PENERAPAN ALGORITMA CANNY DAN BLOB

DETECTION PADA ROBOT SOCCER UNTUK

MENDETEKSI TEPI CITRA OBJEK BERBASIS

ANDROID

Skripsi

Diajukan sebagai salah satu persyaratan untuk memperoleh gelar Sarjana

Pendidikan Program Studi Pendidikan Teknik Elektro

Oleh

M. Kamal Wahyudi NIM. 5301411023

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS NEGERI SEMARANG

2016

ii

iii

iv

MOTTO DAN PERSEMBAHAN

Motto :

The quieter you become, the more you are able to hear (backtrack).

Anyone who has never made a mistake has never tried anything new.

Dipersembahkan Untuk :

Allah SWT yang telah memberikan segalanya sehingga skripsi ini bisa

diselesaikan.

Orang tua saya dan keluarga pastinya.

Pengelola Beasiswa Bidikmisi UNNES dan Direktorat Jenderal Perguruan

Tinggi.

Semua adik kelasku dan kawan-kawanku yang belum ambil skripsi,

semoga ini bisa memotivasi kalian.

Congex Mania : aa’ Opik, Mas Supono, Tomingse, Redhood, Sparky

Gratisan, Mas Sardewa, Mas Demak (Duo Demak), Mr Crowja dkk..

v

ABSTRAK

M. Kamal Wahyudi. 2016. Penerapan Algoritma Canny dan Blob Detection pada

Robot Soccer untuk Mendeteksi Tepi Citra Objek Berbasis Android. Pembimbing

Tatyantoro Andrasto, S.T., M.T. Program Studi S-1 Pendidikan Teknik Elektro

Fakultas Teknik Universitas Negeri Semarang.

Robot Soccer merupakan robot yang dirancang untuk bermain sepak bola

secara autonomous. Masalah utama Robot Soccer adalah dalam pendektesian

yaitu kurangnya kemampuan robot dalam membedakan antara bola dengan objek

gangguan yang mempunyai warna sama dengan bola. Penelitian ini menggunakan

algoritma Canny sebagai deteksi tepi dan Blob Detection untuk mengenali bentuk

yang diamati, serta penggunaan Android sebagai pengambil citra digital melalui

media Bluetooth.

Pada penelitian ini menggunakan metode Research and Development

(R&D). Prosedur penelitian dilakukan dengan melakukan perancangan, penerapan

metode dan pengujian sistem komunikasi antara robot dengan Android serta

pengujian unsur-unsur robot yang berupa servo, intensitas cahaya dan motor DC.

Hasil dari penelitian menunjukkan bahwa tingkat keberhasilan

menggunakan algoritma Canny dan Blob Detection sebesar 85% terhadap

intensitas cahaya yang relatif berubah-ubah. Robot juga berhasil membedakan

antara objek utama dengan gangguan sebesar 80% dan menjaga supaya bola tetap

bisa terlacak meskipun hilang dalam jangkauan. Jika menginginkan sistem

komputasi yang lebih sempurna, maka yang harus dilakukan adalah mengganti

performa yang lebih tinggi pada Android dan didukung oleh kualitas kamera yang

lebih memadai.

Kata Kunci : Robot Soccer, Android, Canny, Blob Detection, Bluetooth

vi

KATA PENGANTAR

Puji syukur penulis ucapkan kepada Allah SWT yang telah memberikan

rahmat taufik dan hidayah-Nya sehingga penulis dapat menyelesaikan penelitian

skripsi yang berjudul “Penerapan Algoritma Canny dan Blob Detection pada

Robot Soccer untuk Mendeteksi Tepi Citra Objek Berbasis Android”.

Pada penyusunan skripsi ini tak lepas dari dukungan dan dorongan dari

beberapa pihak yang telah membantu. Oleh karena itu, penulis mengucapkan

banyak terima kasih kepada :

1. Bapak Prof. Dr. Fathur Rokhman, M.Hum selaku Rektor Universitas

Negeri Semarang yang telah memberikan kesempatan kepada penulis

untuk menempuh pendidikan di Universitas Negeri Semarang.

2. Bapak Dr. Nur Qudus., M.T. selaku Dekan Fakultas Teknik, Bapak Dr.-

Ing. Dhidik Prastiyanto S.T., M.T. selaku Ketua Jurusan Teknik Elektro

Universitas Negeri Semarang yang telah memfasilitasi penulis selama

menempuh studi.

3. Drs. Henry Ananta M.Pd. selaku dosen wali yang telah memberikan

pengarahan dan motivasi selama menempuh studi.

4. Bapak Tatyantoro Andrasto, S.T., M.T. selaku Dosen Pembimbing yang

selalu membimbing dan memberikan arahan, saran, ilmu dan motivasi

selama penyusunan skripsi.

5. Bapak/Ibu dosen Teknik Elektro yang telah memberikan ilmu dan

pengalamannya selama menempuh studi.

vii

viii

DAFTAR ISI

PERNYATAAN…………………………………………………………………. ii

PENGESAHAN…………………………………………………………………. iii

MOTTO DAN PERSEMBAHAN ......................................................................... iv

ABSTRAK ......................................................................................................... v

KATA PENGANTAR ........................................................................................... vi

DAFTAR ISI ...................................................................................................... viii

DAFTAR GAMBAR ............................................................................................ xii

DAFTAR TABEL ................................................................................................. xv

DAFTAR LAMPIRAN ........................................................................................ xvi

BAB I PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang .......................................................................................... 1

1.2 Rumusan Masalah ..................................................................................... 3

1.3 Tujuan Penelitian ...................................................................................... 3

1.4 Manfaat Penelitian .................................................................................... 4

1.5 Batasan Masalah ....................................................................................... 4

1.6 Sistematika Penulisan Skripsi ................................................................... 5

BAB II KAJIAN PUSTAKA DAN LANDASAN TEORI .................................... 7

2.1 Algoritma .................................................................................................. 7

2.1.1 Algoritma Canny ............................................................................. 7

2.1.2 Algoritma Blob Detection.............................................................. 10

2.2 Computer Vision ..................................................................................... 11

2.3 Model Warna RGB dan HSV ................................................................. 14

ix

2.4 Thresholding ........................................................................................... 16

2.5 OpenCV .................................................................................................. 18

2.6 Robot Soccer ........................................................................................... 20

2.7 Smartphone Android ............................................................................... 21

2.8 Eclipse IDE ............................................................................................. 22

2.9 Bluetooth HC-05 ..................................................................................... 23

2.10 Arduino Mega 2560 ................................................................................ 25

BAB III METODE PENELITIAN........................................................................ 26

3.1 Tempat Penelitian ................................................................................... 26

3.2 Metode Penelitian ................................................................................... 26

3.3 Alur Penelitian ........................................................................................ 27

3.4 Alat dan Bahan ........................................................................................ 27

3.5 Perancangan Alat Penelitian ................................................................... 29

3.5.1 Perancangan Kerangka Bawah Robot (Base) ................................ 29

3.5.2 Perancangan Mekanik Penendang ................................................. 30

3.5.3 Perancangan Rangkaian Pengendali Motor ................................... 31

3.5.4 Perancangan Tempat Kamera ........................................................ 32

3.5.5 Perancangan GUI (Graphical User Interface) .............................. 33

3.6 Perancangan Logika Algoritma .............................................................. 35

3.6.1 Perancangan Logika Algoritma Canny Edge Detection ................ 36

3.6.2 Perancangan Logika Algoritma Blob Detection ............................ 38

3.7 Tracking Objek ....................................................................................... 44

3.8 Pengujian dan Pengambilan Data ........................................................... 48

3.8.1 Pengujian Motor Servo .................................................................. 48

3.8.2 Pengujian Kamera .......................................................................... 50

x

3.8.3 Pengujian H-Bridge Motor ............................................................ 51

3.8.4 Pengujian Pergerakan Motor .......................................................... 53

3.8.5 Pengujian Intensitas Cahaya .......................................................... 54

3.8.6 Pengujian Komunikasi ................................................................... 55

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ...................................... 58

4.1 Hardware Robot Soccer ......................................................................... 58

4.2 GUI (Graphical User Interface) ............................................................. 60

4.3 Pengujian Servo ...................................................................................... 62

4.4 Pengujian Kamera ................................................................................... 63

4.4.1 Pengujian Jarak Pandang Efisien Robot ........................................ 64

4.4.2 Pengujian Algoritma Deteksi Tepi Canny ..................................... 64

4.4.3 Pengujian Algoritma Blob Detection............................................. 67

4.5 Pengujian H-Bridge Motor ..................................................................... 67

4.6 Pengujian Pergerakan Motor Berdasarkan Data dari Kamera ................ 68

4.7 Pengujian Intensitas Cahaya ................................................................... 69

4.8 Pengujian Bluetooth HC-05 .................................................................... 71

4.8.1 Pengujian Pairing Bluetooth HC-05 ............................................. 71

4.8.2 Pengujian Komunikasi Bluetooth HC-05 ...................................... 73

4.9 Uji Kelayakan dan Keandalan Robot ...................................................... 76

4.9.1 Uji Kelayakan Robot...................................................................... 76

4.9.2 Uji Keandalan Robot...................................................................... 77

BAB V SIMPULAN DAN SARAN ..................................................................... 78

5.1 Simpulan ................................................................................................. 78

5.2 Saran ....................................................................................................... 79

xi

DAFTAR PUSTAKA ........................................................................................... 80

LAMPIRAN ....................................................................................................... 83

xii

DAFTAR GAMBAR

Gambar 2.1 Penghalusan Citra ................................................................................ 8

Gambar 2.2 Pencarian Tepi Berdasarkan Gradien .................................................. 8

Gambar 2.3 Memaksimalkan Tepian yang Sebenarnya .......................................... 9

Gambar 2.4 Klasifikasi Tiap Piksel ........................................................................ 9

Gambar 2.5 Model Warna RGB............................................................................ 14

Gambar 2.6 Kombinasi Warna RGB .................................................................... 15

Gambar 2.7 Model Warna HSV ............................................................................ 16

Gambar 2.8 Perhitungan Tiap Piksel dari Citra. ................................................... 17

Gambar 2.9 Pembagian pada Nilai Center Threshold .......................................... 18

Gambar 2.10 Robot Soccer ................................................................................... 20

Gambar 2.11 Smartphone dan Tablet PC .............................................................. 21

Gambar 2.12 Lembar Kerja Eclipse ...................................................................... 23

Gambar 2.13 Bluetooth HC-05 ............................................................................. 24

Gambar 3.1 Diagram Alur Penelitian.................................................................... 28

Gambar 3.2 Diagram Blok Desain Perangkat Robot Soccer ................................ 29

Gambar 3.3 Rancangan Desain Base Robot Soccer .............................................. 30

Gambar 3.4 Rancangan Desain Penendang Robot Soccer .................................... 31

Gambar 3.5 Rancangan Desain Board Pengendali Motor .................................... 32

Gambar 3.6 Ilustrasi Vision Robot ........................................................................ 32

Gambar 3.7 Desain Tilt Kamera Menggunakan 1 Buah Servo ............................. 33

Gambar 3.8 Rancangan Halaman Awal GUI Android.......................................... 34

xiii

Gambar 3.9 Rancangan Halaman Kedua GUI Android. ....................................... 34

Gambar 3.10 Flowchart Aplikasi Keseluruhan .................................................... 35

Gambar 3.11 Hasil dari Eksekusi Program Grayscale ......................................... 37

Gambar 3.12 Hasil dari Eksekusi Program Canny ............................................... 38

Gambar 3.13 Hasil Nilai Tepian untuk Xmin, Xmax, Ymin dan Ymax .................. 39

Gambar 3.14 Titik Center Objek a) Lingkaran (Titik Xc dan Yc Sama), b) Objek

Gangguan (Titik Xc dan Yc Berbeda) ............................................ 40

Gambar 3.15 Tanda Titik Merah Untuk Mencari Nilai-Nilai Xn dan Yn pada

Tiap-Tiap Derajat Yang Sudah Ditentukan ................................... 41

Gambar 3.16 Titik Nilai X5 dan Y5 pada Derajat 150° ........................................ 43

Gambar 3.17 Pemberian Kesensitifan Deteksi Sebesar 4 Piksel .......................... 43

Gambar 3.18 Resolusi Layar Dibagi 9 (Zona) ...................................................... 45

Gambar 3.19 Flowchart Sistem Gerakan Motor Terhadap Data yang Diterima. . 45

Gambar 3.20 Pembagian Sistem lastScan ............................................................. 46

Gambar 3.21 Flowchart Penjelasan Sistem lastScan dan Eksekusi Keseluruhan

pada Robot ..................................................................................... 47

Gambar 3.22 Skema Pemberian Pulsa Untuk Mengatur Derajat Servo................ 48

Gambar 3.23 Pinout Servo dan Terhubung ke Arduino. ...................................... 49

Gambar 3.24 Penempatan Kamera pada Servo dan Membatasi Sudut Servo 10-50

Derajat ........................................................................................... 50

Gambar 3.25 Rangkaian Driver MOSFET ........................................................... 51

Gambar 3.26 Penomoran Motor ............................................................................ 53

Gambar 3.27 Rangkaian Sistem Wiring Pengujian Sistem Komunikasi .............. 55

xiv

Gambar 3.28 Flowchart Alur Kerja Bluetooth ..................................................... 56

Gambar 4.1 Hardware Robot Soccer .................................................................... 58

Gambar 4.2 Bagian Penopang HP Robot Soccer .................................................. 59

Gambar 4.3 Tampilan GUI Utama Robot ............................................................. 60

Gambar 4.4 Tampilan Utama pada Option Mode ................................................. 61

Gambar 4.5 Hubungan Motor Servo dengan Busur Derajat ................................. 62

Gambar 4.6 Pengujian Intensitas Cahaya.............................................................. 70

Gambar 4.7 Pengujian Komunikasi Bluetooth...................................................... 71

xv

DAFTAR TABEL

Tabel 3.1 Pengujian Derajat Motor Servo............................................................. 49

Tabel 3.2 Pengujian Sistem Kalibrasi Kamera ..................................................... 51

Tabel 3.3 Pengambilan Data Driver MOSFET. .................................................... 52

Tabel 3.4 Pengambilan Data dari Kamera. ........................................................... 54

Tabel 3.5 Pengambilan Data Intensitas Cahaya. ................................................... 55

Tabel 3.6 Tabel Pengujian Komunikasi. ............................................................... 57

Tabel 4.1 Pengujian Servo .................................................................................... 63

Tabel 4.2 Pengujian Kamera ................................................................................. 64

Tabel 4.3 Nilai Threshold Metode Canny ............................................................. 65

Tabel 4.4 Pengujian Metode Blob Detection ........................................................ 67

Tabel 4.5 Pengujian H-Bridge Motor ................................................................... 68

Tabel 4.6 Pengujian Pergerakan Motor ................................................................. 69

Tabel 4.7 Pengujian Intensitas Cahaya ................................................................. 70

Tabel 4.8 Pengujian Pairing Bluetooth ................................................................. 72

Tabel 4.9. Pengujian Komunikasi Bluetooth ........................................................ 74

Tabel 4.10. Uji Kelayakan Robot .......................................................................... 76

Tabel 4.11 Pernyataan Tentang Robot Soccer ...................................................... 77

xvi

DAFTAR LAMPIRAN

Lampiran 1 Rangkaian Robot Soccer Beroda ....................................................... 83

Lampiran 2 Desain Robot ..................................................................................... 84

Lampiran 3 Pengujian Metode Blob Detection ..................................................... 85

Lampiran 4 Flowchart Kerja Robot Keseluruhan ................................................. 88

Lampiran 5 Bluetooth HC-05 DATASHEET......................................................... 89

Lampiran 6 Tabel Data Pengujian Sistem Komunikasi Bluetooth ....................... 94

Lampiran 7 Data PWM Motor dan Analisis Pergerakan Robot ........................... 97

Lampiran 8 Data Intensitas Cahaya .................................................................... 106

Lampiran 9 Rule ERSB 2016 .............................................................................. 107

Lampiran 10 Dokumentasi .................................................................................. 108

Lampiran 11 Surat Tugas .................................................................................... 109

Lampiran 12 Surat Keterangan Penelitian di Laboratorium Teknik Elektro ...... 110

Lampiran 13 Surat Keterangan Uji Kelayakan di Fornext Robotics Semarang . 111

Lampiran 14 Lembar Evaluasi ............................................................................ 112

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Robosoccer League atau yang sering disebut Ekshibisi Robot Sepak Bola

Beroda (ERSB) merupakan kompetisi yang diadakan oleh lembaga Direktorat

Jenderal Pendidikan Tinggi (DIKTI). Secara umum, fungsi dari robot ini adalah

untuk bermain sepak bola secara autonomous tanpa kendali manusia. Untuk itu,

robot diharuskan memiliki kemampuan melihat dan mengikuti pergerakan bola

secara realtime. Salah satu kendala yang dialami robot adalah kurangnya

kemampuan untuk membedakan antara objek bola dengan objek gangguan seperti

pakaian penonton atau objek lain yang mempunyai warna serupa dengan bola.

Disisi lain, untuk peraturan sekarang robot diharuskan memakai warna tertentu

yang diletakkan diatas body robot yang dimana berguna untuk membedakan

antara robot satu dengan lainnya (ERSB, 2016:6). Akan tetapi hal ini membuat

robot semakin sulit dalam mengejar bola karena semakin banyak gangguan yang

didapat.

Pada prinsipnya tujuan dari kendali visual robot otomatis penjejak bola ini

diterapkan supaya robot memiliki kecerdasan dalam mengenali objek berupa bola

dengan menggunakan beberapa algoritma seperti deteksi tepi dan Blob Detection,

dimana robot bisa mengenali mana objek utama dan mana yang harus diabaikan

(Rahmad,2013:viii). Ada beberapa algoritma dalam mengenali tepi yaitu Prewitt,

Sobel, Canny dan Roberts. Berdasarkan perbandingan dengan hasil dari keempat

2

algoritma yang digunakan dalam pendeteksian tepi, dapat disimpulkan bahwa

metode Canny memberikan hasil yang cukup baik dimana tingkat akurasi

keberhasilan 92% dibandingkan dengan metode Prewitt, Sobel dan Roberts

(Oktania,2013:i).

Dalam jurnal yang ditulis oleh Vijayarani dan Vinupriya (2013:1766)

menyatakan deteksi tepi Canny menghasilkan akurasi yang cukup tinggi dalam

mendeteksi suatu tepi dan waktu eksekusi. Untuk implementasi menggunakan

kamera sebagai pemroses berbasis video realtime, Canny Edge Detection

membutuhkan kemampuan memori komputer yang tinggi untuk dapat memproses

seluruh data video realtime yang diambil supaya tidak terjadi error dalam proses

pengolahannya (Winarno,Edy,2011:49). Pada robot penjejak bola, pengolahan

citra sangat dibutuhkan. Hal ini dikarenakan bidang ilmu pengolahan citra

membahas segala sesuatu yang berhubungan dengan bagaimana memproses

gambar/video dari kamera supaya bisa dibaca oleh komputer / mikrokontroler.

Dengan merujuk pada beberapa karya ilmiah di atas, komputerisasi

pembacaan data kamera yang memadai sangatlah penting, guna penerapan

algoritma deteksi tepi Canny dan Blob Detection bisa berjalan lancar. Salah

satunya adalah menggunakan smartphone Android. Android menyediakan

platform terbuka (open source) bagi pengembang yang ingin menciptakan aplikasi

versi mereka sendiri, sehingga seorang developer bisa mengakses data kamera

maupun sensor yang diinginkan. Sesuai dengan penelitian Speckmann (2008:10),

untuk saat ini platform yang paling baik digunakan dalam pengembangan aplikasi

pada handset adalah sistem operasi Android.

3

Dengan melihat uraian sebelumnya, maka penulis membuat skripsi ini

dengan judul “Penerapan Algoritma Canny dan Blob Detection pada Robot

Soccer Untuk Mendeteksi Tepi Citra Objek Berbasis Android”.

1.2 Rumusan Masalah

Dengan melihat pemaparan latar belakang, maka dalam penelitian skripsi

ini rumusan masalah adalah sebagai berikut:

1. Bagaimana merancang dan membuat robot sepak bola menggunakan kamera

Android sebagai pemroses video berbasis realtime yang bisa menemukan dan

membedakan antara objek utama (bola) dengan objek gangguan menggunakan

algoritma Canny dan Blob Detection?

2. Bagaimana cara mengontrol pergerakan robot berdasarkan tracking dari

kamera sehingga bola tetap terlacak?

1.3 Tujuan Penelitian

Tujuan dari penelitian skripsi ini adalah :

1. Merancang dan membuat robot sepak bola menggunakan kamera Android

sebagai pemroses video berbasis realtime yang dapat menemukan dan

membedakan objek utama dan mengabaikan objek gangguan menggunakan

algoritma Canny dan Blob Detection.

2. Mengontrol pergerakan robot berdasarkan tracking dari kamera sehingga bola

tetap terlacak.

4

1.4 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Algoritma Canny dan Blob Detection ini dapat dimanfaatkan sebagai salah

satu program robot KRSBI dan ERSB pada Kontes Robot Sepak Bola

Indonesia.

2. Sebagai rujukan bagi peneliti lain yang akan melakukan pengembangan atau

penelitian selanjutnya.

1.5 Batasan Masalah

Dalam penelitian ini mempunyai beberapa batasan, yaitu:

1. Prototype robot adalah beroda, dimana menggunakan 3 motor DC, penempatan

roda bebas berada di samping kanan, samping kiri dan di belakang, serta

menggunakan driver MOSFET untuk kontrol motor.

2. Menggunakan Android Xiaomi Redmi Note 3 sebagai data input dari kamera.

3. Menggunakan Arduino Mega sebagai eksekutor data yang diterima dari

Android dan sebagai pengontrol pergerakan robot.

4. Objek yang akan diamati yaitu bola tenis berwarna orange dan gawang warna

kuning (sesuai ketentuan peraturan ERSB 2016).

5. Penjejakan objek bergerak dengan algoritma Canny dan Blob Detection di

implementasikan menggunakan software Eclipse IDE.

6. Implementasi algoritma Canny dan Blob Detection menggunakan library

OpenCV versi 3.1.0.

7. Sistem penendang bola menggunakan 1 buah motor DC 5V.

8. Menggunakan 1 buah servo torsi 3 kg untuk menopang kamera/sebagai arah

5

pergerakan untuk pengelihatannya (Tilt).

1.6 Sistematika Penulisan Skripsi

Sistematika penulisan skripsi merupakan metode penulisan yang digunakan

untuk mempermudah pemahaman tentang struktur penulisan dan isi skripsi. Pada

sistematika penulisan skripsi ini terdiri dari tiga bagian utama yaitu bagian

pendahuluan, isi dan penutup.

Bagian pendahuluan, pada bagian pertama skripsi ini berisi halaman judul,

persetujuan pembimbing, halaman pengesahan, halaman pernyataan, motto dan

persembahan, kata pengantar, daftar isi, daftar gambar, daftar tabel dan daftar

lampiran.

Bagian isi, pada bagian ini terdiri dari lima bab yaitu :

Bab 1 Pendahuluan, pada bab ini berisi tentang latar belakang, perumusan

masalah, tujuan, manfaat, batasan masalah dan sistematika penulisan

skripsi.

Bab 2 Landasan Teori, bab ini berisi tetang kajian mengenai landasan

teori dari penelitian skripsi ini.

Bab 3 Metode penelitian, berisi tentang tempat pelaksanaan diadakannya

penelitian, alat dan bahan yang digunakan, perancangan alat, prinsip

kerja dari algoritma Canny, Blob Detection dan metode pengambilan

data penelitian.

Bab 4 Hasil Penelitian dan Pembahasan, pada bab ini berisi tentang

hasil-hasil dari penelitian pengambilan data dan pembahasan dari

penelitian.

6

Bab 5 Penutup, bab penutup terdiri dari kesimpulan dan saran dari hasil

penelitian yang telah dilakukan.

Bagian Penutup, pada bagian akhir ini berisi daftar pustaka dan lampiran.

7

BAB II

KAJIAN PUSTAKA DAN LANDASAN TEORI

2.1 Algoritma

Algoritma adalah metode efektif diekspresikan sebagai rangkaian terbatas

dari instruksi-instruksi yang telah didefinisikan dengan baik untuk menghitung

sebuah fungsi. Dimulai dari sebuah kondisi awal dan input awal, instruksi-

instruksi tersebut menjelaskan sebuah komputasi yang apabila dieksekusi,

diproses lewat sejumlah urutan kondisi terbatas yang terdefinisi dengan baik, yang

pada akhirnya menghasilkan "output" dan berhenti di kondisi akhir (Rogers,

1987:2).

2.1.1 Algoritma Canny

Canny adalah algoritma untuk mendeteksi suatu tepian dalam citra (Danil,

2012:197). Tepi (edge) adalah perubahan nilai intensitas derajat keabuan yang

cepat atau tiba-tiba (besar) dalam jarak yang singkat. Tujuan mendeteksi tepi

sendiri adalah untuk mengelompokkan objek-objek dalam citra, dan juga

digunakan untuk menganalisis citra lebih lanjut.

Canny Edge Detector ditemukan oleh John F. Canny pada tahun 1986 dan

menggunakan algoritma multi-tahap untuk mendeteksi berbagai tepi dalam citra.

Algoritma Canny berjalan dalam 4 langkah yang terpisah yaitu:

1. Penghalusan citra : Penghalusan bertujuan untuk mengurangi dampak

noise terhadap pendeteksian edge.

8

Gambar 2.1 Penghalusan Citra

2. Finding gradient : Pada langkah mencari potensi gradien citra ada dua

buah informasi yang dibutuhkan yaitu kekuatan edge (edge

strength/magnitude), dan arah edge (edge direction/orientation).

Gambar 2.2 Pencarian Tepi Berdasarkan Gradien

3. Non-maksimum-suppresion : Hasil penerapan operator gradien untuk

menghitung potensi gradien di tahap sebelumnya tidak memberikan

informasi secara spesifik tentang lokasi dari edge yang dicari. Non-

maximum supression bertujuan membuang potensi gradien di suatu piksel

dari kandidat edge jika piksel tersebut bukan merupakan maksimal lokal

9

pada arah edge di posisi piksel tersebut (di sinilah arah gradien

diperlukan).

Gambar 2.3 Memaksimalkan Tepian yang Sebenarnya

4. Edge tracking by hysteresis : Hasil dari langkah non-maximum

suppression adalah citra yang berisi kandidat edge serta intensitas dari

kekuatan edge di posisi piksel tersebut. Langkah terakhir adalah

thresholding atau klasifikasi tiap piksel apakah termasuk dalam kategori

piksel edge atau tidak.

Gambar 2.4 Klasifikasi Tiap Piksel

10

2.1.2 Algoritma Blob Detection

Dalam pengolahan citra, Blob Detection mengacu pada model visual yang

bertujuan untuk mendeteksi poin atau daerah dalam gambar yang berbeda dalam

sifat-sifat seperti kecerahan atau warna yang dibandingkan dengan sekitarnya.

Bentuk blob timbul dalam cara yang berbeda bergantung pada ukuran dan dapat

dideteksi dengan menggunakan metode sederhana dalam sebuah representasi

gambar.

Ada beberapa teori mengenai definisi blob yang dikemukakan oleh beberapa

orang, yaitu antara lain:

1. Lindeberg mendefinisikan sebuah blob sebagai sebuah daerah yang

terkait setidaknya satu daerah yang ekstrem, baik maksimum maupun

minimum atau sebuah daerah terang maupun daerah gelap (Lindeberg,

1993:12).

2. Hinz mendefinisikan sebuah blob sebagai sebuah bujur sangkar dengan

daerah yang homogen (Hinz, 2005:4).

3. Rosenfeld dan Sher mendefinisikan sebuah blob sebagai sebuah

persimpangan dari garis tegak lurus ke daerah tepi dari tangennya,

dikelilingi oleh enam arah atau lebih (Rosenfeld, 1998:9).

4. Yang dan Parvin mendefinisikan sebuah blob 3D sebagai fitur berbentuk

bulat dalam sebuah skala ruang (Yang dan Parvin, 2002:16).

Blob Detection sendiri adalah sebutan dari metode yang digunakan untuk

mendeteksi suatu blob (gumpalan). Untuk mendefinisikan gumpalan tersebut

sebagai objek lingkaran, kotak atau yang lain dapat menggunakan bantuan

11

software, salah satunya menggunakan library openCV yang dimana memberikan

fitur untuk bisa mengenali benda tersebut. Untuk bisa mengenali benda tersebut

adalah lingkaran, maka fungsi yang dipanggil dalam library openCV adalah

minEnclosingCircle. MinEnclosingCircle tergolong fungsi yang mudah digunakan

karena fungsi ini mengacu pada konsep “mirip lingkaran” sehingga fungsi ini

memberikan kemudahan dimana user bisa mengatur seberapa sensitif citra kamera

menganalisa objek yang diamati.

2.2 Computer Vision

Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan

yang mempelajari bagaimana komputer dapat mengenali objek yang diamati.

Cabang ilmu ini bersama Artificial Intelligence akan mampu menghasilkan Visual

Intelligence System. Perbedaannya adalah Computer Vision lebih mempelajari

bagaimana komputer dapat mengenali objek yang diamati. Computer Vision

berkaitan dengan pemodelan dan meniru pengelihatan manusia dengan

menggunakan perangkat lunak dan perangkat keras pada komputer (Ji, Qiang,

2010:22).

Perlunya metode untuk mendekati kemampuan manusia dalam menangkap

informasi, sebuah teknologi Computer Vision harus terdiri dari banyak fungsi

pendukung yang berfungsi secara penuh (Adri, 2009:10). Fungsi-fungsi

pendukung tersebut antara lain:

1) Proses penangkapan citra atau gambar (image acquisition)

Image acquisition pada manusia dimulai dari mata, kemudian

12

informasi visual diterjemahkan ke dalam suatu format yang kemudian

dapat dimanipulasi oleh otak. Seperti halnya proses tersebut, Computer

Vision membutuhkan sebuah mata untuk menangkap sebuah sinyal visual.

Kamera akan menerjemahkan sebuah scene atau image. Keluaran dari

kamera berupa sinyal analog, dimana frekuensi dan amplitudonya

merepresentasikan detail ketajaman (brightness) pada scene (frekuensi

berhubungan dengan jumlah sinyal dalam satu detik, sedangkan amplitudo

berkaitan dengan tingginya sinyal listrik yang dihasilkan).

Kamera mengamati sebuah kejadian pada satu jalur dalam satu

waktu, memindainya dan membaginya menjadi ratusan garis horizontal

yang sama. Tiap-tiap garis membuat sinyal analog yang amplitudo

menjelaskan perubahan brightness sepanjang garis sinyal tersebut.

Komputer tidaklah bekerja dengan sinyal analog, oleh karena itu

diperlukan Analog to Digital Converter (ADC), dibutuhkan untuk

memproses semua sinyal tersebut oleh komputer. ADC ini akan mengubah

sinyal analog yang direpresentasikan dalam bentuk informasi sinyal tunggal

ke dalam sebuah aliran (stream) sejumlah bilangan biner. Bilangan biner

ini kemudian disimpan di dalam memori dan akan menjadi data raw yang

akan diproses.

2) Proses pengolahan citra (image processing)

Pada proses ini Computer Vision akan melibatkan sejumlah

manipulasi utama (initial manipulation) dari data binary yang dihasilkan

pada proses image acquisition. Image processing membantu peningkatan

13

dan perbaikan kualitas image, sehingga dapat dianalisa dan diolah lebih

jauh secara efisien. Image processing akan meningkatkan perbandingan

sinyal terhadap noise. Sinyal-sinyal tersebut adalah informasi yang akan

merepresentasikan objek yang ada dalam image, sedangkan noise adalah

segala bentuk interferensi dan pengaburan yang terjadi pada sebuah objek.

3) Analisa data citra (Image Analysis)

Pada tahap ini, scene akan dieksplorasi ke dalam bentuk karakteristik

utama dari objek melalui suatu proses investigasi. Sebuah program

komputer akan mulai melihat melalui bilangan biner yang

merepresentasikan informasi visual untuk mengidentifikasikan fitur-fitur

spesifik dan karakteristiknya. Pada proses yang lebih khusus lagi, program

image analysis digunakan untuk mencari tepian batas-batas objek dalam

image. Sebuah tepian (edge) terbentuk antara objek dan latar belakangnya

atau antara dua objek yang spesifik. Tepi ini akan terdeteksi sebagai akibat

dari perbedaan level brightness pada sisi yang berbeda dengan salah

satu batasnya.

4) Proses pemahaman data citra (Image Understanding)

Proses ini merupakan langkah terakhir dalam proses Computer Vision,

dimana spesifik objek dan hubungannya diidentifikasi. Pada bagian ini akan

melibatkan kajian tentang teknik-teknik artificial intelligent. Understanding

berkaitan dengan template matching yang ada dalam sebuah scene. Metode

ini menggunakan program pencarian (search program) dan teknik

penyesuaian pola (pattern matching techniques).

14

2.3 Model Warna RGB dan HSV

1) Model Warna RGB

Model warna RGB adalah model warna berdasarkan konsep

penambahan kuat cahaya primer yaitu Red, Green dan Blue. Dalam suatu

ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut adalah

gelap total. Tidak ada sinyal gelombang cahaya yang diserap oleh mata kita

atau RGB (0,0,0). Apabila dilakukan penambahan cahaya merah pada

ruangan tersebut, maka ruangan akan berubah warna menjadi merah

misalnya RGB (255,0,0), semua benda dalam ruangan tersebut hanya dapat

terlihat berwarna merah. Demikian apabila cahaya diganti dengan hijau atau

biru. Gambar 2.5 merupakan ilustrasi warna RGB (Rahmad,2013:17).

Gambar 2.5 Model Warna RGB

15

Dengan penggambaran seperti pada Gambar 2.5 maka masing-masing

warna dapat dikombinasi untuk mendapatkan warna yang berbeda, seperti

ditunjukan pada Gambar 2.6 (Rahmad,2013:18).

Gambar 2.6 Kombinasi Warna RGB

2) Model Warna HSV

HSV merupakan kependekan dari Hue, Saturation, dan Value. Model

HSV pertama kali diperkenalkan oleh A.R Smith pada tahun 1978, dimana

karakteristik pokok dari warna tersebut adalah:

1. Hue: menyatakan warna sebenarnya, seperti merah, violet, dan

kuning dan digunakan menentukan kemerahan (redness), kehijauan

(greeness), dan sebagainya.

2. Saturation: atau bisa disebut chroma, adalah kemurnian atau

kekuatan warna.

3. Value: kecerahan dari warna. Nilainya berkisar antara 0-100 %.

Apabila nilainya 0 maka warnanya akan menjadi hitam, semakin

besar nilai maka semakin cerah dan muncul variasi-variasi baru dari

warna tersebut.

16

Dalam praktek, hue dikuantisasi dengan nilai dari 0 sampai 255. 0

menyatakan merah, lalu memutar nilai-nilai spektrum tersebut kembali lagi

ke 0 untuk menyatakan merah lagi. Ini dapat dipandang sebagai sudut dari

0° sampai 360°. Gambar 2.7 merupakan ilustrasi pewarnaan HSV

(Sutoyo,2009:23).

Gambar 2.7 Model Warna HSV

2.4 Thresholding

Thresholding adalah proses mengubah citra berderajat keabuan menjadi

citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk

obyek dan background dari citra secara jelas. Dalam jurnal lain dikatakan

thresholding adalah metode paling sederhana dari segmentasi citra. Dari citra abu-

abu, thresholding dapat digunakan untuk membuat citra biner (Shapiro, 2002:21).

Langkah pertama untuk mendapatkan citra threshold adalah mengubah ke

citra grayscale dengan persamaan (2.1).

17

Grayscale = (R+G+B) / 3 (2.1)

Langkah selanjutnya adalah membuat batas pembagian hanya satu (nilai

acuan center), berarti nilai piksel terbagi menjadi dua kelompok dan memberi

label high (255) atau low (0) seperti ditunjukan pada persamaan (2.2).

(2.2)

Piksel-piksel yang nilai intensitasnya di bawah 128 diubah menjadi hitam

(nilai intensitas 0), sedangkan piksel-piksel yang nilai intensitanya di atas 127

diubah menjadi warna putih (nilai intensitas = 255). Contoh perhitungan dapat

dilihat pada Gambar 2.8 (Oktania,2013:19). Hingga didapatkan hasil menjadi citra

biner seperti Gambar 2.9 (Oktania,2013:21).

Gambar 2.8 Perhitungan Tiap Piksel dari Citra.

18

Gambar 2.9 Pembagian pada Nilai Center Threshold

2.5 OpenCV

OpenCV adalah sebuah library yang berisi fungsi-fungsi pemrograman

untuk teknologi Computer Vision secara realtime (Bradski,2008:20). OpenCV

bersifat open source, bebas digunakan untuk hal-hal yang bersifat akademis

maupun komersial. Di dalam OpenCV, terdapat interface untuk bahasa

pemrograman C, C++, Python, dan nantinya Java yang dapat berjalan pada

Windows, Linux, Android dan Mac. Terdapat lebih dari 2500 algoritma dalam

OpenCV, digunakan di seluruh dunia.

Pada awalnya OpenCV ditulis dengan menggunakan bahasa C namun

sekarang secara menyeluruh sudah menggunakan antarmuka bahasa C++ dan

seluruh pengembangannya terdapat dalam format bahasa C++. Contoh aplikasi

dari OpenCV yaitu interaksi manusia dengan komputer: identifikasi, segmentasi,

pengenalan objek, pengenalan wajah, pengenalan gerakan, penelusuran gerakan,

gerakan diri, dan pemahaman gerakan, struktur dari gerakan, kalibrasi stereo

19

dan beberapa kamera serta komputasi mendalam, dan robotik.

Fitur-fitur yang terdapat pada OpenCV antara lain:

1. Manipulasi data image (alokasi, rilis, duplikasi, pengaturan,

konversi).

2. Image dan I/O video (masukan berbasis file dan kamera, keluaran

image/video file).

3. Manipulasi matriks dan vektor serta aljabar linear (produk, solusi,

eigenvalues, SVD).

4. Beragam struktur data dinamis (daftar, baris, grafik).

5. Dasar pengolahan citra (filter, deteksi tepi, deteksi sudut, pengambilan

sampel, dan interpolasi, konversi warna, operasi morfologi,

histogram).

6. Analisis struktur (komponen yang berhubungan, pengolah kontur,

transformasi jarak, variasi momen, transformasi Hough, perkiraan

polygonal, penyesuaian garis, Delaunay triangulation).

7. Kalibrasi kamera (menemukan dan menelusuri pola kalibrasi, dasar

estimasi matriks, estimasi homografi, korespondensi stereo).

8. Analisis gerakan (optical flow, segmentasi gerakan, penelusuran).

9. Pengenalan objek (metode eigen, HMM).

10.Dasar Graphical User Interface atau GUI (menampilkan image/video,

penanganan mouse dan keyboard, scroll-bars).

Modul-modul terdapat pada OpenCV antara lain:

1. cv-fungsi utama OpenCV.

20

2. cvaux-fungsi penolong OpenCV.

3. cxcore-pendukung struktur data dan aljabar linear.

4. highui-fungsi Graphical User Interface (GUI).

2.6 Robot Soccer

Robot soccer adalah salah satu jenis mobile robot sederhana yang dapat

bergerak sesuai perintah yang diberikan oleh user, dimana robot mempunyai

gerakan dasar berupa maju, mundur, belok kiri, belok kanan dan menendang

(Setya:2013:1). Ide awal menggunakan robot dalam permainan sepak bola

dicetuskan oleh Profesor Alan Mcworth dari Universitas British Columbia,

Kanada dalam artikelnya yang berjudul “On Seeing Robot” yang dipresentasikan

pada tahun 1992 dan dipublikasikan di buku Computer Vision: System, Theory,

and Applications halaman 1-13, World Scientific Press, Singapore, 1993.

Beberapa seri dari artikel yang diterbitkan oleh kelompoknya adalah tentang

kendali visual robot untuk sepak bola.

Gambar 2.10 Robot Soccer

21

2.7 Smartphone Android

Android adalah sistem operasi untuk perangkat mobile berbasis linux yang

mencangkup sistem operasi, middleware dan aplikasi (Muharran, 2014:8).

Android menyediakan platform terbuka bagi para pengembang untuk membuat

aplikasi mereka sendiri. Android tidak terkait ke satu vendor smartphone,

beberapa smartphone berbasis Android yaitu HT, Motorolla, Samsung, LG,

Huawei, Archos, dan lain-lain. Tidak hanya menjadi sistem dalam smartphone

tapi juga dalam sistem tablet PC. Contoh smartphone dan tablet PC yang operasi

sistemnya menggunakan Android ditunjukan pada Gambar 2.11

(Muharran,2014:19).

Gambar 2.11 Smartphone dan Tablet PC

Android tersedia secara terbuka bagi manufaktur perangkat keras untuk

memodifikasi sesuai kebutuhan. konfigurasi perangkat Android tidak sama antara

satu perangkat dengan perangkat lainnya, namun Android sendiri mendukung

fitur-fitur tertentu, fitur-fitur Android diantaranya sebagai berikut:

a. Penyimpanan (storage) menggunakan SQLite yang merupakan database

relational yang ringan untuk menyimpan data.

b. Koneksi (connectivity) mendukung GSM/EDGE, IDEN, CDMA, EV-

22

DO, UMTS, Bluetooth (termasuk A2DP dan AVRCP), WiFi, LTE dan

WiMAX.

c. Pesan (Messaging) mendukung SMS dan MMS.

d. Web browser menggunakan open source WebKit termasuk di dalamnya

engine Chrome V8 Java Script.

e. Media yang didukung antara lain: H.263, H.264 (3GP atau MP4), MPEG

4 SP, AMR, AMR-WB (3GP container), ACC, HE-ACC (MP4 atau

3GP), MP3, MIDI, Ogg Vorbis, WAV, JPEG, PNG, GIF dan BMP.

f. Framework aplikasi yang mendukung penggantian komponen dan

reusable termasuk dukungan penggunaan library eksternal.

g. Hardware terdapat sensor akselerometer, kamera, digital kompas, sensor

proximity dan GPS.

h. Multi-touch, Multi-tasking

2.8 Eclipse IDE

Para pengembang aplikasi Android menggunakan Eclipse sebagai

Integrated Development Environment (IDE) berbasis Java. IDE adalah program

komputer yang memiliki beberapa fasilitas yang diperlukan dalam pembangunan

perangkat lunak. Eclipse merupakan IDE yang populer dikalangan para

pengembang Android, karena Eclipse memiliki plug-in lengkap yang tersedia

untuk mengembangkan aplikasi Android. Selain itu, Eclipse mendapat dukungan

langsung dari Google untuk menjadi IDE pengembangan Android guna membuat

project Android dimana source software langsung dari situs resminya Google.

23

Platform Java terdiri dari sekumpulan library, compiler, debugger dan alat

lain yang dipaket dalam Java Development Kit (JDK). Supaya sebuah program

Java dapat dijalankan, maka file dengan ekstensi .java harus dikompilasi menjadi

file bytecode. Untuk menjalankan file bytecode tersebut dibutuhkan JRE (Java

Runtime Environment) yang memungkinkan pengguna untuk menjalankan

program Java. Gambar 2.12 merupakan lembar kerja Eclipse.

Platform Java memiliki tiga buah edisi yang berbeda :

J2EE (Java 2 Enterprise Edition)

J2SE (Java 2 Second Edition)

J2ME (Java 2 Micro Edition).

Gambar 2.12 Lembar Kerja Eclipse

2.9 Bluetooth HC-05

Bluetooth adalah sebuah teknologi komunikasi wireless (tanpa kabel) yang

beroperasi pada pita frekuensi 2,4 GHz dengan menggunakan sebuah frekuensi

24

hopping transceiver yang mampu menyediakan layanan komunikasi data dan

suara secara real-time antara host-host Bluetooth dengan jarak jangkauan yang

terbatas (sekitar 10 meter).

Bluetooth HC-05 merupakan perangkat Bluetooth yang dalam penerimaan

dan pengiriman datanya menggunakan komunikasi serial UART. Bluetooth HC-

05 memungkinkan dapat berkomunikasi langsung dengan mikrokontroler melalui

jalur TX dan RX yang terdapat pada pinout nya. Pada dasarnya, Bluetooth HC-05

mempunyai keunggulan, yaitu bisa dijadikan master atau slave. Gambar 2.13

adalah bentuk fisik dari Bluetooth HC-05.

Gambar 2.13 Bluetooth HC-05

Bluetooth HC-05 memiliki spesifikasi dalam penggunaannya antara

lain:

Sensitivitas -80dBm (Typical) dan daya transmit RF sampai dengan

+4dBm.

25

Operasi daya rendah, yaitu 1,8V – 3,6V I/O dan terdapat antena yang

sudah terintegrasi dengan Bluetooth itu sendiri.

Antarmuka UART dengan baudrate yang dapat diprogram.

2.10 Arduino Mega 2560

Arduino Mega adalah board mikrokontroler berbasis ATmega 2560, dapat

dilihat pada Gambar 2.14. Memiliki 53 pin input dari output digital dimana 15

pin input tersebut dapat digunakan sebagai output Pulse Width Modulation

(PWM) dan 16 pin input analog, 16 MHz osilator kristal, koneksi USB, jack

power, ICSP header, dan tombol reset. Untuk mendukung mikrokontroler agar

dapat digunakan, cukup menghubungkan board Arduino Mega ke komputer

dengan menggunakan kabel USB atau listrik dengan sumber DC ke Arduino

Mega. Arduino sendiri menggunakan bahasa pemrograman C++.

Gambar 2.14 Arduino Mega

78

BAB V

SIMPULAN DAN SARAN

5.1 Simpulan

Dari hasil penelitian ini, dapat disimpulkan bahwa:

1. Penggunaan algoritma deteksi tepi Canny dan Blob Detection pada

robot sepak bola yang menggunakan kamera Android sebagai pemroses

video berbasis realtime berhasil membedakan antara bola dengan objek

gangguan. Robot tetap dapat menemukan bola meskipun dengan

intensitas cahaya yang relatif berubah-ubah dengan tingkat keberhasilan

sebesar 85% dengan menggunakan resolusi kamera Android sebesar

14MP.

2. Robot soccer ini mempunyai sistem lastScan yang dimana program

mampu mengontrol pergerakan robot supaya selalu mengikuti

kemanapun arah bola itu pergi. Apabila tracking dari kamera

mendeteksi bola hilang ke arah kiri, maka robot akan rotasi ke arah kiri.

Begitupun sebaliknya.

79

5.2 Saran

Berdasarkan pembahasan dan kesimpulan dalam penelitian ini, dapat

disarankan sebagai berikut:

1. Peningkatan resolusi kamera yang lebih tinggi akan mempengaruhi

hasil data gambar yang lebih baik. Tidak hanya itu, processor yang

mumpuni juga sangat mempengaruhi seberapa cepat robot dapat

mengeksekusi data yang dikirim dari Android tersebut.

2. Untuk pengembangan selanjutnya dalam Kontes Robot Indonesia

(KRI) divisi sepak bola beroda bisa menggunakan komunikasi serial

usb karena data akan terbaca dengan cepat. Penambahan algoritma

dalam scanning juga disarankan guna robot soccer bisa

mengidentifikasi beberapa objek lain yang tidak hanya bola supaya

robot bisa berjalan lebih maksimal.

3. Untuk pengembangan bagian Android, bisa ditambahkan navigasi

kompas supaya robot bisa mengetahui gawang lawan dengan cepat.

80

DAFTAR PUSTAKA

Adri, Muhammad. 2009. Computer Vision : Basic Concept of Computer Vision.

Jurnal. Universitas Negeri Padang.

Bradski, G. & Kaehler, A. 2008. Learning OpenCV: Computer Vision with the

OpenCV Library. O'Reilly Media, Inc. California.

Danil, 2012. Edge Detection dengan Algoritma Canny. Skripsi. STMIK IBBI

Emami, Sherliv, dkk. 2012. Mastering OpenCV with Pratical Computer Vision

Projects. Birmingham: Packt Publishing Ltd.

ESRB, 2016. Sosialisasi Kontes Robot Indonesia. Rule. Politeknik Elektronika

Negeri Surabaya

Helmiriawan. 2012. Rancang Bangun Dan Analisis Sistem Pemantau Lalu Lintas

Menggunakan OpenCV Dengan Algoritma Canny dan Blob Detection.

Skripsi. Universitas Indonesia.

Hinz. 2005. Fast and Subpixel Precise Blob Detection and Attribution.

Ji, Qiang. 2010. Introduction – Vision 3D. Jurnal.

Kaspers, 2011. Blob Detection. Jurnal.

Lindeberg. 1993. Detecting Salient Blob-like Image Structures and Their Scales

with A Scale-space Primal Sketch: A Method for Focus-of-attention.

Muharran, Maryam. 2014. Aplikasi Pembelajaran Dasar Aksara Sunda Berbasis

Android. Skripsi. Universitas Komputer Indonesia.

81

Oktania, Anas. 2013. Perbandingan Dalam Mendeteksi Tepi Pada Kain Batik

Dengan Metode Prewitt, Sobel, Canny Dan Roberts. Skripsi. Universitas

Pembangunan Nasional "Veteran" Jawa Timur Surabaya.

Prasetyo, Eko. 2011. Pengolahan Citra Digital. Skripsi. Universitas

Muhamamdiyah Gresik.

Pratama, N.A, dan Tatyantoro A. 2014. Telekomunikasi Pada Robot Swarm

Pemadam Api menggunakan Protokol ModBus. Edu Elektrika Jurnal,

Vol.6, No.2, hal.8. Universitas Negeri Semarang.

Rahmad, Bagus. 2013. Desain Pengolahan Citra Autonomous Mobile Robot

Penjejak Bola Menggunakan Kamera. Skripsi. Universitas Jember.

Rogers. 1987. Counseling and Clinical Practice, The Move Beyond Individual

Counseling, An International Dialogue.

Rosenfeld. 1998. Detecting Image Primitives Using Feature Pyramids.

Shapiro, Linda G. & Stockman, George C. 2002. Computer Vision. Prentice Hall.

Shofa, F., dan Tatyantoro A. 2015. Penerapan Metode Simple Maze pada Robot

Wall Follower untuk Menyelesaikan Labirin. Edu Elektrika Jurnal, Vol.2,

No.2, hal. 40.

Speckmann B. 2008. The Android mobile platform Skripsi. Eastern Michigan

University.

Sugiyono. 2013. Metode Penelitian Kuantitatif Kualitatif dan R&D. ALFABETA.

Bandung.

Sutoyo, Mulyanto, dkk. 2009. Teori Pengolahan Citra Digital. Penerbit ANDY

Yogyakarta.

82

Vijayarani. 2013. Performance Analysis of Canny and Sobel Edge Detection

Algorithms in Image Mining. Jurnal. Bharathiar University, Coimbatore,

India.

Wahana Komputer. 2016. Android Programming with Eclipse. Penerbit ANDY

Yogyakarta.

Wibawa, Setya. 2013. Aplikasi Pengolahan Citra Berbasis Gerakan Tangan Untuk

Pengendali Robot Soccer Wireless. Jurnal. Politeknik Elektronika Negeri

Surabaya.

Winarno, Edy. 2011. Aplikasi Deteksi Tepi pada Realtime Video menggunakan

Algoritma Canny Detection. Jurnal. Universitas Stikubank.

Yang & Parvin. 2002. Chef: Convex Hull of Features for 3D Blob Detection.