanya

menggunakan citra input mobil, disini penulis melakukan pengujian terhadap

beberapa citra, seperti yang dapat dilihat pada tabel 4.3.

Tabel 4.3 Pengujian Citra Lain Labelling


1

Labelling Berhasil

60


2

Labelling Berhasil

3

Labelling Berhasil

4

Labelling Berhasil

Dari 4 sampel yang di uji, semuanya berhasil terlabel sehingga hasil dari

proses labelling ini akan dijadikan inputan pada proses cropping, agar nantinya

hanya ada 1 objek saja yang terpotong.

4.6 Pengujian Cropping.


menggunakan proses Cropping, proses cropping ini hanya memotong satu objek

dan objek itu adalah plat nomor mobil dan objek lain.

4.6.1 Tujuan

Pengujian ini dilakukan untuk memotong bagian plat nomor mobil yang

ada pada citra dan objek lain pada citra yang berbeda.

61



processing Labelling:




keluaran berupa potongan plat nomor mobil pada citra.




Proses inputan sampel citra yang diuji dengan proses cropping. Dengan


Mat gg;

IplImage *ff = cvCloneImage(srcc);

cvSetImageROI(ff, cvRect(rect.x, rect.y, rect.width, rect.height));

IplImage *g1 = cvCreateImage(cvGetSize(ff), ff->depth, ff-

>nChannels);

cvCopy(ff, g1, NULL);

cvResetImageROI(ff);

//cvShowImage("Plat Nomor", g1);

gg = cvarrToMat(g1);

62


Berikut ini adalah hasil pengujian dengan proses Cropping yang

menghasilkan keluaran berupa citra plat nomor mobil, Seperti pada Tabel 4.4.

Tabel 4.4 Pengujian Cropping

No Input Proses Status Hasil Cropping

1 SAMPEL 1 Cropping berhasil


3 SAMPEL 3 Cropping

berhasil




63










64


15 SAMPEL 15 Cropping gagal


17 SAMPEL 17 Cropping gagal







65











66





Dari hasil Cropping pada tabel diatas dapat diambil kesimpulan bahwa

proses cropping berjalan sesuai dengan yang diharapkan, dikarenakan outputnya

menghasilkan plat nomor mobil dengan menggunakan sampel sebanyak 35 citra,

berhasil mengecrop sebanyak 33 sampel. Disini penulis melakukan pengujian

terhadap beberapa citra, seperti yang dapat dilihat pada tabel 4.5.

Tabel 4.5 Pengujian Citra Lain Cropping


1

Cropping Berhasil

2

Cropping Berhasil

67


3

Cropping Berhasil

4

Cropping Berhasil

Dari 4 sampel yang di uji, semuanya berhasil terpotong sehingga hasil

dari proses cropping ini adalah hasil akhir dari penelitian ini.

bab iv hasil pengujian dan pengamatanrepository.dinamika.ac.id/id/eprint/2610/6/bab_iv.pdf · 2017....

Documents