Rabu, 11 Desember 2013

Aplikasi Manajemen Data Apotek Berbasis Client Server (Studi Kasus : Apotek Rumah Sakit Dr. Suyoto Jakarta)


Abstrak

Penggunaan aplikasi berbasis komputer guna mendukung setiap kegiatan atau proses bisnis sebuah instansi menjadikannya sebuah solusi tepat untuk meningkatkan efisiensi pekerjaan. Memberi kemudahan, kecepatan dan meminimalkan aktifitas bisnis merupakan alasan penting perlunya pemanfaatan teknologi di segala aspek bidang usaha.

Rumah Sakit Dr. Suyoto merupakan salah satu instansi pemerintah yang bergerak dalam pelayanan kesehatan masyarakat dan cukup dikenal luas. Rumah sakit ini memiliki sebuah apotek dimana setiap kegiatan yang berkaitan dengan proses transaksi obat, pembuatan resep dan perekapan laporan dilakukan secara manual. Tidak ada perlakuan khusus terhadap informasi internal baik itu mengenai pendataan pegawai, obat-obatan, stok obat maupun laporan kegiatan transaksi di apotek. Pendataan saat ini hanya berdasarkan kertas form rekap yang dicatat kembali ke dalam buku laporan, sedangkan kertas form dikumpulkan dan disimpan ke lemari arsip. Kurangnya integrasi dan tidak adanya penyajian informasi terkini mengenai data apotek dengan data gudang dalam proses bisnis saat ini menjadi suatu permasalahan tersendiri.

Dilatarbelakangi kondisi yang demikian, maka dibuatlah sebuah aplikasi khusus yang mampu melakukan pendataan dan manajemen data apotek di Rumah Sakit Dr. Suyoto. Aplikasi yang berbasis GUI desktop serta implementasiannya sepenuhnya menggunakan bahasa pemrograman Visual Basic. Penerapan sistem data terpusat dimana proses penyimpanan, pengelolaan dan penyediaan data memanfaatkan sebuah aplikasi database server yakni Microsoft SQL Server 2000. Selain itu mekanisme sistem aplikasi menerapkan arsitektur client-server sebagai dasar penerapan sistem data terpusat guna memudahkan dalam proses “komunikasi data”. Aplikasi ini diharapkan dapat membantu pihak apotek dalam mengelola data pegawai, data obat, data resep obat, data penjualan obat, data stok obat, data pelanggan, data pemasok, data faktur obat maupun pembuatan data laporan. 

Studi Kasus: “Program Telepon Desa Grameen Telecom” (Dr. Don Richardson, Ricardo Ramirez & Moinul Haq)


a.       Judul:
        Grameen Telecom’s Village Phone Programme: A Multi-Media Case Study

b.       Penulis:

c.        Perguruan Tinggi/Institusi:

d.       Variabel Yang Diteliti:
·         Prakarsa dan pengoperasian Village Phone, serta dampaknya dalam pengentasan kemiskinan,
·         Model bisnis untuk telekomunikasi pedesaan di Pemangku kepentingan,
·         Analisa dari konteks jenis kelamin dan penggunaan telepon di pedesaan Pemangku kepentingan.

e.        Uraian Singkat:

Hasil Penelitian Utama (Key Findings):

1.      Program Village Phone muncul sebagai solusi teknis terbaik yang tersedia untuk akses telekomunikasi universal pedesaan sesuai dengan keadaan Regulasi Telekomunikasi Pemangku kepentingan dan kondisi ekonomi saat itu. Program “Village Phone” adalah suatu solusi organisatoris dan teknis untuk akses telekomunikasi pedesaan yang dibutuhkan oleh suatu lingkungan dengan regulasi telekomunikasi yang tidak mendukung bagi percepatan infrastruktur telekomunikasi pedesaan.










PENERAPAN COMPUTER VISION UNTUK PENENTUAN POSISI OBJEK SIMETRIS PADA RUANG TIGA DIMENSI


UNIVERSITAS GUNADARMA
FAKULTAS ILMU KOMPUTER &TEKNOLOGI INFORMASI

Tugas pengantar telematika 4ka11




4KA11
1.      Maulana Syarif Hidayatulloh (14110275)
2.      Vicky Ariesca Merliana (19110701)
3.      Slamet Raharjo (16110630)

 
 










Jakarta
2013



ABSTRAK
Penelitian ini bertujuan untuk membuat aplikasi pengambilan dan pengolahan gambar yang dicapture oleh webcam dan mengolahnya dengan menggunakan citra gray scale dan citra biner untuk menentukan posisi objek. Aplikasi menggunakan bahasa pemrograman delphi dan dirancang untuk mengelompokkan pixel-pixel objek menjadi wilayah (region) yang merepresentasikan objek serta mampu membedakan antara objek dan latar gambar digital.. Metode yang digunakan dalam penelitian ini adalah metode perancangan. Sampel data diperoleh dari hasil pengujian sistem, dianalisis dengan model use-case, dan urutan operasi. Berdasarkan analisis tersebut dibuat model desain dan implementasi. Hasil penelitian menunjukkan bahwa aplikasi yang dibangun dapat digunakan untuk menentukan posisi objek simetris pada ruang tiga dimensi.
Kata kunci : Computer Vision, citra gray scale, citra biner

DAFTAR ISI
BAB I PENDAHULUAN
1.1 Latar Belakang
BAB II LANDASAN TEORI
2.1  Computer Vision
2.2.Pengolahan Citra
2.3. Digitalisasi Citra
BAB III PEMBAHASAN

3.1 Hasil Dan Pembahasan

BAB 4 PENUTUP
4.1 Kesimpulan
DAFTAR PUSTAKA




BAB I
PENDAHULUAN
1.1 Latar Belakang
Penggunaan komputer saat ini merupakan salah satu kebutuhan  dalam dunia Ilmu Pengetahuan dan Teknologi, bisnis maupun kebutuhan pribadi karena pada dasarnya komputer merupakan alat bantu dalam penyelesaian masalah yang bersifat rutinitas diseluruh aspek kehidupan manusia. Perkembangan komputer saat ini sangat pesat seiring dengan perkembangan teknologi perangkat keras dan perangkat lunak. Perkembangan tersebut diikuti dengan semakin meluasnya penggunaan komputer pada berbagai bidang.
Grafika komputer adalah suatu bidang ilmu komputer yang mempelajari tentang cara-cara untuk meningkatkan dan memudahkan komunikasi antara manusia dan mesin (komputer) dengan jalan membangkitkan, menyimpan dan memanipulasi gambar, model suatu obyek menggunakan komputer. Grafika komputer memungkinkan user untuk berkomunikasi lewat gambar, bagan, diagram yang menunjukkan bahwa grafika komputer bisa diterapkan pada banyak bidang (Insap Santosa, 2004).
Salah satu bidang yang cukup berkembang adalah bidang pengolahan citra. Dengan bermacam-macam tekstur dan warna, sebuah citra atau gambar dapat menyajikan informasi sesuai keinginan. Dalam dunia nyata, kemampuan seseorang untuk menyerap informasi lebih mudah dengan membaca atau menganalisis gambar dibandingkan dengan sekumpulan kata-kata atau angka yang disajikan (Soendoro Herlambang, 2004).
Computer Vision mencoba meniru cara kerja visual manusia ( human vision) . Human Vision sesungguhnya sangat kompleks yaitu manusia melihat objek dengan indera penglihatan (mata), lalu citra objek tersebut diteruskan ke otak untuk dinterpretasi sehingga manusia mengerti objek apa yang tampak dalam pandangan mata. Hasil keputusan ini digunakan untuk pengambilan keputusan, misalnya untuk menghindar dari objek yang ada atau mengetahui posisi suatu objek terutama objek simetris. Objek simetris adalah objek yang  memiliki jarak dan sudut pandang yang sama bila dilihat dari arah yang berbeda dalam suatu ruang. Keseimbangan simetris dapat dikiaskan sebagai keseimbangan cermin, berarti, sisi-sisi yang berlawanan harus sama persis untuk menciptakan keseimbangan. Bila ditarik garis lurus pada bagian tengah maka, bagian yang satu akan menjadi cerminan bagi yang lain.
Computer Vision  merupakan teknik-teknik untuk mengestimasi ciri-ciri objek di dalam  citra, pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasi informasi geometri tersebut seperti menentukan posisi objek, dimana posisi horizontal diwakili oleh sumbu X, posisi vertikal diwakili oleh sumbu Y dan jarak dari kamera  ke suatu titik objek diwakili oleh sumbu Z yang berada dalam ruang tiga dimensi
Proses di dalam Computer Vision  dapat di bagi menjadi tiga aktivitas yaitu :
  1.  Memperoleh atau mengakuisisi citra digital
  2.  Melakukan teknik komputasi untuk memproses atau memodifikasi data citra ( Operasi pengolahan citra).
  3. Menganalisis dan menginterpretasi citra dan menggunakan hasil pemrosesan dengan tujuan tertentu misalnya memandu robot, mengontrol peralatan( Rinaldi Munir, 2004).






BAB II
LANDASAN TEORI

2.1  Computer Vision
Ilmu Komputer adalah studi sistematik tentang proses algoritmik yang menjelaskan dan mentrasformasikan informasi, baik itu berhubungan dengan teori-teori, analisa, desain, efisiensi, implementasi, ataupun aplikasi-aplikasi yang ada padanya. Salah satu bidang ilmu komputer adalah Computer Vision.
Computer Vision adalah proses otomatis yang mengintegrasikan sejumlah besar proses untuk persepsi visual , seperti akuisisi data, pengolahan citra, klasifikasi, pengenalan ( recognition ), dan membuat keputusan (Adrian Low  1991 ).
Computer Vision adalah teknik-teknik untuk mengestimasi ciri-ciri objek di dalam citra , pengukuran ciri yang berkaitan dengan geometri objek dan menginterpretasikan informasi geometri tersebut (Jain,  Rames  1995).
Computer vision merupakan salah satu cabang dari artificial intelligence (kecerdasan buatan) yang difokuskan pada pengembangan algoritma untuk menganalisis informasi dari suatu image ke dalam bentuk informasi yang sebenarnya di dunia nyata.. Peran dari computer vision adalah sebagai salah satu penyedia data input bagi komputer untuk dapat mengerti keadaan di sekelilingnya. Kemudian dari data input yang telah didapatkan, akan diolah sedemikian rupa sehingga komputer dapat memberikan respon sesuai yang diinginkan untuk menentukan cara penyajian hasil data input tersebut.
Fungsi computer vision adalah untuk menyajikan informasi dunia nyata ke dalam informasi image. Berikut adalah beberapa permasalahan dalam computer vision yang merupakan fokus utama :
1. Sensing
Bagaimana sensor memperoleh image dari dunia luar (World View) termasuk properti dari dunia seperti material, bentuk, dan iluminasi. Bahkan pada bentuk 3D, termasuk pula geometri, tekstur, motion, dan identitas dari obyek di dalamnya disimpan sehingga dapat digunakan oleh komputer.

2. Decoded Information
Bagaimana caranya untuk membuka dan mengambil setiap informasi yang ada di dalam image itu sehingga komputer dapat memperoleh semua informasi selengkap–lengkapnya.
3. Using the information
Memilih informasi apa saja yang benar–benar dibutuhkan dan harus diprioritaskan lebih dari pada yang lainnya. Juga harus dipilih informasi apa yang ada dalam image itu yang justru harus dibuang karena dapat mengganggu jalannya sistem.  Algoritma apa saja yang dibutuhkan untuk memproses informasi dari image dan bagaimana memanfaatkannya. Beberapa subyek ilmu yang memanfaatkan computer vision antara lain:
a. Face recognition (pengenalan wajah)
b. 3D reconstruction (rekonstruksi struktur 3 dimensi)
c.  Motion tracking (pelacakan gerakan)
Computer Vision adalah aplikasi lain yang berhubungan dengan artificial intelligence, yang merupakan alat analisis dan evaluasi informasi visual dengan menggunakan komputer. Teknik Artificial Integensia memungkinkan komputer untuk bisa mengenal sebuah gambar dan mengidentifikasi objek. Dengan menggunakan teknik pelacakan dan pencocokan, komputer bisa memilih kunci khusus dan mencari serta mengidentifikasi informasi agar pandangan mata manusia tidak meleset. Untuk membantu pengguna memecahkan suatu masalah atau mengambil suatu keputusan, perangkat lunak vision computer Artificial Intelegensi berusaha mengetahui melalui informasi visual.
Sebuah sistem visual mempunyai kemampuan untuk memperbaiki informasi  yang berguna dari sebuah gambar. Untuk memperbaiki informasi diperlukan pengetahuan dan proyeksi geometri dari objek dari suatu gambar.
Bidang ilmu yang mempunyai kaitan dengan sistem visual sejak pertama kali dikembangkan hingga saat ini , menghasilkan teknik-teknik baru yang terus dikembangkan baik untuk tujuan  peningkatan akurasi maupun untuk meningkatkan kecepatan proses. Salah satu pengembangannya adalah  pengolahan citra yang merupakan bidang tersendiri yang cukup berkembang sejak orang mengerti bahwa komputer tidak hanya menangani teks tetapi juga data gambar ( citra ). Teknik-teknik pengolahan citra bisanya digunakan untuk melakukan transformasi dari satu citra kepada citra yang lain, sementara tugas perbaikan informasi terletak pada manusia melalui penyusunan algoritmanya. Bidang ini meliputi penajaman citra, penonjolan fitur tertentu dari suatu citra, kompresi citra dan koreksi citra. Sebaliknya sistem visual menggunakan citra sebagai masukan tetapi menghasilkan keluaran jenis lain seperti representasi dari kontur objek di dalam citra, atau menghasilkan gerakan dari suatu peralatan mekanis yang terintegrasi dengan sistem visual. Jadi penekanan pada sistem visual adalah perbaikan dan pengambilan informasi secara otomatis dengan interaksi manusia yang minimal.
Algoritma pengolahan citra sangat berguna pada awal perkembangan sistem visual, biasanya digunakan untuk menajamkan informasi tertentu pada citra, sebelum diolah lebih jauh.
Komputer grafik melalui pemrograman grafik menghasilkan citra dari bentuk geometri primitive seperti titik, garis lurus dan garis lengkung, lingkaran dan bentuk-bentuk dasar geometri lainnya. Komputer grafik memainkan peranan penting dalam visualisasi. Sedangkan sistem visual bekerja sebaliknya, menduga bentuk geometri primitive dan ciri lainnya yang merupakan penyederhanaan dari citra asal yang sifatnya lebih kompleks. Jadi Komputer grafik memadukan unsur-unsur pembentuk citra untuk membentuk atau mensintesa citra sedangkan sistem visual menganalisis citra dan terkadang menguraikannya menjadi bentuk yang sederhana agar dapat dinilai secara kuantitatif.
2.2.Pengolahan Citra
Citra (Image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi penerus  dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian cahaya dan ditangkap oleh alat-alat optik seperti mata pada manusia, kamera, pemindai (scanner) dan sebagainya, sehingga bayangan objek yang disebut citra ini terekam (Rinaldi Munir, 2004).
Pengolahan citra adalah langkah yang digunakan untuk memperbaiki citra yang mengalami gangguan agar mudah diinterpretasi baik oleh manusia maupun oleh komputer yang bertujuan memperbaiki kualitas citra menjadi lebih baik  (Rinaldi Munir, 2004). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain, jadi masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan.
Pengolahan citra (image processing) adalah suatu ilmu komputasi yang memungkinkan manusia dapat mengambil informasi dari suatu citra,  tidak lepas dari bidang computer vision.
Sesuai dengan perkembangannya terdapat dua tujuan utama, yakni :
  1. Memperbaiki kualitas citra, Hasilnya berupa informasi citra yang interprestasikan oleh manusia (human perception).
  2. Mengekstraksi informasi ciri yang menonjol pada suatu citra, Hasilnya berupa informasi ciri dari citra secara numerik melalui besaran data yang dapat dibedakan secara jelas (Achmad Basuki, 2005).
Pengolahan citra (image processing) merupakan suatu proses filter gambar asli menjadi gambar lain sesuai kebutuhan. Misalnya, apabila mendapatkan gambar yang terlalu gelap, dengan pengolahan citra dapat diproses agar mendapatkan gambar yang jelas seperti yang digambarkan dalam blok diagram  (Riyanto Sigit, 2005).
Citra digital merupakan citra yang diambil berdasarkan sampling dan kuantisasi tertentu, terbentuk dari piksel-piksel yang besarnya tergantung pada sampling dan nilai derajat keabuan serta tergantung pada kuantisasi. Model citra digital dinyatakan dalam bentuk matrik, citra didefenisikan sebagai fungsi (x,y) dimana x menyatakan nomer baris dan y menyatakan kolom dan f menyatakan nilai dari derajat keabuan dari citra. Model matrik pada citra digital memungkinkan dilakukannya operasi matrik.
Citra merupakan dimensi spatial yang berisi informasi warna dan tidak bergantung pada waktu. Citra merupakan sekumpulan titik-titik dari gambar, yang disebut pixel (picture element). Titik-titik tersebut menggambarkan posisi koordinat dan mempunyai intensitas yang dapat dinyatakan dengan bilangan. Intensitas ini menunjukan warna citra, melalui penjumlahan (Red, Green dan Blue / RGB).

Koordinat memberikan informasi warna pixel berdasarkan; Brightness (ketajaman) warna cahaya (hitam, abu-abu, putih) dari sumber, Hue (corak warna) yang ditimbulkan oleh warna (merah, kuning , hijau dll ) dan merupakan panjang gelombang dominan dari sumber. Misalnya citra dengan 8 bit per pixel mempunyai 256 warna dan citra dengan 24 bit tiap pixel dinyatakan dengan ;
-       bit 0 sampai dengan 7 untuk warna merah (red)
-       bit 7 sampai dengan 15 untuk warna hijau (green)
-       bit 16 sampai dengan 24 untuk warna biru (blue)
Kemungkinan kombinasi warna yang ada adalah  16.777.216, dimana nilai 0 menyatakan warna hitam  sedangkan nilai   16. 777.216 menyatakan warna putih.
Hubungan image processing dengan pembagian bidang dalam komputer yang melibatkan input dan output tertentu dapat di jelaskan pada tabel berikut ini :
Tabel .1 Hubungan Pengolahan Citra


Output
Image
Deskripsi
Input
Image
Pengolahan Citra
-     Pengenalan pola-     Computer Vision


Komputer Grafik
Pengolahan data lainnya





Dalam tabel diatas terlihat jelas bahwa pengolahan citra (image processing) merupakan suatu bidang pengetahuan dimana inputnya berupa citra dan hasilnya juga berupa citra dengan proses yang berupa perbaikan kualitas citra atau penyajian informasi citra. Agar hasil berupa data numerik atau teks yang menyatakan informasi yang ada dalam citra diperlukan pengetahuan yang dipelajari dalam pengenalan pola dan computer vision.
2.3. Digitalisasi Citra
Agar dapat diolah dengan komputer digital, maka suatu citra harus dipresentasikan secara numerik dengan nilai-nilai diskrit. Representasi citra dari fungsi malar(kontinu) menjadi nilai-nilai diskrit disebut digitalisasi, citra yang dihasilkan ini disebut dengan citra digital. Pada umumnya citra digital berbentuk persegi panjang yang dimensi ukurannya dinyatakan sebagai tinggi x lebar atau lebar x panjang. Citra digital yang tingginya N, lebarnya M, dan memiliki L derajat keabuan dapat dinyatakan sebagai fungsi :
0 ≤ x  ≤ M
f(x,y)    0 ≤ y  ≤ N
0 ≤ f  ≤ L
















BAB III

PEMBAHASAN
3.1 Hasil Dan Pembahasan
Fungsi utama sistem ini adalah menetukan posisi objek dalam  aplikasi pengolahan citra, prosedurnya adalah mengambil gambar (citra warna) dengan menggunakan webcam, mengubah ke citra keabuan dan citra biner, menentukan koordinat empat titik, menentukan posisi objek  .
Proses awal untuk menentukan posisi objek dalam ruang tiga dimensi  adalah mengcapture objek yang hasilnya berupa citra warna, kemudian diubah kedalam citra keabuan ( gray scale), Prosedur sebagai berikut :
1.    Meletakkan objek pada posisi yang diinginkan
2.    Mengaktifkan program pengambilan gambar
3.    Mengkoneksikan webcam satu dan dua dengan komputer
4.    Mengkalibrasi kamera satu dan dua
5.    Menampilkan gambar dilayar
6.    Mengcapture gambar
7.    Mengubah citra warna kedalam citra grayscale dengan cara menjumlah nilai dari tiga layer yaitu nilai r, nilai g dan nilai b kemudian dibagi tiga sehingga menghasilkan citra grayscale (keabuan) dengan rumus sebagai berikut :
Proses ini bertujuan mengelompokkan piksel-piksel objek kedalam wilayah yang mempresentasikan objek yang membedakan objek dengan latar belakang .
Citra yang telah diubah ke grayscale dilanjutkan dengan binerisasi yang hanya bernilai 0 dan 1, Pada citra biner, batas antara objek dan latarbelakang terlihat jelas. Piksel objek berwarna putih sedang piksel latarbelakang berwarna hitam. Untuk menentukan nilai biner dari citra grayscale yang memiliki derajat keabuan 256 dibagi dua, maka nilai tengahnya  adalah 128 sehingga untuk mengubah menjadi citra biner dapat dituliskan sebagai berikut :
Jika nilai keabuan < 128 maka nilainya sama dengan 0
Jika nilai keabuan >= 128 maka nilainya sama dengan 1
Proses mengubah citra warna ke dalam citra gray scale dan citra biner, maka proses selanjutnya adalah menentukan koordinat empat titik berupa x1-y1, x2-y2, x3-y3, x4-y4, dengan prosedur  sebagai berikut :
  1. Hasil capture gambar yang berupa citra biner selanjutnya diolah untuk menentukan posisi koodinat titik x1y1 dengan cara melacak piksel yang bernilai 1 dimulai dari koordinat (0,0) yang letaknya pada sisi kiri atas dari citra biner, yang dilakukan berulang sampai ditemukan piksel yang bernilai 1 yang pertama, selanjutnya menjadi nilai x1y1. Ketentuan pelacakannya adalah jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel  yang bernilai 1.
  2. Setelah nilai piksel x1y1 ditemukan, maka dilakukan pelacakan sampai ditemukan piksel yang bernilai 1 yang merupakan koordinat piksel pada kolom terdekat dari batas matriks citra, selanjutnnya menjadi nilai x2y2. Ketentuan pelacakannya adalah jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel  yang bernilai 1.
  3. Pelacakan dilanjutkan kepada koordinat piksel dari matriks citra biner sampai ditemukan piksel yang nilai 1, dari baris piksel yang terjauh, yang selanjutnya dijadikan nilai x3y3. Ketentuan pelacakannya adalah jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel  yang bernilai 1.
  4. Setelah nilai piksel x3y3 ditemukan, dilanjutkan pelacakan sampai ditemukan koordinat piksel yang bernilai 1 yang letaknya pada paling terakhir dari matriks citra, selanjutnya dijadikan sebagai nilai x4y4. Ketentuan pelacakannya adalah jika koordinat piksel bernilai 0 maka pencarian dilanjutkan sampai ditemukan koordinat piksel  yang bernilai 1.
Setelah koordinat empat titik didapatkan, maka dilanjutkan dengan menentukan posisi X, Y, Z  yang diproses sebagai berikut :
  1.   Hasil capture gambar yang ditampilkan pada kamera satu  berupa citra biner, dan telah diolah kedalam koordinat empat titik,  maka piksel yang titik koordinat x1 yang pertama ditemukan pada saat pelacakan objek  yang nilai piksel 1 selanjutnya dijadikan nilai x, karena merupakan nilai  pertama  diperoleh yang sejajar dengan sumbu x pada ruang tiga dimensi.
  2. Citra biner yang dihasilkan oleh kamera satu dan kamera dua, dijadikan nilai y dengan proses nilai y1 pada kamera 1 dan nilai y1 pada kamera 2 sama, maka nilai yang diambil untuk dijadikan nilai y dipilih salah satunya dengan cara, nilai piksel y4 dikurangi dengan nilai piksel y1 untuk memperoleh nilai y, karena nilai koordinat tersebut sejajar dengan sumbu y dalam ruang tiga dimensi.
  3. Untuk nilai Z diambil dari hasil capture gambar pada kamera 2 yaitu yang sejajar dengan sumbu Z yaitu nilai x1 dari koordinat x1y1 dari koordinat empat titik .







BAB IV
PENUTUP

4.1 Kesimpulan
  1.  Tersusun suatu algoritma untuk mengolah obyek gambar digital dari citra warna yang telah dicapture, diolah dengan menggunakan citra gray scale dengan cara citra warna yang terdiri dari 3 layer matriks dengan menjumlahkan nilai RGB kemudian dibagi tiga, dan hasilnya berupa satu layer citra grayscale dengan rentang nilai keabuan 0 sampai dengan 255, dari citra grayscale diubah kedalam bentuk citra biner dimana objek bernilai 1 dan latarbelakang bernilai 0.
  2.  Telah berhasil merancang program aplikasi pengolahan citra untuk menentukan posisi objek.
  3. Kekurangannya belum menghasilkan perbandingan posisi objek yang tepat berdasarkan tingkat resolusi citra, hal ini dipengaruhi oleh ketepatan menempatkan posisi objek pada saat pengcapturan gambar.









DAFTAR PUSTAKA
  1. Achmad Basuki, dkk, 2005. Pengolahan Citra Digital menggunakan Visual Basic, Cetakan Pertama, Yogyakarta : Graha Ilmu
  2. Adi Nugroho, 2005. Rational Rose untuk Pemodelan Berorientasi Objek, Cetakan Pertama, Bandung : Informatika
  3. Balza Achmad dan Kartika Firdausy, 2005.  Teknik Pengolahan Citra Digital Menggunakan Delphi, Yogyakarta : Ardi Publishing
  4. Bambang Robi`in, 2004. Pemograman Grafis Multi Media menggunakan Delphi, Yogyakarta : Andi Offset
  5. Eru Puspita, Sistem Pendeteksian dan Penjejakan Wajah Secara Realtime (Online) http://www.ies.eepis-its.edu/index.php,