View
278
Download
8
Category
Preview:
Citation preview
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
Recommended