1

PERANCANGAN SISTEM PENGUKURAN ANTROPOMETRI

KEPALA MENGGUNAKAN TEKNOLOGI IMAGE PROCESSING

DENGAN METODE EKSTRAKSI FITUR WAJAH

Sritomo Wignjosoebroto, Adithya Sudiarno, Bright Brennan

Laboratorium Ergonomi dan Perancangan Sistem Kerja

Jurusan Teknik Industri - Institut Teknologi Sepuluh Nopember (ITS) Surabaya

Kampus ITS Sukolilo Surabaya 60111,E-mail: brightbrennan@yahoo.com

ABSTRAK

Untuk mewujudkan kondisi yang ergonomis dalam berbagai perancangan produk dan stasiun kerja,

diperlukan ukuran antropometri tubuh manusia. Dalam melakukan pengukuran biasanya digunakan alat-alat

ukur manual seperti mistar, kaliper, meteran, kursi antropometri, dll. Pengukuran manual akan membutuhkan

waktu yang cukup lama dan memungkinkan terjadinya error akibat standar pengukuran yang tidak seragam.

Untuk mengatasi permasalahan yang ditemui dalam pengukuran manual tersebut, maka perlu rancang sebuah

alat atau sistem pengukuran otomatis yang lebih efisien.Kepala adalah bagian tubuh yang sangat vital. Oleh

karena itu, pengukuran antropometri kepala sangat penting. Ada 14 dimensi penting yang biasa diukur di

kepala manusia. Pada penelitian ini akan dirancang sebuah sistem pengukuran dimensi kepala yang terdiri

dari kamera digital yang terhubung dengan komputer dengan perangkat lunak yang diprogram untuk

pengolahan citra digital. Citra wajah diekstraksi menjadi fitur mata, mulut, telinga, dan batas wajah pada citra

diam. Antara tiap komponen dan titik diukur jaraknya untuk mendapatkan dimensi antropometri. Untuk

menguji keakuratannya, hasil pengukuran alat ini akan dibandingkan dengan pengukuran manual

menggunakan uji-t berpasangan. Pengukuran dengan sistem ini terbukti menghasilkan ukuran dimensi tubuh

yang akurat. Hasil pengujian menunjukkan bahwa tidak terdapat perbedaan antara pengukuran manual

dengan pengukuran menggunakan sistem ini. Data yang dihasilkan dari pengukuran tersebut diaplikasikan

untuk perancangan produk untuk kepala. Sebagai studi kasus pada penelitian ini, data antropometri yang

dihasilkan ini kemudian digunakan untuk perancangan safety google. Dengan dihasilkannya alat ukur ini ,

data antropometri dapat diperoleh dan diperbaharui dengan lebih efisien dan mudah.

Kata Kunci : Antropometri Kepala, Image Processing, Facial Feature Extraction.

1. PENDAHULUAN

Manusia sering menggunakan mesin,

peralatan, fasilitas, dan berbagai produk dalam

melakukan pekerjaan dan kegiatan sehari-

harinya. Agar kondisi yang ergonomis, yaitu

membuat pekerjaan agar sesuai dengan

keterbatasan dan kemampuan manusianya

dapat diwujudkan, maka fasilitas kerja dan

produk yang digunakan ini seharusnya

dirancang sesuai dengan ukuran tubuh

manusia. Sebuah studi yang berkaitan dengan

pengukuran dimensi tubuh manusia adalah

Antropometri (Wignjosoebroto, 2003).

Kepala adalah bagian tubuh yang

sangat vital, maka sudah seharusnya produk

untuk kepala dibuat dengan

mempertimbangkan keselamatan dan

kenyamanan penggunanya. Oleh karena itu,

data antropometri kepala akan sangat penting

dan bermanfaat dalam perancangan produk

untuk kepala. Beberapa produk yang

memerlukan antropometri kepala dalam

perancangannya antara lain adalah helem,

masker, safety google, kacamata, head-set, dan

berbagai macam rancangan produk lainnya

yang berhubungan dengan kepala. Di

Indonesia sampai saat penelitian ini dilakukan

belum memiliki tabel antropometri yang

mempresentasikan ukuran tubuh penduduk

Indonesia. Perancangan produk untuk

pengguna orang Indonesia hingga kini

terkadang masih menggunakan ukuran

antropometri penduduk luar negeri yang belum

tentu sesuai dengan karakteristik fisik orang

Indonesia. Perlu dibuat rancangan safety

google yang sesuai dengan antropometri

pekerja di Indonesia.

Menurut Roebuck (1995), data

antropometri yang sudah ada juga memerlukan

2

pembaharuan secara berkala karena sifatnya

yang selalu mengalami perubahan. Karena

itulah data antropometri penting untuk

didapatkan dan diketahui nilainya. Untuk

mendapatkan data antropometri pada sebuah

populasi, diperlukan banyak sampel. Jika

pengukuran ini dilakukan secara manual

dengan alat seperti meteran, mistar, dan jangka

sorong, akan menghabiskan waktu yang cukup

lama. Selain itu sejumlah error akibat standar

pengukuran dan pembacaan ukuran dan skala

yang tidak sama dapat terjadi dalam

pengukuran secara manual.

Untuk mempermudah pengukuran dan

meningkatkan efisiensi, perlu dibuat sebuah

sistem pengukuran antropometri dengan

teknologi yang otomatis. Teknologi image

processing dapat digunakan untuk

mendapatkan antropometri tubuh manusia.

Sebagai studi kasus dalam penelitian ini, data

antropometri yang diambil dari sejumlah

sampel yang diukur menggunakan sistem ini

akan digunakan untuk perancangan produk

safety google.

Dengan dirancangnya sistem

pengukuran digital yang otomatis ini,

pengukuran akan menjadi lebih mudah, cepat,

dan menghasilkan data yang standar dan

akurat, kebutuhan tanaga spesialis untuk

mengukur dapat digantikan, dan biaya untuk

pengambilan data antropometri akan menjadi

relatif lebih murah.

2. METODOLOGI PENELITIAN

Penelitian ini dilaksanakan dengan lima

fase, yaitu; identifikasi awal penelitian, fase

perancangan sistem, pengujian rancangan,

aplikasi hasil pengkuran, dan analisis dan

penetapan kesimpulan.

Pada fase identifikasi awal ditetapkan

perumusan masalah dan tujuan penelitian,

yaitu pengukuran dimensi kepala. Pada fase

perancangan sistem dibuat rancangan sistem

pengukuran yang terdiri dari hardware dan

Software. Setelah sistem pengukuran dibuat ,

kemudian masuk ke fase pengujian rancangan.

Hasil pengukuran dengan sistem yang telah

dibuat dibandingkan dengan hasil pengukuran

manual untuk menguji kesamaan dan

keakuratan hasil pengukuran. Fase

Selanjutnya setelah hasil pengukuran diuji,

adalah aplikasi hasil pengukuran. Pada fase ini

dibuat table antropometri kepala, kemudian

table ini digunakan untuk mengevaluasi

rancangan dimensi produk safety google.

Setelah semua tahap selesai, pada fase terakhir

dilakukan penarikan simpulan dari penelitian

ini.

3. PERANCANGAN SISTEM

Sistem pengukuran yang dirancang

terdiri dari software dan hardware. Pada bab

ini akan dijelaskan mengenai tahap-tahap

dalam perancangan software dan hardware

tersebut.

3.1. Dimensi Kepala Yang Akan Diukur

Jumlah dimensi kepala yang akan

diukur menggunakan sistem ini berjumlah 14

macam. Dimensi kepala yang akan diukur

dapat dilihat pada Tabel 3.1. Detail gambar

dimensi kepala dapat dilihat pada Gambar

3.1.

Tabel 3.1 Dimensi Kepala Yang Akan Diukur.

Kode Keterangan

H1 Panjang kepala.

H2 Lebar kepala.

H3 Diameter maksimum dari dagu.

H4 Dagu ke puncak kepala.

H5 Telinga ke puncak kepala.

H6 Telinga ke belakang kepala.

H7 Antara dua telinga.

H8 Mata ke puncak kepala.

H9 Mata ke belakang kepala.

H10 Antara dua pupil mata.

H11 Hidung ke puncak kepala.

H12 Hidung ke belakang kepala.

H13 Mulut ke puncak kepala.

H14 Lebar mulut.

Gambar 3.1. Dimensi Kepala Yang Diukur.

3.1. Perancangan Hardware

Perancangan hardware dimulai

dengan pemilihan capture device, dari

alternatif yang ada, yaitu webcam dan kamera

digital, dipilih kamera digital karena kualitas

foto yang dihasilkan kamera digital lebih baik.

3

Kemudian dibuat rancangan fisik perangkat

keras. Kamera yang digunakan adalah Canon

EOS 450D dangan lensa Canon 50mm f1.8.

a. Menentukan penampang lokasi capture.

Ukuran penampang lokasi capture

disesuaikan dengan resolusi dari kamera yang

digunakan, dengan pengaturan picture quality

sebesar 6.3 mpx atau seukuran 3308 x 2056.

Dari nilai tersebut diketahui perbandingan

panjang dan lebar bidang capture adalah 4 :

2,49.

Objek kepala manusia akan di-capture

pada dua posisi, yaitu menghadap ke depan

dan menghadap ke samping. Oleh karena itu,

untuk memberikan kelonggaran pada

pergeseran posisi kepala kesisi kiri atau kanan,

orientasi kamera diletakkan pada posisi

landscape.

Untuk menentukan ukuran area

capture, awalnya ditentukan ukuran untuk sisi

terkecil dengan melihat dimensi kepala H4 (

jarak dari dagu ke puncak kepala) yang

terbesar pada persentil 95 dari tabel

antropometri kepala orang Indonesia. Tabel

tersebut dapat dilihat pada Tabel 3.2.

Tabel 3.2 Antropometri Kepala Pria (cm).

Dimensi

Persentil

5% 50% 95% SD

Dagu ke puncak kepala [H4] 20.97 22.7 25.11 1.45

Sumber : Data Praktikan Mahsiswa TI ITS Tahun

2009.

Dari tabel didapatkan jarak dagu

kepuncak kepala pada persentil 95 sebesar

25,11cm. yang akan digunakan sebagai sisi Y

atau tinggi gambar. Untuk memberikan

kelonggaran bagi ruang latar belakang foto

diatas kepala, maka tinggi gambar dibuat

menjadi 30 cm. Dilakukan perhitungan untuk

mencari nilai X pada bidang capture. Tabel

perhitungan dimensi area capture dapat dilihat

pada Tabel 3.3.

Tabel 3.3 Perhitungan Dimensi Area Capture.

Keterangan Dimensi Area Capture

X Y

Perbandingan 4 2.5

Resolusi 3308 px 2056 px

Perhitungan nilai Y 3308/2056 = X/30

X = 48.27

Dimensi sebenarnya 48.27 cm 30 cm

Skala Gambar 30/2056 = 0.145914 cm/px

Dengan menggunakan perbandingan

4:2,49 didapatkan nilai 48,27 cm untuk

ukuran X. Maka skala gambar untuk setiap 1

pixel adalah sebesar 0.0145914 cm. Wilayah

kepala yang diambil meliputi dagu sampai

kepuncak kepala. Posisi obyek yang akan

diambil gambarnya dapat dilihat pada Gambar

3.2.

Gambar 3.2 Area capture.

b. Menentukan jarak dari kamera ke lokasi

capture.

Jarak kamera ke lokasi capture

ditentukan dengan cara melakukan kalibrasi

terhadap area pengambilan foto dengan foto

yang diambil agar didapatkan tinggi dan lebar

yang sesuai dengan yang telah ditentukan

sebelumnya. Berikut ini adalah langkah-

langkah dalam melakukan kalibrasi kamera

dengan tinggi objek sebenarnya:

1. Bidang capture seukuran 30 x 48.27

cm diletakkan tepat didepan kamera.

Kamera dipasang pada tripod untuk

mendapatkan hasil yang presisi.

2. Kamera diposisikan agar dapat

menangkap seluruh sisi bidang

tersebut dengan mengatur jaraknya

terhadap bidang capture.

3. Setelah posisi objek tepat pada area

tangkapan kamera, dilakukan

pengukuran jarak dari kamera ke

bidang tersebut.

Dari hasil pengukuran dengan metode

kalibrasi ini, didapatkan jarak kamera ke

objek sebesar 115 cm untuk mendapatkan

tinggi objek sesungguhnya sebesar 30 cm

seperti yang terlihat pada Gambar 3.3.

Gambar 3.3 Kalibrasi Jarak Webcam ke Lokasi

Capture.

4

Keterangan :

s = Jarak kamera kebidang capture.

M = Perbesaran benda = 0.0145914

s hasil pengukuran = 115 cm.

c. Alat-alat penunjang

Alat-alat penunjang adalah beberapa

lampu yang digunakan untuk mendapatkan

kualitas gambar yang lebih baik. Digunakan 2

buah lampu yang diletakkan didepan obyek.

Berdasarkan hasil uji coba, tingkat

pencahayaan yang dibutuhkan untuk

mendapatkan hasil gambar yang baik adalah

sebesar ±300lux. Untuk mendapatkan

intensitas cahaya tersebut digunakan dua buah

lampu 5 watt yang diletakkan 45 derajat dari

depan objek dengan jarak masing-masing

50cm dari objek. Jarak latar belakang ke objek

adalah sejauh 50cm. Desain perangkat keras

untuk penempatan obyek, kamera, dan lampu

dapat dilihat pada Gambar 3.4 dan Gambar 3.5

Gambar 3.4 Tampak Atas Rancangan

Perangkat Keras .

Gambar 3.5 Rancangan Perangkat Keras

Dalam Bentuk 3 Dimensi.

3.2. Perancangan Software

Software ini diberi nama

Headthropometry. Tahap dalam perancangan

software adalah peracangan metode

pengukuran dan diagram alir (flowchart).

Setelah itu dilakukan perancangan antar muka

(interface) dan pemrograman komputer untuk

menjalankan software ini

3.2.1 Perancangan Flowchart

Untuk desain alur kerja software

dibuatkan flowchart, yaitu diagram alir yang

menjelaskan tahapan proses yang dilalui pada

saat penggunaan software. Penjelasan langkah-

langkah dalam menggunakan software ini

adalah sebagai berikut:

1. Memilih dan memasukkan foto dari file.

Foto yang dimasukkan adalah foto kepala

mengahadap depan dan kepala

menghadap kesamping kiri.

2. Memasukkan nilai tinggi area capture

yang sebenarnya. Pengaturan standar telah

ditetapkan sebesar 300mm, jadi tahap ini

hanya dilakukan jika tinggi area capture

dirubah.

3. Melakukan pengaturan threshold value

secara otomatis untuk mengubah foto

menjadi grayscale.

4. Mengubah threshold value secara manual

apabila diperlukan.

5. Melakukan deteksi pada foto yang telah

diubah menjadi grayscale.

6. Memasukkan data identitas sampel yang

telah diukur.

7. Apabila seluruh deteksi telah selesai, data

yang dihasilkan dapat di-export ke format

Microsoft Excel. Apabila deteksi untuk

sampel yang lain masih diinginkan,

kembali ke langkah pertama.

8. Deteksi selesai, keluar dari software

dengan menekan tombol exit.

Alur kerja software ini dapat dilihat

pada Gambar 3.6.

5

Start

Input foto dari file.

Memasukkan tinggi bidang

capture yang sebenarnya

Mengatur theshold

secara manual

Deteksi seluruh

dimensi kepala

Deteksi disetujui

Lakukan deteksi

lainnya?

Submit

Data disetujui

Isi data diri

Eksport data

Selesai

Ya

Tidak

Delete

Ya

Tidak

Set Image : Pengaturan threshold value dan resize

foto secara otomatis

Threshold value

sesuai?

Tidak

Ya

Tidak

Ya

Gambar 3.6 Flowchart Software.

3.2.2Perancangan Interface.

Interface untuk perangkat lunak sistem

ini terdiri dari empat form utama, yaitu form

preview foto, form pemrosesan foto, form

submit data, dan form rekap data.

Fungsi dari masing-masing form tersebut

adalah:

1. Form Preview foto ( Input Image). Form

ini digunakan untuk memperlihatkan

gambar dari kamera yang sudah di

simpan dalam memori komputer dan

melakukan pemrosesan awal untuk

merubah gambar menjadi grayscale.

2. Form pemrosesan foto (Detections).

Terbagi atas empat macam tipe deteksi,

yaitu dua macam pada wajah bagian

depan dan dua macam pada wajah bagian

samping. Berguna untuk menampilkan

nilai dimensi wajah yang telah dideteksi.

3. Form submit data (Submit). Ketika proses

pengambilan data telah selesai, form ini

digunakan untuk melengkapi data

identifikasi diri responden.

4. Form rekap data (Data). Pada form ini

ditampilkan hasil deteksi seluruh dimensi

kepala yang telah dilakukan.

Pada bagian bawah tedapat tombol exit

untuk keluar dari software yang sedang

dijalankan setelah semua tahap dilakukan.

Terdapat satu buah form tambahan , yaitu

About, yang menampilkan keterangan singkat

tentang perancang software. Peta navigasi

menu dan tombol-tombol yang terdapat pada

software ini dapat dilihat pada diagram yang

ditunjukkan pada Gambar 3.7.

Headthopometry

Input Image

Detections

Submit

Data

About

Exit

Front Mode

Side Mode

Front Mode 1/2

Side Mode 2/2

Front Mode 2/2

ID

Side Mode 2/2

Name

Gender

Age

Delete

Delete All

Export to Excel

Open Image File

Set Image

IMG Height Real Size

(input from keyboard)

A

A

A

B

B

B

B

B

TH (Sliding bar &

threshold value Input)

Detect

Gambar 3.7 Peta Navigasi Tombol Pada

Software Headthropometry.

3.2.2.1 Input Image

Langkah pertama yang dilakukan sebelum

masuk ke menu Detections, adalah

memasukkan data foto yang akan diolah.

Urutan langkah pada proses Input Image

adalah sebagai berikut:

1. Memilih foto dari file yang telah disimpan

menggunakan tombol open image

file.

2. Tinggi area capture sebenarnya dibuat

dengan standar 300mm, namun apabila

diinginkan untuk merubahnya dapat

dilakukan dengan memasukkan nilai

angka yang diinginkan pada opsi IMG

Height Real Size seperti yang

ditunjukkan pada Gambar 3.8.

6

Gambar 3.8 Form Pengaturan Tinggi Area

Capture Sebenarnya.

3. Melakukan pengaturan awal foto dengan

menggunakan tombol set image. Pada

proses set image ini, ukuran foto di resize

secara otomatis menjadi 480x319 pixel

untuk mempermudah proses pengolahan.

Format foto diubah menjadi grayscale

dengan merubah nilai komponen warna

RGB (red green blue) menjadi hitam

putih yang bernilai antara 0-255. Berikut

adalah persamaan untuk mencari nilai

grayscale:

cBGR

3

Tampilan software setelah dilakukan

Set Image datunjukkan pada Gambar 3.9

Gambar 3.9 Form Input Foto Pada Front

Mode.

Gambar grafik merah disebelah kiri

bawah software merupakan visualisasi level

threshold untuk merubah foto menjadi

grayscale. Setelah proses Set Image dilakukan,

pada kolom disebelah kanan bawah akan

muncul informasi sebagai berikut:

1. Original Image Size : Ukuran foto asli

dalam satuan pixel.

2. Original Pixel Scale : Skala dari

perbandingan tinggi area capture

sebenarnya dibagi jumlah pixel pada

asli.

3. Resized Image Size : Ukuran foto

setelah dilakukan resize.

4. Resize Scale : Perbandingan ukuran

dimensi foto yang telah di-resize

dengan foto asli .

5. Current Pixel Scale : Skala dari

perbandingan tinggi area capture

sebenarnya dibagi jumlah pixel pada

foto yang telah di-resize.

6. Histogram Threshold : Nilai threshold

foto antara 0-255 setelah diubah

menjadi grayscale.

3.2.3 Metode Pendeteksian Dimensi

Untuk mendapatkan dimensi dalam

bentuk garis, dimulai dengan mencari dua titik

pada area yang diinginkan. Kedua titik ini

dihubungkan untuk menghasilkan sebuah garis

dimensi kepala. Langkah pertama yang

dilakukan sebelum mendapatkan semua

dimensi adalah mendeteksi kotak pembatas

wilayah kepala. Pendeteksian ini dilakukan

dengan cara mendeteksi titik-titik terluar

kepala. Berikut ini adalah langkah-langkah

dalam medeteksi kotak pembatas area kepala:

1. Nilai ”0” menandakan pixel berwarna

hitam, nilai ”1” menandakan pixel

berwarna putih.

2. Dilakukan iterasi dari sisi atas, bawah,

kiri dan kanan foto untuk mendapatkan

titik pertama yang berwarna hitam

(0)dari tepi yang membedakan objek

dengan latar belakang yang berwarna

putih (1).

3. Setelah keempat titik dari semua sisi

ditemukan, selanjutnya dibuat kotak

pembatas (bounding box) baru yang

membatasi area kepala.

4. Jika kotak pembatas kepala telah

terdeteksi, wilayah wajah kemudian

dibagi menjadi tiga bagian, yaitu mata

kanan, mata kiri, dan mulut. Penentuan

Agushinta et al (2007) yang telah

dijelaskan pada bab II. Wilayah mata

diperkirakan berada pada area tengah

wajah, dan wilayah mulut diperkirakan

berada di bawah hidung dan sejajar

dengan kedua mata. Hasil pembagian

ditunjukkan pada Gambar 3.10

Gambar 3.10 Pembagian Wilayah Wajah.

7

Untuk dimensi yang kedua titik

penghubungnya terdapat dibagian terluar

kepala, seperti pada Gambar 3.11 dan Gambar

3.12, pendeteksian titik dapat dilakukan

dengan metode deteksi batas tepi dari kotak

pembatas area kepala.

Gambar 3.11 Titik Deteksi Terdapat Pada

Batas Terluar (Front Mode).

Gambar 3.12 Titik Deteksi Terdapat Pada

Batas Terluar (Side Mode).

Sejalan dengan didapatkannya kotak

pembatas wilayah kepala, maka garis H4 (dagu

kepuncak kepala) dan H12 (hidung kebelakang

kepala) dapat diketahui, karena tinggi kotak

dapat mewakili H12, dan lebar kotak dapat

mewakili H4.

Untuk mencari titik-titik yang

menentukan dimensi H1, H2, H9 dan H11,

dilakukan iterasi dari batas kotak kepala

dengan mencari nilai pixel yang berwarna

hitam (0) dimulai dari sisi paling luar kotak.

Pencarian titik ini dilakukan dengan cara

mengecek apakah nilai semua titik dalam satu

baris horizontal atau vertikal bernilai 1 (putih),

apabila tidak, maka titik tersebut ditetapkan

sebagai batas tepi. Jika batas-batas ini telah

diketahui, dibuat garis penghubung antara 2

titik yang menandakan panjang dimensi yang

dicari. Fungsi untuk mengecek apakah semua

data pada satu baris bernilai 1 (putih) dapat

dilihat pada Tabel 3.4

Tabel 3.4 Script Pengecekan Nilai Pixel Pada

Baris

1

Private bool

IsWhiteHorisontal(int y)

2 {

3

for (int i = 0; i <

m_pBilevelImage.Width; i++)

4 {

5

if (m_pBilevelImage.Data[i, y]

== 0)

6 return false;

7 }

8 return true;

9 }

Keterangan : Private bool

IsWhiteHorisontal(int y) menandakan

bahwa fungsi class ini digunakan untuk

mengecek apakah seluruh pixel pada garis

horizontal bernilai putih dengan kondisi

boolean yang mempunyai dua variabel true

dan false. Terdapat kode “for”, yang

menandakan perulangan fungsi pengecekan

nilai putih, dilakukan dari tepi kotak pembatas

image sampai menemukan kondisi i = 0, yaitu

terdapat titik yang berwarna hitam.. Kondisi

false berlaku bila nilai i ≠ 0, dan kondisi true

berlaku apabila nilai i = 0.

Fungsi untuk mengecek apakah semua

data pada satu kolom bernilai 1 (putih) dapat

dilihat pada Tabel 3.5

Tabel 3.5 Script Pengecekan Nilai Pixel Pada

Kolom

1

Private bool

IsWhiteVertical(int x)

2 {

3

for (int i = 0; i <

m_pBilevelImage.Height; i++)

4 {

5

if (m_pBilevelImage.Data[x, i]

== 0)

6 return false;

7 }

8 return true;

9 }

Langkah-langkah ntuk mendapatkan

dimensi H3, yaitu diameter maksimum kepala

dari dagu, adalah sebagai berikut:

1. dilakukan iterasi dari pojok kiri atas dan

pojok kanan bawah gambar dengan

menarik bujur sangkar sampai

8

menemukan nilai 0 (hitam) pada salah

satu sudutnya.

2. Kedua titik dari sudut atas dan bawah

kepala ini kemudian dihubungkan agar

didapatkan garis H3 seperti yang

ditampilkan pada Gambar 3.13.

Gambar 3.13 Deteksi Dimensi H3

Jika dimensi yang dicari mempunyai

titik yang teletak di area dalam kepala, yaitu

mata, mulut, dan telinga, maka perlu

dilakukan deteksi fitur tersebut terlebih dahulu.

Dimensi H8 dan H10 memerlukan

fitur mata untuk mendapatkan ukuran dan

posisinya. Berikut ini adalah langkah-langkah

untuk mendeteksi dimensi H8 dan H10:

1. Untuk mendapatkan fitur mata, iterasi

dilakukan dari batas wilayah mata yang

sudah dibuat kotak pembatasnya

sebelumnya. Prinsipnya sama dengan

pendeteksian kotak pembatas wilayah

kepala, yaitu melakukan iterasi dari batas

kotak untuk mendapatkan titik terluar

objek.

2. Setelah ditemukan titik-titik terluar dari

fitur mata yang memiliki warna hitam (0),

dibuat kotak pembatas baru yang

menandai fitur mata. Iterasi ini dilakukan

pada mata kanan dan kiri, sehingga

didapatkan dua buah kotak fitur mata.

3. Titik yang berada ditengah-tengah kedua

kotak ini digunakan untuk mendapatkan

dimensi H10 (jarak antar mata)

4. Dimensi H8 (mata kepuncak kepala)

didapatkan dengan cara menghubungkan

titik tengah kotak mata dengan titik

terluar pada puncak kepala.

Untuk mendapatkan fitur mulut,

dilakukan hal yang sama seperti deteksi fitur

mata, berikut ini adalah penjelasan langkah-

langkah untuk mendeteksi dimensi H13 dan

H14:

1. Iterasi untuk mendapatkan kotak fitur

mulut dilakukan dari batas atas, bawah,

kiri, dan kanan dari wilayah mulut yang

telah ditetapkan pada proses sebelumnya.

2. Jika kotak fitur mulut sudah terdeteksi,

maka dapat ditentukan dimensi H14 (lebar

mulut) dari lebar kotak tersebut, dan H13

(mulut kepuncak kepala) dengan

menghubungkannya ketitik terluar pada

puncak kepala. Hasil deteksi fitur mata

dan mulut dapat dilihat pada Gambar

3.14.

Gambar 3.14. Deteksi Fitur Mata dan Mulut

Langkah-langkah untuk dimensi H7, yaitu

jarak antar telinga adalah sebagai berikut:

1. Membuat batas wilayah telinga. Wilayah

telinga diperkirakan berada dibawah dari

setengah tinggi kepala, seperti yang di

tunjukkan pada garis batas hijau pada

Gambar 3.15

2. Mendeteksi titik-titik pembentuk batas

telinga yang diambil pada batas wilayah

telinga. Sisi-sisi terluar dari garis yang

dibentuk oleh daun telinga ini kemudian

digunakan untuk membentuk sebuah

kotak biru seperti yang terlihat pada

Gambar 3.15

3. Titik titik yang terdeteksi pada bagian

bawah dari daun telinga ditarik garis lurus

sampai ke tengah kotak untuk medapatkan

posisi titik tengah telinga.

4. Bagian tengah dari kotak yang dimiliki

telinga kanan dan kiri ini kemudian

dihubungkan untuk mendapatkan dimensi

H7. Contoh hasil deteksi dapat dilihat

pada Gambar 3.15

Gambar 3.15 Deteksi Fitur Telinga Bagian

Depan.

Untuk dimensi H5 dan H6, perlu

diketahui titik tengah telinga dari sisi samping

9

dan menghubungkannya ke tepi luar kepala

untuk mendapatkan garis dimensinya.

Langkah-langkah untuk mendapatkan dimensi

H5 dan H6 adalah sebagai berikut:

1. Menentukan batas wilayah telinga. Batas

wilayah telinga yang digunakan sama

dengan cara menentukan batas wilayah

telinga pada dimensi H7.

2. Mendeteksi titik-titik pembentuk telinga

pada sisi belakang telinga, kemudian sisi-

sisi terluarnya dijadikan sebagai kotak

pembatas wilayah telinga.

3. Untuk mendapatkan titik pada lubang

telinga, kotak tersebut diperpanjang

sebesar setengah dari lebarnya, maka

didapatkan titik tengah telinga.

4. Dimensi H5 dapat dicari dengan

menghubungkannya dengan titik terluar

kepala kearah vertikal.

5. Dimensi H6 dapat dicari dengan

menghubungkannya pada titik terluar

kepala kearah horizontal. Contoh Hasil

deteksi dapat dilihat pada Gambar 3.16

Gambar 3.16 Deteksi Fitur Telinga Bagian

Samping.

3.2.4 Metode Perhitungan Jarak.

Untuk melakukan perhitungan jarak

(length) dilakukan dengan cara menghitung

jumlah selisih antara 2 koordinat titik apabila

garis yang didapatkan lurus α = 0. Apabila

garis yang ditarik dari kedua titik memiliki

sudut atau α ≠ 0 maka akan dihitung dengan

menggunakan rumus phitagoras.

Sebagai contoh untuk pengukuran

tinggi kepala seperti yang terlihat pada

Gambar 3.17. Pengukuran dilakukan dengan

cara mengurangi nilai sumbu Y terbesar

dengan nilai sumbu Y terkecil. Jadi tinggi

kepala adalah 20-0 = 20 pixel. Kemudian

jumlah pixel ini dikalikan dengan skala yang

sudah ditentukan, sehingga didapatkan ukuran

sebenarnya dalam satuan millimeter.

Gambar 3.17 Metode Perhitungan Jarak

Dengan Menentukan Kooerdinat dan Sudut α

Yang Dibentuk Oleh 2 Titik.

Garis yang diukur tidak selalu tepat

horizontal atau vertikal. Untuk perhitungan

jarak yang memiliki sudut, contoh

perhitungannya adalah pada dimensi H10

(jarak antar kedua mata) dan H3 (jarak

diagonal kepala), digunakan rumus phitagoras.

Gambar 3.18 ditunjukkan contoh

perhitungannya.

Gambar 3.18 Perhitungan Jarak Dua Titik

Dengan Phitagoras.

pixelx

x

x

x

x

2.10

104

104

4100

210

2

2

222

Dengan perhitungan tersebut

didapatkan nilai x sebesar 10.2 pixel. Pada

Tabel 3.6 dapat dilihat Script fungsi matematis

yang dilakukan untuk melakukan perhitungan

jarak pixel yang memiliki sudut α≠0.

10

Tabel 3.6 Script Fungsi Perhitungan Jarak

Pixel Dengan α≠0.

1 public static class Functions

2 {

3

public static double

LineLength(Line ln)

4 {

5 return LineLength(ln.p1, ln.p2);

6 }

7

public static double

LineLength(Point p1, Point p2)

8 {

9 double dx = p2.X - p1.X;

10 double dy = p2.Y - p1.Y;

11

return Math.Sqrt((dx * dx) + (dy *

dy));

12 }

13 }

Keterangan script fungsi perhitungan jarak: public static double

LineLength(Line ln) melambangkan

bahwa fungsi perhitungan panjang garis ini

bernilai desimal dan dapat dipakai oleh seluruh

class yang ada. p1 melambangkan titik 1, dan

p2 melambangkan titik 2.

dx = p2.X - p1.X melambangkan

panjang garis x yang dihasilkan dari koordinat

selisih koordinat sumbu x dari kedua titik. dy

= p2.y - p1.y melambangkan panjang

garis y yang dihasilkan dari koordinat selisih

koordinat sumbu y dari kedua titik. Untuk

mendapatkan panjang garis yang dibentuk dari

kedua titik tersebut, digunakan rumus

phitagoras yang dujabarkan dengan kode return Math.Sqrt((dx * dx) + (dy *

dy));

Setelah didapatkan jumlah pixel yang

ada didalam satu garis, maka nilai dimensi

yang sebenarnya dalam satuan milimeter dapat

diketahui dengan mengalikan jumlah pixel

tersebut dengan skala yang sudah ditektukan

sebelumnya dengan pembulatan 2 tempat

desimal. Contoh Script untuk melakukan

operasi tersebut dapat dilihat pada Tabel 3.7

Tabel 3.7 Potongan Script Perhitungan

Dimensi Sebenarnya.

1

Task.ResultsMM.D1 =

Math.Round(Task.ResultsPX.D1 *

scale, 2);

2

Task.ResultsMM.D2 =

Math.Round(Task.ResultsPX.D3 *

scale, 2);

Keterangan:

Task.ResultsMM.D1= menjelaskan

bahwa fungsi ini digunakan untuk

mengeluarkan hasil perhitungan dimensi D1.

Math.Round(Task.ResultsPX.D1 *

scale, 2); merepresentasikan fungsi

matematis, yaitu jumlah pixel pada garis D1

dikalikan dengan skala gambar yang

dibulatkan sebanyak dua desimal.

3.2.5 Hasil Deteksi Software.

Proses deteksi dilakukan dalam menu

Detections. Menu Detections yang

bersungsi untuk proses deteksi dimensi kepala,

dibagi menjadi empat mode deteksi, dua mode

untuk wajah menghadap kedepan dan dua

mode untuk wajah menghadap kesamping kiri.

Pada software Headthropometry, keempat

mode itu diberi label Front Mode 1/2, Front Mode 2/2, Side Mode 1/2,

dan Side Mode 2/2.

Sebelum melakukan deteksi, nilai

threshold dapat diubah sesuai tingkat

kecerahan foto, karena foto yang dihasilkan

tidah selalu dibuat pada lingkungan dengan

tingkat pencahayaan yang sama. Theshold

poiter untuk pengaturan nilai threshold mulai

dari 0 sampai 255. Cara lain untuk merubah

nilai threshold adalah dengan memasikkan

nilai angka antara 0 sampai 255 pada kolom

yang terdapat disebelahnya. Gambar form

pengaturan threshold seperti yang terlihat pada

Gambar 3.19

Gambar 3.19 Form Pengaturan Nilai

Threshold.

Dimensi kepala yang dideteksi pada

menu Front Mode 1/2 adalah dimensi

panjang kepala H2, jarak mata kepuncak

kepala H8, jarak anatara kedua mata H10,

jarak mulut ke puncak kepala H13, dan lebar

mulut H14. Contoh hasil deteksi dapat dilihat

pada Gambar 3.20

11

Gambar 3.20 Deteksi Front Mode 1/2.

Dikolom sebelah kiri bawah terdapat

gambar foto asli yang telah dirubah menjadi

grayscale. Foto ini berguna untuk melihat

posisi dimensi yang berhasil dideteksi pada

obyek yang diukur. Pada kolom sebelah hanan

bawah terdapat keterangan nilai dimensi-

dimensi yang telah berhasil diukur dalam

satuan millimeter.

Dimensi yang dideteksi pada menu

Front Mode 2/2 adalah dimensi H7,

yaitu jarak antara kedua telinga. Contoh hasil

deteksi dapat dilihat pada Gambar 3.21

Gambar 3.21 Deteksi Front Mode 2/2.

Dimensi yang dideteksi pada menu

Side Mode 1/2 adalah lebar kepala H1,

panjang kepala maksimum H3, tinggi kepala

H4, jarak mata kebelakang kepala H9, jarak

hidung kepuncak kepala H11, dan jarak hidung

kebelakang kepala H12. Contoh hasil deteksi

dapat dilihat pada Gambar 3.22

Gambar 3.22 Deteksi Side Mode 1/2.

Dimensi yang dideteksi pada menu

Side Mode 2/2 adalah jarak telinga

kepuncak kepala H5 dan jarak telinga

kebelakang kepala H6. Contoh hasil deteksi

dapat dilihat pada Gambar 3.24

Gambar 3.24 Deteksi Side Mode 2/2.

Setelah Seluruh proses deteksi

dilakukan, tahap selanjutnya adalah proses

memasukkan identitas sampel yang diukur.

Form pengisian data dapat diakses melalui

tombol Submit. Pada tahap ini informasi

mengenai nomor identitas, nama, jenis

kelamin, dan umur dimasukkan untuk proses

selanjutnya. Tampilan submit dialog dapat

dilihat pada Gambar 3.25

Gambar 3.25 Memasukkan Identitas Setelah

Dimensi Terdeteksi.

Apabila proses submit data telah

dilakukan, selanjutnya kasil rekaplitulasi data

ditampilkan dan dapat dilihat melalui menu Data.

12

4. PENGUJIAN SISTEM

Pengujian sistem dilakukan dengan

membandingkan anatara hasil pengukuran

manual dengan mengukuran menggunakan

Software Headthropometry. Untuk pengukuran

manual dilakukan denga menggunakan jangka

sorong. Responden yang diambil datanya

berjumlah 30 orang pria dan 30 orang wanita.

Hasil pengolahan data dengan membandingkan

kedua hasil pengukuran dengan metode uji-t

berpasangan menunjukkan bahwa tidak

terdapat perbedaan antara hasil pengukuran

manual dengan pengukuran Headthropometry.

5 APLIKASI DATA ANTROPOMETRI

DALAM PERANCANGAN PRODUK

Setelah didapatkan tabel antropometri

14 dimensi kepala, pada bab ini data tersebut

dipakai untuk perancangan produk. Studi kasus

yang digunakan untuk tahap perancangan

produk ini adalah safety google. Ada tiga buah

dimensi utama yang diperlukan untuk

merancang sebuah safety google yang sesuai

dengan ukuran tubuh sampel yang diamati.

Ketiga macam ukuran tersebut dapat dilihat

pada Gambar 4.30.

Gambar 5.1Dimensi Yang Diperlukan Untuk

Perancangan Safety Google.

Dimensi awal safety google yang diamati

adalah sebagai berikut:

A = 7 cm

B = 15.9 cm

C = 9.7 cm

Ketiga dimensi tersebut dapat

diketahui dengan keterangan sebagai berikut:

A = Jarak antara kedua mata (H10)

B = Lebar kepala (H2)

C = Jarak mata ke telinga (H9 - H6)

Untuk seluruh dimensi, digunakan

ukuran tubuh rata-rata dari populasi, yaitu 50

persentil. Tabel antropometri yang digunakan

adalah antropometri tubuh pria. Maka, nilai

yang sesuai untuk masing- masing dimensi

adalah sebagai berikut:

A = 6.65 cm

B = 15.43 cm

C = (14.32 - 5.20) cm = 9.12 cm.

Pada Gambar 4.31ditunjukkan gambar

rancangan ulang dimensi safety google yang

baru.

Gambar 5.2 Rancangan Ulang Dimensi Safety

Google.

6. PEMBAHASAN

Rancangan hardware dapat

mempengaruhi hasil deteksi pada software.

Pada saat pengerjaan hardware yang telah

dibahas di bab sebelumnya, ditemukan

beberapa faktor yang dapat menjadi penyebab

error dalam tahap deteksi. Penyebab tersebut

antara lain adalah:

1. Latar belakang yang terlalu dekat dengan

objek. Apabila objek ditempatkan terlalu

dekat dengan latar belakangnya, bayangan

akan jatuh di belakang objek. Bayangan

ini dapat menggangu ketelitian

pengukuran, karena akan terdeteksi

sebagai area hitam yang masuk kedalam

area deteksi.

2. Penempatan lampu. Penempatan lampu

dapat mempengaruhi intensitas cahaya

dan arah bayangan. Pada awalnya hanya

digunakan satu buah lampu tepat di depan

objek. Namun gambar yang dihasilkan

kurang maksimal karena menyebabkan

timbulnya bayangan di sisi kiri dan kanan

objek.

Dari hasil percobaan tersebut dibuat

rancangan hardware yang sesuai, yaitu dengan

penempatan latar belakang dengan jarak

minimal 50cm dari belakang objek dan

penempatan dua buah lampu 5 watt disisi kiri

dan kanan objek dengan jarak masing –masing

50 cm dari objek agar didapatkan hasil

capture yang maksimal. Lampu juga berguna

untuk menghidari bayangan yang terjadi

13

karena adanya sumber cahaya yang datang dari

arah atas, atau samping.

Untuk mendapatkan skala yang sesuai,

sebelum dilakukan pengambilan foto

diperlukan kalibrasi. Karena jarak objek ke

kamera akan mempengaruhi ukuran objek

pada foto tang dihasilkan. Kalibrasi dilakukan

untuk mendapatkan tinggi objek sesungguhnya

sebesar 30cm.

Beberapa aturan dan prosedur yang

harus dilakukan agar didapatkan hasil yang

sesuai dalam menggunakan software ini dapat

dilihat pada Tabel 6.1.

Tabel 6.1 Prosedur Awal Penggunaan Software

Headthropometry.

No Prosedur

1

Tidak menggunakan Aksesoris kepala (topi,

jilbab, kacamata, dll)

2 Rambut tidak menutupi daerah telinga dan wajah

3

Pada posisi wajah kedepan, rambut tidak melebihi

batas terluar daun telinga

4

Pada posisi wajah kesamping, rambut yang

panjang tidak boleh diikat, sedapat mungkin

menempel kekepala

5 Posisi kepala selalu tegak/ tidak miring.

6

Dilakukan kalibrasi agar tinggi foto yang

dihasilkan sama dengan 30cm pada tinggi

sesungguhnya

7 Cahaya didalam ruangan cukup (± 300 lux)

Selama dilakukan pengujian,

hardware dan software dapat berfungsi dengan

baik. Namun satu masalah yang belum

terpecahkan dalam penelitian ini adalah

pengintegrasian kamera digital dengan

interface perangkat lunak. Software yang telah

dirancang belum bisa melakukan proses

capture secara realtime. Gambar yang akan

ditangkap oleh kamera tidak dapat dilihat

langsung dari komputer pada saat akan

melakukan proses capture. Sehingga dalam

proses memasukkan datanya diperlukan

transfer data dari kamera digital ke harddisk

komputer terlebih dahulu.

Faktor lain yang berpengaruh adalah

warna kulit dan rambut. Warna mempengaruhi

hasil deteksi, warna kulit gelap akan

menghasilkan objek yang dominan hitam.

Pengaturan threshold otomatis pada software

ini dirancang sesuai dengan karakteristik

warna kulit orang Indonesia pada umumnya,

yaitu warna kuning langsat. Akan ada

kemungkinan terjadi kesalahan dalam

pendeteksian apabila software ini dipakai

untuk sampel dengan warna kulit yang lebih

gelap atau lebih terang. Namun, untuk

mengantisipasi hal tersebut dapat dilakukan

pengaturan nilai threshold secara manual agar

didapatkan nilai threshold yang sesuai untuk

dideteksi. Kendala lain adalah jenis rambut.

Rambut yang terlalu panjang dapat

mempengaruhi hasil pengukuran. Jika rambut

menutupi bagian wajah dan telinga

memungkinkan terjadinya kesalahan dalam

pengukuran.

Kondisi pencahayaan yang tersedia

dalam ruangan juga sangat mempengaruhi

hasil penangkapan gambar dan deteksi yang

dilakukan oleh software. Jika cahaya didalam

ruangan sudah cukup terang atau memenuhi

kebutuhan cahaya sebesar ±300lux, maka tidak

diperlukan cahaya tambahan dari lampu.

Namun apabila cahaya dalam ruangan kurang

terang akan menghasilkan bayangan gelap

pada objek yang difoto, sehingga akan sulit

untuk mendeteksi fitur wajah.

Rangkuman mengenai kelebihan dan

kekurangan sistem pengukuran menggunakan

alat pengukuran ini dapat dilihat pada Tabel

6.2

Tabel 6.2 Kelebihan dan Kekurangan Sistem.

Sistem Pengukuran Antropometri menggunakan

Headthropometry

No Kelebihan Kekurangan

1

Tingkat ketelitian tinggi

dan akurat

Tidak dapat mengukur

dimensi jika kepala

ditutup

2

Waktu pengukuran

lebih cepat daripada

cara manual

Membutuhkan waktu

untuk pengaturan,

kalibrasi, dan

pencahayaan.

3

Menggantikan

kebutuhan akan tenaga

ahli untuk pengukuran

tubuh.

Warna kulit

mempengaruhi hasil

pengukuran

4

Mudah dan praktis

dalam menjalankan

software

Kamera belum

terintegrasi dengan

software, perlu proses

pemindahan data.

5

Motode pembacaan

skala seragam, sehingga

error sedikit.

Rambut dapat

memperngaruhi hasil

pengukuran.

7. SIMPULAN

Berdasarkan perancangan, pengujian

sistem, serta analisa dalam penelitian ini, dapat

ditarik simpulan sebagai berikut :

1. Sistem pengukuran dimensi kepala

manusia, yang terdiri dari hardware dan

software Headthropometry telah berhasil

14

dirancang dalam penelitian ini.

Berdasarkan hasil pengujian, sistem ini

terbukti memiliki hasil pengukuran yang

akurat dan tidak berbeda jauh dengan

hasil pengukuran yang dilakukan secara

manual. Pengukuran dengan sistem ini

terbukti lebih cepat daripada pengukuran

secara manual. Pengukuran antropometri

secara manual dapat digantikan oleh

sistem pengukuran ini. Secara umum,

pengukuran dengan sistem ini lebih

efisien dibandingkan dengan pengukuran

manual.

2. Pada penelitian ini, hasil pengukuran

dengan software Headthropometry diolah

menjadi tabel antropometri kepala orang

indonesia. Rancangan produk safety

google untuk orang indonesia telah

berhasil diciptakan pada penelitian ini.

Berdasarkan perbandingan, hasil

rancangan dengan menggunakan data

antropometri yang diperoleh dari

pengukuran memiliki sedikit selisih

perbedaan dimensi dengan rancangan

produk safety google yang sudah ada.

DAFTAR PUSTAKA

Agushinta R, Dewi., Suhendra, Adang., &

Hendra. 2007. Ekstraksi Fitur dan

Segmentasi Wajah Sebagai Semantik

Pada Sistem Pengenalan Wajah.

National converence on computer

science and technology VII.

Ekavienamukti, A. R. 2009. Perancangan

Antropometer Dinamis dengan

Menggunakan Deteksi Obyek yang

Mengambil Karakteristik Warna Hue

Kulit Pada Teknik Pengolahan Citra

Digital. Tugas Akhir S1 Jurusan

Teknik Industri. Surabaya : Institut

Teknologi Sepuluh Nopember.

Douglas, T.S., 2004. Image Processing for

Craniofacial Landmark Identification

and Measurement: a Review of

Photogrammetry and Cephalometry.

Computerized Medical Imaging and

Graphics, 28 (6), h.401-409.

Grobbelaar, R. & Douglas, T.S., 2006. Stereo

Image Matching for Facial Feature

Measurement to Aid in Fetal Alcohol

Syndrome Screening. Medical

Engineering & Physics, 29 (22),

h.459-464.

Kristanto, T., 2002. Validasi Uang Kertas

Rupiah dengan Teknologi Image

Processing. Tugas Akhir S1 Jurusan

Teknik Elektro. Surabaya :

Universitas Kristen Petra.

Meunier, P. dan Mertens, R., 2005. Validation

of an Image-based Body

Measurement Sistem for Sitting

Postur. Final Report. Canada:

Defence Research and Development.

Nurmianto, E., 2003. Ergonomi, Konsep Dasar

dan Aplikasinya. Jakarta :

Gunawidya.

Riski, M.A ., 2008. Perancangan Sistem

Pengukuran Digital Untuk

Anthropometri Tangan

Menggunakan Teknologi Image

Processing. Tugas Akhir S1 Jurusan

Teknik Industri. Surabaya: Institut

Teknologi Sepuluh Nopember.

Roebuck, J., 1995. Anthropometric Methods:

Designing to Fit the Human Body.

USA: Human factors and

Ergonomics Society.

Wignjosoebroto, S., 2003. Ergonomi, Studi

Gerak dan Waktu. Jakarta :

Gunawidya.

Www.ineddeni.wordpress.com/2007/10/11/t-

test/ , 21 juli 2009