MENDETEKSI BENTUK DAN WARNA BOLA PADA ROBOT HUMANOID SOCCER DENGAN MENGGUNAKAN RASPBERRY PI M. Irwan Bustami, Agus Siswanto, Irawan, Afrizal Nehemia Toscany, M. Fajri Ramdhani, Chindra Saputra Sistem Komputer, Sistem Informasi, Teknik Informatika, Sistem Informasi, Teknik Informatika, Sistem Komputer STIKOM DINAMIKA BANGSA JAMBI Jl. Jend. Sudirman Thehok – Kota Jambi 36138 Telp. (0741) 35095 Faks. (0741) 35093 Email : [email protected] Abstract – The robot is defined as a system which consists of hardware and software that can perform certain tasks from humans need accuracy and high risk. In a football game, a humanoid robot is expected to detect the ball and runs towards the ball. With Raspberry pi, we can detect the shape and color of the ball to support the humanoid robot soccer. Keywords : Robot, Humanoid, Raspberry Pi 1. PENDAHULUAN Teknologi komputer, terutama robotika dimasa sekarang sudah menjadi bagian penting dalam kehidupan manusia. Dengan adanya teknologi robot pada saat ini dapat meringankan pekerjaan manusia. Dimana pekerjaan yang beresiko tinggi yang tidak terjangkau oleh manusia sudah dapat digantikan dengan robot. Robot dapat melakukan tugasnya dengan cara pengawasan (kontrol manusia) atau otomatis yang diprogram terlebih dahulu (kecerdasan buatan) [2]. Robot yang sedang popular dalam beberapa dekade ini yaitu robot sepak bola. Karena pertandingan robot sepak bola sudah dikompetisikan baik dari dalam negeri maupun luar negeri. Dimana peserta yang mengikuti pertandingan ini setiap tahun semakin meningkat. Dan setiap tahunnya peraturan pada pertandingan memiliki tingkat kesulitan yang berbeda-beda. Pada tahun 2013 rule KRSBI untuk warna pada gawang memiliki warna yang berbeda yaitu kuning dan biru muda, sedangkan pada tahun 2014 warna gawang menjadi sama yaitu warna kuning. Dengan demikian untuk menentukan arah hadap suatu tim robot tidak bedasarkan warna gawang tapi bedasarkan pemain lawan yang menggunakan warna seragam yang berbeda. Raspberry Pi adalah sebuah SBC (Single Board Computer) seukuran kartu kredit yang dikembangkan oleh Yayasan Raspberry Pi di Inggris (UK) dengan maksud untuk memicu pengajaran ilmu komputer dasar di sekolah-sekolah. Raspberry Pi diluncurkan pertama kali pada 29 Februari 2012. Dalam Kontes Robot Sepak Bola Indonesia (KRSBI) robot dituntut untuk bisa membedakan antara bola dengan bentuk objek lainnya. Dalam hal ini pemakalah menggunakan raspberry pi sebagai alat penghubung kamera untuk mendeteksi bentuk dan warna bola pada robot humanoid soccer. 2. METODE GREYSCALE Grayscale didefinisikan sebagai Citra grayscale yang merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya, dengan kata lain nilai bagian RED=GREEN=BLUE [5]. Nilai tersebut digunakan untuk menunjukkan tingkat intensitas [1]. Warna yang dimiliki adalah warna dari hitam, keabuan dan putih. Tingkat keabuan disini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih. Citra grayscale memiliki kedalaman warna 8 bit (256 kombinasi warna keabuan). Gambar 1. Grayscale THERESHOLDING Theresholding merupakan proses pengembangan untuk menghasilkan citra biner, yaitu citra yang memiliki dua nilai tingkat keabuan yaitu hitam dan putih [1]. Secara umum proses pengambangan citra grayscale untuk menghasilkan citra biner adalah sebagai berikut. 1 𝑖𝑓 𝑓(𝑥, 𝑦) ≥ 𝑇 G(x,y) = { } ......................(1) 0 𝑖𝑓 𝑓(𝑥, 𝑦) < 𝑇 Dimana : G(x,y) = citra biner f(x,y) = citra grayscale T = nilai ambang Nilai T memegang peranan yang sangat penting dalam proses pengambangan. Kualitas hasil citra biner sangat tergantung pada nilai T yang digunakan. HSV HSV (Hue Saturation Value) dalam model warna RGB (Red Green Blue) tidak hanya mewakili warna tetapi juga intensitas cahaya. Model warna HSV transformasi non-linear dari ruang lingkup warna RGB berorientasi pada pengguna dan didasarkan pada pengertian tint, shade dan tone. Ini memiliki nilai-nilai independen untuk Hue, Saturation, dan Value, masing-masing sesuai untuk panjang gelombang, eksitasi, dan kecerahan [3]. Gambar 2. Sistem Koordinat HSV Pada gambar 1 menunjukkan sistem koordinat H SV sebagai hexacone. Dasar hexacone berwarnahitam dengan HSV = (0, 0, 0). Kebanyakan warna gambar dicatat sebagai (R, G, B). Warna didefinisikan oleh (R, G, B) di mana R, G, dan B dinormalisasi dari 0.0 sampai dengan 1.0,dan setara dengan warna (H, S, V) yang ditentukan oleh suatu set formula. MAX merupakan nilai maksimum dari (R, G , B), dan MIN merupakan nilai minimum dari model t ersebut. dalam membuat aplikasi yang berkaitan dengan computer vision. OpenCV juga menyediakan banyak fungsionalitas, yang tentunya dapat mempersingkat waktu dalam pembuatan aplikasi yang lumayan rumit [4]. 3. DISKUSI Raspberry pi yang digunakan dalam penelitian ini adalah Raspberry pi Tipe B dengan spefikasi sebagai berikut : Processor : 700 MHz ARM1176JZF-S core GPU : Broadcom VideoCore IV @ 250 MHz RAM : 512 MB USB : 2 (via the built in integrated 3-port USB hub) Berat : 45 g Ukuran : 85.60 mm × 56 mm Dalam melakukan pendeteksian objek menggunakan raspberry pi dibutuhkan beberapa perangkat lunak pendukung yang perlu ditanam kedalam raspberry pi, diantaranya sebagai berikut : Install OS Wheezy Raspbian Update dan Upgrade Package Install Open CV Install OS Wheezy Raspbian raspberry pi adalah sebuah sistem komputer mini. Dimana sebuah sistem komputer perlu ditanamkan sebuah sistem operasi untuk memanjemen perangkat keras yang ada pada raspberry pi. Ada beberapa sistem operasi yang bisa digunakan pada raspberry pi, dimana pengguna dapat memilih sistem operasi sesuai dengan kebutuhan pengguna. Disini penulis sendiri menggunakan sistem operasi Wheezy Raspbian karena sistem operasi tersebut sangat direkomendasikan untuk yang baru menggunakan raspbery pi, dengan tujuan untuk mempermudah pengguna dalam mengenal kinerja dari raspberry pi. Instalasi sistem operasi Wheezy Raspbian membutuhkan software pendukung yaitu win32 Disk Imager yang dapat diunduh di situs resmi raspberry pi. Tampilan dari win32 Disk Imager dapat dilihat pada gambar 3. Di mana H bervariasi dari 0 sampai dengan 360, yang menunjukkan sudut dalam derajat, S dan V berv ariasi dari 0.0 sampai dengan 1.0. OPENCV OpenCV (Open Computer Vision) merupakan semacam library yang digunakan Gambar 3. Interface Win32 Disk Imager Update dan Upgrade Package update dan upgrade ini dilakukan setelah instalasi sistem operasi Wheezy Raspbian. untuk melakukan update dan upgrade sistem maka dibutuhkan koneksi internet. Untuk melakukan update dan upgrade package dapat mengetikan perintah berikut pada terminal : Hasil dari pengolahan citra digital untuk mendeteksi bentuk dan warna bola dapat dilihat pada gambar 5. Sudo apt-get update <enter> Sudo apt-get upgrade <enter> Install Open CV open cv merupakan komponen pendukung yang dibutuhkan dalam pendeteksian objek. Open CV adalah sebuah perangkat lunak yang bersifat open source yang diciptakan guna mendukung pengolahan citra digital. Dimana library pada Open CV ditulis menggunakan bahasa C/C++, sehingga melakukan kinerja dalam satu waktu. Dalam proses pendeteksian objek yaitu berupa bola berwarana orange perlu dirancang sebuah algoritma dalam melakukan pengolahan citra digital. Berikut algoritma yang digunakan pada pengolahan citra digital. Lihat pada gambar 4. Mulai Grey = create_image() Hsv_frame = create_image() theresholded = create_image() Mengambil Gambar Dari Kamera Hsv_frame = konversi gambar RGB ke HSV Gambar 5. Hasil Deteksi Bola 4. HASIL Pada tulisan ini telah dibahas mengenai pendeteksian bola berdasarkan bentuk dan warna dari bola. Dari penelitian ini menghasilkan kesimpulan bahwa penggunaan raspberry pi dalam mendeteksi bola lebih akurat, karena pengolahan citra dilakukan berdasarkan 2 (dua) parameter, yaitu warna dan bentuk bola. 5. DAFTAR PUSTAKA Theresholded = seleksi warna orang pada hsv_frame [1] Darma Putra, Pengolahan Yogyakarta : ANDI. 2010. Citra Digital, Smoothing Theresholded [2] Endra Pituarno, Robotika desain, Control, dan Kecerdasan Buatan, Yogyakarta : Andi, 2006. Mengecilkan Ukuran Gambar Theresholded Mendeteksi bentuk bulat pada gambar theresholded Bulat = 1 Lingkari Bola Tampilkan Gambar Selesai Gambar 4. Algoritma Deteksi Bentuk Dan Warna Bola [3] Jati Sasongko Wibowo, Deteksi dan Klarifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV, Jurnal Teknologi Informasi DINAMIK Volume 16, No. 2, 2011. [4] Mahisa Ajy Kusuma, Membuat Aplikasi Pengolahan Citra Dengan OpenCV. 2013.